-
公开(公告)号：CN109613552B
公开(公告)日：2020-11-10
申请号：CN201811494004.4
申请日：2018-12-07
Applicant: 厦门大学
IPC: G01S17/88 , G01S17/894 , G01S7/493 , G01S7/487 , G06N3/02
Abstract: 本发明公开了一种用于TLS多回波点云植被遮挡目标的探测方法，包括：S1、对TLS多回波点云进行点云预处理；S2、将预处理后的点云处理成数据集输入神经网络，进行神经网络的训练；S3、利用训练好的神经网络识别中间回波，根据识别的中间回波，找出植被遮挡冠层，以此确定植被遮挡区域；S4、利用末次回波滤除植被遮挡区域中的非植被遮挡目标，以此探测植被遮挡目标。在此基础上，本发明还提供了一种植被遮挡目标的分析方法，其从点云差分位置、回波密度以及回波强度角度进行可见性分析，具有很强的鲁棒性和可行性，将在森林调查、隐蔽目标分析、军事作战以及救援救灾等方面发挥巨大作用，具有重要的学术价值和现实意义。
-
公开(公告)号：CN106022381B
公开(公告)日：2020-05-22
申请号：CN201610354980.4
申请日：2016-05-25
Applicant: 厦门大学
Abstract: 本发明公开了基于车载激光扫描点云的路灯杆自动提取方法，包括以下步骤：进行过滤地面点以及把非地面点分割成超体素集的预处理；对场景中所有可能是路灯的杆状物体进行定位；进行位置导向分割得到杆状物体；通过提取的杆特征和全局特征用来描述分割得到的杆状物体；用人工标注好的训练样本对随机森林和分类器支持向量机进行训练，使用训练好的随机森林和分类器支持向量机对步骤S3分割出来的杆状物体进行分类识别出路灯杆。本发明算法在路灯残缺或者被遮挡等复杂的环境下也有良好的鲁棒性，并且算法的时间复杂度很低，可以快速地应用到大规模场景的点云。
-
公开(公告)号：CN106408581B
公开(公告)日：2019-05-03
申请号：CN201610817033.4
申请日：2016-09-12
Applicant: 厦门大学
Abstract: 本发明公开了一种快速的三维点云直线提取方法，包括以下步骤：S1、获取原始点云数据；S2、将原始点云分割成小平面集合；S3、提取带方向向量的小平面边缘点；S4、根据方向向量将边缘点聚类成直线。本发明能够快速准确的从大规模点云数据中提取出直线结构；另外本发明的算法具有较强的抗噪声能力和很强的抗孤立点能力。对于杂乱的现实场景的点云数据，本发明可以获得很高的直线检测率和很低的误检率。
-
公开(公告)号：CN106408581A
公开(公告)日：2017-02-15
申请号：CN201610817033.4
申请日：2016-09-12
Applicant: 厦门大学
CPC classification number: G06T2207/10012
Abstract: 本发明公开了一种快速的三维点云直线提取方法，包括以下步骤：S1、获取原始点云数据；S2、将原始点云分割成小平面集合；S3、提取带方向向量的小平面边缘点；S4、根据方向向量将边缘点聚类成直线。本发明能够快速准确的从大规模点云数据中提取出直线结构；另外本发明的算法具有较强的抗噪声能力和很强的抗孤立点能力。对于杂乱的现实场景的点云数据，本发明可以获得很高的直线检测率和很低的误检率。
-
公开(公告)号：CN106022381A
公开(公告)日：2016-10-12
申请号：CN201610354980.4
申请日：2016-05-25
Applicant: 厦门大学
Abstract: 本发明公开了基于车载激光扫描点云的路灯杆自动提取技术，包括以下步骤：进行过滤地面点以及把非地面点分割成超体素集的预处理；对场景中所有可能是路灯的杆状物体进行定位；进行位置导向分割得到杆状物体；通过提取的杆特征和全局特征用来描述分割得到的杆状物体；用人工标注好的训练样本对随机森林和分类器支持向量机进行训练，使用训练好的随机森林和分类器支持向量机对步骤S3分割出来的杆状物体进行分类识别出路灯杆。本发明算法在路灯残缺或者被遮挡等复杂的环境下也有良好的鲁棒性，并且算法的时间复杂度很低，可以快速地应用到大规模场景的点云。
-
Patent Agency Ranking
公开(公告)号：CN110246112B
公开(公告)日：2021-04-30
申请号：CN201910051741.5
申请日：2019-01-21
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SLAM室内三维点云质量评价方法，其包括：S1、通过激光扫描SLAM装置获取优质点云；S2、对优质点云进行降质，获取仿真点云；S3、对仿真点云进行轨迹度量分析；S4、对优质点云与仿真点云提取平面，对平面进行局部一致性噪声分析及几何规则分析，量化点云质量；S5、对优质点云与仿真点云进行分割，得到点云块；S6、将点云块进行归一化后输入到PointNet++神经网络中做模型训练，得到网络模型；S7、将待评价点云通过步骤S4进行点云质量分析，得到点云质量水平值；S8、对待评价点云通过步骤S6得到的神经网络模型进行预测，判断点云属于优质点云或者降质点云。本发明提出了量化点云质量的方法，建立了评价SLAM系统下室内三维点云模型的分类标准及框架。
-
公开(公告)号：CN109002418B
公开(公告)日：2020-08-11
申请号：CN201810638020.X
申请日：2018-06-20
Applicant: 厦门大学
IPC: G06F17/10
Abstract: 本发明公开了一种基于体素生长和地面激光点云的树木胸径自动计算方法，该方法基于地面激光扫描获取的三维点云数据，首先截取地面以上3米以下的点云，只留下胸径测量所需要的树干部分，再将地面点滤除；然后，利用点法向量的Z分量滤波，并对剩下的点进行体素化，利用从上向下的生长方法提取树干；再对树干切片，利用树干点法向量的相互叉乘，得出与树干垂直的平面；最后，对点云切片投影到该平面并进行圆拟合得到树木胸径。本发明计算速度快，准确率高，具有普适性，能够适用于复杂茂密的林区环境，可以在森林资源规划调查中发挥较好的作用。
-
公开(公告)号：CN110246112A
公开(公告)日：2019-09-17
申请号：CN201910051741.5
申请日：2019-01-21
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SLAM室内三维点云质量评价方法，其包括：S1、通过激光扫描SLAM装置获取优质点云；S2、对优质点云进行降质，获取仿真点云；S3、对仿真点云进行轨迹度量分析；S4、对优质点云与仿真点云提取平面，对平面进行局部一致性噪声分析及几何规则分析，量化点云质量；S5、对优质点云与仿真点云进行分割，得到点云块；S6、将点云块进行归一化后输入到PointNet++神经网络中做模型训练，得到网络模型；S7、将待评价点云通过步骤S4进行点云质量分析，得到点云质量水平值；S8、对待评价点云通过步骤S6得到的神经网络模型进行预测，判断点云属于优质点云或者降质点云。本发明提出了量化点云质量的方法，建立了评价SLAM系统下室内三维点云模型的分类标准及框架。
-
公开(公告)号：CN109002418A
公开(公告)日：2018-12-14
申请号：CN201810638020.X
申请日：2018-06-20
Applicant: 厦门大学
IPC: G06F17/10
Abstract: 本发明公开了一种基于体素生长和地面激光点云的树木胸径自动计算方法，该方法基于地面激光扫描获取的三维点云数据，首先截取地面以上3米以下的点云，只留下胸径测量所需要的树干部分，再将地面点滤除；然后，利用点云法向量的Z分量滤波，并对剩下的点云进行体素化，利用从上向下的生长方法提取树干；再对树干切片，利用树干点云法向量的相互叉乘，得出与树干垂直的平面；最后，对点云切片投影到该平面并进行圆拟合得到树木胸径。本发明计算速度快，准确率高，具有普适性，能够适用于复杂茂密的林区环境，可以在森林资源规划调查中发挥较好的作用。
-
公开(公告)号：CN106651863A
公开(公告)日：2017-05-10
申请号：CN201611082678.4
申请日：2016-11-30
Applicant: 厦门大学
CPC classification number: G06T2207/10028
Abstract: 本发明公开了一种基于点云数据的树木自动分割方法，包括以下步骤：S1、预处理；S2、空间网格化投影；S3、滤除不合格网格；S4、基于启发式搜索的树干位置识别；S5、应用改进的分水岭方法分割单树树冠。本发明采用计算几何拟合方法并结合激光点云数据，使得树木分割工作自动化和准确化，避免了实地测绘所需的高昂的工作量。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
