发明公开
- 专利标题: 基于航测探地雷达与影像数据的滑坡特征解译方法及系统
-
申请号: CN202310670272.1申请日: 2023-06-07
-
公开(公告)号: CN116794651A公开(公告)日: 2023-09-22
- 发明人: 凌贤长 , 张钟远 , 蔡德钩 , 闫宏业 , 唐亮 , 丛晟亦 , 毛小刚 , 张熙阳 , 赵香萍 , 孙辉 , 田爽 , 孔祥勋
- 申请人: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学 , 中国铁道科学研究院集团有限公司铁道建筑研究所 , 中铁十二局集团有限公司
- 申请人地址: 重庆市渝北区龙兴镇两江大道618号; ; ;
- 专利权人: 哈尔滨工业大学重庆研究院,哈尔滨工业大学,中国铁道科学研究院集团有限公司铁道建筑研究所,中铁十二局集团有限公司
- 当前专利权人: 哈尔滨工业大学重庆研究院,哈尔滨工业大学,中国铁道科学研究院集团有限公司铁道建筑研究所,中铁十二局集团有限公司
- 当前专利权人地址: 重庆市渝北区龙兴镇两江大道618号; ; ;
- 代理机构: 哈尔滨龙科专利代理有限公司
- 代理商 王恒
- 主分类号: G01S13/86
- IPC分类号: G01S13/86 ; G01S13/88
摘要:
本发明公开了一种基于航测探地雷达与影像数据的滑坡特征解译方法及系统,所述方法包括步骤如下:步骤S1:样本集收集与标定;步骤S2:模型训练与验证;步骤S3:航空探地雷达数据采集与地质解译;步骤S4:机载倾斜摄影、机载LiDAR测量与地质解译;步骤5:综合解译。本发明提出基于深度学习算法的不良地质信息的识别方法,解决了高位、高隐蔽性的滑坡隐患区勘察难、效率低、勘察成本高等问题。本发明通过航空探地雷达、机载倾斜摄影、机载LiDAR开展隐患区勘测手段,结合卷积神经网络算法,对滑坡隐患的坡体特征进行综合解译,获得了隐患坡体内部、外部的多尺度特征信息。