-
公开(公告)号：CN112581505A
公开(公告)日：2021-03-30
申请号：CN202011572898.1
申请日：2020-12-24
申请人： 天津师范大学 , 普达迪泰(天津)智能装备科技有限公司 , 首都师范大学
摘要： 本发明具体公开了一种简易的激光雷达点云与光学影像自动配准方法，包括:预处理过程、基于仿射运动模型的点云投影、角点特征提取及匹配、通过直接线性方程变换求解三维点云空间坐标与光学影像素坐标之间的映射关系、进行数据融合；本发明具有的有益效果：1)简单易行，算法稳定；2)在保持精度的情况下，自动化程度高。
-
公开(公告)号：CN112581505B
公开(公告)日：2022-06-03
申请号：CN202011572898.1
申请日：2020-12-24
申请人： 天津师范大学 , 普达迪泰(天津)智能装备科技有限公司 , 首都师范大学
摘要： 本发明具体公开了一种简易的激光雷达点云与光学影像自动配准方法，包括:预处理过程、基于仿射运动模型的点云投影、角点特征提取及匹配、通过直接线性方程变换求解三维点云空间坐标与光学影像素坐标之间的映射关系、进行数据融合；本发明具有的有益效果：1)简单易行，算法稳定；2)在保持精度的情况下，自动化程度高。
-
公开(公告)号：CN112989919A
公开(公告)日：2021-06-18
申请号：CN202011573352.8
申请日：2020-12-25
申请人： 首都师范大学
摘要： 本发明涉及一种从影像中提取目标对象的方法及系统，所述方法包括以下步骤：S1:接收输入的影像和目标对象提取请求，所述提取请求用于指示需要提取的目标对象；S2:调用语义分割深度学习模型，提取所述影像中的目标对象的特征信息；S3:基于提取得到目标对象的特征信息，输出目标对象的影像。本发明能够实现精确的端对端建筑物提取分割，提高了目标对象的提取精度和提取效果。
-
公开(公告)号：CN114693873A
公开(公告)日：2022-07-01
申请号：CN202210315804.5
申请日：2022-03-29
申请人： 首都师范大学 , 北京空悟科技信息技术有限公司
摘要： 本发明介绍了一种基于动态图卷积和注意力机制的点云补全方法，其包括：步骤S1、使用动态图卷积技术进行特征提取；步骤S2、结合注意力池化方法和最大池化方法的进行特征聚合；步骤S3、局部缺失空间目标特征补全与重建。本申请通过定义点云邻域和更新动态邻域图，然后结合动态邻域图进行点云的更新和密集连接；并使用注意力池化和最大池化结合的多通道方式进行点云的特征聚合，高效完成了缺失点云的补全，最大程度地保留和恢复了输入点云的细节和几何结构；而且本申请提出了一个一阶段模式的网络模型，融合了点云的逐点特征和全局几何特征，在特征空间上对点云进行补全，对特征进行扩张与细化，以此重建完整点云，进而直接输出完整的点云。
-
公开(公告)号：CN114267028A
公开(公告)日：2022-04-01
申请号：CN202111582835.9
申请日：2021-12-22
申请人： 首都师范大学 , 北京空悟科技信息技术有限公司
摘要： 本发明提供了一种内容自适应的多层次道路标志检测及识别方法，包括：针对道路设施及其附属的特征表达尺度差异性，运用顾及语义的多层次检测深度学习模块，在强度特征图像的基础上将不同类别的目标探测划分为多个任务，并将这些任务分解到不同层次的特征图上来分别完成，从而探测不同种类的道路设施及附属；所述顾及语义的多层次检测网络分为三个部分：第一部分是密集连接的特征整合模块；第二部分是顾及目标语义的分层预测模块；第三部分是预测目标包围框与地面真值之间偏移量的级联模块；本发明可以实现分层分类地对各种路面元素(如道路标志线和井盖等道路附属设施)进行准确高效的检测提取，对于生产高精度地图、自动驾驶等有着重要意义。
-
公开(公告)号：CN118570412A
公开(公告)日：2024-08-30
申请号：CN202410647627.X
申请日：2024-05-23
申请人： 首都师范大学
摘要： 本发明基于非结构化彩色点云的大型城市场景表面与纹理重建，包括以下步骤：步骤S1：输入点云，进行多视虚拟视点选择，对视点进行渲染；步骤S2：构建可见性预测网络，设计“U”型网络框架；步骤S3：构建纹理修复网络；步骤S4：表面重建与纹理重建。本方案通过设计一个可见性预测网络与一个纹理修复网络，利用卷积模拟了神经网络的稀疏输入，并利用注意机制和跨尺度特征融合增强了特征提取能力，分别预测视图内点的可见性信息与完整纹理图，最终使用基于图割的方法进行表面重建与基于纹理映射的方法进行纹理重建，与基于端到端学习的表面重建方法相比，我们的方法使用了直接和易于理解的二维可见性信息，以提供在不同场景中的通用性。
-
公开(公告)号：CN115147601A
公开(公告)日：2022-10-04
申请号：CN202210768438.9
申请日：2022-07-01
申请人： 首都师范大学
摘要： 本发明提供一种基于自注意力全局特征增强的城市街道点云语义分割方法，包括：S1、输入一个城市街道大场景点数据作为下采样层，将从下采样层中提取的全局特征在自注意力全局特征编码模块的中进行基于自注意力的编码操作，并将其重映射到与输入特征通道匹配的一维向量中，得到通道自注意力值，再逐通道与原全局特征自适应增强；S2、通过全局语义映射模块将步骤S1中自注意力全局特征编码模块输出的特征进行转置及全连接，将输出各个类别存在的概率，通过各个类别概率组成的向量与真值形成多类别交叉熵损失，联合点标签维度的交叉熵损失对网络参数进一步优化。本发明关注到全局特征的城市街道场景，通过对全局特征逐通道增强，提升语义分割精度效果。
-
公开(公告)号：CN111882593B
公开(公告)日：2022-06-17
申请号：CN202010717508.9
申请日：2020-07-23
申请人： 首都师范大学
IPC分类号： G06T7/33 , G06K9/62 , G06V10/774 , G06V10/764 , G06N3/04
摘要： 本发明涉及一种结合注意力机制及三维图卷积网络的点云配准模型及方法，该模型为一个三分支的暹罗(Siamese)架构，包括Detector模型和Descriptor模型。所述Detector模型用于提取点的注意力特征，构造注意力机制；所述Descriptor模型用于生成三维深度特征的表达式来表示点的三维深度特征，学习判别点云的深度特征。该方法先进行模型训练，利用feature alignment triplet loss构造损失函数训练该模型，有效地从点云中提取注意力特征和描述子(Descriptor)特征；模型训练后，进行点云配准。本发明可以自动提取关键点和每个关键点的三维深度特征，在三维图卷积网络中，将多层感知器MLP与图卷积网络GCN相结合，设计了一个新的点云特征提取模块，可以提取更多有鉴别意义的点云特征，提高了点云配准的准确性。
-
公开(公告)号：CN112989919B
公开(公告)日：2024-04-19
申请号：CN202011573352.8
申请日：2020-12-25
申请人： 首都师范大学
摘要： 本发明涉及一种从影像中提取目标对象的方法及系统，所述方法包括以下步骤：S1:接收输入的影像和目标对象提取请求，所述提取请求用于指示需要提取的目标对象；S2:调用语义分割深度学习模型，提取所述影像中的目标对象的特征信息；S3:基于提取得到目标对象的特征信息，输出目标对象的影像。本发明能够实现精确的端对端建筑物提取分割，提高了目标对象的提取精度和提取效果。
-
公开(公告)号：CN117635867A
公开(公告)日：2024-03-01
申请号：CN202311661167.8
申请日：2023-12-06
申请人： 首都师范大学
IPC分类号： G06T17/10 , G06T15/00 , G06T15/04 , G06T15/50 , G06V10/44 , G06V10/80 , G06V10/75 , G06V10/764 , G06V10/26 , G06V10/54 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06N3/048
摘要： 本发明为一种局部特征融合的端到端真实隧道点云三维重建方法，主要针对真实隧道点云的三维重建任务，将隧道点云的要素结构特征重建为隧道表面，特征主要包括隧道原始结构(如横缝、环缝、螺栓孔、注浆孔等)、隧道内部要素(如消防水管、电线线缆等)、隧道壁标识(逃生标、百米标等)、隧道病害信息(渗漏水、衬砌剥落等)等。由于隧道的结构设计容易产生变形、裂缝等问题，威胁隧道安全减少使用寿命，因此需要高度关注隧道内部状态，定期进行安全监测。本发明提出的网络无需人工操作便能够高精度的重建隧道场景，有利于隧道的后期检查和人工观测。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.073 秒)
