-
公开(公告)号：CN110348383B
公开(公告)日：2020-07-31
申请号：CN201910625253.0
申请日：2019-07-11
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) , 武汉大学
Inventor： 丁忆 , 李朋龙 , 胡翔云 , 曾安明 , 张泽烈 , 胡艳 , 徐永书 , 魏域君 , 李晓龙 , 张觅 , 罗鼎 , 陈静 , 郑中 , 刘朝晖 , 王亚林 , 范文武 , 王小攀 , 连蓉 , 林熙 , 谭攀
Abstract: 本发明公开了一种基于卷积神经网络回归的道路中心线和双线提取方法，包括如下步骤：利用已训练卷积神经网络，预测出待提取的高分辨率遥感影像的道路中心线距离图和道路宽度图；利用非极小值抑制算法，结合道路中心线距离图提取出道路中心线；根据提取出的道路中心线，结合道路宽度图提取出道路双线；选取道路中心线上的像素点作为初始道路种子点，计算初始道路种子点所在的道路方向，利用道路追踪算法重建道路网络的拓扑结构，输出道路网络提取结果。该方法通过端对端的训练，直接从训练数据中学习到易于分类的特征，不需要任何后处理来提取道路中线和边线，泛化能力更强，道路提取精度高，细小道路提取效果较好。
-
公开(公告)号：CN112862774A
公开(公告)日：2021-05-28
申请号：CN202110140476.5
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种遥感影像建筑物精确分割方法，包括步骤：构建包括特征提取模块、空洞卷积模块、注意力模块、上采样模块与卷积预测模块的建筑物提取网络；基于训练样本集，采用Dice Loss与BCE Loss相结合的多尺度复合损失函数，对构建的建筑物提取网络进行训练；将待提取的遥感影像输入训练好的建筑物提取网络，得到建筑物提取结果。其显著效果是：特征学习，泛化能力强；网络复杂度低，易于训练；建筑物提取精度高。
-
公开(公告)号：CN112862774B
公开(公告)日：2021-12-07
申请号：CN202110140476.5
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种遥感影像建筑物精确分割方法，包括步骤：构建包括特征提取模块、空洞卷积模块、注意力模块、上采样模块与卷积预测模块的建筑物提取网络；基于训练样本集，采用Dice Loss与BCE Loss相结合的多尺度复合损失函数，对构建的建筑物提取网络进行训练；将待提取的遥感影像输入训练好的建筑物提取网络，得到建筑物提取结果。其显著效果是：特征学习，泛化能力强；网络复杂度低，易于训练；建筑物提取精度高。
-
公开(公告)号：CN110991359A
公开(公告)日：2020-04-10
申请号：CN201911243932.8
申请日：2019-12-06
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Inventor： 丁忆 , 李朋龙 , 曾安明 , 李晓龙 , 马泽忠 , 肖禾 , 罗鼎 , 段松江 , 胡艳 , 王岚 , 陈静 , 刘金龙 , 刘朝晖 , 魏文杰 , 谭攀 , 范文武 , 林熙 , 刘建 , 叶涛 , 袁力
Abstract: 本发明公开了一种基于多尺度深度卷积神经网络的卫星图像目标检测方法，包括步骤收集卫星图像训练数据集，并进行样本标注；对卫星图像训练数据集进行预处理；搭建多尺度深度卷积神经网络；将预处理后的训练数据集输入到基于所述多尺度深度卷积神经网络的目标检测框架进行训练，获得训练好的目标检测神经网络；输入待检测卫星图像集，采用训练好的所述目标检测神经网络进行目标检测，输出识别结果。其显著效果是：提高了网络对于细粒度特征的检测结果以及区分不同物体的能力，改善了对于小物体和密集物体群的检测效果，具有更强的鲁棒性，有效地提高了目标检测效率，降低了硬件需求。
-
Patent Agency Ranking
公开(公告)号：CN117726687A
公开(公告)日：2024-03-19
申请号：CN202311851986.9
申请日：2023-12-29
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Abstract: 本发明提供了一种融合实景三维与视频的视觉重定位方法，包括基于高空云台和连接所述高空云台的摄像机实时获取视频流和摄像机的位姿，并对所述视频流进行视频帧图像预处理；基于所述摄像机的历史监控视频和实景三维数据作为输入，标定出的视频帧图像的位姿信息，并构建出带有图像特征信息和对应三维空间信息的视觉特征库；采用SIFT算法对包含目标点的视频帧进行特征点提取，将所述特征点输入所述视觉数据库查询特征点对应的一组2D‑3D点对；对所述2D‑3D点对采用solvePnP算法来计算出对应目标点的摄像机的位姿，并用RANSAC算法剔除异常值；采用投影变换，将目标点的2D坐标投影转换为目标点的三维坐标。通过视觉重定位技术计算目标点位置，提高了视觉定位的精度和效率。
-
公开(公告)号：CN111079604A
公开(公告)日：2020-04-28
申请号：CN201911243920.5
申请日：2019-12-06
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Inventor： 丁忆 , 李朋龙 , 罗鼎 , 张泽烈 , 李晓龙 , 肖禾 , 马泽忠 , 段松江 , 刘金龙 , 王亚林 , 吴凤敏 , 钱进 , 刘朝晖 , 曾远文 , 魏文杰 , 林熙 , 范文武 , 刘建 , 黄印 , 卢建洪
Abstract: 本发明公开了一种面向大尺度遥感图像的微小目标快速检测方法，包括步骤：利用轻量级的残差结构构建Tiny-Net模块，并对输入的遥感图像进行特征图提取；搭建全局注意力模块；在全局注意力模块后依次连接分类器与检测器，并利用分类器检测当前输入图像块中的目标；对检测出的目标采用k-means聚类方法得到k个尺度的先验框；使用区域提案网络得到提案区域，并采用位置敏感的ROI池化对提案区域进行池化；训练网络，并利用训练好的网络对新输入的遥感图像进行微小目标的精确检测定位。其显著效果是：实现了快速精确的检测大尺度遥感图像中的微小目标，使得对大尺度遥感图像的目标实时检测成为可能。
-
公开(公告)号：CN117726687B
公开(公告)日：2024-06-21
申请号：CN202311851986.9
申请日：2023-12-29
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
Abstract: 本发明提供了一种融合实景三维与视频的视觉重定位方法，包括基于高空云台和连接所述高空云台的摄像机实时获取视频流和摄像机的位姿，并对所述视频流进行视频帧图像预处理；基于所述摄像机的历史监控视频和实景三维数据作为输入，标定出的视频帧图像的位姿信息，并构建出带有图像特征信息和对应三维空间信息的视觉特征库；采用SIFT算法对包含目标点的视频帧进行特征点提取，将所述特征点输入所述视觉数据库查询特征点对应的一组2D‑3D点对；对所述2D‑3D点对采用solvePnP算法来计算出对应目标点的摄像机的位姿，并用RANSAC算法剔除异常值；采用投影变换，将目标点的2D坐标投影转换为目标点的三维坐标。通过视觉重定位技术计算目标点位置，提高了视觉定位的精度和效率。
-
公开(公告)号：CN115880325A
公开(公告)日：2023-03-31
申请号：CN202211562504.3
申请日：2022-12-07
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06T7/181 , G06T5/00 , G06F18/2321
Abstract: 本发明提供了一种基于点云维度和空间距离聚类的建筑物轮廓自动提取方法，包括：S1、对带有真实地理坐标的激光点云进行去噪处理；S2、通过对所述激光点云进行点云滤波，分离场景中的地面点云及非地面点云；S3、计算所述非地面点云所属维度可能性，通过空间聚类分析获取建筑物点云；S4、获取建筑物点云轮廓，并拟合轮廓函数。本发明数据源采用激光点云，不仅能解决传统方法中由于遥感影像分辨率低导致的地物分类不准确等问题，也能面向大场景开展建筑物轮廓提取，还通过计算点云所属维度，从非地面点云中分离现状点云、面状点云和散状点云，再依据空间距离聚类方法准确提取建筑物点云。不光使得提取建筑物点云的结果更精确，还提升了效率。
-
公开(公告)号：CN110348383A
公开(公告)日：2019-10-18
申请号：CN201910625253.0
申请日：2019-07-11
Inventor： 丁忆 , 李朋龙 , 胡翔云 , 曾安明 , 张泽烈 , 胡艳 , 徐永书 , 魏域君 , 李晓龙 , 张觅 , 罗鼎 , 陈静 , 郑中 , 刘朝晖 , 王亚林 , 范文武 , 王小攀 , 连蓉 , 林熙 , 谭攀
Abstract: 本发明公开了一种基于卷积神经网络回归的道路中心线和双线提取方法，包括如下步骤：利用已训练卷积神经网络，预测出待提取的高分辨率遥感影像的道路中心线距离图和道路宽度图；利用非极小值抑制算法，结合道路中心线距离图提取出道路中心线；根据提取出的道路中心线，结合道路宽度图提取出道路双线；选取道路中心线上的像素点作为初始道路种子点，计算初始道路种子点所在的道路方向，利用道路追踪算法重建道路网络的拓扑结构，输出道路网络提取结果。该方法通过端对端的训练，直接从训练数据中学习到易于分类的特征，不需要任何后处理来提取道路中线和边线，泛化能力更强，道路提取精度高，细小道路提取效果较好。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.042 seconds)
