-
公开(公告)号:CN114925994B
公开(公告)日:2024-07-23
申请号:CN202210493040.9
申请日:2022-05-07
Applicant: 厦门大学
IPC: G06Q10/0635 , G06Q50/26 , G06V20/13 , G06V10/82 , G06V10/762 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/042 , G06N3/0464 , G06N3/084 , G06F18/25 , G06N3/048
Abstract: 本发明提供一种基于深度学习的城中村风险评估和风险因素定位方法,利用群智感知技术搜索各类风险事故,对每类风险事故进行聚类,将超过阈值的作为风险热点,并根据城中村风险热点获取风险热点情景数据,所述风险热点情景数据包括城中村层面情景数据和场景层面情景数据;从城中村层面情景数据中提取城中村层面情景特征,从场景层面情景数据中提取场景层面情景特征;将城中村层面情景特征和场景层面情景特征输入构建的训练好的残差网络模型,评估城中村风险,并采用逐层相关传播算法定位风险因素;实现异构数据融合,具有高效、低耗的优点,同时也达到了较高的准确率。
-
公开(公告)号:CN115019105B
公开(公告)日:2024-07-19
申请号:CN202210731014.5
申请日:2022-06-24
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06N3/06
Abstract: 本申请的实施例提供了一种点云分类模型的隐语义分析方法、装置、介质及设备。该方法包括:将点云数据输入至点云分类模型中进行识别处理,以使点云分类模型输出分类结果;根据分类结果以及点云分类模型中各神经元的启动值,按照神经元之间的启动链路反向确定各神经元与分类结果之间的相关性值;根据点云分类模型对点云数据的分组信息,确定在点云分类模型的各网络层中与各分组点云分别对应的目标神经元组;根据目标神经元组中每一神经元对应的相关性值,确定该网络层中与目标神经元组对应的分组点云的显著值,以生成与各网络层相对应的可视化信息。本申请实施例的技术方案可以提高隐语义分析的分析结果的可靠性,保证隐语义分析的分析效果。
-
公开(公告)号:CN113870359B
公开(公告)日:2024-07-19
申请号:CN202111117477.4
申请日:2021-09-23
Applicant: 厦门大学
IPC: G06T7/80
Abstract: 本发明公开了一种基于随机梯度下降的激光雷达外参标定方法、介质及装置,其中方法包括:通过雷达设备对待建图区域进行扫描,以得到基准点云数据;对所述基准点云数据进行筛选,以选取多个基准控制点,并提取所述基准控制点的点云坐标值;对每个所述基准控制点进行测量,以得到每个基准控制点的实际坐标值;使用随机梯度下降法根据基准控制点的实际坐标值和对应的点云坐标值进行激光雷达外参的修正,以完成外参标定;能够有效提高激光雷达外参标定效率和准确率;同时,降低激光雷达外参标定所需耗费的人力物力,适于推广。
-
公开(公告)号:CN117115337A
公开(公告)日:2023-11-24
申请号:CN202310860641.3
申请日:2023-07-13
Applicant: 厦门大学
Abstract: 本申请公开了一种基于稀疏点云帧的三维表面建模方法,通过激光雷达系统对真实世界的对象进行扫描,以得到点云帧序列;采用变分编码器对点云帧序列中的每帧点云进行特征编码,以得到每帧点云对应的全局特征分布和逐点局部特征分布;将逐点局部特征分布作为查询矩阵,全局特征分布作为键矩阵,以便采用密度感知的互注意力进行逐点特征精化,以得到每帧点云对应的精化后的逐点局部特征;采用随机抽样一致性算法根据精化后的逐点局部特征估计相邻帧点云之间的刚性变化,并通过相邻帧点云之间的刚性变化进行两两配准,以得到点云配准结果;根据点云配准结果采用几何感知点云直接回归以得到最终的三维模型,从而提高建模效果。
-
公开(公告)号:CN117058408A
公开(公告)日:2023-11-14
申请号:CN202310882434.8
申请日:2023-07-18
Applicant: 厦门大学
Abstract: 本发明提出了一种面向大规模三维点云的边缘提取方法及装置,该方法包括:获取原始点云,并对原始点云进行均匀划分,以得到多个体素;将多个体素中的每个体素依次输入到顶点检测模块,以便通过顶点检测模块得到原始点云中的边缘顶点和边缘顶点位置坐标;对边缘顶点进行任意两两组合连线,以形成候选边缘线段集;将候选边缘线段集中的每条候选线段以线段端点位置坐标形式依次输入到候选线段判别模块进行边缘线段判别,以便通过候选线段判别模块完成原始点云的边缘提取;通过连接点云的边缘顶点生成候选线段集,并进行边缘提取则可以极大减少点云中噪声的影响,从而得到简洁的边缘轮廓,并且对不同场景的点云均具有良好的泛化性。
-
公开(公告)号:CN117057774A
公开(公告)日:2023-11-14
申请号:CN202310853895.2
申请日:2023-07-12
Applicant: 厦门大学
IPC: G06Q10/20 , G06Q10/0631 , G06Q10/0639 , G06F17/16 , G06Q50/16
Abstract: 本发明公开了玻璃幕墙全生命周期管理方法,属于高层建筑玻璃幕墙管理领域,玻璃幕墙全生命周期管理方法,包括以下步骤:S1:玻璃幕墙清洗检测任务收集制定,S2:任务分解,S3:任务分配与资源匹配,S4:玻璃幕墙的清洗与安全检测。本发明的玻璃幕墙全生命周期管理方法,通过基于本地大语言模型的任务理解技术、基于CrowdOS的任务调配技术、异构定位数据融合技术实现对玻璃幕墙的智能化管理。
-
公开(公告)号:CN116127295A
公开(公告)日:2023-05-16
申请号:CN202310067004.0
申请日:2023-01-16
Applicant: 厦门大学
IPC: G06F18/213 , G06F18/23 , G06N3/04 , G06N3/08 , G06F18/214
Abstract: 本发明公开了一种基于空间群智大数据的交通事故热点识别方法及装置,该方法通过获取轨迹数据,通过地图匹配模型对轨迹数据进行归一化处理,得到归一化轨迹,采用自适应滑动窗口方式从归一化轨迹中提取停车事件;将停车事件采用语义时间段进行分割,得到若干个停车组,每个停车组包括该语义时间段内的停车事件,并对每个停车组内的停车事件进行聚类,得到该语义时间段下的停车热点;对每个停车热点的环境特征进行提取,得到环境特征嵌入;将环境特征嵌入输入GCN模型,分类得到交通事故热点。该方法能够有效识别车辆轨迹中的交通事故热点,帮助城市交通管理部门对城市交通事故热点区域有更深入全面的了解与掌握。
-
公开(公告)号:CN115456191A
公开(公告)日:2022-12-09
申请号:CN202210914946.3
申请日:2022-08-01
Applicant: 厦门大学
IPC: G06N20/00
Abstract: 本发明公开了一种联邦学习平台,通过任务预处理模块对机器学习任务对应的原始数据集进行预处理,以生成所述机器学习任务对应的子联邦任务,以及获取所述机器学习任务对应的模型;任务运行模块加载机器学习任务对应的子联邦任务和对应的模型,以便完成联邦训练初始化;联邦训练模块根据子联邦任务和对应的模型模拟服务端和用户端进行联邦学习以完成联邦训练;由此,能够将传统机器学习任务转化为联邦训练场景的通用任务处理范式,使得联邦学习在任意机器学习任务上的效果能够被快速验证。
-
公开(公告)号:CN115222616A
公开(公告)日:2022-10-21
申请号:CN202210604434.7
申请日:2022-05-30
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种基于异源点云的点云孔洞修补方法,包括:将待修补点云数据和第一异源点云数据输入至机器学习模型中,以输出对应的第一位姿转换矩阵,并对第一异源点云数据进行位姿转换处理得到第二异源点云数据,采用迭代最近点算法对待修补点云数据和第二异源点云数据进行匹配,以对第二异源点云数据进行位姿转换处理,得到目标异源点云数据;根据待修补点云数据中点的位置信息和目标异源点云数据中点的位置信息,识别出待修补孔洞;根据目标异源点云数据中与待修补孔洞对应的点,对待修补点云数据进行修补,得到修补后的目标点云数据。本申请实施例的技术方案提高点云模型中孔洞修补的准确性,进而保证修补后的点云模型的准确度。
-
公开(公告)号:CN114925994A
公开(公告)日:2022-08-19
申请号:CN202210493040.9
申请日:2022-05-07
Applicant: 厦门大学
Abstract: 本发明提供一种基于深度学习的城中村风险评估和风险因素定位方法,利用群智感知技术搜索各类风险事故,对每类风险事故进行聚类,将超过阈值的作为风险热点,并根据城中村风险热点获取风险热点情景数据,所述风险热点情景数据包括城中村层面情景数据和场景层面情景数据;从城中村层面情景数据中提取城中村层面情景特征,从场景层面情景数据中提取场景层面情景特征;将城中村层面情景特征和场景层面情景特征输入构建的训练好的残差网络模型,评估城中村风险,并采用逐层相关传播算法定位风险因素;实现异构数据融合,具有高效、低耗的优点,同时也达到了较高的准确率。
-
-
-
-
-
-
-
-
-