-
公开(公告)号：CN111273293A
公开(公告)日：2020-06-12
申请号：CN202010139778.6
申请日：2020-03-03
Applicant: 中南大学
Abstract: 本发明公开了一种顾及地形起伏的InSAR残余运动误差估计方法及装置，其中方法包括：获取多景SAR影像并进行预处理，计算包含InSAR残余运动误差的地形相位；利用外部DEM数据计算模拟地形相位；将包含InSAR残余运动误差的地形相位与模拟地形相位求差，并对差值进行相位解缠处理，再将解缠差分干涉相位作为观测值；构建有关于InSAR干涉几何参数、DEM误差以及基线误差分量的差分干涉相位参数化模型；针对每个从影像的每一距离行像素，均将差分干涉相位的观测值与差分干涉相位参数化模型进行匹配构建等式，得到观测方程；解算多基线观测方程组中的DEM误差和基线误差分量。本发明能准确地估计残余运动误差。
-
公开(公告)号：CN109738895A
公开(公告)日：2019-05-10
申请号：CN201910098827.3
申请日：2019-01-31
Applicant: 中南大学
Abstract: 本发明公开了一种基于二阶傅里叶-勒让德多项式的植被高度反演模型的构建与反演方法，其中构建方法为：首先获取关于植被覆盖层垂直结构的SAR影像，进行极化干涉处理并生成极化复相干系数γ(ω)；然后将SAR影像所对应的植被覆盖层垂直结构表述为二阶傅里叶-勒让德多项式；最终将极化复相干系数γ(ω)作为观测值，基于傅里叶-勒让德系数a00,a10,a20、植被高度hv和地表高程hg，建立基于二阶傅里叶-勒让德多项式的植被高度反演模型。本方案的植被高度反演模型，将植被高度、地表高程、用来表述植被覆盖层垂直结构的傅里叶-勒让德系数有机结合到同一个函数方程中以作为模型参数并建立植被高度反演模型，其建模过程简单明了，易于实现。
-
公开(公告)号：CN104318572B
公开(公告)日：2017-11-21
申请号：CN201410605591.5
申请日：2014-10-31
Applicant: 中南大学
IPC: G06T7/70
Abstract: 本发明公开了一种基于极化方向角补偿的POLSAR图像海上目标检测方法，该方法利用海上人造金属目标的极化散射特性进行检测，针对海浪扰动产生的方向角偏移对海杂波反射对称性影响的问题，通过对POLSAR影像进行方向角补偿，来提高海上目标检测精度。首先获取全极化影像，进行相关预处理操作；然后通过相干矩阵计算出极化方向角，并对相干矩阵进行方向角补偿；最后提取出方向角补偿后的相干矩阵中T′13元素的强度值，进行海上人造金属目标检测。该方法克服了常规海上目标检测算法理论复杂、难于实现及稳健性差等缺陷，同时从目标的极化散射特性出发，较准确的从海杂波、目标旁瓣中分离出海上目标。该检测方法原理直观，算法简洁，便于编程实现和扩展。
-
公开(公告)号：CN119223219B
公开(公告)日：2025-03-25
申请号：CN202411730488.3
申请日：2024-11-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于毫米波雷达的多模式形变监测方法，包括：根据需求选择雷达成像方式；若对形变监测的实时性要求高于预设条件，则选择实孔径雷达成像方式：采用多输入多输出制的毫米波雷达，利用其回波信号混频、加窗、FFT变换等以得到观测区域连续多帧的距离向‑方位角图；若对形变监测的精度高于预设阈值，则选择合成孔径雷达成像方式：将毫米波雷达搭载于地基轨道上，通过对回波信号采用后向投影算法以提取各时间段内的距离向‑方位角图；最终对不同帧/时间段的距离向‑方位角图进行干涉和解缠处理得到相邻两帧的相位差，进而得到不同帧/时间段之间的形变量。本发明可以根据需求选择实孔径成像合成孔径雷达成像以实现灵活监测形变。
-
公开(公告)号：CN119206121B
公开(公告)日：2025-03-25
申请号：CN202411730482.6
申请日：2024-11-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于IMU和毫米波雷达的三维重建方法，包括：将IMU和雷达搭载于同一移动设备上，采集移动设备在待重建目标周围移动过程中的运动参数和目标的点云数据；基于点云速度滤除动态点云；根据采集的运动参数和点云数据，将所有点云数据转换到同一局部坐标系下以进行去噪处理；通过对相邻帧去噪后的点云数据进行匹配，获得雷达各帧时的位姿；以雷达各帧时的位姿作为观测数据，以IMU采集的运动参数作为控制输入，采用卡尔曼滤波算法对各帧时的位姿进行优化调整；根据优化调整后的各帧位姿和去噪后的各帧点云数据，构建目标的三维地图。本发明利用IMU辅助4D毫米波雷达SLAM提高目标三维重建精度。
-
Patent Agency Ranking
公开(公告)号：CN119199821A
公开(公告)日：2024-12-27
申请号：CN202411730491.5
申请日：2024-11-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于4D毫米波雷达的即时定位与构图方法，包括：获取4D毫米波雷达的角精度和目标在当前帧内的点云数据，计算点云数据中各点在笛卡尔坐标系下考虑角精度的坐标；针对点云数据中各点，基于其坐标构建对应的椭球面，并以该椭球面作为该点的ε‑邻域，以采用DBSCAN算法确定点云数据中的噪声点并滤除；基于平差理论优化求解获得雷达的各帧位姿；根据雷达每预设时长内的位姿变化，对雷达各帧位姿进行优化调整；根据优化调整后的各帧位姿以及去噪后的各帧点云数据，构建目标的对应地图。本发明通过对4D点云数据进行去噪处理，提高点云数据精度，从而提高定位与构图精度。
-
公开(公告)号：CN111553263B
公开(公告)日：2023-05-12
申请号：CN202010341726.7
申请日：2020-04-27
Applicant: 中南大学
Abstract: 本发明公开了一种顾及运动特性的极化SAR地表形变测量方法、装置及设备，其方法为：以两幅地表SAR影像作为主从影像进行整体配准；对于主影像中的每个待匹配像元，均以自身为中心像元建立规则匹配窗口；基于规则匹配窗口，计算待匹配像元在主从影像之间初始的极化SAR形变矢量；根据欧氏距离阈值，剔除规则匹配窗口内与对应待匹配像元不紧密的像元；通过自适应设置形变矢量差异阈值，在规则匹配窗口内剩余的像元中选取与待匹配像元的运动特性相同的像元，所有选取的像元构成待匹配像元的自适应匹配窗口；基于自适应匹配窗口，计算待匹配像元在主从影像之间最终的极化SAR形变矢量。本发明能够显著提高极化SAR地表形变测量的精度和稳健性。
-
公开(公告)号：CN109738895B
公开(公告)日：2020-04-07
申请号：CN201910098827.3
申请日：2019-01-31
Applicant: 中南大学
Abstract: 本发明公开了一种基于二阶傅里叶‑勒让德多项式的植被高度反演模型的构建与反演方法，其中构建方法为：首先获取关于植被覆盖层垂直结构的SAR影像，进行极化干涉处理并生成极化复相干系数γ(ω)；然后将SAR影像所对应的植被覆盖层垂直结构表述为二阶傅里叶‑勒让德多项式；最终将极化复相干系数γ(ω)作为观测值，基于傅里叶‑勒让德系数a00,a10,a20、植被高度hv和地表高程hg，建立基于二阶傅里叶‑勒让德多项式的植被高度反演模型。本方案的植被高度反演模型，将植被高度、地表高程、用来表述植被覆盖层垂直结构的傅里叶‑勒让德系数有机结合到同一个函数方程中以作为模型参数并建立植被高度反演模型，其建模过程简单明了，易于实现。
-
公开(公告)号：CN108132468A
公开(公告)日：2018-06-08
申请号：CN201711417716.1
申请日：2017-12-25
Applicant: 中南大学
IPC: G01S13/90
Abstract: 本发明公开了一种多基线极化干涉SAR建筑物高度提取方法，包括：步骤1，对多基线极化干涉SAR数据进行预处理；步骤2，对所述步骤1中预处理后的数据进行极化干涉处理；步骤3，NR相干最优相位中心计算；步骤4，叠掩区域选取及不同散射体相位差均值计算；步骤5，长-短基线组合计算整周缠绕倍数；步骤6，基于高程精度因子的建筑物高度最小二乘平差解算。所述多基线极化干涉SAR建筑物高度提取方法解决了建筑物叠掩区域无法解缠的问题，并在此基础上使用多基线干涉对，利用基于高程精度因子定权的最小二乘平差，抑制了干涉失相干及噪声等的影响，从而能够反演得到较为精确的建筑物高度。
-
公开(公告)号：CN107588738A
公开(公告)日：2018-01-16
申请号：CN201710671866.9
申请日：2017-08-08
Applicant: 中南大学
Abstract: 本发明提供一种基于视频图像偏移量跟踪的形变监测方法及设备。所述方法包括：基于特定场景的视频图像，获取参考帧图像；将所述视频图像中除所述参考帧图像以外的帧图像，与所述参考帧图像进行自动匹配，获取所述特定场景的图像偏移量；将所述图像偏移量转换为所述特定场景的变形量，以对所述特定场景进行形变监测。本发明巧妙地利用摄像机拍摄中微小抖动会导致拍摄的视频场景偏移的特点，利用特定参考帧图像进行自动匹配，获取图像偏移量，从而对特定场景的形变进行监测；能够无需布置标志物、实时地对各类平台的震动或变形进行监测，能够以较低的成本对各类平台的震动或变形量进行高精度实时测量。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.02 seconds)
