CN108132979B - 一种基于遥感图像的港口地物监测方法及系统 - Google Patents

一种基于遥感图像的港口地物监测方法及系统 Download PDF

Info

Publication number
CN108132979B
CN108132979B CN201711323310.7A CN201711323310A CN108132979B CN 108132979 B CN108132979 B CN 108132979B CN 201711323310 A CN201711323310 A CN 201711323310A CN 108132979 B CN108132979 B CN 108132979B
Authority
CN
China
Prior art keywords
atural object
remote sensing
harbour
atural
monitoring
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.)
Active
Application number
CN201711323310.7A
Other languages
English (en)
Other versions
CN108132979A (zh
Inventor
齐越
张民辉
王达川
丁文涛
房卓
查雅平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TRANSPORT PLANNING AND RESEARCH INSTITUTE MINISTRY OF TRANSPORT CHINA
Original Assignee
TRANSPORT PLANNING AND RESEARCH INSTITUTE MINISTRY OF TRANSPORT CHINA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by TRANSPORT PLANNING AND RESEARCH INSTITUTE MINISTRY OF TRANSPORT CHINA filed Critical TRANSPORT PLANNING AND RESEARCH INSTITUTE MINISTRY OF TRANSPORT CHINA
Priority to CN201711323310.7A priority Critical patent/CN108132979B/zh
Publication of CN108132979A publication Critical patent/CN108132979A/zh
Application granted granted Critical
Publication of CN108132979B publication Critical patent/CN108132979B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于遥感图像的港口地物监测方法,步骤100、原始地物数据库建立,利用三维扫描仪在同一空间高度将港口所有需要监测的地物进行扫描,得到三维遥感图像集合,并记录存储对应真实照片;步骤200、建立地物坐标系,在相对空旷区域且靠近港口边缘选择三维坐标系的原点,在港口边缘模拟X轴,建立三维坐标系;步骤300、地物分类,结合地物的实际大小和形状进行分类;步骤400、地物边界点的提取,利用三维扫描仪对港口进行360°全景扫描,得到地物边界的离散点集合;步骤500、地物实时监控,将扫描得到的离散点集合传输到数据处理单元进行立体遥感图形模拟,并从原始地物数据库中提取近似度最高的三维遥感图像,进而匹配到对应的真实图像。

Description

一种基于遥感图像的港口地物监测方法及系统
技术领域
本发明涉及港口地物遥感监测技术领域,具体为一种基于遥感图像的港口地物监测方法及系统。
背景技术
地物英文culture是指的是地面上各种有形物(如山川、森林、建筑物等)和无形物(如省、县界等)的总称。泛指地球表面上相对固定的物体:
港口是具有水陆联运设备和条件,供船舶安全进出和停泊的运输枢纽。是水陆交通的集结点和枢纽,工农业产品和外贸进出口物资的集散地,船舶停泊、装卸货物、上下旅客、补充给养的场所。由于港口是联系内陆腹地和海洋运输(国际航空运输)的一个天然界面,因此,人们也把港口作为国际物流的一个特殊结点。
随着经济的快速发展,经济对河运、海运的依赖日益提高,港口监控一直是人们十分重视的一个方面。一个港口包括停泊区、港口、码头、货场、保税区等,其周边都属于安全防范等级较高的区域,像储油罐、车库、机房、港口作业区,这些地方对防火、防盗要求都比较高,如何打造一个完善的安全港,解决好这些重点地区的安全问题至关重要。
随着经济的快速发展,经济对河运、海运的依赖日益提高,港口监控一直是人们十分重视的一个方面。一个港口包括停泊区、港口、码头、货场、保税区等,其周边都属于安全防范等级较高的区域,像储油罐、车库、机房、港口作业区,这些地方对防火、防盗要求都比较高,如何打造一个完善的安全港,解决好这些重点地区的安全问题至关重要。用户对港口的需求特点主要表现在以下几个方面,首先是监控范围覆盖大。港口面积比较大,区域内交通复杂,大量的出入口和围栏,使得港口监控的监控点数量庞多。其次是安全防范要求严。港口周边都属于安全防范等级较高的区域,像储油罐、车库、机房、港口作业区,这些地方对防火、防盗要求都比较严格,如何打造一个完善的安全港,解决好这些重点地区的安全问题至关重要。再次是使用部门管理难。港口监控涉及的人员复杂,部门较多,有海监局、海关、港口管理人员,如何让这么多人有效地使用和管理好这套系统,发挥效益是系统建设的一个关键。
但是,现有应用于港口的监控方法在以下缺陷:
(1)由于模拟监控产品图像分辨率不高,不适合大范围监控;
(2)网络高清监控设备价格昂贵,覆盖范围不大;
(3)现有设备的图像处理量大,操作麻烦,需要高精度高效率的程序设计。
发明内容
为了克服现有技术方案的不足,本发明提供一种基于遥感图像的港口地物监测方法及系统,本发明与传统的提取方法不同,采用的方法较为简单,容易实现,通过层次分化的方法实现同样甚至更高的正确率,能有效的解决背景技术提出的问题。
本发明解决其技术问题所采用的技术方案是:
一种基于遥感图像的港口地物监测方法,包括如下步骤:
步骤100、原始地物数据库建立,利用三维扫描仪在同一空间高度将港口所有需要监测的地物进行扫描,得到所有需要监测地物的三维遥感图像集合,并记录存储对应真实照片;
步骤200、建立地物坐标系,在相对空旷区域且靠近港口边缘选择三维坐标系的原点,在港口边缘模拟X轴,建立三维坐标系;
步骤300、地物分类,结合地物的实际大小和形状进行分类;
步骤400、地物边界点的提取,利用三维扫描仪对港口进行360°全景扫描,得到地物边界的离散点集合;
步骤500、地物实时监控,将扫描得到的离散点集合传输到数据处理单元进行立体遥感图形模拟,并从原始地物数据库中提取近似度最高的三维遥感图像,进而匹配到对应的真实图像。
进一步地,所述步骤100中,还包括:
首先,三维扫描仪分别单独扫描每个地物,每个地物倾斜扫描两侧,扫描两侧的倾斜角度相同,均为30°-60°;
然后,每个地物的三维遥感图像进行组叠式编号,编号的前缀采用英文字母,后缀采用阿拉伯数字;
再对真实图像进行编号,真实图像的编号采用对应三维遥感图像的编号前缀,并存入空间数据库;
最后,将扫扫描得到三维遥感图像存入空间数据库,并将将其编号作为索引部分。
进一步地,所述步骤200中X轴的模拟方法为:
步骤201、在港口边缘提取若干回归点;
步骤202、将回归点进行回归分析,得到线性回归方程,即X轴所在的直线。
进一步地,地物按照形状分类成八方体地物、椭圆体地物以及杆状地物;按照大小分类分为大地物、中等地物、小地物。
进一步地,所述步骤300还包括:
进一步地,所述步骤500中还包括:
步骤501、先将离散点集合根据密集度分化为若干区域;
步骤502、将同一区域内的离散点集合分别进行平面拟合,得到若干平面,提取平面组成的若干方体图形的模拟参数,将模拟参数与空间数据库中所提取的三维遥感图像进行匹配,选择3-5个近似度最高的三维遥感图像;
步骤503、将同一区域内的离散点集合分别进行曲面拟合,得到若干曲面,提取曲面组成的若干椭圆体图形、杆状地物的模拟参数,将模拟参数与空间数据库中所提取的三维遥感图像进行匹配,选择3-5个近似度最高的三维遥感图像;
步骤504、将选择的三维遥感图像进行旋转以及图形匹配,选择匹配度最高的三维遥感图像;
步骤505、将所有在监测范围内的地物实时对应原始的空间数据库,对于新添加的地物,根据区域重新进行匹配。
进一步地,所述模拟参数为组成方体图形的所有边长,每个面的面积参数,以及椭圆体地物、杆状地物的长度、横截面半径。
进一步地,所述步骤501中所述的区域为方形、圆形或椭圆形。
进一步地,所述三维扫描仪的位置在空间坐标系的Y轴上。
本发明还提供了一种基于遥感图像的港口地物监测系统,包括空间数据库、数据处理单元和数据采集模块;
所述空间数据库用于存储原始地物照片信息和所有地物的三维遥感图像集合;
所述数据处理单元用于提取数据采集模块采集信息,并将采集信息进行解析处理,得到对应的物理参数,再从数据库中提取信息进行比较,得到比较结果;
所述数据采集模块为实时监控的三维扫描仪,用于实时监测港口地物;
所述数据处理单元还通过无线传输模块连接至监控终端。
与现有技术相比,本发明的有益效果是:
(1)本发明与传统的提取方法不同,采用的方法较为简单,容易实现,通过层次分化的方法实现同样甚至更高的正确率;
(2)本发明通过事先存储港口一般会存在的地物类型,针对性做出详细统一的空间数据库,在空间数据库的基础上,采集地物遥感图像并通过空间坐标系实现各个地物遥感图像参数的采集,模拟成图形,通过初步参数的筛选确定几个近似度高的,在进行高度的图像匹配,这样需要进行高度匹配的图像减少,得到最后的匹配结果,实现方法简单,减少了很多操作程序。
附图说明
图1为本发明的方法示意图;
图2为本发明的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图2所示,本发明提供了基于遥感图像的港口地物监测系统,包括空间数据库、数据处理单元和数据采集模块;所述空间数据库用于存储原始地物照片信息和所有地物的三维遥感图像集合;所述数据处理单元用于提取数据采集模块采集信息,并将采集信息进行解析处理,得到对应的物理参数,再从数据库中提取信息进行比较,得到比较结果;所述数据采集模块为实时监控的三维扫描仪,用于实时监测港口地物;所述数据处理单元还通过无线传输模块连接至监控终端。
在本实施方式中,如图1所示,监测方法包括如下步骤:
步骤100、原始地物数据库建立,利用三维扫描仪在同一空间高度将港口所有需要监测的地物进行扫描,得到所有需要监测地物的三维遥感图像集合,并记录存储对应真实照片。
该步骤中,首先,三维扫描仪需要分别对每个地物进行单独扫描得到每个地物标准遥感图像,每个地物倾斜扫描两侧,扫描两侧的倾斜角度相同,均为30°-60°,为后续图像匹配提供不同视角的参照,提高匹配的正确率;
为此,对于需要极高精度监测细节的港口,还可以单独扫描每个地物若干不同视角的图像。
然后,每个地物对应扫描得到的三维遥感图像需要进行组叠式编号,编号的前缀采用英文字母,后缀采用阿拉伯数字。
例如:A1、A2、A3;B1、B2、B3;其中英文字母A和B前缀,代表地物的种类,阿拉伯数字为1、2、3后缀,代表同一地物的不同视角图;本实施方式中也可以采用其他编号方式,主要是要能明确区分地物和同一个地物不同视角图。
再对真实图像进行编号,真实图像的编号采用对应三维遥感图像的编号前缀,并存入空间数据库;
将扫扫描得到三维遥感图像存入空间数据库,并将将其编号作为索引部分,通过索引直接检索到对应的图像。
在本实施方式中,数据处理单元在收集到数据采集模块所采集的三维遥感图像的同时,将三维遥感图像的边长、面积、体积等参数分析成数据,存于空间数据库,并在通过索引提取图像的时候,同时提取出参数数据。
步骤200、建立地物坐标系,在相对空旷区域且靠近港口边缘选择三维坐标系的原点,在港口边缘模拟X轴,建立三维坐标系;
在本步骤中,通过在港口的边缘提取若干回归点;将这些回归点进行回归分析,得到线性回归方程,即X轴所在的直线,根据步骤100得到的原点,以垂直与X轴且在地面上的线作为Y轴,竖直线作为Z轴建立空间坐标系。
其中,回归分析是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。其表达形式为y=w'x+e,e为误差服从均值为0的正态分布。
线性回归方程是利用数理统计中的回归分析,来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。线性回归也是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。按自变量个数可分为一元线性回归分析方程和多元线性回归分析方程。
在本实施方式中,原点的原则选择港口较为空旷的地方,采集数据的位置选择杂Y轴上,这样对地物的采集角度,均为倾斜式的,能得到每一个地物更多的信息。
步骤300、地物分类,结合地物的实际大小和形状进行分类;
在本实施方式中,地物按照形状分类成八方体地物、椭圆体地物以及杆状地物;按照大小分类分为大地物、中等地物、小地物。
也可根据对港口地物分析,选择恰当的分类方法,比如说,其他形状或大小以及其他类型。
在本实施方式中,八方体地物、椭圆体地物以及杆状地物均为相对概念,所指的是近似于八方体结构,椭圆体结构和杆状结构。并不是标准的图形结构;对于大地物、中等地物、小地物也是相对概念,根据港口地物的分析,选择高度、宽度或长度等参数中的任意一项来作类型区分的标准。
本实施方式中的参数以及模拟参数,主要依赖于空间坐标系来实现。
本实施方式中还需要将步骤100得到的三维遥感图像集合按照地物分类标准进行进一步分类,并将真实图像进行对应的进一步分类,将同一类型的地物赋予独立的索引编号。
例如:八方体地物、椭圆体地物以及杆状地物的索引编号分别为BFT、TYT和G,大地物、中等地物、小地物对应的索引编号分别为:L、M、S;那么对应三维遥感图像集合的标号为:
BFT-A1;TYT-A1;G-A1;L-A1;M-A1;S-A1。以此类推。
步骤400、地物边界点的提取,利用三维扫描仪对港口进行360°全景扫描,得到地物边界的离散点集合;
三维扫描仪(3D scanner)是一种科学仪器,用来侦测并分析现实世界中物体或环境的形状(几何构造)与外观数据(如颜色、表面反照率等性质)。
搜集到的数据常被用来进行三维重建计算,在虚拟世界中创建实际物体的数字模型。这些模型具有相当广泛的用途,举凡工业设计、瑕疵检测、逆向工程、机器人导引、地貌测量、医学信息、生物信息、刑事鉴定、数字文物典藏、电影制片、游戏创作素材等等都可见其应用。
三维扫描仪的制作并非仰赖单一技术,各种不同的重建技术都有其优缺点,成本与售价也有高低之分。目前并无一体通用之重建技术,仪器与方法往往受限于物体的表面特性。例如光学技术不易处理闪亮(高反照率)、镜面或半透明的表面,而激光技术不适用于脆弱或易变质的表面。
步骤500、地物实时监控,将扫描得到的离散点集合传输到数据处理单元进行立体遥感图形模拟,并从原始地物数据库中提取近似度最高的三维遥感图像,进而匹配到对应的真实图像。
先将离散点集合根据密集度分化为若干区域;划分的区域悦一般为方形、圆形、椭圆形,三角形;可以具体根据实际的离散点分布情况进行划分。在同一个小的区域内多离散点进行拟合,比较容易识别图像。
然后将同一区域内的离散点集合分别进行平面拟合,得到若干平面,提取平面组成的若干方体图形的模拟参数,将模拟参数与空间数据库中所提取的三维遥感图像进行匹配,选择3-5个近似度最高的三维遥感图像;
再将同一区域内的离散点集合分别进行曲面拟合,得到若干曲面,提取曲面组成的若干椭圆体图形、杆状地物的模拟参数,将模拟参数与空间数据库中所提取的三维遥感图像进行匹配,选择3-5个近似度最高的三维遥感图像;
通过上述的平面拟合和曲面拟合,得到的平面或曲面,都存在一个边缘,根据边缘的衔接度,将其边缘拟合到一起,待全部平面或曲面都拟合后,会形成若干立体图形,将每个区域的立体图形数据通过数据处理,得到其实际参数和图像信息,首先通过地物的分类,根据实际参数,能快速找到所需要数据对应数据库中地物类型。这样大大减小了数据处理和提取分析搜索的工作量,进而能有效的提高准确率和效率。
再将选择的三维遥感图像进行旋转以及图形匹配,选择匹配度最高的三维遥感图像;
将所有在监测范围内的地物实时对应原始的空间数据库,对于新添加的地物,根据区域重新进行匹配。
模拟参数只是作为初步筛选,减少数据处理及搜索量的首要条件,在初步筛选后,确定了一个很小的三维遥感图像范围,从而在这几个三维遥感图像中进行较为复杂的图像匹配操作,得到高精确度的匹配。提高了正确率。
在本实施方式中,如果有全新的地物会出现在港口,可以直接重新采集数据,融入数据库。
而且在本实施方式中,所述模拟参数为组成方体图形的所有边长,每个面的面积参数,以及椭圆体地物、杆状地物的长度、横截面半径。
在本实施方式中,主要特点如下:
(1)本发明与传统的提取方法不同,采用的方法较为简单,容易实现,通过层次分化的方法实现同样甚至更高的正确率;
(2)本发明通过事先存储港口一般会存在的地物类型,针对性做出详细统一的空间数据库,在空间数据库的基础上,采集地物遥感图像并通过空间坐标系实现各个地物遥感图像参数的采集,模拟成图形,通过初步参数的筛选确定几个近似度高的,在进行高度的图像匹配,这样需要进行高度匹配的图像减少,得到最后的匹配结果,实现方法简单,减少了很多操作程序。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种基于遥感图像的港口地物监测方法,其特征在于:包括如下步骤:
步骤100、原始地物数据库建立,利用三维扫描仪在同一空间高度将港口所有需要监测的地物进行扫描,得到所有需要监测地物的三维遥感图像集合,并记录存储对应真实照片;
步骤200、建立地物坐标系,在相对空旷区域且靠近港口边缘选择三维坐标系的原点,在港口边缘模拟X轴,建立三维坐标系;
步骤300、地物分类,结合地物的实际大小和形状进行分类;
步骤400、地物边界点的提取,利用三维扫描仪对港口进行360°全景扫描,得到地物边界的离散点集合;
步骤500、地物实时监控,将扫描得到的离散点集合传输到数据处理单元进行立体遥感图形模拟,并从原始地物数据库中提取近似度最高的三维遥感图像,进而匹配到对应的真实图像。
2.根据权利要求1所述的一种基于遥感图像的港口地物监测方法,其特征在于:所述步骤100中,还包括:
首先,三维扫描仪分别单独扫描每个地物,每个地物倾斜扫描两侧,扫描两侧的倾斜角度相同,均为30°-60°;
然后,每个地物的三维遥感图像进行组叠式编号,编号的前缀采用英文字母,后缀采用阿拉伯数字;
再对真实图像进行编号,真实图像的编号采用对应三维遥感图像的编号前缀,并存入空间数据库;
最后,将扫扫描得到三维遥感图像存入空间数据库,并将将其编号作为索引部分。
3.根据权利要求1所述的一种基于遥感图像的港口地物监测方法,其特征在于:所述步骤200中X轴的模拟方法为:
步骤201、在港口边缘提取若干回归点;
步骤202、将回归点进行回归分析,得到线性回归方程,即X轴所在的直线。
4.根据权利要求1所述的一种基于遥感图像的港口地物监测方法,其特征在于:地物按照形状分类成八方体地物、椭圆体地物以及杆状地物;按照大小分类分为大地物、中等地物、小地物。
5.根据权利要求1所述的一种基于遥感图像的港口地物监测方法,其特征在于:所述步骤300还包括:
将步骤100得到的三维遥感图像集合按照地物分类标准进行分类,并将真实图像进行对应分类,将同一类型的地物赋予独立的索引编号。
6.根据权利要求1所述的一种基于遥感图像的港口地物监测方法,其特征在于:所述步骤500中还包括:
步骤501、先将离散点集合根据密集度分化为若干区域;
步骤502、将同一区域内的离散点集合分别进行平面拟合,得到若干平面,提取平面组成的若干方体图形的模拟参数,将模拟参数与空间数据库中所提取的三维遥感图像进行匹配,选择3-5个近似度最高的三维遥感图像;
步骤503、将同一区域内的离散点集合分别进行曲面拟合,得到若干曲面,提取曲面组成的若干椭圆体图形、杆状地物的模拟参数,将模拟参数与空间数据库中所提取的三维遥感图像进行匹配,选择3-5个近似度最高的三维遥感图像;
步骤504、将选择的三维遥感图像进行旋转以及图形匹配,选择匹配度最高的三维遥感图像;
步骤505、将所有在监测范围内的地物实时对应原始的空间数据库,对于新添加的地物,根据区域重新进行匹配。
7.根据权利要求6所述的一种基于遥感图像的港口地物监测方法,其特征在于:所述模拟参数为组成方体图形的所有边长,每个面的面积参数,以及椭圆体地物、杆状地物的长度、横截面半径。
8.根据权利要求6所述的一种基于遥感图像的港口地物监测方法,其特征在于:所述步骤501中所述的区域为方形、圆形或椭圆形。
9.根据权利要求1所述的一种基于遥感图像的港口地物监测方法,其特征在于:所述三维扫描仪的位置在空间坐标系的Y轴上。
10.一种用于权利要求1所述方法的港口地物监测系统,其特征在于:包括空间数据库、数据处理单元和数据采集模块;
所述空间数据库用于存储原始地物照片信息和所有地物的三维遥感图像集合;
所述数据处理单元用于提取数据采集模块采集信息,并将采集信息进行解析处理,得到对应的物理参数,再从数据库中提取信息进行比较,得到比较结果;
所述数据采集模块为实时监控的三维扫描仪,用于实时监测港口地物;
所述数据处理单元还通过无线传输模块连接至监控终端。
CN201711323310.7A 2017-12-13 2017-12-13 一种基于遥感图像的港口地物监测方法及系统 Active CN108132979B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711323310.7A CN108132979B (zh) 2017-12-13 2017-12-13 一种基于遥感图像的港口地物监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711323310.7A CN108132979B (zh) 2017-12-13 2017-12-13 一种基于遥感图像的港口地物监测方法及系统

Publications (2)

Publication Number Publication Date
CN108132979A CN108132979A (zh) 2018-06-08
CN108132979B true CN108132979B (zh) 2018-12-14

Family

ID=62390216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711323310.7A Active CN108132979B (zh) 2017-12-13 2017-12-13 一种基于遥感图像的港口地物监测方法及系统

Country Status (1)

Country Link
CN (1) CN108132979B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188464B (zh) * 2018-07-20 2023-03-24 中国水产科学研究院东海水产研究所 一种基于北斗船位数据的渔船在港和出海时间的分析方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103674014A (zh) * 2013-12-10 2014-03-26 中国神华能源股份有限公司 天然气井的定位方法和装置
CN104457691A (zh) * 2014-12-15 2015-03-25 重庆市勘测院 一种建筑物主体高程信息获取方法
CN105701862A (zh) * 2014-11-28 2016-06-22 星际空间(天津)科技发展有限公司 一种基于点云的地物关键点提取方法
CN106683131A (zh) * 2015-11-10 2017-05-17 星际空间(天津)科技发展有限公司 一种城市部件自动化测量方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7639842B2 (en) * 2002-05-03 2009-12-29 Imagetree Corp. Remote sensing and probabilistic sampling based forest inventory method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103674014A (zh) * 2013-12-10 2014-03-26 中国神华能源股份有限公司 天然气井的定位方法和装置
CN105701862A (zh) * 2014-11-28 2016-06-22 星际空间(天津)科技发展有限公司 一种基于点云的地物关键点提取方法
CN104457691A (zh) * 2014-12-15 2015-03-25 重庆市勘测院 一种建筑物主体高程信息获取方法
CN106683131A (zh) * 2015-11-10 2017-05-17 星际空间(天津)科技发展有限公司 一种城市部件自动化测量方法

Also Published As

Publication number Publication date
CN108132979A (zh) 2018-06-08

Similar Documents

Publication Publication Date Title
Rottensteiner et al. The ISPRS benchmark on urban object classification and 3D building reconstruction
Chen et al. Topologically aware building rooftop reconstruction from airborne laser scanning point clouds
Peuquet A conceptual framework and comparison of spatial data models
Star et al. Integration of geographic information systems and remote sensing
Wang et al. Incremental segmentation of lidar point clouds with an octree‐structured voxel space
You et al. Urban site modeling from lidar
CN100533486C (zh) 一种数字城市全自动生成的方法
Paparoditis et al. Building detection and reconstruction from mid-and high-resolution aerial imagery
Mahmoudi et al. Object recognition based on the context aware decision-level fusion in multiviews imagery
Brook et al. Modelling and monitoring urban built environment via multi-source integrated and fused remote sensing data
Poullis et al. Photorealistic large-scale urban city model reconstruction
Poux et al. Digital investigations of an archaeological smart point cloud: A real time web-based platform to manage the visualisation of semantical queries
Wu et al. Automatic building rooftop extraction using a digital surface model derived from aerial stereo images
CN108132979B (zh) 一种基于遥感图像的港口地物监测方法及系统
Borisov et al. An automated process of creating 3D city model for monitoring urban infrastructures
Pu Knowledge based building facade reconstruction from laser point clouds and images
Zhou 3D urban modeling from city-scale aerial LiDAR data
Ballabeni et al. Semantic description of three-dimensional models of Bologna porches
Wang et al. A simple deep learning network for classification of 3D mobile LiDAR point clouds
Gruen et al. Perspectives in the reality-based generation, n D modelling, and operation of buildings and building stocks
Pedrini An adaptive method for terrain surface approximation based on triangular meshes
Wang et al. A 3-D city model data structure and its implementation in a relational database
Cui et al. A Review of Indoor Automation Modeling Based on Light Detection and Ranging Point Clouds.
Henricsson et al. Automated 3-D reconstruction of buildings and visualization of city models
Wang et al. Development of a procedure for vertical structure analysis and 3D-single tree extraction within forests based on LIDAR point cloud

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant