Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东大学;山东亚历山大智能科技有限公司周军获国家专利权

山东大学;山东亚历山大智能科技有限公司周军获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉山东大学;山东亚历山大智能科技有限公司申请的专利基于图像识别的三维点云聚类识别方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN113935428B

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202111240857.7,技术领域涉及:G06V10/762;该发明授权基于图像识别的三维点云聚类识别方法及系统是由周军;林乐彬;欧金顺;李留昭;皇攀凌;赵一凡;孟广辉设计研发完成,并于2021-10-25向国家知识产权局提交的专利申请。

基于图像识别的三维点云聚类识别方法及系统在说明书摘要公布了:本公开提供了一种基于图像识别的三维点云聚类识别方法及系统,包括获取待识别区域的图像数据及其对应的点云数据;对所述图像数据及点云数据进行预处理;基于所述图像数据及预先训练的深度学习模型,进行目标实例的识别;获取目标实例的深度数据,基于所述深度数据确定目标实例在点云中的投影位置;在所述投影位置,基于聚类算法对所述点云数据进行可视化分割,获得聚类识别结果。所述方案通过将光学传感器和激光雷达相融合,利用光学传感器易于获取数据的特点,采用基于深度学习的视觉识别和深度定位的方案来实现三维点云的聚类识别,提高了聚类识别的准确性及稳定性。

本发明授权基于图像识别的三维点云聚类识别方法及系统在权利要求书中公布了:1.一种基于图像识别的三维点云聚类识别方法,其特征在于,包括: 获取待识别区域的图像数据及其对应的点云数据; 对所述图像数据及点云数据进行预处理;其中,所述预处理包括对所述点云数据进行RANSAC分割方法去除地面点得到滤波后的点云数据;具体的,根据激光雷达的安装初步筛选掉地面点云数据,利用RANSAC算法去除地面点,即设定置信度P,迭代次数k,距离阈值d,从初步筛选后的点云数据中随机选取三个点,,,计算出一个平面模型,任取一点到平面的距离时认为选取的点在平面内,遍历所有点,所有点中在平面内的点概率表示为,更新迭代次数,所有平面中含有最多点的平面为地面点,当迭代次数大于k时退出,得到滤波后的点云数据; 基于所述图像数据及预先训练的深度学习模型,进行目标实例的识别;其中,所述预先训练的深度学习模型,采用YOLACT网络模型,其训练过程为:获取双目相机的单目图像数据,并对所述单目图像数据进行目标实例标注,形成训练集;利用所述训练集对深度学习模型进行训练,利用训练好的深度学习模型进行目标实例的识别; 获取目标实例的深度数据,基于所述深度数据确定目标实例在点云中的投影位置;所述目标实例的深度数据的获取,基于目标实例的深度检测方法,并对多帧图像的深度取均值,获得目标实例的平均深度;将要检测的目标实例图像的像素位置传入到深度计算程序中:调用底层驱动程序得到其中一个分割后的实例,对其进行标注得到一个索引值;计算分割出的实例区域的每个像素的深度,求和后取平均值;根据索引值连续计算多帧图像求出该分割实例的深度,求得平均值,得到分割实例的平均深度,得到目标实例中心点在相机坐标系下的位置坐标,并将检测目标实例到相机的相对距离显示到带有检测框的图像上; 在所述投影位置,基于聚类算法对所述点云数据进行可视化分割,获得聚类识别结果; 所述投影位置的确定,具体为:基于目标实例的深度数据确定目标实例相对于采集装置的位置信息,基于所述位置信息确定目标实例投影到点云数据中的位置;其中,将目标实例位置投影到点云中,所述目标实例的位置由得出,其中,为目标实例中心点在相机坐标系下的位置坐标;在处采用基于KD-Tree的近邻查询算法,设定距离阈值,点云为三维数据,分别将n个点在x,y,z方向上的值从小到大排列,得到集合,以x方向为例,划分阈值m可由下式求得: 由开始,从KD-Tree的根节点开始比较,对于,时访问左子树,否则访问右子树,直到到达叶子节点,此时叶子节点为当前最近邻点,其与的距离为,访问所有搜索路径,在此过程中发现到距离小于的节点则更新为最近邻点,直到经过所有路径;通过KD-Tree找到k个离最近的点,在k个点中采用DBSCAN密度聚类,设置一个聚类最少点数MinPts,遍历k个点,若某点在半径Eps的范围内点数多于MinPts,则认为该点是核心点,新建聚类并将所有邻域点加入聚类,同时对于邻域点中的核心点,递归地把核心点的邻域点加入聚类,直到无点可加入聚类中,退出聚类过程,形成点云的3D预选框,并将识别出的语义信息标注在3D预选框中,输出聚类结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山东大学;山东亚历山大智能科技有限公司,其通讯地址为:250061 山东省济南市历下区经十路17923号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。