用于木塔抗震稳定性测试的高速视频测量系统及方法

    公开(公告)号:CN113820087A

    公开(公告)日:2021-12-21

    申请号:CN202111232691.4

    申请日:2021-10-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种用于木塔抗震稳定性测试的高速视频测量系统及方法,用于在抗震稳定性测试对待测木塔结构模型进行高速视频测量,木塔结构模型安装在振动实验台上,高速视频测量系统包括高速视频测量设备和工控机,高速视频测量设备的视场覆盖木塔结构模型,高速视频测量设备与工控机进行电连接,木塔结构模型上设有目标跟踪点位,振动实验台对木塔结构模型附加设定的振动频率,工控机根据高速视频测量设备采集的视频信息获取目标跟踪点位的位移时程曲线,进而分析木塔结构的抗震稳定性。与现有技术相比,本发明具有精度高、鲁棒性好等优点。

    一种无人机低空飞行位姿无控多视测量方法及存储介质

    公开(公告)号:CN113790711A

    公开(公告)日:2021-12-14

    申请号:CN202111060978.3

    申请日:2021-09-10

    Applicant: 同济大学

    Abstract: 本发明涉及一种无人机低空飞行位姿无控多视测量方法,该方法包括以下步骤:步骤S1:基于相机标定获取相机的内方位参数;同时采用五点相对定向解析算法求解本质矩阵,获取相机的外方位参数初值;步骤S2:采用相对定向参数优化算法进行位姿参数估算,包括通过共面条件方程确定的误差方程和约束条件方程,采用间接平差方法求解未知参数,进行位姿参数估算;步骤S3:采用绝对定向算法将模型坐标系转换为自定义局部物方坐标系;步骤S4:无人机飞行参数解算。与现有技术相比,本发明可应用于无控制点的位姿测量场景,适用性更强,且测量精度达到毫米级。

    一种基于区域一致性分析的Landsat影像地表温度反演优选方法

    公开(公告)号:CN112945390A

    公开(公告)日:2021-06-11

    申请号:CN202110131800.7

    申请日:2021-01-30

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于区域一致性分析的Landsat影像地表温度反演优选方法,包括:获取待反演多源Landsat影像集,从中选取同一区域、不同日期的多张Landsat影像,日期相邻的两张Landsat影像的日期间隔在预设的日期阈值范围以内;使用多种Landsat影像地表温度反演算法,并依次分别对多张Landsat影像进行地表温度反演;采用拟合优度R2、Pearson相关系数和欧式距离,依次对每种Landsat影像地表温度反演算法的地表温度反演结果进行一致性评价,选取一致性评价结果最高的Landsat影像地表温度反演算法,对待反演多源Landsat影像集进行地表温度反演。与现有技术相比,本发明能够有效降低在长时序地表温度变化分析应用中使用多源Landsat数据所带来的不确定性,从而保证长时序分析的可靠性。

    一种用于学生返校的疫情预防方法

    公开(公告)号:CN112885482A

    公开(公告)日:2021-06-01

    申请号:CN202010841090.2

    申请日:2020-08-20

    Applicant: 同济大学

    Abstract: 本发明涉及一种用于学生返校的疫情预防方法,包括以下步骤:1)构建疫情大数据地理空间数据库、分布式学生基础信息数据库和学生每日状况数据库,学生每日状况数据库包括所在地信息和健康状况信息;2)构建返校方案的基本信息;3)根据疫情大数据地理空间数据库和所在地信息,判断各学生所在地的疫情形势,并根据学生每日状况数据库,获取无感染风险的学生名单;从而根据分布式学生基础信息数据库和返校方案的基本信息,制定分批次的返校方案;4)学生根据所述返校方案返校。与现有技术相比,本发明对疫情大数据和学生日常上报的个人信息进行了交互分析,获取学生的返校风险,生成了错峰返校方案,兼顾了返校工作的效率、安全性和科学性。

    一种用于疫情的返校大数据联动管理方法

    公开(公告)号:CN112382401A

    公开(公告)日:2021-02-19

    申请号:CN202010841017.5

    申请日:2020-08-20

    Applicant: 同济大学

    Abstract: 本发明涉及一种用于疫情的返校大数据联动管理方法,用于对返校人员大数据和疫情大数据进行联动管理,方法包括以下步骤:数据获取与划分步骤:获取返校人员大数据和疫情大数据;将返校人员大数据划分为空间位置数据、健康数据和描述性数据,将空间位置数据划分为每日打卡位置数据、近期活动数据和返校行程轨迹数据,将疫情大数据划分为病例位置数据和区县统计数据;数据关联步骤:通过数据匹配,建立:每日打卡位置数据、近期活动数据和返校行程轨迹数据分别与病例位置数据和区县统计数据的空间关联关系。与现有技术相比,本发明有序地对疫情信息进行了联动的管理,考虑全面,可为后续的数据应用,如智能返校系统提供有效的数据支撑。

    一种基于随机森林分类器的星载激光足印高程提取方法

    公开(公告)号:CN111189430B

    公开(公告)日:2021-02-02

    申请号:CN201911332424.7

    申请日:2019-12-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于随机森林分类器的星载激光足印高程提取方法,该方法具体为,获取包含足印高程的卫星激光测高数据,将卫星激光测高数据载入预训练后的随机森林分类器中,获取足印高程分类结果,进行足印高程的提取,所述随机森林分类器采用预建立的高程评估标签,根据预设定的精度要求,对足印高程进行分类,所述高程评估标签包括坡度、粗糙度和/或地面回波能量。与现有技术相比,本发明考虑了复杂地表的地区和地表对足印高程的影响,具有足印高程提取精度高、效率高等优点。

Patent Agency Ranking