-
公开(公告)号：CN117911183A
公开(公告)日：2024-04-19
申请号：CN202311772606.2
申请日：2023-12-21
申请人： 同济大学
IPC分类号： G06Q50/00 , G06F18/20 , G06F18/241 , G06F40/58 , G06F40/242 , G06F40/247 , G06F40/30
摘要： 本发明涉及一种基于社交媒体数据的社会事件时空演变感知方法，包括如下步骤：获取与社会事件相关的社交媒体数据并解析得到与社会事件相关的地理数据集；对得到的地理数据集进行预处理，为后期分析做准备；时间序列分析；空间分析；情绪分析；回归分析。与现有技术相比，本发明充分利用和挖掘了社交媒体数据的多维度信息，使得对于社会事件演变的研究和感知更为详细和全面，重视定量分析在数据挖掘中的应用，具有普适性，其可广泛地应用到类似事件的时空演变感知上。
-
公开(公告)号：CN115457767A
公开(公告)日：2022-12-09
申请号：CN202211056046.6
申请日：2022-08-30
申请人： 同济大学
摘要： 本发明涉及一种基于众包机动车轨迹的车道信息提取方法，所述方法包括以下步骤：步骤S1、获取众包机动车轨迹数据集；步骤S2、采用聚类算法对轨迹数据集按轨迹方向进行划分；步骤S3、基于阈值设置，从划分轨迹方向后的数据集中提取出每个方向的道路中心线；步骤S4、对每个方向的道路中心线分段后，构建表征轨迹点落入概率的高斯混合模型，采用期望最大化EM算法求解高斯混合模型，得到车道数量和车道中心线。与现有技术相比，本发明可以更加准确地反映真实的车道信息且车道提取准确性高。
-
公开(公告)号：CN113516663B
公开(公告)日：2022-09-27
申请号：CN202110736141.X
申请日：2021-06-30
申请人： 同济大学
IPC分类号： G06T7/10
摘要： 本发明公开了一种点云语义分割方法及装置、电子设备及存储介质。点云语义分割方法包括：提取待处理点云的局部几何特征，将局部几何特征输入训练好的语义分割模型，以及输出所述待处理点云的语义分割结果。所述语义分割模型包括下采样层和上采样层，下采样层用于聚合所述待处理点云的三维坐标特征和所述局部几何特征，得到局部聚合特征，以及根据所述局部几何特征确定全局上下文特征；上采样层用于对所述下采样层输出的特征中具有相似语义信息的通道进行增强处理。本发明实施例提供的点云语义分割方法能够减小在特征提取阶段造成的损失，增强网络特征表示，减小噪音和遮挡对语义分割的影响，从而提高语义分割的效率和精度。
-
公开(公告)号：CN110781920B
公开(公告)日：2022-09-16
申请号：CN201910905116.2
申请日：2019-09-24
申请人： 同济大学
摘要： 本发明涉及一种室内场景点云部件语义信息的识别方法，具体包括以下步骤：获取未知语义类别的三维激光点云数据放入已知类别的点云数据中，得到已知‑未知混淆的点云数据集；提取高维空间下点云数据集的全局特征；对高维空间下的全局特征进行降维处理；对降维后得到的集群进行聚类，获得低维空间下样本的簇集合；在低维空间聚类基础上，针对每个簇中的样本点，分别找到已知语义样本和未知语义样本，采用已知语义样本的类别信息，对未知语义样本进行语义赋值。与现有技术相比，本发明只需要利用少量的已知样本就能获得大批量对象点云的语义信息；本发明内存开销小，明显提高了计算效率，对计算机要求低。
-
公开(公告)号：CN110781920A
公开(公告)日：2020-02-11
申请号：CN201910905116.2
申请日：2019-09-24
申请人： 同济大学
摘要： 本发明涉及一种室内场景点云部件语义信息的识别方法，具体包括以下步骤：获取未知语义类别的三维激光点云数据放入已知类别的点云数据中，得到已知-未知混淆的点云数据集；提取高维空间下点云数据集的全局特征；对高维空间下的全局特征进行降维处理；对降维后得到的集群进行聚类，获得低维空间下样本的簇集合；在低维空间聚类基础上，针对每个簇中的样本点，分别找到已知语义样本和未知语义样本，采用已知语义样本的类别信息，对未知语义样本进行语义赋值。与现有技术相比，本发明只需要利用少量的已知样本就能获得大批量对象点云的语义信息；本发明内存开销小，明显提高了计算效率，对计算机要求低。
-
公开(公告)号：CN107749185A
公开(公告)日：2018-03-02
申请号：CN201710879399.9
申请日：2017-09-26
申请人： 同济大学
发明人： 吴杭彬
IPC分类号： G08G1/097
CPC分类号： G08G1/097
摘要： 本发明公开了一种基于行车记录仪数据的红绿灯信号周期提取方法，包括以下步骤：读取视频数据；输入图像；RGB颜色空间转化到HSV颜色空间；根据v分量进行分割并排除其他因素干扰，得到信号灯的状态；将信号灯状态展绘至特定坐标系，获得信号灯的时变状态图。并采用Mean Shift聚类方法，对时变图进行分组，并排除离散点干扰；根据各组的数据特点，计算信号周期。本发明的优点在于：1、不需到信号灯现场进行按表记录，减少数据采集的危险性；2、不需要在纸上抄写时间、状态等数据，减少采集的工作量；3、数据采集时间成本、人员成本低。4、可以获得同一个信号灯的不同周期。
-
公开(公告)号：CN103424114B
公开(公告)日：2016-01-20
申请号：CN201210161621.9
申请日：2012-05-22
申请人： 同济大学
摘要： 本发明涉及一种视觉导航/惯性导航的全组合方法，该方法包括以下步骤：1)视觉导航解算：以共线方程为基础列立观测方程，采用最小二乘原理平差求取载体位置和姿态参数，并计算参数之间的方差-协方差阵；2)惯性导航计算：在当地水平坐标系中做导航计算，得到每个时刻载体的位置、速度和姿态参数，同时计算参数之间的方差-协方差阵；3)视觉系统修正惯导系统：以卡尔曼滤波为手段，估计出惯导系统的导航参数误差和器件误差，并进行补偿和反馈校正，从而得到惯导系统所有参数的最优估值；4)惯导系统修正视觉系统：采用序贯平差处理，修正视觉系统所有参数。与现有技术相比，本发明具有理论严密、性能稳定、高效等优点。
-
公开(公告)号：CN103424114A
公开(公告)日：2013-12-04
申请号：CN201210161621.9
申请日：2012-05-22
申请人： 同济大学
摘要： 本发明涉及一种视觉导航/惯性导航的全组合方法，该方法包括以下步骤：1)视觉导航解算：以共线方程为基础列立观测方程，采用最小二乘原理平差求取载体位置和姿态参数，并计算参数之间的方差-协方差阵；2)惯性导航计算：在当地水平坐标系中做导航计算，得到每个时刻载体的位置、速度和姿态参数，同时计算参数之间的方差-协方差阵；3)视觉系统修正惯导系统：以卡尔曼滤波为手段，估计出惯导系统的导航参数误差和器件误差，并进行补偿和反馈校正，从而得到惯导系统所有参数的最优估值；4)惯导系统修正视觉系统：采用序贯平差处理，修正视觉系统所有参数。与现有技术相比，本发明具有理论严密、性能稳定、高效等优点。
-
公开(公告)号：CN113516772B
公开(公告)日：2023-09-15
申请号：CN202110739224.4
申请日：2021-06-30
申请人： 同济大学
摘要： 本发明公开了三维场景重建方法及装置、BIM模型的优化方法及装置。该方法包括：获取视觉传感器在不同位姿下采集的建筑外围的视觉数据以及所述视觉传感器在曝光过程中的IMU数据和GNSS数据；根据所述IMU数据和GNSS数据确定所述视觉传感器的位姿；根据所述位姿对不同位姿采集的视觉数据进行配准处理；根据所述IMU数据、GNSS数据和经过配准处理的视觉数据构建所述建筑外围的三维点云模型。生成建筑外围的三维点云模型时，将IMU数据和GNSS数据作为辅助数据，结合建筑外围的视觉数据构建建筑的三维点云模型，能够提取建筑更多特征，可以解决因建筑包含相似部件、表面反光的建筑点云建模困难问题。
-
公开(公告)号：CN113515513A
公开(公告)日：2021-10-19
申请号：CN202110739253.0
申请日：2021-06-30
申请人： 同济大学
IPC分类号： G06F16/215 , G06F16/28 , G06F16/29
摘要： 本发明公开了轨迹矫正方法及装置、点云地图生成方法及装置。该方法包括：获取行车过程中同步采集的轨迹数据和针对行车道路的激光扫描数据，所述轨迹数据包含多个轨迹点；使用所述轨迹点对所述激光扫描数据进行点云解算，得到点云；从所述点云中提取用于表征所述行车道路的特征点，并将符合预设规则的特征点确定为待矫正点；根据所述特征点中除了所述待矫正点之外的其他特征点，确定所述待矫正点的矫正偏差量；根据所述矫正偏差量对对应于所述待矫正点的轨迹点进行矫正。通过轨迹数据和激光扫描数据联合方式对轨迹数据进行矫正，从而优化了轨迹数据，基于优化后的轨迹数据确定的点云精度大大提高，可以大大减少点云跳变问题。
-
-
-
-
-
-
-
-
-
搜索结果
51 条记录 (耗时 0.027 秒)
