一种三维点云数据的处理方法

    公开(公告)号:CN104778691B

    公开(公告)日:2017-05-17

    申请号:CN201510160208.4

    申请日:2015-04-07

    Applicant: 中北大学

    Abstract: 本发明属于三维点云数据处理方法技术领域,具体涉及一种三维点云数据的精简处理方法。本发明主要解决了现有对三维点云进行精简的方法存在的三维物体表面特征保留不好、重建的效果不好和计算量大的技术问题。本发明利用采集点云数据时Kinect相机同步得到的彩色图像中的信息对三维点云进行精简,该方法将彩色图与点云结合起来进行精简,能够避免采集及精简过程造成的物体表面一些曲率没有显著变化但却是特征信息的点云数据的丢失;可以根据物体本身的灰度信息设定相应的精简率进行精简;也可以根据主观因素保留自己认为比较重要的特征点,选择性的精简点云。本发明具有能够很好的保留三维物体表面特征并且具有良好的三维重建效果和计算量小的优点。

    一种基于OANet的遮挡感知实例分割方法

    公开(公告)号:CN120070887A

    公开(公告)日:2025-05-30

    申请号:CN202510117693.0

    申请日:2025-01-24

    Applicant: 中北大学

    Abstract: 本发明公开了一种基于OANet(Occlusion‑Aware Network)的遮挡感知实例分割方法,旨在解决复杂场景下对象重叠引起的实例分割难题。该方法通过构建三层网络架构,显式地对遮挡关系进行建模,以提高复杂场景下实例分割的精度和鲁棒性。其中,顶层GCN+Transformer网络检测遮挡物体,底层GCN+Transformer网络推断被遮挡实例,新增被遮挡物的遮挡回归分支PSA+RefConv用于整合全局信息,优化分割边界。实验结果表明,与BCNet网络相比,OANet模型在COCO、COCOA实例分割基准数据集上均取得显著的性能提升,AP(平均精度)比基准模型提高1.2,证明其在处理严重遮挡情况时的有效性。

    一种三维地形生成方法
    16.
    发明授权

    公开(公告)号:CN113838199B

    公开(公告)日:2023-07-11

    申请号:CN202111109019.6

    申请日:2021-09-22

    Applicant: 中北大学

    Abstract: 本发明属于三维图形领域,公开了一种三维地形生成方法。为了应对游戏、影视、军事仿真、飞行器模拟等领域的快速发展促使地形生成需求急剧增加,如何高效地生成高质量地形以满足大量需求的问题以及传统建模方法,需要繁杂的摄像过程以及人工手动建模,需要浪费大量的人力物力的问题。本发明利用现有的建筑物模型,将建筑物遥感图像中的建筑物图像剪切,使用哈希算法与建筑物模型进行匹配并保存为json文件,使用Unity引擎中的Terrain地形编辑器,根据高度图及遥感图像分割后的图片生成相应的地形及贴图,读取json文件生成建筑物,实现三维地形的生成。有效地解决了当下3D实景建模需要复杂工序的问题。

    一种融合持久同调的三维点云分类方法

    公开(公告)号:CN114581718A

    公开(公告)日:2022-06-03

    申请号:CN202210233977.2

    申请日:2022-03-10

    Applicant: 中北大学

    Abstract: 本发明属于计算机视觉技术领域,具体涉及一种融合持久同调的三维点云分类方法,为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题,本发明在现有基于神经网络的点云分类技术PointNet++基础上,进一步引入代数拓扑学中的持久同调方法进行点云分类。首先,构建点云witness单纯复形拓扑结构,从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次,定义一个基于持久同调的损失函数,据此对三维点云分类的网络模型进行训练学习,得到神经网络模型各项参数。最后,利用训练好的卷积神经网络,进行三维点云的分类任务。测试结果显示,本发明显著提升了点云分类准确率。

    一种环境光遮蔽方法
    18.
    发明授权

    公开(公告)号:CN108805971B

    公开(公告)日:2022-04-19

    申请号:CN201810526042.7

    申请日:2018-05-28

    Applicant: 中北大学

    Abstract: 本发明具体涉及一种环境光遮蔽方法,主要解决了现有的SSAO方法在角落、褶皱层次感不足、对比度不明显等问题,同时适用于复杂的、完全动态的场景,实现稳定,大大提高渲染性能。本发明首先通过下采样减小后续计算量,然后引入一个离散的水平结构,通过采样深度纹理计算轮廓等级和轮廓值,然后根据距离应用线性或高斯衰减减小当前纹理像素与子像素间的距离,最后通过平滑滤波减少噪声影响。该方法适用于视频游戏、动画制作、实景仿真等领域,可以在实时运行的条件下较为逼真的模拟全局光照的渲染效果,针对采样点选择、纹理采样以及平滑滤波三个方面的缺陷做出了改进,通过改善性能和渲染效果使其更适用于三维游戏中实时游戏场景的渲染。

    一种基于深度学习的遥感图像语义分割方法

    公开(公告)号:CN112489054A

    公开(公告)日:2021-03-12

    申请号:CN202011359068.0

    申请日:2020-11-27

    Applicant: 中北大学

    Abstract: 本发明公开了一种基于深度学习的遥感图像语义分割方法,属于机器视觉技术领域。针对主流深度卷积神经网络的语义分割方法,所存在的对小物体的特征获取困难、分割精度不足的问题,本发明通过改进Deeplabv3算法,改进单一的上采样层,利用主干网络中得到的残差进行多层上采样,保证图像在分辨率上的语义完整;同时,修改ASPP层中4层膨胀卷积的膨胀率,使得网络对小物体分割有更好的效果。结果表明:改进的Deeplabv3语义分割算法在自制的数据集上mIou和像素准确率达到了94.92%和98.01%,较原算法分别提高了3.77%和2.40%,不仅拥有更高的准确性,且对各类地形的分割有更好的鲁棒性;适用于复杂的城市遥感图像环境,能够很好地用于城市规划、农业规划、军事战争等领域。

    一种基于深度强化学习的炮兵连智能作战演练系统

    公开(公告)号:CN112221149A

    公开(公告)日:2021-01-15

    申请号:CN202011051742.9

    申请日:2020-09-29

    Applicant: 中北大学

    Abstract: 本发明属于计算机仿真领域,具体涉及一种基于深度强化学习的炮兵连智能作战演练系统。该系统包括包括任务管理模块、算法决策模块和可视化演示模块。针对强化学习、矩阵对策、影响图对策、遗传算法和遗传模糊树等方法存在的“维度灾难”、“人类主观性影响”、“规则漏洞”等问题,本发明采用深度强化学习算法,通过其与环境的交互对神经网络进行训练,避免了人类主观影响;不需要经典样本案例;通采用深度神经网络避免“维度灾难”问题。本发明在炮兵连军事演练中战术研究、火力打击、装备性能评估等领域具备广泛的应用前景。

Patent Agency Ranking