-
公开(公告)号：CN111968179B
公开(公告)日：2022-07-19
申请号：CN202010814965.X
申请日：2020-08-13
Applicant: 厦门大学
IPC: G06T7/73
Abstract: 本发明公开了一种地下停车场自动驾驶车辆定位方法及介质，其中方法包括：获取地下停车场的全局点云数据，并进行预处理，以过滤车辆三维点，得到初始点云数据；根据区域生长法对初始点云数据进行平面结构提取，以得到初始平面集合，并对初始平面集合进行优化，以得到最终平面集合；根据层次聚类法对最终平面集合进行划分，以生成多个第一平面基元组；获取自动驾驶车辆采集到的短期点云数据，并进行处理，以生成多个第二平面基元组；进行点云配准，并对配准结果进行优化，以生成自动驾驶车辆定位结果；能够在地下停车场等室内环境下对自动驾驶车辆进行精准定位，以保障自动驾驶车辆在无GPS定位的条件下安全有效运行。
-
公开(公告)号：CN113379646B
公开(公告)日：2022-06-21
申请号：CN202110768864.8
申请日：2021-07-07
Applicant: 厦门大学
Abstract: 本发明公开了一种利用生成对抗网络进行稠密点云补全的算法，包括以下步骤：S1、设定生成器，将缺失点云输入EncoderC编码器提取特征，得到高维全局特征向量GFVx；S2、利用生成器将目标点云经过EncoderN‑DPC编码器，得到高维全局特征向量GFVy；S3、利用生成对抗网络在高维全局特征向量空间训练，实现x→y之间的“风格迁移”；S4、从生成器生成的新特征向量GFVG(x)通过解码器DecoderN‑DPC补全得到稠密点云；本发明当点云80％比例缺失时其补全点云分类精度高达86.5％。
-
公开(公告)号：CN108846333B
公开(公告)日：2022-02-18
申请号：CN201810541090.3
申请日：2018-05-30
Applicant: 厦门大学
IPC: G06V20/58 , G06F16/29 , G06F16/583
Abstract: 本发明涉及一种标志牌地标数据集生成及车辆定位方法，其中该标志牌数据集生成方法包括：标志牌的图像检测和识别；图像检测结果转化寻找标志牌牌面所在的粗略点云区域范围；得到标志牌牌面；得到标志牌的杆；获取标志牌的语义及空间特征；得到一系列标志牌地标数据集；本发明所述的标志牌地标数据集生成方法采用基于深度学习网络及反射特性两种方法结合的方式进行标志牌的提取，减少了获取标志牌信息的误差，从而提高了获取交通标志牌的标志牌信息准确度、效率以及鲁棒性。
-
公开(公告)号：CN113870359A
公开(公告)日：2021-12-31
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：CN110246112B
公开(公告)日：2021-04-30
申请号：CN201910051741.5
申请日：2019-01-21
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的激光扫描SLAM室内三维点云质量评价方法，其包括：S1、通过激光扫描SLAM装置获取优质点云；S2、对优质点云进行降质，获取仿真点云；S3、对仿真点云进行轨迹度量分析；S4、对优质点云与仿真点云提取平面，对平面进行局部一致性噪声分析及几何规则分析，量化点云质量；S5、对优质点云与仿真点云进行分割，得到点云块；S6、将点云块进行归一化后输入到PointNet++神经网络中做模型训练，得到网络模型；S7、将待评价点云通过步骤S4进行点云质量分析，得到点云质量水平值；S8、对待评价点云通过步骤S6得到的神经网络模型进行预测，判断点云属于优质点云或者降质点云。本发明提出了量化点云质量的方法，建立了评价SLAM系统下室内三维点云模型的分类标准及框架。
-
Patent Agency Ranking
公开(公告)号：CN109165549B
公开(公告)日：2021-03-19
申请号：CN201810744266.5
申请日：2018-07-09
Applicant: 厦门大学
Abstract: 本发明提出了一种基于三维点云数据的道路标识获取方法、介质、终端设备及装置，该方法包括：通过构建U‑net分割网络对道路的三维点云数据进行处理以提取道路标识；采用多层次的分类算法对提取出的道路标识进行分类以获得不同类型的道路标识；针对不同类型的道路标识，采用相应的补全算法进行道路标识补全，以获得完整的道路标识。该方法通过对道路标识的精准识别及分类补全，提升了获取结果的准确性、完整度。
-
公开(公告)号：CN111553199A
公开(公告)日：2020-08-18
申请号：CN202010264950.0
申请日：2020-04-07
Applicant: 厦门大学
Abstract: 本发明公开了一种基于计算机视觉的机动车交通违法行为自动检测技术，包括如下步骤：构造目标检测数据集；加载YOLOv3模型进行模型的参数初始化过程，构建模型，训练模型；利用完成训练的YOLOv3模型预测目标类别及位置坐标；根据目标类别及位置坐标推理交通违法行为。本发明基于计算机视觉，使用基于深度学习的目标检测算法和基于规则的推理方式进行交通违法行为的自动检测；为机动车的交通违法行为检测提供了一种新的思路，具有优异的提取效率和准确率。
-
公开(公告)号：CN109002418B
公开(公告)日：2020-08-11
申请号：CN201810638020.X
申请日：2018-06-20
Applicant: 厦门大学
IPC: G06F17/10
Abstract: 本发明公开了一种基于体素生长和地面激光点云的树木胸径自动计算方法，该方法基于地面激光扫描获取的三维点云数据，首先截取地面以上3米以下的点云，只留下胸径测量所需要的树干部分，再将地面点滤除；然后，利用点法向量的Z分量滤波，并对剩下的点进行体素化，利用从上向下的生长方法提取树干；再对树干切片，利用树干点法向量的相互叉乘，得出与树干垂直的平面；最后，对点云切片投影到该平面并进行圆拟合得到树木胸径。本发明计算速度快，准确率高，具有普适性，能够适用于复杂茂密的林区环境，可以在森林资源规划调查中发挥较好的作用。
-
公开(公告)号：CN107784682B
公开(公告)日：2020-07-24
申请号：CN201710884106.6
申请日：2017-09-26
Applicant: 厦门大学
Abstract: 本发明公开了一种基于三维点云数据的电缆自动提取重构方法，包括以下步骤：S1、获取三维点云数据集P，并对整个数据集P进行网格划分；S2、使用垂直间隔过滤算法和基于密度的过滤算法过滤地面和植物点集；S3、使用概率霍夫变换进行电缆的提取；S4、矩形缓冲区域连接算法进行线段的连接；S5、再次使用过滤算法缩小阈值过滤，并将此次过滤的植物点集设为危险点；S6、使用整体最小二乘算法拟合x‑y平面直线和x‑z平面的悬挂曲线。本发明所述的方法具有较好的适用性、稳定性和鲁棒性。
-
公开(公告)号：CN111260919A
公开(公告)日：2020-06-09
申请号：CN202010044078.9
申请日：2020-01-15
Applicant: 厦门大学
Abstract: 本发明公开了一种交通流量预测方法，包括以下步骤：获取多个节点采集的交通状况数据和每个节点对应的定位信息；根据所述定位信息计算每个节点对应的空间向量，并根据所述交通状况数据和所述空间向量生成时空向量；根据所述时空向量和所述交通状况数据计算每个节点对应的空间加权值和时间加权值，并对所述空间加权值和所述时间加权值进行门控融合，以得到融合值，以及根据所述融合值对未来交通流量进行预测；能够实现对未来交通状况的准确预测，提高预测结果的可参考性。
-
-
-
-
-
-
-
-
-
Search Results
217
records
(took 0.033 seconds)
