CN109146840B - 基于高斯概率统计的数据几何定位精度评估方法及装置 - Google Patents

基于高斯概率统计的数据几何定位精度评估方法及装置 Download PDF

Info

Publication number
CN109146840B
CN109146840B CN201810739565.XA CN201810739565A CN109146840B CN 109146840 B CN109146840 B CN 109146840B CN 201810739565 A CN201810739565 A CN 201810739565A CN 109146840 B CN109146840 B CN 109146840B
Authority
CN
China
Prior art keywords
data
geometric positioning
positioning precision
estimated
relative
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.)
Expired - Fee Related
Application number
CN201810739565.XA
Other languages
English (en)
Other versions
CN109146840A (zh
Inventor
赵俊保
康利鸿
蔡琳
张一鸣
时春雨
谷冰
许徽
马璐
马楠
于瑶瑶
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.)
Beijing Institute of Remote Sensing Information
Original Assignee
Beijing Institute of Remote Sensing Information
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 Beijing Institute of Remote Sensing Information filed Critical Beijing Institute of Remote Sensing Information
Publication of CN109146840A publication Critical patent/CN109146840A/zh
Application granted granted Critical
Publication of CN109146840B publication Critical patent/CN109146840B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明实施例提供了一种基于高斯概率统计的数据几何定位精度评估方法及装置，该方法包括：对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样，形成对应的数据集
Figure DDA0001722898530000012
根据数据集
Figure DDA0001722898530000011
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure DDA0001722898530000014
根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure DDA0001722898530000016
以及所述已知几何定位精度数据B的几何定位精度值
Figure DDA0001722898530000013
估计所述待估计几何定位精度数据C的几何定位精度
Figure DDA0001722898530000015
本发明实现了利用已知几何定位精度数据对未知几何定位精度数据基于统计概率描述的几何定位精度评估。

Description

基于高斯概率统计的数据几何定位精度评估方法及装置
技术领域
本发明涉及遥感影像技术领域，尤其涉及一种基于高斯概率统计的数据几何定位精度评估方法及装置。
背景技术
随着卫星遥感技术的发展，遥感的应用也是越来越广泛，各种功能越来越齐全。但是，要保证遥感产品数据能够真实反映地面的真实情况，就必须对其遥感图像的真实性进行检验。目前，对遥感图像的真实性进行检验的一个手段是准确地得到遥感图像的精度。例如，在遥感影像的很多具体应用中，要求的配准精度很高，如遥感信息融合、资源变化测量、图像镶嵌等。
现有技术中对于遥感图像精度检测时，一般都是通过与高精度图像的比对分析，实现对低精度图像的精度识别。而对于未知精度的高精度图像，目前还没有相关技术能够实现对高精度图像的精度评估。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于高斯概率统计的数据几何定位精度评估方法及装置。
本发明的一个方面提供了一种基于高斯概率统计的数据几何定位精度评估方法，包括：
对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样，形成对应的数据集
Figure BDA0001722898510000011
根据数据集
Figure BDA0001722898510000012
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000013
根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000021
以及所述已知几何定位精度数据B的几何定位精度值
Figure BDA0001722898510000022
估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA0001722898510000023
其中，所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000024
服从高斯分布。
其中，所述对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样，形成对应的数据集
Figure BDA0001722898510000025
包括：
分别对已知几何定位精度数据B和待估计几何定位精度数据C中位置相同的若干个坐标点进行坐标数据采样；
其中，
Figure BDA0001722898510000026
yi、zi为同名采样点，yi表示数据集
Figure BDA0001722898510000027
中采样点的坐标数据，zi表示数据集
Figure BDA0001722898510000028
中与yi对应的同名采样点的坐标数据。
其中，所述根据数据集
Figure BDA0001722898510000029
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA00017228985100000210
包括：
计算数据集
Figure BDA00017228985100000211
与数据集
Figure BDA00017228985100000212
中各个同名采样点的坐标数据的均方差，将得到的均方差值作为所述相对误差
Figure BDA00017228985100000213
其中，所述根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA00017228985100000214
以及所述已知几何定位精度数据B的几何定位精度值
Figure BDA00017228985100000215
估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA00017228985100000216
包括：
根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA00017228985100000217
利用误差估计模型估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA00017228985100000218
所述误差估计模型如下：
Figure BDA00017228985100000219
本发明的另一方面，还提供了一种基于高斯概率统计的数据几何定位精度评估装置，包括：
采样模块，用于对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样，形成对应的数据集
Figure BDA00017228985100000220
计算模块，用于根据数据集
Figure BDA0001722898510000031
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000032
预测模块，用于根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000033
以及所述已知几何定位精度数据B的几何定位精度值
Figure BDA0001722898510000034
估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA0001722898510000035
其中，所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000036
服从高斯分布。
其中，所述采样模块，具体用于分别对已知几何定位精度数据B和待估计几何定位精度数据C中位置相同的若干个坐标点进行坐标数据采样；
其中，
Figure BDA0001722898510000037
yi、zi为同名采样点，yi表示数据集
Figure BDA00017228985100000318
中采样点的坐标数据，zi表示数据集
Figure BDA0001722898510000038
中与yi对应的同名采样点的坐标数据。
其中，所述计算模块，具体用于计算数据集
Figure BDA0001722898510000039
与数据集
Figure BDA00017228985100000319
中各个同名采样点的坐标数据的均方差，将得到的均方差值作为所述相对误差
Figure BDA00017228985100000310
其中，所述预测模块，具体用于根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA00017228985100000311
利用误差估计模型估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA00017228985100000312
所述误差估计模型如下：
Figure BDA00017228985100000313
本发明实施例提供的基于高斯概率统计的数据几何定位精度评估方法及装置，通过计算待估计几何定位精度数据C相对于已知几何定位精度数据B的相对误差
Figure BDA00017228985100000314
并根据待估计几何定位精度数据C相对于已知几何定位精度数据B的相对误差
Figure BDA00017228985100000315
以及已知几何定位精度数据B的几何定位精度值
Figure BDA00017228985100000316
对待估计几何定位精度数据C的几何定位精度
Figure BDA00017228985100000317
行估计。本发明实现了利用已知几何定位精度数据对未知几何定位精度数据基于统计概率描述的几何定位精度评估。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例的一种基于高斯概率统计的数据几何定位精度评估方法的流程图；
图2为本发明实施例的一种基于高斯概率统计的数据几何定位精度评估装置的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
图1为本发明实施例的一种基于高斯概率统计的数据几何定位精度评估方法的流程图。参照图1，本发明实施例提供的基于高斯概率统计的数据几何定位精度评估方法，具体包括以下步骤：
S11，对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样，形成对应的数据集
Figure BDA0001722898510000051
本实施例中，对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样为随机采样，根据大数定理，当数据量足够大时，出现的随机误差有高斯统计特性。
本实施例中，步骤S11具体实现如下：分别对已知几何定位精度数据B和待估计几何定位精度数据C中位置相同的若干个坐标点进行坐标数据采样；
其中，
Figure BDA0001722898510000052
yi、zi为同名采样点，yi表示数据集
Figure BDA0001722898510000053
中采样点的坐标数据，zi表示数据集
Figure BDA0001722898510000054
中与yi对应的同名采样点的坐标数据。
S12，根据数据集
Figure BDA0001722898510000055
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000056
在本发明实施例中，所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000057
服从高斯分布。
具体的，步骤S12中的根据数据集
Figure BDA0001722898510000058
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000059
具体包括以下步骤：计算数据集
Figure BDA00017228985100000510
与数据集
Figure BDA00017228985100000511
中各个同名采样点的坐标数据的均方差，将得到的均方差值作为所述相对误差
Figure BDA00017228985100000512
S13，根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA00017228985100000513
以及所述已知几何定位精度数据B的几何定位精度值
Figure BDA00017228985100000514
估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA00017228985100000515
本实施例中，步骤S13中的根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA00017228985100000516
以及所述已知几何定位精度数据B的几何定位精度值
Figure BDA00017228985100000517
估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA00017228985100000518
具体实现步骤如下：根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA00017228985100000519
利用误差估计模型估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA0001722898510000061
所述误差估计模型如下：
Figure BDA0001722898510000062
本发明实施例提供的基于高斯概率统计的数据几何定位精度评估方法，通过计算待估计几何定位精度数据C相对于已知几何定位精度数据B的相对误差
Figure BDA0001722898510000063
并根据待估计几何定位精度数据C相对于已知几何定位精度数据B的相对误差
Figure BDA0001722898510000064
以及已知几何定位精度数据B的几何定位精度值
Figure BDA0001722898510000065
对待估计几何定位精度数据C的几何定位精度
Figure BDA0001722898510000066
进行估计。本发明实现了利用已知几何定位精度数据对未知几何定位精度数据基于统计概率描述的几何定位精度评估。
下面对本发明实施例提供的基于高斯概率统计的数据几何定位精度评估方法进行具体解释说明。
根据大数定理，当数据量足够大时，出现的随机误差有高斯统计特性。
设数据集A、B、C表示同一空域内的几何定位精度数据，其中A集表示对空域内数据的准确描述，为真值；B集为已知几何定位精度数据；C集为待估计几何定位精度数据。用数据模型进行分析：
随机在A、B、C中进行同名点采样，形成集合
Figure BDA0001722898510000067
其中
Figure BDA0001722898510000068
xi,yi,zi,为同名点。则xi表示地名真值，yi表示已知精度采样点；zi表示待求精度采样点。
则yi-xi表示yi数据集误差，该数据服从高斯分布，其均方差可表示为误差值的平方
Figure BDA0001722898510000069
为已知；
zi-xi表示zi数据集误差，该数据也服从高斯分布，其均方差可表示为误差值
Figure BDA00017228985100000610
待求；
本发明实施例是根据高斯分布特性，在已知几何定位精度数据B的几何定位精度值
Figure BDA00017228985100000611
的情况下，利用yi和zi的相关关系，对zi的几何定位精度进行估计。
分析(zi-xi)-(yi-xi)，表示两类高斯分布数据的相减运算，其分布服从高斯运算法则，其方差为
Figure BDA00017228985100000612
此处，σ1已知，
Figure BDA00017228985100000613
可对数据(zi-xi)-(yi-xi)＝zi-yi求均方方差得出，则
Figure BDA0001722898510000071
可求出。则根据
Figure BDA0001722898510000072
可求出
Figure BDA0001722898510000073
则得到对待估计几何定位精度数据C的几何定位精度。
本实施例中，在进行同名点采样中，是随机的、大量的采样，可代表总集合的误差特点。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
图2示意性示出了本发明实施例的基于高斯概率统计的数据几何定位精度评估装置的结构框图。参照图2，本发明实施例的基于高斯概率统计的数据几何定位精度评估装置包括采样模块201、计算模块202以及预测模块203，其中：
采样模块201，用于对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样，形成对应的数据集
Figure BDA0001722898510000074
计算模块202，用于根据数据集
Figure BDA0001722898510000075
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000076
其中，所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000077
服从高斯分布。
预测模块203，用于根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA00017228985100000710
以及所述已知几何定位精度数据B的几何定位精度值
Figure BDA0001722898510000078
估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA0001722898510000079
本发明实施例中，所述采样模块201，具体用于分别对已知几何定位精度数据B和待估计几何定位精度数据C中位置相同的若干个坐标点进行坐标数据采样；
其中，
Figure BDA0001722898510000081
yi、zi为同名采样点，yi表示数据集
Figure BDA0001722898510000082
中采样点的坐标数据，zi表示数据集
Figure BDA0001722898510000083
中与yi对应的同名采样点的坐标数据。
本发明实施例中，所述计算模块202，具体用于计算数据集
Figure BDA0001722898510000084
与数据集
Figure BDA0001722898510000085
中各个同名采样点的坐标数据的均方差，将得到的均方差值作为所述相对误差
Figure BDA0001722898510000086
本发明实施例中，所述预测模块203，具体用于根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure BDA0001722898510000087
利用误差估计模型估计所述待估计几何定位精度数据C的几何定位精度
Figure BDA0001722898510000088
所述误差估计模型如下：
Figure BDA0001722898510000089
本发明实施例提供的基于高斯概率统计的数据几何定位精度评估方法及装置，通过计算待估计几何定位精度数据C相对于已知几何定位精度数据B的相对误差
Figure BDA00017228985100000810
并根据待估计几何定位精度数据C相对于已知几何定位精度数据B的相对误差
Figure BDA00017228985100000811
以及已知几何定位精度数据B的几何定位精度值
Figure BDA00017228985100000812
对待估计几何定位精度数据C的几何定位精度
Figure BDA00017228985100000813
进行估计。本发明实现了利用已知几何定位精度数据对未知几何定位精度数据基于统计概率描述的几何定位精度评估。
本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分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各实施例技术方案的精神和范围。

Claims (6)

1.一种基于高斯概率统计的数据几何定位精度评估方法，其特征在于，包括：
对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样，形成对应的数据集
Figure FDA0002532298670000011
根据数据集
Figure FDA0002532298670000012
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure FDA0002532298670000013
所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure FDA0002532298670000014
服从高斯分布；
根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure FDA0002532298670000015
以及所述已知几何定位精度数据B的几何定位精度值
Figure FDA0002532298670000016
估计所述待估计几何定位精度数据C的几何定位精度
Figure FDA0002532298670000017
包括：
根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure FDA0002532298670000018
利用误差估计模型估计所述待估计几何定位精度数据C的几何定位精度
Figure FDA0002532298670000019
所述误差估计模型如下：
Figure FDA00025322986700000110
2.根据权利要求1所述的方法，其特征在于，所述对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样，形成对应的数据集
Figure FDA00025322986700000111
Figure FDA00025322986700000112
包括：
分别对已知几何定位精度数据B和待估计几何定位精度数据C中位置相同的若干个坐标点进行坐标数据采样；
其中，
Figure FDA00025322986700000113
yi、zi为同名采样点，yi表示数据集
Figure FDA00025322986700000114
中采样点的坐标数据，zi表示数据集
Figure FDA00025322986700000115
中与yi对应的同名采样点的坐标数据。
3.根据权利要求2所述的方法，其特征在于，所述根据数据集
Figure FDA00025322986700000116
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure FDA0002532298670000021
包括：
计算数据集
Figure FDA0002532298670000022
与数据集
Figure FDA0002532298670000023
中各个同名采样点的坐标数据的均方差，将得到的均方差值作为所述相对误差
Figure FDA0002532298670000024
4.一种基于高斯概率统计的数据几何定位精度评估装置，其特征在于，包括：
采样模块，用于对已知几何定位精度数据B和待估计几何定位精度数据C进行同名点采样，形成对应的数据集
Figure FDA0002532298670000025
计算模块，用于根据数据集
Figure FDA0002532298670000026
计算所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure FDA0002532298670000027
所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure FDA0002532298670000028
服从高斯分布；
预测模块，用于根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure FDA0002532298670000029
以及所述已知几何定位精度数据B的几何定位精度值
Figure FDA00025322986700000210
估计所述待估计几何定位精度数据C的几何定位精度
Figure FDA00025322986700000211
包括：
根据所述待估计几何定位精度数据C相对于所述已知几何定位精度数据B的相对误差
Figure FDA00025322986700000212
利用误差估计模型估计所述待估计几何定位精度数据C的几何定位精度
Figure FDA00025322986700000213
所述误差估计模型如下：
Figure FDA00025322986700000214
5.根据权利要求4所述的装置，其特征在于，所述采样模块，具体用于分别对已知几何定位精度数据B和待估计几何定位精度数据C中位置相同的若干个坐标点进行坐标数据采样；
其中，
Figure FDA00025322986700000215
yi、zi为同名采样点，yi表示数据集
Figure FDA00025322986700000216
中采样点的坐标数据，zi表示数据集
Figure FDA00025322986700000217
中与yi对应的同名采样点的坐标数据。
6.根据权利要求5所述的装置，其特征在于，所述计算模块，具体用于计算数据集
Figure FDA00025322986700000218
与数据集
Figure FDA00025322986700000219
中各个同名采样点的坐标数据的均方差，将得到的均方差值作为所述相对误差
Figure FDA00025322986700000220
CN201810739565.XA 2018-01-19 2018-07-06 基于高斯概率统计的数据几何定位精度评估方法及装置 Expired - Fee Related CN109146840B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810054523 2018-01-19
CN2018100545232 2018-01-19

Publications (2)

Publication Number Publication Date
CN109146840A CN109146840A (zh) 2019-01-04
CN109146840B true CN109146840B (zh) 2020-11-27

Family

ID=64799868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810739565.XA Expired - Fee Related CN109146840B (zh) 2018-01-19 2018-07-06 基于高斯概率统计的数据几何定位精度评估方法及装置

Country Status (1)

Country Link
CN (1) CN109146840B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114383632B (zh) * 2021-12-23 2023-09-29 北京市遥感信息研究所 一种基于均方根误差的光学星上处理目标定位精度评估方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103558618A (zh) * 2013-11-12 2014-02-05 孙瑞玮 一种提高定位精度的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7126104B2 (en) * 2002-09-26 2006-10-24 Honeywell Federal Manufacturing & Technologies, Llc System and method for identifying, reporting, and evaluating presence of substance
CN105719023A (zh) * 2016-01-24 2016-06-29 东北电力大学 一种基于混合高斯分布的风电功率实时预测误差分析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103558618A (zh) * 2013-11-12 2014-02-05 孙瑞玮 一种提高定位精度的方法

Also Published As

Publication number Publication date
CN109146840A (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN109300119B (zh) 钢结构表面锈蚀区域的检测方法、检测装置及终端设备
US20170200274A1 (en) Human-Shape Image Segmentation Method
CN102800096B (zh) 一种摄像机参数的鲁棒性估计算法
CN112526470A (zh) 标定雷达参数的方法和装置、电子设备、存储介质
CN114782451B (zh) 工件缺陷检测方法、装置、电子设备及可读存储介质
CN111080682A (zh) 点云数据的配准方法及装置
CN109146840B (zh) 基于高斯概率统计的数据几何定位精度评估方法及装置
CN115656989A (zh) 外参标定方法、装置、电子设备及存储介质
CN110310309B (zh) 一种图像配准方法、图像配准装置及终端
CN113569432B (zh) 一种液气密元件的模拟检测方法及系统
Ullah et al. IoT-enabled computer vision-based parts inspection system for SME 4.0
CN116205918B (zh) 基于图卷积的多模态融合半导体检测方法、装置及介质
CN110646134B (zh) 一种气压传感器的校准方法和校准装置
US11187992B2 (en) Predictive modeling of metrology in semiconductor processes
CN103913713A (zh) 微波大功率无源调配器的快速校准方法
CN107451992B (zh) 一种sar图像变化检测的方法与装置
CN115932144A (zh) 色谱仪性能检测方法、装置、设备和计算机介质
Berkvens et al. Position error and entropy of probabilistic Wi-Fi fingerprinting in the UJIIndoorLoc dataset
CN115439426A (zh) 一种宽度信息确定方法、装置及电子设备
CN113989632A (zh) 一种遥感图像桥梁检测方法、装置、电子设备及存储介质
CN111640096B (zh) 电子产品外观的检测方法、装置及终端
Barnett et al. Estimators for a Poisson parameter using ranked set sampling
CN110310312B (zh) 一种图像配准方法、图像配准装置及终端
CN108227750B (zh) 一种地面目标实时跟踪性能评估方法及系统
CN112954310A (zh) 图像质量检测方法、装置、计算机设备以及可读存储介质

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
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: 20201127