-
公开(公告)号:CN111736152B
公开(公告)日:2020-12-22
申请号:CN202010822414.8
申请日:2020-08-17
申请人: 深圳大学
摘要: 本发明公开了一种道路边坡稳定性监测方法及车载平台装置。所述道路边坡稳定性监测方法是利用交通运输平台例如火车和汽车日常运营时收集沿线边坡的多时相SAR数据,利用组合导航定位技术提取SAR平台的运动矢量信息,利用时域后向投影成像算法聚焦雷达回波数据并生成单视复数合成孔径雷达图像,通过雷达差分干涉测量技术和多时相数据处理方法实现沿线多数边坡的高精度稳定性监测。本发明可广泛应用于高速公路和高速铁路等交通设施网络周边边坡的常规监测,具有全天候、高效率、和高精度等优点。
-
公开(公告)号:CN111899512A
公开(公告)日:2020-11-06
申请号:CN202010779264.7
申请日:2020-08-05
申请人: 深圳大学
摘要: 本发明所提供的结合天际线观测的车辆轨迹提取方法、系统及存储介质,其中,所述方法包括:分别获取天际线对地面的观测数据和地面道路监控数据;按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像;从所获取的地面道路监控数据中定位目标车辆,并将目标车辆的地理位置输入正射影像中对应的位置;通过定位不同时刻正射影像中目标车辆的位置,得到目标车辆的运行轨迹。通过融合天际线观测以及地面道路监控能够实现对地面道路的全路段进行监测,从而能够获取到目标车辆的运行轨迹,方便对进行车辆管理以及交通管制,提高了道路交通的服务水平。
-
公开(公告)号:CN111754618A
公开(公告)日:2020-10-09
申请号:CN202010469870.9
申请日:2020-05-28
申请人: 深圳大学
摘要: 本发明公开了一种面向对象的实景三维模型多层次解译方法及系统,将待解译实景三维模型分为地形表面部分、立体地物部分两个层次;基于地形表面部分的正射影像,采用面向对象的影像分类方法对地形表面部分进行分类;对立体地物部分进行独立地物单体化处理,并基于独立地物单体的特征,采用机器学习算法对立体地物部分的分类;将地形表面部分和立体地物部分的分类结果进行整合,得到整个实景三维模型的解译结果。本发明将实景三维模型分为两个层次分别进行分类,降低模型解译难度;采用面向对象的模型解译方法,可以改善其他基于面片算法在分类过程中产生的椒盐噪声现象;基于几何、纹理、光谱多维特征融合策略,提高了分类结果的准确性与鲁棒性。
-
公开(公告)号:CN111693956A
公开(公告)日:2020-09-22
申请号:CN202010463470.7
申请日:2020-05-27
申请人: 深圳大学
摘要: 本发明提供了基于SAR和ISR的电子密度预测方法、系统及设备,通过获取目标区域内电离层的SAR数据和ISR数据,根据所述SAR数据计算出总电子含量分布;根据计算出的所述总电子含量分布和ISR数据的电子密度剖线预测出三维电子密度。本实施例所提供的方法及设备,将合成孔径雷达数据的高空间分辨率与非相干散射雷达的高精度实测电子密度剖线结合起来,利用收集的SAR数据估计法拉第旋转角,进而反演总电子含量,并结合实测的ISR电子密度剖线实现高分辨率的三维电子密度估计,实现了低成本、快捷的获取到高精度的三维电子密度。
-
公开(公告)号:CN111458708A
公开(公告)日:2020-07-28
申请号:CN202010414496.2
申请日:2020-05-15
申请人: 深圳大学
摘要: 本发明公开了一种基于雷达干涉测量的温度形变分析方法,所述基于雷达干涉测量的温度形变分析方法包括:获取目标设施的雷达影像序列,从所述雷达影像序列中提取目标影像对;根据所述目标影像对获取目标干涉图;根据所述目标干涉图确定所述目标设施的温度形变。述基于雷达干涉测量的温度形变分析方法通过采用目标设施的雷达影像序列中目标影像对产生的干涉图来获取目标设施的温度形变,将设施形变中的温度形变单独分析,可以提升对设施形变分析的准确性。
-
公开(公告)号:CN110097078A
公开(公告)日:2019-08-06
申请号:CN201910232214.4
申请日:2019-03-26
申请人: 深圳大学
IPC分类号: G06K9/62
摘要: 本发明实施例公开了一种最优尺度选择方法、装置及计算机可读存储介质,基于输入的遥感图像生成不同尺度参数下的分割结果图;从所生成的分割结果图中选取训练样本并训练得到多尺度分类模型,然后进行待分类遥感图像的多尺度分类,生成不同尺度参数下的分类结果图;从分类结果图中选取多个目标分类结果图,分别计算关联于各目标分类结果图的分类精度;对分类精度统计后进行最优尺度选择。通过本发明的实施,利用多尺度分类结果来进行精度评价,根据精度评价统计结果来选择最优尺度,适用性更为广泛,可以满足更多场景下的分析需求,并实现了最优分割尺度到最优分类尺度的转变,避免了在分割阶段选择分析尺度的低效率、效果差的弊端。
-
-
-
-
-