-
Patent Agency Ranking
公开(公告)号：CN108986078A
公开(公告)日：2018-12-11
申请号：CN201810668385.7
申请日：2018-06-26
Applicant: 长安大学
Abstract: 本发明公开了一种基于凸包几何特征的粗集料棱角性量化方法，包括集料棱角性检测系统得到的集料图像，对集料图像进行灰度化等一系列处理，读取集料图像，进行凸包几何特征获取，然后读取集料颗粒凸包图像，得到每个集料三个不同面凸包前集料面积和凸包后集料图像面积，以凸包前后集料平均面积差表征单个集料的棱角性，用平均棱角指标代表整批集料的棱角性；从而实现对集料棱角性高效，精确的检测和定量分析，具有检测效率高，客观性强，检测成本低的优点。
-
公开(公告)号：CN109116002A
公开(公告)日：2019-01-01
申请号：CN201810667800.7
申请日：2018-06-26
Applicant: 长安大学
IPC: G01N33/42
Abstract: 本发明公开了一种路用粗集料棱角性量化方法，包括输入集料棱角性检测系统得到的集料图像，集料图像灰度化等一系列处理，读取集料图像，采用M结构元素进行形态学集料骨架提取，得到集料边缘棱角的全部信息；初始化各个变量，形态学运算获取集料颗粒骨架图像；读取集料颗粒骨架图像，形态学闭运算进行集料骨架图像像素连接操作，并求骨架图像的大小利用形态学操作移除目标边界像素，组成图像的骨架，将集料骨架图像二值化，对每幅集料骨架图像棱角点数求和；以平均棱角点表征单个集料的棱角性，用平均棱角点和面积权值共同量化整批集料的棱角性。可实现对集料棱角性高效，精确的检测和定量分析，具有检测效率高，客观性强，检测成本低的优点。
-
公开(公告)号：CN107491483A
公开(公告)日：2017-12-19
申请号：CN201710571050.9
申请日：2017-07-13
Applicant: 长安大学
CPC classification number: G06F17/3087 , G06F17/30867 , G06F17/30961 , G06F17/30979 , G06Q10/04 , G06Q50/26
Abstract: 本发明提出一种在车主的行驶路径基础上，选择匹配的潜在共乘群体的方法，利用字典树来处理基于矩阵处理的预测模型存在的空间复杂度高的问题，利用逃逸机制合理的处理了零频率问题；本此基础上合理的融入关联规则，增强了位置间的联系，缩小了候选位置集合的数量，提高了算法运行效率，更进一步提高了位置预测的精确度。提出的在车主最优行驶路线的基础上进行乘客选择，既重视了车主的意愿，又满足了乘客的要求。
-
公开(公告)号：CN109116002B
公开(公告)日：2021-04-20
申请号：CN201810667800.7
申请日：2018-06-26
Applicant: 长安大学
IPC: G01N33/42
Abstract: 本发明公开了一种路用粗集料棱角性量化方法，包括输入集料棱角性检测系统得到的集料图像，集料图像灰度化等一系列处理，读取集料图像，采用M结构元素进行形态学集料骨架提取，得到集料边缘棱角的全部信息；初始化各个变量，形态学运算获取集料颗粒骨架图像；读取集料颗粒骨架图像，形态学闭运算进行集料骨架图像像素连接操作，并求骨架图像的大小利用形态学操作移除目标边界像素，组成图像的骨架，将集料骨架图像二值化，对每幅集料骨架图像棱角点数求和；以平均棱角点表征单个集料的棱角性，用平均棱角点和面积权值共同量化整批集料的棱角性。可实现对集料棱角性高效，精确的检测和定量分析，具有检测效率高，客观性强，检测成本低的优点。
-
公开(公告)号：CN107491483B
公开(公告)日：2018-09-25
申请号：CN201710571050.9
申请日：2017-07-13
Applicant: 长安大学
Abstract: 本发明提出一种在车主的行驶路径基础上，选择匹配的潜在共乘群体的方法，利用字典树来处理基于矩阵处理的预测模型存在的空间复杂度高的问题，利用逃逸机制合理的处理了零频率问题；本此基础上合理的融入关联规则，增强了位置间的联系，缩小了候选位置集合的数量，提高了算法运行效率，更进一步提高了位置预测的精确度。提出的在车主最优行驶路线的基础上进行乘客选择，既重视了车主的意愿，又满足了乘客的要求。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
