本发明公开了一种融合三维激光雷达和单目相机的3D目标检测方法，步骤1，单目相机标定；步骤2，获取相机图像并检测到2D目标对象和目标类别；步骤3，获取三维激光雷达的点云并预处理；步骤4，对预处理后的点云进行地面剔除；步骤5，对地面剔除后的点云进行聚类，得到聚类后的点云和各类点云对应的3D边界框；步骤6，对聚类后的点云进行分类并进行非目标剔除；步骤7，基于非目标剔除后点云和3D边界框获取2D投影框；步骤8，基于2D目标对象和2D投影框，输出融合后的3D目标点云。本发明可提升目标物体3D点云检测的准确性，提高融合的精度。
📄 2022105524722
📂 G06V20_64
👤 浙江工业大学
📅 2022-05-18
本发明公开了一种基于散乱点云谱投票学习的三维空间物体检测方法，包括如下步骤：步骤S1、通过激光雷达扫描获取散乱点云数据；步骤S2、将步骤S1中获取的点云数据作为谱投票网络的输入，其中谱投票网络包括谱图卷积模块、下采样模块和投票模块；步骤S3、点云数据输入谱投票网络后通过谱图卷积模块进行特征提取；步骤S4、经过谱图卷积模块提取得到的特征作为下采样模块的输入；步骤S5、将下采样模块的输出作为投票模块的输入；步骤S6、通过抽样分组对谱投票网络的输出进行聚类；步骤S7、将投票聚类作为目标生成模块的输入，生成目标提案；步骤S8、对目标提案进行非极大抑制处理，得到三维物体检测结果。
📄 2022111915403
📂 G06V20_64
👤 燕山大学
📅 2022-09-28
本发明公开了一种基于子流型稀疏卷积的三维目标点云识别的方法，包括如下步骤：S1获取目标场景的初始点云；S2获取目标点云局部特征；S3将子流型卷积网络的输出作为两个相同的MLP网络的输入；S4将第一个MLP网络输出到交叉熵损失函数；S5将第二个MLP网络输出到两个基于注意力机制的图卷积神经网络，最后输出到平方误差损失函数；另外将第二个MLP网络不经图卷积神经网络直接输出到平方误差损失函数；S6选用交叉熵损失函数和平方误差损失函数之和作为网络模型总损失函数，根据总损失函数值的大小，进行网络模型的反向训练，本发明加快网络训练速度，提高识别正确率，改善占用内存空间大的缺陷，实现快速高效的三维目标识别。
📄 2021106623720
📂 G06V20_64
👤 燕山大学
📅 2021-06-15
本发明提供一种基于改进YOLOv3‑tiny算法的港口抓斗检测方法，包括：将图像提取装置正对抓斗安装，并将其设置为跟随抓斗的工作模式；采集港口抓斗的图像数据，获取网络训练样本以及测试样本；利用测距传感器、角度传感器测得水平面与垂直面的大臂旋转角度信息和抓斗所在的三维信息共同确定了抓斗的唯一位置信息；利用改进YOLOv3‑tiny算法对网络模型进行训练，获得抓斗检测模型；利用训练后的抓斗检测模型权重对测试集的图片以及港口作业视频进行测试，并得到测试结果。本发明在抓斗运行的过程中提高了作业速度，缩短循环周期，自动实现对抓斗位置的实时检测，使得作业效率得到提高的同时又节省了人力资本，在港口作业方面具有很大的价值与意义。
📄 2019111151188
📂 G06V20_64
👤 燕山大学
📅 2019-11-14
本发明公开了一种面向轴类和轮盘类三维模型的图像化表征方法，属于及三维模型表征以及检索领域，包括以下步骤：S1、轴类和轮盘类三维模型扫描，具体为读取三维模型，初始化径向旋转扫描算法的参数，构建svg画布，应用线段求交器进行径向步进扫描，求解三维模型的空间信息并存入svg画布中，制作母三维模型与候选三维模型的特征图谱；S2、母三维模型与候选三维模型的相似度计算，具体为读取特征图谱并进行阈值分割，转为特征矩阵，根据特征矩阵进行母三维模型与候选三维模型的相似度计算，并储存相似度结果。本发明通过将轴类和轮盘类的三维模型转换为对应图像并进行相似度计算，实现了三维模型快速检索与重用。
📄 2021115284222
📂 G06V20_64
👤 燕山大学
📅 2021-12-14
本发明公开了一种基于摄像头的魔方状态实时识别方法及系统，方法包括：通过对目标魔方对象的摄像图像进行图像分割处理，得到一系列分割好的对象区域，每个对象区域配置对应的独立编号；通过平行四边形对每个独立编号的所述对象区域进行区域拟合，确定图像上存在的所有平行四边形区域；根据各个平行四边形区域，对各个平行四边形区域进行聚合，确定目标魔方对象的各个面的状态。本发明实施例能够识别魔方色块的状态，准确性高且速度快，可广泛应用于计算机技术领域。
📄 2024118075985
📂 G06V20_64
👤 广州大学
📅 2024-12-10
本发明属于石油工程技术领域，具体涉及一种特高含水油水两相流油泡识别方法。该发明专利包含以下步骤：1、搭建PIV油水两相流油泡识别系统，选取初始油泡；2、运用灰色系统理论SGM(1,1)模型，对油泡Oil质心坐标的位置进行预测；3、对油泡Oil进行识别匹配；4、对任意相邻两帧图像中的油泡进行全局匹配。本发明提高了油泡识别速度和准确率，为油水两相流流动特性研究奠定了基础。
📄 2023114930255
📂 G06V20_64
👤 苏州工学院
📅 2023-11-10
本发明提供一种基于注意力机制的毫米波雷达与视觉融合的三维目标检测方法，包括数据采集与处理步骤：采集时间近似同步的毫米波雷达点云与视觉图像数据；融合步骤：将毫米波雷达点云数据从雷达坐标系转换到相机坐标系实现空间同步后进行预处理操作，提取点云框内目标点云的速度和深度信息构建雷达矩阵数据完成雷达信息提取；再在融合框架中通过神经网络提取图像特征图和雷达特征图并结合注意力机制进行特征融合得到融合特征图；检测步骤：将融合特征图进行上采样输入至分支卷积网络，对分支卷积的输出信息进行解码后得到目标的类别和三维信息。本发明高效地融合了视觉图像数据与毫米波雷达数据，有效提高了复杂场景下三维目标检测的准确率和可靠性。
📄 2022103996038
📂 G06V20_64
👤 电子科技大学
📅 2022-04-15
本发明公开了一种基于单目视觉和雷达伪图像融合的三维目标检测方法，包括步骤：获取单目视觉和毫米波雷达点云数据对图像进行语义分割获取目标的二维边框与像素点分类得分；对初始毫米波雷达点云数据进行预处理操作；基于雷达点云和图像语义分割信息生成语义雷达伪图像；将视觉图像和语义雷达伪图像分别输入到卷积神经网络中进行特征融合；将融合特征图输入到检测网络中回归得到三维目标信息。本发明将光学图像与毫米波雷达点云信息进行有效融合，在雷达信息中加入图像分割所得的语义信息在与视觉进行融合，解决雷达点云缺少纹理信息的问题，实现两种模态信息的优势互补，具有提高三维目标检测系统准确率和鲁棒性的优点。
📄 2022104465248
📂 G06V20_64
👤 电子科技大学
📅 2022-04-26
本发明属于地面激光雷达点云数据处理技术领域，具体涉及一种基于图论的单木点云枝叶分离方法。本发明基于地面激光雷达获取的多站扫描单木点云数据，依次经历构建图、分层聚类、初始枝干提取和最终枝干提取，建立用于区分单木点云枝叶组分的单木点云枝叶分离方法。本发明充分利用了图的最短路径信息，不依赖先验知识和机器学习，在保证分类精度的同时具有精简高效的特点，为单木点云进行枝叶分离提供了一种新的思路，并可进一步应用于森林参数提取、智慧林业、植被辐射传输建模等领域。
📄 2022106428332
📂 G06V20_64
👤 电子科技大学
📅 2022-06-08
本发明公开了一种三维探地雷达地下病害识别模型复杂环境自适应训练方法，属于计算机模型技术领域，包括获取源域数据集Ds和目标域数据集Dt；构造三维编解码网络；用DS训练三维编解码网络得到基础模型；用Dt训练学生模型优化伪标签；基于混合权重构造混合域数据集训练学生模型，训练时用教师模型生成混合域数据集内样本的伪标签，以最小化联合损失更新学生模型，并用EMA方式更新教师模型。本发明用于在地下病害数据存在域差异训练更新，实现跨域地下病害检测的复杂环境需求。具有三维语义分割精度高、边界识别能力强、跨域环境自适应能力与泛化性能的突破性增强、及计算效率与资源消耗优化的特点。
📄 2025107595868
📂 G06V20_64
👤 成都理工大学
📅 2025-06-09
本公开提供了一种检测方法、装置、电子设备及存储介质，该方法包括：获取二维图像；基于获取的二维图像，构建二维图像中的至少一个待检测对象分别对应的结构化多边形；一个待检测对象的结构化多边形表征该待检测对象的三维边界框在所述二维图像上的投影；针对每个待检测对象，基于该待检测对象的高度、以及该待检测对象对应的结构化多边形中竖边的高度信息，计算结构化多边形中顶点的深度信息；基于计算得到的结构化多边形中顶点的深度信息，以及结构化多边形的顶点在二维图像中的二维坐标信息，确定待检测对象对应的三维空间信息，待检测对象的三维空间信息与待检测对象的三维边界框相关。
📄 2020100602887
📂 G06V20_64
👤 深圳市商汤科技有限公司
📅 2020-01-19
柿子坊 · 知识产权运营
柿子坊知识产权运营平台