-
公开(公告)号：CN109117987A
公开(公告)日：2019-01-01
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：CN106872963A
公开(公告)日：2017-06-20
申请号：CN201710207016.3
申请日：2017-03-31
Applicant: 厦门大学
IPC: G01S7/497
Abstract: 本发明公开了一种多组多线激光雷达的自动标定算法，包括以下步骤：S1、估计激光雷达A与激光雷达B的坐标变换关系初值Tguess；S2、对激光雷达A所采集的点云数据进行局部子地图M的构建；S3、基于数据同步和轨迹同步的假设，将点云数据通过与Tguess变换到时刻n在局部子地图M中的位置，并通过最近邻点云搜索算法找到其在局部子地图M中的附近点；S4、基于环境一致性约束，求解激光雷达A与激光雷达B的多组标定关系S5、使用随机采样一致性规则消除多组标定矩阵中的异常样本点，最后取均值求出Tcali。本发明所示的自动标定算法只需要根据激光雷达传感器的同步数据，就能自动标定雷达之间的坐标关系，高效快捷，并且能推广到多雷达系统的标定中。
-
公开(公告)号：CN106203335A
公开(公告)日：2016-12-07
申请号：CN201610541382.8
申请日：2016-07-11
Applicant: 厦门大学
CPC classification number: G06K9/00697 , G06K9/3233
Abstract: 本发明公开了一种基于三维点云的标志牌可视度评价方法，发明中提出了可视场与空间可视度的定义，并以空间可视度作为标志牌在不同观测位置的空间可见性评价标准。在三维点云中，利用四元素方法、alpha-shape算法和视网膜成像原理计算该视点处标志牌的可视场强度；通过射线法计算视锥体内的投影点云是否为遮挡点云；利用可视场强度和可见度的相关性计算某视点位置的标志牌的可视度，计算交通标志的可视场。该方法自动、直观、准确、高效，在交通标志牌安装维护、广告牌投放、道路绿化以及建筑设计方面可以给出合理的指导和建议，具有很高的实际推广价值。
-
公开(公告)号：CN119206273A
公开(公告)日：2024-12-27
申请号：CN202411221202.9
申请日：2024-09-02
Applicant: 厦门大学
IPC: G06V10/762
Abstract: 本申请的实施例提供了一种基于点云数据的动态入侵物检测方法、装置、介质及设备。该方法包括：获取针对目标场景进行采集得到的预定数量帧点云；根据所述预定数量帧点云进行背景点云识别，得到与所述目标场景中静态对象对应的背景点云，所述背景点云由所述预定数量帧点云中两两之间的共有点确定得到；根据所述背景点云以及针对所述目标场景新采集得到的点云，确定所述新采集得到的点云中存在的前景点云；针对所述前景点云进行聚类，得到与所述目标场景中存在的各动态对象对应的聚类簇。本申请实施例的技术方案在保证动态入侵物检测的准确性的基础上，提高动态入侵物检测的适用范围，并降低设备部署的成本。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN115222616A
公开(公告)日：2022-10-21
申请号：CN202210604434.7
申请日：2022-05-30
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种基于异源点云的点云孔洞修补方法，包括：将待修补点云数据和第一异源点云数据输入至机器学习模型中，以输出对应的第一位姿转换矩阵，并对第一异源点云数据进行位姿转换处理得到第二异源点云数据，采用迭代最近点算法对待修补点云数据和第二异源点云数据进行匹配，以对第二异源点云数据进行位姿转换处理，得到目标异源点云数据；根据待修补点云数据中点的位置信息和目标异源点云数据中点的位置信息，识别出待修补孔洞；根据目标异源点云数据中与待修补孔洞对应的点，对待修补点云数据进行修补，得到修补后的目标点云数据。本申请实施例的技术方案提高点云模型中孔洞修补的准确性，进而保证修补后的点云模型的准确度。
-
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：CN108846333B
公开(公告)日：2022-02-18
申请号：CN201810541090.3
申请日：2018-05-30
Applicant: 厦门大学
IPC: G06V20/58 , G06F16/29 , G06F16/583
Abstract: 本发明涉及一种标志牌地标数据集生成及车辆定位方法，其中该标志牌数据集生成方法包括：标志牌的图像检测和识别；图像检测结果转化寻找标志牌牌面所在的粗略点云区域范围；得到标志牌牌面；得到标志牌的杆；获取标志牌的语义及空间特征；得到一系列标志牌地标数据集；本发明所述的标志牌地标数据集生成方法采用基于深度学习网络及反射特性两种方法结合的方式进行标志牌的提取，减少了获取标志牌信息的误差，从而提高了获取交通标志牌的标志牌信息准确度、效率以及鲁棒性。
-
公开(公告)号：CN110246112B
公开(公告)日：2021-04-30
申请号：CN201910051741.5
申请日：2019-01-21
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的激光扫描SLAM室内三维点云质量评价方法，其包括：S1、通过激光扫描SLAM装置获取优质点云；S2、对优质点云进行降质，获取仿真点云；S3、对仿真点云进行轨迹度量分析；S4、对优质点云与仿真点云提取平面，对平面进行局部一致性噪声分析及几何规则分析，量化点云质量；S5、对优质点云与仿真点云进行分割，得到点云块；S6、将点云块进行归一化后输入到PointNet++神经网络中做模型训练，得到网络模型；S7、将待评价点云通过步骤S4进行点云质量分析，得到点云质量水平值；S8、对待评价点云通过步骤S6得到的神经网络模型进行预测，判断点云属于优质点云或者降质点云。本发明提出了量化点云质量的方法，建立了评价SLAM系统下室内三维点云模型的分类标准及框架。
-
公开(公告)号：CN109165549B
公开(公告)日：2021-03-19
申请号：CN201810744266.5
申请日：2018-07-09
Applicant: 厦门大学
Abstract: 本发明提出了一种基于三维点云数据的道路标识获取方法、介质、终端设备及装置，该方法包括：通过构建U‑net分割网络对道路的三维点云数据进行处理以提取道路标识；采用多层次的分类算法对提取出的道路标识进行分类以获得不同类型的道路标识；针对不同类型的道路标识，采用相应的补全算法进行道路标识补全，以获得完整的道路标识。该方法通过对道路标识的精准识别及分类补全，提升了获取结果的准确性、完整度。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.027 seconds)
