CN110244302A - 地基合成孔径雷达影像像元坐标三维变换方法 - Google Patents
地基合成孔径雷达影像像元坐标三维变换方法 Download PDFInfo
- Publication number
- CN110244302A CN110244302A CN201910606591.XA CN201910606591A CN110244302A CN 110244302 A CN110244302 A CN 110244302A CN 201910606591 A CN201910606591 A CN 201910606591A CN 110244302 A CN110244302 A CN 110244302A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- target
- topographic
- point cloud
- area
- 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
Abstract
一种地基合成孔径雷达影像像元坐标三维变换方法，所述方法包括：获取目标测区地形点云；获取所述目标测区地形点云在GB‑SAR成像平面上的投影坐标；从所述目标测区地形点云投影坐标中提取特征线投影坐标序列；提取特征线在所述目标测区GB‑SAR影像中的像元坐标序列；获取所述特征线像元坐标序列与所述特征线投影坐标序列之间的轴系水平转角，统一地形点云投影坐标和像元坐标的坐标系；依据距离最小准则建立GB‑SAR影像像元与地形点云的匹配关系，将地形点云的三维坐标赋予对应的GB‑SAR影像像元。上述方案能够提高GB‑SAR影像像元坐标三维变换精度，直观地展示GB‑SAR变形监测成果。
Description
技术领域
本发明涉及雷达影像技术领域，尤其涉及一种地基合成孔径雷达影像像元坐标三维变换方法。
背景技术
地基合成孔径雷达(Ground-based SAR，GB-SAR)干涉测量技术是近十多年间发展起来的地面主动微波遥感探测技术，主要用于边坡、大坝等地表小范围面状区域变形监测。GB-SAR干涉测量技术是星载InSAR地表变形监测技术的有效补充，在星载InSAR难以满足监测灵活性、时空分辨率和精度需求的情况下能够得到较好的应用。
现阶段GB-SAR系统直接采集到的只是雷达二维平面坐标系下的单视复影像(Single Look Complex，SLC)，依据目标到雷达中心点的斜距和偏离雷达天线波束中心线的角度来分辨不同的目标。GB-SAR电磁信号的最大探测距离一般为4km～10km，目标大部分区域处于雷达天线辐射的近场区附近，不满足远场近似条件，形成了GB-SAR影像特殊的扇形格网坐标系。在直接依据雷达二维影像或者干涉图进行判读时，需要研究人员对影像成像方式有较深刻的理解并具有一定经验，否则易造成变形目标或区域的错误识别。
为正确识别变形目标和位置、直接分析和验证GB-SAR变形监测成果的精度以及便于同其它监测技术对比或融合分析，需要将其监测成果从雷达影像坐标系变换至三维测量坐标系或地理坐标系。
GB-SAR影像二维平面坐标系与地形三维坐标系的联系可以通过参数变换法予以实现，包括直接变换法和相似变换法。上述两种方法，在对GB-SAR影像进行转换时，精度均较低。
发明内容
本发明实施例解决的是对GB-SAR影像坐标进行三维变换的精度较低。
为解决上述技术问题，本发明实施例提供了一种地基合成孔径雷达影像像元坐标三维变换方法，包括：获取目标测区地形点云；获取所述目标测区地形点云在GB-SAR成像平面上的投影坐标，并从中提取出特征线投影坐标序列；提取特征线在目标测区GB-SAR影像中的像元坐标序列，得到特征线像元坐标序列；计算所述特征线像元坐标序列与所述特征线投影坐标序列之间的轴系水平转角，并根据所述轴系水平转角统一地形点云投影坐标系和像元坐标系；根据预先建立的GB-SAR影像像元与地形点云的匹配关系，查找所述目标测区地形点云的三维坐标对应的GB-SAR影像像元。
可选的，所述获取目标测区地形点云，包括：获取目标测区在地面三维激光扫描仪独立三维坐标系下的点云数据；将所述独立三维坐标系下的点云数据转换至地形三维坐标系下，得到所述目标测区地形点云。
可选的，所述获取所述目标测区地形点云在GB-SAR成像平面上的投影坐标，并从所述目标测区地形点云投影坐标中提取特征线投影坐标序列，包括：将所述目标测区地形点云的坐标原点平移至GB-SAR中心；所述GB-SAR中心点为测量得到的GB-SAR雷达传感器中心点；以所述GB-SAR中心为中心，获取所述目标测区地形点云在所述GB-SAR成像平面上的投影极坐标；将所述目标测区地形点云在所述GB-SAR成像平面上的投影极坐标转换成对应的平面坐标。从所述目标测区地形点云投影后所得到的平面坐标中提取所述特征线投影坐标序列。
可选的，采用下式获取所述目标测区地形点云在所述GB-SAR成像平面上的投影极坐标：采用下式将所述目标测区地形点云在所述GB-SAR成像平面上的极坐标转换成对应的平面坐标：其中，(rTerrain,θTerrain)为目标测区地形点云投影点极坐标，(X,Y,Z)为目标测区地形点云的三维坐标，(Xradar,Yradar,Zradar)为雷达中心在三维地形坐标系下的坐标。
可选的，所述提取特征线在所述目标测区GB-SAR影像中的像元坐标序列，包括：获取多景所述目标测区的GB-SAR影像；计算多景所述目标测区GB-SAR影像的平均热信噪比值；根据所述GB-SAR影像的平均热信噪比值的峰值分布，提取所述特征线在所述目标测区GB-SAR影像中的像元坐标序列。
可选的，所述提取特征线在目标测区GB-SAR影像中的像元坐标序列，包括：沿所述特征线绘制多段线；获取所述多段线在所述GB-SAR影像中穿过的影像像元坐标；根据所述多段线在所述GB-SAR影像中穿过的影像像元坐标，在预设大小的窗口中，以平均热信噪比为权重，逐像元计算每一个窗口的重心坐标，将得到的重心坐标序列作为所述特征线在所述目标测区GB-SAR影像中的像元坐标序列。
可选的，采用下式逐像元计算重心坐标：其中，TSNR(x,y)为像元(x,y)的热信噪比，S是窗口内像元集合，(xg，yg)为窗口重心坐标。
可选的，所述获取所述特征线像元坐标序列与所述特征线三维坐标序列之间的轴系水平转角，并根据所述轴系水平转角统一地形点云投影坐标系和像元坐标系，包括：根据所述特征线投影坐标序列以及所述特征线像元坐标序列，计算得到旋转矩阵；根据所述旋转矩阵，将所述目标测区地形点云在GB-SAR成像平面上的投影坐标进行旋转计算，得到所述轴系水平转角，并根据所述轴系水平转角统一地形点云投影坐标系和像元坐标系。
可选的，所述根据所述特征线投影坐标序列以及所述特征线像元坐标序列，计算得到旋转矩阵，包括：采用下式计算所述旋转矩阵：其中，n为最邻近点对的个数，pi为所述特征线像元坐标序列中的一个点，qi为所述特征线投影坐标序列中与pi最近的一个点，R为旋转矩阵，E(R)为R对应的最小误差函数。
可选的，所述GB-SAR影像像元与地形点云的匹配关系采用如下方案建立：在所述GB-SAR成像投影面上，以GB-SAR影像各像元坐标为中心，在所述目标测区地形点云在所述GB-SAR成像平面上的投影坐标中，采用下式计算与当前像元坐标距离最近的地形点：其中，(xi,yi)为所述当前像元坐标，(xproj,yproj)为所述目标测区地形点云经过原点平移、投影计算和坐标旋转后的投影坐标，△S为(xi,yi)与(xproj,yproj)之间的距离，min为取△S为最小值时的(xproj,yproj)，当△S取最小值时，建立(xi,yi)与之间的映射关系。
与现有技术相比，本发明实施例的技术方案具有以下优点：
三维激光扫描仪能够实现目标测区密集点云三维坐标的采集，为实现测区GB-SAR影像像元坐标的三维变换提供数据支持。该技术首先将地形点云数据依据GB-SAR成像几何原理投影至成像平面，经过平移和旋转计算后，在平面上同GB-SAR像元进行匹配计算，避免了传统坐标变换因测区地形高程数据差异带来的计算误差。其次，该技术通过计算连续采集的多景GB-SAR影像计算平均热信噪比，削弱了噪声和环境扰动等因素的影响；以平均热信噪比为权重，采用移动窗口重心法计算特征线占据的像元坐标序列，提高了GB-SAR影像特征线识别的精度。再次，利用特征线投影坐标序列和特征线像元坐标序列，采用迭代最小二乘方法计算轴系水平转角。方法严密，且可以用于直线、曲线等各类线形特征线的匹配计算。最后，在统一坐标系下，依据最小距离准则，建立投影点云与像元坐标之间的对应关系，将点云三维坐标直接赋予相应的像元，从而能够实现GB-SAR影像像元坐标高精度的三维变换。
附图说明
图1是本发明实施例中的一种地基合成孔径雷达影像像元坐标三维变换方法的流程图。
具体实施方式
现有技术中，GB-SAR影像二维平面坐标系与地形三维坐标系的联系可以通过参数变换法予以实现，包括直接变换法和相似变换法。对于直接变换法，未考虑GB-SAR成像几何投影方式的特殊性，在目标到雷达中心俯仰角偏大时会引起较大的平面坐标偏移误差。对于相似变换法，利用有限数量的参考点计算转换参数，该方法同样忽视GB-SAR成像几何投影方式的特殊性，不是严密的转换模型，需要将监测区域限定在坡度变化缓慢的小区域范围内才能够达到一定的精度，难以在测区全局均达到较高精度。
综上可见，现有的两种参数变换方法在对GB-SAR影像进行转换时，均存在精度较低的问题。
在本发明实施例中，三维激光扫描仪能够实现目标测区密集点云三维坐标的采集，为实现测区GB-SAR影像像元坐标的三维变换提供数据支持。该技术首先将地形点云数据依据GB-SAR成像几何原理投影至成像平面，经过平移和旋转计算后，在平面上同GB-SAR像元进行匹配计算，避免了传统坐标变换因测区地形高程数据差异带来的计算误差。其次，该技术通过计算连续采集的多景GB-SAR影像计算平均热信噪比，削弱了噪声和环境扰动等因素的影响；以平均热信噪比为权重，采用移动窗口重心法计算特征线占据的像元坐标序列，提高了GB-SAR影像特征线识别的精度。再次，利用特征线投影坐标序列和特征线像元坐标序列，采用迭代最小二乘方法计算轴系水平转角。方法严密，且可以用于直线、曲线等各类线形特征线的匹配计算。最后，在统一坐标系下，依据最小距离准则，建立投影点云与像元坐标之间的对应关系，将点云三维坐标直接赋予相应的像元，从而能够实现GB-SAR影像像元坐标高精度的三维变换。
为使本发明实施例的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
本发明实施例提供了一种地基合成孔径雷达影像像元坐标三维变换方法，参照图1，以下通过具体步骤进行详细说明。
步骤S101，获取目标测区地形点云。
在具体实施中，可以预先采用地面三维激光扫描仪，采集目标测区在地面三维激光扫描仪独立三维坐标下的点云数据，所采集到的测区点云数据包括：GB-SAR电磁波辐射视场内建筑建构、道路以及自然地表等。
在本发明实施例中，所采集到的目标测区的点云数据包含大量特征点和特征线信息。特征线可以为建筑物结构棱线、道路边缘线等线状物。
在具体实施中，可以将所采集到的目标测区的点云数据转换至地形三维坐标系下，得到地形三维坐标系下对应的目标测区地形点云。在具体计算时，可以根据四个以上的公共点采用七参数法，将所采集到的测区地形点云转换至地形三维坐标系下。
在本发明实施例中，若无特殊说明，所述的目标测区地形点云均是指地形三维坐标下对应的目标测区地形点云。
步骤S102，获取所述目标测区地形点云在所述GB-SAR成像平面上的投影坐标，并从中提取出特征线投影坐标序列。
在具体实施中，可以先测量计算GB-SAR雷达传感器中心点三维地形坐标，将所述目标测区地形点云的坐标原点平移至GB-SAR中心。以所述GB-SAR中心为中心，获取所述目标测区地形点云在所述GB-SAR成像平面上的投影极坐标；将所述目标测区地形点云在所述GB-SAR成像平面上的极坐标转换成对应的平面坐标。之后，从所述目标测区地形点云投影后所得到的平面坐标中提取所述特征线投影坐标序列。
在本发明实施例中，可以采用下式(1)计算目标测区地形点云在地形测量平面上对应的极坐标：
式(1)中，(rTerrain,θTerrain)为目标测区地形点云投影点极坐标，(X,Y,Z)为目标测区地形点云的三维坐标，(Xradar,Yradar,Zradar)为雷达中心在三维地形坐标系下的坐标。
采用下式(2)，将目标测区地形点云投影点极坐标(rTerrain,θTerrain)转换为平面坐标(xTerrain,yTerrain)：
由此，可以得到目标测区地形点云在GB-SAR成像平面上的投影坐标。
步骤S103，提取特征线在目标测区GB-SAR影像中的像元坐标序列。
在具体实施中，提取出的特征线在目标测区GB-SAR影像中的像元坐标序列为特征线像元坐标序列。
在具体实施中，可以连续采集多景GB-SAR影像，对连续采集到的多景GB-SAR影像热干燥比(Thermal SNR，TSNR)进行平均计算，可以削弱大气环境变化和噪声的影响，提高影像质量。
在实际应用中可知，GB-SAR影像中的虚假信号的存在对特征线的提取有一定的影响。在本发明实施例中可以采用TSNR和空间相关系数双阈值方法，剔除GB-SAR影像中部分虚假信号和低质量像元，从而可以进一步削弱大气扰动和噪声相位的影响。
在具体实施中，特征线结构一般具有较强的电磁波后向散射能力，在GB-SAR影像中相应地比特征线周边目标具有更高的TSNR值。，因此，可以根据GB-SAR影像平均TSNR的峰值分布，提取特征线在GB-SAR影像中的像元坐标序列。
在本发明实施例中，为提高特征线识别精度，可以先获取特征线的走向。根据特征线的走线，绘制相应的多段线。分别记录多段线节点坐标，并提取多段线所穿过的影像像元坐标。据所述多段线在所述GB-SAR影像中穿过的影像像元坐标，设置一定窗口大小(如3×3像元窗口)，以平均热信噪比为权重，逐像元计算当前窗口的重心坐标，从而得到特征线在GB-SAR影像中的像元坐标序列。
在具体实施中，可以采用下述公式(3)计算重心坐标：
其中，TSNR(x,y)为像元(x,y)的热信噪比，S是窗口内像元集合，(xg，yg)为窗口重心坐标。
步骤S104，获取所述特征线像元坐标序列与所述特征线投影坐标序列之间的轴系水平转角。
在具体实施中，从步骤S102中可知，可以先通过精确测量得到GB-SAR中心的地形三维坐标，并将目标测区地形点云坐标原点平移至GB-SAR中心。采用GB-SAR成像几何相同的投影方式，将所述目标测区地形点云投影计算至所述GB-SAR成像平面上，得到地形点云在GB-SAR成像平面的投影坐标。此时，特征线的投影坐标序列与该特征线相应的GB-SAR影像像元坐标序列之间仅相差一个轴系水平转角。
在本发明实施例中，可以以下述公式(4)为准则，采用迭代最小二乘方法，计算轴系水平转角：
其中，n为最邻近点对的个数，pi为所述特征线像元坐标序列中的一个点，qi为所述特征线投影平面坐标序列中与pi最近的一个点，R为旋转矩阵。
对上式(4)进行迭代运算，计算E的最小值，当E取最小值时，将得到的R即为目标旋转矩阵。根据目标旋转矩阵，即可得到轴系水平转角。
步骤S105，在GB-SAR成像平面上，建立GB-SAR影像像元与地形点云的匹配关系。
在具体实施中，可以在GB-SAR成像投影面上，以GB-SAR影像各像元坐标为中心，在目标测区地形点云在GB-SAR成像平面上的投影坐标中，按照最小距离准则，搜索距离当前像元坐标最近的地形点：
其中，(xi,yi)为所述当前像元坐标，(xproj,yproj)为所述目标测区地形点云经过原点平移、投影计算和坐标旋转后的投影坐标，△S为(xi,yi)与(xproj,yproj)之间的距离，min为取△S为最小值时的(xproj,yproj)，当△S取最小值时，建立(xi,yi)与之间的映射关系。
将目标测区地形点云的三维坐标直接赋予对应的GB-SAR影像像元，从而实现GB-SAR影像像元三维坐标变换。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，包括：获取目标测区地形点云；
获取所述目标测区地形点云在GB-SAR成像平面上的投影坐标，并从中提取出特征线投影坐标序列；
提取特征线在目标测区GB-SAR影像中的像元坐标序列，得到特征线像元坐标序列；
计算所述特征线像元坐标序列与所述特征线投影坐标序列之间的轴系水平转角，并根据所述轴系水平转角统一地形点云投影坐标系和像元坐标系；
根据预先建立的GB-SAR影像像元与地形点云的匹配关系，查找所述目标测区地形点云的三维坐标对应的GB-SAR影像像元。
2.如权利要求1所述的地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，所述获取目标测区地形点云，包括：
获取目标测区在地面三维激光扫描仪独立三维坐标系下的点云数据；
将所述独立三维坐标系下的点云数据转换至地形三维坐标系下，得到所述目标测区地形点云。
3.如权利要求1所述的地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，所述获取所述目标测区地形点云在GB-SAR成像平面上的投影坐标，并从所述目标测区地形点云投影坐标中提取特征线投影坐标序列，包括：
将所述目标测区地形点云的坐标原点平移至GB-SAR中心；所述GB-SAR中心点为测量得到的GB-SAR雷达传感器中心点；
以所述GB-SAR中心为中心，获取所述目标测区地形点云在所述GB-SAR成像平面上的投影极坐标；
将所述目标测区地形点云在所述GB-SAR成像平面上的投影极坐标转换成对应的平面坐标；
从所述目标测区地形点云投影后所得到的平面坐标中提取所述特征线投影坐标序列。
4.如权利要求3所述的地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，采用下式获取所述目标测区地形点云在所述GB-SAR成像平面上的投影极坐标：
采用下式将所述目标测区地形点云在所述GB-SAR成像平面上的极坐标转换成对应的平面坐标：
其中，(rTerrain,θTerrain)为目标测区地形点云投影点极坐标，(X,Y,Z)为目标测区地形点云的三维坐标，(Xradar,Yradar,Zradar)为雷达中心在三维地形坐标系下的坐标。
5.如权利要求1所述的地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，所述提取特征线在所述目标测区GB-SAR影像中的像元坐标序列，包括：
获取多景所述目标测区的GB-SAR影像；
计算多景所述目标测区GB-SAR影像的平均热信噪比值；
根据所述GB-SAR影像的平均热信噪比值的峰值分布，提取所述特征线在所述目标测区GB-SAR影像中的像元坐标序列。
6.如权利要求5所述的地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，所述提取特征线在目标测区GB-SAR影像中的像元坐标序列，包括：沿所述特征线绘制多段线；
获取所述多段线在所述GB-SAR影像中穿过的影像像元坐标；
根据所述多段线在所述GB-SAR影像中穿过的影像像元坐标，在预设大小的窗口中，以平均热信噪比为权重，逐像元计算每一个窗口的重心坐标，将得到的重心坐标序列作为所述特征线在所述目标测区GB-SAR影像中的像元坐标序列。
7.如权利要求6所述的地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，采用下式逐像元计算重心坐标：
其中，TSNR(x,y)为像元(x,y)的热信噪比，S是窗口内像元集合，(xg，yg)为窗口重心坐标。
8.如权利要求1所述的地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，所述获取所述特征线像元坐标序列与所述特征线三维坐标序列之间的轴系水平转角，并根据所述轴系水平转角统一地形点云投影坐标系和像元坐标系，包括：
根据所述特征线投影坐标序列以及所述特征线像元坐标序列，计算得到旋转矩阵；
根据所述旋转矩阵，将所述目标测区地形点云在GB-SAR成像平面上的投影坐标进行旋转计算，得到所述轴系水平转角，并根据所述轴系水平转角统一地形点云投影坐标系和像元坐标系。
9.如权利要求8所述的地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，所述根据所述特征线投影坐标序列以及所述特征线像元坐标序列，计算得到旋转矩阵，包括：
采用采用下式计算所述旋转矩阵：
其中，n为最邻近点对的个数，pi为所述特征线像元坐标序列中的一个点，qi为所述特征线投影坐标序列中与pi最近的一个点，R为旋转矩阵，E(R)为R对应的最小误差函数。
10.如权利要求1所述的地基合成孔径雷达影像像元坐标三维变换方法，其特征在于，所述GB-SAR影像像元与地形点云的匹配关系采用如下方案建立：
在所述GB-SAR成像投影面上，以GB-SAR影像各像元坐标为中心，在所述目标测区地形点云在所述GB-SAR成像平面上的投影坐标中，采用下式计算与当前像元坐标距离最近的地形点：
其中，(xi,yi)为所述当前像元坐标，(xproj,yproj)为所述目标测区地形点云经过原点平移、投影计算和坐标旋转后的投影坐标，△S为(xi,yi)与(xproj,yproj)之间的距离，min为取△S为最小值时的(xproj,yproj)，当△S取最小值时，建立(xi,yi)与之间的映射关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910606591.XA CN110244302B (zh) | 2019-07-05 | 2019-07-05 | 地基合成孔径雷达影像像元坐标三维变换方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910606591.XA CN110244302B (zh) | 2019-07-05 | 2019-07-05 | 地基合成孔径雷达影像像元坐标三维变换方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110244302A true CN110244302A (zh) | 2019-09-17 |
| CN110244302B CN110244302B (zh) | 2023-02-17 |
Family
ID=67891239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910606591.XA Active CN110244302B (zh) | 2019-07-05 | 2019-07-05 | 地基合成孔径雷达影像像元坐标三维变换方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110244302B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110308702A (zh) * | 2019-04-22 | 2019-10-08 | 苏州科技大学 | 点云模型三轴等残留高度数控加工刀轨生成方法 |
| CN111307030A (zh) * | 2020-03-25 | 2020-06-19 | 桂林理工大学 | 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型 |
| CN111832635A (zh) * | 2020-06-28 | 2020-10-27 | 北方工业大学 | 地基sar图像与激光点云地形数据的匹配方法及装置 |
| CN112101209A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 用于路侧计算设备的确定世界坐标点云的方法和装置 |
| CN112130151A (zh) * | 2020-10-16 | 2020-12-25 | 中国有色金属长沙勘察设计研究院有限公司 | 一种圆弧合成孔径地基雷达坐标投影快速计算方法 |
| CN112465879A (zh) * | 2020-01-19 | 2021-03-09 | 苏州锐思突破电子科技有限公司 | 一种合成孔径雷达应急配准算法 |
| CN112485834A (zh) * | 2020-11-23 | 2021-03-12 | 云南航天工程物探检测股份有限公司 | 一种多车道路基三维检测与成像方法 |
| CN112819879A (zh) * | 2020-12-31 | 2021-05-18 | 华中光电技术研究所（中国船舶重工集团公司第七一七研究所） | 搜索系统点迹坐标消像旋处理装置、方法及可读存储介质 |
| CN113610902A (zh) * | 2021-08-09 | 2021-11-05 | 中国安全生产科学研究院 | 地基真实孔径雷达与点云数据映射配准方法 |
| CN116908789A (zh) * | 2023-09-13 | 2023-10-20 | 长江空间信息技术工程有限公司(武汉) | 地基合成孔径雷达干涉测量建筑立面变形信息提取方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706577A (zh) * | 2009-12-01 | 2010-05-12 | 中南大学 | InSAR监测高速公路路面沉降方法 |
| CN102331576A (zh) * | 2011-07-28 | 2012-01-25 | 北京航空航天大学 | 一种sar聚束工作模式的瞄准点的获取方法 |
| CN103576149A (zh) * | 2013-06-05 | 2014-02-12 | 河海大学 | 一种基于幅度信息的地基干涉雷达三维形变提取方法 |
| CN106526593A (zh) * | 2016-12-19 | 2017-03-22 | 国家测绘地理信息局卫星测绘应用中心 | 基于sar严密成像模型的子像素级角反射器自动定位方法 |
| CN107064932A (zh) * | 2017-02-28 | 2017-08-18 | 华南农业大学 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
| WO2018103152A1 (zh) * | 2016-12-05 | 2018-06-14 | 杭州先临三维科技股份有限公司 | 一种三维数字成像传感器、三维扫描系统及其扫描方法 |
-
2019
- 2019-07-05 CN CN201910606591.XA patent/CN110244302B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706577A (zh) * | 2009-12-01 | 2010-05-12 | 中南大学 | InSAR监测高速公路路面沉降方法 |
| CN102331576A (zh) * | 2011-07-28 | 2012-01-25 | 北京航空航天大学 | 一种sar聚束工作模式的瞄准点的获取方法 |
| CN103576149A (zh) * | 2013-06-05 | 2014-02-12 | 河海大学 | 一种基于幅度信息的地基干涉雷达三维形变提取方法 |
| WO2018103152A1 (zh) * | 2016-12-05 | 2018-06-14 | 杭州先临三维科技股份有限公司 | 一种三维数字成像传感器、三维扫描系统及其扫描方法 |
| CN106526593A (zh) * | 2016-12-19 | 2017-03-22 | 国家测绘地理信息局卫星测绘应用中心 | 基于sar严密成像模型的子像素级角反射器自动定位方法 |
| CN107064932A (zh) * | 2017-02-28 | 2017-08-18 | 华南农业大学 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110308702B (zh) * | 2019-04-22 | 2022-01-28 | 苏州科技大学 | 点云模型三轴等残留高度数控加工刀轨生成方法 |
| CN110308702A (zh) * | 2019-04-22 | 2019-10-08 | 苏州科技大学 | 点云模型三轴等残留高度数控加工刀轨生成方法 |
| CN112465879A (zh) * | 2020-01-19 | 2021-03-09 | 苏州锐思突破电子科技有限公司 | 一种合成孔径雷达应急配准算法 |
| CN111307030A (zh) * | 2020-03-25 | 2020-06-19 | 桂林理工大学 | 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型 |
| CN111832635A (zh) * | 2020-06-28 | 2020-10-27 | 北方工业大学 | 地基sar图像与激光点云地形数据的匹配方法及装置 |
| CN111832635B (zh) * | 2020-06-28 | 2023-12-05 | 北方工业大学 | 地基sar图像与激光点云地形数据的匹配方法及装置 |
| CN112101209A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 用于路侧计算设备的确定世界坐标点云的方法和装置 |
| CN112101209B (zh) * | 2020-09-15 | 2024-04-09 | 阿波罗智联(北京)科技有限公司 | 用于路侧计算设备的确定世界坐标点云的方法和装置 |
| CN112130151A (zh) * | 2020-10-16 | 2020-12-25 | 中国有色金属长沙勘察设计研究院有限公司 | 一种圆弧合成孔径地基雷达坐标投影快速计算方法 |
| CN112485834A (zh) * | 2020-11-23 | 2021-03-12 | 云南航天工程物探检测股份有限公司 | 一种多车道路基三维检测与成像方法 |
| CN112485834B (zh) * | 2020-11-23 | 2022-07-15 | 云南航天工程物探检测股份有限公司 | 一种多车道路基三维检测与成像方法 |
| CN112819879A (zh) * | 2020-12-31 | 2021-05-18 | 华中光电技术研究所（中国船舶重工集团公司第七一七研究所） | 搜索系统点迹坐标消像旋处理装置、方法及可读存储介质 |
| CN113610902A (zh) * | 2021-08-09 | 2021-11-05 | 中国安全生产科学研究院 | 地基真实孔径雷达与点云数据映射配准方法 |
| CN116908789A (zh) * | 2023-09-13 | 2023-10-20 | 长江空间信息技术工程有限公司(武汉) | 地基合成孔径雷达干涉测量建筑立面变形信息提取方法 |
| CN116908789B (zh) * | 2023-09-13 | 2023-12-05 | 长江空间信息技术工程有限公司(武汉) | 地基合成孔径雷达干涉测量建筑立面变形信息提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110244302B (zh) | 2023-02-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110244302A (zh) | 地基合成孔径雷达影像像元坐标三维变换方法 | |
| CN111598823B (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
| Yang et al. | Automatic registration of large-scale urban scene point clouds based on semantic feature points | |
| Bae et al. | A method for automated registration of unorganised point clouds | |
| CN110133682A (zh) | 星载全方位sar自适应目标三维重建方法 | |
| CN109583284B (zh) | 基于高分辨率sar图像的城市高层建筑物高度提取方法及装置 | |
| Ruhnke et al. | Highly accurate 3D surface models by sparse surface adjustment | |
| CN113093184B (zh) | 一种基于视频合成孔径雷达的干涉测量方法 | |
| CN117148352B (zh) | 一种角度唯一性约束的阵列干涉sar三维成像方法 | |
| CN110033484A (zh) | 一种结合uav影像和tls点云的高郁闭森林样地树高提取方法 | |
| d’Angelo | Improving semi-global matching: cost aggregation and confidence measure | |
| CN112068136A (zh) | 一种基于幅度偏移量的方位向形变监测方法 | |
| Dong et al. | Radargrammetric DSM generation in mountainous areas through adaptive-window least squares matching constrained by enhanced epipolar geometry | |
| CN112446844A (zh) | 一种基于点云特征提取与配准融合方法 | |
| Özdemir et al. | A multi-purpose benchmark for photogrammetric urban 3D reconstruction in a controlled environment | |
| Wang et al. | Large-scale orthorectification of GF-3 SAR images without ground control points for China’s land area | |
| CN109270527A (zh) | 圆迹sar子孔径图像序列联合相关dem提取方法 | |
| Zhang et al. | A fast aerial image matching method using airborne LiDAR point cloud and POS data | |
| CN108008382B (zh) | 一种多基地星载干涉sar系统测量陡峭地形的方法 | |
| Wang et al. | Efficient terrain matching with 3-D Zernike moments | |
| CN103688289A (zh) | 用于估计两幅二进制图像之间相似性的方法和系统 | |
| CN115451846B (zh) | 一种基于tls的大型抛物面天线口径测量及计算方法 | |
| Minvielle et al. | Indoor 3-D radar imaging for low-RCS analysis | |
| CN110161500B (zh) | 一种基于Radon-Clean的改进圆周SAR三维成像方法 | |
| Ruhnke et al. | Range sensor based model construction by sparse surface adjustment |
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 |