-
公开(公告)号：CN119478623A
公开(公告)日：2025-02-18
申请号：CN202411454064.9
申请日：2024-10-17
Applicant: 桂林电子科技大学
IPC: G06V10/82 , G06V10/764 , G06V10/80 , G06V10/44 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及三维图像计算处理技术领域，具体涉及一种面向大规模场景数据的点云滤波方法，以多层感知机MLP网络PointNet为基础，构建点云滤波网络SC‑CNN，利用坡度约束的最远点采样模块对原始点云进行自适应子区域划分、坡度预分类以及子区域样本采样，再结合Copula相关性与注意力机制的类内点特征增强模块，将点云中的地面点和非地面点分别作为变量，利用Copula模型对变量数据相关性的量化分析来增强网络从稀疏点云中学习分类特征的能力并最大程度减少分类误差，提高整体滤波精度；最后结合Copula相关性与置信度估计的分类误差纠正模块，将Copula验证的类内点与校准后的歧义点合并即可得到滤波结果。
-
公开(公告)号：CN112818999B
公开(公告)日：2022-10-28
申请号：CN202110184572.X
申请日：2021-02-10
Applicant: 桂林电子科技大学
IPC: G06V10/26 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的复杂场景3D点云语义分割方法，对获取的原始点云进行下采样，并分别利用中心自注意力机制和邻域自注意力机制对采样得到的采样点云进行特征提取，之后，将提取得到的点云空间位置特征和获取的点云数据属性特征进行拼接，经过注意力机制下的差异性池化处理，得到全局特征向量；采用跳跃连接的方式将每一层上采样结果和对应的所述全局特征向量进行级联，最终经过全连接层的处理，生成点云分割神经网络模型，利用获取的多组点云数据集对所述点云分割神经网络模型进行训练和预测，最终完成语义分割任务，实验结果证明该网络模型具有更强的泛化性能及良好的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN109829022B
公开(公告)日：2021-08-27
申请号：CN201910014750.7
申请日：2019-01-08
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种融合监控视频信息的互联网地图服务系统，该系统包括：视频信息运维模块，用于视频影像数据、视频属性数据和视频空间数据的分析、管理和存储；2D‑3D地图前端加载模块，用于对2D地图、3D地图的应用客户端显示，并获取视频信息中带有的空间数据，完成对视频影像数据、属性数据的分析、加载和处理；地图服务器数据组织、发布模块，用于提供地图存储、生成服务，实现地图数据发布；后台数据库管理模块，用于根据对业务数据和空间数据的分析，实现对不同数据的后台操作管理。本发明基于多个开源框架，以一种低成本、高效方式实现了监控视频信息在2D‑3D互联网地图中的位置加载、存储管理、属性维护、统计查询以及其它地图发布功能。
-
公开(公告)号：CN112818999A
公开(公告)日：2021-05-18
申请号：CN202110184572.X
申请日：2021-02-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的复杂场景3D点云语义分割方法，对获取的原始点云进行下采样，并分别利用中心自注意力机制和邻域自注意力机制对采样得到的采样点云进行特征提取，之后，将提取得到的点云空间位置特征和获取的点云数据属性特征进行拼接，经过注意力机制下的差异性池化处理，得到全局特征向量；采用跳跃连接的方式将每一层上采样结果和对应的所述全局特征向量进行级联，最终经过全连接层的处理，生成点云分割神经网络模型，利用获取的多组点云数据集对所述点云分割神经网络模型进行训练和预测，最终完成语义分割任务，实验结果证明该网络模型具有更强的泛化性能及良好的应用价值。
-
公开(公告)号：CN119540302A
公开(公告)日：2025-02-28
申请号：CN202411175136.6
申请日：2024-08-26
Applicant: 桂林电子科技大学
Abstract: 本发明涉及三维图形计算技术领域，具体涉及一种抗噪声的双向注意力点云配准方法，首先基于RPM‑Net为基础框架构建RPMNet++网络，通过Copula去噪模块对点云数据进行特征相关性分析，剔除负相关的噪声点，离群点和异常值，正相关的内点将被保留；再通过局部双向注意力机制模块对采样点特征进行邻域信息聚合增强的同时，提升网络模型学习局部邻域上下文信息的能力，从含噪声点且密度不均的点云数据中充分学习邻域相关性特征；最后在对应关系估计模块中，利用Sinkhorn归一化迭代算法迭代匹配点，对应点送入旋转矩阵估计模块进行奇异值分解，计算新的旋转变换矩阵，并在新一轮迭代中引入该旋转矩阵，直至网络收敛，输出最终配准结果。
-
公开(公告)号：CN117237626A
公开(公告)日：2023-12-15
申请号：CN202311081581.1
申请日：2023-08-25
Applicant: 桂林电子科技大学
IPC: G06V10/26 , G06V10/762 , G06V10/774 , G06V10/40 , G06V10/82
Abstract: 本发明涉及点云处理技术领域，具体涉及一种面向深度学习的长尾分布点云重采样方法，以PointNet++为基础，构建网络SE‑PointNet++用于机载LIDAR点云高精度语义分割并能有效适应长尾分布，创新之处在于设计FPS聚类采样过程，最大程度保留尾类样本并通过循环赋权方式使每类样本均能被网络充分学习，从而有助于在保证头类目标分割性能的同时尽可能提高尾类目标分割精度。本发明通过顾及长尾分布的FPS聚类点云采样进一步改善PointNet++点云语义分割性能，解决了传统PointNet++系列网络模型在点云采样阶段并未充分考虑长尾分布问题，避免了在训练过程倾向于牺牲少数类分割精度的现象。
-
公开(公告)号：CN109829022A
公开(公告)日：2019-05-31
申请号：CN201910014750.7
申请日：2019-01-08
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种融合监控视频信息的互联网地图服务系统，该系统包括：视频信息运维模块，用于视频影像数据、视频属性数据和视频空间数据的分析、管理和存储；2D-3D地图前端加载模块，用于对2D地图、3D地图的应用客户端显示，并获取视频信息中带有的空间数据，完成对视频影像数据、属性数据的分析、加载和处理；地图服务器数据组织、发布模块，用于提供地图存储、生成服务，实现地图数据发布；后台数据库管理模块，用于根据对业务数据和空间数据的分析，实现对不同数据的后台操作管理。本发明基于多个开源框架，以一种低成本、高效方式实现了监控视频信息在2D-3D互联网地图中的位置加载、存储管理、属性维护、统计查询以及其它地图发布功能。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
