“何伟丙”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果3个，建议您升级VIP下载更多相关专利

[发明专利]一种基于HPCT模型的城市区域植被点云语义分割方法-CN202310577928.5在审
发明人：黄方;强晓勇;何伟丙;陈胜亿;吕清哲;葛镔赋 -专利权人：电子科技大学
申请日： 2023-05-22 - 公布日： 2023-08-22 - 主分类号： G06V10/26 文献下载
摘要：本发明属于林业遥感技术领域，具体为一种基于深度学习模型的城市区域植被点云语义分割方法。本发明结合深度学习技术构建HPCT模型：将模型构建为多个层次，每个层次可处理三维点云不同级别的特征，进而捕捉与植被相关的不同空间尺度和地物相对关系的语义特征；采用自注意力机制，根据输入数据的每个部分的重要性进行不同的加权，捕捉三维点云中不同位置之间的长距离依赖关系，从而显著提升HPCT模型的表达能力和理解能力；同时，本发明采集了三种数据源的城市区域点云数据并将其进行语义标注，形成植被点云数据集，用来进行模型的训练及预测，为HPCT模型训练提供数据基础，也缓解了点云数据集稀缺的现状。
一种基于 hpct 模型城市区域植被语义分割方法

[发明专利]一种基于深度学习的三维单木点云的补全方法-CN202310584661.2在审
发明人：黄方;葛镔赋;吕清哲;陈胜亿;强晓勇;何伟丙 -专利权人：电子科技大学
申请日： 2023-05-23 - 公布日： 2023-08-08 - 主分类号： G06T17/00 文献下载
摘要：本发明属于林业遥感领域，具体涉及一种基于深度学习的三维单木点云的补全方法。本发明结合深度学习技术，搭建了适用于单木结构补全的TC‑Net网络模型；借鉴电磁波在均匀介质中穿透衰减启发，设计制作密度不均式点云缺失的数据集，使模型的训练更加符合应用场景；然后在开源大型数据集中先训练好模型，再利用训练好的模型作为初始模型进行树木补全的再训练，使模型能够更快收敛的同时效果更好；最后在自采集的车载激光点云数据集实现真实场景的单木点云结构补全，精准的还原缺失点云的细节特征。本发明在林业遥感领域中计算三维绿量，统计城市绿化率等方面可以为研究者提供更加完整的点云数据，对后续的研究发挥重要作用。
一种基于深度学习三维单木点云方法

[发明专利]一种基于重建点云的区域植被三维绿量估算方法-CN202210769692.0在审
发明人：黄方;何伟丙;彭书颖;陈胜亿;强晓勇 -专利权人：电子科技大学
申请日： 2022-06-30 - 公布日： 2022-09-09 - 主分类号： G06T17/00 文献下载
摘要：本发明提供一种基于重建点云的区域植被三维绿量估算方法，属于三维绿量估算技术领域。该方法分析了现有城市三维绿量测算模型中存在的问题，结合三维重建点云自身固有特性和模型通用性的需求进行设计。该方法基于无人机遥感影像进行三维重建，得到三维重建点云数据，重点基于八叉树‑体元理论，创新性地加入扫描线填充优化方法，得到三维绿量测算改进模型，从而完成对城市三维绿量的测算。本发明方法有效解决了现有的三维绿量定量测算方法中存在的测量不准确的问题。
一种基于重建区域植被三维估算方法