公开(公告)号：CN118967532A

公开(公告)日：2024-11-15

申请号：CN202411463481.X

申请日：2024-10-21

Applicant: 南京信息工程大学

Inventor： 肖志恒 ,  陈金生 ,  邓娜 ,  童旭东

IPC: G06T5/80 ,  G06T7/50 ,  G06T7/33

Abstract: 本发明公开了一种基于深度估计改进的无人车姿态校正方法，包括以下步骤：分别采集点云和图像，利用Depth Angthing算法获得深度图像；将点云、图像和深度图像输入姿态校正网络，得到点云‑图像集合；利用EPnP算法对点云‑图像集合进行求解，得到初次姿态矩阵；从混合图像的局部特征中提取深度特征，利用深度特征对初次姿态矩阵进行优化，得到最终的相机姿态矩阵。本发明通过提取深度图、点云和图像特征，计算出重叠区域，并进行初步姿态估计，通过深度图完成二次配准，利用每个像素的深度值信息和投影在图像上的点云的距离信息建立多项式模型，并在小范围内寻找最佳的位置，从而带动所有点的移动以及相机姿态的调整。

公开(公告)号：CN119782930A

公开(公告)日：2025-04-08

申请号：CN202411777197.X

申请日：2024-12-05

Applicant: 南京信息工程大学

Inventor： 杨宇挺 ,  胡婷 ,  潘子永 ,  童旭东

IPC: G06F18/2415 ,  G06F18/241 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082 ,  G06F18/25

Abstract: 本发明公开了一种融合多模态数据的建筑物混合用途分类方法及系统，属于遥感影像数据处理技术领域，所述方法包括：分别获取研究区域的多模态数据并进行预处理；构建基于卷积神经网络的混合网络模型，所述混合网络模型包括依次连接的并行分支网络、缓冲区模块和预测器；将预处理后的多模态数据输入所述混合网络模型，通过所述并行分支网络提取多模态数据的多尺度特征图，通过所述缓冲区模块提取所述多尺度特征图中建筑物周围主要环境特征区域的语义信息，通过所述预测器输出建筑物属于每个类别的概率。本发明基于多模态数据实现了对建筑物混合用途的识别，可以弥补仅依靠单模态数据在城市建筑物分类研究中存在的缺陷，提高识别的准确度。

公开(公告)号：CN118967532B

公开(公告)日：2024-12-17

申请号：CN202411463481.X

申请日：2024-10-21

Applicant: 南京信息工程大学

Inventor： 肖志恒 ,  陈金生 ,  邓娜 ,  童旭东

IPC: G06T5/80 ,  G06T7/50 ,  G06T7/33

Abstract: 本发明公开了一种基于深度估计改进的无人车姿态校正方法，包括以下步骤：分别采集点云和图像，利用Depth Angthing算法获得深度图像；将点云、图像和深度图像输入姿态校正网络，得到点云‑图像集合；利用EPnP算法对点云‑图像集合进行求解，得到初次姿态矩阵；从混合图像的局部特征中提取深度特征，利用深度特征对初次姿态矩阵进行优化，得到最终的相机姿态矩阵。本发明通过提取深度图、点云和图像特征，计算出重叠区域，并进行初步姿态估计，通过深度图完成二次配准，利用每个像素的深度值信息和投影在图像上的点云的距离信息建立多项式模型，并在小范围内寻找最佳的位置，从而带动所有点的移动以及相机姿态的调整。

公开(公告)号：CN119784621A

公开(公告)日：2025-04-08

申请号：CN202510248048.2

申请日：2025-03-04

Applicant: 南京信息工程大学

Inventor： 陈金生 ,  童旭东 ,  肖志恒 ,  孙艺滢 ,  王泓睿 ,  麻红军

IPC: G06T5/60 ,  G06T5/77 ,  G06V10/764 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/77

Abstract: 本发明提供了一种基于微波引导扩散模型的遥感影像去云方法，包括步骤：S1建立云体掩膜、S2分析提取多波段微波特征、S3利用微波引导扩散模型训练生成可见光图像、S4将微波生成图替换云图。通过对多波段微波数据进行主成分分析提取显著特征，并将其输入至扩散模型的同时，引入ControlNet，利用ControlNet在扩散模型中添加条件分支网络，将额外的条件信息（如云掩膜、多波段微波主成分特征或边缘特征等）嵌入到扩散过程的特定阶段，实现对生成结果的精确控制，以此进一步提升扩散模型在遥感影像去云任务中的表现，实现高质量影像生成与地表信息精准恢复，更好地保留地物纹理及细节信息。