-
公开(公告)号：CN110379007B
公开(公告)日：2022-01-18
申请号：CN201910674347.7
申请日：2019-07-25
Applicant: 厦门大学
Abstract: 本发明公开了一种基于车载移动激光扫描点云的三维公路曲线重建方法，其包括以下步骤：S1、将车载移动激光扫描原始点云分成若干段子点云；S2、对每段子点云进行路面提取得到路面点集；S3、对路面点集进行道路标志提取得到道路标志点集；S4、对道路标志点集进行聚类得到若干个道路标志子点集；S5、对每个道路标志子点集进行外壳提取得到外壳点集；S6、分别将标准所规定的基本三维公路曲线模型和外壳点集进行模型拟合得到候选曲线；S7、对候选曲线进行对比得到最佳曲线。本发明能够在数据中含有大量离群点的情况下自动鲁棒地识别公路曲线的类型并准确地估计出符合公路几何设计标准的三维道路曲线的参数，可以用于公路建造质量评估等诸多领域中。
-
公开(公告)号：CN113379646A
公开(公告)日：2021-09-10
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％。
-
公开(公告)号：CN113326949A
公开(公告)日：2021-08-31
申请号：CN202110399316.2
申请日：2021-04-14
Applicant: 厦门大学
Abstract: 本发明公开了一种联邦学习的模型参数优化方法及系统，方法包括：获取多个客户端上传的模型参数及其对应的训练损失；计算每个客户端对应的梯度，以便更新历史梯度列表；根据训练损失对每个客户端对应的梯度进行排序，并依次判断每个客户端对应的梯度与除自身外的其他梯度之间是否存在矛盾分量；如果是，则采用投影的方式依次消去每个客户端对应的梯度与其他梯度相矛盾的分量，以得到每个客户端投影后的梯度并进行聚合以得到初步梯度；从某一轮起按轮数判断初步梯度与那一轮中被采样且当前轮未被采样的客户端的历史梯度之间是否存在矛盾分量；如果是，则采用投影的方式消除初步梯度中与那一轮的所有矛盾分量的总和；从而提高联邦学习模型的公平性。
-
公开(公告)号：CN110415516B
公开(公告)日：2021-06-22
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：CN112215059A
公开(公告)日：2021-01-12
申请号：CN202010873246.5
申请日：2020-08-26
Applicant: 厦门大学
Abstract: 本发明提供一种基于深度学习的城中村识别和人口估计方法、系统级计算机可存储介质，其中方法包括城中村识别阶段和城中村人口估计阶段，所述城中村识别阶段：提取城市路网图，使用opencv python包在路网图上提取路网轮廓，在遥感卫星图像上切割出图像块；对切割出的图像块进行城中村标注，选取样本构成训练样本集，使用Mask‑RCNN模型进行训练和预测，获取城市遥感卫星图像上的城中村分布图；所述城中村人口估计阶段：在城市遥感卫星图像上的城中村分布图中切割出每一个城中村遥感卫星图像，计算得到房屋容量特征、人群移动特征和区域功能特征；将三者作为输入，利用残差网络模型训练和预测城中村人口数量。本发明提供的方法，具有高效、低耗的优点，同时也达到了较高的识别和估计准确率。
-
Patent Agency Ranking
公开(公告)号：CN109147030B
公开(公告)日：2020-06-30
申请号：CN201810731060.9
申请日：2018-07-05
Applicant: 厦门大学
Abstract: 本发明公开了基于线特征的室内外场景联合建模方法，包括以下步骤：获得原始点云数据，所述原始点云数据包括室内点云和室外点云；对所述室内点云和室外点云分别进行墙面提取，获得墙面点云；针对所述墙面点云提取线结构体；基于所述线结构体，对室内点云和室外点云进行配准。本发明能够对不同质量的点云进行处理，表述简单，通过提取墙面提高了室内外场景的重合率，进而提升了配准的成功率。
-
公开(公告)号：CN111259767A
公开(公告)日：2020-06-09
申请号：CN202010031165.0
申请日：2020-01-13
Applicant: 厦门大学
IPC: G06K9/00 , G06F16/535 , G06F16/583 , G06F16/587 , G06N3/04 , G06N3/08 , G06T11/20 , G08G1/01
Abstract: 本发明公开了基于交通数据及街景数据的交通违法行为识别方法和系统。包括首先提取驾驶行为，构建驾驶行为数据库；对驾驶行为时的道路环境数据进行复原，获取对应的街景图片序列；通过目标检测算法检测其中的交通标志，判断交通标志的类型是否与驾驶行为相对应，从而判断驾驶行为是否违法。本发明通过地图匹配算法进行驾驶行为的提取，解决了直接从轨迹数据中提取转向等驾驶行为存在的各种弊端，将人工智能技术与大规模街景图片数据相结合，利用深度学习目标检测算法检测街景图片中的交通标志，为违法行为的识别提供依据；且通过将驾驶行为与街景图片相匹配，极大地减少了所需要进行检测的街景图片数量，准确识别出对应的违法驾驶行为。
-
公开(公告)号：CN111242491A
公开(公告)日：2020-06-05
申请号：CN202010045209.5
申请日：2020-01-16
Applicant: 厦门大学
IPC: G06Q10/06 , G06Q50/26 , G06F16/904 , G16H40/00
Abstract: 本发明公开了一种医疗大数据可视化分析方法、介质、设备及系统，其中方法包括：获取待分析区域地图，并对待分析区域地图进行网格化处理，以生成网格化区域地图；获取待分析区域的人口数据，并根据人口数据计算网格化区域地图中每个网格对应的人口数量，以及将每个网格对应的人口数量在网格化区域地图中可视化显示；获取医疗机构的位置信息和路网影响距离，并根据位置信息和路网影响距离确定医疗机构对应的可影响网格，以及建立可影响网格与医疗机构之间关联，以便将医疗机构与对应的可影响网格进行关联显示；能够对医疗大数据进行有效分析，节约医疗数据分析过程中所需人力物力资源，同时，分析结果直观可视化，利于决策者的决策行为。
-
公开(公告)号：CN106407925B
公开(公告)日：2019-09-27
申请号：CN201610813651.1
申请日：2016-09-09
Applicant: 厦门大学
Abstract: 本发明公开了一种具有普适性的基于局部区间极大值的激光扫描点云树木的快速自动提取方法，本方法直接基于三维激光点云数据，通过划分水平网格，定义并计算高程区间的累积能量，采用非局部极大值抑制方法，获取树木潜在位置，从而进行自动分割提取。本方法充分利用树木树干结构的显著性，进行网格统计描述，克服了(不同树种，不同树龄)树干和树冠的形态大小各异导致的特征描述难，特征计算结果不稳定的问题。同时本方法密度无关，对树干的部分缺失不敏感，克服了远距离树木因密度过低或是遮挡丢失导致难提取的问题，使本方法不依赖扫描设备的位置摆放，可以适应复杂的扫描环境。本方法无需设置先验拟合模型，因而对噪声不敏感，适合复杂茂密的林区环境，可以在林业调查中发挥较好的稳定性。
-
公开(公告)号：CN106096655B
公开(公告)日：2019-08-27
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。
-
-
-
-
-
-
-
-
-
Search Results
217
records
(took 0.028 seconds)
