-
公开(公告)号：CN109117987B
公开(公告)日：2020-09-29
申请号：CN201810790785.5
申请日：2018-07-18
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的个性化交通事故风险预测推荐方法，包括以下步骤：将城市划分为网格区域；计算各网格区域各时段的交通事故数据、交通流量数据、天气特征数据；利用深度学习方法进行模型训练，获得交通事故风险预测模型；根据当前时刻的交通事故数据、交通流量数据及天气特征数据输入，利用交通事故风险预测模型计算下一时刻城市区域交通事故风险预测情况。本发明利用深度学习方法学习交通事故影响因子与交通事故之间的非线性、高维、复杂关联关系，对城市级别的交通事故风险进行预测，提升了预测结果的准确性。
-
公开(公告)号：CN108765475A
公开(公告)日：2018-11-06
申请号：CN201810517923.2
申请日：2018-05-25
Applicant: 厦门大学
IPC: G06T7/33
CPC classification number: G06T7/344 , G06T2207/10028 , G06T2207/20081
Abstract: 本发明公开了一种基于深度学习的建筑物三维点云配准方法，包括以下步骤：S1、训练数据的获取；S2、深度学习模型的构建；S3、模型训练及调优；S4、待检测数据预处理；S5、检测点云关键区域；S6、检测点云关键点；S7、判断关键点对应关系；S8、计算转换关系及配准。本发明将深度学习应用于点云配准的两个关键步骤：寻找关键点及确定匹配关系。本发明充分利用深度学习对点云数据的表征能力来分步骤寻找关键区域、定位关键点，相对于传统的遍历方式极大地加快了检测速度，并且用深度网络模型学习点云特征而代替手工特征，使得算法更加鲁棒和高效。
-
公开(公告)号：CN106503678A
公开(公告)日：2017-03-15
申请号：CN201610963743.8
申请日：2016-10-27
Applicant: 厦门大学
CPC classification number: G06K9/00798 , G06K9/4604
Abstract: 本发明公开了基于移动激光扫描点云的道路标线自动检测和分类方法，包括以下步骤：S1、对原始点云数据进行路面分割，得到路面点云数据；S2、利用入射角对所述路面点云数据进行强度修正；S3、对所述路面点云数据进行二值化处理，并提取出道路标线点；S4、对所述道路标线点进行分割，分离出彼此独立的道路标线目标；S5、计算所述道路标线目标的特征参数；S6、利用特征参数构造决策树，对所述道路标线目标进行分类。本发明能够快速、准确地从移动激光扫描点云中进行道路标线的自动检测和分类，大大降低了数据处理的时间及劳动成本，有效保证了交通的安全性和智能驾驶的可靠性。
-
公开(公告)号：CN106096655A
公开(公告)日：2016-11-09
申请号：CN201610415366.4
申请日：2016-06-14
Applicant: 厦门大学
Abstract: 本发明公开了一种基于卷积神经网络的光学遥感图像飞机检测方法，包括以下步骤：S1、训练样本的获取；S2、图像预处理；S3、网络模型的构建；S4、模型的训练；S5、检测结果的优化。本发明将深度学习引入飞机检测的应用当中，构建基于卷积神经网络的飞机检测结构模型，借助优化图像预处理、训练样本获取和改进训练结构等方式，解决了飞机朝向多样性的问题，提高了检测算法的性能，使得飞机检测算法能够有效应对复杂的地物因素，抗干扰能力强，鲁棒性好。
-
公开(公告)号：CN118276036A
公开(公告)日：2024-07-02
申请号：CN202410520585.3
申请日：2024-04-28
Applicant: 厦门大学
IPC: G01S7/48
Abstract: 本发明公开了一种基于扩散模型的激光雷达定位方法、装置及可读介质，涉及计算机模型领域，包括：构建基于扩散模型的激光雷达定位模型，激光雷达定位模型包括特征学习器和去噪器，特征学习器包括依次连接的预训练的视觉基础模型和静态目标感知池模块；将点云序列转换得到的深度投影图像输入经训练的激光雷达定位模型中，通过预训练的视觉基础模型提取得到每帧点云对应的特征图，并输入静态目标感知池模块，得到每帧点云对应的几何鲁棒特征，将每帧点云对应的几何鲁棒特征作为条件，通过去噪器进行迭代去噪，得到预测噪声，根据预测噪声计算出姿态，根据特征图计算得到静态目标掩码，解决APR在捕获关键几何信息方面的不足及定位性能差等问题。
-
Patent Agency Ranking
公开(公告)号：CN116071661A
公开(公告)日：2023-05-05
申请号：CN202310359928.8
申请日：2023-04-06
Applicant: 厦门大学
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于激光点云的城市道路场景语义分割方法，包括以下步骤：S1、对原始城市街道点云进行体素下采样得到点云；S2、为点云的所有点随机分配概率值，构建网络的输入点集；S3、训练基于图卷积和注意力融合的神经网络；S4、通过基于图卷积和注意力融合的神经网络进行语义分割预测；该方法使用图卷积和注意力融合的神经网络，提高了城市街道点云的语义分割准确性和效率。
-
公开(公告)号：CN115937701A
公开(公告)日：2023-04-07
申请号：CN202211518706.8
申请日：2022-11-30
Applicant: 厦门大学
Abstract: 本发明提供基于多源异构数据融合的山火识别及过火面积估算方法，包括：获取含有热点目标的卫星遥感图像，并进行预处理；采用Faster R‑CNN对卫星遥感图像进行热点目标检测，得到含有热点预测框的图像以及相对应的预测框坐标；对预测框进行坐标转换，利用全球森林覆盖图进行多源数据融合，实现非山火区域滤除；分别采用NDVI阈值法和NBR阈值法对过火面积进行估算；利用卫星热红外遥感数据对山火进行检测，热红外遥感对高温目标识别敏感，通过遥感图像中山火区域和背景区域的灰度值差异，并且融合全球森林覆盖图有效判别火点，不依赖可见光，时间分辨率高、图像覆盖范围广，能够全天候大范围实现山火监测，且卫星重访周期有利于对森林资源的动态监测和过程分析。
-
公开(公告)号：CN112906911B
公开(公告)日：2022-07-01
申请号：CN202110150143.0
申请日：2021-02-03
Applicant: 厦门大学
IPC: G06N20/20
Abstract: 本发明公开了一种联邦学习的模型训练方法、介质及设备，其中方法包括：选取评测客户端；进行模型预训练，以提取评测数据集；根据内部评测训练集进行模型的训练，以生成评测模型，并计算第一损失值；将评测模型广播给各个客户端，并获取第二损失值，以及计算第一累积分布和第二累积分布；计算损失值上限值，并将损失值上限值广播给对应的客户端，以便每个客户端进行噪声过滤，得到客户端网络模型；每个客户端计算质量因子，并将质量因子和客户端网络模型发送给服务器，以便服务器根据质量因子和客户端网络模型进行聚合，得到服务器模型；能够消除潜在的数据偏见，对客户端采集的数据进行有效过滤，提高联邦学习模型的准确度。
-
公开(公告)号：CN114637880A
公开(公告)日：2022-06-17
申请号：CN202210151825.8
申请日：2022-02-18
Applicant: 厦门大学
Abstract: 本发明提出了一种基于多视角投影的跨维数据检索方法，该方法包括：获取二维图像数据和对应匹配的原始三维点云；对对应匹配的原始三维点云进行体素化处理，以得到对应的体素；将对应的体素投影到二维空间以生成每个二维图像对应匹配的点云多视角投影图像；根据孪生网络构建深度学习模型，并将二维图像数据和对应匹配的点云多视角投影图像输入到深度学习模型进行训练；获取多个待检索的二维图像和三维点云，并基于训练好的深度学习模型从二维图像对三维点云进行检索，以得到每个待检索的二维图像在所有三维点云中最匹配的三维点云；由此，可缩小点云数据在跨维匹配中与二维图像的数据差异，从而提高二维图像到三维点云的检索准确率。
-
公开(公告)号：CN111968179A
公开(公告)日：2020-11-20
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。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.028 seconds)
