-
公开(公告)号：CN106066154B
公开(公告)日：2019-02-01
申请号：CN201610355307.2
申请日：2016-05-25
Applicant: 厦门大学
Abstract: 本发明公开了一种适用于快速扫描场景的靶标及其控制点的提取方法，所述靶标由三个互不平行的平面X、Y、Z组成，在其靶标面上涂有银白色涂料。所述方法包括以下步骤：S1、使用激光扫描系统扫描靶标并对多获得的点云数据进行坐标解算；S2、对三维点云数据中靶标点云数据进行识别、截取以获得点云子空间；S3、对点云子空间进行平面模型估计并以二分法去噪获得基础点云，剔除噪声；S4、对基础点云进行迭代去噪处理，最终获得精准的平面参数；S5、使用所获得的最终平面参数，联立组成非齐次线性方程组，求解靶标控制点。本发明提供的靶标及其靶标控制点的提取方法适用于载体平台快速移动的场景，能快速准确地确定靶标控制点在点云中的坐标，从而提高点云数据的准确度，具有广泛的应用价值。
-
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：CN113870359B
公开(公告)日：2024-07-19
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：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％。
-
Patent Agency Ranking
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：CN110415516A
公开(公告)日：2019-11-05
申请号：CN201910637679.8
申请日：2019-07-15
Applicant: 厦门大学
Abstract: 本发明公开了一种基于图卷积神经网络的城市交通流预测方法和介质，其中方法包括：获取原始数据；根据每个节点对应的经纬度信息生成距离矩阵；根据限速平均值和距离矩阵计算可达矩阵；构建用于预测交通流速的初始交通流预测模型，并将交通流速信息和可达矩阵输入到初始交通流预测模型，以便初始交通流预测模型根据交通流速信息和可达矩阵输出交通流速预测值；对初始交通流预测模型进行训练，以确定最终的交通流预测模型；将待预测交通流速信息和待预测可达矩阵输入交通流预测模型，以便通过交通流预测模型对未来交通流进行预测；实现对城市交通路网的空间特征进行有效提取，提高交通流预测的精准度，并且，提高该预测方法的普适性，使其便于推广。
-
公开(公告)号：CN106780586B
公开(公告)日：2019-08-27
申请号：CN201611000480.7
申请日：2016-11-14
Applicant: 厦门大学
IPC: G06T7/507
Abstract: 本发明公开了一种基于地面激光点云的太阳能潜力评估方法，其包括以下步骤：S1、对原始点云进行抽稀；S2、对抽稀后的点云P进行感兴趣区域地面点集R的提取，S3、设置光源偏差控制角；S4、采用最远点贪心策略来快速计算基点的位置和个数；S5、计算基点太阳位置；S6、采用广义隐藏点移除算法即GHPR算法，进行三维点云场景的遮挡分析，从而进行日照模拟计算；S7、对遮挡分析结果进行二值化阴影绘制；S8、对点云场景进行太阳辐射计算。本发明的评估方法能够提供快速、高效的太阳能资源自动化评估，可以为用户提供调查区域任意时间段的三维太阳能资源分布图。
-
公开(公告)号：CN107038858B
公开(公告)日：2019-05-28
申请号：CN201710380104.3
申请日：2017-05-25
Applicant: 厦门大学
Abstract: 本发明公开了一种通勤私家车动态拼车推荐方法，包括，输入车牌自动识别数据，对其进行预处理，生成车辆轨迹集；基于城市车辆轨迹集，结合通勤私家车出行时空规律的高度重复性和周期性，设计一种工作日通勤私家车识别算法；结合通勤私家车的家‑工作地址、通勤时间窗口和工作日动态影响因素(天气、事故和交通)，实现对影响通勤私家车拼车的关键特征提取；基于通勤车辆时空特征，匹配具有相似通勤时空规律的通勤车辆，并结合动态影响因素对驾驶人拼车意愿的影响，将这些动态因素与用户在时空维度的拼车需求有效结合，实现基于用户意愿的动态拼车匹配，为通勤私家车提供一种长期稳定的拼车机制，并在早晚高峰时段明显减少私家车车辆数。
-
公开(公告)号：CN107038858A
公开(公告)日：2017-08-11
申请号：CN201710380104.3
申请日：2017-05-25
Applicant: 厦门大学
Abstract: 本发明公开了一种通勤私家车动态拼车推荐方法，包括，输入车牌自动识别数据，对其进行预处理，生成车辆轨迹集；基于城市车辆轨迹集，结合通勤私家车出行时空规律的高度重复性和周期性，设计一种工作日通勤私家车识别算法；结合通勤私家车的家‑工作地址、通勤时间窗口和工作日动态影响因素(天气、事故和交通)，实现对影响通勤私家车拼车的关键特征提取；基于通勤车辆时空特征，匹配具有相似通勤时空规律的通勤车辆，并结合动态影响因素对驾驶人拼车意愿的影响，将这些动态因素与用户在时空维度的拼车需求有效结合，实现基于用户意愿的动态拼车匹配，为通勤私家车提供一种长期稳定的拼车机制，并在早晚高峰时段明显减少私家车车辆数。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.025 seconds)
