-
公开(公告)号：CN117115337A
公开(公告)日：2023-11-24
申请号：CN202310860641.3
申请日：2023-07-13
Applicant: 厦门大学
Abstract: 本申请公开了一种基于稀疏点云帧的三维表面建模方法，通过激光雷达系统对真实世界的对象进行扫描，以得到点云帧序列；采用变分编码器对点云帧序列中的每帧点云进行特征编码，以得到每帧点云对应的全局特征分布和逐点局部特征分布；将逐点局部特征分布作为查询矩阵，全局特征分布作为键矩阵，以便采用密度感知的互注意力进行逐点特征精化，以得到每帧点云对应的精化后的逐点局部特征；采用随机抽样一致性算法根据精化后的逐点局部特征估计相邻帧点云之间的刚性变化，并通过相邻帧点云之间的刚性变化进行两两配准，以得到点云配准结果；根据点云配准结果采用几何感知点云直接回归以得到最终的三维模型，从而提高建模效果。
-
公开(公告)号：CN117058408A
公开(公告)日：2023-11-14
申请号：CN202310882434.8
申请日：2023-07-18
Applicant: 厦门大学
Abstract: 本发明提出了一种面向大规模三维点云的边缘提取方法及装置，该方法包括：获取原始点云，并对原始点云进行均匀划分，以得到多个体素；将多个体素中的每个体素依次输入到顶点检测模块，以便通过顶点检测模块得到原始点云中的边缘顶点和边缘顶点位置坐标；对边缘顶点进行任意两两组合连线，以形成候选边缘线段集；将候选边缘线段集中的每条候选线段以线段端点位置坐标形式依次输入到候选线段判别模块进行边缘线段判别，以便通过候选线段判别模块完成原始点云的边缘提取；通过连接点云的边缘顶点生成候选线段集，并进行边缘提取则可以极大减少点云中噪声的影响，从而得到简洁的边缘轮廓，并且对不同场景的点云均具有良好的泛化性。
-
公开(公告)号：CN117057774A
公开(公告)日：2023-11-14
申请号：CN202310853895.2
申请日：2023-07-12
Applicant: 厦门大学
IPC: G06Q10/20 , G06Q10/0631 , G06Q10/0639 , G06F17/16 , G06Q50/16
Abstract: 本发明公开了玻璃幕墙全生命周期管理方法，属于高层建筑玻璃幕墙管理领域，玻璃幕墙全生命周期管理方法，包括以下步骤：S1：玻璃幕墙清洗检测任务收集制定，S2：任务分解，S3：任务分配与资源匹配，S4：玻璃幕墙的清洗与安全检测。本发明的玻璃幕墙全生命周期管理方法，通过基于本地大语言模型的任务理解技术、基于CrowdOS的任务调配技术、异构定位数据融合技术实现对玻璃幕墙的智能化管理。
-
公开(公告)号：CN116127295A
公开(公告)日：2023-05-16
申请号：CN202310067004.0
申请日：2023-01-16
Applicant: 厦门大学
IPC: G06F18/213 , G06F18/23 , G06N3/04 , G06N3/08 , G06F18/214
Abstract: 本发明公开了一种基于空间群智大数据的交通事故热点识别方法及装置，该方法通过获取轨迹数据，通过地图匹配模型对轨迹数据进行归一化处理，得到归一化轨迹，采用自适应滑动窗口方式从归一化轨迹中提取停车事件；将停车事件采用语义时间段进行分割，得到若干个停车组，每个停车组包括该语义时间段内的停车事件，并对每个停车组内的停车事件进行聚类，得到该语义时间段下的停车热点；对每个停车热点的环境特征进行提取，得到环境特征嵌入；将环境特征嵌入输入GCN模型，分类得到交通事故热点。该方法能够有效识别车辆轨迹中的交通事故热点，帮助城市交通管理部门对城市交通事故热点区域有更深入全面的了解与掌握。
-
公开(公告)号：CN115456191A
公开(公告)日：2022-12-09
申请号：CN202210914946.3
申请日：2022-08-01
Applicant: 厦门大学
IPC: G06N20/00
Abstract: 本发明公开了一种联邦学习平台，通过任务预处理模块对机器学习任务对应的原始数据集进行预处理，以生成所述机器学习任务对应的子联邦任务，以及获取所述机器学习任务对应的模型；任务运行模块加载机器学习任务对应的子联邦任务和对应的模型，以便完成联邦训练初始化；联邦训练模块根据子联邦任务和对应的模型模拟服务端和用户端进行联邦学习以完成联邦训练；由此，能够将传统机器学习任务转化为联邦训练场景的通用任务处理范式，使得联邦学习在任意机器学习任务上的效果能够被快速验证。
-
Patent Agency Ranking
公开(公告)号：CN115222616A
公开(公告)日：2022-10-21
申请号：CN202210604434.7
申请日：2022-05-30
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种基于异源点云的点云孔洞修补方法，包括：将待修补点云数据和第一异源点云数据输入至机器学习模型中，以输出对应的第一位姿转换矩阵，并对第一异源点云数据进行位姿转换处理得到第二异源点云数据，采用迭代最近点算法对待修补点云数据和第二异源点云数据进行匹配，以对第二异源点云数据进行位姿转换处理，得到目标异源点云数据；根据待修补点云数据中点的位置信息和目标异源点云数据中点的位置信息，识别出待修补孔洞；根据目标异源点云数据中与待修补孔洞对应的点，对待修补点云数据进行修补，得到修补后的目标点云数据。本申请实施例的技术方案提高点云模型中孔洞修补的准确性，进而保证修补后的点云模型的准确度。
-
公开(公告)号：CN114925994A
公开(公告)日：2022-08-19
申请号：CN202210493040.9
申请日：2022-05-07
Applicant: 厦门大学
Abstract: 本发明提供一种基于深度学习的城中村风险评估和风险因素定位方法，利用群智感知技术搜索各类风险事故，对每类风险事故进行聚类，将超过阈值的作为风险热点，并根据城中村风险热点获取风险热点情景数据，所述风险热点情景数据包括城中村层面情景数据和场景层面情景数据；从城中村层面情景数据中提取城中村层面情景特征，从场景层面情景数据中提取场景层面情景特征；将城中村层面情景特征和场景层面情景特征输入构建的训练好的残差网络模型，评估城中村风险，并采用逐层相关传播算法定位风险因素；实现异构数据融合，具有高效、低耗的优点，同时也达到了较高的准确率。
-
公开(公告)号：CN111968179B
公开(公告)日：2022-07-19
申请号：CN202010814965.X
申请日：2020-08-13
Applicant: 厦门大学
IPC: G06T7/73
Abstract: 本发明公开了一种地下停车场自动驾驶车辆定位方法及介质，其中方法包括：获取地下停车场的全局点云数据，并进行预处理，以过滤车辆三维点，得到初始点云数据；根据区域生长法对初始点云数据进行平面结构提取，以得到初始平面集合，并对初始平面集合进行优化，以得到最终平面集合；根据层次聚类法对最终平面集合进行划分，以生成多个第一平面基元组；获取自动驾驶车辆采集到的短期点云数据，并进行处理，以生成多个第二平面基元组；进行点云配准，并对配准结果进行优化，以生成自动驾驶车辆定位结果；能够在地下停车场等室内环境下对自动驾驶车辆进行精准定位，以保障自动驾驶车辆在无GPS定位的条件下安全有效运行。
-
公开(公告)号：CN113379646B
公开(公告)日：2022-06-21
申请号：CN202110768864.8
申请日：2021-07-07
Applicant: 厦门大学
Abstract: 本发明公开了一种利用生成对抗网络进行稠密点云补全的算法，包括以下步骤：S1、设定生成器，将缺失点云输入EncoderC编码器提取特征，得到高维全局特征向量GFVx；S2、利用生成器将目标点云经过EncoderN‑DPC编码器，得到高维全局特征向量GFVy；S3、利用生成对抗网络在高维全局特征向量空间训练，实现x→y之间的“风格迁移”；S4、从生成器生成的新特征向量GFVG(x)通过解码器DecoderN‑DPC补全得到稠密点云；本发明当点云80％比例缺失时其补全点云分类精度高达86.5％。
-
公开(公告)号：CN108846333B
公开(公告)日：2022-02-18
申请号：CN201810541090.3
申请日：2018-05-30
Applicant: 厦门大学
IPC: G06V20/58 , G06F16/29 , G06F16/583
Abstract: 本发明涉及一种标志牌地标数据集生成及车辆定位方法，其中该标志牌数据集生成方法包括：标志牌的图像检测和识别；图像检测结果转化寻找标志牌牌面所在的粗略点云区域范围；得到标志牌牌面；得到标志牌的杆；获取标志牌的语义及空间特征；得到一系列标志牌地标数据集；本发明所述的标志牌地标数据集生成方法采用基于深度学习网络及反射特性两种方法结合的方式进行标志牌的提取，减少了获取标志牌信息的误差，从而提高了获取交通标志牌的标志牌信息准确度、效率以及鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
217
records
(took 0.035 seconds)
