一种电力线的测距方法
    1.
    发明公开

    公开(公告)号:CN101592484A

    公开(公告)日:2009-12-02

    申请号:CN200910100497.3

    申请日:2009-07-09

    摘要: 本发明公开一种电力线的测距方法,包括如下步骤:(1)获取电力线及其下方交跨物的序列影像,构成立体像对;(2)在前述立体像对中提取像方电力线;(3)确定电力线点的空间坐标;(4)利用铅垂线轨迹法搜索前述电力线点下方一定距离内有无交跨物,并在有交跨物时计算其坐标;(5)根据交跨物与电力线点的坐标,计算二者的垂直距离。此方法可准确识别影像中的电力线并测量其空间坐标,自动判别电力线下安全距离内是否有交跨物,并实时测量电力线到下方交跨物之间的垂直距离,发现安全隐患,保障供电线路的畅通和安全。

    线状目标的无人机摄影重建多交向视点生成方法及装置

    公开(公告)号:CN117689846A

    公开(公告)日:2024-03-12

    申请号:CN202410147571.1

    申请日:2024-02-02

    申请人: 武汉大学

    摘要: 本发明公开了一种线状目标的无人机摄影重建多交向视点生成方法及装置。首先获取待重建场景的参考模型,绘制线状目标,通过射线与三角面相交检测计算出线状目标端点的空间坐标,根据重叠度要求计算采样间距,生成采样点。提取出采样点邻域三角面的表面法向量,计算平均法向量表示朝向,根据设定的转角#imgabs0#,#imgabs1#,分别在朝向上生成左右偏转#imgabs2#和上下偏转#imgabs3#的四个摄影方向,以确定多交向摄影角度。通过朝向、摄影高度,结合多交向摄影角度生成拍照视点。本方法能够利用直线目标结构特征,生成多交向摄影点,充分获取几何重建所需的观测影像方位参数,利用带高精度定位能力的无人机系统,可实现高精度、高质量的线状目标物体的自动化摄影采集和几何重建。

    一种多模态测图数据分布式存储方法及系统

    公开(公告)号:CN116955307A

    公开(公告)日:2023-10-27

    申请号:CN202310913819.6

    申请日:2023-07-24

    申请人: 武汉大学

    摘要: 本发明提供一种多模态测图数据分布式存储方法及系统,属于分布式存储技术领域,包括:采用HDFS存储多模态测图数据;基于HDFS对所述多模态测图数据进行组织管理,采用多级文件目录存储所述多模态测图数据;对HDFS中的多个存储节点进行异常监测,确定所述多个存储节点的双机热备运行模式。本发明使用HDFS作为测图数据分布式存储文件系统,针对二三维测图数据进行组织管理,并采用MapReduce框架实现分布式并行计算,大大提高了多模态、非结构化的空间数据管理、存储和处理效率,还包括基于Prometheus和Grafana框架的异常监测系统,实现对各节点的运行状态监测,并结合双机热备设计保证系统可靠性运行。

    一种实景三维模型引导的视觉交互系统及方法

    公开(公告)号:CN116681821A

    公开(公告)日:2023-09-01

    申请号:CN202310511293.9

    申请日:2023-05-04

    申请人: 武汉大学

    摘要: 本发明公开了一种实景三维模型引导的视觉交互系统及方法。本发明方法通过GPS、基站定位和陀螺仪获取用户移动设备的方位元素,并上传至服务器;服务器根据外方位元素,进行坐标变换,设置虚拟场景中的摄像机位置和姿态;确定用户的拍摄的光照条件,实时对实景模型进行渲染和优化;服务器将生成的三维场景图像实时回传至移动终端进行实时展现。本发明可减少移动终端的计算压力,让用户在移动端体验高度逼真的三维实景模型,丰富用户的视觉交互体验。

    耦合卷积神经网络和图卷积网络的遥感影像场景分类方法

    公开(公告)号:CN111461258B

    公开(公告)日:2023-04-18

    申请号:CN202010339528.7

    申请日:2020-04-26

    申请人: 武汉大学

    摘要: 本发明公开了一种耦合卷积神经网络和图卷积网络的遥感影像场景分类方法,首先在利用遥感影像场景数据集训练卷积神经网络后,将卷积神经网络作为特征提取器提取遥感影像的深层卷积层特征输出;接着利用超像素分割算法将遥感影像分割为互不重叠的区域,以区域作为节点构建区域邻接图,分别结合卷积层输出和区域间相邻关系构造出图数据的特征矩阵和邻接矩阵;最后把特征矩阵、邻接矩阵以及对应的影像标签作为数据集输入到图卷积网络进行训练,利用训练好的网络可进行影像场景的标签预测。本发明可以有效提高遥感影像场景分类精度,并可广泛用于单标签和多标签的遥感影像场景分类情况。

    一种利用车载Lidar与无人机联合的高精度测图定位方法

    公开(公告)号:CN111457930B

    公开(公告)日:2021-11-23

    申请号:CN202010252893.4

    申请日:2020-04-02

    IPC分类号: G01C21/32 G01S17/89 G01S17/86

    摘要: 本发明属于空间数据处理和定位技术领域,公开了一种利用车载Lidar与无人机联合的高精度测图定位方法,获取控制面元,对经过初始定向处理的无人机影像进行特征点提取,并在影像之间进行特征匹配,获取无人机影像之间的同名特征点,再利用稳健估计方法对误匹配点进行粗差剔除;将特征面元与无人机影像上的特征点建立起一对多或者一对一的映射关系;通过光束法平差迭代,对无人机影像和相机外参数进一步精化解算,获得高精度的方位元素和参数。本发明具有速度快,精度高,通过外野控制点检核,将绝对定位精度提高到平面5cm,高程10cm以内,为无人机与Lidar联合获取高精度地图提供一种低成本的技术解决方案。

    一种线结构光定位投射影像获取装置

    公开(公告)号:CN102788573B

    公开(公告)日:2014-07-30

    申请号:CN201210278415.6

    申请日:2012-08-07

    IPC分类号: G01C11/00 G01B11/00

    摘要: 本发明提供一种线结构光定位投射影像获取装置,包括:线结构光发射器,用于通过一柱面镜在空间中形成一激光平面,并投射在被测物体上,形成线结构光;视觉传感器,用于获取被测物体带有线结构光的影像;机电自动控制器,用于驱动并控制线结构光发射器的激光投射方向和视觉传感器获取影像的方向;计算机,用于控制机电自动控制器,使视觉传感器和线结构光发射器同时到达拍摄被测物体影像的准确位置。本发明提供的线结构光定位投射影像获取装置,可以解决目前线结构光视觉传感器由于其配套的外部支撑结构很不完善、制约线结构光视觉传感器在实际使用中的适用范围的问题,使得线结构光视觉传感器可以大规模应用。

    一种绝缘子外形尺寸非接触式测量装置及其方法

    公开(公告)号:CN102829734A

    公开(公告)日:2012-12-19

    申请号:CN201210306438.3

    申请日:2012-08-27

    申请人: 武汉大学

    IPC分类号: G01B11/24

    摘要: 本发明涉及一种测量装置及其方法,尤其是涉及一种绝缘子外形尺寸非接触式测量装置及其方法。一种绝缘子外形尺寸非接触式测量装置,其特征在于,包括一个设有若干滚轮的底座、设置在底座上的机电自动控制器(3)、设置在机电自动控制器(3)上的驱动组件、与驱动组件连接的测量组件以及设置在底座上用于控制机电自动控制器(3)、驱动组件以及接收测量组件信息的计算机系统(4)。因此,本发明具有如下优点:可以在不接触物体情况下远距离获取绝缘子的影像,实现绝缘子三维结构的重建和测量。

    基于先验知识映射及修正的零样本遥感影像场景识别方法

    公开(公告)号:CN111461067B

    公开(公告)日:2022-06-14

    申请号:CN202010338879.6

    申请日:2020-04-26

    申请人: 武汉大学

    摘要: 本发明提出了一种基于先验知识映射及修正的零样本遥感影像场景识别方法。基于带类别标签的可见类遥感影像场景样本和可见类类别的先验知识表示向量集合,通过遥感场景类别学习和视觉特征向量与先验知识表示向量之间的跨模态学习,学习得到深度特征提取器和鲁棒的视觉特征到先验知识表示特征的映射模型。基于全体类别的类别先验知识表示向量和不可见类的遥感影像场景样本,分别通过无监督协同表示学习和无监督k近邻算法来渐进修正不可见类类别的先验知识表示向量,从而有效提高零样本遥感影像场景的分类精度。

    耦合卷积神经网络和图卷积网络的遥感影像场景分类方法

    公开(公告)号:CN111461258A

    公开(公告)日:2020-07-28

    申请号:CN202010339528.7

    申请日:2020-04-26

    申请人: 武汉大学

    摘要: 本发明公开了一种耦合卷积神经网络和图卷积网络的遥感影像场景分类方法,首先在利用遥感影像场景数据集训练卷积神经网络后,将卷积神经网络作为特征提取器提取遥感影像的深层卷积层特征输出;接着利用超像素分割算法将遥感影像分割为互不重叠的区域,以区域作为节点构建区域邻接图,分别结合卷积层输出和区域间相邻关系构造出图数据的特征矩阵和邻接矩阵;最后把特征矩阵、邻接矩阵以及对应的影像标签作为数据集输入到图卷积网络进行训练,利用训练好的网络可进行影像场景的标签预测。本发明可以有效提高遥感影像场景分类精度,并可广泛用于单标签和多标签的遥感影像场景分类情况。