-
公开(公告)号：CN103488827A
公开(公告)日：2014-01-01
申请号：CN201310416464.6
申请日：2013-09-12
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于墙的建筑物的建模方法，包括采集已知墙的信息，建立基于墙的梁系统的模型，根据上述的梁系统模型确定完成整体建筑物模型，根据上述的整体建筑物模型得出施工图纸用于指导施工，最终得到完整的建筑物实体。采用本发明建造的建筑物实体与采用传统的方法建造的建筑实体相比较，在施工过程中有效的避免了返工，工期大大缩短、可以有效的控制施工成本、并且其建筑物结构更加合理，每一根梁都具有均分载荷的功能，使得其结构更加稳定，具有额外的一些抗震能力。
-
公开(公告)号：CN114972743B
公开(公告)日：2025-03-25
申请号：CN202210269259.0
申请日：2022-03-18
Applicant: 西安理工大学
IPC: G06V10/26 , G06V10/30 , G06V10/764 , G06V10/771
Abstract: 本发明公开了一种基于半径扩展的层次级单棵树木提取方法，包括对场景进行分类，提取出其中的树点并利用滤波算法进行去噪；通过建立局部坐标参考系来确定投影方向，从投影点中找到局部极大值平滑差值的正负交叉点，通过设置高度阈值找到潜在树顶点，通过欧式距离对潜在树顶点进行合并优化；利用点云数据与圆的关系进行自顶向下逐层分割实现单棵树木的提取。本发明解决了提取结果受噪声干扰、场景复杂性以及数据不完整性等因素影响的问题。
-
公开(公告)号：CN114821161B
公开(公告)日：2025-03-25
申请号：CN202210375095.X
申请日：2022-04-11
Applicant: 西安理工大学
IPC: G06V10/764 , G06V10/40 , G06V10/772
Abstract: 本发明公开一种基于黎曼最近正则子空间模型的极化SAR图像分类方法，步骤包括：步骤1，从待分类的极化SAR图像的每个类别中挑选相同数量的像素点，构造每个类的半正定矩阵字典；步骤2，根据矩阵字典、黎曼测度，构建基于RNRS的目标函数；步骤3，对目标函数进行求解，得到每类字典的稀疏表示系数；步骤4，根据稀疏表示系数，计算每类的预测数据，将像素类标赋给真实数据和预测数据残差最小的类别，最终得到极化SAR图像的分类结果。本发明解决了现有技术中存在的NRS无法有效学习PolSAR数据矩阵结构和通道相关性的问题。
-
公开(公告)号：CN114723764B
公开(公告)日：2025-03-25
申请号：CN202210188270.4
申请日：2022-02-28
Applicant: 西安理工大学
IPC: G06F30/27 , G06T7/12 , G06V10/77 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种点云物体的参数化边缘曲线提取方法，通过对原始点云数据进行预处理；在PointNet++网络的基础上嵌入了融合残差的注意力机制模块CASP，对于通道注意力机制和空间注意力机制进行了结合，并将位置信息嵌入通道注意力当中，使得点云物体边缘部分信息可以得到凸显，引入了金字塔池化机制，通过改进的网络模型进行点云物体特征点分类；根据特征点进行开合点与闭合点的预测，并生成相应的开合候选曲线与闭合候选曲线；最后通过测量点集的重叠程度以及层次聚类对于开合候选曲线与闭合候选曲线选择出最佳曲线。本发明改善了对于点云物体特征点分类不准确的问题，并且提升了点云物体边缘曲线提取的准确度。
-
公开(公告)号：CN114677388B
公开(公告)日：2024-12-06
申请号：CN202210327868.7
申请日：2022-03-30
Applicant: 西安理工大学
Abstract: 本发明公开了基于单元分解与空间分割的房间布局划分方法，具体按照如下步骤实施：获取室内场景的单元划分结果；获取室内场景的空间分割结果；将得到的把室内场景的单元划分结果与得到的室内场景的空间分割结果进行重叠，在重叠区域中生成随机点，根据每个网格单元中随机点所带颜色标签的数量决定该网格单元属于哪一个房间，从而实现房间布局的准确划分。本发明基于单元分解与空间分割的房间布局划分方法，解决了现有技术中存在的通过分割室内场景结构元素的方法进行内部结构复杂的室内场景划分时存在严重的遮挡现象从而无法实现划分的问题。
-
Patent Agency Ranking
公开(公告)号：CN119048379A
公开(公告)日：2024-11-29
申请号：CN202411160227.2
申请日：2024-08-22
Applicant: 西安理工大学
IPC: G06T5/60 , G06T5/70 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于Retinex理论的双分支交互感知弱光图像增强方法，具体按照以下步骤实施：步骤1、设计基于Retinex理论的U型解耦网络RUDN，提取输入弱光图像的光照分量Llow和反射分量Rlow；步骤2、设计自适应特征提取与去噪模块AFDB，最终得到增强后的反射分量#imgabs0#步骤3、设计自适应通道调制器ACM；步骤4、设计光照感知自注意力模块IAB，最终得到增强后的光照分量#imgabs1#步骤5、搭建完整的神经网络框架，并进行训练；步骤6、测试步骤5保存的神经网络的模型，输出增强图像。本发明解决了现有技术中存在的增强后的图像存在细节丢失和噪声严重的问题。
-
公开(公告)号：CN119006807A
公开(公告)日：2024-11-22
申请号：CN202410826854.9
申请日：2024-06-25
Applicant: 西安理工大学
IPC: G06V10/26 , G06V10/762 , G06V10/764 , G06V20/56 , G06V10/74
Abstract: 本发明公开了基于距离约束的房间空间分割方法，具体按照如下步骤实施：首先对原始点云进行了精简，并且通过计算空间占用概率网格以区别自由体素和占用体素；其次，计算自由体素到其最近邻占用体素之间的三维欧氏距离；在此基础上，通过距离阈值约束和DBSCAN聚类方法得到房间种子区域；进而对未被标记的区域进行波前生长，得到房间空间分割结果。本发明直接在三维空间中实现，解决了复杂室内场景下的房间空间分割。
-
公开(公告)号：CN118799347A
公开(公告)日：2024-10-18
申请号：CN202410802399.9
申请日：2024-06-20
Applicant: 西安理工大学
IPC: G06T7/12 , G06N3/0464 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于动态特征融合图卷积的建筑物点云分割方法，具体按照如下步骤实施：步骤1，利用图卷积以及随机采样的扩张卷积设计FusionConv模块；步骤2，使用步骤1设计的FusionConv模块，基于DGCNN搭建网络模型框架；步骤3，使用步骤2设计的网络模型，分割建筑物点云。本发明提升了对建筑物中物体边缘细节的分割准确度。
-
公开(公告)号：CN114170410B
公开(公告)日：2024-09-06
申请号：CN202111442718.2
申请日：2021-11-30
Applicant: 西安理工大学
IPC: G06T19/20 , G06T7/11 , G06T3/02 , G06V10/44 , G06V10/764 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于PointNet的图卷积与KNN搜索的点云零件级分割方法，首先，通过一个微型网络T‑Net保证点云旋转不变性；然后，计算每两两点对之间的欧氏距离，选取距离最近的k个点，以点pi为中心点构造k近邻域图来提取局部特征，在后续的模型训练中，对每一层动态更新k邻域图，得到局部特征信息；接下来，通过设计新的T‑Net微型网络对齐不同点云局部特征数据；最后，将输出的多层局部特征与全局特征进行拼接，再通过多个MLP操作，得到三维点云物体的零件级分割结果，本发明能够提高三维点云物体的零件级分割精度。
-
公开(公告)号：CN118570880A
公开(公告)日：2024-08-30
申请号：CN202411038403.5
申请日：2024-07-31
Applicant: 西安理工大学
Abstract: 本申请涉及计算机领域，公开了一种人体动作识别方法，该方法包括：对包含目标对象的样本进行预处理，获得预处理后的样本；基于深度学习模型Transformer，对预处理后的样本进行多头注意力计算，获得注意力样本；基于树状结构，对注意力样本在空间维度上进行信息聚合，获得包含空间深度特征的空间样本，空间样本表征人体骨骼多个关节点的邻接关系；基于卷积网络，对空间样本在时间维度上进行信息聚合，获得包含时间深度特征的时空样本；将时空样本输入动作分类模型，输出目标对象的动作。该方法因减少深度网络模型的参数而降低了计算量，能同时表达硬连接和软连接而提高了动作识别精度。
-
-
-
-
-
-
-
-
-
Search Results
249
records
(took 0.029 seconds)
