-
公开(公告)号：CN115953600B
公开(公告)日：2023-07-21
申请号：CN202310215229.6
申请日：2023-03-08
Applicant: 中国测绘科学研究院
Abstract: 本发明公开了基于多方向滤波通道特征的多模态影像匹配方法及系统，通过相位一致性模型，利用多模态影像中的显著特征，提高对噪声的抵抗性和对不同模态影像的通用性，充分利用多尺度多方向Log‑Gabor的滤波值，构建了一种新的特征描述子，体现在采样点分布以及特征汇聚（指特征向量的形成方式）策略，在多模态图像匹配更鲁棒，针对多模态存在的旋转问题，设计了一种更为鲁棒的主方向估计方法，能够抵抗多模态图像的旋转问题，针对多模态存在的尺度问题，设计了一种快速鲁棒的尺度估计方法，不需要重复构建影像金字塔，能够抵抗多模态图像的尺度问题。
-
公开(公告)号：CN111652241B
公开(公告)日：2023-04-28
申请号：CN202010096437.5
申请日：2020-02-17
Applicant: 中国测绘科学研究院
IPC: G06V10/44 , G06V10/30 , G06V10/75 , G06V10/764 , G06V10/80
Abstract: 本发明提供了一种融合影像特征与密集匹配点云特征的建筑物轮廓提取方法，所述建筑物轮廓提取方法包括：步骤1，从航空影像中生成三维密集图像匹配(DIM)点云和正射影像；步骤2，融合所述DIM点云和所述航空影像进行单体建筑物掩膜的检测；步骤3，基于线匹配的粗糙建筑物轮廓线检测；步骤4，通过融合匹配线和粗糙建筑物掩膜的轮廓线对建筑物边界规则化。本发明能够提高地物分类的精度；能够提高检测精度；能够生成规则化的建筑物轮廓线。
-
公开(公告)号：CN115496910B
公开(公告)日：2023-04-07
申请号：CN202211384104.8
申请日：2022-11-07
Applicant: 中国测绘科学研究院
IPC: G06V10/26 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 基于全连接图编码及双重扩张残差的点云语义分割方法，首先输入原始点云，然后进行编码，首先进行逐层下采样，使用递进的双重扩张残差模块不断扩大感受野获得更好的局部上下文信息，提取点云高维特征，使用局部全连接图特征聚合的方法确保局部邻域特征能够获得完整编码；在解码阶段，通过上采样模块逐层恢复原始点云密度，并在最后一层编码层使用全连接层进行特征维度转换，最后输出语义分割结果点云。本发明使得点云的语义分割更为快速准确，分割性能优于相关网络；使得网络能够更完整的学习局部上下文特征，对于规则分布目标以及大目标具有很好的分割效果；增强小样本物体点云语义分割精度。
-
公开(公告)号：CN115496910A
公开(公告)日：2022-12-20
申请号：CN202211384104.8
申请日：2022-11-07
Applicant: 中国测绘科学研究院
IPC: G06V10/26 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 基于全连接图编码及双重扩张残差的点云语义分割方法，首先输入原始点云，然后进行编码，首先进行逐层下采样，使用递进的双重扩张残差模块不断扩大感受野获得更好的局部上下文信息，提取点云高维特征，使用局部全连接图特征聚合的方法确保局部邻域特征能够获得完整编码；在解码阶段，通过上采样模块逐层恢复原始点云密度，并在最后一层编码层使用全连接层进行特征维度转换，最后输出语义分割结果点云。本发明使得点云的语义分割更为快速准确，分割性能优于相关网络；使得网络能够更完整的学习局部上下文特征，对于规则分布目标以及大目标具有很好的分割效果；增强小样本物体点云语义分割精度。
-
公开(公告)号：CN111652241A
公开(公告)日：2020-09-11
申请号：CN202010096437.5
申请日：2020-02-17
Applicant: 中国测绘科学研究院
Abstract: 本发明提供了一种融合影像特征与密集匹配点云特征的建筑物轮廓提取方法，所述建筑物轮廓提取方法包括：步骤1，从航空影像中生成三维密集图像匹配(DIM)点云和正射影像；步骤2，融合所述DIM点云和所述航空影像进行单体建筑物掩膜的检测；步骤3，基于线匹配的粗糙建筑物轮廓线检测；步骤4，通过融合匹配线和粗糙建筑物掩膜的轮廓线对建筑物边界规则化。本发明能够提高地物分类的精度；能够提高检测精度；能够生成规则化的建筑物轮廓线。
-
Patent Agency Ranking
公开(公告)号：CN111553982A
公开(公告)日：2020-08-18
申请号：CN202010190483.1
申请日：2020-03-18
Applicant: 中国测绘科学研究院
Abstract: 本发明公开了一种基于单环结构的坡屋顶建筑物三维重建方法，主要包括：依据屋顶拓扑图，得到所有环序列集合；删除环序列集合中重复的环序列；从删除重复环序列的集合中筛选出不包含其他环序列的单环结构，和利用已提取轮廓线角点确定一个与空间Z平面平行的横截平面作为屋顶Z平面；基于拓扑图分析的屋顶内外多边形判别法，判别包含外点的屋顶外部多边形和不包含外点的内部多边形；插入节点Nz，连接节点Nz与所有标记节点；计算轮廓线角点；重叠点检查并合并环结构，实现将屋顶重建问题转化为单环结构环检索问题，进而使建筑物屋顶的三维重建更加准确、完整。
-
公开(公告)号：CN105783879B
公开(公告)日：2018-03-13
申请号：CN201610121943.9
申请日：2016-03-03
Applicant: 中国测绘科学研究院
IPC: G01C11/06
Abstract: 一种条带约束下的同轨卫星连续景影像定位方法，根据条带相邻影像的同名点目标定位在定向参数精化前后应该具有相同结果的特点，通过重叠区域不在同一直线上的三个或三个以上同名模型点(RFM模型计算得到的连接点)建立相邻影像定向参数的约束关系，进而实现同轨影像条带影像的定位。本条带约束下的同轨卫星连续景影像定位方法发明不受条带相邻影像成像参数差异的影响，同时在稀少控制点条件下，能够实现控制在条带影像中的传递，在控制点充足条件下，能够让控制点对各条带影像发挥更好的控制作用，实现在不同控制点条件下条带影像间约束的自适应松紧调节。
-
公开(公告)号：CN101604018A
公开(公告)日：2009-12-16
申请号：CN200910161638.2
申请日：2009-07-24
Applicant: 中国测绘科学研究院
IPC: G01S7/48
Abstract: 提供利用有理函数模型、卫星影像区域网平差、自动匹配以及分布式并行化处理技术进行高分辨率遥感影像数据处理的方法和系统。所述方法包括以下步骤：对输入的原始影像数据进行分析和处理，并计算相应的有理函数模型的参数，以使用所计算出来的有理函数模型获得立体影像对；对原始影像数据进行控制点及连接点的量测、单片定向，并且对立体影像像素数据与原始影像数据之间的误差进行区域网平差处理，以提高立体影像像素数据与原始影像数据之间的拟合精度；生成近似核线影像、定义匹配模版、量测匹配种子点线、自动影像匹配并生成数字高程模型；以及分别生成数字正射影像图和数字线化图，并利用所得数据完成产品的制作。
-
公开(公告)号：CN119399253A
公开(公告)日：2025-02-07
申请号：CN202411538770.1
申请日：2024-10-31
Applicant: 中国测绘科学研究院
IPC: G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明的一种神经场引导的点云配准方法、装置、电子设备及存储介质，属于点云数据处理技术领域，方法包括以下步骤：建立利用神经场引导点云配准的神经网络,输入为源点云，输出为x,y,z轴的旋转角度与位移；利用小型神经网络将目标点云以神经场的形式表示；对配准的神经网络进行矩阵正交化约束设置；引入构建的目标点云神经场为配准神经网络构建损失函数；以源点云数据为输入，训练配准神经网络，预测旋转角度与位移，利用矩阵正交化约束获得旋转矩阵，并在损失函数引导下，通过反向传播，不断逼近最优变换矩阵；利用最优变换矩阵进行源点云与目标点云的配准。本发明将神经场引入点云配准，实现了快速、准确的点云配准。
-
公开(公告)号：CN119339023A
公开(公告)日：2025-01-21
申请号：CN202411884131.0
申请日：2024-12-20
Applicant: 中国测绘科学研究院
Abstract: 本发明的一种基于自适应稀疏编码引导的3D场景隐式重建方法及装置，属于三维重建技术领域，方法包括步骤：获取待处理3D场景的点云数据中的表面点云数据，基于曲率从表面点云数据中选取具有重要几何特征的局部编码点；选取查询点，并计算查询点与局部编码点之间的距离值，将该距离值作为局部编码点的权重对其进行加权；将加权后的编码点特征与查询点相融合，生成新的查询点特征，将新的查询点特征作为网络的输入进行网络训练；在网络训练过程中，计算损失以进行网络参数优化；计算编码点的相似度，并动态调整编码点分布以进行网络优化；基于优化后的网络以及网络参数，采用MC算法进行三维模型重建。本发明实现了高精度三维的重建和细节复原。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.044 seconds)
