CN104006802A - 一种基于信息融合的地表三维变化检测方法及系统 - Google Patents
一种基于信息融合的地表三维变化检测方法及系统 Download PDFInfo
- Publication number
- CN104006802A CN104006802A CN201410189077.8A CN201410189077A CN104006802A CN 104006802 A CN104006802 A CN 104006802A CN 201410189077 A CN201410189077 A CN 201410189077A CN 104006802 A CN104006802 A CN 104006802A
- Authority
- CN
- China
- Prior art keywords
- earth
- information
- stereopsis
- resolution optical
- dimensional change
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
Abstract
本发明涉及一种基于信息融合的地表三维变化检测方法及系统,包括:第一,基于高分辨率光学立体影像的高精度匹配技术,从高分辨率光学立体影像中提取地表高程维度信息。第二,对高分辨率光学立体影像进行融合维度信息的多尺度影像分割,获得最佳分割尺度范围。第三,对高分辨率光学立体影像进行面向对象的特征集选择,获得高效特征集。第四,将上述三个步骤获得的维度、尺度、特征信息融合,进行地表三维变化检测。本发明还涉及一种基于信息融合的地表三维变化检测系统,采用本发明提出的方法及系统,可以从高分辨率光学立体影像中提取地表的三维变化信息,极大地提高变化检测结果的准确性和可靠性,获取全面的、更加接近真实世界的变化信息。
Description
技术领域
本发明涉及摄影测量与遥感技术领域,尤其涉及一种基于信息融合的地表三维变化检测方法及系统。
背景技术
遥感影像是开展地表变化检测十分有效的数据源,基于遥感影像的地表变化检测一直是遥感科学的重要发展方向和研究热点。
目前,基于遥感影像变化检测的主要内容有三个方面:一是确定变没变,二是确定变成什么了,三是确定怎么变。目前,基于遥感影像的地表变化检测方法可以概括为基于差异图像的分析方法、直接分类法、分类后比较法和混合法等。然而,现有的地表变化检测方法尚存在两大问题:
第一,现有的检测方法大多数假设地面目标的高程信息未变化,通过检测地表的二维平面特征的变化确定检测结果。但是,对于很多重要的地表变化,如低矮房屋改造为高层建筑、在原有道路上增加高架桥、高层地标的建设等情况,二维检测方法难以获得准确的变化信息。
第二,高分辨率遥感影像中维度、尺度、特征等信息未被充分融合利用。地表是包含土壤、水体、植被、建筑物、道路等多种地物类型的综合体,其光谱特征是多种地物光谱特征的混合。因此,单纯根据光谱特征很难准确识别地物类型,也难以准确检测其变化。目前的检测方法都是先分类,再进行不同类别的变化检测,没有充分利用高分辨率遥感影像的各类信息。
发明内容
(一)要解决的技术问题
本发明的目的是提供一种基于信息融合的地表三维变化检测方法及系统,实现面向对象的立体变化检测,提高变化检测结果的准确性和可靠性。
(二)技术方案
为了达到上述目的,本发明提出一种基于信息融合的地表三维变化检测方法,包括:
S101获取高分辨率光学立体影像并进行预处理;
S102基于光学立体影像的高精度匹配技术,从所述高分辨率光学立体影像中提取地表高程维度信息;
S103根据所述地表高程维度信息对所述高分辨率光学立体影像进行融合维度信息的多尺度影像分割,获得最佳分割尺度范围;
S104对所述高分辨率光学立体影像进行面向对象的特征集选择,获得高效特征集;
S105根据所述地表高程维度信息、最佳分割尺度范围和高效特征集进行信息融合,实现地表三维变化检测。
其中,所述步骤S101具体包括:
利用高分辨率立体测绘卫星传感器,获取高分辨率光学立体影像;
对所述高分辨率光学立体影像进行预处理,所述预处理具体包括:图像增强与滤波、图像镶嵌、图像裁剪、几何校正、配准和辐射校正。
其中,所述步骤S102具体包括:
处理所述高分辨率光学立体影像,生成检测区的数字地表模型DSM和数字正射影像DOM,得到反映地表分布的各类地物高程变化的不同时相的DSM数据。
其中,所述步骤S103具体包括:
根据不同地物目标三维变化检测的特点,融合利用高程维度信息,选择不同地物目标的检测样本区域;
利用对象最大面积法提取各所述样本区域的临界尺度,从所述高分辨率光学立体影像的多尺度对象层次结构中确定不同地物目标的最佳分割尺度范围。
其中,所述步骤S104具体包括:
通过对高分辨率光学立体影像对象的多种特征进行综合分析与评价,从分类的角度以变化前后影像地物类别之间的最佳可分距离为判据选取分类效率最高的不同特征,生成高效特征集。
其中,所述步骤S105具体包括:
根据所述地表高程维度信息、最佳分割尺度范围和高效特征集,采用D-S证据理论,分别进行维度-尺度、维度-特征、维度-尺度-特征三种信息融合策略的地表三维变化检测;
对不同融合策略的三维变化检测结果进行比较,确定最佳的融合策略,得出最终的地表三维变化检测结果,实现地表三维变化检测。
此外,本发明还提供了一种基于信息融合的地表三维变化检测系统,包括:
高分辨率立体测绘卫星传感器和数据处理装置,所述数据处理装置包括维度信息处理单元、尺度信息处理单元、特征信息处理单元和维度-尺度-特征融合检测单元;
高分辨率立体测绘卫星传感器,用于获取高分辨率光学立体影像并进行预处理;
维度信息处理单元,用于基于光学立体影像的高精度匹配技术,从所述高分辨率光学立体影像中提取地表高程维度信息,具体包括处理所述高分辨率光学立体影像,生成检测区的数字地表模型DSM和数字正射影像DOM,得到反映地表分布的各类地物高程变化的不同时相的DSM数据;
尺度信息处理单元,用于根据所述地表高程维度信息对所述高分辨率光学立体影像进行融合维度信息的多尺度影像分割,获得最佳分割尺度范围,具体包括根据不同地物目标三维变化检测的特点,融合利用高程维度信息,选择不同地物目标的检测样本区域,利用对象最大面积法提取各所述样本区域的临界尺度,从所述高分辨率光学立体影像的多尺度对象层次结构中确定不同地物目标的最佳分割尺度范围;
特征信息处理单元,用于对所述高分辨率光学立体影像进行面向对象的特征集选择,获得高效特征集,具体包括通过对高分辨率光学立体影像对象的多种特征进行综合分析与评价,从分类的角度以变化前后影像地物类别之间的最佳可分距离为判据选取分类效率最高的不同特征,生成高效特征集;
维度-尺度-特征融合检测单元,用于根据所述地表高程维度信息、最佳分割尺度范围和高效特征集进行信息融合,实现地表三维变化检测。
(三)有益效果
采用本发明提出的一种基于信息融合的地表三维变化检测方法及系统,可以从高分辨率光学立体影像中提取地表的三维变化信息,极大地提高变化检测结果的准确性和可靠性,获取全面的、更加接近真实世界的变化信息。
附图说明
图1为本发明一种基于信息融合的地表三维变化检测方法的流程图;
图2为本发明一种基于信息融合的地表三维变化检测系统的结构图。
具体实施方式
以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本发明一种基于信息融合的地表三维变化检测方法的流程图,如图所示,本发明实施例提出了一种基于信息融合的地表三维变化检测方法,包括以下步骤:
S101、数据获取与预处理。获取原始的高分辨率光学立体影像,进行预处理。
利用高分辨率立体测绘卫星传感器,获取高分辨率光学立体影像;对所述高分辨率光学立体影像进行预处理,所述预处理具体包括:图像增强与滤波、图像镶嵌、图像裁剪、几何校正、配准和辐射校正。
S102、基于光学立体影像的高精度匹配技术,从所述高分辨率光学立体影像中提取地表高程维度信息。包括基于高分辨率立体影像提取检测区的数字地表模型DSM与生成数字正射影像DOM,具体为基于立体影像的高精度匹配技术,利用DPGrid从光学立体影像中提取DSM,并生成实验区的DOM。
S103、融合维度信息的多尺度影像分割。结合提取的高程维度信息,进行多尺度影像分割。具体步骤为:针对地表不同地物目标,根据给定原则选择不同类别的样本区域,基于eCognition软件利用对象最大面积法提取各样本区域的临界尺度,然后对多时相影像进行多个最佳分割尺度分割,从所述高分辨率光学立体影像的多尺度对象层次结构中确定不同地物的最佳分割尺度范围。
S104、面向对象变化检测高效特征集选择。采用高分辨率立体影像,通过对影像对象的特征进行综合分析与评价,以变化前后图像地物类别之间的最佳可分距离为判据选取优秀特征。利用eCognition软件在保证特征维数的基础上,从光谱统计特征,纹理特征和几何形状特征中各选出一个高效特征生成高效特征集合。
S105、根据所述地表高程维度信息、最佳分割尺度范围和高效特征集进行信息融合,实现地表三维变化检测。融合利用地表高程维度、最佳分割尺度范围和高效特征集三类信息,分别进行维度-尺度、维度-特征、维度-尺度-特征三种融合策略的三维变化检测,对不同融合策略的三维变化检测结果进行比较,确定最佳的融合策略,得出最终的地表三维变化检测结果。
图2为本发明一种基于信息融合的地表三维变化检测系统的结构图。如图所示,本发明实施例还提出了一种基于信息融合的地表三维变化检测系统,包括:
高分辨率立体测绘卫星传感器21,用于获取高分辨率光学立体影像;数据处理装置22,与高分辨率立体测绘卫星传感器21连接,并利用多个时相的光学立体影像,融合影像的维度、尺度、特征信息,进行地表三维变化检测。
其中,所述数据处理装置22进一步包括:
维度信息处理单元221,用于基于光学立体影像的高精度匹配技术处理获取到的高分辨率光学立体影像提取地表高程维度信息,具体包括处理所述高分辨率光学立体影像,生成检测区的数字地表模型DSM和数字正射影像DOM,得到反映地表分布的各类地物高程变化的不同时相的DSM数据;
尺度信息处理单元222,用于根据所述地表高程维度信息对所述高分辨率光学立体影像进行融合维度信息的多尺度影像分割,获得最佳分割尺度范围,具体包括根据不同地物目标三维变化检测的特点融合利用高程维度信息,选择检测样本区域,利用对象最大面积法提取各样本区域的临界尺度,从影像的多尺度对象层次结构中确定不同地物目标的最佳分割尺度范围;
特征信息处理单元223,用于对所述高分辨率光学立体影像进行面向对象的特征集选择,获得高效特征集,具体包括通过对影像对象的多种特征进行综合分析与评价,从分类的角度以变化前后影像地物类别之间的最佳可分距离为判据选取分类效率最高的不同特征,生成高效特征集;
维度-尺度-特征融合检测单元224,用于根据所述地表高程维度信息、最佳分割尺度范围和高效特征集进行信息融合,实现地表三维变化检测。将所述维度信息处理单元、尺度信息处理单元、特征信息处理单元的结果进行融合,基于高程维度、最佳分割尺度范围和高效特征集等信息,采用D-S证据理论,分别进行维度-尺度、维度-特征、维度-尺度-特征三种融合策略的三维变化检测,对不同融合策略的三维变化检测结果进行比较,确定最佳的融合策略,得出最终的城市三维变化检测结果。
采用本发明提出的一种基于信息融合的地表三维变化检测方法及系统,可以从高分辨率光学立体影像中提取地表的三维变化信息,极大地提高变化检测结果的准确性和可靠性,获取全面的、更加接近真实世界的变化信息。
以上为本发明的最佳实施方式,依据本发明公开的内容,本领域的普通技术人员能够显而易见地想到一些雷同、替代方案,均应落入本发明保护的范围。
Claims (7)
1.一种基于信息融合的地表三维变化检测方法,其特征在于,包括:
S101获取高分辨率光学立体影像并进行预处理;
S102基于光学立体影像的高精度匹配技术,从所述高分辨率光学立体影像中提取地表高程维度信息;
S103根据所述地表高程维度信息对所述高分辨率光学立体影像进行融合维度信息的多尺度影像分割,获得最佳分割尺度范围;
S104对所述高分辨率光学立体影像进行面向对象的特征集选择,获得高效特征集;
S105根据所述地表高程维度信息、最佳分割尺度范围和高效特征集进行信息融合,实现地表三维变化检测。
2.如权利要求1所述的方法,其特征在于,所述步骤S101具体包括:
利用高分辨率立体测绘卫星传感器,获取高分辨率光学立体影像;
对所述高分辨率光学立体影像进行预处理,所述预处理具体包括:图像增强与滤波、图像镶嵌、图像裁剪、几何校正、配准和辐射校正。
3.如权利要求1所述的方法,其特征在于,所述步骤S102具体包括:
处理所述高分辨率光学立体影像,生成检测区的数字地表模型DSM和数字正射影像DOM,得到反映地表分布的各类地物高程变化的不同时相的DSM数据。
4.如权利要求1所述的方法,其特征在于,所述步骤S103具体包括:
根据不同地物目标三维变化检测的特点,融合利用高程维度信息,选择不同地物目标的检测样本区域;
利用对象最大面积法提取各所述样本区域的临界尺度,从所述高分辨率光学立体影像的多尺度对象层次结构中确定不同地物目标的最佳分割尺度范围。
5.如权利要求1所述的方法,其特征在于,所述步骤S104具体包括:
通过对高分辨率光学立体影像对象的多种特征进行综合分析与评价,从分类的角度以变化前后影像地物类别之间的最佳可分距离为判据选取分类效率最高的不同特征,生成高效特征集。
6.如权利要求1-5任一权利要求所述的方法,其特征在于,所述步骤S105具体包括:
根据所述地表高程维度信息、最佳分割尺度范围和高效特征集,采用D-S证据理论,分别进行维度-尺度、维度-特征、维度-尺度-特征三种信息融合策略的地表三维变化检测;
对不同融合策略的三维变化检测结果进行比较,确定最佳的融合策略,得出最终的地表三维变化检测结果,实现地表三维变化检测。
7.一种基于信息融合的地表三维变化检测系统,其特征在于,包括:高分辨率立体测绘卫星传感器和数据处理装置,所述数据处理装置包括维度信息处理单元、尺度信息处理单元、特征信息处理单元和维度-尺度-特征融合检测单元;
高分辨率立体测绘卫星传感器,用于获取高分辨率光学立体影像并进行预处理;
维度信息处理单元,用于基于光学立体影像的高精度匹配技术,从所述高分辨率光学立体影像中提取地表高程维度信息,具体包括处理所述高分辨率光学立体影像,生成检测区的数字地表模型DSM和数字正射影像DOM,得到反映地表分布的各类地物高程变化的不同时相的DSM数据;
尺度信息处理单元,用于根据所述地表高程维度信息对所述高分辨率光学立体影像进行融合维度信息的多尺度影像分割,获得最佳分割尺度范围,具体包括根据不同地物目标三维变化检测的特点,融合利用高程维度信息,选择不同地物目标的检测样本区域,利用对象最大面积法提取各所述样本区域的临界尺度,从所述高分辨率光学立体影像的多尺度对象层次结构中确定不同地物目标的最佳分割尺度范围;
特征信息处理单元,用于对所述高分辨率光学立体影像进行面向对象的特征集选择,获得高效特征集,具体包括通过对高分辨率光学立体影像对象的多种特征进行综合分析与评价,从分类的角度以变化前后影像地物类别之间的最佳可分距离为判据选取分类效率最高的不同特征,生成高效特征集;
维度-尺度-特征融合检测单元,用于根据所述地表高程维度信息、最佳分割尺度范围和高效特征集进行信息融合,实现地表三维变化检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410189077.8A CN104006802B (zh) | 2014-05-06 | 2014-05-06 | 一种基于信息融合的地表三维变化检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410189077.8A CN104006802B (zh) | 2014-05-06 | 2014-05-06 | 一种基于信息融合的地表三维变化检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104006802A true CN104006802A (zh) | 2014-08-27 |
CN104006802B CN104006802B (zh) | 2016-04-27 |
Family
ID=51367576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410189077.8A Expired - Fee Related CN104006802B (zh) | 2014-05-06 | 2014-05-06 | 一种基于信息融合的地表三维变化检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104006802B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893972A (zh) * | 2016-04-08 | 2016-08-24 | 深圳市智绘科技有限公司 | 基于影像进行的违章建筑物自动监测方法及其实现系统 |
CN106295498A (zh) * | 2016-07-20 | 2017-01-04 | 湖南大学 | 光学遥感图像目标区域检测装置与方法 |
CN106846332A (zh) * | 2016-12-30 | 2017-06-13 | 中国人民解放军61540部队 | 一种基于dsm的遥感影像变化检测方法及装置 |
CN106991424A (zh) * | 2017-04-01 | 2017-07-28 | 武汉大学 | 一种基于面向对象的特定区域全自动变化监测方法 |
CN108647567A (zh) * | 2018-03-29 | 2018-10-12 | 中国人民解放军61540部队 | 基于条件证据理论的场景可识别性分析方法 |
CN110310246A (zh) * | 2019-07-05 | 2019-10-08 | 广西壮族自治区基础地理信息中心 | 一种基于三线阵影像的甘蔗种植区遥感信息提取方法 |
CN113486728A (zh) * | 2021-06-15 | 2021-10-08 | 北京道达天际科技有限公司 | 基于特征融合的地表三维变化检测方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216555A (zh) * | 2007-12-27 | 2008-07-09 | 武汉大学 | Rpc模型参数提取方法和几何纠正方法 |
CN101284516A (zh) * | 2007-04-12 | 2008-10-15 | 高田株式会社 | 乘员检测装置、工作装置控制系统、安全带系统、车辆 |
JP2008250687A (ja) * | 2007-03-30 | 2008-10-16 | Aisin Aw Co Ltd | 地物情報収集装置及び地物情報収集方法 |
CN103487033A (zh) * | 2013-09-22 | 2014-01-01 | 河海大学 | 一种基于变高单应的河流水面摄影测量方法 |
-
2014
- 2014-05-06 CN CN201410189077.8A patent/CN104006802B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008250687A (ja) * | 2007-03-30 | 2008-10-16 | Aisin Aw Co Ltd | 地物情報収集装置及び地物情報収集方法 |
CN101284516A (zh) * | 2007-04-12 | 2008-10-15 | 高田株式会社 | 乘员检测装置、工作装置控制系统、安全带系统、车辆 |
CN101216555A (zh) * | 2007-12-27 | 2008-07-09 | 武汉大学 | Rpc模型参数提取方法和几何纠正方法 |
CN103487033A (zh) * | 2013-09-22 | 2014-01-01 | 河海大学 | 一种基于变高单应的河流水面摄影测量方法 |
Non-Patent Citations (2)
Title |
---|
王文杰: "面向对象特征融合的高分辨遥感图像变化检测方法", 《计算机应用研究》 * |
黎树禧: "利用DSM以及彩色遥感航空影像快速提取建筑物目标信息", 《测绘通报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893972A (zh) * | 2016-04-08 | 2016-08-24 | 深圳市智绘科技有限公司 | 基于影像进行的违章建筑物自动监测方法及其实现系统 |
CN105893972B (zh) * | 2016-04-08 | 2022-03-11 | 深圳市智绘科技有限公司 | 基于影像进行的违章建筑物自动监测方法及其实现系统 |
CN106295498A (zh) * | 2016-07-20 | 2017-01-04 | 湖南大学 | 光学遥感图像目标区域检测装置与方法 |
CN106295498B (zh) * | 2016-07-20 | 2019-04-16 | 湖南大学 | 光学遥感图像目标区域检测装置与方法 |
CN106846332A (zh) * | 2016-12-30 | 2017-06-13 | 中国人民解放军61540部队 | 一种基于dsm的遥感影像变化检测方法及装置 |
CN106991424A (zh) * | 2017-04-01 | 2017-07-28 | 武汉大学 | 一种基于面向对象的特定区域全自动变化监测方法 |
CN106991424B (zh) * | 2017-04-01 | 2019-08-20 | 武汉大学 | 一种基于面向对象的特定区域全自动变化监测方法 |
CN108647567A (zh) * | 2018-03-29 | 2018-10-12 | 中国人民解放军61540部队 | 基于条件证据理论的场景可识别性分析方法 |
CN110310246A (zh) * | 2019-07-05 | 2019-10-08 | 广西壮族自治区基础地理信息中心 | 一种基于三线阵影像的甘蔗种植区遥感信息提取方法 |
CN110310246B (zh) * | 2019-07-05 | 2023-04-11 | 广西壮族自治区基础地理信息中心 | 一种基于三线阵影像的甘蔗种植区遥感信息提取方法 |
CN113486728A (zh) * | 2021-06-15 | 2021-10-08 | 北京道达天际科技有限公司 | 基于特征融合的地表三维变化检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104006802B (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104006802B (zh) | 一种基于信息融合的地表三维变化检测方法及系统 | |
Duncanson et al. | An efficient, multi-layered crown delineation algorithm for mapping individual tree structure across multiple ecosystems | |
Rottensteiner et al. | Results of the ISPRS benchmark on urban object detection and 3D building reconstruction | |
Yang et al. | Automated extraction of road markings from mobile LiDAR point clouds | |
CN104134216B (zh) | 基于16维特征描述的激光点云自动配准方法及系统 | |
CN104050715A (zh) | 输电线路及走廊的高精度三维重建方法 | |
CN104376595A (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
CN105447855B (zh) | 一种地面三维激光扫描点云球面目标自动识别方法 | |
Safaie et al. | Automated street tree inventory using mobile LiDAR point clouds based on Hough transform and active contours | |
CN105547244A (zh) | 一种结合立体像对的激光高度计高程控制点生成方法 | |
Parmehr et al. | Automatic registration of optical imagery with 3d lidar data using local combined mutual information | |
JP2016118502A (ja) | 点群解析処理装置、方法、及びプログラム | |
CN108615452B (zh) | 一种基于人车轨迹点多分辨率处理的未知道路提取方法 | |
Yadav et al. | Generating GIS database of street trees using mobile LiDAR data | |
Yan et al. | Quality analysis on ransac-based roof facets extraction from airborne lidar data | |
Ekhtari et al. | Automatic building extraction from LIDAR digital elevation models and WorldView imagery | |
Rufei et al. | Research on a pavement pothole extraction method based on vehicle-borne continuous laser scanning point cloud | |
Chen et al. | True orthophoto generation using multi-view aerial images | |
Noh et al. | Highly Dense 3D Surface Generation Using Multi‐image Matching | |
Cao et al. | High resolution SAR building detection with scene context priming | |
Shiravi et al. | Accuracy assessment of building extraction using LIDAR data for urban planning transportation applications | |
Wu et al. | Voxel-based marked neighborhood searching method for identifying street trees using vehicle-borne laser scanning data | |
Li et al. | Fusion of LiDAR data and orthoimage for automatic building reconstruction | |
KR102360464B1 (ko) | 연결도로정보 획득 장치 및 방법 | |
Han et al. | High-precision DEM production in complex urban area using LiDAR data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160427 Termination date: 20170506 |