-
公开(公告)号：CN117470254B
公开(公告)日：2024-03-08
申请号：CN202311827848.7
申请日：2023-12-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01C21/28 , G01S13/86 , G01S13/931 , G01S17/931 , G01S17/86 , G06V20/56 , G06V10/80 , G06V10/74 , G06V20/64
-
-
公开(公告)号：CN117542008A
公开(公告)日：2024-02-09
申请号：CN202311324311.9
申请日：2023-10-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供一种融合语义点云的自动驾驶场景识别方法、存储介质。所述场景识别方法包括：获取原始点云，基于所述原始点云生成语义空间点云，计算所述语义空间点云的语义空间特征；基于所述语义空间特征和所述原始点云的其他特征生成语义空间增强特征，基于语义空间增强特征生成语义空间增强伪图像；基于所述语义空间增强伪图像进行回环检测。所述场景识别系统能够执行上述场景识别方法。
-
公开(公告)号：CN117333676A
公开(公告)日：2024-01-02
申请号：CN202311628039.3
申请日：2023-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 基于图表达的点云特征提取方法、点云视觉检测方法，包括：获取原始点云集的图表达及原始点云集到图表达的索引矩阵P2G和逆索引矩阵G2P；将原始点云集转换为一种非图表达形式得到原始点云集的非图表达及原始点云集到非图表达的索引矩阵P2X和逆索引矩阵X2P；将非图表达输入非图特征提取网络分支、将图表达输入图神经网络分支，分别得到非图分支特征向量和图分支特征向量，非图特征提取网络分支第k层的输出特征向量与图神经网络分支第k‑1层的输出特征向量融合输入图神经网络分支第k层；按逆索引矩阵X2P和G2P分别对非图分支特征向量和图分支特征向量进行还原。得益于图神经网络分支中基于图表达的图神经网络，本发明可增强对点云细粒度信息的学习能力。
-
公开(公告)号：CN117333676B
公开(公告)日：2024-04-02
申请号：CN202311628039.3
申请日：2023-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 基于图表达的点云特征提取方法、点云视觉检测方法，包括：获取原始点云集的图表达及原始点云集到图表达的索引矩阵P2G和逆索引矩阵G2P；将原始点云集转换为一种非图表达形式得到原始点云集的非图表达及原始点云集到非图表达的索引矩阵P2X和逆索引矩阵X2P；将非图表达输入非图特征提取网络分支、将图表达输入图神经网络分支，分别得到非图分支特征向量和图分支特征向量，非图特征提取网络分支第k层的输出特征向量与图神经网络分支第k‑1层的输出特征向量融合输入图神经网络分支第k层；按逆索引矩阵X2P和G2P分别对非图分支特征向量和图分支特征向量进行还原。得益于图神经网络分支中基于图表达的图神经网络，本发明可增强对点云细粒度信息的学习能力。
-
Patent Agency Ranking
公开(公告)号：CN117091948A
公开(公告)日：2023-11-21
申请号：CN202310929746.X
申请日：2023-07-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳市建筑工务署工程管理中心
Abstract: 本发明涉及装配式建筑墙板强度检测技术领域，具体为一种装配式建筑墙板强度检测设备，包括固定单元与检测单元，本发明通过固定单元对尺寸大小、形状和边角的平整度等符合测试标准的钢筋混凝土墙板进行固定，通过检测单元对钢筋混凝土墙板中部施加压力，同时通过检测单元将钢筋混凝土墙板的弯曲变形量通过墨笔在展开的纸卷上表示出，通过刻度尺测量出来，然后根据弯曲高度与中部下压试验力在结合钢筋混凝土墙板自身数据的情况下运用公式计算出抗弯强度，整个过程中，均未使用成本较高的精密仪器，以达到降低小型厂对钢筋混凝土墙板进行弯曲试验的成本的目的。
-
公开(公告)号：CN114363130B
公开(公告)日：2022-06-17
申请号：CN202210268135.0
申请日：2022-03-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种面向大规模MIMO车联网的资源块动态调整方法、基站，其中方法包括：基站接收车辆发送的导频信号，利用导频信号进行信道估计得到估计信道系数；根据接收信号的空间功率谱函数获得接收信号的AoA，根据接收信号的AoA计算得到AoA扩展；根据AoA扩展计算AoA扩展参数κ，根据平均频谱效率ASE与资源块长度的关系，寻找使ASE最大的资源块长度，将该资源块长度广播给车辆，其中ASE与资源块长度的关系与AoA扩展参数κ有关。本方法可以利用AoA扩展信息来更新资源块的长度，保障通信系统的平均频谱效率最大化，从而适应环境的变化。AoA扩展参数κ表示AoA扩展的宽度，使得本方法能匹配车联网中多径分量聚合在AoA扩展中心角附近的传播特性，保障高动态系统中的网络性能。
-
公开(公告)号：CN117542008B
公开(公告)日：2024-10-01
申请号：CN202311324311.9
申请日：2023-10-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供一种融合语义点云的自动驾驶场景识别方法、存储介质。所述场景识别方法包括：获取原始点云，基于所述原始点云生成语义空间点云，计算所述语义空间点云的语义空间特征；基于所述语义空间特征和所述原始点云的其他特征生成语义空间增强特征，基于语义空间增强特征生成语义空间增强伪图像；基于所述语义空间增强伪图像进行回环检测。所述场景识别系统能够执行上述场景识别方法。
-
公开(公告)号：CN117607829B
公开(公告)日：2024-06-18
申请号：CN202311630263.6
申请日：2023-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01S7/48 , G01S17/894
Abstract: 一种激光雷达点云的有序化重建方法、计算机可读存储介质，该方法将激光雷达点云的有序化问题转化为激光雷达点云对应的激光束的水平方位角和垂直俯仰角集合的有序化问题，预设激光雷达像素矩阵，针对各种类型的激光雷达，基于其成像原理，根据点云对应的激光束的水平方位角和垂直俯仰角，计算点云在激光雷达像素矩阵上的具体定位，实现了三维点云在二维角度分布下的有序化排列，完成了原始点云集的有序化转变。采用本发明的有序化重建方法对原始点云集进行有序化后，借助激光雷达像素矩阵，可以实现任意点在三维分布或有序二维分布中的动态查询，且对任意点或其在像素矩阵上的邻近点的查询或索引过程时间复杂度均仅为O(1)。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.051 seconds)
