-
公开(公告)号：CN111950658A
公开(公告)日：2020-11-17
申请号：CN202010886292.9
申请日：2020-08-28
Applicant: 南京大学
Abstract: 本发明公开了一种基于深度学习的LiDAR点云与光学影像先验级耦合分类方法，属于遥感科学技术领域。本发明步骤为：首先通过二维深度卷积网络分类多波段光学影像；再将地表覆盖二维分类的结果（即类别概率）利用最近邻算法赋予机载LiDAR点云，作为三维点云的先验概率特征；而后采用三维神经网络分类已嵌入二维类别概率的LiDAR点云，得到最终的城市三维土地覆盖分类结果。本发明利用先验级耦合策略将光学影像提供的波段信息赋予LIDAR点云，弥补了现有三维LiDAR点云数据中存在较少的标注数据的问题，先验级耦合策略分类策略可以降低训练过程的损失，以获得更好的分类效果，并阐释了城市地表覆盖二维分类与三维分类之间的联系。
-
公开(公告)号：CN106157309A
公开(公告)日：2016-11-23
申请号：CN201610520898.4
申请日：2016-07-04
Applicant: 南京大学
CPC classification number: G06T17/30 , G06T2207/10044 , G06T2207/20024
Abstract: 本发明公开了一种基于虚拟种子点的机载LiDAR地面点云滤波方法，属于机载LiDAR点云数据分类领域。本发明的步骤为：首先，将机载LiDAR点云格网化，利用格网内点云的分布维度和高程分布直方图构建地面虚拟种子点；其次，使用多尺度形态学对虚拟种子点评估，剔除不属于地面的虚拟种子点，并且对点云进行初步滤波；最后，利用评估后的虚拟种子点构建初始TIN网，迭代加密TIN网完成LiDAR数据的地面点云滤波。本发明既降低了滤波算法的时间耗费，又保证了滤波算法的滤波精度，并且适用范围广。
-
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：CN103020342B
公开(公告)日：2015-07-15
申请号：CN201210512462.2
申请日：2012-12-04
Applicant: 南京大学
IPC: G06F17/50
Abstract: 本发明涉及一种从地面LiDAR数据中提取建筑物轮廓和角点的方法，首先使用分层次的格网密度方法从地面LiDAR数据中提取建筑物轮廓；在此基础上使用轮廓延伸密度方法对提取的建筑物轮廓进行恢复，即得到完整的建筑物轮廓；若需提取角点则将完整的建筑物轮廓投影到三维坐标系的XY平面内寻找二维相交点，如果任两条构成相交点的轮廓的高程差小于1m，则判定两条轮廓在实际的三维空间中相交，两条轮廓的相交点为一个地面角点，并将所述两条轮廓的高程均值作为该地面角点的高程。本发明所用的格网密度方法、格网密度阈值的理论估计确定方法、轮廓密度延伸的方法，保证了从地面LiDAR数据中提取准确的建筑物轮廓线段和高精度的地面角点；并且实现了自动化提取，大大提高了数据处理效率。
-
公开(公告)号：CN103473734A
公开(公告)日：2013-12-25
申请号：CN201310421449.0
申请日：2013-09-16
Applicant: 南京大学
Abstract: 基于车载LiDAR数据的电力线提取与拟合方法，方法如下：首先利用体元划分车载LiDAR点云，确定各个体元内的点；然后根据真实电力线的分布特点剔除不含有电力线点云的体元；再将过滤得到的电力线点云依据电力线走廊进行划分，并利用AutoClust算法对电力线点云进行初始聚类；接着使用基于端部拟合线段的聚类合并方法，将属于同一电力线的初始点云聚类合并到一起；最后根据电力线的特性，恢复断裂的电力线，最终得到可用以表征单条电力线的点云，并以此进行三维拟合。本发明能够实现海量车载LiDAR数据中电力线点云的自动快速提取，实现了单条电力线的准确识别以及电力线三维模型的精确拟合。
-
Patent Agency Ranking
公开(公告)号：CN102521884A
公开(公告)日：2012-06-27
申请号：CN201110423560.4
申请日：2011-12-16
Applicant: 南京大学
IPC: G06T17/10
Abstract: 本发明属于影像处理方法领域，公开了一种基于LiDAR数据与正射影像的3维屋顶重建方法。本方法包括以下步骤：（1）基于三角形簇的LiDAR点屋顶面片分割；（2）基于LiDAR数据与正射影像的屋脊线提取；（3）3维屋顶模型重建。本方法面向3维屋顶模型精细重建的需求，集成LiDAR数据与高分辨率影像，综合利用LiDAR数据高程特性与影像高分辨率特性的互补优势，以“屋顶面片分割-屋脊线提取-3维屋顶模型重建”为主线，实现了基于三角形簇的LiDAR点屋顶面片分割算法、基于LiDAR数据与正射影像的屋脊线提取算法，形成了一种3维屋顶模型重建的新方法，实验证明本方法建模的自动化程度高，正确性和完整性较高、定位精度较高，符合实际应用需求。
-
公开(公告)号：CN110009054B
公开(公告)日：2021-01-29
申请号：CN201910294565.8
申请日：2019-04-12
Applicant: 南京大学
Abstract: 本发明公开了一种利用几何与强度特征的分层次机载LiDAR点云分类方法，属于遥感科学技术领域。本发明步骤为：首先通过机载LiDAR获取地表的三维几何信息和强度信息，并根据几何信息和强度信息为每个LiDAR点构建几何特征与强度特征；再利用随机森林分类器处理几何特征，得到监督分类结果；从监督分类结果中提取地面地物，并利用高斯混合模型处理地面地物点的强度特征，得到非监督分类结果；而后利用启发规则对监督分类结果与非监督分类结果进行融合，获得最终分类结果。本发明克服了现有技术中，易变的强度信息所引起的机载LiDAR点云监督分类器不稳定、难迁移的不足，可以分层次利用机载LiDAR点云的几何信息和强度信息，得到较好的机载LiDAR点云分类结果。
-
公开(公告)号：CN103473734B
公开(公告)日：2016-09-14
申请号：CN201310421449.0
申请日：2013-09-16
Applicant: 南京大学
Abstract: 基于车载LiDAR数据的电力线提取与拟合方法，方法如下：首先利用体元划分车载LiDAR点云，确定各个体元内的点；然后根据真实电力线的分布特点剔除不含有电力线点云的体元；再将过滤得到的电力线点云依据电力线走廊进行划分，并利用AutoClust算法对电力线点云进行初始聚类；接着使用基于端部拟合线段的聚类合并方法，将属于同一电力线的初始点云聚类合并到一起；最后根据电力线的特性，恢复断裂的电力线，最终得到可用以表征单条电力线的点云，并以此进行三维拟合。本发明能够实现海量车载LiDAR数据中电力线点云的自动快速提取，实现了单条电力线的准确识别以及电力线三维模型的精确拟合。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.074 seconds)
