-
公开(公告)号：CN110135599B
公开(公告)日：2020-09-01
申请号：CN201910407334.3
申请日：2019-05-15
Applicant: 南京林业大学
Abstract: 本发明提出的是一种无人机电力巡检点云智能化处理与分析服务平台，其结构主要包括（a）基础设施层；（b）中间件层；（c）应用层；（d）用户层；具体构建过程包括（1）平台框架总体架构；（2）巡线数据存储和组织；（3）巡线数据处理核心算法；（4）巡线数据渲染技术和精益化应用。优点：综合运用无人机激光雷达、云服务、实时渲染、机器学习等先进技术，以相关理论、算法和架构体系为支撑，针对无人机电力巡检点云在数据管理、智能处理和精益化应用等方面存在的问题，提供一套云计算架构下的一体化解决方案，实现无人机电力巡检成果的开放式存储、自动化处理、智能化分析与精益化应用。
-
公开(公告)号：CN110458048A
公开(公告)日：2019-11-15
申请号：CN201910668021.3
申请日：2019-07-23
Applicant: 南京林业大学
Abstract: 本发明涉及一种一种顾及城镇格局特征的人口分布时空演变与认知方法，包括：1）多源、多尺度遥感影像的尺度转换；2）基于多源遥感影像的城镇信息提取；3）多尺度城镇格局-结构-功能时空关系分析；4）人口分布与城镇特征的时空关联和耦合分析；5）构建顾及城镇格局特征的人口分布模拟预测系统；6）不同情景下人口分布的时空监测与认知。优点：以人口普查与统计数据、多尺度遥感数据和多源土地利用/覆被数据为数据源，研究多尺度城镇空间格局的时空特征及其演变规律，构建顾及城镇特征格局的人口分布时空演化模型，从多级空间尺度上精细刻画人口分布密度的分界线，为人口资源利用与政策调整、社会经济资源的分配提供理论基础和技术支撑。
-
公开(公告)号：CN109902425A
公开(公告)日：2019-06-18
申请号：CN201910182146.5
申请日：2019-03-11
Applicant: 南京林业大学
IPC: G06F17/50
Abstract: 本发明提出的是一种地基式点云的隧道断面提取方法，包括如下步骤：（1）计算提取断面位置处的中心坐标；（2）确定隧道断面方程；（3）确定隧道断面内射线方程；（4）确定断面点；（5）断面拟合及重采样。本发明采用更贴合隧道表面形状的圆柱面进行局部拟合，克服隧道表面噪声的影响，能够自适应不同的隧道点云密度，对于非均匀的隧道点云也能够顺利的提取出隧道断面；同时对提取的断面点做了进一步的拟合及重采样处理，进一步适应点云的非均质性和一定程度上弥补部分缺失部位点云。
-
公开(公告)号：CN109448087A
公开(公告)日：2019-03-08
申请号：CN201811215484.6
申请日：2018-10-18
Applicant: 南京林业大学
Abstract: 本发明涉及一种盾构隧道表面点云数据分段方法，包括：1）盾构隧道点云投影：根据盾构隧道点云走向，将三维点云转换成二维；2）边界点提取：将投影后的二维点云网格化，利用网格提取出点云的上下边界点；3）隧道点云分段位置计算：a）所提取边界点的切线斜率计算；b）分段位置计算；4）对两个投影面上盾构隧道点云分段位置联合处理，完成隧道整体点云数据的分段，为隧道点云建模做准备。优点：1）研究了盾构隧道表面点云的分段方法，为基于TLS技术的盾构隧道的中轴线提取、断面分析等点云处理方法提供了技术支撑。2）有效提高中轴线拟合精度，补充盾构隧道变形监测技术方法，在盾构隧道安全监测、预防重大事故方面具有重要的实用价值。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN109165458A
公开(公告)日：2019-01-08
申请号：CN201811031896.4
申请日：2018-09-05
Applicant: 南京林业大学 , 中国地质调查局南京地质调查中心
Abstract: 本发明提出了一种基于BIM的地表建筑太阳辐射估算方法，具体步骤包括：1）多尺度精细地表曲面模型构建与优化；2）基于BIM的城镇建筑信息空间规划与表达；3）基于BIM的城镇建筑基本天然采光评估；4）太阳辐射空间曲面模拟预测模型的构建；5）基于BIM的太阳辐射时空分布定量评估；6）基于BIM的建筑表皮响应设计策略。优点：1）提出基于高分遥感影像的数字地表模型分区、分尺度构建与优化方法；2）有效解决建成区已有建筑和规划建筑中的太阳辐射定量估算问题；3）科学指导城镇微观尺度生态环境要素的模拟与仿真；4）为城镇区域太阳辐射能的利用开发提供理论基础和技术支撑；5）拓展城镇微观尺度生态环境多学科交叉融合的理论基础和技术方法。
-
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：CN107491758A
公开(公告)日：2017-12-19
申请号：CN201710716164.8
申请日：2017-08-18
Applicant: 南京林业大学 , 中国地质调查局南京地质调查中心
Abstract: 本发明提出的是长江流域水体信息提取及其空间编码方法，包括如下步骤：（1）基于大气辐射传输模型的高分遥感影像大气纠正；（2）基于有理函数模型的高分遥感影像几何校正；（3）基于Snake模型的高分遥感影像数据镶嵌处理；（4）基于小波变换的高分遥感影像数据融合处理；（5）基于面向对象的水体时空信息提取；（6）基于层次分类法的水体信息空间编码。本发明的优点：1）有效实现长江流域水环境与资源的实时监测和管理；2）为长江经济带发展战略、区域生态环境保护与规划提供科学依据；3）适用于其他流域水体信息的空间提取与信息管理。
-
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：CN119887880A
公开(公告)日：2025-04-25
申请号：CN202411685232.5
申请日：2024-11-22
Applicant: 南京林业大学
IPC: G06T7/62 , G06T7/73 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0895
Abstract: 本发明涉及图像识别领域，公开了一种基于一次样本学习的树木遥感图像处理方法及系统，方法包括通过设计基于基础模型SAM的通用图纸分割模型DrawSAM利用高效微调方法DoRA进行自适应微调SAM，结合Box Generator提示生成器进行图像分割，能够适应多样化的图纸类型和复杂结构布局，提升图纸中文字及符号的检测和识别准确率与效率；并通过优化的文本检测算法DrawDETR，减少了在识别工程图纸时的误识别率，提高了识别的准确性，有效解决了通用OCR模型在此领域的误识别和符号无法识别的问题，显著提升了图纸电子化数据的检索与应用，满足工业需求。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.023 seconds)
