-
公开(公告)号：CN114550014B
公开(公告)日：2024-08-13
申请号：CN202210174578.3
申请日：2022-02-24
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06V20/17 , G06V10/26 , G06V10/42 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种道路分割方法及计算机装置，从无人机航拍高分辨率道路数据集获取N张图像，利用所述N张图像获取训练集；利用所述训练集训练道路提取模型，得到训练后的道路提取模型；将待测试图像输入所述训练后的道路提取模型，得到道路提取结果。本发明提出了双注意力的残差学习模块，在自适应调节感受野之外兼顾了全局信息的提取，能够更准确的捕捉道路拓扑结构特征，获得更拟合目标的感受野，提升了道路提取的连贯性。
-
公开(公告)号：CN114549569B
公开(公告)日：2024-04-09
申请号：CN202210198442.6
申请日：2022-03-01
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06T7/13 , G06T7/62 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于二维正射影像的房屋轮廓提取方法，先获取需要提取房屋轮廓区域的原图像，在根据原图像通过影像遍历得到覆盖所述原图像的所有区域的子图像，再将子图像逐一载入房屋检测模型，得到每张子图像中每栋房屋的矩形图像，然后获得的每栋房屋的矩形区域图像输入模糊轮廓提取网络模型，获得每张图像的模糊轮廓灰度图，接着将获得的模糊轮廓灰度图中间十六分之一的矩形区域内的像素置为零，将所得灰度图采用注水填充法获取房屋区域二值图，然后以等距放大的方法将轮廓扩大一定像素，采用最小矩形拟合方式获取房屋的最终矩形轮廓，最后计算步骤8所获得轮廓的像素面积，实现房屋轮廓的精确提取，提高了房屋的统计面积。
-
公开(公告)号：CN114627064A
公开(公告)日：2022-06-14
申请号：CN202210196978.4
申请日：2022-03-01
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明公开了一种基于二维正射影像的稀疏植被区域化提取方法，包括具体步骤：垂直向地面拍摄，获取需提取植被区域的二维图像；计算二维图像每个像素的vdvi，并将其转换为vdvi灰度图；其中所述vdvi为可见光波段差异植被指数；采用波谷分割法，分割vdvi灰度图，得到植被与非植被的分割二值化图像，植被区域为二值化图像的前景，非植被区域为二值化图像的背景；基于阈值侵蚀算子对二值化图像进行滤波变换，得到植被侵蚀空地后的二值化图像；获取二值化图像的所有轮廓，将轮廓面积小于预设面积的轮廓区域进行类别转换，得到最终稀疏植被区域化提取的分割图，解决现有基于二维图像提取稀疏植被区域时面积统计精度低、主观性强的问题。
-
公开(公告)号：CN114882224B
公开(公告)日：2024-04-05
申请号：CN202210629730.2
申请日：2022-06-06
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06V10/26 , G06V10/42 , G06V10/80 , G06V10/764 , G06V10/82 , G06T7/73 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种模型结构、模型训练方法、单体化方法、设备及介质，该模型训练方法包括获取大场景地物的原始三维点云数据；将所述原始三维点云数据制作成标准样本格式文件；对所述标准样本格式文件中的点云样本进行预处理，生成PKL格式样本文件；构建大场景地物单体化模型，所述大场景地物单体化模型包括编码模块、骨干网络、目标生成模块、特征融合模块、Point‑RoIAlign模块和实例预测网络；利用所述PKL格式样本文件中的点云样本对所述大场景地物单体化模型进行训练，得到训练好的大场景地物单体化模型。本发明通过最小化匹配代价函数来实现单个地物的预测，并通过point mask预测来实现最终的地物分割，有效消除了聚类等传统处理手段的缺陷。
-
公开(公告)号：CN116664597A
公开(公告)日：2023-08-29
申请号：CN202310598607.3
申请日：2023-05-25
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明公开了一种图像实例分割结果优化方法、终端设备及存储介质，获取待分割图像的实例分割结果；计算每个实例分割结果的中心像素坐标；利用中心像素坐标计算任一实例分割结果与其余实例分割结果之间的距离，将距离小于第一阈值的实例分割结果设定为目标集合；计算目标集合中两个实例分割结果的面积并集与交集的比值，将比值大于第二阈值的两个实例分割结果判定为同一目标，并去除该两个实例分割结果中面积较小的实例分割结果，剩余的实例分割结果即为最优分割目标。本发明采用中心点匹配和交并比阈值筛选得到了目标的最优检测结果，解决了目前实例分割结果目标被拆分导致的检测数量不准确、目标位置不准确的问题。
-
Patent Agency Ranking
公开(公告)号：CN116542171A
公开(公告)日：2023-08-04
申请号：CN202310380886.6
申请日：2023-04-11
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06F30/28 , G06F30/27 , G16C20/70 , G16C20/10 , G06Q50/26 , G06F113/08 , G06F119/14 , G06F119/08 , G06F119/02
Abstract: 本发明提供一种基于机器学习水文模型的叶绿素a含量预测方法及装置，所述基于机器学习水文模型的叶绿素a含量预测方法包括：将SWAT模型与土壤水动力学模型、溶质运移模型、营养物藻类演化模型进行组合，得到流域水文模型；利用所述流域水文模型对流域中的叶绿素a含量进行预测。
-
公开(公告)号：CN116029438A
公开(公告)日：2023-04-28
申请号：CN202310052167.1
申请日：2023-02-02
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明提供一种水质参数预测模型建模方法及水质参数预测方法及装置。水质参数预测模型建模方法包括：步骤1：采集水质数据；步骤2：执行标准化变换：步骤3：得到B个训练样本矩阵和B个标签矩阵；步骤4：对第b个训练样本矩阵、标签矩阵分别进行位置编码，得到第b个位置编码后的训练样本矩阵、标签矩阵；步骤5：利用各个位置编码后的训练样本矩阵、各个位置编码后的标签矩阵对多头注意力模型进行训练，将训练得到的多头注意力模型作为水质参数预测模型。
-
公开(公告)号：CN114612488A
公开(公告)日：2022-06-10
申请号：CN202210242113.7
申请日：2022-03-11
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明公开了一种建筑物单体化信息提取方法、计算机装置及存储介质，获取带地理坐标信息的建筑物二维正射影像和对应的三维点云数据；基于深度学习的实例分割模型获取建筑物在二维正射影像中的大致轮廓面；将所述大致轮廓面转换成真实地理坐标的轮廓面；基于步骤S3得到的轮廓面切割所述三维点云数据，得到三维点云集合；分离和保存所述三维点云集合中存在的多个建筑物，基于建筑物的空间几何结构，对房屋进行精细化处理，提取建筑物的属性信息。本发明突破了对倾斜摄影数据利用的技术瓶颈，实现了对倾斜摄影模型和点云模型中建筑物快速、智能的物理单体化，大幅减低了人工成本，提高了对倾斜摄影数据的利用率，提高了生产效率。
-
公开(公告)号：CN114416724A
公开(公告)日：2022-04-29
申请号：CN202111544650.9
申请日：2021-12-16
Applicant: 中国电建集团中南勘测设计研究院有限公司
Abstract: 本发明公开了一种基于自动分割与空间索引的三维点云文件加载方法，所述方法包括步骤如下：获取待处理的三维点云文件；对所述三维点云文件进行自动点云分割，所述自动点云分割是按照预先设计好的点云分块方式，逐行读取并分割三维点云文件；对所述三维点云文件进行空间索引与动态加载。相对于传统三维点云文件分割加载方式，本发明通过三维点云文件的自动化分割实现超大型三维点云的自动化分块；并通过空间索引库构建以及动态加载，实现三维点云的高效空间索引，并实现了分块点云的拼接与标准化格式输出，提高了三维点云文件的处理效率，并降低了处理所需的硬件开销，特别是对超大型三维点云文件特别适用。
-
公开(公告)号：CN115457107A
公开(公告)日：2022-12-09
申请号：CN202210879392.8
申请日：2022-07-25
Applicant: 中国电建集团中南勘测设计研究院有限公司
IPC: G06T7/62 , G06V10/762
Abstract: 本发明公开了一种房屋底面积计算方法、系统。与现有技术相比，本发明不仅能有效剔除异常点，实现对结构缺失墙体垂直面的精准提取，还能高效精准的实现扭曲变形墙体垂直面拟合，解决了由于房屋墙体结构缺失、变形扭曲等原因而导致现有房屋底面积测量方法难以准确计算房屋底面积的问题。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.056 seconds)
