-
公开(公告)号：CN116883441A
公开(公告)日：2023-10-13
申请号：CN202310870677.X
申请日：2023-07-14
Applicant: 南通大学
Abstract: 本发明公开了一种保证拟合精度的点云建筑轮廓线提取方法，在点云细化阶段，首先对切片点云进行栅格化；接着对切片点云构建KD树，计算每个像素点的权重中心；然后为权重中心点集构建KD树，利用改正Mean‑Shift算法实现点云切片的迭代细化，进一步优化权重中心点。在特征提取阶段，利用每个像素内细化后的中心点搜索近邻，计算特征值和特征向量；将像素的方向变换为象限角，计算每个像素的曲率；根据曲率对像素进行排序，选择曲率最小的像素点进行迭代生长。对得到的每个线支持区域，利用区域中心、长度、宽度确定线特征参数。本发明方法实现了离散点和像素耦合的切片线特征提取，该方法可以获得厘米级的线特征提取精度，可以满足城市建筑测绘制图要求。
-
公开(公告)号：CN119580128A
公开(公告)日：2025-03-07
申请号：CN202411618333.0
申请日：2024-11-13
Applicant: 南通大学
IPC: G06V20/17 , G06T5/40 , G06T5/60 , G06V20/70 , G06V10/40 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明涉及测绘科学、遥感科学技术领域，尤其涉及一种基于热红外图像和深度学习的道路井盖识别方法，该方法利用无人机摄影测量获取测区目标热红外影像，通过多路复用自适应直方图均衡化算法增强红外图像特征，利用残差网络结构改进YOLOv8深度神经网络提取图像中的道路井盖特征，通过边缘提取和圆拟合识别井盖的几何参数。本发明方法基于深度学习，实现了热红外图像中道路井盖的高精度识别和参数提取，对于城市给排水信息管理，道路安全风险识别具有重要意义。
-
公开(公告)号：CN118628760A
公开(公告)日：2024-09-10
申请号：CN202410712136.9
申请日：2024-06-04
Applicant: 南通大学
Abstract: 本发明公开一种融合nDSM的深度学习线特征提取方法，该方法利用无人机摄影测量获取的测区航拍照片，利用照片进行三维重建，生成DOM、DSM和三维点云；利用CSF算法分割地面点，采用反距离权重方法进行插值，生成DEM；利用地图代数计算将DSM与DEM进行相减，得到nDSM，并标准化为8位图像；接着制作深度学习训练样本数据集，利用DOM和nDSM构建四通道图像并分块，制作深度学习训练样本数据集；利用深度神经网络进行训练和模型验证，增量式构建满足泛化性的线特征提取样本数据集，实现对无人机摄影测量图像线特征的准确提取。本发明实现了基于深度学习的无人机遥感图像线特征智能提取，有效提高了线特征提取的准确性和几何完整性，满足城市建筑三维模型重建的需要。
-
公开(公告)号：CN119091040A
公开(公告)日：2024-12-06
申请号：CN202411099648.9
申请日：2024-08-12
Applicant: 南通大学
Abstract: 本发明的实施例提供了一种基于中轴变换的屋顶参数提取与建筑物三维建模的方法，属于测绘工程技术领域。所述方法包括以下步骤：对数字表面模型的DSM数据进行坡度计算，得到坡度栅格图像；对给定的建筑轮廓多边形进行离散点采样并构建KD树，遍历所述建筑轮廓多边形的每一条边，然后预设的边采样点数在每一条边上采样多个点，针对于每个采样点提取与所述每个采样点对应的中轴点；根据采样点与其对应的中轴点的连线在所述坡度栅格图像中获取各个采样点的高度和坡度，并将每条边对应采样点的高度中值和坡度中值作为该边的高程和坡度；基于建筑三维建模，根据每条边的高程和坡度，构建建筑物三维模型。
-
-
-
Search Results
4
records
(took 0.012 seconds)
