-
公开(公告)号：CN112766240B
公开(公告)日：2022-08-12
申请号：CN202110293235.4
申请日：2021-03-18
Applicant: 福州大学
Abstract: 本发明涉及一种基于时空关系的残差多图卷积人群分布预测方法及系统。该方法包括：包括：提取各区域各时段人群数量；进行多种空间关系构建并建模；进行时间关系构建并建模；融合时空关系预测人群分布。本发明同时考虑区域之间的邻近性、连通性和功能相似性三种空间关系以及时间关系，从而有效地提高人群分布预测的精度。
-
Patent Agency Ranking
公开(公告)号：CN112070054B
公开(公告)日：2022-07-29
申请号：CN202010980094.9
申请日：2020-09-17
Applicant: 福州大学
IPC: G06V10/762 , G06V10/26 , G06V20/54 , G06K9/62 , G06N3/08
Abstract: 本发明涉及一种基于图结构与注意力机制的车载激光点云标线分类方法，包括以下步骤：步骤A：基于强度校正进行标线分割，得到独立标线对象；步骤B：基于分割后的独立标线对象，利用EdgeConv进行特征提取与嵌入；步骤C：在设定邻域范围内进行标线间最短距离重采样，对每个标线构建重采样的标线图结构；步骤D：通过构建多头注意力机制，更新图结构节点特征；步骤E：将图结构和注意力机制嵌入深度神经网络，构建深度图模型GAT_SCNet，然后基于构建的深度图模型GAT_SCNet进行标线类别预测，输出独立标线的类别标签。该方法有利于提高车载激光点云标线分类的精度。
-
公开(公告)号：CN112885094A
公开(公告)日：2021-06-01
申请号：CN202110113537.9
申请日：2021-01-27
Applicant: 福州大学
Abstract: 本发明提出一种多类型运营车辆协调发展区域识别方法，包括以下步骤；步骤S1、收集并处理车辆GPS轨迹数据。对于收集到的数据进行数据梳理；步骤S2、根据梳理后的数据提取上客地点信息；步骤S3、对梳理后的数据划分时间分析单元；步骤S4、根据上客地点信息、时空分析单元来计算出行需求的时空分布特征；步骤S5、通过时间分析单元计算车辆空驶率时空分布特征；步骤S6、参照步骤S4、S5的计算结果，以协同发展规则来识别协调发展区域；本发明能基于不同车辆GPS轨迹数据和相同的空间研究单元，计算不同时段、不同研究单元内的空驶率和出行需求来分析不同运营车辆出现“供过于求”和“供不应求”现象，以此为依据识别协调发展区域。
-
公开(公告)号：CN112257637A
公开(公告)日：2021-01-22
申请号：CN202011187179.8
申请日：2020-10-30
Applicant: 福州大学
Abstract: 本发明涉及一种融合点云和多视图的车载激光点云多目标识别方法，基于独立点云对象，构建深度模型PGVNet进行面上地物类别预测：利用点云特征提取模块对独立点云对象进行点云局部特征提取；生成独立对象的多视角图像，并利用视图特征提取模块采用视图分组与组特征融合，提取最优视图特征；基于注意力机制利用点云‑视图特征融合模块将最优视图特征与点云特征进行融合，获取融合注意力的点云全局特征；最后利用分类器MLP进行车载激光点云面上独立地物目标的类别预测。本发明一方面减少相似视图间的信息冗余问题，另一方面则能利用最优视图特征指导模型对点云局部特征的学习，提高模型分类精度，为车载激光点云路侧多目标精细分类提供一种新的研究方法。
-
公开(公告)号：CN110458111A
公开(公告)日：2019-11-15
申请号：CN201910747202.5
申请日：2019-08-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于LightGBM的车载激光点云电力线的快速提取方法，包括以下步骤：步骤S1：从车载激光点云中提取电力线及典型地物的点云样本，并构建训练数据集；步骤S2:分析车载激光点云电力线的基本特征，并构建点云特征向量；步骤S3:根据训练数据集，构建并训练基于LightGBM的集成学习算法模型；步骤S4:根据点云特征向量计算待提取车载激光点云数据的特征向量数值，将特征向量数值输入训练好的基于LightGBM的集成学习算法模型，提取得到电力线点云。本发明实现激光点云中电力线的快速提取，克服了支持向量机在处理高维特征向量时的效率问题。
-
-
-
-
Search Results
36
records
(took 0.028 seconds)
