-
公开(公告)号：CN116310350B
公开(公告)日：2023-08-18
申请号：CN202310596881.7
申请日：2023-05-25
Applicant: 厦门大学
IPC: G06V10/26 , G06V10/82 , G06N3/096 , G06N3/0895 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了基于图卷积和半监督学习网络的城市场景语义分割方法，包括如下步骤：S1、预训练图卷积网络以获得初始化参数；S2、一次输入原始点集，输出特征向量；S3、对原始点集根据每个点的邻域计算特征向量；S4、计算特征向量和的距离作为损失函数以调整图卷积网络的参数；S5、利用有标签数据为无标签数据分配伪标签；S6、对分配了伪标签的进行语义分割并预测每个点的类别。本发明的方法仅需少量有标注数据即可实现城市道路场景语义分割。
-
公开(公告)号：CN111046885B
公开(公告)日：2023-04-07
申请号：CN201911274515.X
申请日：2019-12-12
Applicant: 厦门大学
Abstract: 本发明公开了一种基于哨兵一号合成孔径雷达图像的海冰测绘方法，包括以下步骤：S1、结合研究的目的和区域特性选取海冰测绘区域；S2、特征选择和提取，确定双极化Sentinel‑1图像中区分不同海冰类型的重要特征；S3、依据所得特征对海冰图像进行分割和测绘；S4、评估双极化Sentinel‑1图像的海冰分割结果。本发明所述的方法具有较好的适用性、稳定性和鲁棒性。
-
公开(公告)号：CN110379007B
公开(公告)日：2022-01-18
申请号：CN201910674347.7
申请日：2019-07-25
Applicant: 厦门大学
Abstract: 本发明公开了一种基于车载移动激光扫描点云的三维公路曲线重建方法，其包括以下步骤：S1、将车载移动激光扫描原始点云分成若干段子点云；S2、对每段子点云进行路面提取得到路面点集；S3、对路面点集进行道路标志提取得到道路标志点集；S4、对道路标志点集进行聚类得到若干个道路标志子点集；S5、对每个道路标志子点集进行外壳提取得到外壳点集；S6、分别将标准所规定的基本三维公路曲线模型和外壳点集进行模型拟合得到候选曲线；S7、对候选曲线进行对比得到最佳曲线。本发明能够在数据中含有大量离群点的情况下自动鲁棒地识别公路曲线的类型并准确地估计出符合公路几何设计标准的三维道路曲线的参数，可以用于公路建造质量评估等诸多领域中。
-
公开(公告)号：CN113379646A
公开(公告)日：2021-09-10
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：CN106407925B
公开(公告)日：2019-09-27
申请号：CN201610813651.1
申请日：2016-09-09
Applicant: 厦门大学
Abstract: 本发明公开了一种具有普适性的基于局部区间极大值的激光扫描点云树木的快速自动提取方法，本方法直接基于三维激光点云数据，通过划分水平网格，定义并计算高程区间的累积能量，采用非局部极大值抑制方法，获取树木潜在位置，从而进行自动分割提取。本方法充分利用树木树干结构的显著性，进行网格统计描述，克服了(不同树种，不同树龄)树干和树冠的形态大小各异导致的特征描述难，特征计算结果不稳定的问题。同时本方法密度无关，对树干的部分缺失不敏感，克服了远距离树木因密度过低或是遮挡丢失导致难提取的问题，使本方法不依赖扫描设备的位置摆放，可以适应复杂的扫描环境。本方法无需设置先验拟合模型，因而对噪声不敏感，适合复杂茂密的林区环境，可以在林业调查中发挥较好的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN106383998B
公开(公告)日：2019-03-12
申请号：CN201610813737.4
申请日：2016-09-09
Applicant: 厦门大学
Abstract: 本发明公开了一种基于地面激光雷达扫描的树木胸径自动计算方法，本方法再通过树干切割、滤波提高算法的计算速度和鲁棒性；通过自动选取点云拟合，克服了1.3米处无点云或者噪声过大导致无法计算该树胸径的情况；通过圆柱拟合克服了因树干生长角度问题导致圆拟合不准确的问题；通过滑动窗口拟合圆柱提高了计算精度；同时本方法与密度无关，对树干的部分缺失不敏感，克服了远距离树木因密度过低或是遮挡丢失导致难提取的问题；本方法不依赖于扫描站数，对树干点云是否为圆形没有要求，即使是单站扫描，也能达到很好的效果。
-
公开(公告)号：CN106407925A
公开(公告)日：2017-02-15
申请号：CN201610813651.1
申请日：2016-09-09
Applicant: 厦门大学
Abstract: 本发明公开了一种具有普适性的基于局部区间极大值的激光扫描点云树木的快速自动提取方法，本方法直接基于三维激光点云数据，通过划分水平网格，定义并计算高程区间的累积能量，采用非局部极大值抑制方法，获取树木潜在位置，从而进行自动分割提取。本方法充分利用树木树干结构的显著性，进行网格统计描述，克服了(不同树种，不同树龄)树干和树冠的形态大小各异导致的特征描述难，特征计算结果不稳定的问题。同时本方法密度无关，对树干的部分缺失不敏感，克服了远距离树木因密度过低或是遮挡丢失导致难提取的问题，使本方法不依赖扫描设备的位置摆放，可以适应复杂的扫描环境。本方法无需设置先验拟合模型，因而对噪声不敏感，适合复杂茂密的林区环境，可以在林业调查中发挥较好的稳定性。
-
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：CN110246112B
公开(公告)日：2021-04-30
申请号：CN201910051741.5
申请日：2019-01-21
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的激光扫描SLAM室内三维点云质量评价方法，其包括：S1、通过激光扫描SLAM装置获取优质点云；S2、对优质点云进行降质，获取仿真点云；S3、对仿真点云进行轨迹度量分析；S4、对优质点云与仿真点云提取平面，对平面进行局部一致性噪声分析及几何规则分析，量化点云质量；S5、对优质点云与仿真点云进行分割，得到点云块；S6、将点云块进行归一化后输入到PointNet++神经网络中做模型训练，得到网络模型；S7、将待评价点云通过步骤S4进行点云质量分析，得到点云质量水平值；S8、对待评价点云通过步骤S6得到的神经网络模型进行预测，判断点云属于优质点云或者降质点云。本发明提出了量化点云质量的方法，建立了评价SLAM系统下室内三维点云模型的分类标准及框架。
-
公开(公告)号：CN109002418B
公开(公告)日：2020-08-11
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，利用点法向量的Z分量滤波，并对剩下的点进行体素化，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。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.049 seconds)
