CN108288059A - 一种基于高分辨率遥感技术的建筑垃圾监测方法 - Google Patents
一种基于高分辨率遥感技术的建筑垃圾监测方法 Download PDFInfo
- Publication number
- CN108288059A CN108288059A CN201711471305.0A CN201711471305A CN108288059A CN 108288059 A CN108288059 A CN 108288059A CN 201711471305 A CN201711471305 A CN 201711471305A CN 108288059 A CN108288059 A CN 108288059A
- Authority
- CN
- China
- Prior art keywords
- building waste
- region
- interest
- remote sensing
- image
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于高分辨率遥感技术的建筑垃圾监测方法,本发明首先通过建筑垃圾空间分布经验知识的利用,圈定感兴趣区作为监测范围,减少了数据量,降低了劳动强度;其次,通过决策树思想的运用,有序地剔除掉建筑垃圾以外的主要地物,有效地避免了植被、裸土地等对建筑垃圾识别的干扰,弥补了现有垃圾遥感识别方法中没有专门针对于建筑垃圾的半自动化识别的缺陷,使建筑垃圾遥感监测更加高效和及时;再次,通过综合利用高分辨率卫星遥感数据和航空倾斜摄影测量数据,实现了建筑垃圾堆放位置、面积、体积的综合测量测算,解决了单一利用现有卫星遥感数据难以高精度测算垃圾堆放体积的问题,使建筑垃圾调查数据更加全面、精准。
Description
技术领域
本发明涉及建筑垃圾监测技术领域,尤其涉及一种基于高分辨率遥感技术的建筑垃圾监测方法。
背景技术
随着新型城市化建设的大力推进,建筑垃圾堆放量日益增多,不仅占用了宝贵的土地资源,而且污染环境,直接或间接地对水质、空气质量、土壤结构造成严重影响,危害人类健康,甚至还可能会造成滑坡、坍塌等突发事故,威胁人民的生命安全;与此同时,建筑垃圾其实是“放错了地方的黄金”,经分拣、粉碎后,大多可以作为再生资源重新利用,如加工成空心砖、墙板、加气混凝土等建材,数据表明,我国建筑垃圾资源转化率仅有5%左右,与发达国家有很大差距。实现建筑垃圾减量化、资源化、无害化已成为我国诸多城市新时期的一项重要的、紧迫的社会发展战略任务;而高效、准确、及时地对建筑垃圾的堆放位置、面积及体积进行监测是合理化处置与资源化利用建筑垃圾的基础。
目前对建筑垃圾堆放情况的调查主要以人工实地勘察手段为主,这种实地勘察必将耗费大量人力物力,且视野狭窄、范围有限,具有较大的局限性与偶然性,远远不能达到动态监控管理目的。
随着对地观测技术的快速发展,逐渐出现了依托于卫星遥感的垃圾监测技术。一方面,现有的垃圾遥感监测方法主要以完全人工目视解译的方式展开,少有半自动化的垃圾遥感监测方法;现有的半自动化垃圾遥感监测方法均针对的是生活垃圾,建筑垃圾与生活垃圾的光谱特征有较大差异,这些方法不能适用于建筑垃圾;因此,现有的垃圾遥感监测方法不能满足建筑垃圾快速监测的需求。另一方面,现有的垃圾遥感监测方法大多停留在堆放位置及面积监测的层面上,无法精确测算垃圾的体积,然而垃圾堆积高度不一、堆积形态不一,单纯依靠面积监测结果估算垃圾体积会有较大偏差;因此,现有的生活垃圾遥感监测方法不能为建筑垃圾搬迁与处置工作提供全面准确的量化指标。
发明内容
本发明的目的是提供一种基于高分辨率遥感技术的建筑垃圾监测方法,在大大提升建筑垃圾监测效率的同时,实现了建筑垃圾堆放位置、面积、体积的综合测量测算,可为建筑垃圾处置提供决策依据。
本发明采用的技术方案为:一种基于高分辨率遥感技术的建筑垃圾监测方法,包括如下步骤:
步骤A:高分辨率卫星影像预处理;通过利用遥感影像处理软件对高分辨率卫星影像进行预处理,得到高分辨率卫星正射影像。
步骤B:基于高分辨率卫星正射影像对感兴趣区中建筑垃圾进行半自动化识别,得到建筑垃圾分布矢量图,具体包括步骤B1-B4。
步骤B1:圈定高分辨率卫星正射影像中的感兴趣区;根据建筑垃圾空间分布经验知识,确立建筑垃圾监测区域;将建筑垃圾监测区域圈定为感兴趣区,以感兴趣区为界对高分辨率卫星正射影像进行裁剪,得到感兴趣区影像。
步骤B2:对感兴趣区影像中的水体和植被区域进行掩膜处理;利用遥感影像处理软件对感兴趣区影像进行SAVI指数运算,并设置合理阈值,将感兴趣区影像中的水体和植被区域掩膜掉;
其中,SAVI计算公式为SAVI=(NIR-R)/(NIR+R+L)·(1+L);
式中NIR和R分别表示近红外波段和红色波段的反射率,L取值0.5。
步骤B3:在经过水体和植被掩膜处理后的感兴趣区影像中勾画有绿色防尘网覆盖的建筑垃圾区域;对经过水体和植被掩膜处理后的感兴趣区影像进行真彩色合成,从绿色或泛绿色区域中目视识别并勾画有绿色防尘网覆盖的建筑垃圾区域。
步骤B4:在感兴趣区影像中对勾画出的建筑垃圾区域进行补充得到建筑垃圾分布矢量图;综合考虑感兴趣区影像的纹理和阴影特征,目视区分裸土地与没有绿色防尘网覆盖的建筑垃圾区域,圈定没有绿色防尘网覆盖的建筑垃圾区域,对步骤B3得到的有绿色防尘网覆盖的建筑垃圾区域进行扩展补充,最终得到感兴趣区中建筑垃圾遥感识别结果,此结果为面状矢量数据,该数据准确记录了每个建筑垃圾堆的地理位置及范围,下面将该面状矢量数据称作建筑垃圾分布矢量图。
步骤C:基于建筑垃圾分布矢量图进行建筑垃圾堆放面积计算;为建筑垃圾分布矢量图的属性列表增加“面积”字段,利用GIS基础软件对该矢量图进行空间统计分析,自动计算每个面状矢量的面积并输出到属性列表“面积”字段中。
步骤D:对感兴趣区中的建筑垃圾所在的位置及附近进行无人机倾斜摄影测量;利用无人机平台对感兴趣区中的每个建筑垃圾堆所在的位置及附近进行无人机倾斜摄影测量,无人机平台根据建筑垃圾分布矢量图中每个面状矢量的地理坐标范围依次进行定位,该无人机平台搭载有多台影像采集传感器,能同时从垂直和四个倾斜方向采集五个不同角度的影像,还能同时获取无人机的空间位置和飞行姿态信息,每次无人机作业对应一个建筑垃圾堆。
步骤E:处理无人机倾斜摄影测量数据生成多个数字表面模型;将无人机采集的航片、其自身的空间位置及飞行姿态信息导入倾斜摄影测量数据处理软件,经过筛选航片、航片对齐、点云提取和密集匹配步骤,最终生成数字表面模型,每个建筑垃圾堆对应一个数字表面模型。
步骤F:基于多个数字表面模型对感兴趣区中的建筑垃圾的堆放体积进行计算;利用倾斜摄影测量数据处理软件,基于多个数字表面模型对多个建筑垃圾分别进行立体三维量测,获取其堆放体积。
进一步地步骤A中所述的高分辨率卫星影像预处理步骤包括:辐射定标、正射校正、融合、镶嵌和几何配准。
本发明首先通过建筑垃圾空间分布经验知识的利用,圈定感兴趣区作为监测范围,减少了数据量,降低了劳动强度;其次,通过决策树思想的运用,有序地剔除掉建筑垃圾以外的主要地物,有效地避免了植被、裸土地等对建筑垃圾识别的干扰,弥补了现有垃圾遥感识别方法中没有专门针对于建筑垃圾的半自动化识别的缺陷,使建筑垃圾遥感监测更加高效和及时;再次,通过综合利用高分辨率卫星遥感数据和航空倾斜摄影测量数据,实现了建筑垃圾堆放位置、面积、体积的综合测量测算,解决了单一利用现有卫星遥感数据难以高精度测算垃圾堆放体积的问题,使建筑垃圾调查数据更加全面、精准。
附图说明
图1为本发明的流程图;
图2为2016年郑州市郑东新区四港联动大道东侧某渣土堆三维立体量测实例图。
具体实施方式
如图1所示,一种基于高分辨率遥感技术的建筑垃圾监测方法,具体包括如下步骤:
步骤A:高分辨率卫星影像预处理;通过利用遥感影像处理软件对高分辨率卫星影像进行预处理,得到高分辨率卫星正射影像;预处理步骤包括辐射定标、正射校正、融合、镶嵌和几何配准;本实施例中的高分辨率卫星的卫星影像数据采用高分二号(GF-2)PMS影像L1A级数据,高分二号PMS影像L1A级数据的全色波段星下点分辨率为0.8m,分辨率较高,且高分二号遥感卫星为我国自主研发,不受国外技术限制,经过上述预处理步骤,得到高分辨率卫星正射影像(DOM)。
步骤B:基于高分辨率卫星正射影像对感兴趣区中建筑垃圾进行半自动化识别,得到建筑垃圾分布矢量图,具体包括步骤B1-B4。
步骤B1:圈定高分辨率卫星正射影像中的感兴趣区;根据建筑垃圾空间分布经验知识,确立建筑垃圾监测区域,如城市扩张方向上的拆迁区及其附近、远离人口密集城区且与交通干线保持不远距离的区域;将建筑垃圾监测区域圈定为感兴趣区,以感兴趣区为界对高分辨率卫星正射影像进行裁剪,得到感兴趣区影像。
步骤B2:对感兴趣区影像中的水体和植被区域进行掩膜处理;利用遥感影像处理软件对感兴趣区影像进行SAVI指数运算(公式如下),并设置合理阈值,将感兴趣区影像中的水体和植被区域掩膜掉(即予以剔除);
其中,SAVI计算公式为SAVI=(NIR-R)/(NIR+R+L)·(1+L);
式中NIR和R分别表示近红外波段和红色波段的反射率,L取值0.5;
SAVI被认为最适合于研究低植被覆盖区(如城市),其探测植被覆盖度的下限可低至15%,在SAVI影像上植被、水体及其他地物区域很容易区分。
步骤B3:在经过水体和植被掩膜处理后的感兴趣区影像中勾画有绿色防尘网覆盖的建筑垃圾区域;对经过水体和植被掩膜处理后的感兴趣区影像进行真彩色合成,从绿色或泛绿色区域中目视识别并勾画有绿色防尘网覆盖的建筑垃圾区域;由于在步骤B2中已经将植被和水体剔除,本步骤的影像中绿色或泛绿色地物不多,主要为屋顶、建筑垃圾等,人工判别比较容易。
步骤B4:在感兴趣区影像中对勾画出的建筑垃圾区域进行补充得到建筑垃圾分布矢量图;综合考虑感兴趣区影像的纹理和阴影特征,目视区分裸土地与没有绿色防尘网覆盖的建筑垃圾区域(即暴露的建筑垃圾),圈定没有绿色防尘网覆盖的建筑垃圾区域,在高分辨率卫星正射影像上,暴露的建筑垃圾通常纹理较裸土地粗糙,小阴影较多,甚至垃圾堆上还有多条小路通达,因此人工目视识别难度不大;对步骤B3得到的有绿色防尘网覆盖的建筑垃圾区域进行扩展补充,最终得到感兴趣区中建筑垃圾遥感识别结果;此结果为面状矢量数据,其中每个面状要素对应一个建筑垃圾堆,每个面状要素上的每个点都包含地理坐标信息,因此,该数据准确记录了每个建筑垃圾堆的地理位置及范围,下面将该面状矢量数据称作建筑垃圾分布矢量图。
步骤C:基于建筑垃圾分布矢量图进行建筑垃圾堆放面积计算;为建筑垃圾分布矢量图的属性列表增加“面积”字段,利用GIS基础软件对该矢量图进行空间统计分析,自动计算每个面状矢量的面积并输出到属性列表“面积”字段中,即完成建筑垃圾堆放面积的计算与记录。
步骤D:对感兴趣区中的建筑垃圾所在的位置及附近进行无人机倾斜摄影测量;利用无人机平台对感兴趣区中的每个建筑垃圾堆所在的位置及附近进行无人机倾斜摄影测量,无人机平台根据建筑垃圾分布矢量图中每个面状矢量的地理坐标范围依次进行定位,该无人机平台搭载有多台影像采集传感器,能同时从垂直和四个倾斜方向采集五个不同角度的影像,还能同时获取无人机的空间位置和飞行姿态信息。每次无人机作业对应一个建筑垃圾堆。
步骤E:处理无人机倾斜摄影测量数据生成多个数字表面模型;将无人机采集的航片、其自身的空间位置及飞行姿态信息导入倾斜摄影测量数据处理软件,经过筛选航片、航片对齐、点云提取和密集匹配步骤,最终生成数字表面模型。每个建筑垃圾堆对应一个数字表面模型。
步骤F:基于多个数字表面模型对感兴趣区中的建筑垃圾的堆放体积进行计算;利用倾斜摄影测量数据处理软件,基于多个数字表面模型对多个建筑垃圾分别进行立体三维量测,获取其堆放体积,如图2所示,利用倾斜摄影测量数据处理软件,基于数字表面模型对2016年郑州市郑东新区四港联动大道东侧某渣土堆三维立体量测;由于缺少建筑垃圾弃置前的高精度地形数据,故本实施例假设在建筑垃圾弃置前,区域原始地形为水平面,并将其作为相对高度起算面。
如果要对感兴趣区中的建筑垃圾堆放情况实现动态监测,可收集多个时期的高分辨率卫星影像数据,并多次重复以上步骤,通过多次对比,便可掌握建筑垃圾堆放位置、面积及体积的动态变化,本方法可以针对一个城市、城市中的一个区或一个区中的一个具体范围(某个具体的建筑垃圾堆)分别进行建筑垃圾堆放情况监测,监测范围越小,计算量越小,工作强度越低。
本发明首先通过建筑垃圾空间分布经验知识的利用,圈定感兴趣区作为监测范围,减少了数据量,降低了劳动强度;其次,通过决策树思想的运用,有序地剔除掉建筑垃圾以外的主要地物,有效地避免了植被、裸土地等对建筑垃圾识别的干扰,弥补了现有垃圾遥感识别方法中没有专门针对于建筑垃圾的半自动化识别的缺陷,使建筑垃圾遥感监测更加高效和及时;再次,通过综合利用高分辨率卫星遥感数据和航空倾斜摄影测量数据,实现了建筑垃圾堆放位置、面积、体积的综合测量测算,解决了单一利用现有卫星遥感数据难以高精度测算垃圾堆放体积的问题,使建筑垃圾调查数据更加全面、精准。
通过实验表明,使用本发明所述的基于高分辨率遥感技术的建筑垃圾监测方法可得到的结果精度为:建筑垃圾堆放面积测量精度约95%,建筑垃圾堆放体积测量精度约80%,建筑垃圾堆放位置精度具体视高分辨率卫星影像几何精纠正精度而定,在足够控制点的条件下,可将位置精度控制在卫星影像一个像元大小以内。
综上所述,本方法实现了建筑垃圾堆放位置、面积、体积的综合测量测算,能为建筑垃圾搬迁与处置工作提供全面准确的量化指标,并大大提升了建筑垃圾监测的效率,具有很高的实用价值。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
Claims (2)
1.一种基于高分辨率遥感技术的建筑垃圾监测方法,其特征在于,包括如下步骤:
步骤A:高分辨率卫星影像预处理;通过利用遥感影像处理软件对高分辨率卫星影像进行预处理,得到高分辨率卫星正射影像;
步骤B:基于高分辨率卫星正射影像对感兴趣区中建筑垃圾进行半自动化识别,得到建筑垃圾分布矢量图,具体包括步骤B1-B4;
步骤B1:圈定高分辨率卫星正射影像中的感兴趣区;根据建筑垃圾空间分布经验知识,确立建筑垃圾监测区域;将建筑垃圾监测区域圈定为感兴趣区,以感兴趣区为界对高分辨率卫星正射影像进行裁剪,得到感兴趣区影像;
步骤B2:对感兴趣区影像中的水体和植被区域进行掩膜处理;利用遥感影像处理软件对感兴趣区影像进行SAVI指数运算,并设置合理阈值,将感兴趣区影像中的水体和植被区域掩膜掉;
其中,SAVI计算公式为SAVI=(NIR-R)/(NIR+R+L)·(1+L);
式中NIR和R分别表示近红外波段和红色波段的反射率,L取值0.5;
步骤B3:在经过水体和植被掩膜处理后的感兴趣区影像中勾画有绿色防尘网覆盖的建筑垃圾区域;对经过水体和植被掩膜处理后的感兴趣区影像进行真彩色合成,从绿色或泛绿色区域中目视识别并勾画有绿色防尘网覆盖的建筑垃圾区域;
步骤B4:在感兴趣区影像中对勾画出的建筑垃圾区域进行补充得到建筑垃圾分布矢量图;综合考虑感兴趣区影像的纹理和阴影特征,目视区分裸土地与没有绿色防尘网覆盖的建筑垃圾区域,圈定没有绿色防尘网覆盖的建筑垃圾区域,对步骤B3得到的有绿色防尘网覆盖的建筑垃圾区域进行扩展补充,最终得到感兴趣区中建筑垃圾遥感识别结果,此结果为面状矢量数据,该数据准确记录了每个建筑垃圾堆的地理位置及范围,下面将该面状矢量数据称作建筑垃圾分布矢量图;
步骤C:基于建筑垃圾分布矢量图进行建筑垃圾堆放面积计算;为建筑垃圾分布矢量图的属性列表增加“面积”字段,利用GIS基础软件对该矢量图进行空间统计分析,自动计算每个面状矢量的面积并输出到属性列表“面积”字段中;
步骤D:对感兴趣区中的建筑垃圾所在的位置及附近进行无人机倾斜摄影测量;利用无人机平台对感兴趣区中的每个建筑垃圾堆所在的位置及附近进行无人机倾斜摄影测量,无人机平台根据建筑垃圾分布矢量图中每个面状矢量的地理坐标范围依次进行定位,该无人机平台搭载有多台影像采集传感器,能同时从垂直和四个倾斜方向采集五个不同角度的影像,还能同时获取无人机的空间位置和飞行姿态信息,每次无人机作业对应一个建筑垃圾堆;
步骤E:处理无人机倾斜摄影测量数据生成多个数字表面模型;将无人机采集的航片、其自身的空间位置及飞行姿态信息导入倾斜摄影测量数据处理软件,经过筛选航片、航片对齐、点云提取和密集匹配步骤,最终生成数字表面模型,每个建筑垃圾堆对应一个数字表面模型;
步骤F:基于多个数字表面模型对感兴趣区中的建筑垃圾的堆放体积进行计算;利用倾斜摄影测量数据处理软件,基于多个数字表面模型对多个建筑垃圾分别进行立体三维量测,获取其堆放体积。
2.如权利要求1所述的基于高分辨率遥感技术的建筑垃圾监测方法,其特征在于:步骤A中所述的高分辨率卫星影像预处理步骤包括:辐射定标、正射校正、融合、镶嵌和几何配准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711471305.0A CN108288059B (zh) | 2017-12-29 | 2017-12-29 | 一种基于高分辨率遥感技术的建筑垃圾监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711471305.0A CN108288059B (zh) | 2017-12-29 | 2017-12-29 | 一种基于高分辨率遥感技术的建筑垃圾监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108288059A true CN108288059A (zh) | 2018-07-17 |
CN108288059B CN108288059B (zh) | 2020-04-21 |
Family
ID=62819827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711471305.0A Active CN108288059B (zh) | 2017-12-29 | 2017-12-29 | 一种基于高分辨率遥感技术的建筑垃圾监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108288059B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034073A (zh) * | 2018-07-30 | 2018-12-18 | 深圳大学 | 预测建筑拆除废弃物产生量的方法、系统、设备及介质 |
CN110068655A (zh) * | 2019-04-24 | 2019-07-30 | 中国科学院城市环境研究所 | 一种天空地一体化大气监测系统 |
CN110773550A (zh) * | 2019-10-31 | 2020-02-11 | 深圳市宝政通环境有限公司 | 一种大件垃圾的综合回收处理方法 |
CN111626269A (zh) * | 2020-07-07 | 2020-09-04 | 中国科学院空天信息创新研究院 | 一种实用的大空间范围滑坡提取方法 |
CN112597936A (zh) * | 2020-12-29 | 2021-04-02 | 北京建筑大学 | 基于面向对象分层分割的建筑垃圾分离方法及相关产品 |
CN113283392A (zh) * | 2021-06-28 | 2021-08-20 | 苏州威视通智能科技有限公司 | 一种基于深度神经网络的建筑物场景理解系统及方法 |
CN113343945A (zh) * | 2021-08-02 | 2021-09-03 | 航天宏图信息技术股份有限公司 | 水体识别方法、装置、电子设备及存储介质 |
CN113392788A (zh) * | 2021-06-23 | 2021-09-14 | 中国科学院空天信息创新研究院 | 建筑垃圾的识别方法及装置 |
CN114598728A (zh) * | 2022-03-01 | 2022-06-07 | 南京精筑智慧科技有限公司 | 一种基于物联网的建筑垃圾监管系统及其应用方法 |
CN115294461A (zh) * | 2022-10-10 | 2022-11-04 | 中国电建集团山东电力建设第一工程有限公司 | 基于bim和遥感图像的电力设施塌斜评估方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1764744A3 (en) * | 2005-09-20 | 2011-05-25 | Erdas Inc. | Streaming geometry data using a quasi-pyramidal structure |
CN102889083A (zh) * | 2012-09-18 | 2013-01-23 | 中国矿业大学(北京) | 基于gis栅格单元的采煤沉陷地表土剥离时空确定方法 |
CN104200117A (zh) * | 2014-09-15 | 2014-12-10 | 复凌科技(上海)有限公司 | 一种土地利用面积估算方法及其装置 |
CN107145872A (zh) * | 2017-05-12 | 2017-09-08 | 河海大学 | 基于gis缓冲区分析的荒漠河岸林空间分布获取方法 |
-
2017
- 2017-12-29 CN CN201711471305.0A patent/CN108288059B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1764744A3 (en) * | 2005-09-20 | 2011-05-25 | Erdas Inc. | Streaming geometry data using a quasi-pyramidal structure |
CN102889083A (zh) * | 2012-09-18 | 2013-01-23 | 中国矿业大学(北京) | 基于gis栅格单元的采煤沉陷地表土剥离时空确定方法 |
CN104200117A (zh) * | 2014-09-15 | 2014-12-10 | 复凌科技(上海)有限公司 | 一种土地利用面积估算方法及其装置 |
CN107145872A (zh) * | 2017-05-12 | 2017-09-08 | 河海大学 | 基于gis缓冲区分析的荒漠河岸林空间分布获取方法 |
Non-Patent Citations (1)
Title |
---|
孙晓丹: ""整村搬迁中建筑垃圾的测算与填埋区确定研究"", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034073B (zh) * | 2018-07-30 | 2021-05-25 | 深圳大学 | 预测建筑拆除废弃物产生量的方法、系统、设备及介质 |
CN109034073A (zh) * | 2018-07-30 | 2018-12-18 | 深圳大学 | 预测建筑拆除废弃物产生量的方法、系统、设备及介质 |
CN110068655A (zh) * | 2019-04-24 | 2019-07-30 | 中国科学院城市环境研究所 | 一种天空地一体化大气监测系统 |
CN110773550B (zh) * | 2019-10-31 | 2021-11-05 | 深圳市宝政通环境有限公司 | 一种大件垃圾的综合回收处理方法 |
CN110773550A (zh) * | 2019-10-31 | 2020-02-11 | 深圳市宝政通环境有限公司 | 一种大件垃圾的综合回收处理方法 |
CN111626269A (zh) * | 2020-07-07 | 2020-09-04 | 中国科学院空天信息创新研究院 | 一种实用的大空间范围滑坡提取方法 |
CN111626269B (zh) * | 2020-07-07 | 2021-08-27 | 中国科学院空天信息创新研究院 | 一种实用的大空间范围滑坡提取方法 |
CN112597936A (zh) * | 2020-12-29 | 2021-04-02 | 北京建筑大学 | 基于面向对象分层分割的建筑垃圾分离方法及相关产品 |
CN112597936B (zh) * | 2020-12-29 | 2021-10-01 | 北京建筑大学 | 基于面向对象分层分割的建筑垃圾分离方法及相关产品 |
CN113392788A (zh) * | 2021-06-23 | 2021-09-14 | 中国科学院空天信息创新研究院 | 建筑垃圾的识别方法及装置 |
CN113283392A (zh) * | 2021-06-28 | 2021-08-20 | 苏州威视通智能科技有限公司 | 一种基于深度神经网络的建筑物场景理解系统及方法 |
CN113343945A (zh) * | 2021-08-02 | 2021-09-03 | 航天宏图信息技术股份有限公司 | 水体识别方法、装置、电子设备及存储介质 |
CN113343945B (zh) * | 2021-08-02 | 2021-12-31 | 航天宏图信息技术股份有限公司 | 水体识别方法、装置、电子设备及存储介质 |
CN114598728A (zh) * | 2022-03-01 | 2022-06-07 | 南京精筑智慧科技有限公司 | 一种基于物联网的建筑垃圾监管系统及其应用方法 |
CN114598728B (zh) * | 2022-03-01 | 2023-05-30 | 南京精筑智慧科技有限公司 | 一种基于物联网的建筑垃圾监管系统及其应用方法 |
CN115294461A (zh) * | 2022-10-10 | 2022-11-04 | 中国电建集团山东电力建设第一工程有限公司 | 基于bim和遥感图像的电力设施塌斜评估方法及系统 |
CN115294461B (zh) * | 2022-10-10 | 2023-01-31 | 中国电建集团山东电力建设第一工程有限公司 | 基于bim和遥感图像的电力设施塌斜评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108288059B (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108288059A (zh) | 一种基于高分辨率遥感技术的建筑垃圾监测方法 | |
CN113034689B (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
CN114518104B (zh) | 基于动态遥感监测技术的国土测绘方法、系统及存储介质 | |
CN107944018A (zh) | 一种基于激光点云数据的矢量地图位置精度自动质检方法 | |
CN108459318A (zh) | 基于遥感技术的潜在滑坡早期识别方法 | |
CN102074047A (zh) | 一种高精细城市三维建模方法 | |
CN101976467A (zh) | 一种集成机载lidar和车载移动激光扫描技术的高精细三维城市场景构建方法 | |
CN103364781A (zh) | 基于遥感数据与地理信息系统的粮田地面参照点筛选方法 | |
CN111524228A (zh) | 基于填埋场运营管理的无人机遥感四维建模分析方法 | |
CN106683132A (zh) | 一种高精细城市三维建模方法 | |
CN104198342A (zh) | 一种融合地面监测与卫星影像的建筑裸地大气颗粒物测算方法 | |
CN109063638A (zh) | 基于倾斜摄影预测废弃物产生量的方法、系统及介质 | |
CN116468869A (zh) | 一种基于遥感卫星影像的实景三维建模方法、设备及介质 | |
CN109612445A (zh) | 一种基于无人机的WebGIS平台下高精度地形建立方法 | |
CN116486289A (zh) | 一种多源数据和知识驱动下的燃气管道高后果区识别方法 | |
CN114943890A (zh) | 采用无人机载激光点云的变电站场地平整识别方法 | |
CN106372362A (zh) | 基于遥感技术的黄土冲沟溯源侵蚀范围预测方法 | |
Xiao et al. | A review of remote sensing applications in urban planning and management in China | |
CN112561981A (zh) | 一种融合影像信息的摄影测量点云滤波方法 | |
CN109697710A (zh) | 一种基于分层格网的滤波处理算法 | |
Korzeniowska et al. | Generating DEM from LiDAR data–comparison of available software tools | |
CN116226965A (zh) | 一种基于bim的建筑废弃物估算算法 | |
Poznanska et al. | Derivation of urban objects and their attributes for large-scale urban areas based on very high resolution UltraCam true orthophotos and nDSM: a case study Berlin, Germany | |
CN113418510A (zh) | 一种基于多旋翼无人机的高标准农田验收方法 | |
Büyüksalih | Building zone regulation compliance using lidar data: Real-life tests in Istanbul |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Yuxi Inventor after: Zhao Huijie Inventor after: Wu Feng Inventor after: Wu Yongxin Inventor after: Zhang Shuai Inventor before: Zhao Huijie Inventor before: Wang Yuxi Inventor before: Wu Feng Inventor before: Wu Yongxin Inventor before: Zhang Shuai |
|
GR01 | Patent grant | ||
GR01 | Patent grant |