-
公开(公告)号：CN119559399A
公开(公告)日：2025-03-04
申请号：CN202411714366.5
申请日：2024-11-27
Applicant: 西安理工大学
IPC: G06V10/26 , G06V10/20 , G06V10/44 , G06N3/0499 , G06N3/047 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开了基于双分支特征增强和多尺度融合的大规模点云语义分割方法，设计了双分支增强聚合模块，该模块聚焦于邻域内点云属性信息和语义特征的编码，根据双边特征生成偏移特征，将偏移特征嵌入对应原始特征，从而提高模型的局部感知能力。同时为了有效减弱不同尺度下特征间的语义鸿沟，另外设计了多尺度特征融合模块，通过融合相邻不同尺度特征，得到包含全部编码层输出的全局特征，提高模型的全局上下文感知能力并融合上层和底层编码输出，以提高特征辨识度。
-
公开(公告)号：CN119323678A
公开(公告)日：2025-01-17
申请号：CN202411183722.5
申请日：2024-08-27
Applicant: 西安理工大学
IPC: G06V10/44 , G06N3/0464 , G06N3/08 , G06V20/10
Abstract: 本发明公开了一种小样本迭代驱动的变化特征提取模型的训练方法，包括如下：步骤一、建立变化特征提取模型：包括事件前影像特征提取分支、差异特征表达分支和事件后影像特征提取分支；步骤二、构建样本集：收集事件前影像和事件后影像并人工标注，包含人工标注0.5％具有真实变化情况的样本点，以及剩余未标注的未知变化情况的样本点；步骤三、变化特征提取模型训练；步骤四、将步骤三中的新样本集作为变化特征提取模型的新的输入；步骤五、重复步骤三和四，得到训练好的变化特征提取模型。采用该变化特征提取模型，在样本量有限的条件下，有效提取高光谱遥感影像深层空谱联合特征，以改善高光谱遥感影像变化检测的精度。
-
公开(公告)号：CN113642397B
公开(公告)日：2024-02-06
申请号：CN202110779312.7
申请日：2021-07-09
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于手机视频的物体长度测量方法，具体为：通过手机相机采集视频数据，并对视频数据进行预处理；求解手机相机的内参数；保存一张包含目标物体和参照物的参考图像，对采集的视频数据和参考图进行特征点提取，将视频的每一帧与参考图像进行特征点匹配得到匹配点对；计算相机到参照物表面的距离；获取到视频初始帧中的目标物体像素大小，结合相机焦距、参照物与相机间距离和物体像素大小计算出目标物体的真实长度。本发明解决了现有技术中存在的测量精度相对较低的问题。
-
公开(公告)号：CN111986223B
公开(公告)日：2024-02-06
申请号：CN202010680646.4
申请日：2020-07-15
Applicant: 西安理工大学
IPC: G06V20/64 , G06V10/762 , G06V10/74 , G06V10/30
Abstract: 本发明公开的一种基于能量函数的室外点云场景中树木提取方法，选取LiDAR点云数据并剔除其中的平面点，得到候选树木点；利用欧几里得聚类算法进行聚类处理，将所有聚类得到的簇保存在簇集C中；进行相似性矩阵计算，随后计算簇集C的能量函数，根据能量函数对簇集C中的簇进行合并；针对合并之后的簇集，对其进行筛选优化，提取结束。本发明一种基于能量函数的室外点云场景中树木提取方法，通过有效地进行簇的合并，解决聚类不足的问题；将聚类完成之后不足成为一棵树的簇当做噪声点剔除，完成了非树物体的去除，提高了单棵树木提取的准确性，计算过程快，有很好的实用价值。
-
公开(公告)号：CN111985322B
公开(公告)日：2024-02-06
申请号：CN202010674121.X
申请日：2020-07-14
Applicant: 西安理工大学
IPC: G06V20/56 , G06V10/26 , G06V10/25 , G06V10/762 , G06V10/764 , G06V10/44
Abstract: 本发明公开了一种基于激光雷达的道路环境要素感知方法，步骤包括：步骤1，对原始的激光雷达的点云数据进行下采样、感兴趣区域的获取，获得精简点云数据以及对地面数据进行分割，得到结果；步骤2，采用基于体素化的DBSCAN聚类算法，实现非地面数据的障碍物分割；基于多特征的障碍物分类识别；步骤3，利用数据点高程突变设计一种适合车载激光雷达数据的道路边界提取方法，提取出道路边界点后使用先验知识进行边界点的筛选，并采用最小二乘法进行道路边界线的拟合；利用栅格标记无障碍区域，实现激光雷达道路场景中可通行区域的检测，即成。本发明的方法，算法简单，数据误差小，安全可靠。
-
Patent Agency Ranking
公开(公告)号：CN117078988A
公开(公告)日：2023-11-17
申请号：CN202310852351.4
申请日：2023-07-12
Applicant: 西安理工大学
Abstract: 本发明公开了基于中心点检测与聚类的重复性单个物体提取方法，提取点云数据特征，将特征并行的送入单个物体中心点选取模块和特征学习模块；在单个物体中心点选取模块中首先经过两次多层感知机和Sigmoid激活函数预测到每个点的中心得分，由语义标签结果和中心点得分得到单个物体的中心点结果；在特征学习模块中计算特征距离矩阵、有效距离矩阵以及注意力分数矩阵三个矩阵，用于学习同属于单个物体的点；将特征学习模块学习到的每个点与其特征最相似的中心点聚为一类，聚类的结果即为单个物体的提取结果。本发明解决了免候选区域方法聚类结果目标性较差的问题。
-
公开(公告)号：CN117078845A
公开(公告)日：2023-11-17
申请号：CN202310889477.9
申请日：2023-07-19
Applicant: 西安理工大学
Abstract: 本发明公开了基于物体检测与模型匹配的点云室内场景重建方法，在物体检测与提取阶段，使用有效物体提取算法，过滤掉无效的包围盒，避免了重叠的多余包围盒带来的影响，为后面最优模型检索工作提供了更加准确的数据；在最优模型检索阶段，通过相似度计算提高了最优模型检索的精确度，保证了后续重建结果的准确性；最后在模型与物体的匹配阶段，使用位姿优化的算法，尽可能地将模型变换到与物体相同的位姿，最终获得了精细合理的室内场景重建结果。本发明解决了物体包围盒存在重叠、最优模型检索的精确度不足以及重建后模型与物体的位姿不一致等问题。
-
公开(公告)号：CN116778161A
公开(公告)日：2023-09-19
申请号：CN202310724243.9
申请日：2023-06-19
Applicant: 西安理工大学
Abstract: 本发明公开了基于联合Transformer与稀疏卷积的点云语义分割方法，首先采用Transformer中的核心注意力机制对原始点云数据进行逐点的全局特征提取，然后将原始点云数据体素化，通过稀疏子流形卷积对体素化后的点云数据进行局部特征提取，最后将提取到的全局特征和局部特征进行融合，得到最终的语义分割结果。本发明解决了现有方法局部特征提取不充分的问题，提高了室内场景语义分割的精度和效率。
-
公开(公告)号：CN116740546A
公开(公告)日：2023-09-12
申请号：CN202310740603.4
申请日：2023-06-21
Applicant: 西安理工大学
IPC: G06V20/00 , G06V10/762 , G06V10/764 , G06V10/44
Abstract: 本发明公开了基于非等距切片和边界特征的窗户检测方法，步骤1，对建筑立面进行非等距切片的划分，得到具有潜在窗户的切片和墙壁切片；步骤2，在步骤1得到的潜在窗户切片上，提取切片的内边界点；步骤3，对步骤2获取的内边界点进行聚类分割，并筛选出所有窗户元素；步骤4，在步骤3中得到的窗户元素中，进行分类和补全，最终得到更准确的窗户形状。本发明解决了现有技术中存在的因遮挡造成窗户数据缺失和漏检的问题。
-
公开(公告)号：CN113379898B
公开(公告)日：2022-11-11
申请号：CN202110671249.5
申请日：2021-06-17
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于语义分割的三维室内场景重建方法，具体按照如下步骤实施：步骤1，通过体素滤波采样方法和SIFT特征点提取的方法分别对室内场景进行采样，然后将通过体素滤波采样方法和SIFT特征点提取的方法采样得到的采样点进行融合，对重复的采样点只保留一个作为有效点，获得室内点云数据；步骤2，对步骤1获得的室内点云数据进行平面提取，对提取过平面的数据进行语义分割和精细化分割，将室内场景中的物体区分开来；步骤3，对获得语义等特征的室内场景内环境及外环境进行模型匹配与平面拟合从而完成三维重建。本发明解决了现有重建方法重建效果差、场景理解能力不足的问题，能够高精度地重建室内场景。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.028 seconds)
