本文提出一种图像处理方法、装置、设备和存储介质。上述方法包括，获取包含建筑物的目标图像。对上述目标图像进行图像处理，确定上述建筑物的屋顶区域，上述建筑物的侧面底部边缘与侧面顶部边缘，以及上述建筑物的屋顶与底座之间的偏移角。根据上述偏移角，确定上述侧面底部边缘与上述侧面顶部边缘之间的偏移量。根据上述偏移量，对上述屋顶区域对应的屋顶轮廓进行变换，得到底座轮廓。

本技术涉及三维渲染技术领域，尤其是指一种基于阴影映射的大批量矢量数据渲染方法，包括:将矢量数据发布为矢量瓦片地图服务；在虚幻引擎中请求矢量瓦片地图服务，得到矢量瓦片的二进制数据；将矢量瓦片的二进制数据解析为几何数据，再将几何数据构建为网格体数据；利用虚幻引擎计算网格体数据每个像素的深度值，并写入虚拟纹理中；后处理渲染。本发明生成的深度图与场景复杂度和矢量数据的数量无关，减少了对计算资源的占用，不仅提高了渲染效率，实现了对大批量矢量数据的渲染，并且有效地利用深度图将矢量数据投影到地形表面上，确保了地图显示的精确性和一致性，为地理信息系统的高效运行提供了有力保障。

本技术提供基于医学三维重构的髋臼骨缺损检测及重构方法和系统，涉及医学工程技术领域。该基于医学三维重构的髋臼骨缺损检测及重构方法和系统，通过设置髋臼骨图像获取模块、髋臼骨缺损检测模块、髋臼骨三维重构模块、髋臼骨重构评估模块、髋臼骨图像数据库模块，能够为医生提供全面、准确的髋臼骨缺损检测，通过计算患者髋臼骨缺损指数和髋臼骨三维骨骼模型评估指数，系统可以将骨缺损的程度量化，为医生提供客观、可比较的评估数据，有助于确定患者的病情严重程度和制定治疗方案，评估重建模型的质量和准确度，确保重建结果与患者的实际情况相符合，提高了重建模型的可信度和临床应用的可靠性。

本文提供了一种三维人体模型的建模方法、装置、系统及存储介质，建模方法包括:获取用户的人体实际参数，根据人体实际参数对标准人体三维模型进行缩放处理，得到与用户的人体特征匹配的初始人体三维模型；获取用户的人体图像，确定出人体图像中每对相关联的实际体表特征点的第一距离；根据每对相关联的实际体表特征点的第一距离，确定出初始人体三维模型中每个参考体表特征点和参考骨骼点的目标位置；将初始人体三维模型中每个参考体表特征点和参考骨骼点调整至对应的目标位置，得到用户的定制化三维人体模型。建模方法可以由电子设备自行执行，相比于人工建模，本建模方法的速度快且效率高，生成的三维人体模型与用户的体形的匹配度更高。

本技术公开了一种基于机器视觉的输送线物品拥挤在线感知系统及方法，其中系统包括:图像采集模块、图像智能分类模块、拥堵评估模块和故障决策模块；方法包括：S1.采集输送线的运输过程中物品运输图像，并进行存储；S2.通过训练后的机器学习模型来识别物品运输图像，从而获取输送线上物品堆积情况，并得到物品堆积总面积，根据物品堆积总面积的大小来判定输送线上是否发生了输送拥堵；S3.根据物品运输图像获取拥挤形态参数，根据拥挤形态参数量化拥堵程度，其中，拥挤形态参数包括拥堵范围、拥堵强度和拥堵时间；S4.根据拥堵程度分析处理决策，并对拥堵原因进行分析。本发明能够提供高效和简便的输送线物品输送拥挤在线感知系统及方法。

本公开提供了一种三维模型贴图的渲染和制作方法、装置、设备和存储介质，涉及人工智能技术领域，具体为三维建模、增强现实、虚拟现实等技术领域。三维模型贴图的渲染方法包括:获取目标文件，所述目标文件内包括：初始贴图和所述初始贴图的可调参数；所述可调参数包括：缩放参数和密度调整参数；基于所述缩放参数，对所述初始贴图进行放大处理，以生成细节图；所述细节图的像素密度小于所述初始贴图的像素密度；基于所述密度调整参数，对所述细节图的像素密度进行增大处理，以生成目标贴图；所述目标贴图的像素密度与所述初始贴图的像素密度相同；渲染所述目标贴图。本公开可以提升贴图处理效果。

本文公开了一种虚拟车道构建方法、装置、设备及计算机可读存储介质；具体的，可以根据目标车辆采集的车道信息计算每个车道的多个中心线段，将多个中心线段寄存至多维数据空间后，从中选取与每个中心线段相邻的第一中心线段和第二中心线段，并将中心线段分别与第一中心线段和第二中心线段连接成车道的虚拟中心线，根据每个虚拟中心线构建虚拟车道；由此可得，本方案可先根据车道信息计算出每个车道对应的多个中心线段，并查询出各个中心线段相邻的第一中心线段和第二中心线段，由此构建虚拟中心线和虚拟车道；以此，在不依赖高精度地图的情况下，准确地构建出引导车辆行驶的虚拟车道，保证了车辆自动驾驶的安全性，提高了用户的驾驶体验感。

 本技术公开了一种基于遗传算法的水下多退化图像增强与目标识别联合优化方法，涉及水下图像增强和水下目标识别领域，方法包括搭建水下机器人目标识别系统，获取水下事件相机数据，对水下事件相机数据处理得到样本数据集；采用遗传算法初始化得到初代种群即初始增强参数；采用初始增强参数对环境信息进行初始增强得到初始增强图像数据集；以YOLOv5为基本框架，构建水下目标识别算法模型，得到水下目标检测平均精度mAP；以水下目标检测平均精度mAP为遗传学算法适应度值，采用遗传算法对水下多退化图像增强模块的增强参数进行优化，进而得到目标增强参数对环境信息进行增强得到目标增强图像，同时实现图像增强和有效识别的目的。

 本文提供一种陶瓷酒瓶内壁缺陷检测方法及设备，应用于自动化检测领域，包括:采集待检测的陶瓷酒瓶的各个内壁图像；对每个内壁图像进行预处理，得到与每个内壁图像对应的处理图像；将各个处理图像输入预先训练完成的检测模型中，使得检测模型对各个处理图像进行内壁缺陷分析，输出陶瓷酒瓶的内壁缺陷检测结果；检测模型为以EPSANet作为主干网络，并引入特征金字塔网络的模型。应用本申请提供的方案，采集陶瓷酒瓶的内壁图像后，使用训练完成的检测模型对内壁图像进行内壁缺陷分析，从而得到陶瓷酒瓶的内壁缺陷检测结果，由此无需人工检测酒瓶内壁的缺陷，避免漏检的情况，提高检测的准确性和效率。

 本技术公开了一种基于YOLOv5的双主干网络绝缘子缺陷检测方法，包括以下步骤:构建GELAN‑Ghost双主干网络作为YOLOv5模型新的骨干网络提取输入图像的特征信息；设计一种即插即用的具有高效多尺度注意力模块iEMA；基于注意力模块iEMA，针对性的在模型的小目标检测层和中等目标检测层中添加iEMA模块，构建iFPN‑PAN结构；构建了一种新型的DynamicHeadv3检测头，利用了可变形卷积和注意力机制，以提取更丰富的特征并增强模型的感知能力；以YOLOv5模型为基准，引入步骤1）、步骤2）、步骤4）中提出的GELAN‑Ghost双主干网络、iEMA注意力机制、DynamicHeadv3检测头对YOLOv5模型进行改进，构建一种基于YOLOv5的双主干网络绝缘子缺陷检测方法。