-
公开(公告)号：CN115880325A
公开(公告)日：2023-03-31
申请号：CN202211562504.3
申请日：2022-12-07
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06T7/181 , G06T5/00 , G06F18/2321
Abstract: 本发明提供了一种基于点云维度和空间距离聚类的建筑物轮廓自动提取方法，包括：S1、对带有真实地理坐标的激光点云进行去噪处理；S2、通过对所述激光点云进行点云滤波，分离场景中的地面点云及非地面点云；S3、计算所述非地面点云所属维度可能性，通过空间聚类分析获取建筑物点云；S4、获取建筑物点云轮廓，并拟合轮廓函数。本发明数据源采用激光点云，不仅能解决传统方法中由于遥感影像分辨率低导致的地物分类不准确等问题，也能面向大场景开展建筑物轮廓提取，还通过计算点云所属维度，从非地面点云中分离现状点云、面状点云和散状点云，再依据空间距离聚类方法准确提取建筑物点云。不光使得提取建筑物点云的结果更精确，还提升了效率。
-
公开(公告)号：CN115761020A
公开(公告)日：2023-03-07
申请号：CN202211476822.8
申请日：2022-11-23
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06T9/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于神经网络自动构建的影像数据压缩方法，包括步骤：待压缩影像数据预处理；初始化神经网络种群；神经网络种群的迭代训练与更新；神经网络种群演化；导出数据完成压缩。其显著效果是：通过神经网络对影像数据进行编码和重建，将影像数据压缩存储至神经网络的参数中，大幅减少了数据占用的存储空间；具有更强的通用性和易用性，能够用于压缩各种类型、不同规模、不同复杂度的影像数据集。
-
公开(公告)号：CN115661655A
公开(公告)日：2023-01-31
申请号：CN202211368443.7
申请日：2022-11-03
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V20/10 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种高光谱和高分影像深度特征融合的西南山区耕地提取方法，包括步骤：制作训练样本集；构建高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络；输入所述训练样本集对高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络进行训练；采用训练后的高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络模型对待识别测试区影像进行处理，获得耕地提取结果。其显著效果是：设计了高光谱影像和高分影像协同的双输入单输出卷积神经网络，综合利用了高分辨率影像的空间结构特征和高光谱影像的光谱特征，实现了对西南山地区域耕地的精准提取，显著提高了目标提取精度。
-
公开(公告)号：CN112256897B
公开(公告)日：2022-04-08
申请号：CN202011215939.1
申请日：2020-11-04
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06F16/51 , G06F16/54 , G06F16/56 , G06F16/957 , G06F16/29
Abstract: 本发明公开了一种三维场景下矢量瓦片加载方法，包括如下步骤：基于渲染参数规则对矢量瓦片渲染引擎进行初始化；基于相机视角，动态计算不同远近的位置参数，并结合适量瓦片的层级和对应的行列号信息，计算不同位置上应当获取的矢量瓦片的索引；矢量瓦片动态渲染；采用三维引擎将三维场景渲染为HTML 5 Canvas对象，并将矢量瓦片的HTML 5 Canvas对象与三维场景的HTML 5 Canvas对象进行融合。其显著效果是：实现了二三维数据的融合加载和浏览，为二维平面数据自动赋予了高程信息，为空间数据利用增加了新的维度，大大提升了空间数据的利用效率，扩展了其使用场景。
-
公开(公告)号：CN112862774B
公开(公告)日：2021-12-07
申请号：CN202110140476.5
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种遥感影像建筑物精确分割方法，包括步骤：构建包括特征提取模块、空洞卷积模块、注意力模块、上采样模块与卷积预测模块的建筑物提取网络；基于训练样本集，采用Dice Loss与BCE Loss相结合的多尺度复合损失函数，对构建的建筑物提取网络进行训练；将待提取的遥感影像输入训练好的建筑物提取网络，得到建筑物提取结果。其显著效果是：特征学习，泛化能力强；网络复杂度低，易于训练；建筑物提取精度高。
-
Patent Agency Ranking
公开(公告)号：CN113239786A
公开(公告)日：2021-08-10
申请号：CN202110510217.7
申请日：2021-05-11
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于增强学习与特征变换的遥感图像乡村别墅识别方法，包括步骤：对样本集中的遥感影像进行处理，制作训练样本；搭建乡村别墅识别与提取网络模型；将训练样本输入所述乡村别墅识别与提取网络模型，得到训练后的识别与提取网络模型；将待识别的遥感影像输入训练后的识别与提取网络模型，并将其输出的数据与待识别的遥感影像进行叠加，获得乡村别墅识别与提取结果。其显著效果是：将深度特征提取、特征金字塔网络、编码—解码转换机制、目标候选区生成、目标检测与分割过程都融入到一个端到端的深度网络模型中，对于遥感图像乡村别墅识别与提取，具有良好的识别与提取效果。
-
公开(公告)号：CN112994780A
公开(公告)日：2021-06-18
申请号：CN202110207233.9
申请日：2021-02-24
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种多源卫星影像数据接收实时监控与信息推送方法，包括步骤：首先，建立多源卫星影像数据组织格式信息表；其次，对服务器资源池进行持续动态监控，及时发现最新接收到的卫星影像；然后，基于接收的多源卫星影像及其配置文件，自动获取多源卫星影像数据信息；最后，按日自动统计影像信息并生成卫星影像接收情况简报，定时将影像简报传输至私有云并推送至相关用户手机端。其显著效果是：实现了多源卫星影像数据接收实时监控、信息自动提取与统计、卫星影像接收情况简报生成与推送，显著提高了多源卫星影像接收情况推送工作的自动化程度与效率，解决了现有工作模式中人工作业周期长、效率低、影像信息提取易漏易错等问题。
-
公开(公告)号：CN118918475B
公开(公告)日：2025-04-18
申请号：CN202410983698.7
申请日：2024-07-22
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
IPC: G06V20/10 , G06V20/52 , G06V10/26 , G06V10/40 , G06V10/42 , G06V10/54 , G06V10/58 , G06V10/762 , G06V10/764 , G06V10/77 , G06V10/80
Abstract: 本发明公开了一种多维度多尺度遥感与地形特征融合的耕地非农化智能监测方法，步骤1、获取高分辨率影像、高光谱影像、DEM数据、耕地真值矢量数据、已调查监测的耕地矢量数据；步骤2、分割和聚类超像素地物对象；步骤3、以超像素地物对象为单位，提取各超像素地物对象范围内的特征；步骤4、将训练区提取的各特征组合成每个超像素地物对象的特征向量，构建超像素耕地对象训练样本数据；步骤5、训练耕地对象识别模型；步骤6、提取测试区耕地；步骤7、基于提取的测试区耕地和已调查监测的耕地矢量数据，利用空间叠置分析自动提取耕地变为非耕地的图斑，对该图斑进行优化、过滤筛选出耕地非农化图斑。本发明具有实操性、便捷性、可行性等优势。
-
公开(公告)号：CN115661655B
公开(公告)日：2024-03-22
申请号：CN202211368443.7
申请日：2022-11-03
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06V20/10 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种高光谱和高分影像深度特征融合的西南山区耕地提取方法，包括步骤：制作训练样本集；构建高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络；输入所述训练样本集对高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络进行训练；采用训练后的高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络模型对待识别测试区影像进行处理，获得耕地提取结果。其显著效果是：设计了高光谱影像和高分影像协同的双输入单输出卷积神经网络，综合利用了高分辨率影像的空间结构特征和高光谱影像的光谱特征，实现了对西南山地区域耕地的精准提取，显著提高了目标提取精度。
-
公开(公告)号：CN117726687A
公开(公告)日：2024-03-19
申请号：CN202311851986.9
申请日：2023-12-29
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Abstract: 本发明提供了一种融合实景三维与视频的视觉重定位方法，包括基于高空云台和连接所述高空云台的摄像机实时获取视频流和摄像机的位姿，并对所述视频流进行视频帧图像预处理；基于所述摄像机的历史监控视频和实景三维数据作为输入，标定出的视频帧图像的位姿信息，并构建出带有图像特征信息和对应三维空间信息的视觉特征库；采用SIFT算法对包含目标点的视频帧进行特征点提取，将所述特征点输入所述视觉数据库查询特征点对应的一组2D‑3D点对；对所述2D‑3D点对采用solvePnP算法来计算出对应目标点的摄像机的位姿，并用RANSAC算法剔除异常值；采用投影变换，将目标点的2D坐标投影转换为目标点的三维坐标。通过视觉重定位技术计算目标点位置，提高了视觉定位的精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.059 seconds)
