-
公开(公告)号：CN108681525A
公开(公告)日：2018-10-19
申请号：CN201810464773.3
申请日：2018-05-16
Applicant: 福州大学
IPC: G06F17/15
CPC classification number: G06F17/15
Abstract: 本发明涉及一种基于车载激光扫描数据的路面点云强度增强方法，包括以下步骤：S1：基于车载激光扫描数据获取路面点云、行车轨迹线和路面点云内激光点到行车轨迹线的距离，并对路面点云进行分段；S2：以路面点云片段为处理单元，进行以下步骤：21：构建原始距离模型函数和参考距离模型函数；22：采用比值法和差值法进行激光点的强度校正；23：进行激光点的强度变换；24：采用多滤波器集成的方法进行激光点的强度去噪，完成路面点云内各路面点云片段的激光点强度增强。与现有技术相比，本发明显著提升路面不同目标材质的强度差异，消除局部同质区域中的强度噪声。
-
Patent Agency Ranking
公开(公告)号：CN107070766A
公开(公告)日：2017-08-18
申请号：CN201710277612.9
申请日：2017-04-25
Applicant: 福州大学
Abstract: 本发明公开基于软件定义数据平面可编程语言的虚拟网络构建方法，其包括如下步骤：S1：使用数据平面可编程语言对交换机内部的数据处理模块以及数据处理模块的流表编写定义程序并编译至交换机；S2：租户向服务提供商提交虚拟网络构建请求，服务提供商将租户请求映射至用于构建虚拟网络的运行时命令，将运行时命令部署至交换机，由交换机实现特定功能；S3：服务提供商通过运行时命令行动态读取交换机状态，根据交换机状态判断不同租户的虚拟网络是否构建成功，若交换机状态正常，则说明构建成功，否则失败。本发明利用编程语言定义交换机处理数据报过程，根据关键字及匹配方法来识别不同租户的业务流，并下发运行时命令实现虚拟网络的划分，该方法简单，实现灵活，实用性强的。
-
公开(公告)号：CN110210415A
公开(公告)日：2019-09-06
申请号：CN201910484566.9
申请日：2019-06-05
Applicant: 福州大学
Abstract: 本发明涉及一种基于图结构的车载激光点云道路标线识别方法，包括以下步骤：步骤S1：基于强度校正的标线分割和小尺寸目标提取,基于分割结果提取小尺寸标线对象；步骤S2：根据获得的小尺寸标线对象，基于标线的形状特征和邻域空间结构构建由参考标线指向邻域对象的空间与语义关系图;步骤S3：基于空间与语义关系图，自定义图结构节点与边存储编码规则，构建图结构的特征描述子；步骤S4：根据图结构的特征描述子，构建并训练深度神经网络；步骤S5:利用训练后的深度神经网络从车载激光点云目标分割结果中直接提取不同类型的标线。本发明能够实现对复杂城市场景中多类型标线的自动识别与精细分类。
-
公开(公告)号：CN107070766B
公开(公告)日：2019-11-05
申请号：CN201710277612.9
申请日：2017-04-25
Applicant: 福州大学
Abstract: 本发明公开基于软件定义数据平面可编程语言的虚拟网络构建方法，其包括如下步骤：S1：使用数据平面可编程语言对交换机内部的数据处理模块以及数据处理模块的流表编写定义程序并编译至交换机；S2：租户向服务提供商提交虚拟网络构建请求，服务提供商将租户请求映射至用于构建虚拟网络的运行时命令，将运行时命令部署至交换机，由交换机实现特定功能；S3：服务提供商通过运行时命令行动态读取交换机状态，根据交换机状态判断不同租户的虚拟网络是否构建成功，若交换机状态正常，则说明构建成功，否则失败。本发明利用编程语言定义交换机处理数据报过程，根据关键字及匹配方法来识别不同租户的业务流，并下发运行时命令实现虚拟网络的划分，该方法简单，实现灵活，实用性强的。
-
公开(公告)号：CN110210415B
公开(公告)日：2022-09-30
申请号：CN201910484566.9
申请日：2019-06-05
Applicant: 福州大学
IPC: G06V20/56 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/02
Abstract: 本发明涉及一种基于图结构的车载激光点云道路标线识别方法，包括以下步骤：步骤S1：基于强度校正的标线分割和小尺寸目标提取,基于分割结果提取小尺寸标线对象；步骤S2：根据获得的小尺寸标线对象，基于标线的形状特征和邻域空间结构构建由参考标线指向邻域对象的空间与语义关系图;步骤S3：基于空间与语义关系图，自定义图结构节点与边存储编码规则，构建图结构的特征描述子；步骤S4：根据图结构的特征描述子，构建并训练深度神经网络；步骤S5:利用训练后的深度神经网络从车载激光点云目标分割结果中直接提取不同类型的标线。本发明能够实现对复杂城市场景中多类型标线的自动识别与精细分类。
-
公开(公告)号：CN108681525B
公开(公告)日：2020-12-25
申请号：CN201810464773.3
申请日：2018-05-16
Applicant: 福州大学
IPC: G06F17/15
Abstract: 本发明涉及一种基于车载激光扫描数据的路面点云强度增强方法，包括以下步骤：S1：基于车载激光扫描数据获取路面点云、行车轨迹线和路面点云内激光点到行车轨迹线的距离，并对路面点云进行分段；S2：以路面点云片段为处理单元，进行以下步骤：21：构建原始距离模型函数和参考距离模型函数；22：采用比值法和差值法进行激光点的强度校正；23：进行激光点的强度变换；24：采用多滤波器集成的方法进行激光点的强度去噪，完成路面点云内各路面点云片段的激光点强度增强。与现有技术相比，本发明显著提升路面不同目标材质的强度差异，消除局部同质区域中的强度噪声。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
