-
公开(公告)号：CN106127857B
公开(公告)日：2018-11-16
申请号：CN201610467712.3
申请日：2016-06-24
Applicant: 南京林业大学
Abstract: 本发明提出的是综合数据驱动与模型驱动的机载LiDAR数据建模方法，该方法包括以下步骤：（一）全波形LiDAR数据波形精确分解和建筑提取；（二）基于数据驱动的复杂建筑屋顶分割；（三）建筑屋顶语义划分；（四）基于分割单元的建筑屋顶建模；（五）建筑模型精度评价及渲染。本发明的优点：（1）可精确而合理地分割复杂建筑屋顶，并能维持屋顶分割面片间的拓扑关系，能够详细提取复杂建筑屋顶及大面积连体建筑的结构和边界线，为合理的建筑语义分块创造了条件；（2）能够构建复杂建筑模型，并保证模型的合理性和较高的重建效率，可以广泛用于大规模场景的城市建模。
-
公开(公告)号：CN106772433B
公开(公告)日：2019-01-18
申请号：CN201710233427.X
申请日：2017-04-11
Applicant: 南京林业大学
IPC: G01S17/89
Abstract: 本发明提出的是一种基于机载激光雷达数据的建筑线画图生成方法，包括以下步骤：（1）提取建筑外边界和孔洞边界；（2）优化分割建筑内外边界线；（3）构建建筑线画图。本发明的优点：（1）可全自动从机载点云中提取建筑的线划图，高效、便于后续更加客观全面评价先画图的精度；（2）采用混合关键点表达方法制作建筑的线画图，有效兼顾了先画图的精度和人造建筑几何外观的规则性；（3）本发明提取的建筑线画图一并融合了先验知识软约束，使得生成的建筑线化图在整体宏观尺度上具有很强的一致性。
-
公开(公告)号：CN106199557A
公开(公告)日：2016-12-07
申请号：CN201610483426.6
申请日：2016-06-24
Applicant: 南京林业大学
IPC: G01S7/48
CPC classification number: G01S7/4802
Abstract: 本发明提出一种机载激光雷达数据植被提取方法，该方法包括以下步骤：（一）机载激光雷达点云的预处理；（二）机载激光雷达点云的预分割；（三）分割单元特征选取；（四）基于核函数的软间隔SVM分类；（五）基于先验知识的数据植被粗分类结果的优化。本发明的优点：1）该方法不需要融合多光谱影像、高光谱影像等其他数据源，具有很强的普适性。2）该方法保证了激光雷达点云空间自相关性，有效防止分类算法破坏这种空间属性，保证植被和非植被点的可分性，提高了植被的探测率。3）该算法可以有效地将建筑周边及立体墙面点、建筑屋顶不规则物体点和植被密集区域的地面点与植被分离，达到精确提取城区中植被的目的。
-
公开(公告)号：CN106127857A
公开(公告)日：2016-11-16
申请号：CN201610467712.3
申请日：2016-06-24
Applicant: 南京林业大学
Abstract: 本发明提出的是综合数据驱动与模型驱动的机载LiDAR数据建模方法，该方法包括以下步骤：（一）全波形LiDAR数据波形精确分解和建筑提取；（二）基于数据驱动的复杂建筑屋顶分割；（三）建筑屋顶语义划分；（四）基于分割单元的建筑屋顶建模；（五）建筑模型精度评价及渲染。本发明的优点：（1）可精确而合理地分割复杂建筑屋顶，并能维持屋顶分割面片间的拓扑关系，能够详细提取复杂建筑屋顶及大面积连体建筑的结构和边界线，为合理的建筑语义分块创造了条件；（2）能够构建复杂建筑模型，并保证模型的合理性和较高的重建效率，可以广泛用于大规模场景的城市建模。
-
公开(公告)号：CN110969169A
公开(公告)日：2020-04-07
申请号：CN201911219658.0
申请日：2019-12-03
Applicant: 南京林业大学
Abstract: 本发明提供了一种基于点云数据的面变形信息提取方法，本发明针对现有的基于点云数据提取变形信息方法的不足，提出采用曲面匹配运算来提取“面”与“面”之间的变形信息，所采用方法充分利用了点云高空间分辨率的特性，而且提取的变形信息不仅包含三维位移变形，还包括“面”的扭转变形，为基于点云数据提取变形信息提供了新的思路和技术参考。
-
Patent Agency Ranking
公开(公告)号：CN106127153B
公开(公告)日：2019-03-05
申请号：CN201610467707.2
申请日：2016-06-24
Applicant: 南京林业大学
Abstract: 本发明提出一种车载激光扫描点云数据的交通标牌识别方法，该方法包括以下步骤：（一）点云实时预处理；（二）点云结构特征获取；（三）多尺度马尔科夫随机场点云聚类；（四）交通标牌识别。本发明的优点：强化了点云的“面状”、“线状”、“散乱状”特征，增强了点与点之间的差异性，在避免欠分割的同时，能够快速在交通标牌零部件尺度上合理分割；方便从地物遮挡或地物自遮挡造成的部分交通标牌缺失的点云数据中实现交通标牌的分类和识别；能有效满足当前对城市零部件的快速提取、监测和识别的要求，方便推广到基于计算机视觉的有人或无人导航和避障领域，辅助驾驶员在复杂路况下导航和决策，有效地降低交通事故发生概率。
-
公开(公告)号：CN106199557B
公开(公告)日：2018-07-10
申请号：CN201610483426.6
申请日：2016-06-24
Applicant: 南京林业大学
IPC: G01S7/48
Abstract: 本发明提出一种机载激光雷达数据植被提取方法，该方法包括以下步骤：（一）机载激光雷达点云的预处理；（二）机载激光雷达点云的预分割；（三）分割单元特征选取；（四）基于核函数的软间隔SVM分类；（五）基于先验知识的数据植被粗分类结果的优化。本发明的优点：1）该方法不需要融合多光谱影像、高光谱影像等其他数据源，具有很强的普适性。2）该方法保证了激光雷达点云空间自相关性，有效防止分类算法破坏这种空间属性，保证植被和非植被点的可分性，提高了植被的探测率。3）该算法可以有效地将建筑周边及立体墙面点、建筑屋顶不规则物体点和植被密集区域的地面点与植被分离，达到精确提取城区中植被的目的。
-
公开(公告)号：CN106772433A
公开(公告)日：2017-05-31
申请号：CN201710233427.X
申请日：2017-04-11
Applicant: 南京林业大学
IPC: G01S17/89
CPC classification number: G01S17/89
Abstract: 本发明提出的是一种基于机载激光雷达数据的建筑线画图生成方法，包括以下步骤：（1）提取建筑外边界和孔洞边界；（2）优化分割建筑内外边界线；（3）构建建筑线画图。本发明的优点：（1）可全自动从机载点云中提取建筑的线划图，高效、便于后续更加客观全面评价先画图的精度；（2）采用混合关键点表达方法制作建筑的线画图，有效兼顾了先画图的精度和人造建筑几何外观的规则性；（3）本发明提取的建筑线画图一并融合了先验知识软约束，使得生成的建筑线化图在整体宏观尺度上具有很强的一致性。
-
公开(公告)号：CN110969169B
公开(公告)日：2023-05-02
申请号：CN201911219658.0
申请日：2019-12-03
Applicant: 南京林业大学
Abstract: 本发明提供了一种基于点云数据的面变形信息提取方法，本发明针对现有的基于点云数据提取变形信息方法的不足，提出采用曲面匹配运算来提取“面”与“面”之间的变形信息，所采用方法充分利用了点云高空间分辨率的特性，而且提取的变形信息不仅包含三维位移变形，还包括“面”的扭转变形，为基于点云数据提取变形信息提供了新的思路和技术参考。
-
公开(公告)号：CN106154247B
公开(公告)日：2018-07-10
申请号：CN201610467706.8
申请日：2016-06-24
Applicant: 南京林业大学
Abstract: 本发明提出一种多尺度全波形激光雷达数据最优化分解方法，其方法包括以下步骤：（一）通过对全波形信号的增强处理，提高信号的信噪比，提升后向散射波形的数据质量；（二）综合先验知识和各类核密度函数的后向散射波形分解与拟合；（三）对波形分解结果进行精度评价。本发明的优点：1）提出的综合核密度函数和先验知识的波形优化模型，既防止了数据的过拟合，又保证了解析结果的合理性，构建的优化模型具有开放性，可以容易地扩充有效的核密度函数和可靠的先验知识。2）多尺度全波形数据信息提取与挖掘的完整框架，实现了信息提取的完整性，综合多种方法定性和定量地验证了结果的精度和有效性。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.026 seconds)
