-
公开(公告)号：CN111934652A
公开(公告)日：2020-11-13
申请号：CN202011090713.3
申请日：2020-10-13
Applicant: 中国地质大学(武汉)
IPC: H03H21/00
Abstract: 本发明公开了一种面向水深提取的光子计数激光雷达自适应滤波算法，包括如下步骤：S1：自适应获取水面光子信号椭圆密度滤波参数，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数；S2：确定水下光子信号滤波参数与光子信号高程值的关系；S3：对水面光子信号与水下光子信号进行滤波以及提取，获取连续的水深提取结果。
-
公开(公告)号：CN111797680A
公开(公告)日：2020-10-20
申请号：CN202010425195.X
申请日：2020-05-19
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种遥感纹理信息确定方法、装置、终端及存储介质，所述遥感纹理信息确定方法包含：获取立体遥感图像对，基于所述立体遥感图像对生成数字地形模型；基于所述数字地形模型获得坡度图像，其中，所述坡度图像的各个像元对应有坡度值；基于所述坡度图像中各个像元对应的坡度值，分别确定各个所述像元的灰度值，生成相应的灰度图像；基于所述灰度图像获得纹理特征信息。本发明提取的纹理特征/信息更加准确、精细，使得基于该纹理特征/信息作出的分类的精度得到提升。
-
公开(公告)号：CN111708005A
公开(公告)日：2020-09-25
申请号：CN202010855797.9
申请日：2020-08-24
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种单光子激光雷达水下光子位移校正、测深方法及装置，涉及海洋测绘技术领域，包括：获取单光子激光雷达发射光子的指向角、单光子激光雷达发射光子返回的水面光子信号和水底光子信号的坐标；根据水面光子信号进行海浪波拟合，确定海浪波模型；根据任意一个水底光子的坐标、指向角和海浪波模型，确定光子与水气界面的交点；根据交点、海浪波模型和指向角确定光子的水下位移误差；根据水下位移误差对水底光子信号的坐标进行校正。本发明通过水面光子信号进行海浪波建模，并确定光子与水气界面交点。通过光子传播路径的空间结构关系确定水下光子位移误差。本发明有效避免海浪波引起的折射和光子速度变化导致的位移，提高数据准确性。
-
公开(公告)号：CN104401504B
公开(公告)日：2016-01-06
申请号：CN201410665303.5
申请日：2014-11-19
Applicant: 中国地质大学(武汉)
Abstract: 本发明一种固定翼航测型无人机设计方法，从机身结构和工作性能出发，设计出机翼翼型和机身，将设计出的参数通过Profili软件模型分析，在CAD中制做底图，将制作好的底图在SketchUp中进行3D建模，在得到载机3D模型后打印图纸进行手工制作，最后得到成本费用低、操作简单、稳定性强的XW-06航测型无人机载机。通过本发明提供的设计方法制作出的无人机，成本低、荷载能力强，能够针对不同的天气条件实现较强的抗干扰能力和稳定性，实现人性化的人机交互性。
-
公开(公告)号：CN104401504A
公开(公告)日：2015-03-11
申请号：CN201410665303.5
申请日：2014-11-19
Applicant: 中国地质大学(武汉)
Abstract: 本发明一种固定翼航测型无人机设计方法，从机身结构和工作性能出发，设计出机翼翼型和机身，将设计出的参数通过Profili软件模型分析，在CAD中制做底图，将制作好的底图在SketchUp中进行3D建模，在得到载机3D模型后打印图纸进行手工制作，最后得到成本费用低、操作简单、稳定性强的XW-06航测型无人机载机。通过本发明提供的设计方法制作出的无人机，成本低、荷载能力强，能够针对不同的天气条件实现较强的抗干扰能力和稳定性，实现人性化的人机交互性。
-
Patent Agency Ranking
公开(公告)号：CN119963986A
公开(公告)日：2025-05-09
申请号：CN202510038141.0
申请日：2025-01-10
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于RT‑DETR的海洋渔场高精度目标检测改进方法，包括采集海洋生物多视角图像并预处理，得到海洋渔场目标数据集、使用Efficient Block模块来替换模型中的主干网络中的Basic Block模块、引入级联分组卷积注意力模块来替换模型中的AIFI模块、在模型颈部网络中引入基于注意力机制的跨尺度融合模块、配置训练环境将海洋渔场目标数据集的输入改进方法进行训练以及将待检测的目标图像作为输入，得到海洋渔场目标检测结果与海洋渔场目标识别信息作为输出。本发明在目标识别精度和网络体积上取得较好的平衡，提高了定位精确度与识别准确度，能够提升在海洋渔业复杂场景下的检测能力。
-
公开(公告)号：CN119618175A
公开(公告)日：2025-03-14
申请号：CN202411605979.5
申请日：2024-11-12
Applicant: 中国地质大学(武汉) , 湖北省测绘工程院
Abstract: 本发明提供了一种多源滑坡监测数据统一坐标方法、装置、设备及存储介质，涉及数据处理技术领域，包括：通过GNSS设备、激光雷达测量无人机、合成孔径雷达和工程测量仪器获取滑坡区域的实际监测数据和目标关键点在CGCS2000坐标基准下的坐标；通过在原有坐标基准下和在CGCS2000坐标基准下的坐标构建关键点坐标映射关系；基于邻域密度归一化，通过关键点坐标映射关系和地理加权系数得到七参数坐标转换模型；基于掩膜规则，过滤剩余所有点位坐标中滑坡区域外的像元和低信噪比的像元；将过滤后的剩余所有点位坐标输入七参数坐标转换模型得到目标CGCS2000坐标数据。本发明提高了坐标转换精度。
-
公开(公告)号：CN119180979A
公开(公告)日：2024-12-24
申请号：CN202411001631.5
申请日：2024-07-25
Applicant: 中国地质大学(武汉) , 新疆生产建设兵团自然资源卫星应用技术中心(兵团自然资源基础数据中心)
IPC: G06V10/764 , G06V10/774 , G06V20/13 , G06V20/17 , G06V10/44
Abstract: 本发明提供了一种基于特征交互和场景‑语义协同的矿山占地模型训练方法，涉及深度学习技术领域，该方法包括：获取场景分类数据集，其中，场景分类数据集包括多个遥感图像；将遥感图像输入初始训练模型，得到预测结果，根据预测结果得到损失值，通过损失值对初始训练模型进行调优，得到矿山占地模型；初始训练模型包括特征提取模块和特征交互模块，通过特征提取模块对遥感图像进行特征提取，得到浅层特征数据和深层特征数据；通过特征交互模块将浅层特征数据和深层特征数据，通过自注意力机制进行任务交互处理，得到目标特征数据，目标特征数据用于得到预测结果。本发明提高现有模型在矿山占地任务中，面对不同任务的差异时的数据特征处理能力。
-
公开(公告)号：CN118072138B
公开(公告)日：2024-07-05
申请号：CN202410497957.5
申请日：2024-04-24
Applicant: 中国地质大学(武汉)
IPC: G06V10/80 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/764 , G06V10/82 , G06V10/26 , G06V20/70 , G06V20/10 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及图像处理领域，提供了一种土地覆盖特征提取方法、装置、电子设备及存储介质，其中，该方法包括：获取目标图像的第一超像素场景图与初始特征图，其中，初始特征图包括底层特征图和中层特征图；根据第一超像素场景图与中层特征图得到超像素特征图，并通过图卷积神经网络对底层特征图进行卷积处理，得到目标底层特征图；将目标底层特征图和超像素特征图进行元路径融合，得到融合特征图；根据融合特征图确定目标图像的土地覆盖特征，其中，土地覆盖特征用于确定目标图像的土地覆盖标签。通过本发明，解决了相关技术中提取的土地覆盖特征不全面，使得多标签遥感土地覆盖场景分类的分类结果的准确性较低的问题。
-
公开(公告)号：CN116740410B
公开(公告)日：2024-01-30
申请号：CN202310434291.4
申请日：2023-04-21
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种双模态目标检测模型构建方法、检测方法及计算机设备，涉及目标检测技术领域，包括：根据原始图像获取双模态图像；通过神经网络模块提取双模态图像的特征，得到初始双模态特征，并利用特征互补模块对双模态图像进行处理得到植被归一化指数；将初始双模态特征发送给特征互补模块，令特征互补模块利用植被归一化指数对初始双模态特征进行特征增强；将中间双模态特征输入图卷积模块得到图卷积双模态特征、第一预测结果和第二预测结果；将第一预测结果和第二预测结果输入超像素掩膜模块生成最终损失；根据最终损失对神经网络模块、特征互补模块和图卷积模块进行参数优
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.029 seconds)
