-
公开(公告)号：CN111950658B
公开(公告)日：2024-02-09
申请号：CN202010886292.9
申请日：2020-08-28
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/26 , G06N3/08 , G06V20/10 , G06N3/0464
Abstract: 市地表覆盖二维分类与三维分类之间的联系。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(56)对比文件Xiaoqiang Liu等.HierarchicalClassification of Urban ALS Data by UsingGeometry and Intensity Information.《Sensors》.2019,第19卷(第20期),4583.Yangyan Li等.2D-3D fusion for layerdecomposition of urban facades《.2011International Conference on ComputerVision》.2012,882-889.Hassan Ghassemian.A review of remotesensing image fusion methods《.InformationFusion》.2016,第32卷75-89.
-
公开(公告)号：CN110009054A
公开(公告)日：2019-07-12
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：CN106157309B
公开(公告)日：2019-03-22
申请号：CN201610520898.4
申请日：2016-07-04
Applicant: 南京大学
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。
-
Patent Agency Ranking
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：CN115546544A
公开(公告)日：2022-12-30
申请号：CN202211209998.7
申请日：2022-09-30
Applicant: 深圳市规划和自然资源数据管理中心 , 河海大学 , 南京大学
Abstract: 本发明公开了一种基于图神经网络的LiDAR点云与OSM标注信息流耦合分类方法。以图神经网络为理论依据，首先超分割激光雷达点云得到“超点”，并根据超点之间的邻接关系构建超点邻接图；利用PiontNet嵌入超点特征并设计邻接图边特征从而形成完整的图神经网络；再将超点与对应的众源地图平台标注信息关联，将其纳入基于图卷积网络的超点特征更新以实现众源地图平台标注信息全局传递，从而实现地表地物分类。本发明提出的激光雷达点云分类策略可以解决众源地图平台标注的稀疏性，表达众源地图平台标注对其他地物对象的影响，在地表分类上均取得较优的性能，实现了高质量、智能化的城市地表覆盖三维分类。
-
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：CN111079073A
公开(公告)日：2020-04-28
申请号：CN202010078768.6
申请日：2020-02-03
Applicant: 南京大学
IPC: G06F17/10
Abstract: 本发明涉及一种建筑物三维太阳能潜力计算方法，步骤包括：建筑物模型屋顶及立面点云采样、遮挡分析、天空视域分析、太阳辐射计算和太能潜力计算。本发明提升了精确估算三维建筑物实际太阳能潜力的技术手段，对建筑物模型进行屋顶-立面联合采样，然后进行遮挡分析和天空视域分析，以此进行太阳辐射的直射和散射计算。本发明提出的“屋顶-立面联合”技术方法不仅计算了常规方法中建筑物顶面的太阳能潜力，还同时计算了建筑物立面太阳能潜力，提高了城市建筑物太阳能利用的范围和潜力。本发明采用先对建筑物顶面和立面进行点采样，用离散化的方式进行空间遮挡分析和天空视域分析，充分考虑了周边建筑物对建筑物本身接受太阳能的影响。
-
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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
