-
公开(公告)号：CN109658489A
公开(公告)日：2019-04-19
申请号：CN201811540285.2
申请日：2018-12-17
Applicant: 清华大学
Abstract: 本申请公开了一种基于神经网络的立体网格数据处理方法和系统，其中，该系统包括：数据获取单元用于获取数据库中的待处理数据，其中，待处理数据的数据类型为立体网格型，待处理数据包括中心点数据、顶点向量数据、单位法向量数据和相邻面数据；特征计算单元用于根据神经网络模型，计算待处理数据对应的融合特征，其中，神经网络模型包括空间描述子模型和结构描述子模型；全局特征计算单元用于根据神经网络模型中的全局多层感知模型和最大池化模型，计算融合特征对应的全局特征值，全局特征值用于描述待处理数据。通过本申请中的技术方案，有利于提高对三维模型的立体网格数据的特征提取能力，提高了立体网格数据处理的准确性。
-
公开(公告)号：CN114022523A
公开(公告)日：2022-02-08
申请号：CN202111179546.4
申请日：2021-10-09
Applicant: 清华大学
Abstract: 本申请涉及点云数据技术领域，特别涉及一种低重叠点云数据配准系统及方法，其中，系统包括：特征提取单元，用于接收待配准低重叠点云，并基于待配准低重叠点云的局部和整体的结构信息提取待配准低重叠点云的点特征；重叠区域预测单元，用于基于待配准低重叠点云的点特征预测潜在的结构信息概率分布，并根据概率分布对点云进行采样，得到待配准低重叠点云的相似结构区域，确定重叠区域；位姿预测单元，用于在重叠区域内形成点到点的空间对应关系，并基于空间对应关系利用最小二乘法计算刚性位姿，利用刚性位姿对齐待配准低重叠点云。本申请实施例能够配准低重叠点云数据，并且对不同重叠率的点云数据保持较高的配准精度，有效保证配准需求。
-
公开(公告)号：CN112084377A
公开(公告)日：2020-12-15
申请号：CN202010940819.1
申请日：2020-09-09
Applicant: 清华大学
IPC: G06F16/901 , G06F16/906 , G06F16/23
Abstract: 本发明公开了一种基于图结构的数据动态分类系统，该系统包括如下单元：图数据输入单元用于接收动态输入的图结构数据；数据及模型存储单元用于保存已输入数据及保存当前时刻的分类模型参数；图连续学习单元用于根据输入图数据动态学习分类并更新模型，其中学习图生成单元用于生成指定空间限制下的学习图，图学习单元用于根据学习图更新分类模型参数；分类预测单元用于对无标签的数据给出分类预测结果。本发明还公开了一种基于图结构的数据动态分类方法，本发明的系统和方法能够动态学习不断更新的图结构数据，可被用于社交网络、引文网络、蛋白质网络等持续更新的图数据库。
-
公开(公告)号：CN107512143B
公开(公告)日：2020-07-10
申请号：CN201710575826.4
申请日：2017-07-14
Applicant: 清华大学
IPC: B60C23/06
Abstract: 本发明提供了轮胎压力计算方法、轮胎压力计算装置、用于计算轮胎压力的电路模块、自行车胎压检测设备和自行车。该轮胎压力计算方法包括：获得车身振动数据；对该车身振动数据进行快速傅里叶变换以得到与其对应的频域信号；和基于预先建立的胎压模型对该频域信号进行分类以得到轮胎压力信息。本发明提供的轮胎压力计算方法、轮胎压力计算装置、用于计算轮胎压力的电路模块、自行车胎压检测设备和自行车测量速度快，测量准确度高、硬件构成简单、可靠性高且系统复杂度低。
-
Patent Agency Ranking
公开(公告)号：CN110728226A
公开(公告)日：2020-01-24
申请号：CN201910953001.0
申请日：2019-10-09
Applicant: 清华大学
Abstract: 本申请公开了一种基于动作识别技术的步态量化的系统，包括：硬件采集单元用于采集获取患者整个步行区间的视频数据，采集设备包括相机单元组成的相机阵列，其中，相机单元包括工业相机及辅助支架；数据集成单元用于获取硬件采集单元采集到的多视角视频数据，并对视频进行裁剪和进行时序对齐，得到对齐后的多视角视频数据；量化算法单元用于根据对齐多视角视频数据，得到被采集者在整个步态区间的量化结果，量化结果包括瞬时量化指标和全局量化指标，其中，瞬时量化指标包括当前状态、当前步长和当前步时等，全局量化指标包括冻结/行走时间比、冻结次数、平均步长、平均步时等。通过本申请中的技术方案，有利于得到所需的步态量化指标。
-
公开(公告)号：CN114022523B
公开(公告)日：2024-07-09
申请号：CN202111179546.4
申请日：2021-10-09
Applicant: 清华大学
Abstract: 本申请涉及点云数据技术领域，特别涉及一种低重叠点云数据配准系统及方法，其中，系统包括：特征提取单元，用于接收待配准低重叠点云，并基于待配准低重叠点云的局部和整体的结构信息提取待配准低重叠点云的点特征；重叠区域预测单元，用于基于待配准低重叠点云的点特征预测潜在的结构信息概率分布，并根据概率分布对点云进行采样，得到待配准低重叠点云的相似结构区域，确定重叠区域；位姿预测单元，用于在重叠区域内形成点到点的空间对应关系，并基于空间对应关系利用最小二乘法计算刚性位姿，利用刚性位姿对齐待配准低重叠点云。本申请实施例能够配准低重叠点云数据，并且对不同重叠率的点云数据保持较高的配准精度，有效保证配准需求。
-
公开(公告)号：CN109658489B
公开(公告)日：2023-06-30
申请号：CN201811540285.2
申请日：2018-12-17
Applicant: 清华大学
IPC: G06T15/00 , G06N3/0464
Abstract: 本申请公开了一种基于神经网络的立体网格数据处理方法和系统，其中，该系统包括：数据获取单元用于获取数据库中的待处理数据，其中，待处理数据的数据类型为立体网格型，待处理数据包括中心点数据、顶点向量数据、单位法向量数据和相邻面数据；特征计算单元用于根据神经网络模型，计算待处理数据对应的融合特征，其中，神经网络模型包括空间描述子模型和结构描述子模型；全局特征计算单元用于根据神经网络模型中的全局多层感知模型和最大池化模型，计算融合特征对应的全局特征值，全局特征值用于描述待处理数据。通过本申请中的技术方案，有利于提高对三维模型的立体网格数据的特征提取能力，提高了立体网格数据处理的准确性。
-
公开(公告)号：CN114528450A
公开(公告)日：2022-05-24
申请号：CN202210028065.1
申请日：2022-01-11
Applicant: 清华大学
IPC: G06F16/906 , G06K9/62 , G06V10/774 , G06V10/764
Abstract: 本申请公开了一种面向增长超图数据的分类系统及方法，其中，系统包括：超图数据输入和维护单元，用于接收增长超图数据；模型维护单元，用于记录当前已出现并学习到的节点类别数，并针对每个已知类别维护对其进行分类的分类模型参数；增长超图学习单元，用于基于增长超图数据，在预设要求下利用构造超图学习过程对维护后的分类模型参数进行扩张和更新，得到学习后的分类模型参数；以及分类预测单元，用于在根据待预测的超图数据，基于学习后的分类模型参数对无标签的超图节点进行类别的预测，得到分类结果。由此，解决了相关技术基于静态超图数据输入进行超图分类，从而导致计算资源的消耗巨大，计算学习效率低下等问题。
-
公开(公告)号：CN107512143A
公开(公告)日：2017-12-26
申请号：CN201710575826.4
申请日：2017-07-14
Applicant: 清华大学
IPC: B60C23/06
CPC classification number: B60C23/062 , B60C2200/12
Abstract: 本发明提供了轮胎压力计算方法、轮胎压力计算装置、用于计算轮胎压力的电路模块、自行车胎压检测设备和自行车。该轮胎压力计算方法包括：获得车身振动数据；对该车身振动数据进行快速傅里叶变换以得到与其对应的频域信号；和基于预先建立的胎压模型对该频域信号进行分类以得到轮胎压力信息。本发明提供的轮胎压力计算方法、轮胎压力计算装置、用于计算轮胎压力的电路模块、自行车胎压检测设备和自行车测量速度快，测量准确度高、硬件构成简单、可靠性高且系统复杂度低。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
