-
公开(公告)号：CN107610094A
公开(公告)日：2018-01-19
申请号：CN201710653515.5
申请日：2017-08-02
Applicant: 长安大学
Abstract: 基于椭球立体表征的裂缝三维检测方法。本发明公开了基于视频流的路面裂缝动态检测方法，包括以下步骤：步骤1，读取路面三维图像数据矩阵；步骤2，对路面三维图像数据矩阵进行预处理，得到预处理后三维图像数据；步骤3，对预处理后的三维图像数据矩阵进行滤波处理，得到去噪后的三维图像数据矩阵；步骤4：提取去噪后的三维图像数据矩阵的每行数据，提取出完整的路面裂缝；步骤5，将路面裂缝划分为多个裂缝区域，求取每个附加深度的椭圆模型的表征参数；步骤6，根据表征参数对所有附加深度的椭圆模型进行聚类，得到聚类后的裂缝；步骤7，计算聚类后的裂缝的裂缝特征值，将裂缝分为网状裂缝和线性裂缝。本发明降低了计算量，复杂度，对细节信息丢失、虚假深度裂缝等原因造成的裂缝段，能够准确还原为完整裂缝。
-
公开(公告)号：CN107784646B
公开(公告)日：2020-05-19
申请号：CN201710905193.9
申请日：2017-09-29
Applicant: 长安大学
Abstract: 本发明公开了一种路用集料的自适应检测方法，包括：对待检测的路用集料颗粒图像依次进行滤波处理、二值化处理、形态学处理；确定二值化路用集料颗粒图像的质心坐标和方向角，随后旋转二值化路用集料颗粒图像使二值化路用集料颗粒图的方向角垂直于水平线；提取旋转后的路用集料颗粒图像中每个集料颗粒的特征参数，特征参数包括紧凑因子、投影轮廓、边缘点到质心距离分布，依据每个集料颗粒的特征参数将每个集料颗粒归至矩形、椭圆形、菱形、三角形中的任一类；分别计算矩形集料颗粒集合、椭圆形集料颗粒集合、菱形集料颗粒集合、三角形集料颗粒集合的校正系数，得到每个集料颗粒的最终粒径。本发明改善了图像法计算集料级配的精确度。
-
公开(公告)号：CN110517220A
公开(公告)日：2019-11-29
申请号：CN201910497703.2
申请日：2019-06-10
Applicant: 长安大学
Abstract: 本发明提供了一种基于激光三维数据的集料表面数量检测方法，包括：步骤1，获取当前集料三维点云数据，并对当前集料三维点云数据进行去噪；步骤2，获取去噪后的当前集料三维点云数据的局部拟合平面，并计算局部拟合平面的法向量，即得到当前集料的全部表面法线；步骤3，通过当前集料的每一条表面法线的起始点位置坐标对当前集料的多条表面法线进行聚类，得到N个聚类中心，即当前集料具有N个表面数量；步骤4，对多种形状集料集合中的每一个集料重复上述步骤，即可得到每个形状集料的表面数量。本发明利用激光三维数据，能够批量、快速、无损的对集料表面个数进行智能检测。
-
公开(公告)号：CN107527354B
公开(公告)日：2019-10-22
申请号：CN201710547605.6
申请日：2017-07-06
Applicant: 长安大学
Abstract: 本发明公开了一种基于合成图的的区域生长方法：步骤1，对原始裂缝图像进行灰度处理、滤波处理和阈值化处理，得到合成图；步骤2，对合成图进行形态学处理和过滤处理，得到目标裂缝的种子图；步骤3，根据目标裂缝的种子图中所有连通区域的最小外接矩形，选择对目标裂缝的种子图中的生长区域后进行生长，得到生长后的裂缝图像。本发明依据种子图和合成图分离的方式进行生长，由种子图确定生长位置并作用于相应位置的合成图，由合成图判断是否生长进而回到种子图中进行生长，避免了在区域内的其他位置生长出杂质信息，使得生长之后的裂缝信息更加清晰完整，精确度高；由于判断生长是在合成图中而不是原图，遍历区域小复杂度低，处理效率高。
-
公开(公告)号：CN109646830A
公开(公告)日：2019-04-19
申请号：CN201910054252.5
申请日：2019-01-21
Applicant: 长安大学
Abstract: 本发明公开的一种基于BIM和AR技术的逃生救援辅助装置，属于救援设备技术领域。包括佩戴装置和数据采集及传输装置；通过将建筑的BIM模型存储在佩戴装置的微型电脑内，在建筑内部的适当位置布设一定数量的传感器单元、数据传输基站和定位基站，当需要紧急疏散时，各传感器单元采集建筑内的实时数据，通过放大、模/数转换，将数据传送至第二通讯模块和数据传输基站，通过定位基站与定位模块实时监测逃生者的位置和速度，所有逃生者可以实时共享数据或者获取来自数据传输基站的数据，通过增强现实技术，实时显示在AR眼镜上，从而寻找最合适的逃生路径。
-
Patent Agency Ranking
公开(公告)号：CN107527354A
公开(公告)日：2017-12-29
申请号：CN201710547605.6
申请日：2017-07-06
Applicant: 长安大学
Abstract: 本发明公开了一种基于合成图的区域生长方法：步骤1，对原始裂缝图像进行灰度处理、滤波处理和阈值化处理，得到合成图；步骤2，对合成图进行形态学处理和过滤处理，得到目标裂缝的种子图；步骤3，根据目标裂缝的种子图中所有连通区域的最小外接矩形，选择对目标裂缝的种子图中的生长区域后进行生长，得到生长后的裂缝图像。本发明依据种子图和合成图分离的方式进行生长，由种子图确定生长位置并作用于相应位置的合成图，由合成图判断是否生长进而回到种子图中进行生长，避免了在区域内的其他位置生长出杂质信息，使得生长之后的裂缝信息更加清晰完整，精确度高；由于判断生长是在合成图中而不是原图，遍历区域小复杂度低，处理效率高。
-
公开(公告)号：CN119578530A
公开(公告)日：2025-03-07
申请号：CN202411710288.1
申请日：2024-11-27
Applicant: 长安大学
IPC: G06N5/022 , G06N5/04 , G06N3/042 , G06N3/0464 , G06N5/045 , G06F40/279 , G06F16/2455 , G06F16/28
Abstract: 本发明公开了用于大语言模型问答的自适应多跳检索知识图谱构造方法，包括：提取输入的问题和语料库的三元组；自适应多跳检索匹配，检索识别所述语料库中与问题相关的特定三元组；利用所述自适应多跳检索匹配过程中的问题与语料库三元组构建知识图谱；答案预测器模型：节点嵌入、消息传递和选择性过滤，节点嵌入用于对问题和知识图谱进行编码；基于编码后的问题和知识图谱基于图卷积网络进行消息传递；选择性过滤用于过滤所述知识图谱的冗余信息；本发明有助于减轻大语言模型产生幻觉的问题，帮助理解复杂的推理过程，从而提高大语言模型在问答以及逻辑推理性能。
-
公开(公告)号：CN107610092B
公开(公告)日：2020-04-07
申请号：CN201710648354.0
申请日：2017-08-01
Applicant: 长安大学
Abstract: 本发明公开了基于视频流的路面裂缝动态检测方法，包括以下步骤：步骤1，将道路路面的裂缝区域用一矩形框框在其中，利用车载运动相机采集含裂缝区域的道路路面视频，提取任一帧视频作为视频图像，对视频图像进行灰度化处理，得到灰度图像；步骤2，对灰度图像进行二值化处理，得到二值化图像；步骤4，对二值化图像中的裂缝区域进行区域生长算法处理，得到处理后的裂缝区域；骤5，将处理后的裂缝区域进行校正，得到校正后的裂缝区域；步骤6，计算校正后的裂缝区域中裂缝的面积。本发明克服了人工检测方法具有的劳动强度大、安全性低、行车受干扰、工作效率低和检测精确度较低的缺点。
-
公开(公告)号：CN107610094B
公开(公告)日：2020-04-03
申请号：CN201710653515.5
申请日：2017-08-02
Applicant: 长安大学
Abstract: 基于椭球立体表征的裂缝三维检测方法。本发明公开了基于视频流的路面裂缝动态检测方法，包括以下步骤：步骤1，读取路面三维图像数据矩阵；步骤2，对路面三维图像数据矩阵进行预处理，得到预处理后三维图像数据；步骤3，对预处理后的三维图像数据矩阵进行滤波处理，得到去噪后的三维图像数据矩阵；步骤4：提取去噪后的三维图像数据矩阵的每行数据，提取出完整的路面裂缝；步骤5，将路面裂缝划分为多个裂缝区域，求取每个附加深度的椭圆模型的表征参数；步骤6，根据表征参数对所有附加深度的椭圆模型进行聚类，得到聚类后的裂缝；步骤7，计算聚类后的裂缝的裂缝特征值，将裂缝分为网状裂缝和线性裂缝。本发明降低了计算量，复杂度，对细节信息丢失、虚假深度裂缝等原因造成的裂缝段，能够准确还原为完整裂缝。
-
公开(公告)号：CN107610092A
公开(公告)日：2018-01-19
申请号：CN201710648354.0
申请日：2017-08-01
Applicant: 长安大学
Abstract: 本发明公开了基于视频流的路面裂缝动态检测方法，包括以下步骤：步骤1，将道路路面的裂缝区域用一矩形框框在其中，利用车载运动相机采集含裂缝区域的道路路面视频，提取任一帧视频作为视频图像，对视频图像进行灰度化处理，得到灰度图像；步骤2，对灰度图像进行二值化处理，得到二值化图像；步骤4，对二值化图像中的裂缝区域进行区域生长算法处理，得到处理后的裂缝区域；骤5，将处理后的裂缝区域进行校正，得到校正后的裂缝区域；步骤6，计算校正后的裂缝区域中裂缝的面积。本发明克服了人工检测方法具有的劳动强度大、安全性低、行车受干扰、工作效率低和检测精确度较低的缺点。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.023 seconds)
