-
公开(公告)号：CN119693758A
公开(公告)日：2025-03-25
申请号：CN202411883033.5
申请日：2024-12-19
Applicant: 大连理工大学
IPC: G06V10/80 , G06V20/64 , G06V10/82 , G06N3/0464 , G06V10/25 , G06N3/0442 , G06N3/045 , G06V40/20 , G01S13/86
Abstract: 本发明属于人工智能与计算机视觉技术领域，一种基于多传感器数据时空特征聚合的联合目标检测与跟踪方法，包括以下步骤：（1）构建实验数据集，（2）进行数据预处理，生成伪点云数据，（3）构建基于多传感器数据时空特征聚合的联合目标检测与跟踪网络，（4）训练基于多传感器数据时空特征聚合的联合目标检测与跟踪网络，（5）车辆目标跟踪结果可视化。本发明优点在于：实现了对运动场景中车辆运动的检测与跟踪，使用三维评价指标和二维评价指标进行评估，其中三维评价指标，包括跟踪准确度及跟踪精度，二维评价指标，包括高阶跟踪精度、检测精度得分和关联精度得分，可以很好的适应无人驾驶运动环境。
-
公开(公告)号：CN118053133A
公开(公告)日：2024-05-17
申请号：CN202410187643.5
申请日：2024-02-20
Applicant: 大连理工大学
Abstract: 本发明属于环境感知与智能化工业检测枝术领域，一种基于轻量注意力机制的挖掘机作业场景三维点云语义分割方法，包括以下步骤：(1)建立挖掘机作业环境数据集，(2)数据预处理，(3)构建基于轻量注意力机制的挖掘机作业场景三维点云语义分割网络，(4)训练语义分割网络。与现有技术相比，本发明具有以下优点：使用注意力机制，可以更好地利用点云的旋转不变性和无序性，更有利于局部特征信息的提取，采用幻影卷积，可以降低卷积过程的计算成本，更快速地生成特征图，神经网络参数量从2.4M降低为1.3M，提高神经网络训练速度。
-
公开(公告)号：CN117727007A
公开(公告)日：2024-03-19
申请号：CN202311766454.5
申请日：2023-12-21
Applicant: 大连理工大学
IPC: G06V20/58 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于环境感知和智能辅助设备技术领域，一种基于多模态数据融合的智能轮椅室外地形识别方法，包括以下步骤：(1)室外地形数据集的建立，(2)构建基于多模态数据融合的室外地形识别网络，(3)室外地形彩色点云识别。本发明具有以下优点：一是针对传统点云识别算法容易忽略除激光雷达传感器之外的摄像机获取的丰富视觉信息的问题，将颜色信息嵌入数据层用以提高实时点云识别的性能；二是本发明基于深度学习方法，具有出色的提取特征能力，可以实现高精度的点云识别，有效提升室外地形识别的准确性和可靠性。
-
公开(公告)号：CN115439603A
公开(公告)日：2022-12-06
申请号：CN202210959712.0
申请日：2022-08-11
Applicant: 大连理工大学
Abstract: 本发明属于环境感知与智能化工业检测技术领域，一种基于多模态信息融合及语义分割的车载料堆体积计算方法，包括以下步骤：(1)矿用卡车作业环境数据集的采集与建立，(2)通过深度卷积神经网络进行语义分割，(3)通过泊松重建将离散的料堆表面点云重建为平面，(4)计算车载料堆体积。本发明具有以下优点：一是针对传统点云分割算法容易忽略除激光雷达传感器之外的摄像机获取的丰富视觉信息的问题，将颜色信息嵌入数据层用以提高实时点云分割的性能；二是，本发明基于三维表面重建技术，并结合三维点云数据的几何特征识别实现了车载料堆体积的高效、高精度计算。
-
公开(公告)号：CN111612844B
公开(公告)日：2022-10-21
申请号：CN202010267549.2
申请日：2020-04-08
Applicant: 大连理工大学
Abstract: 本发明属于三维点云数据处理与三维场景重建技术领域，基于扇形特征的三维激光扫描仪与相机标定方法，包括以下步骤：(1)制作黑白折扇标定板，(2)采集标定板三维点云和二维图像，(3)提取三维线点云的特征褶点，(4)确定共面线点云片段，(5)估算折扇标定板的中心点和端点，(6)优化折扇标定板的中心点和端点，(7)在图像坐标系中提取折扇标定板的中心点和端点，(8)获得不同位姿下标定板的三维点云和二维图像，(9)计算点云与图像的几何映射关系。本发明采用离散曲率极值的方法获取三维线点云的特征褶点，并以此分割三维点云，利用标定板器具的几何特性作为非线性优化的依据，使三维激光扫描仪与相机的标定更加准确可靠。
-
Patent Agency Ranking
公开(公告)号：CN111709430B
公开(公告)日：2021-10-15
申请号：CN202010510160.6
申请日：2020-06-08
Applicant: 大连理工大学
Abstract: 本发明涉及三维点云的地面提取方法，一种基于高斯过程回归的室外场景三维点云的地面提取方法，包括以下步骤：(1)获取室外场景的三维点云，(2)构建三维点云的邻域关系，(3)计算三维点云的协方差矩阵和法向量，(4)根据邻域形状对三维点云进行初步分类，(5)提取初步地面Gs，(6)分割初步地面，(7)二维高斯过程回归，(8)寻找局部地面邻域(9)提取最终地面Ge。本发明利用逐层提取的思想和高斯过程回归的构建，从室外场景三维点云中准确完整地提取出了地面点云数据，有效地解决了由于室外场景复杂、地面零碎、起伏不定等因素而造成的地面提取不完整、不准确的问题。
-
公开(公告)号：CN111612844A
公开(公告)日：2020-09-01
申请号：CN202010267549.2
申请日：2020-04-08
Applicant: 大连理工大学
Abstract: 本发明属于三维点云数据处理与三维场景重建技术领域，基于扇形特征的三维激光扫描仪与相机标定方法，包括以下步骤：(1)制作黑白折扇标定板，(2)采集标定板三维点云和二维图像，(3)提取三维线点云的特征褶点，(4)确定共面线点云片段，(5)估算折扇标定板的中心点和端点，(6)优化折扇标定板的中心点和端点，(7)在图像坐标系中提取折扇标定板的中心点和端点，(8)获得不同位姿下标定板的三维点云和二维图像，(9)计算点云与图像的几何映射关系。本发明采用离散曲率极值的方法获取三维线点云的特征褶点，并以此分割三维点云，利用标定板器具的几何特性作为非线性优化的依据，使三维激光扫描仪与相机的标定更加准确可靠。
-
公开(公告)号：CN110910390A
公开(公告)日：2020-03-24
申请号：CN201911092681.8
申请日：2019-11-11
Applicant: 大连理工大学
Abstract: 本发明属于三维点云数据处理与三维场景语义分割技术领域，一种基于深度畸变卷积的全景三维彩色点云语义分割方法，包括以下步骤：(1)获取全景三维彩色点云数据，(2)提取全景图像数据，(3)构建全景图像训练集，(4)构建深度全景图像语义分割网络，(5)训练深度全景图像语义分割网络，(6)进行语义分割。本发明的优点在于：对三维彩色点云中提取的含有畸变的全景图像模态，将畸变卷积的方法，应用到全景图像语义分割中，并将RBlock1模块应用到ASPP中，以提高对图像边缘和纹理的分割精度。同时在解码端将特征图与低层特征进行3次融合，充分利用了低层特征，提高了对整体全景三维彩色点云的分割精度。
-
公开(公告)号：CN104463856B
公开(公告)日：2017-06-27
申请号：CN201410687135.X
申请日：2014-11-25
Applicant: 大连理工大学
Abstract: 本发明涉及一种三维点云数据的地面提取方法，一种基于法向量球的室外场景三维点云数据的地面提取方法，包括以下步骤：步骤1、获取室外场景的三维点云数据：步骤2、构建三维点云的邻域关系：步骤3、计算三维点云的协方差矩阵和法向量：步骤4、根据邻域形状对三维点云进行初步分类：步骤5、提取初步地面Gs：步骤6、提取最终地面Ge。本发明利用逐层提取的思想和法向量球的构建，从室外场景三维点云数据中准确完整地提取出了地面点云数据，有效地解决了由于室外场景复杂、地面零碎、起伏不定等因素而造成的地面提取不完整、不准确的问题，具有较好的地面提取效果。
-
公开(公告)号：CN104318622B
公开(公告)日：2017-02-22
申请号：CN201410581951.2
申请日：2014-10-25
Applicant: 大连理工大学
IPC: G06T17/30
Abstract: 本发明涉及一种三角网格建模方法，一种室内场景非均匀三维点云数据的三角网格建模方法，包括以下步骤：步骤1、获取室内场景非均匀三维点云数据：步骤2、邻域切平面投射：步骤3、对投射邻域N′进行优化：步骤4、获取给定点p的Delaunay邻边：步骤5、完成三角网格建模：重复步骤2-4，对每个点重复上述算法，继而完成整个三维点云的三角网格建模。本发明利用扇形区域均匀划分和各向均衡选择，较好地在各个方向上选择了给定点的邻点，使之邻域在各个方向上的分布更加均衡，实现了室内场景非均匀三维点云数据的精确建模。与此同时，各向最近邻点的选择还有效地精简了给定点的邻域，使本方法具有更低的运行时间和更高的建模效率。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.029 seconds)
