-
公开(公告)号：CN116964599A
公开(公告)日：2023-10-27
申请号：CN202280006555.X
申请日：2022-02-25
IPC: G06N20/00
Abstract: 本发明介绍了训练机器学习模型生成基于光探测和测距(LiDAR)点云的三维(3D)动作的系统和方法。在各个实施例中，计算系统可以对代表场景中对象的机器学习模型进行编码。所述计算系统可以使用数据集训练所述机器学习模型，所述数据集包括单目LiDAR传感器捕捉到的同步LiDAR点云以及从IMU设备获得的地面实况三维运动。机器学习模型可以基于单目LiDAR传感器捕捉到的多个点云帧的输入生成对象的三维动作。
-
公开(公告)号：CN117178298A
公开(公告)日：2023-12-05
申请号：CN202280006556.4
申请日：2022-03-03
Abstract: 本申请的实施例提供了一种在场景中捕捉、优化人体动作的方法及动作捕捉系统。该捕捉人体动作的方法包括：在人体上安装多个IMU设备和一个LiDAR传感器。利用所述IMU设备捕捉IMU数据，同时利用所述LiDAR传感器捕捉LiDAR数据。根据所述IMU数据和所述LiDAR数据对人体动作进行估计，根据所述LiDAR数据构建三维场景图。进行优化，获得优化的人体动作和优化的场景图。
-
公开(公告)号：CN114637880B
公开(公告)日：2024-07-19
申请号：CN202210151825.8
申请日：2022-02-18
Applicant: 厦门大学
IPC: G06F16/583 , G06T3/06 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/54 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于多视角投影的跨维数据检索方法，该方法包括：获取二维图像数据和对应匹配的原始三维点云；对对应匹配的原始三维点云进行体素化处理，以得到对应的体素；将对应的体素投影到二维空间以生成每个二维图像对应匹配的点云多视角投影图像；根据孪生网络构建深度学习模型，并将二维图像数据和对应匹配的点云多视角投影图像输入到深度学习模型进行训练；获取多个待检索的二维图像和三维点云，并基于训练好的深度学习模型从二维图像对三维点云进行检索，以得到每个待检索的二维图像在所有三维点云中最匹配的三维点云；由此，可缩小点云数据在跨维匹配中与二维图像的数据差异，从而提高二维图像到三维点云的检索准确率。
-
公开(公告)号：CN111612886B
公开(公告)日：2022-07-19
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：CN114419278A
公开(公告)日：2022-04-29
申请号：CN202210060821.9
申请日：2022-01-19
Applicant: 厦门大学
Abstract: 本发明公开了一种室内三维彩色网格模型生成方法及系统，其中方法包括以下步骤：获取待建模的室内三维点云数据；采用激光里程计和建图方法对所述室内三维点云数据进行帧间配准以生成室内点云模型；对所述室内点云模型基于泊松重建方法进行表面重建，并过滤低密度顶点以生成无色网格模型；获取所述待建模的图像数据，并根据所述图像数据对所述无色网格模型进行贴图处理以生成室内三维彩色网格模型；由此，能够重建无纹理或透明的区域，从而提高三维模型的精确度。
-
Patent Agency Ranking
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：CN108020826B
公开(公告)日：2019-11-19
申请号：CN201711012232.9
申请日：2017-10-26
Applicant: 厦门大学
Abstract: 本发明公开了一种多线激光雷达与多路相机混合标定方法，包括以下步骤：S1、多路相机的原始图像数据、多线激光雷达点云数据以及静态激光雷达点云数据的采集；S2、各相机内参模型的求解；S3、对各相机采集的图像进行去畸变,得到矫正后的图像；S4、将静态激光雷达点云数据配准到多线激光雷达点云坐标系中；S5、在S4配准好的点云数据中获取各相机在多线激光雷达点云坐标系中的位置(Xs,Ys,Zs)；S6、在各相机矫正后的图像中选取至少4个靶标的像素坐标(u,v)和相对应的以多线激光雷达为坐标原点的点云中靶标的三维坐标(Xp,Yp,Zp)；S7、根据各相机的内参模型、相机位置(Xs,Ys,Zs)及相机所对应的靶标的像素坐标(u,v)和三维坐标(Xp,Yp,Zp)，建立共线方程，求出各相机的姿态角元素和9个方向余弦，完成标定。
-
公开(公告)号：CN108846333A
公开(公告)日：2018-11-20
申请号：CN201810541090.3
申请日：2018-05-30
Applicant: 厦门大学
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。
-
公开(公告)号：CN105354875B
公开(公告)日：2018-01-23
申请号：CN201510622546.5
申请日：2015-09-25
Applicant: 厦门大学
IPC: G06T17/00
Abstract: 本发明公开了一种室内环境二维与三维联合模型的构建方法和系统，包括：获得所述水平方向设置的二维激光扫描仪输出的二维激光扫描数据，构建二维栅格地图；采用扩展卡尔曼滤波方法，根据惯性传感单元输出的数据与二维栅格地图实现平台六自由度姿态估计；获得两个其底部沿竖直方向安装的二维激光扫描仪输出的二维激光扫描数据，构建室内环境的三维点云数据；将平台六自由度位姿估计的结果作为初始旋转平移矩阵，将所述三维点云数据配准为三维地图；采用二维栅格地图构建中的闭合环路检测原理，进行二维栅格地图的闭环检测，并通过平台位姿调整，获得全局优化的二维栅格地图和三维地图，实现了高效准确的构建二维和三维地图的效果。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.06 seconds)
