-
公开(公告)号：CN109872329A
公开(公告)日：2019-06-11
申请号：CN201910077725.3
申请日：2019-01-28
Applicant: 重庆邮电大学
Abstract: 本发明属于激光雷达技术领域，本发明公开了一种基于三维激光雷达的地面点云快速分割方法，所述方法包括将三维激光雷达获取的三维点云数据转化为二维深度图；计算深度图中每一列中相邻两点形成的角度值，遍历所有列，从而得到深度图所对应的角度矩阵；通过广度优先搜索算法遍历深度图，如果深度图相邻位置上两点的角度差值小于指定阈值，则标记为同一类型，从而找出深度图中属于地面的部分，根据点云和深度图的映射关系分离出地面点云数据；本发明避免了直接在三维点云上进行处理，在深度图上进行分割的效率得到大大提高，满足了实时性的要求，同时采用扫描线角度差阈值方法有效地对地面点云进行分割，有效解决了不平地面存在的欠分割问题，分割地面的方法在准确性上更高。
-
公开(公告)号：CN111612763B
公开(公告)日：2022-06-03
申请号：CN202010431122.1
申请日：2020-05-20
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉、目标检测领域，具体涉及手机屏幕缺陷检测方法、装置及系统、计算机设备及介质；所述检测方法包括采集不同类型缺陷的多款手机屏幕图像，并进行预处理；构建全卷积神经网络，输出二通道的缺陷图像；建立孪生神经网络，在其两个子网络中输入配对后的缺陷图像，判断两者是否属于同一缺陷类型；采用迁移学习的方式训练全卷积神经网络和孪生神经网络，利用源域进行预训练，利用目标域进行微调，直至训练完完成；将待测手机屏幕图像预处理后，待测图像与抽取后的已标注图像进行配对，输出待测手机屏幕图像缺陷类型的判断结果以及其语义分割图像；本发明能够在小样本的基础上，仍提升缺陷检测的精确性，降低误检率、漏检率。
-
公开(公告)号：CN111343585B
公开(公告)日：2021-11-02
申请号：CN202010129640.8
申请日：2020-02-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法，属于移动通信及计算机应用技术域。该方法首先建立基站与区域路网信息数据库；然后根据基站位置借助冯洛诺伊图实现对基站定位轨迹的插值填充，完成匹配之前的数据预处理工作；最后基于HMM建立地图匹配模型，并使用维特比算法求解，得到出行行为对应的路网轨迹信息。本发明充分利用了移动数据中的时空位置信息与道路拓扑结构信息，构建基于隐马尔可夫模型的地图匹配算法，将与实际位置有偏差的定位点投影到位置对应路段上，从而矫正定位误差，提高定位精度。为基于移动位置数据展开的出行方式和出行目的识别等相关研究奠定了重要基础。
-
公开(公告)号：CN111339165A
公开(公告)日：2020-06-26
申请号：CN202010130947.X
申请日：2020-02-28
Applicant: 重庆邮电大学
IPC: G06F16/2458 , G06K9/62
Abstract: 本发明涉及一种基于Fisher分和近似马尔科夫毯的移动用户出境特征选择方法，属于数据挖掘领域。首先利用Fisher准则保留分类能力强的特征，剔除不相关特征和弱相关特征。其次融合最大信息系数MIC和对称不确定性SU两种度量方法，设计相关性度量标准MSCC，利用MSCC标准进一步剔除不相关特征。最后结合MSCC度量标准，利用近似Markov-Blanket判断条件剔除Fisher候选特征集中的冗余特征，最终获得维度规模较小的最优特征子集。本发明能够有效的对移动用户的出境特征进行选择，提高模型的分类准确率。
-
公开(公告)号：CN109961440A
公开(公告)日：2019-07-02
申请号：CN201910202449.9
申请日：2019-03-11
Applicant: 重庆邮电大学
Abstract: 本发明属于激光雷达技术领域，公开了一种基于深度图的三维激光雷达点云目标分割方法，所述方法包括将三维激光雷达获取的三维点云数据转化为二维深度图；计算深度图中每一列中相邻两点形成的角度值，遍历得到深度图所对应的角度矩阵；通过广度优先搜索算法遍历深度图，若深度图相邻位置上两点的角度差值小于指定阈值，则标记为同一类型，从而找出深度图中属于地面的部分，根据点云和深度图的映射关系去除地面点云数据；基于改进DBSCAN算法对非地面点云进行目标分割，按照自适应参数eps，判断是否为核心点时同时考虑空间欧式距离和角度距离。本发明在深度图上进行分割的效率得到提高，满足了实时性的要求，有效解决了欠分割和过分割问题。
-
Patent Agency Ranking
公开(公告)号：CN111144452B
公开(公告)日：2022-10-25
申请号：CN201911266151.0
申请日：2019-12-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于信令数据和聚类算法的移动用户出行链提取方法，属于移动通信和计算机应用领域。具体包括：1)针对常见的轨迹震荡序列类型，完成基于时间窗的震荡轨迹检测，并制定数据修正策略以修正原序列中的震荡轨迹数据；2)计算局部时空密度、高密度空间距离、高密度时间间隔；3)计算各轨迹点的聚类中心权值大小，利用聚类中心权值制定筛选策略自动地选取聚类中心候选点；4)根据基站覆盖场景信息制定合并策略，对冗余的聚类中心候选点进行合并，将合并后的聚类中心点记为停驻点；5)利用各停驻点对原出行轨迹进行划分，得到完整的出行链信息。本发明解决了传统密度聚类算法仅能识别单一密度噪声的问题，降低了计算复杂度。
-
公开(公告)号：CN108269129B
公开(公告)日：2022-02-08
申请号：CN201810061996.5
申请日：2018-01-23
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于逆向拍卖的移动群智感知网络中用户激励方法，该方法利用逆向竞拍框架激励用户参与位置相关的感知活动，并考虑用户感知过程中的随机退出情况。该方案以在预算可行的前提下最大化用户效用为目标提高用户参与感知活动的积极性。首先，采用以任务为中心的方法选择用户作为感知任务的赢标者保证较高的任务覆盖率。其次，根据赢标者的任务完成情况，采用按时间比例分享规则对用户进行报酬支付以保证激励的真实性。本发明所提的基于逆向拍卖的移动群智感知网络中的用户激励方法具有计算有效性，个体理性，预算平衡和真实性等特性。本发明能够使得用户获得最大化效用，激励用户参与任务，提高用户的参与积极性。
-
公开(公告)号：CN109961440B
公开(公告)日：2021-06-18
申请号：CN201910202449.9
申请日：2019-03-11
Applicant: 重庆邮电大学
Abstract: 本发明属于激光雷达技术领域，公开了一种基于深度图的三维激光雷达点云目标分割方法，所述方法包括将三维激光雷达获取的三维点云数据转化为二维深度图；计算深度图中每一列中相邻两点形成的角度值，遍历得到深度图所对应的角度矩阵；通过广度优先搜索算法遍历深度图，若深度图相邻位置上两点的角度差值小于指定阈值，则标记为同一类型，从而找出深度图中属于地面的部分，根据点云和深度图的映射关系去除地面点云数据；基于改进DBSCAN算法对非地面点云进行目标分割，按照自适应参数eps，判断是否为核心点时同时考虑空间欧式距离和角度距离。本发明在深度图上进行分割的效率得到提高，满足了实时性的要求，有效解决了欠分割和过分割问题。
-
公开(公告)号：CN111612763A
公开(公告)日：2020-09-01
申请号：CN202010431122.1
申请日：2020-05-20
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉、目标检测领域，具体涉及手机屏幕缺陷检测方法、装置及系统、计算机设备及介质；所述检测方法包括采集不同类型缺陷的多款手机屏幕图像，并进行预处理；构建全卷积神经网络，输出二通道的缺陷图像；建立孪生神经网络，在其两个子网络中输入配对后的缺陷图像，判断两者是否属于同一缺陷类型；采用迁移学习的方式训练全卷积神经网络和孪生神经网络，利用源域进行预训练，利用目标域进行微调，直至训练完完成；将待测手机屏幕图像预处理后，待测图像与抽取后的已标注图像进行配对，输出待测手机屏幕图像缺陷类型的判断结果以及其语义分割图像；本发明能够在小样本的基础上，仍提升缺陷检测的精确性，降低误检率、漏检率。
-
公开(公告)号：CN109738910A
公开(公告)日：2019-05-10
申请号：CN201910077748.4
申请日：2019-01-28
Applicant: 重庆邮电大学
IPC: G01S17/93
Abstract: 本发明属于智能汽车技术中交通道路环境感知领域，涉及一种基于三维激光雷达的路沿检测方法，利用安装在车辆上的三维激光雷达获取周围道路环境的点云数据，采用随机采样一致性算法分割出地面；根据路沿多种几何特征设置较宽阈值进行判断，利用同一扫描层各扫描点之间邻域关系，提取路沿候选点；根据路沿数据点在密度和道路方向上连续的特征，应用基于密度的聚类算法对路沿候选点进行聚类并去除密度较大和孤立的噪声点；最终对符合条件的路沿候选点用加权最小二乘法拟合，提高拟合准确性。本发明根据路沿的多个特征提取路沿候选点，并综合考虑路沿在密度和道路方向上连续的特征进行去噪，使得最终的检测误差小，精度高。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
