-
公开(公告)号：CN105806303A
公开(公告)日：2016-07-27
申请号：CN201610220820.0
申请日：2016-04-08
Applicant: 安徽理工大学
Abstract: 本发明提供一种融合D?InSAR和模矢法求取概率积分参数的方法，包括：(1)利用概率积分法得到目标像元的预计下沉值、南北方向预计水平移动和东西方向预计水平移动的值，基于三维变形与LOS向变形关系，计算得到目标像元LOS向预计移动变形r'iLOS的值；(2)利用D?InSAR技术实测目标像元的LOS向移动变形riLOS的值，计算目标像元的移动变形预计残差vi＝riLOS?r'iLOS的值，并构造求参误差函数ε(B)＝∑|vi|；(3)基于ε(B)＝min准则，利用模矢法求取全部概率积分参数。优点为：本发明有效融合了D?InSAR和模矢法，可求取到全部概率积分参数，并且还具有参数求取精度高的优点。
-
公开(公告)号：CN105912506B
公开(公告)日：2018-09-18
申请号：CN201610220846.5
申请日：2016-04-08
Applicant: 安徽理工大学
IPC: G06F17/15
Abstract: 本发明提供一种融合D‑InSAR和遗传算法求取概率积分参数的方法，包括：(1)利用概率积分法得到目标像元的预计下沉值、南北方向预计水平移动和东西方向预计水平移动的值，基于三维变形与LOS向变形关系，计算得到目标像元LOS向预计移动变形r'iLOS的值；(2)利用D‑InSAR技术实测目标像元的LOS向移动变形riLOS的值，计算目标像元的移动变形预计残差vi＝riLOS‑r'iLOS的值，并构造遗传算法适应度函数(3)利用遗传算法求取全部概率积分参数。优点为：本发明有效融合了D‑InSAR和遗传算法，可求取到全部概率积分参数，并且还具有参数求取精度高的优点。
-
公开(公告)号：CN105912506A
公开(公告)日：2016-08-31
申请号：CN201610220846.5
申请日：2016-04-08
Applicant: 安徽理工大学
IPC: G06F17/15
CPC classification number: G06F17/15
Abstract: 本发明提供一种融合D?InSAR和遗传算法求取概率积分参数的方法，包括：(1)利用概率积分法得到目标像元的预计下沉值、南北方向预计水平移动和东西方向预计水平移动的值，基于三维变形与LOS向变形关系，计算得到目标像元LOS向预计移动变形r'iLOS的值；(2)利用D?InSAR技术实测目标像元的LOS向移动变形riLOS的值，计算目标像元的移动变形预计残差vi＝riLOS?r'iLOS的值，并构造遗传算法适应度函数(3)利用遗传算法求取全部概率积分参数。优点为：本发明有效融合了D?InSAR和遗传算法，可求取到全部概率积分参数，并且还具有参数求取精度高的优点。
-
公开(公告)号：CN116401734A
公开(公告)日：2023-07-07
申请号：CN202211570650.0
申请日：2022-12-08
Applicant: 安徽理工大学
IPC: G06F30/13 , G06T17/00 , G06F119/14 , G06F111/10
Abstract: 本发明涉及一种基于点云的砖混建筑结构长度计算方法，包括以下步骤：墙体点云厚度计算、建筑物墙体拆分、墙体边界点估计、上边界拟合、结构长度计算。计算点云厚度时，随机选择多个邻域，但仅保留部分邻域点、部分邻域；基于墙体点云厚度，进行建筑点云分割、墙体点云再分配；以单面墙体为基本单位，进行了墙体边界点估计；基于上边界点，将选权迭代最小二乘法引入，进行该线拟合；由上边界线，在墙体上创建兴趣区域，结合区域内垂直边界点所在直线，计算墙体结构长度。本发明通过选择结构长度作为监测指标，结合点云监测的优势和砖混建筑物的几何结构特点，可以十分精确地计算出砖混建筑结构长度，基于结构长度可更好地监测砖混建筑的变形情况。
-
公开(公告)号：CN114067073B
公开(公告)日：2022-09-06
申请号：CN202111354390.9
申请日：2021-11-16
Applicant: 安徽理工大学
IPC: G06T17/10 , G06V10/25 , G06V10/762
Abstract: 本发明涉及一种基于TLS点云的矿区建筑物变形自动提取方法，所述基于TLS点云的矿区建筑物变形自动提取方法包括以下步骤：第一期点云作业：S1：数据输入；S2：数据预处理；S3：提取特征点；S4：计算变形值。本发明以墙体上的门窗角点为特征点，在人为给定参数的前提下，可实现变形的自动提取；本发明提取的变形值与真实值误差小，与手动提取方法获取变形值近乎一致；本发明中的斜率滤波与传统去噪滤波：统计滤波、半径滤波相比，其可以更有效的进行噪声点的去除，极大提升了在矿区复杂的测量环境下，本方法的适用性，相比于手动提取方法，本文方法具有极高的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN114089335A
公开(公告)日：2022-02-25
申请号：CN202111355399.1
申请日：2021-11-16
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于单轨道InSAR的山区开采沉陷三维变形提取方法，所述基于单轨道InSAR的山区开采沉陷三维变形提取方法首先根据D‑InSAR监测的视线向LOS形变与地表三维形变的几何投影关系建立LOS向形变方程，其次将LOS向形变方程与山区开采沉陷地表形变规律进行融合，在给出相关边界条件的基础上，对LOS向形变方程进行求解，从而实现了基于单轨道InSAR对地观测技术的山区开采沉陷三维变形提取新方法。本发明对三维形变提取精度高，满足开采沉陷监测精度要求。
-
公开(公告)号：CN114660598A
公开(公告)日：2022-06-24
申请号：CN202210115680.6
申请日：2022-02-07
Applicant: 安徽理工大学
IPC: G01S13/90
Abstract: 本发明涉及一种融合InSAR和CNN‑AFSA‑SVM的开采沉陷盆地自动检测方法，包括以下步骤：获取Sentinel‑1A雷达卫星影像，通过差分雷达干涉测量方法处理所述Sentinel‑1A雷达卫星影像得到InSAR干涉图，在所述InSAR干涉图中选取沉陷盆地作为样本数据集；建立CNN‑AFSA‑SVM模型，使用所述样本数据集对所述CNN‑AFSA‑SVM模型进行训练和分类测试，得到训练后的CNN‑AFSA‑SVM模型；将待测区域的Sentinel‑1A雷达卫星影像通过差分雷达干涉测量方法处理得到目标InSAR干涉图，将所述目标InSAR干涉图输入所述训练后的CNN‑AFSA‑SVM模型并采用非极大值抑制法去除重复搜索框，最终自动输出开采沉陷盆地检测结果图。本发明通过构建CNN‑AFSA‑SVM模型有效地在大幅宽InSAR干涉图中自动检测出开采沉陷盆地，提高了开采沉陷盆地检测的精度和自动化程度。
-
公开(公告)号：CN114612806A
公开(公告)日：2022-06-10
申请号：CN202210117130.8
申请日：2022-02-07
Applicant: 安徽理工大学
Abstract: 本发明涉及一种提高消费级无人机DEM产品精度方法，包括以下步骤：通过消费级无人机获取待测区域的影像图、三维点云和三维模型；构建梯度‑布料滤波模型对所述三维点云进行滤波得到地面点云，通过所述地面点云构建地面种子DEM；通过GNSS RTK测定合理分布于所述待测区域内一定密度特征点的高程，并计算上述特征点的GNSS RTK测量与无人机测量的高程差异，以下简称“高程异常值”，构建所述待测区域的高程异常值曲面模型；然后利用所述的高程异常值曲面模型对地面种子DEM进行补偿修正，最终实现消费级无人机DEM产品精度的提高。本发明通过构建的梯度‑布料模拟滤波模型和构建的高程异常值曲面模型补偿修正，使消费级无人机DEM产品精度得到了显著提高。
-
公开(公告)号：CN114067073A
公开(公告)日：2022-02-18
申请号：CN202111354390.9
申请日：2021-11-16
Applicant: 安徽理工大学
IPC: G06T17/10 , G06K9/62 , G06V10/25 , G06V10/762
Abstract: 本发明涉及一种基于TLS点云的矿区建筑物变形自动提取方法，所述基于TLS点云的矿区建筑物变形自动提取方法包括以下步骤：第一期点云作业：S1：数据输入；S2：数据预处理；S3：提取特征点；S4：计算变形值。本发明以墙体上的门窗角点为特征点，在人为给定参数的前提下，可实现变形的自动提取；本发明提取的变形值与真实值误差小，与手动提取方法获取变形值近乎一致；本发明中的斜率滤波与传统去噪滤波：统计滤波、半径滤波相比，其可以更有效的进行噪声点的去除，极大提升了在矿区复杂的测量环境下，本方法的适用性，相比于手动提取方法，本文方法具有极高的稳定性。
-
公开(公告)号：CN119761162A
公开(公告)日：2025-04-04
申请号：CN202411563145.2
申请日：2024-11-05
Applicant: 安徽理工大学
Abstract: 本发明属于地质勘测领域，具体涉及一种基于机载LiDAR的矿区地表移动变形预测方法、装置、设备和存储介质，包括收集目标矿区地表原始点云数据；基于机载LiDAR的回波特性提取非生长型固定地物的点云数据；采用移动窗口法遍历预处理后非生长型固定地物的点云数据以确定地表特性参数，确定目标矿区若干沉陷监测点并获取其工作面参数，结合遗传算法进行概率积分法参数反演得到概率积分参数；将概率积分参数、地表特性参数、以及工作面参数构建沉降预测模型用于进行地表变形预测。本发明实现了山区地表非生长型固定地物的沉降监测、以及山区地表任意点的特性参数快速计算，对于山区地形沉陷监测与预计具有一定参考价值和实践意义。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
