-
公开(公告)号：CN102637301A
公开(公告)日：2012-08-15
申请号：CN201210072875.3
申请日：2012-03-20
申请人： 武汉大学
IPC分类号： G06T7/40
摘要： 本发明提供一种航空摄影过程中实时自动评定影像色彩质量的方法：首先，对航空摄影获取的航空影像进行重采样，获取两种不同分辨率的航空影像，然后进行阴影检测和云检测，根据检测所得阴影覆盖率和云覆盖率，评定影像色彩质量，输出质量评定报告。本发明的时效性强，处理速度快，自动化程度高，支持全自动检测。通过针对阴影检测和云检测各自分别提出不同的阈值获取方法，能有效提高检测精度，在保证自动化的同时保证精度。
-
公开(公告)号：CN104123730B
公开(公告)日：2016-09-14
申请号：CN201410377648.0
申请日：2014-07-31
申请人： 武汉大学
IPC分类号： G06T7/00
摘要： 本发明提供了一种基于道路特征的高分辨遥感影像与激光点云配准方法及系统，包括步骤：步骤1，根据激光点云提取点云道路矢量线；步骤2，遥感影像的正射影像预处理获得二值化分割影像；步骤3，利用初始外方位元素将点云道路矢量线反投影到二值化分割影像，并采用矩形整体匹配法获得影像道路中心线；步骤4，以点云道路矢量线端点为地面控制点，以影像道路中心线端点为地面控制点的像点，实现激光点云与遥感影像的配准。本发明可实现多源数据间快速、自动化、高精度配准，为融合后地物提取、三维重建以及变化检测提供参考。
-
公开(公告)号：CN103017739B
公开(公告)日：2015-04-29
申请号：CN201210472886.0
申请日：2012-11-20
申请人： 武汉大学
IPC分类号： G01C11/04
摘要： 本发明提出了一种基于激光雷达点云与航空影像的真正射影像的制作方法，包括步骤：对机载LiDAR点云依次进行预处理、组织和滤波后进行特征提取；对原始航空影像立体像对进行匹配获取立体航空影像，并提取立体航空影像的特征，所提取的立体航空影像的特征与机载LiDAR点云的特征为同类特征；基于所提取的特征对立体航空影像的密集点云和滤波后的机载LiDAR点云进行配准，获得DSM；根据DSM进行真正射影像制作。和现有技术相比，本发明可快速的生成高质量的真正射影像。
-
公开(公告)号：CN104134216A
公开(公告)日：2014-11-05
申请号：CN201410366257.9
申请日：2014-07-29
申请人： 武汉大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于16维特征描述的激光点云自动配准方法及系统，包括步骤：步骤1，对激光点云数据中各激光点单位法向量重新定向；步骤2，构建激光点邻域内任意两邻域激光点间的局部坐标系；步骤3，在局部坐标系下获取激光点的特征向量；步骤4，基于激光点的特征向量从点云数据中提取特征点，并获取特征点的最佳尺度；步骤5，基于特征点在最佳尺度下的特征向量对两站激光点云进行配准。本发明可提高激光点云配准的自动化程度和匹配准确性。
-
公开(公告)号：CN104123730A
公开(公告)日：2014-10-29
申请号：CN201410377648.0
申请日：2014-07-31
申请人： 武汉大学
IPC分类号： G06T7/00
摘要： 本发明提供了一种基于道路特征的高分辨遥感影像与激光点云配准方法及系统，包括步骤：步骤1，根据激光点云提取点云道路矢量线；步骤2，遥感影像的正射影像预处理获得二值化分割影像；步骤3，利用初始外方位元素将点云道路矢量线反投影到二值化分割影像，并采用矩形整体匹配法获得影像道路中心线；步骤4，以点云道路矢量线端点为地面控制点，以影像道路中心线端点为地面控制点的像点，实现激光点云与遥感影像的配准。本发明可实现多源数据间快速、自动化、高精度配准，为融合后地物提取、三维重建以及变化检测提供参考。
-
公开(公告)号：CN102637301B
公开(公告)日：2014-08-13
申请号：CN201210072875.3
申请日：2012-03-20
申请人： 武汉大学
IPC分类号： G06T7/40
摘要： 本发明提供一种航空摄影过程中实时自动评定影像色彩质量的方法：首先，对航空摄影获取的航空影像进行重采样，获取两种不同分辨率的航空影像，然后进行阴影检测和云检测，根据检测所得阴影覆盖率和云覆盖率，评定影像色彩质量，输出质量评定报告。本发明的时效性强，处理速度快，自动化程度高，支持全自动检测。通过针对阴影检测和云检测各自分别提出不同的阈值获取方法，能有效提高检测精度，在保证自动化的同时保证精度。
-
公开(公告)号：CN102663237A
公开(公告)日：2012-09-12
申请号：CN201210075066.8
申请日：2012-03-21
申请人： 武汉大学
IPC分类号： G06F19/00
摘要： 一种基于网格分块与移动最小二乘的点云数据全自动滤波方法：对激光点云数据进行分块处理，得到多个网格；采用动态四叉树方法对各网格建立相应的索引；判断各网格内激光点云数据密度是否大于密度阈值，对激光点云数据密度大于密度阈值的网格进行抽稀处理；对所有网格内激光点云数据用移动最小二乘法拟合数字高程模型，并以数字高程模型作为参考面；求取所有网格内每个激光点分别到参考面的距离，将距离大于距离阈值的激光点进行删除，剩余的激光点云数据保留；对保留的激光点云数据，返回执行直至所有网格内激光点到参考面的距离小于或等于当前的距离阈值时停止。
-
公开(公告)号：CN108062517B
公开(公告)日：2020-06-23
申请号：CN201711260955.0
申请日：2017-12-04
申请人： 武汉大学
摘要： 本发明提供一种基于车载激光点云的非结构化道路边界线自动提取方法，包括扫描线分割，拓扑关系网构建，采用移动窗口法获取地面点，通过K最近邻聚类方法进行分簇，依据点簇中激光点的个数剔除伪地面点簇，获取路面激光点云数据；路面激光点云数据的外轮廓点设定为道路边界线的位置所在，对每条扫描线进行外轮廓边界点提取，取每条扫描线内距离最远的两个地面点，最终获取道路两侧的外轮廓点；进行聚类分析，获取道路左侧轮廓点集及右侧轮廓点集；边界线追踪优化获取最优边界线。本专利直接基于激光点云数据快速实现非结构性道路及道路边界的提取，为非结构化道路边界线自动提取提供了有效的解决方案，提高了道路边界线自动化提取程度。
-
公开(公告)号：CN108062517A
公开(公告)日：2018-05-22
申请号：CN201711260955.0
申请日：2017-12-04
申请人： 武汉大学
摘要： 本发明提供一种基于车载激光点云的非结构化道路边界线自动提取方法，包括扫描线分割，拓扑关系网构建，采用移动窗口法获取地面点，通过K最近邻聚类方法进行分簇，依据点簇中激光点的个数剔除伪地面点簇，获取路面激光点云数据；路面激光点云数据的外轮廓点设定为道路边界线的位置所在，对每条扫描线进行外轮廓边界点提取，取每条扫描线内距离最远的两个地面点，最终获取道路两侧的外轮廓点；进行聚类分析，获取道路左侧轮廓点集及右侧轮廓点集；边界线追踪优化获取最优边界线。本发明直接基于激光点云数据快速实现非结构性道路及道路边界的提取，为非结构化道路边界线自动提取提供了有效的解决方案，提高了道路边界线自动化提取程度。
-
公开(公告)号：CN106056614A
公开(公告)日：2016-10-26
申请号：CN201610393443.0
申请日：2016-06-03
申请人： 武汉大学
CPC分类号： G06T3/0037 , G06K9/46 , G06K9/6268 , G06T3/0031 , G06T2207/10012
摘要： 本发明公开了一种地面激光点云数据的建筑物分割与轮廓线提取方法，包括对点云进行竖直投影、生成二维灰度图像、利用Otsu算法分割建筑物点云、主成分分析、最佳邻域计算、轮廓线提取等6个步骤；本发明实现了从原始点云中快速、准确地分割出建筑物点云,并且全自动地完成建筑物轮廓线点云的提取。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.022 秒)