-
公开(公告)号：CN109145902B
公开(公告)日：2021-09-03
申请号：CN201810955658.6
申请日：2018-08-21
Applicant: 武汉大学
Abstract: 本发明属于摄影测量与计算机视觉技术领域，公开了一种利用泛化特征对几何标识进行识别及定位的方法,利用三维渲染引擎对相应类别的几何图形对象生成训练数据集，通过深度学习网络对该图形进行训练，实现对几何标识在影像中的识别；对识别出的图形目标进行轮廓提取等共性特征处理，再利用降维的ICP算法实现标识离散化状态下的配准，获得其变换参数，从而获得几何标识的精确定位。本发明实现了对几何标识基元在影像中的形变的定量描述，取得了较为满意的定位精度；可以实现对于常用的几何标识，无需定制特定的算法，而是直接通过上述流程，实现对该标识准确的定位，从而简化人工标识的提取与定位流程，形成一种通用的方式。
-
Patent Agency Ranking
公开(公告)号：CN111457930B
公开(公告)日：2021-11-23
申请号：CN202010252893.4
申请日：2020-04-02
Applicant: 武汉中海庭数据技术有限公司 , 武汉大学
Abstract: 本发明属于空间数据处理和定位技术领域，公开了一种利用车载Lidar与无人机联合的高精度测图定位方法，获取控制面元，对经过初始定向处理的无人机影像进行特征点提取，并在影像之间进行特征匹配，获取无人机影像之间的同名特征点，再利用稳健估计方法对误匹配点进行粗差剔除；将特征面元与无人机影像上的特征点建立起一对多或者一对一的映射关系；通过光束法平差迭代，对无人机影像和相机外参数进一步精化解算，获得高精度的方位元素和参数。本发明具有速度快，精度高，通过外野控制点检核，将绝对定位精度提高到平面5cm，高程10cm以内，为无人机与Lidar联合获取高精度地图提供一种低成本的技术解决方案。
-
公开(公告)号：CN109145902A
公开(公告)日：2019-01-04
申请号：CN201810955658.6
申请日：2018-08-21
Applicant: 武汉大学
CPC classification number: G06K9/3216 , G06K9/4671 , G06K2009/3225 , G06N3/0454 , G06N3/08
Abstract: 本发明属于摄影测量与计算机视觉技术领域，公开了一种利用泛化特征对几何标识进行识别及定位的方法,利用三维渲染引擎对相应类别的几何图形对象生成训练数据集，通过深度学习网络对该图形进行训练，实现对几何标识在影像中的识别；对识别出的图形目标进行轮廓提取等共性特征处理，再利用降维的ICP算法实现标识离散化状态下的配准，获得其变换参数，从而获得几何标识的精确定位。本发明实现了对几何标识基元在影像中的形变的定量描述，取得了较为满意的定位精度；可以实现对于常用的几何标识，无需定制特定的算法，而是直接通过上述流程，实现对该标识准确的定位，从而简化人工标识的提取与定位流程，形成一种通用的方式。
-
公开(公告)号：CN116563580B
公开(公告)日：2025-03-18
申请号：CN202310458030.6
申请日：2023-04-21
Applicant: 武汉大学
Abstract: 本发明公开了一种基于抽象空间结构特征的高适应性多模态影像匹配方法。该方法首先使用训练集影像对回归器进行训练，基于影像内部统计信息计算成像特征向量，并利用训练好的回归器回归出影像的最优多尺度滤波参数组合，对影像进行多尺度滤波；然后利用影像滤波结果，结合矩分析与主成分分析，提取影像抽象结构特征点；最后根据滤波结果，结合对数极坐标窗口，对特征点抽象结构特征进行描述，并结合由粗到细的匹配策略实现影像的高精度匹配。本发明使用粒子群算法寻找影像对的最优匹配，进而得到最优匹配下的滤波参数，不仅避免了人工手动调整滤波参数，大大减少了工作量，而且取得了较高的匹配精度和匹配正确率，具有更加强大的泛化性能。
-
公开(公告)号：CN116563580A
公开(公告)日：2023-08-08
申请号：CN202310458030.6
申请日：2023-04-21
Applicant: 武汉大学
Abstract: 本发明公开了一种基于抽象空间结构特征的高适应性多模态影像匹配方法。该方法首先使用训练集影像对回归器进行训练，基于影像内部统计信息计算成像特征向量，并利用训练好的回归器回归出影像的最优多尺度滤波参数组合，对影像进行多尺度滤波；然后利用影像滤波结果，结合矩分析与主成分分析，提取影像抽象结构特征点；最后根据滤波结果，结合对数极坐标窗口，对特征点抽象结构特征进行描述，并结合由粗到细的匹配策略实现影像的高精度匹配。本发明使用粒子群算法寻找影像对的最优匹配，进而得到最优匹配下的滤波参数，不仅避免了人工手动调整滤波参数，大大减少了工作量，而且取得了较高的匹配精度和匹配正确率，具有更加强大的泛化性能。
-
公开(公告)号：CN111457930A
公开(公告)日：2020-07-28
申请号：CN202010252893.4
申请日：2020-04-02
Applicant: 武汉中海庭数据技术有限公司 , 武汉大学
Abstract: 本发明属于空间数据处理和定位技术领域，公开了一种利用车载Lidar与无人机联合的高精度测图定位方法，获取控制面元，对经过初始定向处理的无人机影像进行特征点提取，并在影像之间进行特征匹配，获取无人机影像之间的同名特征点，再利用稳健估计方法对误匹配点进行粗差剔除；将特征面元与无人机影像上的特征点建立起一对多或者一对一的映射关系；通过光束法平差迭代，对无人机影像和相机外参数进一步精化解算，获得高精度的方位元素和参数。本发明具有速度快，精度高，通过外野控制点检核，将绝对定位精度提高到平面5cm，高程10cm以内，为无人机与Lidar联合获取高精度地图提供一种低成本的技术解决方案。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
