-
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。
-
公开(公告)号：CN106383998B
公开(公告)日：2019-03-12
申请号：CN201610813737.4
申请日：2016-09-09
Applicant: 厦门大学
Abstract: 本发明公开了一种基于地面激光雷达扫描的树木胸径自动计算方法，本方法再通过树干切割、滤波提高算法的计算速度和鲁棒性；通过自动选取点云拟合，克服了1.3米处无点云或者噪声过大导致无法计算该树胸径的情况；通过圆柱拟合克服了因树干生长角度问题导致圆拟合不准确的问题；通过滑动窗口拟合圆柱提高了计算精度；同时本方法与密度无关，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；本方法不依赖于扫描站数，对树干点云是否为圆形没有要求，即使是单站扫描，也能达到很好的效果。
-
公开(公告)号：CN109165549A
公开(公告)日：2019-01-08
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN104236499B
公开(公告)日：2017-03-08
申请号：CN201410544556.7
申请日：2014-10-15
Applicant: 厦门大学
Abstract: 本发明公开了一种基于点云数据的铁路自动测量方法，包括以下步骤：S1、预处理；S2、铁轨轨道提取；S3、轨道侧面拟合；S4、测量点获取；S5、计算测量值；S6、验证与矫正。本发明采用计算几何拟合方法并结合激光点云数据，使得铁路的测量工作自动化和准确化，避免了实地测绘所需的高昂的工作量。
-
公开(公告)号：CN106407925A
公开(公告)日：2017-02-15
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：CN104197897B
公开(公告)日：2017-01-04
申请号：CN201410171408.5
申请日：2014-04-25
Applicant: 厦门大学
Abstract: 本发明公开了一种基于车载激光扫描点云的城区道路标线自动分类方法，包括以下步骤：S1、基于行车轨迹数据对原始点云数据进行路面分割，得到路面点云数据；S2、对所述路面点云数据进行二值化处理，并提取出道路标线点；S3、对所述道路标线点进行聚类，分离出彼此独立的道路标线目标；S4、根据所述道路标线目标的尺寸，分类出大尺度道路标线和小尺度道路标线；S5、对所述大尺度道路标线进行基于行车轨迹和路沿线的分类处理；S6、对所述小尺度道路标线进行基于深度学习和主成分分析的分类处理。本发明能够快速、准确地提取和分类出城区道路标线，大大降低了数据处理的时间及劳动成本，有效保证了交通的安全性和智能驾驶的可靠性。
-
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：CN100359523C
公开(公告)日：2008-01-02
申请号：CN200610005384.1
申请日：2003-12-31
Applicant: 厦门大学
IPC: G06K9/00
Abstract: 赤潮生物图像自动识别方法，涉及一种图像识别方法，提供一种利用赤潮生物图像自动识别装置进行赤潮生物图像自动识别的方法，赤潮生物图像自动识别装置设有发光二极管、光源透镜、流动室、物镜、景深透镜和照相机。发光二极管位于光源透镜焦点，流动室位于光源透镜与物镜之间，景深透镜位于物镜与照相机之间。其步骤为获取图像、预处理、目标探测、图像分割、图像特征获取、目标分类识别、结果输出。通过透镜的处理，可产生均匀的背景光源，有利于获得效果良好的图像。采用远焦物镜，增加流动室与物镜间的操作空间，给流动室较广的发展空间，提高仪器应用范围。可对图像进行自动分析，提高仪器的自动化程度，满足赤潮生物现场监测的要求。
-
-
-
-
-
-
-
-
-
Search Results
217
records
(took 0.064 seconds)
