[发明专利]基于激光点云图模型的云分割方法及设备有效
申请号: | 202111518690.6 | 申请日: | 2021-12-14 |
公开(公告)号: | CN113920149B | 公开(公告)日: | 2022-03-01 |
发明(设计)人: | 陈欢欢;卢奕;黄不了;汪勇;朱云慧;黄恩兴;江贻芳;于娜;高健;李建平;王力 | 申请(专利权)人: | 星际空间(天津)科技发展有限公司;中国科学技术大学 |
主分类号: | G06T7/162 | 分类号: | G06T7/162 |
代理公司: | 天津三元专利商标代理有限责任公司 12203 | 代理人: | 胡畹华 |
地址: | 300384 天津市西青*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种基于激光点云图模型的云分割方法及设备,该方法包括:提取激光点云中各个点之间的关联特征;根据激光点云中各个点之间的关联特征为激光点云构建图模型;根据图模型为激光点云中缺失颜色特征的点进行特征补充;基于特征补充后的激光点云进行点云分割。本发明不仅避免了不同类别的相近点对彼此识别分割的干扰,还能为点云中的每个点提供额外的信息,进而克服缺失点云颜色信息为云分割带来的阻碍,实现更好的点云分割效果。 | ||
搜索关键词: | 基于 激光 云图 模型 分割 方法 设备 | ||
【主权项】:
暂无信息
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于星际空间(天津)科技发展有限公司;中国科学技术大学,未经星际空间(天津)科技发展有限公司;中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/202111518690.6/,转载请声明来源钻瓜专利网。
- 同类专利
- 使用图案化床单进行测量校准-202080066623.2
- 阿萨夫·格拉泽尔;托尔·伊夫里;阿姆农·卡尔尼;德罗尔·波拉特;亚纳伊·维克托·安克里;斯万·赫维兹;纳塔利·巴奈特 - 乌迪森斯公司
- 2020-12-21 - 2022-05-03 - G06T7/162
- 一种用于摄影测量的方法,包括提供床单(56),该床单(56)具有根据图案模板(66)印刷在其上的一个或更多个图案(58、62),该图案模板(66)定义了一个或更多个图案在模板坐标系中的相应位置。在图像坐标系中接收躺在被床单覆盖的床(24)上的人(26)的图像(60)。处理图像以便识别图像中的一个或更多个图案并将在图像中识别的一个或更多个图案与图案模板中的一个或更多个图案进行匹配。基于匹配的图案计算图像坐标系和模板坐标系之间的变换。通过将计算的变换应用于人的图像来测量人的尺寸。
- 基于激光点云图模型的云分割方法及设备-202111518690.6
- 陈欢欢;卢奕;黄不了;汪勇;朱云慧;黄恩兴;江贻芳;于娜;高健;李建平;王力 - 星际空间(天津)科技发展有限公司;中国科学技术大学
- 2021-12-14 - 2022-03-01 - G06T7/162
- 本发明提供了一种基于激光点云图模型的云分割方法及设备,该方法包括:提取激光点云中各个点之间的关联特征;根据激光点云中各个点之间的关联特征为激光点云构建图模型;根据图模型为激光点云中缺失颜色特征的点进行特征补充;基于特征补充后的激光点云进行点云分割。本发明不仅避免了不同类别的相近点对彼此识别分割的干扰,还能为点云中的每个点提供额外的信息,进而克服缺失点云颜色信息为云分割带来的阻碍,实现更好的点云分割效果。
- 一种基于正则化图割的大脑组织分割方法-201811166740.7
- 章品正;李艺飞;孔佑勇;伍家松;杨淳沨;舒华忠 - 东南大学
- 2018-10-08 - 2021-11-02 - G06T7/162
- 本发明公开了一种基于正则化图割的大脑组织分割方法,首先基于强度距离和空间相似度,设计新的体素间相似度计算方法,从而对体素进行聚类,把大脑MRI图像分割为一系列均匀并且较好地贴合图像边缘的超体素;随后明通过把大脑不同组织的先验概率融入到图割框架中,设计一个能量计算公式,计算每个超体素在分配不同标签时各个部分的能量值,从而使用图割方法对超体素分割,把Magnetic Resonance Imaging(MRI)图像分割成不同的组织。本发明能够从最初的脑部MRI分割出三种脑组织,分割结果中各个组织间边界贴合度高。与已有的MRI图像分割方法相比,本发明分割效果更好,边界贴合度更高,效率更高,处理速度更快,可以较好地抑制噪声的影响。
- 用于标识卫星影像中的云和云影的机器学习技术-201980068622.9
- 佘颖;P·卡德卡;关伟;杨晓苑;D·德维西吉尔 - 克莱米特公司
- 2019-10-18 - 2021-06-01 - G06T7/162
- 本文描述了用于标识卫星影像中的云和云影的系统和方法。在实施例中,系统接收使用一个或多个频带产生的农艺田地的多个图像。该系统还接收标识图像中云位置和云影位置的对应数据。该系统将图像用作输入并且将把像素标识为云像素或非云像素的至少数据用作输出来训练机器学习系统以标识至少云位置。当系统接收使用一个或多个频带产生的特定农艺田地的一个或多个特定图像时,系统将一个或多个特定图像用作到机器学习系统的输入,以将一个或多个特定图像中的多个像素标识为特定云位置。
- CT中的自动肝脏分割-201980038688.3
- 宋璧;K-K·A·黄;刘明昌 - 索尼公司
- 2019-06-10 - 2021-03-23 - G06T7/162
- 用于CT图像中的自动器官分割的方法包括:在第一步骤中,大致的区域分割;在第二步骤中,粗略的器官分割;以及在第三步骤中,器官分割的细化。器官可以是肝脏。大致的区域分割可以包括将标准的解剖知识应用到CT图像。粗略的分割可以包括使用概率模型来识别器官体素。器官分割的细化可以包括基于强度的细化,随后是基于形状的细化。也公开了被配置为完成该方法的装置。
- 一种基于超体素的点云数据分割方法-201611111975.7
- 王泉;杨鹏飞;田玉敏;罗楠;姜媛媛 - 西安电子科技大学
- 2016-12-06 - 2019-11-08 - G06T7/162
- 本发明公开了一种基于超体素的点云数据分割方法,通过考虑点云数据的三维几何关系和区域连通性,利用聚类的方法将点云数据进行过分割,得到依附于目标边界的超体素;计算超体素数据平面拟合的残差值,依该值对其进行排序和筛选得到有效的种子超体素,并利用法线分布直方图、测地距离和欧式距离的差值进行区域增长,最终实现对点云数据的分割处理。以室内局部场景的点云数据作为输入,通过利用超体素和区域增长算法实现点云数据的精确分割。本发明与传统的点云分割方法相比,在保证分割效率的前提下,避免了直接处理点云数据所导致的欠分割和过分割问题,得到具有精确边界信息的分割结果,而且分割方法对点云数据的采样密度和噪音是健壮的。
- 一种基于纹理块匹配的图案匹配方法-201910265008.3
- 陈佳舟;郑佳;陈樟樟;秦绪佳 - 浙江工业大学
- 2019-04-03 - 2019-07-23 - G06T7/162
- 基于纹理块匹配的图案匹配方法,能够允许用户通过极少的交互实现高精度、高一致性的民族文化图案分割,同时能够提高矢量化等民族文化图案数字化分析的质量。本发明包括以下步骤:首先使用全局的块匹配找到与用户指定的图案相似的所有图案;接着,利用局部块匹配检测相似图案之间的旋转关系,并进一步通过带约束的块匹配建立它们之间的稠密对应;最后,利用本文提出的协同优化模型,实现对所有相似图案的分割协同优化。本发明具有交互少、精度高、保结构等优点,还能保证相似图案之间的分割一致性,对改善诸如矢量化等民族文化图案的数字化分析有促进作用。
- 一种基于有监督显著性检测的目标跟踪方法-201710173134.7
- 杨育彬;朱尧;朱启海;毛晓蛟 - 南京大学
- 2017-03-22 - 2019-06-25 - G06T7/162
- 本发明公开了一种基于有监督显著性检测的目标跟踪方法,包含:将当前帧的搜索区域分割为超像素并提取目标和背景的超像素特征,利用SVM学习目标的判别式表观模型。每来新一帧的图像,对搜索区域进行超像素分割,利用基于图模型的流形排序进行第一阶段的显著性检测。根据判别式表观模型计算新一帧图像中每个超像素属于目标的概率,调整分类结果并结合第一阶段的显著性检测选取随机游走的种子点,通过随机游走得到第二阶段显著图。将显著图与分类结果加权得出置信图,对置信图进行处理后用积分图法估计目标新的位置和尺度。本发明能够有效处理快速运动和形变等问题,从而实现鲁棒的跟踪。
- 一种基于图构造的高光谱遥感影像异常目标探测方法-201610156118.2
- 杜博;赵锐;张良培;张乐飞 - 武汉大学
- 2016-03-18 - 2018-09-07 - G06T7/162
- 本发明公开了一种基于图构造的高光谱遥感影像异常目标探测方法,本发明将图构造方法运用于高光谱遥感影像异常目标探测可以在无需先验模型假设的情况下,对高光谱遥感影像数据从其自身特性出发进行数据自分析,从而得到高光谱遥感影像数据中的拓扑关系。通过不同的图构造方式可以得到高光谱遥感影像数据中相应的信息,如稳健背景与潜在异常目标的分割、表征数据本征维度的嵌入特征以及通过建立临近图获取影像数据中各像元异常度积分等。通过运用不同的图构造方式逐步提取高光谱遥感影像中的潜在异常信息、嵌入特征以及异常度积分,可在不需先验模型假设的情况下,通过数据自分析,对影像中的背景进行极好地抑制,同时突出异常目标。
- 一种基于深度学习的免交互式GrabCut舌体分割方法-201711133796.8
- 王丽冉;汤一平;何霞;陈朋;袁公萍;金宇杰 - 浙江工业大学
- 2017-11-16 - 2018-06-01 - G06T7/162
- 一种基于深度学习的免交互式GrabCut舌体分割方法,包括用于舌整体特征提取的深度卷积神经网络、用于对舌体区域初步检测的感兴趣区域定位网络、用于对感兴趣区域进行深层抽象特征提取的深度卷积神经网络以及用于对舌象进行分割的GrabCut算法。本发明有效的解决了现有的GrabCut算法在对舌体进行分割时过分依赖于人工交互的问题,提高了GrabCut算法在舌体分割中的自动化程度。
- 基于CUDA的多图谱三维脑图像快速分割方法-201710977831.8
- 黄海亮;颜成钢;付祖贤;赵崇宇 - 杭州电子科技大学
- 2017-10-17 - 2018-04-06 - G06T7/162
- 本发明公开了一种基于CUDA的多图谱三维脑图像快速分割方法。本发明运用块的稀疏表示方法进行多图谱标签融合算法的基础上,将特定的ROI区域的并集提取出来并进行适当的膨胀,并建立索引。在GPU中求取权重和标签,所有需要处理的点并行运行得到块向量、块的预选择、块的正则化、权重计算以及确定标签。同时利用NVIDIA的统一计算设备架构,转化为CUDA线程块并行计算过程,使部分程序在GPU中加速执行,在保证一定的分割精度下,显著地提高了算法的运算速度。本发明方法并行部分主要在解l1范数优化问题,很多只要是涉及到解l1范数优化的问题,都可以通过本发明方法更加快速地解决,所以本发明更加具有普适性。
- 基于节点匹配对的直线段与直线段的自动分割方法-201710904539.3
- 虞昌彬;夏俊;赵志刚;贺彪;李霖;董玉鹏 - 浙江大学宁波理工学院
- 2017-09-29 - 2018-03-23 - G06T7/162
- 本发明提供一种基于节点匹配对的直线段与直线段的自动分割方法,所述方法应用于第一直线段与第二直线段的自动分割过程,所述方法包括步骤S1、构建节点至直线段的节点匹配对的总个数;S2、构建第一直线段和第二直线段之间的所有顶点匹配类型;S3、将第一直线段与第二直线段之间的所有顶点匹配类型进行形式化表达;S4、确定第一直线段和第二直线段之间所有的顶点匹配类型的实现方式;S5、于第一直线段与第二直线段实交时计算交点的坐标。利用上述基于节点匹配对的直线段与直线段的自动分割方法,将匹配对概念引入直线段与直线段的自动分割方法中,提供了一种新的方法来实现了直线段与直线段的自动分割。
- 一种基于交互式图像分割的立体匹配方法-201510373989.5
- 刘侍刚;王雅宁 - 陕西师范大学
- 2015-06-30 - 2018-03-06 - G06T7/162
- 本发明涉及一种基于交互式图像分割的立体匹配方法,其是采用基于交互式图像分割的图割算法分割出用户感兴趣物体,由分割模版生成优化的网络图,调用图割算法对网络图进行最小分割计算,生成视差图,得到立体匹配结果,本发明有效利用了分割信息,减少了运算量,利用图割算法全局最优的特性得到了精确的匹配结果,实验结果表明本发明方法对于遮挡、深度不连续、光照变化、低纹理、无纹理区域等均取得了良好的效果,并且在运算时间和计算精度上都有明显的提高。
- 专利分类