-
公开(公告)号：CN107133325A
公开(公告)日：2017-09-05
申请号：CN201710310894.8
申请日：2017-05-05
Applicant: 南京大学 , 云南省测绘资料档案馆(云南省基础地理信息中心)
IPC: G06F17/30
Abstract: 本发明涉及基于街景地图的互联网照片地理空间定位方法,步骤如下：预处理街景照片库，提取和描述特征，建立特征索引；根据索引，查询待查询照片每个特征的最近邻特征，并进行投票，修剪和平滑处理投票结果，得到最相似照片；根据已知的两两街景点之间距离，以最相似照片为圆心，划定缓冲区；对缓冲区内街景照片与待查询照片计算相似度，筛选出高相似度的照片作为相似照片集；将相似照片集和待查询照片一起进行特征提取、匹配，利用SfM算法配准照片，生成稀疏点云及相机的相对位置关系；根据已知的街景点坐标，推算未知的待查询照片外方位元素，实现定位定姿。实践证明，本发明提出的图像定位方法，能有效地对互联网任意来源的电子照片精确定位。
-
公开(公告)号：CN106548141A
公开(公告)日：2017-03-29
申请号：CN201610934973.1
申请日：2016-11-01
Applicant: 南京大学
CPC classification number: G06K9/0063 , G06K9/342 , G06K9/6218 , G06T2207/10032 , G06T2207/20016 , G06T2207/20021 , G06T2207/30188
Abstract: 本发明涉及一种基于三角网的面向对象耕地信息自动提取方法，其步骤为：利用多尺度分割法对高空间分辨率影像进行分割；剔除长条状分割对象（道路，沟渠等）；提取剩余分割对象的中心点；利用中心点构建三角网；对三角网进行剥皮操作；使用AUTOCLUST聚类算法构建三角网，并聚类；利用V图约束，优化聚类结果，避免过度聚类和欠聚类；利用最大方差约束，剔除剩余的零星林地；得到耕地提取结果并进行精度评估。本发明克服了高空间分辨率遥感影像数据量大，处理难的问题，充分利用分割后的对象提供的语义信息，通过剔除居民地和道路等对耕地信息提取造成干扰的对象，从而高效地进行耕地信息的自动提取，并保证耕地提取的整体性。
-
公开(公告)号：CN104021210B
公开(公告)日：2017-02-15
申请号：CN201410276517.3
申请日：2014-06-20
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明针对MongoDB集群设计了大规模地理数据存储方案，在MongoDB集群中以GeoJSON格式半结构化方式组织地理数据，使分布式高速MongoDB集群高效存储大规模地理数据成为可能。针对该地理数据存储方案，本发明提出了地理数据的读写方法以及可实现该地理数据读写方法的驱动程序，以OGR类库为地理数据读写驱动的设计架构，以GeoJSON格式半结构化的读写MongoDB集群地理数据源。本发明采用OGR函数库，在地理数据与MongoDB集群之间通过内存中构建的OGR对象建立桥梁，使针对MongoDB集群的地理数据高效读写成为可能，使得高性能地理分析算法可以运行在MongoDB数据库集群之上。
-
公开(公告)号：CN103678705B
公开(公告)日：2016-07-13
申请号：CN201310745410.4
申请日：2013-12-30
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明涉及一种VCT文件到shapefile文件的矢量数据并行转换方法，该方法首先分别构建VCT文件中文件头、要素类型参数、属性数据结构、注记、几何图形数据和属性数据的要素索引，并统计各图层的几何图形数据类型和包含的几何图形数据数量，并分别对相同几何图形数据类型的图层按照包含的几何图形数据数量进行排序，然后每个图层的点数据累加得到总点数据w，根据进程数p将VCT文件分为p个矢量目标子集，最后p个进程将从VCT文件中解析出的几何图形数据的坐标信息、属性数据与对应要素的图层进行匹配，并将每个图层的数据分别存入到一个单独的shapefile文件。该方法可以通过并行处理实现对矢量地理数据VCT文件的快速转换。
-
公开(公告)号：CN102938064B
公开(公告)日：2015-06-17
申请号：CN201210483627.8
申请日：2012-11-23
Applicant: 南京大学
IPC: G06K9/46
Abstract: 本发明涉及一种基于LiDAR数据与正射影像的停车场结构提取方法，该方法利用LiDAR数据将停车场分为空地区域和非空地区域，从LiDAR数据中生成非空地区域的车辆面片的中轴线，从正射影像数据中得到空地区域中的停车场车位线；套合非空地区域中的车辆中轴线和空地区域中的车位线，依其最大相交方向划分停车道；计算停车场结构参数，生成停车道的分割线，完成对停车场结构的提取。该方法能够解决停车场结构提取过程中面临的光照变化、阴影效应、透视变形以及车辆遮盖等问题，准确且高精度地提取停车场的结构。
-
Patent Agency Ranking
公开(公告)号：CN104008209A
公开(公告)日：2014-08-27
申请号：CN201410277320.1
申请日：2014-06-20
Applicant: 南京大学
IPC: G06F17/30
CPC classification number: G06F17/30241 , G06F17/30312
Abstract: 本发明针对MongoDB集群设计了大规模地理数据存储方案，在MongoDB集群中以GeoJSON格式结构化的方式组织地理数据，使得采用分布式高速MongoDB集群高效存储大规模地理数据成为可能。针对该地理数据存储方案，本发明提出了地理数据的读写方法以及可实现该地理数据读写方法的驱动程序。本发明以OGR类库为地理数据读写驱动的设计架构，以GeoJSON格式结构化的读写MongoDB集群地理数据源。本发明采用OGR函数库，在地理数据与MongoDB集群之间通过内存中构建的OGR对象建立桥梁，使针对MongoDB集群的地理数据高效读写成为可能，使得高性能地理分析算法可以运行在MongoDB数据库集群之上。
-
公开(公告)号：CN102591622B
公开(公告)日：2014-04-09
申请号：CN201110441700.0
申请日：2011-12-27
Applicant: 南京大学
Abstract: 本发明公开了基于相似变换模型的栅格数据坐标转换并行方法，属于高性能地理计算领域。其步骤为：步骤1：并行初始化；步骤2：用户输入参数；步骤3：调用GDAL数据读写数据函数；步骤4：确定坐标转换类型及转换步骤；步骤5：进行源文件边界采样及坐标变换；步骤6：对目标文件平均分块；步骤7：各进程对数据块的边界进行采样及坐标变换；步骤8：读取数据块数据、源文件中与数据块对应范围内的数据，存入数组；步骤9：对数据块中每一像元的坐标进行由目标参考系到源目标参考系的转换；步骤10：计算像元在各波段的值并赋给数组中该像元点相应元素；步骤11：将数据块数组写入目标文件。本发明可有效提高栅格数据坐标转换数据量和效率。
-
公开(公告)号：CN102591709B
公开(公告)日：2014-03-12
申请号：CN201110441737.3
申请日：2011-12-27
Applicant: 南京大学
IPC: G06F9/46
Abstract: 本发明属于高性能地理计算领域，公开了基于OGR的shapefile文件主从式并行写方法。其步骤为：步骤1：输入命令行参数；步骤2：串行的方式创建shapefile目标数据源和图层文件，关闭目标数据源文件；步骤3：打开要处理的shapefile原文件，获取shapefile的各图层及其图形数据量；步骤4：MPI并行初始化，获取进程的编号和数量，并设定主从进程；步骤5：进行数据划分，确定每个从进程处理的shapefile文件中图形的起始FID和终止FID；步骤6：各从进程进入shapefile数据处理。本发明充分利用了计算资源，提高了shapefile文件处理的整体效率。
-
公开(公告)号：CN103324916A
公开(公告)日：2013-09-25
申请号：CN201310227705.2
申请日：2013-06-07
Applicant: 南京大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于建筑轮廓的车载和航空LiDAR数据配准方法，该方法从车载和航空LiDAR数据中分别提取二维建筑轮廓，并通过轮廓线段高程分割法得到车载和航空三维建筑轮廓线段；然后分别从车载和航空三维建筑轮廓线段中选取两对轮廓线段，计算该两对三维轮廓线段的初始转换矩阵;然后对初始转换矩阵进行迭代运算，若车载三维轮廓线段和三维建筑轮廓线段中匹配线段的数量大于指定阈值或者匹配线段的数量最多，则所述初始转换矩阵定义为可靠转换矩阵，利用所述可靠转换矩阵完成车载LiDAR数据和航空LiDAR数据的配准。本发明能够实现车载和航空LiDAR数据的自动高精度配准，其配准精度可以达到分米级。
-
公开(公告)号：CN103236067A
公开(公告)日：2013-08-07
申请号：CN201310172271.0
申请日：2013-05-10
Applicant: 南京大学
Abstract: 本发明涉及一种像素级SAR影像时间序列构建的局部自适应配准方法，方法如下：数据预处理之后从主从影像上提取同名特征点对，使用最小二乘法计算二次多项式参数并计算匹配总体误差，然后比较匹配总体误差与给定阈值的大小，若匹配总体误差小于或等于给定阈值，则从影像与主影像的位置关系由上述二次多项式确定，最后进行影像配准；反之，若总误差大于给定阈值，则进行误差点聚类获取畸变区域，将主、从影像的正常区域作为一对新主从影像，畸变区域作为另一对新主从影像，对两对新的主、从影像重复计算二次多项式参数及以后的步骤，直至所有新主、从影像的同名特征点对匹配总体误差小于给定阈值，然后进行影像配准。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.023 seconds)
