-
公开(公告)号：CN113569760A
公开(公告)日：2021-10-29
申请号：CN202110867230.8
申请日：2021-07-29
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于多模态深度学习的三维变化检测方法，包括：采集遥感影像数据源；对遥感影像数据源进行预处理以及数据提取，得到高分遥感影像数据与DSM数据；将高分遥感影像数据与DSM数据作为后时相遥感数据，基于后时相遥感数据进行数据模拟得到前时相遥感数据；确定深度学习的标签图，对双时相遥感数据图像以及标签图进行裁剪得到图像集合；将图像集合划分为训练集、验证集以及测试集；构建变化检测网络模型；将训练集以及验证集输入到变化检测网络模型进行迭代训练得到训练后的变化检测网络模型；将测试集输入到训练后的变化检测网络模型，输出变化检测结果。本发明能够充分挖掘遥感数据垂直向特征，模型泛化能力强，检测精度高。
-
公开(公告)号：CN110047079A
公开(公告)日：2019-07-23
申请号：CN201910343355.3
申请日：2019-04-26
Applicant: 重庆交通大学
IPC: G06T7/10
Abstract: 本发明公开了一种基于对象相似性的最优分割尺度选择方法，包括导入高分辨率原始遥感影像，并影像对进行预处理；对预处理后的遥感影像进行不同分割尺度的分割，得到多个尺度的分割结果；选取一定数量的样本作为参考对象，并利用位置关系选择方法，检索出质心完全处于参考对象范围内的分割结果作为分割对象；对各个分割对象分别进行相似度分析，计算不同尺度下分割对象与参考对象之间的灰度相似度与纹理相似度，并构建最优分割尺度质量评价函数；根据最优分割尺度质量评价函数的值确定最终的最优分割尺度，形成最优分割尺度组等步骤。其显著效果是：提高了分割结果的客观真实性，解决了分割尺度选择困难的问题。
-
公开(公告)号：CN110047036A
公开(公告)日：2019-07-23
申请号：CN201910322174.2
申请日：2019-04-22
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于极坐标格网的地面激光扫描数据建筑物立面提取方法，包括步骤：采用布料模拟滤波算法提取地面激光扫描数据中的非地面点数据；将非地面点数据投影至构建的极坐标格网内，基于密度自适应阈值法提取建筑物立面候选点；将建筑物立面候选点进行聚簇处理与投影处理，获得每个点簇投影后对应的子格网集合；对于投影后的子格网集合，采用面向对象决策树分类法进行建筑物立面点筛选；利用基于图割算法的能量函数最小化求解法，对建筑物立面点筛选结果进行平滑处理，得到建筑物立面提取结果。其显著效果是：排除了数据密度变化的影响；避免了阈值的反复探索过程；具有良好的通用性；兼顾了效率与精度。
-
公开(公告)号：CN113569760B
公开(公告)日：2024-08-06
申请号：CN202110867230.8
申请日：2021-07-29
Applicant: 重庆交通大学
IPC: G06V20/64 , G06V20/10 , G06V10/28 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T7/33 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态深度学习的三维变化检测方法，包括：采集遥感影像数据源；对遥感影像数据源进行预处理以及数据提取，得到高分遥感影像数据与DSM数据；将高分遥感影像数据与DSM数据作为后时相遥感数据，基于后时相遥感数据进行数据模拟得到前时相遥感数据；确定深度学习的标签图，对双时相遥感数据图像以及标签图进行裁剪得到图像集合；将图像集合划分为训练集、验证集以及测试集；构建变化检测网络模型；将训练集以及验证集输入到变化检测网络模型进行迭代训练得到训练后的变化检测网络模型；将测试集输入到训练后的变化检测网络模型，输出变化检测结果。本发明能够充分挖掘遥感数据垂直向特征，模型泛化能力强，检测精度高。
-
公开(公告)号：CN116805367A
公开(公告)日：2023-09-26
申请号：CN202310688954.5
申请日：2023-06-12
Applicant: 重庆交通大学
Abstract: 本发明适用于激光扫描技术领域，提供了一种无序地面激光点云的逐扫描线地面过滤方法及系统，包括以下步骤：对被测区域进行激光扫描，基于随机邻域分析的采样间隔估算法还原水平和竖直方向的扫描角分辨率；利用点云扫描模式的特性和水平角分辨率θhori进行无序扫描线重建；通过构造相对点密度RD对扫描线密度进行分析，得到地面候选点集；基于区域生长对地面候选点集进行精细化提取。本发明采用的地面点过滤方法充分考虑到地面激光采集地面点数据的特性，并且无需去噪、训练样本等预备工作，只需考虑不同对象的几何结构所引起的点云密度差异，大大减少了工作量。
-
Patent Agency Ranking
公开(公告)号：CN110009638B
公开(公告)日：2023-01-03
申请号：CN201910294015.6
申请日：2019-04-12
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于局部统计特征的桥梁拉索图像外观缺陷检测方法，包括输入爬索机器人视频数据，对视频数据进行动态解码获得连续帧图像作为采样帧；根据视频基本信息设置采样间隔，对采样帧进行采样提取图像帧；对图像帧进行灰度化处理；根据灰度图像的大小，对灰度图像中的图像区域进行分块；对各个图像块进行统计特征提取，并计算各统计特征的相关系数，选取相关系数大的统计特征组成特征向量组；利用特征向量组进行疑似缺陷图像提取；采用数学形态学与大津法结合的图像分割算法对疑似缺陷图像进行分割，获得桥梁拉索外观缺陷图像等步骤。其显著效果是：减少了数据量，提高了检测效率；具有较高的检测精度。
-
公开(公告)号：CN108898096A
公开(公告)日：2018-11-27
申请号：CN201810676322.6
申请日：2018-06-27
Applicant: 重庆交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种面向高分影像的信息快速精确提取方法，包括高分遥感影像输入与预处理；根据影像地表覆盖分布规律，对影像进行分区处理；根据分区处理后影像中各类型地物的地表覆盖形式，选择不同特征分别对不同类型的目标地物进行一次性特征提取，获得各类型目标地物的多个提取结果；对各个提取结果分别进行敏感性分析，获得各类型目标地物的敏感特征组；利用目标地物的敏感特征组，结合分层策略确定地物分层提取顺序，按顺序以先粗提取后精提取的方式逐层提取分区处理后影像中的地物信息。其显著效果是：降低了数据成本，加强了国产影像数据的研究与应用；解决了地物特征选择困难的问题；提高了地物信息提取的适用性与自动化程度。
-
公开(公告)号：CN119935140A
公开(公告)日：2025-05-06
申请号：CN202411990674.0
申请日：2024-12-31
Applicant: 重庆交通大学
IPC: G01C21/20 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N20/20
Abstract: 本发明公开了一种基于卡尔曼滤波融合深度学习算法的室内定位方法及装置，包括：采集三轴陀螺仪数据；构建深度学习模型，通过CNN网络模块用于对预处理后的三轴陀螺仪数据进行卷积处理，LSTM网络模块根据陀螺仪数据的时间变化情况和空间分布情况从卷积神经网络输出的数据中学习陀螺仪数据中的非线性规律，注意力模块对LSTM的输出进行加权，AdaBoost集成模块集成多个弱学习器，输出最终的陀螺仪数据；采用四元数法计算旋转矩阵对最终陀螺仪预测数据进行解算；再根据当前航向角与预设主导方向之间的偏差，判断当前航向角是否可用，引入卡尔曼滤波器中进行滤波处理，滤波得到航向角最优估计偏差，并利用最优估计偏差对当前航向角进行修正得到当前的位置信息。
-
公开(公告)号：CN119903437A
公开(公告)日：2025-04-29
申请号：CN202411990671.7
申请日：2024-12-31
Applicant: 重庆交通大学
IPC: G06F18/2431 , G06F18/15 , G06N20/20 , G06N5/01 , G01W1/10 , G06F123/02
Abstract: 本发明公开了一种基于随机森林算法的ZWD预报方法及装置，其中的方法包括：采集全球范围内的对流层延迟站点数据并进行预处理，然后从预处理后的对流层延迟站点数据中提取出时间、对流层干延迟以及对流层湿延迟特征；再将时间、对流层干延迟特征作为输入，对流层湿延迟特征作为输出，构建和训练随机森林算法模型；最后利用训练好的随机森林算法模型对待测区域进行ZWD预报。随机森林算法有效地解决了全球长时间预报模型处理数据量过大的问题，同时防止了过拟合问题，预测结果精度较高。本发明采用三年内全球各点的观测数据建立模型，并对未来一个月的全球的对流层湿延迟进行预报，为全球长时间的对流层湿延迟模型提供了一种思路和方法。
-
公开(公告)号：CN118734184A
公开(公告)日：2024-10-01
申请号：CN202410767789.7
申请日：2024-06-14
Applicant: 重庆交通大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/086 , G06N3/0985 , G06F123/02
Abstract: 本发明公开了一种基于集成算法的对流层湿延迟预报方法及装置，首先分析了GNSS对流层湿延迟的时空变化特征，并探讨湿延迟的时间序列变化趋势以及在全球范围内与海拔的相关性。将对流层湿延迟结合鹈鹕算法优化卷积神经网络中的超参数，再将卷积后的结果结合长短期记忆神经网络算法构建高精度的对流层湿延迟预报模型。通过鹈鹕算法有效解决了卷积神经网络中超参数设置的难题，卷积与长短期记忆神经网络相结合发挥了LSTM中记忆细胞的优势，同时充分利用了卷积的优势，实现了对流层湿延迟时间序列数据的局部连接。统计结果表明，模型的预报对流层湿延迟全球平均精度约为12mm，相比同类模型精度显著提升。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.049 seconds)
