管海燕
- 作品数:10 被引量:11H指数:2
- 供职机构:南京信息工程大学更多>>
- 发文基金:国家自然科学基金浙江省自然科学基金浙江省教育厅科研计划更多>>
- 相关领域:天文地球自动化与计算机技术建筑科学更多>>
- 基于胶囊特征金字塔的道路裂缝检测方法和存储介质
- 本申请涉及一种基于胶囊特征金字塔的道路裂缝检测方法、装置、计算机设备和存储介质。通过将输入的待检测裂缝图像通过基于特征金字塔的从下而上模块进行特征提取,获得各裂缝胶囊特征,各所述裂缝胶囊特征的分辨率和尺度都不同;通过所述...
- 管海燕于永涛曹爽许正森
- 文献传递
- 基于点云数据的工业构件仿真安装方法
- 本发明公开了一种基于点云数据的工业构件仿真安装方法,从点云数据出发,利用筒形构件的面耦合及轴对齐的几何关系,构建几何约束条件,列出线性方程,通过迭代解求出构件之间仿真安装的变换矩阵,从而实现基于点云数据的工业构件仿真安装...
- 曹爽赵显富管海燕
- 文献传递
- 车载LiDAR数据的道路裂缝信息自动提取被引量:8
- 2018年
- 针对传统道路裂缝检测工作中存在的问题,该文提出了一种利用车载LiDAR数据的道路裂缝信息自动提取方法。车载LiDAR系统能够在正常车速条件下直接获取道路及其两侧各种地物的高精度、高密度表面三维数据。为了提高数据处理效率,将三维LiDAR数据转换成二维强度特征影像数据。张量投票算法根据平滑度、邻近度及连续性约束原则,通过结构特征的张量表示和非线性投票能够从稀疏的、噪声的数据中推断显著性结构。通过实验分析,该方法不仅适用于激光点云生成的强度特征影像数据的裂缝提取,还适用于光学影像数据的裂缝提取,且提取精度在90%左右。
- 成斌管海燕季秋菊朱浩朋库巴尼其别克.呼杰克
- 关键词:张量投票
- 基于多尺度卷积-多核池化的高分辨率影像水体提取方法
- 本发明公开了一种基于多尺度卷积‑多核池化的高分辨率影像水体提取方法,方法包括获取目标影像,基于自适应直方图均衡化算法对目标影像进行预处理,获取更新的目标影像,将更新的目标影像输入至训练好的多尺度卷积‑多核池化的编码‑解码...
- 管海燕康健曹爽
- 文献传递
- 基于多尺度卷积-多核池化的高分辨率影像水体提取方法
- 本发明公开了一种基于多尺度卷积‑多核池化的高分辨率影像水体提取方法,方法包括获取目标影像,基于自适应直方图均衡化算法对目标影像进行预处理,获取更新的目标影像,将更新的目标影像输入至训练好的多尺度卷积‑多核池化的编码‑解码...
- 管海燕康健曹爽
- 基于胶囊特征金字塔的道路裂缝检测方法和存储介质
- 本申请涉及一种基于胶囊特征金字塔的道路裂缝检测方法、装置、计算机设备和存储介质。通过将输入的待检测裂缝图像通过基于特征金字塔的从下而上模块进行特征提取,获得各裂缝胶囊特征,各所述裂缝胶囊特征的分辨率和尺度都不同;通过所述...
- 管海燕于永涛曹爽许正森
- 基于点云数据的工业构件仿真安装方法
- 本发明公开了一种基于点云数据的工业构件仿真安装方法,从点云数据出发,利用筒形构件的面耦合及轴对齐的几何关系,构建几何约束条件,列出线性方程,通过迭代解求出构件之间仿真安装的变换矩阵,从而实现基于点云数据的工业构件仿真安装...
- 曹爽赵显富管海燕
- 文献传递
- 基于张量投票的道路表面裂缝检测被引量:3
- 2015年
- 以车载LiDAR数据为对象,提出一种基于多尺度张量投票技术的道路表面裂缝提取方法.首先沿行车路线从剖面图中提取道路路坎,通过行车轨迹线约束提取道路数据.再根据强度和距离信息将道路数据转换成二维特征图像,采用多尺度张量投票法增强特征图像的裂缝信息提取道路表面裂缝.利用点云数据和道路影像数据进行实验验证,结果表明该方法抗噪能力强,裂缝检测质量高.
- 李爱霞管海燕钟良于永涛
- 关键词:张量投票裂缝
- 基于特征增强核点卷积网络的多光谱LiDAR点云分类方法
- 2023年
- 多光谱LiDAR系统可同时提供目标地物的三维空间和光谱的信息,为地物识别、土地覆盖分类以及场景理解提供了便利。针对目前大规模多光谱LiDAR点云几何信息挖掘不充分与数据处理效率低问题,本文提出一种利用局部点云几何信息增强特征的端到端连续核点卷积网络—特征增强核点卷积网络的机载多光谱LiDAR点云分类方法。该网络是一个编解码结构,网络结构中结合随机采样与最远点采样快速处理大规模多光谱LiDAR点云,保证采样效率的同时减少随机采样导致的关键几何结构信息缺失。为提高多光谱LiDAR点云数据语义信息表达,设计了基于连续可变卷积的增强卷积模块,在聚合局部特征的同时,利用邻近点与中心点的位置关系增强赋予核点的局部特征;最后结合加权标签平滑损失与Lovasz-Softmax损失进一步提升多光谱LiDAR点云分类性能。通过对加拿大Optech公司的Titan多光谱LiDAR点云数据集的实验表明,本文所提出的特征增强核点卷积网络的综合精度、macro-F1指数和mIoU值分别为96.80%、88.51%和83.42%,相较于同类型网络在多光谱LiDAR点云分类性能上具有一定优越性;使用格网采样与KD-Tree结合更好地保留原始点云的几何特征;在单批次65536个点情况下,点云采样时间较同类多光谱LiDAR点云分类网络减少28261.79 ms,实现快速处理海量点云。实验结果证明了特征增强核点卷积网络在多光谱LiDAR点云分类任务上的潜力。
- 陈科管海燕雷相达曹爽
- 关键词:卷积神经网络损失函数
- 基于深度学习的点云数据地物分类方法、系统与存储介质
- 本发明公开了一种基于深度学习的点云数据地物分类方法、系统与存储介质,包括获取各场景点云数据集分别所对应的单一融合点云数据集,并获得该场景所对应的各个子样本,对子样本中单一点云数量降采样至预设值,获得各个子样本的模型图结构...
- 管海燕赵沛冉曹爽
- 文献传递