-
公开(公告)号：CN119006322B
公开(公告)日：2025-03-14
申请号：CN202410695867.7
申请日：2024-05-31
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种恶劣天气条件下机载激光扫描点云的多层级去噪方法及系统，涉及激光点云处理技术领域。该方法包含以下步骤：步骤1，基于连通域分割，快速滤除远离地表的簇状噪点；步骤2，基于空间密度与连通性分析，自适应滤除弥漫地表周边的密集噪点；步骤3，基于引导滤波平滑前后偏移距离，精细滤除地表周边残余的离散噪点。本发明提出的方法采用多层级处理策略，能够由粗到精的稳健去除恶劣天气条件导致的复杂噪点。此外，本方法顾及了噪点的空间分布先验，能够快速识别出远离地表的簇状噪点。
-
Patent Agency Ranking
公开(公告)号：CN119006322A
公开(公告)日：2024-11-22
申请号：CN202410695867.7
申请日：2024-05-31
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种恶劣天气条件下机载激光扫描点云的多层级去噪方法及系统，涉及激光点云处理技术领域。该方法包含以下步骤：步骤1，基于连通域分割，快速滤除远离地表的簇状噪点；步骤2，基于空间密度与连通性分析，自适应滤除弥漫地表周边的密集噪点；步骤3，基于引导滤波平滑前后偏移距离，精细滤除地表周边残余的离散噪点。本发明提出的方法采用多层级处理策略，能够由粗到精的稳健去除恶劣天气条件导致的复杂噪点。此外，本方法顾及了噪点的空间分布先验，能够快速识别出远离地表的簇状噪点。
-
公开(公告)号：CN118710832B
公开(公告)日：2025-03-14
申请号：CN202410836816.1
申请日：2024-06-26
Applicant: 南京信息工程大学
Inventor： 秦楠楠
IPC: G06T17/05 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/766
Abstract: 本发明提出了一种LiDAR先验引导的卫星影像DEM生成方法、介质及设备，包括：在整块DSM数据中随机裁剪出存在一定重叠区的两个相邻切块；利用配套的卫星影像DSM数据和LiDAR DEM数据训练条件潜在扩散模型，并分别从两个相邻DSM切块中自适应提取出对应的地形先验特征；采用基于交叉注意力机制的特征融合策略，将生成的地形先验特征层次化嵌入到Transformer回归网络中，并构建多元集成损失函数，显式引导DSM切块到DEM预测的细节增强；构建几何一致性损失函数，显式惩罚相邻区DEM回归过程中可能存在的尺度偏差，强制模型输出几何一致的相邻区域DEM。本发明既可实现地形关联特征的选择性凸显，又能生成全局一致的大范围无缝DEM。
-
公开(公告)号：CN118710832A
公开(公告)日：2024-09-27
申请号：CN202410836816.1
申请日：2024-06-26
Applicant: 南京信息工程大学
Inventor： 秦楠楠
IPC: G06T17/05 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/766
Abstract: 本发明提出了一种LiDAR先验引导的卫星影像DEM生成方法、介质及设备，包括：在整块DSM数据中随机裁剪出存在一定重叠区的两个相邻切块；利用配套的卫星影像DSM数据和LiDAR DEM数据训练条件潜在扩散模型，并分别从两个相邻DSM切块中自适应提取出对应的地形先验特征；采用基于交叉注意力机制的特征融合策略，将生成的地形先验特征层次化嵌入到Transformer回归网络中，并构建多元集成损失函数，显式引导DSM切块到DEM预测的细节增强；构建几何一致性损失函数，显式惩罚相邻区DEM回归过程中可能存在的尺度偏差，强制模型输出几何一致的相邻区域DEM。本发明既可实现地形关联特征的选择性凸显，又能生成全局一致的大范围无缝DEM。
-
公开(公告)号：CN118314466B
公开(公告)日：2024-11-15
申请号：CN202410240882.2
申请日：2024-03-04
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于视觉基础模型的火星横向风成脊遥感解译方法及系统，涉及行星科学技术领域。解译方法包括如下步骤：在零训练样本的情况下，利用视觉分割基础模型自动提取出火星高分辨率遥感影像的所有地貌掩码。根据横向风成脊独特的几何及光谱特征，从获得的所有地貌掩码中过滤出横向风成脊的掩码。基于各个横向风成脊掩码的轮廓信息，分别提取出各个横向风成脊的朝向及脊线长度参数。本方法借助了视觉基础模型的通用分割能力，能够在零样本的情况下实现火星高分辨影像的智能分割。兼顾了几何及光谱特征，能够稳健的从火星高分辨率影像分割结果中自动提取出横向风成脊的掩码。挖掘了各个横向风成脊掩码的轮廓信息，能够自动获取各个横向风成脊的朝向及脊线长度参数。
-
公开(公告)号：CN118314466A
公开(公告)日：2024-07-09
申请号：CN202410240882.2
申请日：2024-03-04
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于视觉基础模型的火星横向风成脊遥感解译方法及系统，涉及行星科学技术领域。解译方法包括如下步骤：在零训练样本的情况下，利用视觉分割基础模型自动提取出火星高分辨率遥感影像的所有地貌掩码。根据横向风成脊独特的几何及光谱特征，从获得的所有地貌掩码中过滤出横向风成脊的掩码。基于各个横向风成脊掩码的轮廓信息，分别提取出各个横向风成脊的朝向及脊线长度参数。本方法借助了视觉基础模型的通用分割能力，能够在零样本的情况下实现火星高分辨影像的智能分割。兼顾了几何及光谱特征，能够稳健的从火星高分辨率影像分割结果中自动提取出横向风成脊的掩码。挖掘了各个横向风成脊掩码的轮廓信息，能够自动获取各个横向风成脊的朝向及脊线长度参数。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
