-
公开(公告)号：CN111340889A
公开(公告)日：2020-06-26
申请号：CN202010102585.3
申请日：2020-02-19
Applicant: 厦门大学
Abstract: 本发明公开了一种基于车载激光扫描自动获取匹配图像块与点云球的方法，包括：获取原始点云数据，并去除原始点云数据中的地面点云，以得到初始点云，以及提取初始点云的三维关键点；获取相机图像，并提取相机图像的二维关键点；获取相机参数，并根据相机参数截取初始点云中相机图像对应的局部点云；根据相机参数将局部点云的三维关键点投影到相机图像上，并根据相机图像的二维关键点对局部点云的三维关键点进行投票，以建立二维关键点与三维关键点的匹配关系；根据二维关键点与三维关键点的匹配关系获取局部点云球和局部点云球对应的图像块；能够有效、快速地获取大量匹配的图像块与点云球，具有较高的泛化性和鲁棒性。
-
公开(公告)号：CN106383998A
公开(公告)日：2017-02-08
申请号：CN201610813737.4
申请日：2016-09-09
Applicant: 厦门大学
IPC: G06F19/00
CPC classification number: G06F19/00
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：CN119206273A
公开(公告)日：2024-12-27
申请号：CN202411221202.9
申请日：2024-09-02
Applicant: 厦门大学
IPC: G06V10/762
Abstract: 本申请的实施例提供了一种基于点云数据的动态入侵物检测方法、装置、介质及设备。该方法包括：获取针对目标场景进行采集得到的预定数量帧点云；根据所述预定数量帧点云进行背景点云识别，得到与所述目标场景中静态对象对应的背景点云，所述背景点云由所述预定数量帧点云中两两之间的共有点确定得到；根据所述背景点云以及针对所述目标场景新采集得到的点云，确定所述新采集得到的点云中存在的前景点云；针对所述前景点云进行聚类，得到与所述目标场景中存在的各动态对象对应的聚类簇。本申请实施例的技术方案在保证动态入侵物检测的准确性的基础上，提高动态入侵物检测的适用范围，并降低设备部署的成本。
-
公开(公告)号：CN106408011B
公开(公告)日：2020-04-17
申请号：CN201610813682.7
申请日：2016-09-09
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的激光扫描三维点云树木自动分类方法，可以自动对已提取的单株树木进行分类，分类的单株树木包含树干和树冠结构。本发明采用旋转侧面投影的方法，在树木数据少情况下依然可以有效进行模型训练，由于采用了归一化的预处理方法，克服了点云数据密度远近(距离扫描仪)分布不均的缺点，使得结果受采集设备影响小，更具稳定性。此外，由于采用深度学习进行模型训练，提高了对多种树木的自动分类的准确性。本发明采用特征向量为单元进行计算，计算速度快，更适用于大规模点云场景，具有实际意义和应用价值。
-
公开(公告)号：CN106295604B
公开(公告)日：2017-11-03
申请号：CN201610693722.9
申请日：2016-08-19
Applicant: 厦门大学
Abstract: 本发明公开了一种基于联合滤波的遥感影像的路网提取技术，结合人类视觉系统认知规律，根据显著图像结构在人类认知中所形成的非周期性、各向异性以及局部方向性，建立了一个完整的对道路显著结构的数学度量模型；在道路显著结构度量模型的指导下，结合流线方向性，建立了一个自适应平滑滤波函数，结合像素点空间距离高斯函数，实现对道路遥感影像的自适应平滑；在道路显著结构度量模型的指导下，结合极大极小值滤波，定义了一个自适应冲击滤波函数，该函数在不同区域产生的冲击增强强度不同，从而实现自适应的冲击滤波增强，从而在平滑非道路结构区域的同时保留显著道路结构，实现道路提取过程中遥感影像的预处理。
-
Patent Agency Ranking
公开(公告)号：CN106408011A
公开(公告)日：2017-02-15
申请号：CN201610813682.7
申请日：2016-09-09
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的激光扫描三维点云树木自动分类方法，可以自动对已提取的单株树木进行分类，分类的单株树木包含树干和树冠结构。本发明采用旋转侧面投影的方法，在树木数据少情况下依然可以有效进行模型训练，由于采用了归一化的预处理方法，克服了点云数据密度远近(距离扫描仪)分布不均的缺点，使得结果受采集设备影响小，更具稳定性。此外，由于采用深度学习进行模型训练，提高了对多种树木的自动分类的准确性。本发明采用特征向量为单元进行计算，计算速度快，更适用于大规模点云场景，具有实际意义和应用价值。
-
公开(公告)号：CN106295604A
公开(公告)日：2017-01-04
申请号：CN201610693722.9
申请日：2016-08-19
Applicant: 厦门大学
Abstract: 本发明公开了一种基于联合滤波的遥感影像的路网提取技术，结合人类视觉系统认知规律，根据显著图像结构在人类认知中所形成的非周期性、各向异性以及局部方向性，建立了一个完整的对道路显著结构的数学度量模型；在道路显著结构度量模型的指导下，结合流线方向性，建立了一个自适应平滑滤波函数，结合像素点空间距离高斯函数，实现对道路遥感影像的自适应平滑；在道路显著结构度量模型的指导下，结合极大极小值滤波，定义了一个自适应冲击滤波函数，该函数在不同区域产生的冲击增强强度不同，从而实现自适应的冲击滤波增强，从而在平滑非道路结构区域的同时保留显著道路结构，实现道路提取过程中遥感影像的预处理。
-
公开(公告)号：CN111340889B
公开(公告)日：2023-04-07
申请号：CN202010102585.3
申请日：2020-02-19
Applicant: 厦门大学
Abstract: 本发明公开了一种基于车载激光扫描自动获取匹配图像块与点云球的方法，包括：获取原始点云数据，并去除原始点云数据中的地面点云，以得到初始点云，以及提取初始点云的三维关键点；获取相机图像，并提取相机图像的二维关键点；获取相机参数，并根据相机参数截取初始点云中相机图像对应的局部点云；根据相机参数将局部点云的三维关键点投影到相机图像上，并根据相机图像的二维关键点对局部点云的三维关键点进行投票，以建立二维关键点与三维关键点的匹配关系；根据二维关键点与三维关键点的匹配关系获取局部点云球和局部点云球对应的图像块；能够有效、快速地获取大量匹配的图像块与点云球，具有较高的泛化性和鲁棒性。
-
公开(公告)号：CN106407925B
公开(公告)日：2019-09-27
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：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。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.024 seconds)
