-
公开(公告)号：CN116543457A
公开(公告)日：2023-08-04
申请号：CN202310483296.6
申请日：2023-04-28
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种在场景中的人体动作捕捉方法、装置、介质及设备。该方法包括：获取目标对象的第一IMU数据、以及观测人员针对目标对象捕捉到的点云数据和图像；根据第一IMU数据对目标对象进行动作估计，得到目标对象对应的人体动作；将点云数据与图像进行对齐；基于激光雷达自身的第二IMU数据，估计激光雷达的运动轨迹信息，并根据运动轨迹信息和对齐后的点云数据构建三维场景网格；根据人体场景接触约束项、平滑约束项、姿态先验约束项以及网格到点约束项对人体动作和三维场景网格进行优化，以得到优化后的人体动作和三维场景网格。本申请实施例的技术方案提高对场景和人体动作的捕捉精度，保证捕捉到的数据的准确性。
-
公开(公告)号：CN109117987B
公开(公告)日：2020-09-29
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：CN111612886A
公开(公告)日：2020-09-01
申请号：CN202010318788.6
申请日：2020-04-21
Applicant: 厦门大学
IPC: G06T17/00
Abstract: 本发明公开了一种室内三维模型生成方法、介质及系统，其中方法包括以下步骤：获取待建模的室内三维点云数据，并根据所述室内三维点云数据生成对应的二维图片；将所述二维图片输入到预先训练好的语义标注模型，以通过语义标注模型过滤所述二维图片中的干扰线，并提取二维图片的轮廓信息，以及根据轮廓信息对二维图片中的轮廓进行标注，以生成室内二维模型；根据室内二维模型和所述室内三维点云数据生成所述待建模建筑对应的三维模型；能够避免因可移动物体妨碍导致的三维点云缺失等问题对建模的影响，并对室内三维数据进行建模，同时，降低三维数据处理过程中所需要的人力和物力资源。
-
公开(公告)号：CN107967532B
公开(公告)日：2020-07-07
申请号：CN201711052176.1
申请日：2017-10-30
Applicant: 厦门大学
Abstract: 本发明公开了一种融合区域活力的城市交通流量预测方法，包括：S1、对城市路网进行区域划分，并计算各个区域的交通流量；S2、设计区域活力模型：利用城市兴趣点的分布和节假日及天气信息，运用3D卷积神经网络(3D CNN)学习城市中各个区域活力的动态变化；S3、设计流量预测模型：融合区域活力与交通流量,运用卷积长短时记忆网络(ConvLSTM)进行流量预测；S4、根据历史数据对区域活力模型和流量预测模型进行同时训练，再利用训练好的模型对各个区域的交通流量进行实时预测。本方法通过融合区域活力，同时考虑了人群活动背后的驱动力和外部因素的影响，能够取得较高的预测精度。
-
公开(公告)号：CN106872963B
公开(公告)日：2019-08-27
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：CN107103758B
公开(公告)日：2019-06-21
申请号：CN201710427408.0
申请日：2017-06-08
Applicant: 厦门大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于深度学习的城市区域交通流量预测方法，该方法通过提取交通流量变化的高维时空特征对城市每个区域的交通流量同时进行预测，为城市交通流量预测问题提供了一种新的思路。首先根据LPR设备的数据计算城市区域每个时间段的历史流量；然后利用ConvLSTM和CNN设计交通流量预测模型，并提取影响预测时段的关键时间段的流量数据作为输入训练模型；最后利用训练好的模型进行城市区域交通流量的预测。
-
公开(公告)号：CN107978017A
公开(公告)日：2018-05-01
申请号：CN201710965539.4
申请日：2017-10-17
Applicant: 厦门大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于框线提取的室内结构快速建模方法，包括以下步骤：S1、利用背负式移动测绘系统获取室内的三维点云数据；S2、对室内三维点云数据分为墙面点、天花板点、地面点以及杂点；S3、对墙面点、天花板点以及地面点进行框线提取以分别获得墙面框线、天花板的最外围框线以及地面的最外围框线；S4、分别对提取的天花板及地面的最外围框线进行优化处理；S5、根据天花板与地面的对应关系，连接优化处理后的天花板与地面的最外围框线，得到除门窗之外的室内三维框线；S6、以室内三维框线对墙面线进行过滤以获取门窗线，并对获得的门窗线进行线性优化处理，将处理后的门框线置入室内三维框线，获得完整的室内三维模型。
-
公开(公告)号：CN107103758A
公开(公告)日：2017-08-29
申请号：CN201710427408.0
申请日：2017-06-08
Applicant: 厦门大学
IPC: G08G1/01
CPC classification number: G08G1/0129
Abstract: 本发明公开了一种基于深度学习的城市区域交通流量预测方法，该方法通过提取交通流量变化的高维时空特征对城市每个区域的交通流量同时进行预测，为城市交通流量预测问题提供了一种新的思路。首先根据LPR设备的数据计算城市区域每个时间段的历史流量；然后利用ConvLSTM和CNN设计交通流量预测模型，并提取影响预测时段的关键时间段的流量数据作为输入训练模型；最后利用训练好的模型进行城市区域交通流量的预测。
-
公开(公告)号：CN118276036A
公开(公告)日：2024-07-02
申请号：CN202410520585.3
申请日：2024-04-28
Applicant: 厦门大学
IPC: G01S7/48
Abstract: 本发明公开了一种基于扩散模型的激光雷达定位方法、装置及可读介质，涉及计算机模型领域，包括：构建基于扩散模型的激光雷达定位模型，激光雷达定位模型包括特征学习器和去噪器，特征学习器包括依次连接的预训练的视觉基础模型和静态目标感知池模块；将点云序列转换得到的深度投影图像输入经训练的激光雷达定位模型中，通过预训练的视觉基础模型提取得到每帧点云对应的特征图，并输入静态目标感知池模块，得到每帧点云对应的几何鲁棒特征，将每帧点云对应的几何鲁棒特征作为条件，通过去噪器进行迭代去噪，得到预测噪声，根据预测噪声计算出姿态，根据特征图计算得到静态目标掩码，解决APR在捕获关键几何信息方面的不足及定位性能差等问题。
-
公开(公告)号：CN118262085A
公开(公告)日：2024-06-28
申请号：CN202410520586.8
申请日：2024-04-28
Applicant: 厦门大学
IPC: G06V10/22 , G06V10/26 , G06V10/40 , G06V10/766 , G06V10/774 , G06V10/778 , G06V10/82
Abstract: 本发明公开了一种基于语义感知的激光雷达定位方法、装置及可读介质，涉及计算机模型领域，包括：构建包含坐标点回归网络、语义分割网络和知识蒸馏网络的场景定位模型，坐标点回归网络包括多尺度特征提取模块和回归模块，回归模块包括定位回归器和语义回归器，定位回归器输出每个点在世界坐标系所对应的坐标，语义回归器输出点云数据中每个点的第一语义特征；语义分割网络用于提取点云数据中每个点的第二语义特征，将第二语义特征下采样为教师特征，将第一语义特征作为学生特征，学生特征和教师特征输入知识蒸馏网络中进行知识蒸馏，构建总损失函数并对场景定位模型进行训练，得到经训练的坐标点回归网络；解决定位的鲁棒性和准确性低等问题。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.028 seconds)
