“点云体柱化”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果8613450个，建议您升级VIP下载更多相关专利

[发明专利]基于深度学习与机载激光点云的单株树冠分割方法-CN202110092586.9在审
发明人：云挺;陈鑫鑫;张运玲;曹林 -专利权人：南京林业大学
申请日： 2021-01-24 - 公布日： 2021-05-18 - 主分类号： G06T7/10 文献下载
摘要：本发明公开一种基于深度学习与机载激光点云的单株树冠分割方法，包括获取研究场地的点云数据；将去噪后的点云数据分为地上点和地面点；提取地上点中单株树木点云，将不同树木划分在不同的体素内；构造训练样本数据集；对PointNet深度神经网络开展训练；将待测场地的地上点通过体素化的方法细分为多个体素，将体素内点云数据转换为PointNet所需格式后，输入到训练好的PointNet模型内，识别出树的每个体素中的点云；将每个体素DSM的梯度信息结合惯性动量梯度的方法定位树冠的边界点，根据边界点勾勒出分割的树冠。本发明在体素尺度上识别树木，并结合高度相关的梯度信息来完成单株树冠的划定，单株树冠分割精确较高。
基于深度学习机载激光树冠分割方法

[发明专利]点云特征提取方法、装置、设备及存储介质-CN202011008495.4在审
发明人：李锦瑭;陈博;王宇;林崇浩 -专利权人：中国第一汽车股份有限公司
申请日： 2020-09-23 - 公布日： 2021-01-05 - 主分类号： G06T15/00 文献下载
摘要：本发明公开了一种点云特征提取方法、装置、设备及存储介质。该方法包括：将采集到的点云数据的空间划分为多个体素网格，所述体素网格的高度根据所述点云数据的空间高度确定；对各所述体素网格内的点云数据进行卷积和池化操作，得到所述点云数据的全局特征向量层；计算所述点云数据的高度特征向量层和密度特征向量层；将所述全局特征向量层、所述高度特征向量层以及所述密度特征向量层进行组合，得到所述点云数据的组合特征图。上述技术方案通过组合全局特征向量、密度和高度特征向量，提取丰富的点云特征，并且根据点云数据的空间高度划分体素网格，减少了体素网格数量，有效控制计算量，在提升特征图特征表达丰富度的同时兼顾特征提取效率。
特征提取方法装置设备存储介质

[发明专利]语义分割方法和语义分割模型的训练方法及相关装置-CN202211714673.4在审
发明人：韩继能;周源;殷静怡;王宇晗;胡来丰 -专利权人：浙江零跑科技股份有限公司
申请日： 2022-12-27 - 公布日： 2023-05-16 - 主分类号： G06V10/26 文献下载
摘要：本申请公开了一种语义分割方法和语义分割模型的训练方法及相关装置，其中，语义分割方法包括：对点云数据进行体素化，得到点云数据中各点的网格索引，并对点云数据提取特征，得到各点的第一数据特征，并基于点云数据中各点的网格索引，对相同直线上网格内点的第一数据特征进行降维处理，得到第二数据特征；再基于第一数据特征和第二数据特征进行反体素化，得到点的第三数据特征；在此基础上，基于相同点的第一数据特征和第三数据特征，预测得到点的语义分割结果，且语义分割结果至少包括点所属的类别。
语义分割方法模型训练相关装置

[发明专利]一种在Unity中生成环境点云地图的方法-CN201910481625.7有效
发明人：周路翔;陈诚;张旸 -专利权人：奥特酷智能科技（南京）有限公司
申请日： 2019-06-04 - 公布日： 2019-08-16 - 主分类号： G06T17/05 文献下载
摘要：本发明本提供一种在Unity中生成环境点云地图的方法，包括以下步骤：初始化将雷达点云分隔成若干个方块体素，对每一个体素进行体素滤波降低数据密度，将体素滤波后生成的所有点云数据变换到世界坐标系下的对应位置，将坐标变换后的点云数据直接读取复制字节数据，保存在输出缓冲区，从而生成点云地图。本发明能够在Unity中根据自定义场景制作出精准点云地图的流程，不但生成的地图数据体积较小，而且也降低了定位匹配的难度。
点云滤波体素世界坐标系输出缓冲区地图数据点云数据数据变换直接读取字节数据坐标变换初始化方块体自定义分隔匹配雷达复制场景保存

[发明专利]一种激光雷达畸变点云角度识别方法、装置及机器人-CN202211111861.8在审
发明人：欧阳家斌;徐权 -专利权人：深圳市欢创科技有限公司
申请日： 2022-09-13 - 公布日： 2022-12-27 - 主分类号： G01S7/497 文献下载
摘要：本申请涉及一种激光雷达畸变点云角度识别方法、装置及机器人，包括根据支撑柱的位置信息设置标定靶，所述支撑柱设置在激光雷达周边，获取所述激光雷达在所述标定靶处产生的标定点云，确定所述标定点云中因所述支撑柱导致的畸变点云的角度范围该方法对因支撑柱产生的畸变点云进行角度识别，将该角度范围的点云删除或者对其进行距离矫正处理，提高了点云数据的质量及改善点云的测距精度。
一种激光雷达畸变角度识别方法装置机器人

[发明专利]一种基于路侧激光雷达的三维目标检测方法及终端-CN202211477623.9在审
发明人：惠飞;金鑫;靳少杰;杨睿宁 -专利权人：长安大学
申请日： 2022-11-23 - 公布日： 2023-09-05 - 主分类号： G06T7/521 文献下载
摘要：本发明公开了一种基于路侧激光雷达的三维目标检测方法及终端，其中方法包括：通过路端通信设备获取路侧激光雷达采集的实时点云数据；对采集的实时点云数据进行预处理；对处理后的点云数据采用三维稀疏卷积算法提取三维体素特征，并对三维体素特征体进行投影得到二维特征图，采用无锚框目标检测头进行检测得到初阶段的三维检测框；对关键点云提取每个关键点云的特征，并进行融合优化；对得到的关键点云，依次融合得到多维度的关键点云特征；使用关键点云特征对初阶段的三维检测框进行池化操作本发明可以实现得到基于点的方法和基于体素的方法融合的点云三维目标检测结果，克服运算效率太慢和精度方面欠缺的问题。
一种基于激光雷达三维目标检测方法终端

[发明专利]一种深度学习自适应特征维度的点云几何编码方法及系统-CN202110854530.2有效
发明人：郑明魁;王适;林育芳;郭梦溪;王泽峰 -专利权人：福州大学
申请日： 2021-07-28 - 公布日： 2022-12-23 - 主分类号： H04N19/13 文献下载
摘要：本发明涉及一种深度学习自适应特征维度的点云几何编码方法，首先，把一帧点云分块，对分块的点云进行体素化。然后，使用自编码器的编码器把点云映射为N*8*8*8的特征系数，计算不同N时，使用解码器重建点云的均方误差与码率之间构成的代价函数,求解使得代价函数最小时对应的特征维度，输出此时对应的比特流。再而，使用解码器重建点云。最后，根据重建的点云和最小值还原真实的块点云。对输出的每一块点云融合得到解码点云。本发明优化点云的失真和码率的大小，能够快速获取最佳特征维度，进一步提高点云压缩效率及质量。
一种深度学习自适应特征维度几何编码方法系统

[发明专利]基于图字典学习的三维点云编解码方法、压缩方法及装置-CN202210288552.1在审
发明人：戴文睿;李鑫;李劭辉;李成林;邹君妮;熊红凯 -专利权人：上海交通大学
申请日： 2022-03-22 - 公布日： 2022-07-05 - 主分类号： G06T9/40 文献下载
摘要：本发明提供三维点云图字典学习方法以及基于图字典学习的编解码方法、压缩方法及装置，包括：获得N幅训练集点云数据；对点云数据进行体素化处理，获得体素化的训练集点云数据；对训练集点云数据进行体素块划分，选取若干体素块作为训练集，根据训练集构建图字典学习模型；对图字典学习的目标函数进行迭代优化，获得用于三维点云信号的编解码的图字典。本发明有效地利用点云信号之间的空间相关性，渐进最优地去除点云信号之间的冗余性；利用不同层级信号之间的数据相关性由低层级自上而下进行预测编码，有效地提升了3D点云属性信号的压缩效率，有效减少编码开销，灵活地满足实际需求中对不同质量的解码信号的需求
基于字典学习三维点云编解码方法压缩装置

[发明专利]一种电缆沟道点云数据的数据拼接方法-CN202210138250.6在审
发明人：仲宇;刘勇;杜长青;白钒;黄磊;袁星;张羽兵;严金鑫;周振廉;韩天博;钟锦航;晏露阳;倪晨晨 -专利权人：国网江苏省电力工程咨询有限公司
申请日： 2022-02-15 - 公布日： 2022-05-13 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种电缆沟道点云数据的数据拼接方法，涉及点云数据处理技术领域，提取各组点云的Harris关键点，并计算点特征快速直方图，并根据各点间直方图的相似性找到对应点组，进而计算点云旋转矩阵，完成点云拼接，得到完整的电缆沟道点云数据。然后对电缆沟道点云数据构建最小包围盒，计算每个点邻域微切平面的法向量，识别并提取初始点云的边缘信息，构建基于点云边缘信息和八叉树数据结构结合的点云空间索引方法,再采用体素下采样方法，对不同层级的点云数据进行采样处理，并基于视点与点云模型的距离构建具有多层级、分辨率递次变化的点云金字塔，然后将点云金字塔以固定格式存入硬盘中，并对海量点云进行可视化渲染。
一种电缆沟道数据拼接方法

[发明专利]模型训练方法、点云数据风格化方法、装置、设备及介质-CN202010203528.4在审
发明人：李艳丽;赫桂望;蔡金华 -专利权人：北京京东叁佰陆拾度电子商务有限公司
申请日： 2020-03-20 - 公布日： 2021-10-12 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种模型训练方法、点云数据风格化方法、装置、设备及介质，模型训练方法包括：获取原始点云数据，对所述原始点云数据进行语义解析，得到包含所述原始点云数据中各点的语义信息的样本点云数据；获取所述样本点云数据对应的样本风格数据，基于所述样本点云数据和所述样本风格数据生成训练样本数据；使用所述训练样本数据对预先构建的点云风格化模型进行训练，得到训练好的点云风格化模型。本发明实施例提供的模型训练方法能够在对点云风格化模型进行训练时，对样本点云数据进行实例的切分及融合，进而使得训练出的风格化模型能够提高复杂街景场景的风格化效果。
模型训练方法数据风格装置设备介质

[发明专利]基于三维点云的实时轨道障碍物检测方法-CN202110540196.3在审
发明人：杨阳;何伟琪;禹鑫燚;欧林林 -专利权人：浙江工业大学
申请日： 2021-05-18 - 公布日： 2021-09-10 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于三维点云的实时轨道障碍物检测方法，以激光雷达采集的三维点云序列数据进行处理，首先对点云进行坐标变换，将欧式坐标系下的坐标转变为球坐标系下的坐标，并且将点云使用锥形体素化下采样方法将点云中的每一个点放入锥形的某一体素中以减小后续步骤的计算量；再将降采样后的点输入局部特征编码模块，利用K近邻(KNN)搜索局部点云，聚合局部点云几何特征，将局部点云的质心、近邻点坐标、相对坐标、高斯密度特征连接为一个向量。并且通过遍历将所有局部点云信息连接为一个矩阵经过MLP和最大池化获取每个局部点云的高维局部特征信息；最后利用多尺度三维稀疏卷积通过多个降采样和上采样模块，实现了单帧图像的轨道实时识别。
基于三维实时轨道障碍物检测方法

[发明专利]一种基于三角剖分的点云比例标准化方法-CN201710173862.8有效
发明人：杨荣骞;徐乐怡;张哲思;李春田 -专利权人：华南理工大学
申请日： 2017-03-22 - 公布日： 2019-10-18 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于三角剖分的点云比例标准化方法，包括步骤：1)获得待标准化处理的三维点云A和标准三维点云B，分别求点云A和点云B的全局质心M_A和M_B；2)对点云A内表面进行采样，并以采样点为顶点构建由delaunay三角构成的凸壳；3)计算三维点云A的特征比例系数λ和γ；4)根据标准三维点云B的delaunay三角顶点关系，应用点云A的特征比例系数，对点云A的进行拉伸变形，使其比例标准化，获得标准化后的点云A’。本发明为点云标准化预处理提供了一种快速、简便、高效的手段。
一种基于三角比例标准化方法

[发明专利]一种基于深度学习的点云匹配方法-CN201911038035.3在审
发明人：阴桂梅;徐盛秋;梁振斌;熊风光 -专利权人：太原师范学院
申请日： 2019-10-29 - 公布日： 2020-03-24 - 主分类号： G06T7/50 文献下载
摘要：本发明属于一种点云匹配方法技术领域，特别涉及一种基于深度学习的点云匹配方法。本发明的具体步骤是：建立关键点；构造匹配对和不匹配对；将点云进行体素化；计算三维彩色点云中各点的几何特征；训练得出3D描述子；优化描述子；利用神经网络训练得出的计算权重；计算得出精准的关键点的描述子向量；完成点云匹配。
一种基于深度学习匹配方法

[发明专利]一种牲畜表面点云智能分割方法及其系统-CN202110983285.5有效
发明人：张素敏;尹令;田绪红;刘财兴;蔡更元;吴珍芳 -专利权人：华南农业大学
申请日： 2021-08-25 - 公布日： 2023-08-08 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种牲畜表面点云智能分割方法及其系统，其中方法包括以下步骤：S1：获取牲畜表面原始整体点云；S2：对原始整体点云进行体素化，得到精简后的牲畜体表点云；S3：将牲畜体表点云通过多层感知器进行高维空间映射，同时进行特征整合，实现对牲畜体表点云的头、颈、胸、腹、臀、四肢、尾巴的粗分割；S4：将粗分割结果还原到原始整体点云上，得到原始点云上的粗分割结果；S5：对头、胸、腹、臀几种关键局部原始点云数据集进行细分割，实现分解点云。
一种牲畜表面智能分割方法及其系统

[发明专利]一种基于特征敏感投影算子的厚度点云薄化方法-CN201410570717.X在审
发明人：王小超;郝爱民;李帅;秦洪 -专利权人：北京航空航天大学
申请日： 2014-10-22 - 公布日： 2015-01-28 - 主分类号： G06F19/00 文献下载
摘要：本发明提供一种基于特征敏感投影算子的厚度点云薄化方法，包括四个步骤：点云邻域的选取阶段，用于构建扫描散乱点云数据的局部邻域信息；离群点去除阶段，依据点云的局部邻域信息进行点云初始分割，去除原始点云数据中的离群点；点云法向估计阶段，在点云的局部邻域内，利用主成分分析算法估计点云法向信息；厚度点云薄化阶段，结合法向差异和距离信息，构建特征敏感投影算子，迭代更新点云数据的位置，实现厚度点云的薄化处理。本发明针对带有噪声、离群点、厚度的扫描点云数据，提出了一种特征敏感的投影算子，实现了点云厚度薄化的同时保持点云数据潜在的特征结构。
一种基于特征敏感投影算子厚度点云薄化方法