-
公开(公告)号：CN104462063B
公开(公告)日：2016-08-17
申请号：CN201410768372.9
申请日：2014-12-12
Applicant: 武汉大学
Abstract: 一种基于语义位置模型的位置信息结构化提取方法及系统，包括基于语义位置模型构建位置基础概念本体、位置实体概念本体，并填充本体实例；对位置基础概念本体和位置实体概念本体进行分类，建立对应的位置结构概念本体；自动化映射位置结构概念本体生成规则类，每一条规则类对应一个位置实体概念本体，规则类具有继承性和贪婪性；规则类实例化之后成为规则对象，将所有规则类实例化，最终生成规则集合；对规则集合进行分类，重新划分为若干个规则组，形成规则检索依赖图；针对每个规则组，进一步建立概念本体和规则之间的倒排索引；进行位置描述图匹配，利用规则匹配算法进行匹配完成位置信息的结构化提取。
-
公开(公告)号：CN104462063A
公开(公告)日：2015-03-25
申请号：CN201410768372.9
申请日：2014-12-12
Applicant: 武汉大学
Abstract: 一种基于语义位置模型的位置信息结构化提取方法及系统，包括基于语义位置模型构建位置基础概念本体、位置实体概念本体，并填充本体实例；对位置基础概念本体和位置实体概念本体进行分类，建立对应的位置结构概念本体；自动化映射位置结构概念本体生成规则类，每一条规则类对应一个位置实体概念本体，规则类具有继承性和贪婪性；规则类实例化之后成为规则对象，将所有规则类实例化，最终生成规则集合；对规则集合进行分类，重新划分为若干个规则组，形成规则检索依赖图；针对每个规则组，进一步建立概念本体和规则之间的倒排索引；进行位置描述图匹配，利用规则匹配算法进行匹配完成位置信息的结构化提取。
-
公开(公告)号：CN102938142B
公开(公告)日：2016-06-08
申请号：CN201210351493.4
申请日：2012-09-20
Applicant: 武汉大学
Abstract: 本发明涉及基于Kinect的室内LiDAR缺失数据填补方法。一、Kinect扫描过程的关键帧提取，获取较稀疏的扫描数据；二、采用SIFT算法对Kinect设备采集的RGB-D影像进行特征提取，并利用RANSAC算子对异常特征匹配点进行剔除；三、对步骤二中的特征进行归并；四、LiDAR影像的特征提取，与Kinect设备的特征粗匹配，获取转换矩阵；五、采用改进的ICP算法实现LiDAR影像与Kinect的RGB-D影像的精细匹配；六、LiDAR模型与Kinect扫描的部分缺失数据融合。优点：设备价格低廉，采集过程灵活，能够获取场景深度与影像信息，快速实现对室内复杂场景的局部或缺失数据的采集与填补。
-
公开(公告)号：CN102938142A
公开(公告)日：2013-02-20
申请号：CN201210351493.4
申请日：2012-09-20
Applicant: 武汉大学
Abstract: 本发明涉及基于Kinect的室内LiDAR缺失数据填补方法。一、Kinect扫描过程的关键帧提取，获取较稀疏的扫描数据；二、采用SIFT算法对Kinect设备采集的RGB-D影像进行特征提取，并利用RANSAC算子对异常特征匹配点进行剔除；三、对步骤二中的特征进行归并；四、LiDAR影像的特征提取，与Kinect设备的特征粗匹配，获取转换矩阵；五、采用改进的ICP算法实现LiDAR影像与Kinect的RGB-D影像的精细匹配；六、LiDAR模型与Kinect扫描的部分缺失数据融合。优点：设备价格低廉，采集过程灵活，能够获取场景深度与影像信息，快速实现对室内复杂场景的局部或缺失数据的采集与填补。
-
-
-
Search Results
4
records
(took 0.014 seconds)
