-
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：CN106780524B
公开(公告)日：2020-03-06
申请号：CN201610996779.6
申请日：2016-11-11
Applicant: 厦门大学
IPC: G06T7/13
Abstract: 本发明涉及点云处理领域，具体公开了一种三维点云道路边界自动提取方法，包括以下步骤：S1、对获得的整个三维点云数据集P，筛选种子点进行超体素划分；S2、使用α‑shape算法提取邻近非共面的超体素之间的边界点；S3、使用基于图割的能量最小化算法提取道路边界点；S4、基于欧几里得距离聚类算法去除离群点；S5、将提取的道路边界点拟合成平滑曲线。本发明的方法可以直接运行在大规模三维点云上，可用于不同场景，计算速度快，算法鲁棒性好，可快速提取道路边界。
-
公开(公告)号：CN107203761B
公开(公告)日：2019-09-17
申请号：CN201710454604.7
申请日：2017-06-15
Applicant: 厦门大学
Abstract: 本发明公开了一种基于高分辨率卫星影像的道路宽度估计方法，根据高分辨率卫星影像中道路的特征，定义了一种新颖的道路宽度描述符，通过统计固定大小的道路块内的像素分布并用直方图的形式表示，可以描述道路的宽度特征；在道路宽度描述符的基础上，结合卷积神经网络，提出了基于卷积神经网络的道路宽度估计方法；针对道路宽度估计结果中存在的宽度不连续问题，根据道路宽度的连续性，定义了一种基于空间一致性的道路宽度估计能量函数，通过最小化该能量函数可以实现卫星影像中道路宽度类别的合理估计。
-
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。
-
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。
-
Patent Agency Ranking
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：CN108765475A
公开(公告)日：2018-11-06
申请号：CN201810517923.2
申请日：2018-05-25
Applicant: 厦门大学
IPC: G06T7/33
CPC classification number: G06T7/344 , G06T2207/10028 , G06T2207/20081
Abstract: 本发明公开了一种基于深度学习的建筑物三维点云配准方法，包括以下步骤：S1、训练数据的获取；S2、深度学习模型的构建；S3、模型训练及调优；S4、待检测数据预处理；S5、检测点云关键区域；S6、检测点云关键点；S7、判断关键点对应关系；S8、计算转换关系及配准。本发明将深度学习应用于点云配准的两个关键步骤：寻找关键点及确定匹配关系。本发明充分利用深度学习对点云数据的表征能力来分步骤寻找关键区域、定位关键点，相对于传统的遍历方式极大地加快了检测速度，并且用深度网络模型学习点云特征而代替手工特征，使得算法更加鲁棒和高效。
-
公开(公告)号：CN105701856B
公开(公告)日：2018-10-19
申请号：CN201610028156.X
申请日：2016-01-15
Applicant: 厦门大学
Abstract: 本发明提供了一种植被提取方法及系统。一种植被提取方法包括：从扫描场景得到的回波数据中提取中间回波，其中，所述中间回波为激光雷达点云中具有穿透特性的波形数据，所述回波数据为通过所述多回波激光扫描系统得到的；获取场景三维点云数据，将所述中间回波对应的场景三维点云数据中的中间回波点作为植被点；根据所述植被点从场景三维点云数据中提取全部植被点云数据。本发明解决了激光点云数据中植被主要特征难以获取的问题，有效地提高了植被提取的质量，从而进行了植被树干及树冠的快速定位，其定位结果精确高效。
-
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：CN107833629A
公开(公告)日：2018-03-23
申请号：CN201711010112.5
申请日：2017-10-25
Applicant: 厦门大学
IPC: G16H50/20
Abstract: 本发明公开了一种基于深度学习的辅助诊断方法，包括：S1、对原始语料数据进行分词处理以建立词嵌入查询表；S2、由电子病历数据中的关键特征字段生成训练样本，使用词嵌入查询表将其数字化，再利用卷积神经网络生成辅助诊断模型；S3、对新输入的电子病历提取关键特征字段，并通过词嵌入查询表进行数字化转换，利用辅助诊断模型进行匹配，输出匹配的诊断结果。本发明还提供一种基于深度学习的辅助诊断系统，包括语料数据提取模块、词嵌入查询表构建模块、历史电子病历数据提取模块、新电子病历数据提取模块、分词模块、电子病历数字化模块及辅助诊断模块。本发明诊断结果及时、准确，将有效辅助医生快速诊断病情。
-
-
-
-
-
-
-
-
-
Search Results
217
records
(took 0.033 seconds)
