-
公开(公告)号：CN110047036B
公开(公告)日：2023-04-18
申请号：CN201910322174.2
申请日：2019-04-22
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于极坐标格网的地面激光扫描数据建筑物立面提取方法，包括步骤：采用布料模拟滤波算法提取地面激光扫描数据中的非地面点数据；将非地面点数据投影至构建的极坐标格网内，基于密度自适应阈值法提取建筑物立面候选点；将建筑物立面候选点进行聚簇处理与投影处理，获得每个点簇投影后对应的子格网集合；对于投影后的子格网集合，采用面向对象决策树分类法进行建筑物立面点筛选；利用基于图割算法的能量函数最小化求解法，对建筑物立面点筛选结果进行平滑处理，得到建筑物立面提取结果。其显著效果是：排除了数据密度变化的影响；避免了阈值的反复探索过程；具有良好的通用性；兼顾了效率与精度。
-
公开(公告)号：CN115409969A
公开(公告)日：2022-11-29
申请号：CN202210847780.8
申请日：2022-07-19
Applicant: 重庆交通大学
Abstract: 本发明公开了一种长测距地面激光点云平面分割算法，具体包括以下步骤：T1、确定基于动态搜索范围的最佳邻域，T2、基于维度特征和最佳邻域的区域增长算法设计，本发明涉及激光点云数据处理应用技术领域。该长测距地面激光点云平面分割算法，具有密度自适应性，邻域搜索范围基于理论点间距自动生成，能满足不同扫描距离处点云查找邻域的需要；最佳邻域的构建保证点云局部特征的计算不受密度变化的影响；采样间隔的估算符合地面激光扫描仪采集原理，增强了理论点间距的合理性；将最佳邻域加入区域增长，使平面分割算法适应于高密度变化点云，具有动态搜索范围的广泛适用性，邻域搜索范围的确定从单点出发，无需分析点云整体密度变化。
-
公开(公告)号：CN114541488A
公开(公告)日：2022-05-27
申请号：CN202210368886.X
申请日：2022-04-08
Applicant: 中铁隧道局集团有限公司 , 重庆交通大学
IPC: E02D31/12
Abstract: 本发明涉及地下建筑施工领域，具体公开了一种软土地基地下侧墙拆除用抗拔结构，包括钻杆、套筒以及滑动连接在套筒一侧的若干附墙钻，钻杆包括钻身以及固定连接在钻身前端的钻头，钻身与套筒滑动连接，套筒内设置有弹性伸缩器，弹性伸缩器的一端与深入套筒的钻身端部固定连接，钻身周侧均匀分布有若干排倒钢刺，与附墙钻相对一侧的套筒上铰接有便于承载配重物的承重平台,通过弹性组件可以调节钻杆在套筒内的位置高度，提高了钻杆的适用性；通过在钻杆上设置倒钢刺提高了钻杆的承载力；通过设置附墙钻，可以加大附墙钻与墙体的阻力。
-
公开(公告)号：CN108830834B
公开(公告)日：2022-03-11
申请号：CN201810503887.4
申请日：2018-05-23
Applicant: 重庆交通大学
Abstract: 本发明公开了一种爬索机器人视频缺陷信息自动提取方法，包括将视频数据转换为数字图像，并根据拉索颜色选择不同颜色空间，对数字图像进行颜色空间转换，获得拉索表面缺陷检测图像序列；采用基于灰度‑梯度矩阵的阈值分割法对拉索表面缺陷检测图像序列中的每幅图像进行单幅图像分割处理，并对分割后的拉索表面缺陷检测图像序列进行统计分析与掩模处理，得到拉索区域图像；对拉索区域图像进行缺陷区域分割，并通过形态学处理获得缺陷区域，采用形状描述子对缺陷区域进行描述，生成缺陷信息等步骤。其显著效果是：避免了缺陷信息提取是背景信息的干扰，提高了信息提取效率，并提高了信息提取质量。
-
公开(公告)号：CN110009638A
公开(公告)日：2019-07-12
申请号：CN201910294015.6
申请日：2019-04-12
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于局部统计特征的桥梁拉索图像外观缺陷检测方法，包括输入爬索机器人视频数据，对视频数据进行动态解码获得连续帧图像作为采样帧；根据视频基本信息设置采样间隔，对采样帧进行采样提取图像帧；对图像帧进行灰度化处理；根据灰度图像的大小，对灰度图像中的图像区域进行分块；对各个图像块进行统计特征提取，并计算各统计特征的相关系数，选取相关系数大的统计特征组成特征向量组；利用特征向量组进行疑似缺陷图像提取；采用数学形态学与大津法结合的图像分割算法对疑似缺陷图像进行分割，获得桥梁拉索外观缺陷图像等步骤。其显著效果是：减少了数据量，提高了检测效率；具有较高的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN108830834A
公开(公告)日：2018-11-16
申请号：CN201810503887.4
申请日：2018-05-23
Applicant: 重庆交通大学
Abstract: 本发明公开了一种爬索机器人视频缺陷信息自动提取方法，包括将视频数据转换为数字图像，并根据拉索颜色选择不同颜色空间，对数字图像进行颜色空间转换，获得拉索表面缺陷检测图像序列；采用基于灰度-梯度矩阵的阈值分割法对拉索表面缺陷检测图像序列中的每幅图像进行单幅图像分割处理，并对分割后的拉索表面缺陷检测图像序列进行统计分析与掩模处理，得到拉索区域图像；对拉索区域图像进行缺陷区域分割，并通过形态学处理获得缺陷区域，采用形状描述子对缺陷区域进行描述，生成缺陷信息等步骤。其显著效果是：避免了缺陷信息提取是背景信息的干扰，提高了信息提取效率，并提高了信息提取质量。
-
公开(公告)号：CN108830336A
公开(公告)日：2018-11-16
申请号：CN201810676325.X
申请日：2018-06-27
Applicant: 重庆交通大学
Abstract: 本发明公开了一种面向高分影像的地物特征筛选方法，包括根据地物实际分布与遥感影像表现形式，对目标地物进行特征分析与特征粗选；采用选择的不同影像特征，对高分辨率原始影像中目标地物进行一次性特征提取，获得目标地物的多个提取结果；采用构建的特征敏感度模型对各个提取结果分别进行敏感性分析，得到不同影像特征对目标地物的有效提取程度；对不同影像特征敏感度进行排序，选择对目标地物敏感度较高的少数几个特征，形成目标地物的敏感特征组等步骤。其显著效果是：综合考多方面考虑，分析了特征对目标地物的敏感程度，提高了提取结果的客观真实性，从而有效解决了地物特征选择困难的问题，减弱了人为因素对地物信息提取的干扰。
-
公开(公告)号：CN119942117A
公开(公告)日：2025-05-06
申请号：CN202510035028.7
申请日：2025-01-09
Applicant: 重庆交通大学
IPC: G06V10/26 , G06V10/52 , G06V10/764 , G06V10/771 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/096 , G06N3/088
Abstract: 本发明公开一种基于扩散模型的伪标签半监督语义分割方法，包括：S1：将遥感图像数据输入到预训练的扩散模型中，提取多尺度特征；S2：基于学生‑教师模型，未标记的特征集合通过学生模型得到未标记的语义分割结果，未标记的特征集合通过教师模型生产伪标签；S3：利用熵值计算筛选出伪标签的像素，根据像素划分为可靠像素和不可靠像素，可靠像素参与学生模型的无监督损失计算，与学生模型生成的未标记的语义分割结果进行对比，不可靠像素作为负样本；S4：进行对比学习，得到相对于不可靠标签的对比损失；S5：确定损失函数优化目标，进行学生‑教师模型的训练。本发明实现了以提高特征学习的复杂度并增强特征表征的判别能力。
-
公开(公告)号：CN119437202A
公开(公告)日：2025-02-14
申请号：CN202411570254.7
申请日：2024-11-05
Applicant: 重庆交通大学
Abstract: 本发明公开了一种融合众源轨迹与手机图像的室内地图自动构建方法，涉及室内地图构建技术领域，包括以下步骤：S1、利用智能手机采集走廊、室内图像和多传感器数据；S2、构建室内导航地图；S3、提取室内平面结构；S4、对导航路径和室内平面结构进行融合、优化。本发明采用上述一种融合众源轨迹与手机图像的室内地图自动构建方法，在众源轨迹采集的过程中，对室内图像采集方法进行规范化指导，并提取图像中平面结构特征，进一步丰富地图的空间信息。发挥两者整体与局部、框架与细节的优势互补，一方面有效缓解众源数据采集的低效性。另一方面，延续了低成本的数据获取方式，并且保证了数据的质量，提高了制图精度，从而大幅提升位置服务的可用性。
-
公开(公告)号：CN118778036A
公开(公告)日：2024-10-15
申请号：CN202410971477.8
申请日：2024-07-19
Applicant: 重庆交通大学
Abstract: 本发明涉及滑坡预测预报技术领域，且公开了一种基于时空变化耦合模型的滑坡变形高精度监测方法，包括以下步骤，将GPS定位设备部署到目标监测区域获取地面位移量，获取目标监测区域的InSAR数据，构建GPS伪距观测方程，利用GPS数据校正InSAR数据的大气延迟误差，构建GPS三维位移投影在LOS方向上的位移矩阵，利用GPS数据校正InSAR数据的轨道误差。该基于时空变化耦合模型的滑坡变形高精度监测方法，通过融合GPS的地面实测数据与InSAR数据来避免单一数据源所带来的局限性，提高滑坡变形监测的精度，结果表明目标区域长时序沉降监测精度达到7mm，利用强化学习模型扩充可用的GPS实测数据，并预测未来一定时间窗口的地表沉降变化，以此构建时空耦合强化学习模型还原目标区域的滑坡变形情况。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.055 seconds)
