-
公开(公告)号：CN111311750B
公开(公告)日：2022-06-21
申请号：CN202010052650.6
申请日：2020-01-17
Applicant: 武汉大学
Abstract: 本发明公开了一种基于约束三角网的镶嵌线网络全局优化方法，该方法包括：步骤1、准备输入数据，包括：正射影像、影像无效区域掩膜，以及可选输入的地形数据；步骤2、根据正射影像边界多边形构建边界约束的三角网；步骤3、判断三角网内各三角形所属的原始影像序号组，对所有有效多边形对应的有效三角形构建多标签选择的能量函数，基于图割最优化算法求解三角形标签最优解；步骤4、通过对三角形进行连通性分析，得到有效多边形组，记录影像有效镶嵌多边形边缘作为镶嵌线网络输出。本发明无需考虑影像边界局部拓扑关系，不限制影像轮廓形状，支持设置影像无效区域，支持地形数据辅助，可应对极高重叠度、覆盖区含空洞等任意分布的复杂场景。
-
公开(公告)号：CN111898646B
公开(公告)日：2022-05-13
申请号：CN202010641423.7
申请日：2020-07-06
Applicant: 武汉大学
Abstract: 本发明涉及一种基于点线图优化求解的影像直线特征匹配方法，包括以下步骤：(1)对需要匹配的影像进行预处理，包括特征点线提取，确定待匹配像对以及恢复影像位姿关系；(2)确定所有影像对的候选匹配特征直线与候选匹配特征点；(3)对所有候选点线匹配进行两两几何检验并构建匹配图；(4)根据构建的匹配图计算每一个候选匹配节点的匹配概率；(5)将匹配概率向量通过按极大值剔除策略，得到所有像对的直线匹配结果。本发明提出的跨视图影像直线特征匹配的算法可以充分利用多特征跨视图的几何约束，提高线段匹配的稳健性。
-
公开(公告)号：CN111340723B
公开(公告)日：2022-04-15
申请号：CN202010109945.2
申请日：2020-02-23
Applicant: 武汉大学
Abstract: 本发明公开了一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法，包括：步骤1、输入原始的机载激光雷达三维点云数据；步骤2、采用结合kd树和高程直方图的方法对三维点云数据进行去噪；步骤3、对去噪后的三维点云数据，使用二维区域生长方法获取插值参考点；步骤4、对插值参考点，基于DSM线特征对其进行优化；步骤5、对优化后的插值参考点，基于相对变异系数获取局部区域脚点高程波动程度，进行自适应地形的薄板样条插值，获取局部地形面的逼近模型作为滤波的分类面，对地面点和非地面点进行分割，并输出滤波后的点云。本发明的滤波方法受噪声影响小，对地形的细节特征保持较好，在多种地形数据下能够保持较稳定的滤波效果。
-
公开(公告)号：CN112288650B
公开(公告)日：2021-07-20
申请号：CN202011168863.1
申请日：2020-10-28
Applicant: 武汉大学
Abstract: 本发明公开了一种多源遥感卫星影像几何语义一体化处理方法和系统，该方法区别于传统的先进行遥感影像几何精校正，然后进行语义分割和信息提取的传统方案，提出了包含语义信息提取、语义信息辅助的自动化几何精校正、语义信息优化三个步骤。首先从标准景影像中初步提取云、水面、冰雪、云影、人工建筑物等对几何精校正具有较大影响的地类信息，然后在这些信息的辅助下排除干扰，实现全自动的遥感影像几何精校正、匀光匀色、无缝镶嵌、影像合成等处理，最后在高精度多源合成影像中，提取更丰富的语义信息和目标信息，得到超大规模多源合成影像及其对应的语义地图及地类专题地图。
-
公开(公告)号：CN112288784A
公开(公告)日：2021-01-29
申请号：CN202011072861.2
申请日：2020-10-09
Applicant: 武汉大学
IPC: G06T7/33
Abstract: 本发明公开了一种弱纹理遥感影像配准方法，分为混合空间生成与特征提取、描述子构建、匹配及融合等三部分。首先，实现双域混合影像空间构建，即采用双边滤波建立空间域尺度空间，通过加权最小二乘滤波融合相位一致性计算建立频率域尺度空间，最后将两个影像空间结果合并成双域混合影像空间，并在该混合空间中采用FAST算法提取特征点。其次，构建邻域自适应的对数极坐标描述子，先构建对数归一化强度指标，用于自适应确立描述子的邻域窗口，通过这些邻域窗口得到不同特征点的极坐标描述子。最后，采用欧氏距离进行最近邻特征点匹配并利用快速样本共识算法剔除误匹配，最终计算出的影像变换矩阵进行融合，完成影像配准。
-
Patent Agency Ranking
公开(公告)号：CN111340822A
公开(公告)日：2020-06-26
申请号：CN202010111526.2
申请日：2020-02-24
Applicant: 武汉大学
Abstract: 本发明公开了一种多尺度自适应机载LiDAR点云建筑物单体化分割方法，该方法包括以下步骤：步骤1、建筑物点云点间距的计算；步骤2、通过二维多尺度密度聚类算法对建筑物点云数据进行单体分割；步骤3、对变换后的点云运用三维多尺度密度聚类算法进行单体分割；步骤4、对非屋顶单体结构的建筑物点云在未缩放变换的尺度上再次运用三维多尺度密度聚类算法，将其分割为屋顶单体结构；步骤5、屋顶细节结构的识别与对应单体的合并；步骤6、小建筑物单体结构的识别；步骤7、建筑物附属物点合并到对应单体结构上，实现建筑物单体分割。本发明解决了老城区密集区域建筑物、裙楼结构建筑物和点云密度不均匀建筑物无法单体分割的问题。
-
公开(公告)号：CN111325134A
公开(公告)日：2020-06-23
申请号：CN202010096703.4
申请日：2020-02-17
Applicant: 武汉大学
Abstract: 本发明公开了一种基于跨层连接卷积神经网络的遥感影像变化检测方法，属于遥感影像处理方法。本发明包含一种新的卷积神经网络，该网络设计了一种基于跨层连接模块的卷积神经网络模块，该模块利用左右分支充分挖掘遥感影像中的多尺度信息，并通过跨层连接融合多层级特征，实现遥感影像中的影像信息的有效提取。本方法对输入的两张同样尺寸、分辨率、地理覆盖范围的遥感图像，经由该卷积神经网络进行运算，可得到同一尺寸的变化检测结果图。本发明中的卷积神经网络可以获得极佳的遥感影像变化检测精度。
-
公开(公告)号：CN119693947A
公开(公告)日：2025-03-25
申请号：CN202411659685.0
申请日：2024-11-20
Applicant: 武汉大学 , 中铁第四勘察设计院集团有限公司
Abstract: 本发明解决的技术问题在于如何补全建筑物立面影像提取的语义信息，基于渐进式轮廓修正与尺寸统一化处理，提供了一种适用于建筑物立面影像的语义补全方法和系统。本发明利用建筑物单体化模型立面纹理‑语义标签数据集，通过矩形轮廓补全进行迭代处理，对建筑物立面语义信息可能存在的缺失或多余部分进行补全或切割，并对同行窗户进行统一化处理，获得完整性和规范性更好的语义信息。与现有方法相比，本发明能结合建筑物立面的结构特征，规范与补全现有建筑物立面语义信息，获得可用于合成建筑物立面通用纹理的高质量语义信息。因此，该方法具有重要的实用价值和广泛的应用前景。
-
公开(公告)号：CN116563177A
公开(公告)日：2023-08-08
申请号：CN202310462360.2
申请日：2023-04-24
Applicant: 武汉大学
Abstract: 本发明提供一种基于超体素计算显著性的机载LiDAR点云滤波方法及装置，该方法首先对输入LiDAR点云进行去噪，利用一种边界保持的TBBP超体素算法实现超体素分割，根据超体素的质心坐标将超体素划分为N个方向的扫描带；将每个方向的扫描带排序并分段，计算每个分段的计算显著性值；将显著性值作为协调因子，构造最优滤波平面的能量函数并最小化该能量函数，求解最优分割平面；根据分割平面将地面点与非地面点分类，确定点云滤波结果。本发明以超体素为单位计算的显著性能够在垂直方向上对目标点云进行初步过滤，改善了具有凹陷结构的建筑物点云容易被误分为地面点的现象，能够满足山区、林地、复杂建筑物等不同地形场景下的滤波需求。
-
公开(公告)号：CN115861571A
公开(公告)日：2023-03-28
申请号：CN202310060488.6
申请日：2023-01-18
Applicant: 武汉大学
IPC: G06T17/20 , G06V10/762 , G06V10/764
Abstract: 本发明公开了一种语义感知的三角网模型建筑物实体重建方法，该方法包括：步骤1、准备输入数据，即具有语义信息的建筑物三角网模型；步骤2、根据三角网模型的平面连通性提取建筑物主体平面特征；步骤3、在主体平面的基础上自适应地构建凸多面体嵌入的空间划分；步骤4、结合语义知识和三角网的法线信息对所有凸多面体构建二标签选择的能量函数，基于图割最优化算法求解凸多面体标签的最优解；步骤5、介于二标签分界的凸多面体的面为最终输出的建筑物表面模型。本发明解决了建筑物主体结构与其周围环境在三角网中表达无区分导致结构化困难和复杂场景算法复杂度高的问题，适用于有严重遮挡、语义模糊或错误等复杂场景的实体重建。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.023 seconds)
