“高斯云”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191794个，建议您升级VIP下载更多相关专利

[发明专利]一种基于高斯云变换的图像处理方法及装置-CN201210592697.7有效
发明人：刘玉超;李德毅;杜鹢;何雯;李琳;陈桂生 -专利权人：刘玉超;李德毅;杜鹢
申请日： 2012-12-31 - 公布日： 2014-01-22 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于高斯云变换的图像处理方法及装置，所述方法包括：通过提取图像每个像素的灰度值，形成所述图像的灰度值数据样本集；通过统计所述灰度值数据样本集频率分布的波峰数量，得到用于形成初始高斯云的数量m；按照所述数量m,将所述灰度值数据样本集合成m个高斯云；依次将m个高斯云的含混度与含混度阈值进行比较，以确定是否存在其含混度大于含混度阈值的高斯云；若存在其含混度大于含混度阈值的高斯云，则按照将所述数量m逐次减一的方式，重复灰度值数据样本集合成高斯云的处理及高斯云含混度与含混度阈值比较的处理，直至所有高斯云的含混度均小于等于所述含混度阈值；输出其含混度均小于等于所述含混度阈值的所有的高斯云。
一种基于高斯云变换图像处理方法装置

[发明专利]一种基于三维高斯云变换的彩色图像处理方法及装置-CN201310309949.5有效
发明人：杜鹢;刘玉超;李德毅;李琳;陈桂生 -专利权人：杜鹢;刘玉超;李德毅
申请日： 2013-07-23 - 公布日： 2013-11-13 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于三维高斯云变换的彩色图像处理方法及装置，所述方法包括：通过提取彩色图像每个像素的三基色颜色值，形成所述彩色图像的颜色值数据样本集；按照预设的初始三维高斯云数量m，将所述颜色值数据样本集合成m个三维高斯云；依次将m个三维高斯云的含混度与含混度阈值进行比较，以确定是否存在其含混度大于含混度阈值的三维高斯云；若存在其含混度大于含混度阈值的三维高斯云，则按照将所述数量m逐次减一的方式，重复颜色值数据样本集合成三维高斯云的处理及三维高斯云含混度与含混度阈值比较的处理，直至所有三维高斯云的含混度均小于等于所述含混度阈值；输出其含混度均小于等于所述含混度阈值的所有的三维高斯云。
一种基于三维高斯云变换彩色图像处理方法装置

[发明专利]一种基于高斯混合模型隐变量监督学习的多点云配准方法-CN202111272107.8在审
发明人：王耀南;赵佳文;朱青;毛建旭;张辉;彭伟星;吴昊天;武子杰;唐永鹏 -专利权人：湖南大学
申请日： 2021-10-29 - 公布日： 2022-01-28 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于高斯混合模型隐变量监督学习的多点云配准方法，构建标准点云和待配准点云集合；将标准点云和待配准点云集合建模为同样的高斯混合模型，设置高斯混合模型的超参数为K；设标准点云为高斯混合模型生成的一个样本，使用神经网络求得隐变量，求解最优高斯混合模型参数；设待配准点云集合经刚性变换后配准完成的点云集合为高斯混合模型生成的一个样本，使用神经网络求得隐变量，使用上一步所求最优高斯混合模型参数，求解最优变换参数，使得变换后点云的高斯混合模型与标准点云的高斯混合模型一致；根据上一步所求最优变换参数完成多点云的配准，同时也完成了与标准点云的对齐。其点云配准速度快、配准步骤简单，对噪声鲁棒性好。
一种基于混合模型变量监督学习多点云配准方法

[发明专利]一种基于语义点云的地图构建方法及装置-CN201910951079.9有效
发明人：徐斌峰 -专利权人：北京地平线机器人技术研发有限公司
申请日： 2019-10-08 - 公布日： 2023-06-30 - 主分类号： G06T17/05 文献下载
摘要：公开了一种基于语义点云的地图构建方法及装置，该方法包括：根据语义类型对语义点云数据进行分类，以获得至少一个子点云数据；针对每个类型的所述子点云数据，构建对应的混合高斯地图；基于每个类型的所述子点云数据对应的混合高斯地图进行合并，获得语义混合高斯地图。通过对点云数据根据语义类型进行分类，针对每个类型的子点云数据采用高斯函数对其数据点的高度进行拟合，从而可以通过存储高斯函数的参数的方式来存储高度分布，极大减少了语义混合高斯地图的数据量，从而减小地图占用的存储空间
一种基于语义地图构建方法装置

[发明专利]一种基于高斯加权离散导数的线点云几何特性估算方法-CN201811460397.7有效
发明人：王磊;安毅;马蕊;王晋豫 -专利权人：大连理工大学
申请日： 2018-12-01 - 公布日： 2022-10-04 - 主分类号： G06T17/10 文献下载
摘要：本发明涉及三维点云数据处理与三维场景重建技术领域，一种基于高斯加权离散导数的线点云几何特性估算方法，包括以下步骤：(1)获取线点云数据，(2)计算线点云参数，(3)定义高斯加权离散导数，(4)推导参数化曲线几何特性计算公式，(5)线点云几何特性估算。本发明具有以下优点：一是，利用高斯加权最小二乘，计算离散切线，由切线斜率定义高斯加权离散导数，引入的高斯权重根据邻点到给定点的距离调整其对给定点离散导数的贡献，降低了噪声的影响；二是，利用空间解析几何理论，推导普通参数化曲线的几何特性公式，结合高斯加权离散导数，将经典微分几何离散化，估算线点云的单位切向量和曲率，提升了估算的准确度。
一种基于加权离散导数线点云几何特性估算方法

[发明专利]一种基于空域自然场景统计的遥感图像云检测方法-CN201810352969.3在审
发明人：赵保军;李震;邓宸伟;唐林波;王文正 -专利权人：北京理工大学
申请日： 2018-04-19 - 公布日： 2018-10-09 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于空域自然场景统计的遥感图像云检测方法，由于云区域比较平坦，非对称广义高斯分布的值集中在零附近，所以云区域的非对称广义高斯分布近似尖峰状态；而城市高亮度区域，比较分散，所以非对称广义高斯分布比较平缓；则当待测超像素块的非对称广义高斯分布与云图像的非对称广义高斯分布一致，即波形参数f1与波形参数f2之间的距离，小于波形参数f1与波形参数f3之间的距离，那么待测超像素块判断为云雪区域，否则判断为非云雪区域；这种统计参数距离的方法首次应用于云检测，能够准确地将云区域从可见光波段遥感图像中提取出来。
广义高斯分布非对称波形参数遥感图像云检测自然场景像素块空域高亮度区域可见光波段尖峰状态区域比较统计参数近似平坦统计图像应用

[发明专利]基于高斯云分布与理想点法的供电质量评价方法-CN202210674787.4在审
发明人：陈博;景伟强;张超;丁嘉涵;罗欣;杨建军;陈齐瑞;蒋颖;沈皓;葛岳军;季德伟;谭伟涛 -专利权人：国网浙江省电力有限公司营销服务中心;国网浙江省电力有限公司;浙江华云信息科技有限公司;浙江大学
申请日： 2022-06-14 - 公布日： 2022-10-25 - 主分类号： G06Q10/06 文献下载
摘要：本申请公开了基于高斯云分布与理想点法的供电质量评价方法，包括输入一定时间段内的配电系统量测数据与95598工单结构化数据；构建包括供电可靠性指标集与电能质量指标集在内的供电质量评价指标体系；计算各供电单位在各项评价指标下的指标值，并根据月度数据生成对应的供电质量指标高斯云；基于历史数据与专家经验生成供电质量指标理想高斯云，将供电质量指标理想高斯云与实际高斯云进行对比，计算得到云间相似度；基于云间相似度形成供电质量评估决策矩阵，
基于高斯云分布理想供电质量评价方法

[发明专利]一种无人机航空测绘三维建模方法及系统-CN202210062890.3有效
发明人：王伟立;阚晓云;范建峰;熊小龙;高伟;杨建锋;曾雄 -专利权人：湖北晓雲科技有限公司
申请日： 2022-01-20 - 公布日： 2022-04-15 - 主分类号： G06T5/00 文献下载
摘要：该方法根据噪声分离网络将历史三维点云数据中的基础三维点云数据和噪声三维点云数据分离，进而获得噪声高斯分布。根据噪声因素影响因子预测网络处理历史三维点云数据获得对应的参考客观噪声高斯分布和参考主观噪声高斯分布。根据历史三维点云数据、参考客观噪声高斯分布和参考主观噪声高斯分布分别对客观噪声去除网络和主观噪声去除网络进行训练。将目标三维点云数据逐步输入至客观噪声去除网络和主观噪声去除网络中，获得去噪后的第二去噪三维点云数据。本发明通过多个网络的联合训练，获得准确的去噪网络，通过去噪后的数据进行准确的三维建模。
一种无人机航空测绘三维建模方法系统

[发明专利]基于高斯混合模型和深度-彩色图像的空间障碍判别方法-CN202211149808.7在审
发明人：方丽萍;胡权;李金健;曹凌云;贺子轩 -专利权人：北京理工大学
申请日： 2022-09-21 - 公布日： 2023-07-25 - 主分类号： G06V20/64 文献下载
摘要：本发明公开的基于高斯混合模型和深度‑彩色图像的空间障碍判别方法，属于航空航天技术领域。本发明实现方法为：根据空间环境深度图像与彩色图像，生成空间环境的三维点云模型；采用统计滤波对点云模型进行噪声去除；使用高斯混合模型对空间环境的点云三维坐标进行聚类分析，得到用于判别是否为空间障碍的空间环境点云高斯概率密度分布函数；使用迭代方法选取设定空间障碍判别阈值；将机械臂运动过程中待判定的路径空间三维点坐标输入点云高斯概率密度分布函数中，得到对应的高斯概率密度值，根据待判定的路径空间三维点对应的高斯概率密度值和空间障碍判别阈值对比
基于混合模型深度彩色图像空间障碍判别方法

[发明专利]基于BIRCH聚类和高斯云分布的专变用户健康状况分析方法-CN202010935918.0在审
发明人：龚明波;贺民;林振智;邬程欢;丁国锋;崔幼;唐小淇 -专利权人：国网浙江省电力有限公司宁波供电公司;浙江大学;浙江华云信息科技有限公司
申请日： 2020-09-08 - 公布日： 2021-02-02 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例提出了基于BIRCH聚类和高斯云分布的专变用户健康状况分析方法，包括确定对应专变用户运行健康状况的特征指标，基于已确定的特征指标从专变终端处获取专变用户数据；采用BIRCH聚类方法和高斯云模型形成专变用户运行标准高斯云分布图和实时高斯云分布图进而基于BIRCH聚类方法和高斯云分布，实现达到一定准确率专用变压器运行健康状况评级。
基于 birch 高斯云分布用户健康状况分析方法

[发明专利]全局初始化定位方法、装置和自动驾驶车辆-CN202210974320.1在审
发明人：王鹏飞 -专利权人：九识（苏州）智能科技有限公司
申请日： 2022-08-15 - 公布日： 2022-11-01 - 主分类号： G01C21/30 文献下载
摘要：一种全局初始化定位方法、装置和自动驾驶车辆，所述方法用于图形处理单元，所述方法包括：获取不同分辨率的至少两个高斯混合模型地图，所述高斯混合模型地图是通过将三维点云数据压缩到二维网格结构所得到的，所述二维网格结构中的每个网格维护一个高斯混合模型，所述高斯混合模型用于表征所述网格中点云的高度分布；获取激光雷达采集的点云数据；基于所述点云数据，并行地对多个候选解在所述至少两个高斯混合模型地图下的配准得分进行分支计算，当最高得分为所述候选解在最高分辨率的高斯混合模型地图下的得分时
全局初始化定位方法装置自动驾驶车辆

[发明专利]一种基于颜色直方图匹配原理检测云台运动的方法-CN201010539220.3无效
发明人：莫世英;汪刚 -专利权人：新太科技股份有限公司
申请日： 2010-11-10 - 公布日： 2011-04-06 - 主分类号： G06T7/00 文献下载
摘要：本发明基于颜色直方图匹配原理检测云台运动，其特征在于首先对场景进行高斯背景建模，然后发指令让云台运动，对运动后的场景也进行高斯背景建模，得到云台转动后的场景背景，接着进行累计颜色直方图统计，对比阈值当发生场景改变的块数占总块数的25％，则判断云台在运动，否则则判断云台没有运动。
一种基于颜色直方图匹配原理检测运动方法

[发明专利]基于邻域栅格高斯加权俯视图的点云配准方法-CN202210074375.7在审
发明人：熊彪 -专利权人：武汉称象科技有限公司
申请日： 2022-01-21 - 公布日： 2022-05-17 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了基于邻域栅格高斯加权俯视图的点云配准方法，包括点云俯视图的生成，图像匹配，点云配准以及全局优化四个步骤，通过对点云数据沿着z轴投影成图像并在图像上获取对应的特征匹配从而配准点云。所谓邻域高斯加权的点云投影是在栅格化点云之后，通过计算每个栅格极其邻域中的点到栅格中心的高斯加权密度，最后归一化到灰度图像0‑255的像素范围，图像匹配是在两个灰度图上进行特征查找和匹配，并通过降维来提高配准效率
基于邻域栅格加权俯视图点云配准方法

[发明专利]一种基于神经网络重建高斯混合模型的点云配准方法-CN202111536716.X在审
发明人：左一帆;黄小水;黎盛;夏雪;方玉明 -专利权人：左一帆
申请日： 2021-12-16 - 公布日： 2022-03-01 - 主分类号： G06T7/33 文献下载
摘要：本发明提供一种基于神经网络重建高斯混合模型的点云配准方法，包括获取真实场景相同物体或者场景在噪声和密度差异下的两个点云描述信息，采用基于三维空间变换模块去除点云之间的位姿差异信息；在特征空间中，使用堆叠信息交互模块融合点云数据；基于更新的特征，设计聚类网络预测每个点属于高斯混合模型中各分量的后验概率；通过非迭代方式结合两个点云数据还原目标物体的高斯混合模型，获取两个点云数据之间的变换矩阵，应用变换矩阵完成两个点云数据的配准。
一种基于神经网络重建混合模型点云配准方法

[发明专利]一种基于几何Transformer和高斯混合模型的三维点云配准方法-CN202310158547.3在审
发明人：张海波;海琳琦;王旭;王喜芝;张顺利;耿国华;周明全 -专利权人：西北大学
申请日： 2023-02-23 - 公布日： 2023-06-30 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于几何Transformer和高斯混合模型的三维点云配准方法，包括：步骤1，通过三维扫描仪获取多个视角的三维点云；步骤2，首先利用PointNet网络提取两片点云的局部特征，后将单个点云的局部特征与两点云的全局特征进行特征融合；步骤3，再利用带有几何关系编码的Transformer网络来识别两片点云间的重叠区域；步骤4，使用高斯混合模型来表示输入的点云，利用点云特征、重叠分数、概率矩阵计算得到匹配参数；步骤5，从匹配的高斯混合模型(GMM)参数中计算匹配矩阵，完成三维点云的配准。本发明提供的三维点云配准方法在两片点云包含大量噪声和异常点情况下仍能快速并精确地完成三维点云配准任务。
一种基于几何 transformer 混合模型三维点云配准方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条