一种从有限量低维X光图像获得CT&MRI融合数据方法

    公开(公告)号:CN118657670A

    公开(公告)日:2024-09-17

    申请号:CN202410840975.9

    申请日:2024-06-27

    Abstract: 本发明公开了一种从有限量低维X光图像获得CT&MRI融合数据方法,该方法包括以下步骤:将CT图像通过数学模拟算法获取对应的模拟X光图像;定义双平面X射线重建肺部CT的3DGAN网络框架;以模拟X光图像数据为模型输入,对应的CT图像数据为模型标签,对3DSP‑GAN进行训练;定义基于CycleGan的选择性转换网络SC‑CycleGan的框架;将经过预处理的数据输入SC‑CycleGan网络进行训练;通过训练好的3DSP‑GAN从模拟X光图像得到对应的CT,通过训练好的SC‑CycleGan从CT得到对应的CT&MRI融合图像;本发明从有限量低维X光图像获得CT&MRI融合数据,可以给医疗设备不全的基层医疗单位,通过获取的X光图像提供更为立体的解剖信息,为基层医疗单位获取人体立体解剖信息进行临床诊断提供了一种成本更低、效率更高的实现方式。

    一种基于地平面拟合和地面概率估计的三阶段点云地面分割方法

    公开(公告)号:CN118674930A

    公开(公告)日:2024-09-20

    申请号:CN202410841073.7

    申请日:2024-06-27

    Abstract: 本发明公开了一种基于地平面拟合和地面概率估计的三阶段点云地面分割方法,属于智能驾驶感知技术领域,包括以下步骤:S1基于地平面拟合和绝对地面判断,采用分段极坐标栅格模型和动态距离阈值,提取出原始点云中绝大部分地面点;S2进一步结合体素预处理,对剩余点云中的地面点进行二次提取,并合并前后两次提取的地面点,得到候选地面点云;S3基于地平面拟合和地面概率估计,采用分段极坐标栅格模型和距离阈值自适应,分离出候选地面点云中的非地面点,并合并所有的非地面点,从而得到最终的地面点云和非地面点云。本发明所述方法精准高效、稳定可靠,能有效提升目前传统点云地面分割方法的准确性、稳健性和实时性,可用于智能驾驶的建图和导航。

    一种非结构化环境下的ROS无人车建图导航方法

    公开(公告)号:CN118640910A

    公开(公告)日:2024-09-13

    申请号:CN202410841694.5

    申请日:2024-06-27

    Abstract: 本发明公开了一种非结构化环境下的ROS无人车建图导航方法,该方法具体实现需要下列步骤:输出里程计位姿和关键帧信息;集成到激光里程计与地图构建算法中作为后端检测;提取特征点;建立全局地图;对输出的先验地图进行动态轨迹滤除;检测并纠正里程测量的累积误差,实现位置估计;对初始定位点到目标点进行稀疏全局路径规划;将无人车周围环境中的障碍物参数化并预测其未来轨迹;生成稠密全局路径;对障碍物进行躲避,直至到达目标点,本发明改进的三维建图算法,能够有效的解决无人车在实际场景中建图出现的点云漂移,高度误差,动态轨迹等问题,克服了二维导航低维度导航的缺点,更加适用于非结构化环境的自主导航。

Patent Agency Ranking