CN113610133B - 一种激光数据和视觉数据融合方法及系统 - Google Patents
一种激光数据和视觉数据融合方法及系统 Download PDFInfo
- Publication number
- CN113610133B CN113610133B CN202110867984.3A CN202110867984A CN113610133B CN 113610133 B CN113610133 B CN 113610133B CN 202110867984 A CN202110867984 A CN 202110867984A CN 113610133 B CN113610133 B CN 113610133B
- Authority
- CN
- China
- Prior art keywords
- data
- target
- key feature
- feature description
- description data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 48
- 238000007500 overflow downdraw method Methods 0.000 title abstract description 5
- 230000004927 fusion Effects 0.000 claims abstract description 99
- 238000000034 method Methods 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 90
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供的一种激光数据和视觉数据融合方法及系统，根据目标关键特征描述数据种类计算待选关键特征描述数据，从目标待选关键特征描述数据，从多个待选目标数据中确定出与目标待选关键特征描述数据对应的待选目标数据，可以根据待选关键特征描述数据。对目标关键特征描述数据种类和目标数据进行关联，进而确定出满足预先设置的融合线程的待选目标数据和目标待选关键特征描述数据，依据待选目标数据和目标待选关键特征描述数据能够实现对于指标列队的数据融合，有利于相关数据据融合的效率，以提升对于指标列队的完整性，通过对指标列队的数据融合，能够有利于相关数据据融合的效率，进而最大化确定关键特征描述数据融合的准确性。
Description
技术领域
本申请涉及数据融合技术领域，具体而言，涉及一种激光数据和视觉数据融合方法及系统。
背景技术
随着人工智能的不断发展，在激光数据和视觉数据融合的过程中，需要对关键特征描述数据进行融合，从而确保相关关键特征描述数据的准确性，这样在激光数据和视觉数据的融合的过程中，提高了融合激光数据和视觉数据的完整性，从而可以提高关键特征描述数据融合的效率。然而，在相关激光数据和视觉数据技术中还存在一些缺陷。
发明内容
鉴于此，本申请提供了一种激光数据和视觉数据融合方法及系统。
第一方面，提供一种激光数据和视觉数据融合方法，包括：
根据预先设置的单位交集内容内的激光数据和视觉数据确定多个待选目标数据；其中，所述多个待选目标数据之间的特征描述向量为所述激光数据；
获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类，并根据所述目标关键特征描述数据种类计算所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据；其中，所述目标关键特征描述数据种类用于在预先设置的矩阵上表征所述待融合指标列队的检验方式；
从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，并从所述多个待选目标数据中确定出与所述目标待选关键特征描述数据对应的待选目标数据；
根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据。
进一步地，根据预先设置的单位交集内容内的激光数据和视觉数据确定多个待选目标数据，包括：
确定所述预先设置的单位交集内容内每一个范围规格对应的一个或者两个独立融合特征；
根据所述独立融合特征将所述每一个范围规格区分为多个所述激光数据；
依据所述视觉数据中的关联描述对每一个所述激光数据的最大交集内容和最小交集内容分别进行迭代处理，直到遍历所述范围规格变化交集内容内所有关联描述，得到每一个所述激光数据分别对应的所述多个待选目标数据。
进一步地，根据所述独立融合特征将所述每一个范围规格区分为多个所述激光数据，包括：
将所述独立融合特征属于相同种类的范围规格进行种类划分，得到包括多个所述激光数据的种类划分结果。
进一步地，依据所述视觉数据中的关联描述对每一个所述激光数据的最大交集内容和最小交集内容分别进行迭代处理，包括：
将每一个所述激光数据的最大交集内容与所述视觉数据中的关联描述进行融合，得到每一个所述激光数据分别对应的第一最大交集内容，并根据所述第一最大交集内容和所述最小交集内容的合并得到每一个所述激光数据分别对应的一种待选目标数据；
以及，将每一个所述激光数据的最小交集内容与所述视觉数据中的关联描述进行融合，得到每一个所述激光数据分别对应的第一最小交集内容，并根据所述最大交集内容和所述第一最小交集内容的合并得到每一个所述激光数据分别对应的另一种待选目标数据；
以及，根据所述第一最大交集内容和所述第一最小交集内容的合并得到每一个所述激光数据分别对应的待选目标数据。
进一步地，获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类，包括：
确定所述待融合指标列队在所述上一个预先设置的单位交集内容内每一个范围规格对应的参考数据，将所述每一个范围规格对应的参考数据进行合并，得到所述待融合指标列队在所述上一个预先设置的单位交集内容内对应的所述目标关键特征描述数据种类。
进一步地，根据所述目标关键特征描述数据种类计算所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据，包括：
确定每一个个所述待选目标数据分别对应的最大交集内容和最小交集内容；
从所述每一个范围规格对应的参考数据中确定出所述最大交集内容对应的第一参考数据和所述最小交集内容分别对应的第二参考数据；
计算所述第一参考数据与对应的所述第二参考数据的重要程度，得到所述多个待选目标数据分别对应的重要程度，并对所述重要程度和预先设置的标准参数的区分度，得到所述多个待选目标数据分别对应的区分向量；
将多个所述区分向量确定为所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据。
进一步地，从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，包括：
对所述待选关键特征描述数据由前到后进行分布，将满足所述预先设置的融合线程为高于预先设置的标准参数的待选关键特征描述数据确定为所述目标待选关键特征描述数据；
或者，对所述待选关键特征描述数据由后到前进行分布，将满足所述预先设置的融合线程为满足所述预先设置的标准参数的待选关键特征描述数据确定为所述目标待选关键特征描述数据。
进一步地，从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，包括：
根据多个所述待选目标数据的所属种类对所述待选关键特征描述数据进行种类划分，得到多个种类划分结果；
计算每一个所述种类划分结果的平均标准值，并将所述平均标准值中的最大值确定为所述目标待选关键特征描述数据；
所述预先设置的融合线程为挑选所述平均标准值中的最大值。
进一步地，若所述目标待选关键特征描述数据为多个，从所述多个待选目标数据中确定出与所述目标待选关键特征描述数据对应的待选目标数据，包括：
从所述待选目标数据中确定出每一个所述目标待选关键特征描述数据对应的待选目标数据，所述待选目标数据为多个；
若多个所述待选目标数据中存在一个待选目标数据的最大交集内容为另一个待选目标数据的最小交集内容，则将所述一个待选目标数据和所述另一个待选目标数据进行合并处理，得到合并后的与所述目标待选关键特征描述数据对应的待选目标数据；
其中，根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据，包括：
将所述目标待选关键特征描述数据输入数据融合线程，并根据所述数据融合线程中的融合参数融合所述待融合指标列队在所述当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据。
第二方面，提供一种激光数据和视觉数据融合系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的一种激光数据和视觉数据融合方法及系统，可以根据预先设置的单位交集内容内的激光数据和视觉数据(如，20天)确定多个待选目标数据；其中，多个待选目标数据之间的特征描述向量为激光数据；进而，可以获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类，并根据目标关键特征描述数据种类计算待融合指标列队分别在多个待选目标数据对应的待选关键特征描述数据；其中，目标关键特征描述数据种类用于在预先设置的矩阵上表征待融合指标列队的检验方式；进而，可以从待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，并从多个待选目标数据中确定出与目标待选关键特征描述数据对应的待选目标数据；进而，可以根据目标待选关键特征描述数据融合待融合指标列队在当前预先设置的单位交集内容内的待选目标数据对应的待选关键特征描述数据。依据上述方案描述，本公开一方面能够通过对目标关键特征描述数据种类和目标数据进行关联，进而确定出满足预先设置的融合线程的待选目标数据和目标待选关键特征描述数据，依据待选目标数据和目标待选关键特征描述数据能够实现对于指标列队的数据融合，有利于相关数据据融合的效率，以提升对于指标列队的完整性；另一方面，通过对指标列队的数据融合，能够有利于相关数据据融合的效率，进而最大化确定关键特征描述数据融合的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种激光数据和视觉数据融合方法的流程图。
图2为本申请实施例所提供的一种激光数据和视觉数据融合装置的框图。
图3为本申请实施例所提供的一种激光数据和视觉数据融合系统的架构图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种激光数据和视觉数据融合方法，该方法可以包括以下步骤100-步骤400所描述的技术方案。
步骤100，根据预先设置的单位交集内容内的激光数据和视觉数据确定多个待选目标数据。
示例性的，所述多个待选目标数据之间的特征描述向量为所述激光数据。
步骤200，获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类，并根据所述目标关键特征描述数据种类计算所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据。
示例性的，所述目标关键特征描述数据种类用于在预先设置的矩阵上表征所述待融合指标列队的检验方式
步骤300，从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，并从所述多个待选目标数据中确定出与所述目标待选关键特征描述数据对应的待选目标数据。
示例性的，待选目标数据表示目标待选关键特征描述数据对应的目标数据。
步骤400，根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据。
示例性的，待选关键特征描述数据表示经过质量融合的关键特征描述数据。
可以理解，在执行上述步骤100-步骤400所描述的技术方案时，可以根据预先设置的单位交集内容内的激光数据和视觉数据(如，20天)确定多个待选目标数据；其中，多个待选目标数据之间的特征描述向量为激光数据；进而，可以获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类，并根据目标关键特征描述数据种类计算待融合指标列队分别在多个待选目标数据对应的待选关键特征描述数据；其中，目标关键特征描述数据种类用于在预先设置的矩阵上表征待融合指标列队的检验方式；进而，可以从待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，并从多个待选目标数据中确定出与目标待选关键特征描述数据对应的待选目标数据；进而，可以根据目标待选关键特征描述数据融合待融合指标列队在当前预先设置的单位交集内容内的待选目标数据对应的待选关键特征描述数据。依据上述方案描述，本公开一方面能够通过对目标关键特征描述数据种类和目标数据进行关联，进而确定出满足预先设置的融合线程的待选目标数据和目标待选关键特征描述数据，依据待选目标数据和目标待选关键特征描述数据能够实现对于指标列队的数据融合，有利于相关数据据融合的效率，以提升对于指标列队的完整性；另一方面，通过对指标列队的数据融合，能够有利于相关数据据融合的效率，进而最大化确定关键特征描述数据融合的准确性。
在一种可替换的实施例中，发明人发现，根据预先设置的单位交集内容内的激光数据和视觉数据时，存在范围规格对应的一个或者两个独立融合特征不准确的问题，从而难以准确地确定多个待选目标数据，为了改善上述技术问题，步骤100所描述的根据预先设置的单位交集内容内的激光数据和视觉数据确定多个待选目标数据的步骤，具体可以包括以下步骤q1-步骤q3所描述的技术方案。
步骤q1，确定所述预先设置的单位交集内容内每一个范围规格对应的一个或者两个独立融合特征。
步骤q2，根据所述独立融合特征将所述每一个范围规格区分为多个所述激光数据。
步骤q3，依据所述视觉数据中的关联描述对每一个所述激光数据的最大交集内容和最小交集内容分别进行迭代处理，直到遍历所述范围规格变化交集内容内所有关联描述，得到每一个所述激光数据分别对应的所述多个待选目标数据。
可以理解，在执行上述步骤q1-步骤q3所描述的技术方案时，根据预先设置的单位交集内容内的激光数据和视觉数据时，避免范围规格对应的一个或者两个独立融合特征不准确的问题，从而能够准确地确定多个待选目标数据。
在一种可替换的实施例中，发明人发现，根据所述独立融合特征将所述每一个范围规格区分为多个所述激光数据时，存在独立融合特征属于相同种类的范围规格进行种类划分不准确的问题，从而难以准确地确定独立融合特征将所述每一个范围规格区分为多个所述激光数据，为了改善上述技术问题，步骤q2所描述的根据所述独立融合特征将所述每一个范围规格区分为多个所述激光数据的步骤，具体可以包括以下步骤q2a1所描述的技术方案。
步骤q2a1，将所述独立融合特征属于相同种类的范围规格进行种类划分，得到包括多个所述激光数据的种类划分结果。
可以理解，在执行上述步骤q2a1所描述的技术方案时，根据所述独立融合特征将所述每一个范围规格区分为多个所述激光数据时，避免独立融合特征属于相同种类的范围规格进行种类划分不准确的问题，从而能够准确地确定独立融合特征将所述每一个范围规格区分为多个所述激光数据。
在一种可替换的实施例中，发明人发现，依据所述视觉数据中的关联描述对每一个所述激光数据的最大交集内容和最小交集内容分别进行迭代处理时，存在关联描述进行融合错误的问题，从而难以准确地进行迭代处理，为了改善上述技术问题，步骤q3所描述的依据所述视觉数据中的关联描述对每一个所述激光数据的最大交集内容和最小交集内容分别进行迭代处理的步骤，具体可以包括以下步骤q3a1-步骤q3a3所描述的技术方案。
步骤q3a1，将每一个所述激光数据的最大交集内容与所述视觉数据中的关联描述进行融合，得到每一个所述激光数据分别对应的第一最大交集内容，并根据所述第一最大交集内容和所述最小交集内容的合并得到每一个所述激光数据分别对应的一种待选目标数据。
步骤q3a2，以及，将每一个所述激光数据的最小交集内容与所述视觉数据中的关联描述进行融合，得到每一个所述激光数据分别对应的第一最小交集内容，并根据所述最大交集内容和所述第一最小交集内容的合并得到每一个所述激光数据分别对应的另一种待选目标数据。
步骤q3a3，以及，根据所述第一最大交集内容和所述第一最小交集内容的合并得到每一个所述激光数据分别对应的待选目标数据。
可以理解，在执行上述步骤q3a1-步骤q3a3所描述的技术方案时，依据所述视觉数据中的关联描述对每一个所述激光数据的最大交集内容和最小交集内容分别进行迭代处理时，避免关联描述进行融合错误的问题，从而能够准确地进行迭代处理。
在一种可替换的实施例中，发明人发现，获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类时，存在每一个范围规格对应的参考数据进行合并错误的问题，从而难以准确地获取目标关键特征描述数据种类，为了改善上述技术问题，步骤200所描述的获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类的步骤，具体可以包括以下步骤w1所描述的技术方案。
步骤w1，确定所述待融合指标列队在所述上一个预先设置的单位交集内容内每一个范围规格对应的参考数据，将所述每一个范围规格对应的参考数据进行合并，得到所述待融合指标列队在所述上一个预先设置的单位交集内容内对应的所述目标关键特征描述数据种类。
可以理解，在执行上述步骤w1所描述的技术方案时，获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类时，避免每一个范围规格对应的参考数据进行合并错误的问题，从而能够准确地获取目标关键特征描述数据种类。
在一种可替换的实施例中，发明人发现，根据所述目标关键特征描述数据种类计算所述待融合指标列队时，存在最大交集内容和最小交集内容不准确的问题，从而难以准确地分别在所述多个待选目标数据对应的待选关键特征描述数据，为了改善上述技术问题，步骤200所描述的根据所述目标关键特征描述数据种类计算所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据的步骤，具体可以包括以下步骤e1-步骤e4所描述的技术方案。
步骤e1，确定每一个个所述待选目标数据分别对应的最大交集内容和最小交集内容。
步骤e2，从所述每一个范围规格对应的参考数据中确定出所述最大交集内容对应的第一参考数据和所述最小交集内容分别对应的第二参考数据。
步骤e3，计算所述第一参考数据与对应的所述第二参考数据的重要程度，得到所述多个待选目标数据分别对应的重要程度，并对所述重要程度和预先设置的标准参数的区分度，得到所述多个待选目标数据分别对应的区分向量。
步骤e4，将多个所述区分向量确定为所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据。
可以理解，在执行上述步骤e1-步骤e4所描述的技术方案时，根据所述目标关键特征描述数据种类计算所述待融合指标列队时，避免最大交集内容和最小交集内容不准确的问题，从而能够准确地分别在所述多个待选目标数据对应的待选关键特征描述数据。
在一种可替换的实施例中，发明人发现，从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据时，存在分布混乱的问题，从而难以准确地挑选满足预先设置的融合线程的目标待选关键特征描述数据，为了改善上述技术问题，步骤300所描述的从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据的步骤，具体可以包括以下步骤r1和步骤r2所描述的技术方案。
步骤r1，对所述待选关键特征描述数据由前到后进行分布，将满足所述预先设置的融合线程为高于预先设置的标准参数的待选关键特征描述数据确定为所述目标待选关键特征描述数据。
步骤r2，或者，对所述待选关键特征描述数据由后到前进行分布，将满足所述预先设置的融合线程为满足所述预先设置的标准参数的待选关键特征描述数据确定为所述目标待选关键特征描述数据。
可以理解，在执行上述步骤r1和步骤r2所描述的技术方案时，从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据时，避免分布混乱的问题，从而能够准确地挑选满足预先设置的融合线程的目标待选关键特征描述数据。
在一种可替换的实施例中，发明人发现，从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据时，存在种类划分不准确的问题，从而难以准确地确定目标待选关键特征描述数据，为了改善上述技术问题，步骤300所描述的从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据的步骤，具体可以包括以下步骤t1-步骤t3所描述的技术方案。
步骤t1，根据多个所述待选目标数据的所属种类对所述待选关键特征描述数据进行种类划分，得到多个种类划分结果。
步骤t2，计算每一个所述种类划分结果的平均标准值，并将所述平均标准值中的最大值确定为所述目标待选关键特征描述数据。
步骤t3，所述预先设置的融合线程为挑选所述平均标准值中的最大值。
可以理解，在执行上述步骤t1-步骤t3所描述的技术方案时，从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据时，避免种类划分不准确的问题，从而能够准确地确定目标待选关键特征描述数据。
在一种可替换的实施例中，发明人发现，若所述目标待选关键特征描述数据为多个，从所述多个待选目标数据中确定出与所述目标待选关键特征描述数据对应的待选目标数据时，存在待选目标数据不精确的问题，从而难以精确地确定出与所述目标待选关键特征描述数据对应的待选目标数据，为了改善上述技术问题，步骤300所描述的若所述目标待选关键特征描述数据为多个，从所述多个待选目标数据中确定出与所述目标待选关键特征描述数据对应的待选目标数据的步骤，具体可以包括以下步骤y1和步骤y2所描述的技术方案。
步骤y1，从所述待选目标数据中确定出每一个所述目标待选关键特征描述数据对应的待选目标数据，所述待选目标数据为多个。
步骤y2，若多个所述待选目标数据中存在一个待选目标数据的最大交集内容为另一个待选目标数据的最小交集内容，则将所述一个待选目标数据和所述另一个待选目标数据进行合并处理，得到合并后的与所述目标待选关键特征描述数据对应的待选目标数据。
可以理解，在执行上述步骤y1和步骤y2所描述的技术方案时，，若所述目标待选关键特征描述数据为多个，从所述多个待选目标数据中确定出与所述目标待选关键特征描述数据对应的待选目标数据时，避免待选目标数据不精确的问题，从而能够精确地确定出与所述目标待选关键特征描述数据对应的待选目标数据。
在一种可替换的实施例中，发明人发现，根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据时，存在数据融合线程计算错误的问题，从而难以准确地得到待选关键特征描述数据，为了改善上述技术问题，步骤400所描述的根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据的步骤，具体可以包括以下步骤u1所描述的技术方案。
步骤u1，将所述目标待选关键特征描述数据输入数据融合线程，并根据所述数据融合线程中的融合参数融合所述待融合指标列队在所述当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据。
可以理解，在执行上述步骤u1所描述的技术方案时，根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据时，避免数据融合线程计算错误的问题，从而能够准确地得到待选关键特征描述数据。
基于上述基础，根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据之后，还可以包括以下步骤a1和步骤a2所描述的技术方案。
步骤a1，计算所述待融合指标列队在所述当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据与所述待融合指标列队在所述当前预先设置的单位交集内容内的所述待选目标数据对应的实时数据之间的线程融合数据。
步骤a2，根据所述线程融合数据更新所述融合参数。
可以理解，在执行上述步骤a1和步骤a2所描述的技术方案时，通过精确地确定待选目标数据对应的待选关键特征描述数据与所述待融合指标列队在所述当前预先设置的单位交集内容内的所述待选目标数据对应的实时数据之间的线程融合数据，从而提高更新所述融合参数的精度。
基于上述基础，还可以包括以下步骤s1所描述的技术方案。
步骤s1，根据所述待融合指标列队在所述当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据确定出待融合的一个或者两个质量融合并输出。
可以理解，在执行上述步骤s1所描述的技术方案时，通过根据所述待融合指标列队在所述当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据，从而提高待融合的一个或者两个质量融合并输出的完整性。
在上述基础上，请结合参阅图2，提供了一种激光数据和视觉数据融合装置200，应用于数据处理终端，所述装置包括：
数据确定模块210，用于根据预先设置的单位交集内容内的激光数据和视觉数据确定多个待选目标数据；其中，所述多个待选目标数据之间的特征描述向量为所述激光数据；
特征获取模块220，用于获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类，并根据所述目标关键特征描述数据种类计算所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据；其中，所述目标关键特征描述数据种类用于在预先设置的矩阵上表征所述待融合指标列队的检验方式；
特征确定模块230，用于从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，并从所述多个待选目标数据中确定出与所述目标待选关键特征描述数据对应的待选目标数据；
特征融合模块240，用于根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据。
在上述基础上，请结合参阅图3，示出了一种激光数据和视觉数据融合系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，可以根据预先设置的单位交集内容内的激光数据和视觉数据确定多个待选目标数据，其中，多个待选目标数据之间的特征描述向量为激光数据，进而，可以获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类，并根据目标关键特征描述数据种类计算待融合指标列队分别在多个待选目标数据对应的待选关键特征描述数据，其中，目标关键特征描述数据种类用于在预先设置的矩阵上表征待融合指标列队的检验方式，进而，可以从待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，并从多个待选目标数据中确定出与目标待选关键特征描述数据对应的待选目标数据，进而，可以根据目标待选关键特征描述数据融合待融合指标列队在当前预先设置的单位交集内容内的待选目标数据对应的待选关键特征描述数据。依据上述方案描述，本公开一方面能够通过对目标关键特征描述数据种类和目标数据进行关联，进而确定出满足预先设置的融合线程的待选目标数据和目标待选关键特征描述数据，依据待选目标数据和目标待选关键特征描述数据能够实现对于指标列队的数据融合，有利于相关数据据融合的效率，以提升对于指标列队的完整性，另一方面，通过对指标列队的数据融合，能够有利于相关数据据融合的效率，进而最大化确定关键特征描述数据融合的准确性。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值系数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值系数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和系数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (7)
1.一种激光数据和视觉数据融合方法，其特征在于，包括：
根据预先设置的单位交集内容内的激光数据和视觉数据确定多个待选目标数据；其中，所述多个待选目标数据之间的特征描述向量为所述激光数据或者所述视觉数据；
获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类，并根据所述目标关键特征描述数据种类计算所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据；其中，所述目标关键特征描述数据种类用于在预先设置的矩阵上表征所述待融合指标列队的检验方式；
从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，并从所述多个待选目标数据中确定出与所述目标待选关键特征描述数据对应的待选目标数据；
根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据；
根据预先设置的单位交集内容内的激光数据和视觉数据确定多个待选目标数据，包括：
确定所述预先设置的单位交集内容内每一个范围规格对应的一个或者两个独立融合特征；
根据所述独立融合特征将所述每一个范围规格区分为多个所述激光数据；
依据所述视觉数据中的关联描述对每一个所述激光数据的最大交集内容和最小交集内容分别进行迭代处理，直到遍历所述范围规格变化交集内容内所有关联描述，得到每一个所述激光数据分别对应的所述多个待选目标数据；
获取待融合指标列队在上一个预先设置的单位交集内容内对应的目标关键特征描述数据种类，包括：
确定所述待融合指标列队在所述上一个预先设置的单位交集内容内每一个范围规格对应的参考数据，将所述每一个范围规格对应的参考数据进行合并，得到所述待融合指标列队在所述上一个预先设置的单位交集内容内对应的所述目标关键特征描述数据种类；
根据所述目标关键特征描述数据种类计算所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据，包括：
确定每一个所述待选目标数据分别对应的最大交集内容和最小交集内容；
从所述每一个范围规格对应的参考数据中确定出所述最大交集内容对应的第一参考数据和所述最小交集内容分别对应的第二参考数据；
计算所述第一参考数据与对应的所述第二参考数据的重要程度，得到所述多个待选目标数据分别对应的重要程度，并对所述重要程度和预先设置的标准参数的区分度，得到所述多个待选目标数据分别对应的区分向量；
将多个所述区分向量确定为所述待融合指标列队分别在所述多个待选目标数据对应的待选关键特征描述数据。
2.根据权利要求1所述的方法，其特征在于，根据所述独立融合特征将所述每一个范围规格区分为多个所述激光数据，包括：
将所述独立融合特征属于相同种类的范围规格进行种类划分，得到包括多个所述激光数据的种类划分结果。
3.根据权利要求1所述的方法，其特征在于，依据所述视觉数据中的关联描述对每一个所述激光数据的最大交集内容和最小交集内容分别进行迭代处理，包括：
将每一个所述激光数据的最大交集内容与所述视觉数据中的关联描述进行融合，得到每一个所述激光数据分别对应的第一最大交集内容，并根据所述第一最大交集内容和所述最小交集内容的合并得到每一个所述激光数据分别对应的一种待选目标数据；
以及，将每一个所述激光数据的最小交集内容与所述视觉数据中的关联描述进行融合，得到每一个所述激光数据分别对应的第一最小交集内容，并根据所述最大交集内容和所述第一最小交集内容的合并得到每一个所述激光数据分别对应的另一种待选目标数据；
以及，根据所述第一最大交集内容和所述第一最小交集内容的合并得到每一个所述激光数据分别对应的待选目标数据。
4.根据权利要求1所述的方法，其特征在于，从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，包括：
对所述待选关键特征描述数据由前到后进行分布，将满足所述预先设置的融合线程为高于预先设置的标准参数的待选关键特征描述数据确定为所述目标待选关键特征描述数据；
或者，对所述待选关键特征描述数据由后到前进行分布，将满足所述预先设置的融合线程为满足所述预先设置的标准参数的待选关键特征描述数据确定为所述目标待选关键特征描述数据。
5.根据权利要求1所述的方法，其特征在于，从所述待选关键特征描述数据中挑选满足预先设置的融合线程的目标待选关键特征描述数据，包括：
根据多个所述待选目标数据的所属种类对所述待选关键特征描述数据进行种类划分，得到多个种类划分结果；
计算每一个所述种类划分结果的平均标准值，并将所述平均标准值中的最大值确定为所述目标待选关键特征描述数据；
所述预先设置的融合线程为挑选所述平均标准值中的最大值。
6.根据权利要求1所述的方法，其特征在于，若所述目标待选关键特征描述数据为多个，从所述多个待选目标数据中确定出与所述目标待选关键特征描述数据对应的待选目标数据，包括：
从所述待选目标数据中确定出每一个所述目标待选关键特征描述数据对应的待选目标数据，所述待选目标数据为多个；
若多个所述待选目标数据中存在一个待选目标数据的最大交集内容为另一个待选目标数据的最小交集内容，则将所述一个待选目标数据和所述另一个待选目标数据进行合并处理，得到合并后的与所述目标待选关键特征描述数据对应的待选目标数据；
其中，根据所述目标待选关键特征描述数据融合所述待融合指标列队在当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据，包括：
将所述目标待选关键特征描述数据输入数据融合线程，并根据所述数据融合线程中的融合参数融合所述待融合指标列队在所述当前预先设置的单位交集内容内的所述待选目标数据对应的待选关键特征描述数据。
7.一种激光数据和视觉数据融合系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110867984.3A CN113610133B (zh) | 2021-07-30 | 2021-07-30 | 一种激光数据和视觉数据融合方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110867984.3A CN113610133B (zh) | 2021-07-30 | 2021-07-30 | 一种激光数据和视觉数据融合方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113610133A CN113610133A (zh) | 2021-11-05 |
| CN113610133B true CN113610133B (zh) | 2024-05-28 |
Family
ID=78306122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110867984.3A Active CN113610133B (zh) | 2021-07-30 | 2021-07-30 | 一种激光数据和视觉数据融合方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610133B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105302151A (zh) * | 2014-08-01 | 2016-02-03 | 深圳中集天达空港设备有限公司 | 一种飞机入坞引导和机型识别的系统及方法 |
| CN109754006A (zh) * | 2018-12-26 | 2019-05-14 | 清华大学 | 一种视图及点云融合的立体视觉内容分类方法与系统 |
| CN109857123A (zh) * | 2019-03-21 | 2019-06-07 | 郑州大学 | 一种基于视觉感知和激光探测的室内slam地图的融合方法 |
| CN111209956A (zh) * | 2020-01-02 | 2020-05-29 | 北京汽车集团有限公司 | 传感器数据融合方法、车辆的环境地图生成方法及系统 |
| CN112346073A (zh) * | 2020-09-25 | 2021-02-09 | 中山大学 | 一种动态视觉传感器与激光雷达数据融合方法 |
| CN112836734A (zh) * | 2021-01-27 | 2021-05-25 | 深圳市华汉伟业科技有限公司 | 一种异源数据融合方法及装置、存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11216278B2 (en) * | 2019-08-12 | 2022-01-04 | Advanced New Technologies Co., Ltd. | Multi-thread processing |
-
2021
- 2021-07-30 CN CN202110867984.3A patent/CN113610133B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105302151A (zh) * | 2014-08-01 | 2016-02-03 | 深圳中集天达空港设备有限公司 | 一种飞机入坞引导和机型识别的系统及方法 |
| CN109754006A (zh) * | 2018-12-26 | 2019-05-14 | 清华大学 | 一种视图及点云融合的立体视觉内容分类方法与系统 |
| CN109857123A (zh) * | 2019-03-21 | 2019-06-07 | 郑州大学 | 一种基于视觉感知和激光探测的室内slam地图的融合方法 |
| CN111209956A (zh) * | 2020-01-02 | 2020-05-29 | 北京汽车集团有限公司 | 传感器数据融合方法、车辆的环境地图生成方法及系统 |
| CN112346073A (zh) * | 2020-09-25 | 2021-02-09 | 中山大学 | 一种动态视觉传感器与激光雷达数据融合方法 |
| CN112836734A (zh) * | 2021-01-27 | 2021-05-25 | 深圳市华汉伟业科技有限公司 | 一种异源数据融合方法及装置、存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于激光点云与图像信息融合的交通环境车辆检测;郑少武;李巍华;胡坚耀;;仪器仪表学报;20191215(第12期);143-151 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113610133A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109960653A (zh) | 回归测试方法、装置、设备和存储介质 | |
| US11642783B2 (en) | Automated generation of robotic computer program code | |
| CN114004425B (zh) | 物品流转信息预测模型生成方法、信息生成方法、装置 | |
| CN113378554B (zh) | 一种医疗信息智能交互的方法及系统 | |
| CN116737975A (zh) | 应用于图像分析的公共卫生数据查询方法及系统 | |
| CN116739184B (zh) | 一种滑坡预测方法及系统 | |
| CN113610133B (zh) | 一种激光数据和视觉数据融合方法及系统 | |
| CN110717315B (zh) | 系统数据批量修改方法、装置、存储介质及电子设备 | |
| US11494611B2 (en) | Metadata-based scientific data characterization driven by a knowledge database at scale | |
| CN115373688B (zh) | 一种软件开发线程的优化方法、系统及云平台 | |
| CN113380363B (zh) | 基于人工智能的医疗数据质量评价方法及系统 | |
| CN115473822B (zh) | 一种5g智能网关数据传输方法、系统及云平台 | |
| CN113626594B (zh) | 基于多智能体的运维知识库的建立方法及系统 | |
| CN116468534A (zh) | 一种集体经济组织信用信息等级分析方法及系统 | |
| CN113626538B (zh) | 基于大数据的医疗信息智能分类的方法及系统 | |
| CN115079881A (zh) | 基于虚拟现实的画面校正方法及系统 | |
| CN114187552A (zh) | 一种机房动力环境监控方法及系统 | |
| CN113643818B (zh) | 基于区域数据的医疗数据集成数据的方法及系统 | |
| CN113590952B (zh) | 一种数据中心构建的方法及系统 | |
| CN113609931B (zh) | 基于神经网络的人脸识别方法及系统 | |
| CN113589700B (zh) | 一种智能家居zigbee请求校验的方法及系统 | |
| CN113608689B (zh) | 基于边缘计算的数据缓存方法及系统 | |
| CN113610117B (zh) | 基于深度数据的水下传感数据处理方法及系统 | |
| CN113609362B (zh) | 基于5g的数据管理方法及系统 | |
| CN113610123B (zh) | 基于物联网的多源异构数据融合方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |