-
公开(公告)号：CN102968634B
公开(公告)日：2016-08-03
申请号：CN201210482430.2
申请日：2012-11-23
Applicant: 南京大学
Abstract: 一种主方向约束下的停车场结构提取方法，步骤包括：针对航空正射影像，使用Edison算法和Hough变换进行初始线段检测，获取车位线主方向；根据获取的主方向，使用主方向约束下的线段提取方法，检测出准确车位线；根据车位线角度对车位线进行编组筛选，并使用最大相交方向方法划分停车道；利用提取的车位线和划分的停车道，计算停车场的结构参数；依据停车场结构参数重新构建停车场的准确车位线，并生成停车道的分割线，完成停车场结构的自动提取。本发明利用初始线段检测获取车位线的主方向，以此作为约束进行车位线提取，提取的车位线正确性、完整性和定位精度都较高，能够更好地为停车场结构的提取提供依据。本发明以单景航空正射影像为数据进行停车场结构提取，数据获取容易，价格适宜。
-
公开(公告)号：CN103065295B
公开(公告)日：2016-01-20
申请号：CN201210510785.8
申请日：2012-12-04
Applicant: 南京大学
Abstract: 一种基于建筑物角点自修正的航空与地面LiDAR数据高精度自动配准方法，首先从航空LiDAR数据提取建筑物角点（称为航空角点）；再从地面LiDAR数据提取建筑物角点（称为地面角点）；然后对航空角点与地面角点进行初始匹配，分别从航空角点和地面角点中选取任意两个点计算用于坐标变换的转换矩阵，对所有转换矩阵根据最大匹配对数和最小匹配误差确定最优转换矩阵；最后在确定初始匹配角点对基础上，以地面角点为参考，对航空LiDAR角点进行位置修正，最终实现航空LiDAR数据与地面LiDAR数据的自动配准。本发明可修正航空LiDAR角点中误差较大的点，较大地提高了航空LiDAR数据和地面LiDAR数据的配准精度。
-
公开(公告)号：CN102855609B
公开(公告)日：2014-10-01
申请号：CN201210268170.9
申请日：2012-07-30
Applicant: 南京大学
IPC: G06T5/00
Abstract: 本发明涉及一种集成高光谱数据和稀疏声纳数据的浅水水下地形构建方法，属于水下地形勘测技术领域。本发明首先借助声纳数据的聚类中心点对高光谱遥感影像进行降维，然后对降维后的低维遥感影像进行区域划分，最后在各区域内部对声纳数据进行插值得到水下地形。本发明将高光谱遥感影像与稀疏声纳数据进行了有机结合，在整个过程中，两种数据作为一种互补，很好地解决了水下地形构建的问题。经过几何校正的遥感影像和声纳数据都具备坐标信息，并且遥感影像的灰度与水深存在一定的模糊对应关系，因此划区后的遥感影像中，各水深均质区域内水深变换较小，声纳数据插值结果更真实。
-
公开(公告)号：CN104008552A
公开(公告)日：2014-08-27
申请号：CN201410266813.5
申请日：2014-06-16
Applicant: 南京大学 , 南京市国土资源信息中心
Abstract: 本发明涉及一种基于动态时间弯曲的时序SAR影像耕地提取方法，步骤包括：构建时序SAR影像；提取耕地参考时间序列；计算待分类像元时间序列与耕地参考时间序列之间的动态时间弯曲距离；计算结果阈值分割，待分类像元归类为耕地与非耕地；分割结果空域滤波，滤除孤立的耕地像元，填补连片耕地之间的缝隙，得到耕地的最终提取结果。本发明考虑到耕地时间序列特有的“时间轴弯曲”现象，使用动态时间弯曲距离（DTW）作为相似性度量标准，从而实现耕地像元与非耕地像元的划分，解决了传统方法无法适应时间轴畸变的时间序列相似性度量这一问题，提高了耕地的提取精度。本发明方法适应性强，提取精度可达82%以上，能够满足实际生产的需要。
-
公开(公告)号：CN102968634A
公开(公告)日：2013-03-13
申请号：CN201210482430.2
申请日：2012-11-23
Applicant: 南京大学
Abstract: 一种主方向约束下的停车场结构提取方法，步骤包括：针对航空正射影像，使用Edison算法和Hough变换进行初始线段检测，获取车位线主方向；根据获取的主方向，使用主方向约束下的线段提取方法，检测出准确车位线；根据车位线角度对车位线进行编组筛选，并使用最大相交方向方法划分停车道；利用提取的车位线和划分的停车道，计算停车场的结构参数；依据停车场结构参数重新构建停车场的准确车位线，并生成停车道的分割线，完成停车场结构的自动提取。本发明利用初始线段检测获取车位线的主方向，以此作为约束进行车位线提取，提取的车位线正确性、完整性和定位精度都较高，能够更好地为停车场结构的提取提供依据。本发明以单景航空正射影像为数据进行停车场结构提取，数据获取容易，价格适宜。
-
Patent Agency Ranking
公开(公告)号：CN102855609A
公开(公告)日：2013-01-02
申请号：CN201210268170.9
申请日：2012-07-30
Applicant: 南京大学
IPC: G06T5/00
Abstract: 本发明涉及一种集成高光谱数据和稀疏声纳数据的浅水水下地形构建方法，属于水下地形勘测技术领域。本发明首先借助声纳数据的聚类中心点对高光谱遥感影像进行降维，然后对降维后的低维遥感影像进行区域划分，最后在各区域内部对声纳数据进行插值得到水下地形。本发明将高光谱遥感影像与稀疏声纳数据进行了有机结合，在整个过程中，两种数据作为一种互补，很好地解决了水下地形构建的问题。经过几何校正的遥感影像和声纳数据都具备坐标信息，并且遥感影像的灰度与水深存在一定的模糊对应关系，因此划区后的遥感影像中，各水深均质区域内水深变换较小，声纳数据插值结果更真实。
-
公开(公告)号：CN115100394B
公开(公告)日：2023-11-03
申请号：CN202210729862.2
申请日：2022-06-24
Applicant: 南京大学
IPC: G06V10/25 , G06V10/764 , G06V20/10 , G06V20/70
Abstract: 本发明涉及一种基于兴趣点Voronoi图的城市街区功能识别方法，属于数据处理技术领域。该方法执行如下步骤：对城市街区内部的兴趣点数据按类别进行分类；创建规则格网将城市街区划分为若干格网单元；对每个格网单元内的兴趣点数据进行聚合，得到兴趣点聚合点数据；基于兴趣点聚合点数据创建Voronoi图，得到每个兴趣点聚合点数据对应的Voronoi多边形；计算城市街区内每个Voronoi多边形的面积，将Voronoi多边形的面积与城市街区的面积之比作为对应的兴趣点聚合点数据的权重，从而实现对城市街区的功能识别。本发明能够凸显密度低但能够表征城市街区主导功能的兴趣点数据重要性，从而有助于提高基于兴趣点数据的城市街区功能区识别的准确率。
-
公开(公告)号：CN106548141B
公开(公告)日：2019-07-26
申请号：CN201610934973.1
申请日：2016-11-01
Applicant: 南京大学
Abstract: 本发明涉及一种基于三角网的面向对象耕地信息自动提取方法，其步骤为：利用多尺度分割法对高空间分辨率影像进行分割；剔除长条状分割对象（道路，沟渠等）；提取剩余分割对象的中心点；利用中心点构建三角网；对三角网进行剥皮操作；使用AUTOCLUST聚类算法构建三角网，并聚类；利用V图约束，优化聚类结果，避免过度聚类和欠聚类；利用最大方差约束，剔除剩余的零星林地；得到耕地提取结果并进行精度评估。本发明克服了高空间分辨率遥感影像数据量大，处理难的问题，充分利用分割后的对象提供的语义信息，通过剔除居民地和道路等对耕地信息提取造成干扰的对象，从而高效地进行耕地信息的自动提取，并保证耕地提取的整体性。
-
公开(公告)号：CN106548141A
公开(公告)日：2017-03-29
申请号：CN201610934973.1
申请日：2016-11-01
Applicant: 南京大学
CPC classification number: G06K9/0063 , G06K9/342 , G06K9/6218 , G06T2207/10032 , G06T2207/20016 , G06T2207/20021 , G06T2207/30188
Abstract: 本发明涉及一种基于三角网的面向对象耕地信息自动提取方法，其步骤为：利用多尺度分割法对高空间分辨率影像进行分割；剔除长条状分割对象（道路，沟渠等）；提取剩余分割对象的中心点；利用中心点构建三角网；对三角网进行剥皮操作；使用AUTOCLUST聚类算法构建三角网，并聚类；利用V图约束，优化聚类结果，避免过度聚类和欠聚类；利用最大方差约束，剔除剩余的零星林地；得到耕地提取结果并进行精度评估。本发明克服了高空间分辨率遥感影像数据量大，处理难的问题，充分利用分割后的对象提供的语义信息，通过剔除居民地和道路等对耕地信息提取造成干扰的对象，从而高效地进行耕地信息的自动提取，并保证耕地提取的整体性。
-
公开(公告)号：CN104008209A
公开(公告)日：2014-08-27
申请号：CN201410277320.1
申请日：2014-06-20
Applicant: 南京大学
IPC: G06F17/30
CPC classification number: G06F17/30241 , G06F17/30312
Abstract: 本发明针对MongoDB集群设计了大规模地理数据存储方案，在MongoDB集群中以GeoJSON格式结构化的方式组织地理数据，使得采用分布式高速MongoDB集群高效存储大规模地理数据成为可能。针对该地理数据存储方案，本发明提出了地理数据的读写方法以及可实现该地理数据读写方法的驱动程序。本发明以OGR类库为地理数据读写驱动的设计架构，以GeoJSON格式结构化的读写MongoDB集群地理数据源。本发明采用OGR函数库，在地理数据与MongoDB集群之间通过内存中构建的OGR对象建立桥梁，使针对MongoDB集群的地理数据高效读写成为可能，使得高性能地理分析算法可以运行在MongoDB数据库集群之上。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.022 seconds)
