-
公开(公告)号:CN109493422A
公开(公告)日:2019-03-19
申请号:CN201811620529.8
申请日:2018-12-28
申请人: 国网新疆电力有限公司信息通信公司 , 北京洛斯达数字遥感技术有限公司
IPC分类号: G06T17/00
摘要: 本发明涉及三维建模技术领域,且公开了一种基于三维激光扫描技术的变电站三维模型构建方法,包括以下步骤:步骤(1):根据变电站实地场景及测量精度要求,规划布设测站控制点。该方法利用三维激光扫描仪构建变电站实景的三维模型,虚拟模型的结构比例及位置完全与现实建筑一致,保证了三维建模的真实性;该建模方法适用于不规则对象如变电站的三维建模,克服了传统数据采集方式的不足,提高了数据采集的精度和效率,获得的点云数据信息量大,包含三维空间信息、颜色属性和反射强度信息,通过目前众多且成熟的处理软件和算法对点云数据进行处理,即可快速构建被测物体的三维模型,有利于减少工作量,从而提高建模效率。
-
公开(公告)号:CN110046213B
公开(公告)日:2023-04-18
申请号:CN201910306291.X
申请日:2019-04-16
申请人: 国网陕西省电力公司 , 国网陕西省电力公司经济技术研究院 , 北京洛斯达数字遥感技术有限公司
发明人: 周军义 , 潘良军 , 李宝昕 , 王芝麟 , 王喆 , 郭瑾程 , 陈本阳 , 邹彬 , 姚金雄 , 张涵 , 张超 , 姜山 , 王炜 , 严欢 , 闫娜 , 万明忠 , 李凤亮 , 严研 , 乔新辉 , 陈思远 , 徐华秒 , 侯小波 , 薛晓军 , 吴斌 , 赵晶辉 , 王毅 , 王倩 , 李扬 , 刘兴 , 刘震
摘要: 本发明涉及一种顾及路径失真纠正与交叉跨越纠正的电力选线方法。包括步骤:首先将选线范围内的各影响因素数据入库;其次将各影响因子量化与赋权;再次构建成本表面模型,并基于该模型进行路径规划;然后对生成的路径进行路径失真纠正;最后对失真纠正后的路径进行交叉跨越纠正,得出最终路径。相对于现有的电力选线技术,本选线方法充分考虑了各种选线因素,适宜于解决电力选线问题;失真纠正方法充分考虑了路径与周围地物的空间位置关系,对路径进行转角点剔除和转角度数调整等优化处理,有效解决了机选线路的路径失真变形问题,提高了线路的合理性;交叉跨越纠正方法优化了线路的交叉跨越位置、优化交叉跨越点附近的转角点位置,并根据与地物的空间关系,调整局部路径的位置;本发明优化了最短路径算法所采用的数据结构,极大提高了算法的运算效率,采用限制搜索范围的方式降低了路径搜索的计算量,进一步提升了选线效率。
-
公开(公告)号:CN110046213A
公开(公告)日:2019-07-23
申请号:CN201910306291.X
申请日:2019-04-16
申请人: 国网陕西省电力公司 , 国网陕西省电力公司经济技术研究院 , 北京洛斯达数字遥感技术有限公司
发明人: 周军义 , 潘良军 , 李宝昕 , 王芝麟 , 王喆 , 郭瑾程 , 陈本阳 , 邹彬 , 姚金雄 , 张涵 , 张超 , 姜山 , 王炜 , 严欢 , 闫娜 , 万明忠 , 李凤亮 , 严研 , 乔新辉 , 陈思远 , 徐华秒 , 侯小波 , 薛晓军 , 吴斌 , 赵晶辉 , 王毅 , 王倩 , 李扬 , 刘兴 , 刘震
摘要: 本发明涉及一种顾及路径失真纠正与交叉跨越纠正的电力选线方法。包括步骤:首先将选线范围内的各影响因素数据入库;其次将各影响因子量化与赋权;再次构建成本表面模型,并基于该模型进行路径规划;然后对生成的路径进行路径失真纠正;最后对失真纠正后的路径进行交叉跨越纠正,得出最终路径。相对于现有的电力选线技术,本选线方法充分考虑了各种选线因素,适宜于解决电力选线问题;失真纠正方法充分考虑了路径与周围地物的空间位置关系,对路径进行转角点剔除和转角度数调整等优化处理,有效解决了机选线路的路径失真变形问题,提高了线路的合理性;交叉跨越纠正方法优化了线路的交叉跨越位置、优化交叉跨越点附近的转角点位置,并根据与地物的空间关系,调整局部路径的位置;本发明优化了最短路径算法所采用的数据结构,极大提高了算法的运算效率,采用限制搜索范围的方式降低了路径搜索的计算量,进一步提升了选线效率。
-
公开(公告)号:CN110399819A
公开(公告)日:2019-11-01
申请号:CN201910639615.1
申请日:2019-07-15
申请人: 北京洛斯达数字遥感技术有限公司
发明人: 乔新辉 , 严研 , 马旭 , 范光甫 , 崔章顺 , 侯小波 , 解景新 , 陈思远 , 常金生 , 王军 , 董鉥涛 , 王涛 , 徐华秒 , 吴斌 , 杨曦 , 刘兴 , 王倩 , 李扬 , 赵晶辉 , 郭双叶 , 段宇格
摘要: 本发明公开了一种基于深度学习的遥感影像居民区自动提取方法,包括以下步骤:a.制作居民区训练样本;b.对步骤a生成的样本数据做数据整理和归类,建立训练模型的数据集,包括训练集、验证集和检测集;c.基于迁移学习算法训练样本;d.对训练结束后得到的模型进行验证和评价;该发明采用基于光谱信息辅助的改进型全卷积网络遥感影像居民区提取方法;使用条件随机场对分类结果进行优化,使提取的居民区边界更加平滑合理;深度学习与GIS辅助制图相结合,完成大面积海量数据的全自动智能提取。
-
-
-