-
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：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。
-
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：CN102200575B
公开(公告)日：2013-06-12
申请号：CN201010568736.0
申请日：2010-12-02
Applicant: 南京大学
Abstract: 本发明公开了一种基于恒虚警率的遥感影像舰船检测方法，属于雷达遥感影像目标检测领域。其步骤为：ENVISATASAR影像数据读取与格式转换，设定目标窗口、保护窗口与背景窗口三个检测窗口，在影像数据数组上滑动检测窗口，计算窗口均值与标准偏差，设定虚警率检测控制系数，按照舰船目标检测准则生成舰船目标-背景二值影像，遍历舰船目标-背景二值影像，生成矢量点状舰船目标。本发明解决了ENVISATASAR遥感影像舰船检测时滑动窗口与虚警率检测控制系数的设置问题，提出了矢量点状舰船目标的生成方法。应用本发明能够从ENVISATASAR影像中提取矢量点状舰船目标，服务于海洋环境与安全监测分析。
-
公开(公告)号：CN106023312B
公开(公告)日：2019-02-22
申请号：CN201610319784.3
申请日：2016-05-13
Applicant: 南京大学 , 云南省测绘资料档案馆(云南省基础地理信息中心)
IPC: G06T17/05
Abstract: 本发明公开了一种基于航空LiDAR数据的三维建筑物模型自动重建方法。其步骤为：利用反向迭代数学形态学滤波和基于点云密度的方法从航空LiDAR数据中提取建筑物屋顶点云；根据“种子区域选取—屋顶面片生长—面片平整优化”的策略提取并优化屋顶面片；构建二维规则格网对不同屋顶层进行重采样获取屋顶层的内部点和边缘点；优化不同屋顶层的边缘点；连接屋顶层的内部点和边缘点构建屋顶面和墙面，最终实现建筑物屋顶的三维模型重建。实践证明，本发明能够有效地重建建筑物屋顶三维模型，为不同屋顶层之间的连接提供了新的思路，具有较高的三维模型重建精度。
-
Patent Agency Ranking
公开(公告)号：CN101562772A
公开(公告)日：2009-10-21
申请号：CN200910030333.8
申请日：2009-03-19
Applicant: 南京大学
Abstract: 本发明公开了一种用于受话器整体声学结构优化设计的方法。该方法包括建立受话器总声学等效线路图；受话器总声学等效线路图包括电系统、机械系统和声系统；电系统包括磁铁、音圈，信号源；机械系统包括振膜支撑系统、振膜和音圈；声系统包括振膜前后的耦合空间和包含泄漏的人工耳；根据要求设计的在人耳中产生的声压特性，利用差分演化算法或基因算法设计受话器整体声学结构，得到声学线路图的有关元件的值，包括受话器前盖板及耦合腔、盆架及耦合腔、振膜支撑系统、振膜、音圈、磁路、电路和和包含泄漏的人工耳各子部分。本发明可以用于编写受话器设计软件或者进行受话器整体声学结构优化设计。
-
公开(公告)号：CN101527876A
公开(公告)日：2009-09-09
申请号：CN200910030332.3
申请日：2009-03-19
Applicant: 南京大学
IPC: H04R9/10
Abstract: 本发明公开了一种数字通讯用低失真大功率受话器，该受话器包括磁框、磁铁、音圈、振膜和前盖板，磁铁设置在磁框内，音圈设置在磁铁周围，在磁框前端设有前盖板，振膜设置在磁铁和前盖板构成的空腔内，振膜与音圈连接；在音圈周围位于磁铁与磁框所构成的磁隙中注有磁流体。本发明通过在受话器音圈所在的磁隙中注入磁流体，利用磁流体增加系统阻尼和散热，包括减小音圈的横行振动，可增大受话器功率、改善其频率响应和减小失真。
-
公开(公告)号：CN114911787B
公开(公告)日：2023-10-27
申请号：CN202210613379.8
申请日：2022-05-31
Applicant: 南京大学
IPC: G06F16/215 , G06F40/216 , G06F40/289
Abstract: 本发明涉及一种融合位置和语义约束的多源POI数据清洗方法，属于数据处理技术领域。该方法执行如下步骤：步骤1，对收集到的多源POI数据进行GeoHash转换；步骤2，对转换后的字符串进行邻近点查询；步骤3，对步骤2中存在邻近点的窗口进行冗余处理；步骤4，构建分词方案；步骤5，对步骤4处理后的数据进行冗余处理；步骤6，基于步骤5重新构建的分词方案的词频统计完成POI数据重匹配。该方法能更加准确高效地完成数据清洗工作，清洗结果更加优秀，更切合实际且行之有效。
-
公开(公告)号：CN115100394A
公开(公告)日：2022-09-23
申请号：CN202210729862.2
申请日：2022-06-24
Applicant: 南京大学
IPC: G06V10/25 , G06V10/764 , G06V20/10 , G06V20/70
Abstract: 本发明涉及一种基于兴趣点Voronoi图的城市街区功能识别方法，属于数据处理技术领域。该方法执行如下步骤：对城市街区内部的兴趣点数据按类别进行分类；创建规则格网将城市街区划分为若干格网单元；对每个格网单元内的兴趣点数据进行聚合，得到兴趣点聚合点数据；基于兴趣点聚合点数据创建Voronoi图，得到每个兴趣点聚合点数据对应的Voronoi多边形；计算城市街区内每个Voronoi多边形的面积，将Voronoi多边形的面积与城市街区的面积之比作为对应的兴趣点聚合点数据的权重，从而实现对城市街区的功能识别。本发明能够凸显密度低但能够表征城市街区主导功能的兴趣点数据重要性，从而有助于提高基于兴趣点数据的城市街区功能区识别的准确率。
-
公开(公告)号：CN115049265A
公开(公告)日：2022-09-13
申请号：CN202210694675.5
申请日：2022-06-20
Applicant: 南京大学
Abstract: 本发明公开了TOPSIS引导城市居住小区宜居度神经网络评价方法，该方法包括以下步骤：S1、选取合适因素因子，构建城市居住小区宜居度评价指标体系；S2、根据熵值法确定各要素权重，并使用TOPSIS方法初步评价城市居住小区宜居度评分及排序；S3、根据城市居住小区宜居度评分排序，选择排名前n%、后n%的首尾两部分小区；S4、以前n%小区的宜居度值域范围为高宜居度值域，以后n%小区的宜居度值域范围为低宜居度值域；S5、利用样本训练神经网络模型。本发明利用TOPSIS得到宜居度高、宜居度低两种类别的城市居住小区样本，一定程度上克服了现有评价方法因子权重确定较为主观的问题。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.022 seconds)
