-
Patent Agency Ranking
公开(公告)号：CN111046803A
公开(公告)日：2020-04-21
申请号：CN201911283030.7
申请日：2019-12-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的车辆检测及落地点定位方法，该方法包括：搭建针对车辆检测的神经网络，获取检测网络得到的检测框，对检测中图像计算Y轴-像素和的直方图，平滑滤波之后最低点就是车辆的落地点。本发明采用了基于YOLOV3-tiny改进的目标检测网络，计算量小，能够在能力较弱的嵌入式硬件平台上完成实时性的运算。加强了对中等大小车辆的检测，提高了车辆的检测精度，运用直方图的形式再次对着地点进行确认，增加了鲁棒性。
-
公开(公告)号：CN110414577A
公开(公告)日：2019-11-05
申请号：CN201910639585.4
申请日：2019-07-16
Applicant: 电子科技大学
Inventor： 邓建华 , 余坤 , 申睿涵 , 孙一鸣 , 周群芳 , 钱璨 , 王云 , 何子远 , 俞泉泉 , 常为弘 , 陈翔 , 罗凌云 , 魏傲寒 , 俞婷 , 肖正欣 , 邓力恺 , 王韬 , 杨远望 , 游长江
Abstract: 本发明公开了一种基于深度学习的激光雷达点云多目标地物识别方法，涉及点云识别方法领域；其包括：将点云场景依次进行区域分割、特征表示和标记标签后，获得包括若干个三维空间的点云数据；建立包括输入层、N层卷积层、全连接层和Softmax函数的网络模型，输入数据集中的测试集，训练上述模型获取最优模型后，将数据集中测试集输入最优模型获得识别结果；根据深度信息和高层差、电力塔在电力线旁边的空间关系和相邻三维空间之间的关系，查找疑似误分类的点后重新进行分类，获取最终的识别结果；本发明解决现有神经网络因点云具有海量性、稀疏性和无序性导致计算量大、特征提取困难、识别准确率低的问题。
-
公开(公告)号：CN110135227A
公开(公告)日：2019-08-16
申请号：CN201810136661.5
申请日：2018-02-09
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于机器学习的激光点云室外场景自动分割方法，包括：将数据库中每一类体素数据按大致相同的比例提取出来并存储至训练集和验证集并将所有数据压缩；再将压缩后的训练数据集和验证集导入三维卷积神经网络中进行运算，从而提取各类地物的特征向量；通过每一类地物的特征向量与实际值之间代价函数来反馈调节深度神经网络的权重值，反复迭代直到代价函数小于设定阈值为止，然后可以得到一个存储着最优权重值的模型；然后利用空间信息和深度信息使用邻域算法做优化处理，这样既可以将去掉的体素点也做好分类，又能优化之前粗分类结果，从而实现细分类，并大大提高了场景分割的准确性和效率。
-
公开(公告)号：CN110135227B
公开(公告)日：2022-06-03
申请号：CN201810136661.5
申请日：2018-02-09
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于机器学习的激光点云室外场景自动分割方法，包括：将数据库中每一类体素数据按大致相同的比例提取出来并存储至训练集和验证集并将所有数据压缩；再将压缩后的训练数据集和验证集导入三维卷积神经网络中进行运算，从而提取各类地物的特征向量；通过每一类地物的特征向量与实际值之间代价函数来反馈调节深度神经网络的权重值，反复迭代直到代价函数小于设定阈值为止，然后可以得到一个存储着最优权重值的模型；然后利用空间信息和深度信息使用邻域算法做优化处理，这样既可以将去掉的体素点也做好分类，又能优化之前粗分类结果，从而实现细分类，并大大提高了场景分割的准确性和效率。
-
公开(公告)号：CN107016723A
公开(公告)日：2017-08-04
申请号：CN201710236995.5
申请日：2017-04-12
Applicant: 电子科技大学成都研究院
Abstract: 本发明涉及一种虚拟3D校园场景漫游路径生成方法，该方法包括：根据校园的真实场景数据构建虚拟校园场景，通过三维开发工具Unity3D在所述校园三维模型生成寻路导航网格；根据所述三维模型将寻路导航网格分为通行区域和障碍区域；根据所述校园真是场景将所述三维模型分为生活区和学习区；选定出发位置和游览区域后，根据所述通行区域和障碍区域生成漫游路径，实现在所述虚拟校园场景中进行游览。用户可以在互联网终端上环游校园，欣赏校园中的美景。3D技术与校园漫游相结合，用户不仅可以在任何时间、任何地点都能环游校园，更能获得身临其境的感受。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
