-
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：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：CN118823360A
公开(公告)日：2024-10-22
申请号：CN202410915850.8
申请日：2024-07-09
Applicant: 厦门大学
Abstract: 本发明公开了一种基于显著性结构感知的点云去噪方法及装置，其中，该方法包括：获取三维点云数据；根据预先设置的多个不同前向扩散时间步长和扩散概率模型对三维点云数据进行前向扩散，以得到对应训练好的噪声估计模型；根据每个不同前向扩散时间步长及其对应的第一结构测量函数值和噪声估计模型创建衡量表；获取对抗性点云，根据对抗性点云计算对应的第二结构测量函数值；根据第二结构测量函数值在衡量表中查询与其最接近的第一结构测量函数值，并获取与其最接近的第一结构测量函数值对应的前向扩散时间步长和噪声估计模型；采用对应的前向扩散时间步长和噪声估计模型对对抗性点云进行去噪处理，以得到去噪点云；从而提高去噪效果。
-
公开(公告)号：CN118570431A
公开(公告)日：2024-08-30
申请号：CN202410633249.X
申请日：2024-05-21
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种基于距离图像的点云混合方法、装置、介质及设备。该方法包括：获取关于目标场景的雷达真实点云以及初始粒子点云；将初始粒子点云转换至与雷达真实点云同一坐标系下，得到目标粒子点云；基于雷达真实点云中各点的坐标信息，生成对应的距离图像，距离图像中各像素的像素值为投影至该像素的点的距离值；将目标粒子点云投影至距离图像中，并确定目标粒子点云中被对应激光束击中的有效点；根据距离图像中包含的有效点的像素坐标和距离值以及雷达真实点云中各点的像素坐标和距离值进行反投影，得到目标混合点云。本申请实施例的技术方案可以提高粒子点云和场景点云的混合效率，并保证混合结果的有效性。
-
Patent Agency Ranking
公开(公告)号：CN118505985A
公开(公告)日：2024-08-16
申请号：CN202410521823.2
申请日：2024-04-28
Applicant: 厦门大学
IPC: G06V10/26 , G06V20/64 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/30 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/10 , G06T5/70
Abstract: 本发明公开了一种基于遥感影像与三维点云的三维语义分割方法及装置，其中该方法包括：获取遥感影像对应的语义标签图和三维点云数据对应的点云鸟瞰图，并将遥感影像、语义标签图和点云鸟瞰图作为训练数据集；构建语义解析模型，其中，语义解析模型包括学生模型和教师模型；将训练数据集输入到语义解析模型，以便对语义解析模型进行训练，以得到训练好的语义解析学生模型；将待解析的三维点云数据对应的点云鸟瞰图输入到训练好的语义解析学生模型，以得到对应的伪标签；对伪标签进行降噪优化处理，以及将处理后的伪标签传播到待解析的三维点云数据，以得到带有伪标签的密集三维点云数据；从而为大规模三维点云语言理解提供可靠、密集的伪标注。
-
公开(公告)号：CN111340889B
公开(公告)日：2023-04-07
申请号：CN202010102585.3
申请日：2020-02-19
Applicant: 厦门大学
Abstract: 本发明公开了一种基于车载激光扫描自动获取匹配图像块与点云球的方法，包括：获取原始点云数据，并去除原始点云数据中的地面点云，以得到初始点云，以及提取初始点云的三维关键点；获取相机图像，并提取相机图像的二维关键点；获取相机参数，并根据相机参数截取初始点云中相机图像对应的局部点云；根据相机参数将局部点云的三维关键点投影到相机图像上，并根据相机图像的二维关键点对局部点云的三维关键点进行投票，以建立二维关键点与三维关键点的匹配关系；根据二维关键点与三维关键点的匹配关系获取局部点云球和局部点云球对应的图像块；能够有效、快速地获取大量匹配的图像块与点云球，具有较高的泛化性和鲁棒性。
-
公开(公告)号：CN115700799A
公开(公告)日：2023-02-07
申请号：CN202110795932.X
申请日：2021-07-14
Applicant: 厦门大学
IPC: G06V10/778 , G06V10/764 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习的类器官质量控制方法、存储介质，方法包括：在药前类器官显微影像和药后类器官显微影像中框选出每个类器官；构建一包括卷积神经网络和多任务学习神经网络的模型；依据框选出每个类器官的药前类器官显微影像和药后类器官显微影像，基于anchor策略对所述卷积神经网络进行训练，使得所述卷积神经网络具备从图像中识别每个类器官的能力；依据对类器官质量评估有判别性的有效特征，对所述多任务学习神经网络进行训练，使得所述多任务学习神经网络具备评估类器官发育质量的能力；获取训练所述模型后得到的评估模型。本发明能够规避ATP法对测定时间敏感的弊端，提高类器官质量评价的准确度。
-
公开(公告)号：CN115471742A
公开(公告)日：2022-12-13
申请号：CN202210983178.7
申请日：2022-08-16
Applicant: 厦门大学
Abstract: 本发明公开了一种基于多层神经网络的地表温度预测方法及系统，其中该方法包括：获取遥感影像及其对应的大气外力数据和地表温度数据；对遥感影像进行处理，以得到多个不同尺度的地表特征数据，并添加对应尺度的NDVI数据和NDBI数据，以得到多个完整地表特征数据；对地表温度数据进行处理，以得到地表特征数据对应的地表温度数据；构建地表温度预测模型，并将完整地表特征数据、地表温度数据和大气外力数据作为训练集进行模型训练，以得到训练好的地表温度预测模型，以便根据训练好的地表温度预测模型进行地表温度预测；由此，通过多层感知神经网络进行预测，由于施加了物理信息约束,从多尺度上学习输入和输出之间的映射关系，能够达到较好的预测效果。
-
公开(公告)号：CN115222747A
公开(公告)日：2022-10-21
申请号：CN202210804033.6
申请日：2022-07-07
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种基于拓扑感知的点云分割网络构建方法、分割方法及装置。该基于拓扑感知的点云分割网络构建方法包括：构建点云分割网络对应的总损失函数，所述总损失函数为交叉熵损失项和拓扑损失项的加权和；将所述总损失函数添加至待训练点云分割网络中，以构成所述待训练点云分割网络的拓扑损失约束分支；采用训练数据对所述待训练点云分割网络进行训练，并通过所述拓扑损失约束分支对所述待训练点云分割网络的参数进行优化，以得到目标点云分割网络。本申请实施例的技术方案可以提高点云分割网络在拓扑结构上分割的准确性，保证点云分割网络的分割效果。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
