-
题名可控随机城市生成方法
- 1
-
-
作者
熊风光
尹宇慧
林雄彬
刘磊
郭锐
-
机构
中北大学计算机科学与技术学院
-
出处
《计算机工程与设计》
北大核心
2023年第4期1198-1205,共8页
-
基金
国家重点研发计划基金项目(2018YFB2101504)
山西省重点研发计划基金项目(201903D121147)
+1 种基金
山西省自然科学基金项目(201901D111150、201901D111149)
山西省回国留学人员科研基金项目(2020-113)。
-
文摘
针对目前虚拟城市建模存在的不灵活、开发效率低下等缺点,提出一种可控随机虚拟城市过程化生成方法。不依赖于道路和建筑物等图像测量数据,基于用户设定的城市规模、街区尺寸、河道、功能分区等约束条件,结合城市规划原理,通过一系列过程化生成方法,快速且灵活地构建格局合理、拟真度较高的大规模虚拟城市三维场景。实验结果表明了该方法的有效性和自动建模的便携性。
-
关键词
城市建模
虚拟城市
过程式建模
前沿推进法
城市路网
城市规划
三维模型生成
-
Keywords
urban modeling
virtual city
procedural modeling
advancing front technique
urban road network
city planning
three-dimensional model generation
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名多特征提取与匹配矩阵驱动的点云配准
被引量：1
- 2
-
-
作者
刘磊
熊风光
尹宇慧
郭锐
薛红新
韩燮
-
机构
中北大学计算机科学与技术学院
山西省发展和改革委员会
-
出处
《计算机工程与设计》
北大核心
2023年第5期1419-1426,共8页
-
基金
国家自然科学基金项目(62106238)
山西省自然科学基金项目(201901D111150)
+2 种基金
山西省自然科学基金项目(201901D111149)
山西省回国留学人员科研基金项目(2020-113)
山西省科技成果转化引导专项基金项目(202104021301055)。
-
文摘
针对三维点云配准时容易受到噪声、奇异值等不利因素影响的问题,提出一种多特征提取与匹配矩阵驱动的点云配准方法。利用多特征提取模块提取稳健的关键点和关键点的局部几何特征;分别计算出关键点的特征匹配矩阵和空间匹配矩阵,并对二者进行融合,提高正确匹配点对的概率;在前两方法的驱动下,利用加权奇异值分解计算点云间的刚体变换矩阵,降低噪声和奇异值等因素对配准的影响。实验结果表明,所提方法与现有的点云配准方法相比,具有更高的配准精度和较强的鲁棒性。
-
关键词
三维点云
多特征提取
局部几何特征
匹配矩阵
匹配点对
加权奇异值分解
刚体变换
-
Keywords
3D point cloud
multiple feature extraction
local geometric features
matching matrix
match point pair
weighted singular value decomposition
rigid transformation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进残差池化层的纹理识别
- 3
-
-
作者
郭锐
熊风光
谢剑斌
尹宇慧
刘磊
-
机构
中北大学大数据学院
山西省视觉信息处理及智能机器人工程研究中心
-
出处
《计算机技术与发展》
2023年第9期37-44,共8页
-
基金
国家自然科学基金(62106238)
山西省自然科学基金(201901D111150,201901D111149)。
-
文摘
纹理一直是物体图像最重要的特征之一。针对现有纹理识别模型在复杂数据集下识别准确率不高的问题,提出一种基于改进残差池化层的纹理识别算法。首先,提出多维特征融合模块,在纹理识别模型中同时利用高层特征和低层特征来提取更加有效的纹理特征;其次,对残差池化层进行改进,在原残差池化层的基础上,引入全局最大池化支路,为纹理识别模型增加全局空间结构观察,将原残差池化层与全局最大池化支路得到的特征向量进行拼接后作为纹理特征,提升纹理识别的准确率;再次,应用局部二值模式辅助识别策略,使用局部二值模式编码映射图像为纹理识别模型提供辅助信息;最后,将得到的纹理特征输入到分类层中,得到纹理识别结果。与现有的纹理识别方法B-CNN、Deep filter banks、Deep TEN、TEX-Net-LF、locality-aware coding、DRP-Net相比,该方法具有更好的纹理识别效果。
-
关键词
纹理识别
残差池化层
全局最大池化
多维特征融合模块
多尺度特征
-
Keywords
texture recognition
residual pooling layer
global maximum pooling
multi-dimensional feature fusion module
multi-scale feature
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
