-
公开(公告)号：CN103020966B
公开(公告)日：2015-08-26
申请号：CN201210512359.8
申请日：2012-12-04
Applicant: 南京大学
Abstract: 一种基于建筑物轮廓约束的航空与地面LiDAR数据自动配准方法：首先分别从航空、地面LiDAR数据中提取建筑物轮廓，简称航空轮廓、地面轮廓；再从航空轮廓、地面轮廓中提取出建筑物角点，简称航空角点、地面角点；然后以航空轮廓与地面轮廓间的匹配度为约束，计算航空角点与地面角点之间初始转换矩阵，并获取初始匹配角点对；最后使用ICP算法计算初始匹配角点对之间的修正转换矩阵，并用初始转换矩阵和修正转换矩阵依次对待匹配地面点云数据进行转换，实现航空与地面LiDAR数据的自动高精度配准。本发明使用轮廓线做约束，在配准的可靠性与精确性方面都有很大的优势；同时，本发明仅从待匹配LiDAR数据与基准LiDAR数据出发，无需借助其他辅助数据便可实现两者之间的精确配准。
-
公开(公告)号：CN102567508B
公开(公告)日：2014-05-14
申请号：CN201110441736.9
申请日：2011-12-27
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于抽象数据模型的海量栅格数据格式转换并行方法，属于栅格数据格式转换方法领域。本发明的步骤为：借助GDAL库函数解译栅格数据文件，按行划分栅格数据使每块数据量为行数总量除以计算进程数，构建待处理栅格数据块栈表以及数据块处理情况统计表，获取空闲计算进程队列；取出待处理数据块出栈与从空闲计算进程队列中取出的计算进程组合构成操作指令，发送给该计算进程；计算进程接收指令并负责完成该数据块的格式转换操作；计算进程发送的目标数据格式块文件写到框架文件中对应的位置，直到整个框架文件被全部填充。本发明将栅格数据格式转换技术和并行计算技术结合起来，大大提高了数据转换效率，缩短了转换格式耗费的时间。
-
公开(公告)号：CN103440489A
公开(公告)日：2013-12-11
申请号：CN201310423428.2
申请日：2013-09-16
Applicant: 南京大学
IPC: G06K9/46
Abstract: 本发明涉及一种像素级SAR影像时间序列的水体提取方法，该方法首先，对SAR影像数据集进行预处理，经过高精度匹配，构建像素级SAR影像时间序列，生成时间序列文本数据；其次，采样选取纯净水体像元和混合水体像元的时间序列，选取DTW作为时间序列的相似性度量，计算其DTW值作为最大阈值；然后计算所有像元的像素级SAR影像时间序列与纯净水体像元时间序列的DTW值，采用最大阈值方法分割SAR影像，获取二值图像；最后，采用8邻域搜索方法对二值图像进行操作以提高水体识别精度。该方法能够准确提取稳定的水资源分布范围，提取结果不受山体阴影、雨季积水及部分植被的影响，能够满足水体制图的要求。
-
公开(公告)号：CN103065295A
公开(公告)日：2013-04-24
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：CN102750696B
公开(公告)日：2014-07-16
申请号：CN201210185091.1
申请日：2012-06-06
Applicant: 南京大学
Abstract: 基于仿射不变特征与海岸线约束的海岸带遥感影像自动配准方法，其步骤为：海岸线及陆地区域影像提取；生成SIFT特征点及特征向量；SIFT特征点匹配；计算单应矩阵；将对应海岸线重叠，计算海岸线对之间的平均横截线距离；调整RANSAC方法的距离阈值，并重新计算海岸线对之间的横截线距离；以横截线距离突变前一个实例作为最优实例，该最优实例单应矩阵即为最优单应矩阵；利用最优单应矩阵完成影像配准。本发明克服了由于海岸带影像陆地特征复杂、水域特征缺失造成的影像配准困难的问题，能够有效地进行海岸带遥感影像的自动配准，配准精度和自动化程度较高。
-
Patent Agency Ranking
公开(公告)号：CN103236067A
公开(公告)日：2013-08-07
申请号：CN201310172271.0
申请日：2013-05-10
Applicant: 南京大学
Abstract: 本发明涉及一种像素级SAR影像时间序列构建的局部自适应配准方法，方法如下：数据预处理之后从主从影像上提取同名特征点对，使用最小二乘法计算二次多项式参数并计算匹配总体误差，然后比较匹配总体误差与给定阈值的大小，若匹配总体误差小于或等于给定阈值，则从影像与主影像的位置关系由上述二次多项式确定，最后进行影像配准；反之，若总误差大于给定阈值，则进行误差点聚类获取畸变区域，将主、从影像的正常区域作为一对新主从影像，畸变区域作为另一对新主从影像，对两对新的主、从影像重复计算二次多项式参数及以后的步骤，直至所有新主、从影像的同名特征点对匹配总体误差小于给定阈值，然后进行影像配准。
-
公开(公告)号：CN103020966A
公开(公告)日：2013-04-03
申请号：CN201210512359.8
申请日：2012-12-04
Applicant: 南京大学
Abstract: 一种基于建筑物轮廓约束的航空与地面LiDAR数据自动配准方法：首先分别从航空、地面LiDAR数据中提取建筑物轮廓，简称航空轮廓、地面轮廓；再从航空轮廓、地面轮廓中提取出建筑物角点，简称航空角点、地面角点；然后以航空轮廓与地面轮廓间的匹配度为约束，计算航空角点与地面角点之间初始转换矩阵，并获取初始匹配角点对；最后使用ICP算法计算初始匹配角点对之间的修正转换矩阵，并用初始转换矩阵和修正转换矩阵依次对待匹配地面点云数据进行转换，实现航空与地面LiDAR数据的自动高精度配准。本发明使用轮廓线做约束，在配准的可靠性与精确性方面都有很大的优势；同时，本发明仅从待匹配LiDAR数据与基准LiDAR数据出发，无需借助其他辅助数据便可实现两者之间的精确配准。
-
公开(公告)号：CN102768356A
公开(公告)日：2012-11-07
申请号：CN201210275677.7
申请日：2012-08-03
Applicant: 南京大学
Abstract: 本发明涉及一种利用多时相雷达数据检测海上静止目标的方法。该方法使用的数据为多时相的ENVISATASAR影像，首先对于多景ENVISATASAR数据使用基于双参数的恒虚警率（CFAR）算法提取海上目标，针对ENVISATASAR数据提出了优选的算法参数，使得双参数CFAR适用于ENVISATASAR数据。对于多时相的海上目标，使用一种基于RANSAC算法的海上目标点匹配方法进行匹配，经匹配后的点目标中相互重合的点就为海上静止目标。该方法能够有效地检测海上钻井平台等海上静止目标，从而快速、及时、准确地监测海域石油开发等资源和环境状况。
-
公开(公告)号：CN102750696A
公开(公告)日：2012-10-24
申请号：CN201210185091.1
申请日：2012-06-06
Applicant: 南京大学
Abstract: 基于仿射不变特征与海岸线约束的海岸带遥感影像自动配准方法，其步骤为：海岸线及陆地区域影像提取；生成SIFT特征点及特征向量；SIFT特征点匹配；计算单应矩阵；将对应海岸线重叠，计算海岸线对之间的平均横截线距离；调整RANSAC方法的距离阈值，并重新计算海岸线对之间的横截线距离；以横截线距离突变前一个实例作为最优实例，该最优实例单应矩阵即为最优单应矩阵；利用最优单应矩阵完成影像配准。本发明克服了由于海岸带影像陆地特征复杂、水域特征缺失造成的影像配准困难的问题，能够有效地进行海岸带遥感影像的自动配准，配准精度和自动化程度较高。
-
公开(公告)号：CN102567508A
公开(公告)日：2012-07-11
申请号：CN201110441736.9
申请日：2011-12-27
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于抽象数据模型的海量栅格数据格式转换并行方法，属于栅格数据格式转换方法领域。本发明的步骤为：借助GDAL库函数解译栅格数据文件，按行划分栅格数据使每块数据量为行数总量除以计算进程数，构建待处理栅格数据块栈表以及数据块处理情况统计表，获取空闲计算进程队列；取出待处理数据块出栈与从空闲计算进程队列中取出的计算进程组合构成操作指令，发送给该计算进程；计算进程接收指令并负责完成该数据块的格式转换操作；计算进程发送的目标数据格式块文件写到框架文件中对应的位置，直到整个框架文件被全部填充。本发明将栅格数据格式转换技术和并行计算技术结合起来，大大提高了数据转换效率，缩短了转换格式耗费的时间。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.03 seconds)
