内容提供者
用于三维姿态估计的装置和方法.pdf
2023-04-19
10金币
2.2MB
46页
努力****南绿
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共46页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
用于三维姿态估计的装置和方法.pdf
本文公开了用于三维姿态估计的装置和方法。一种装置包括图像同步器(214),用于同步由第一图像捕获设备(104)生成的第一图像(114)和由第二图像捕获设备(106)生成的第二图像(116),第一图像(114)和第二图像(116)包括对象(102);二维姿态检测器(216),用于基于第一图像(114)并且通过执行第一神经网络模型来预测对象(102)的关键点的第一位置以生成第一二维数据,基于第二图像(116)并且通过执行第一神经网络模型来预测关键点的第二位置以生成第二二维数据;以及三维姿态计算器(218),用
2023-04-19
10
2.2MB
用于行人检测和姿态估计的方法和装置.pdf
本发明的实施例提供了一种用于行人检测和姿态估计的方法和装置。该方法包括：获取待处理图像；将待处理图像输入第一全卷积网络，以获得分别与第一预定数目种类的行人关节点中的每种行人关节点相关的关节点特征图和分别与待处理图像中的至少部分行人中的每个行人相关的行人特征图；将所获得的所有行人特征图和所有关节点特征图结合在一起形成经结合的特征图；以及将经结合的特征图输入第二全卷积网络，以获得至少部分行人中的每个行人的行人位置和关节点位置。根据本发明实施例的方法和装置使得行人检测的中间结果可以辅助行人姿态的估计并且行人姿态
2024-01-10
10
863KB
用于估计渲染设备的姿态的方法和装置.pdf
本公开涉及用于确定渲染设备的最终姿态(21)的方法、装置或系统。初始姿态与渲染设备相关联。模块(25)根据来自绝对姿态传感器(23)和/或差分姿态传感器(22)的数据来确定中间姿态(26)。模块(27)根据(第一)中间姿态(26)与初始姿态信息之间的差异、(第二)来自差分姿态传感器(22)的数据、以及(第三)对在渲染设备上显示的当前图像(24)的移动的视觉感知的评估，来确定最终姿态(21)。
2024-01-06
10
665KB
弱纹理三维物体姿态估计的方法和装置.pdf
本发明提供一种弱纹理三维物体姿态估计的方法和装置，其方法包括：导入三维物体模型，根据目标背景图像、三维物体模型和对应姿态，将所述三维物体模型渲染为平面图像，进行深度神经网络训练；利用训练完成的检测模型文件对输入的平面图像进行物体检测识别和姿态估计，并对估计出的物体姿态调优。本发明利用深度神经网络模型，对物体的位姿进行实时估计，从而提高了弱纹理三维物体检测识别和姿态估计的精度和鲁棒性。
2024-01-06
10
685KB
姿态估计模型训练方法、姿态估计方法、装置和电子设备.pdf
本申请实施例公开了姿态估计模型训练方法、姿态估计方法、装置和电子设备。该方法的实施例包括：获取样本图像和样本图像中的关节点的初始热力图；将样本图像输入至待训练的姿态估计模型，得到样本图像中的关节点的尺度特征图、预测热力图和嵌入标签；基于尺度特征图对初始热力图进行调整，得到目标热力图；基于目标热力图、预测热力图以及嵌入标签，更新待训练的姿态估计模型的参数。该实施方式在保证处理效率的同时，提高了姿态估计结果的精度。
2024-01-09
10
800KB