一种融合单目相机和激光雷达的三维目标检测方法

    公开(公告)号:CN114120075B

    公开(公告)日:2024-09-24

    申请号:CN202111411601.8

    申请日:2021-11-25

    Applicant: 武汉大学

    Abstract: 本发明涉及一种融合单目相机和激光雷达的三维目标检测方法,包括目标检测、目标跟踪和轨迹预测三个阶段。在目标检测阶段,充分结合相机和激光雷达的优势,提高了三维动态目标检测的精度;在目标跟踪阶段,提出了一种基于四元状态机的跟踪器管理模型,有效提高了跟踪算法的鲁棒性;在轨迹预测阶段,创新地提出了一种基于车道线约束的轨迹预测模型,在道路坐标系中对车辆运动进行建模,可以更好地预测车辆的运动。

    一种结合回归模型和GACOS的时序InSAR大气二次改正方法及系统

    公开(公告)号:CN117452406A

    公开(公告)日:2024-01-26

    申请号:CN202311423450.7

    申请日:2023-10-30

    Applicant: 武汉大学

    Abstract: 本发明公开了一种结合回归模型和GACOS的时序InSAR大气二次改正方法及系统,包括获取研究区域的原始SAR影像、卫星轨道数据、数字高程模型和GACOS数据集;选取公共主影像进行配准,通过干涉处理得到多个缠绕干涉相位,利用最小费用流算法对所有缠绕干涉相位进行相位解缠,得到原始的解缠相位;将GACOS数据集、数字高程模型转换到SAR影像坐标系下;将解缠相位减去利用回归模型拟合的大气相位得到初步改正后的解缠相位;利用GACOS数据集对所有经过初步改正后的解缠相位进行二次大气改正;将二次改正后的解缠相位输入到小基线集InSAR反演算法中进行后续的时序分析。本发明可进一步提高时序InSAR中大气改正的效果,为快速、高精度实现地表形变监测提供有效手段。

    基于Google S2实现Hbase数据库遥感大数据入库模型的设计方法

    公开(公告)号:CN109783665B

    公开(公告)日:2022-10-14

    申请号:CN201811639288.1

    申请日:2018-12-29

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于Google S2实现Hbase数据库遥感大数据入库模型的设计方法,包括:通过Google S2算法实现遥感数据的格网化裁剪,用于将大范围整幅遥感影像进行分区、分片及地面空间离散化,方便影像数据的存储管理;Hbase数据库的表存储模型的建立,实现了对分区遥感影像在多个维度的属性表述,并通过数据波段离散存储的方式实现多源异构遥感影像数据的数据结构整合。本发明充分考虑了不同种类遥感影像数据的特点,实现了遥感大数据的高效存储,满足了用户不同应用场景下的需求,并有效地兼顾了系统的可扩展性和数据均衡。

    一种基于机器学习的全仓面碾压施工质量评估方法

    公开(公告)号:CN114926018A

    公开(公告)日:2022-08-19

    申请号:CN202210540493.2

    申请日:2022-05-17

    Applicant: 武汉大学

    Inventor: 张文 黄声享

    Abstract: 本发明公开了一种基于机器学习的全仓面碾压施工质量评估方法,首先,监测施工现场碾压机械的实时三维空间位置数据,利用空间位置数据得到实时碾压施工参数信息;进一步,构建碾压仓面实时高精度数字高程模型来解算压沉值;其次进行碾压实验,采集不同碾压速度、碾压遍数下的压实质量指标数据,得到本方法的样本数据集,再建立碾压施工仓面施工质量评估模型;最后在碾压仓面施工过程中基于所述模型实现碾压施工全仓面的施工质量实时评估。本发明能快速、准确估算碾压施工全仓面的压实质量指标,进一步通过对碾压参数和压实质量指标的“双评”,综合评定该仓面的压实质量,可有效避免通过少量样本来评价整体仓面碾压质量的准确性问题。

    一种基于多分支金字塔神经网络的遥感影像道路提取方法

    公开(公告)号:CN112287807A

    公开(公告)日:2021-01-29

    申请号:CN202011162338.9

    申请日:2020-10-27

    Applicant: 武汉大学

    Abstract: 本发明公开了一种利用卷积神经网络提取遥感影像上完整道路信息的方法。构造了构建一个多分支的金字塔神经网络,通过两个并行的特征恢复结构以及基于几何结构分析和特征点提取的后处理技术,充分挖掘低层位置信息和高层语义信息,解决卫星影像上道路提取时面临的道路稀疏性问题和被植被建筑物等遮挡造成的道路断裂问题。本方法通过稀疏性检验和设计新的损失函数,综合考虑了道路分布的稀疏性和样本的不均衡性,使网络更关注稀疏的、难分类的道路像素。同时,针对道路被植被和建筑物遮挡的情况,本方法基于几何特征点分析进行自动化的断裂检测和断裂连接,提高了道路提取的精确率,在计算机视觉和遥感道路提取等场景中具有重要的实际应用价值。

    一种基于随机森林的SMAP土壤水分降尺度方法

    公开(公告)号:CN111639675A

    公开(公告)日:2020-09-08

    申请号:CN202010372048.0

    申请日:2020-05-06

    Applicant: 武汉大学

    Abstract: 本发明公开一种基于随机森林的SMAP土壤水分降尺度方法,包括:获取目标区域的SMAP土壤水分产品、MODIS数据和SRTM数字高程数据;对获取的数据进行处理以获取与SMAP土壤水分产品空间分辨率相同的目标区域的MODIS数据和SRTM数字高程数据;基于随机森林构建土壤水分降尺度模型并对模型进行训练;最后将SMAP土壤水分数据、MODIS数据和SRTM数字高程数据重采样到1km空间分辨率并输入到土壤水分降尺度模型,获取目标区域1km空间分辨率的土壤水分产品。本发明通过利用MODIS数据在空间分辨率上的优势以及遥感地表参数与土壤水分之间的非线性关系,基于随机森林构建了土壤水分降尺度模型,通过该土壤水分降尺度模型获取高分辨率的土壤水分数据,实现SMAP土壤水分产品的降尺度。

Patent Agency Ranking