CN112101168A - 基于卫星与无人机联动的公益诉讼辅助取证系统及方法 - Google Patents

基于卫星与无人机联动的公益诉讼辅助取证系统及方法 Download PDF

Info

Publication number
CN112101168A
CN112101168A CN202010935946.2A CN202010935946A CN112101168A CN 112101168 A CN112101168 A CN 112101168A CN 202010935946 A CN202010935946 A CN 202010935946A CN 112101168 A CN112101168 A CN 112101168A
Authority
CN
China
Prior art keywords
satellite
unmanned aerial
aerial vehicle
unit
remote sensing
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.)
Pending
Application number
CN202010935946.2A
Other languages
English (en)
Inventor
陶冠宏
周毅
宋梓语
葛军伟
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.)
CETC Big Data Research Institute Co Ltd
Original Assignee
CETC Big Data Research Institute Co Ltd
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 CETC Big Data Research Institute Co Ltd filed Critical CETC Big Data Research Institute Co Ltd
Priority to CN202010935946.2A priority Critical patent/CN112101168A/zh
Publication of CN112101168A publication Critical patent/CN112101168A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Astronomy & Astrophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于卫星与无人机联动的公益诉讼辅助取证系统，包括卫星单元、无人机单元和综合分析单元；所述卫星单元基于卫星遥感影像数据进行异常行为识别判断，根据判断结果启动无人机单元；所述无人机单元对异常行为目标地点进行航摄核查；所述综合分析单元根据卫星单元的判断结果形成线索信息，根据无人机单元的航摄影像形成证据，生成辅助取证报告。本发明能够为检察机关办案人员提供分布式的公益诉讼取证技术手段，解决生态环境和资源保护领域的公益诉讼案多人少、专业技术弱项等问题，提升生态环境和资源保护领域的公益诉讼办案质效。

Description

基于卫星与无人机联动的公益诉讼辅助取证系统及方法
技术领域
本发明涉及基于卫星与无人机联动的公益诉讼辅助取证系统及方法。
背景技术
随着经济社会的发展，环境污染、国有资产流失等问题的危害日益严重。面对这些问题及其形成原因，检察机关公益诉讼走进了人们的视线。囿于群众知晓度、参与度以及相关行政部门的支持度还相对薄弱，公益损害鉴定机构建设不能满足实际需求，目前检察公益诉讼工作面临着线索发现难、调查取证难、鉴定评估难这三大难题。因此，检察机关在办理生态环境和资源保护领域公益诉讼案件过程中存在线索探查、量化评估及勘验取证的实际需求。
发明内容
为解决上述技术问题，本发明提供了一种基于卫星与无人机联动的公益诉讼辅助取证系统，该基于卫星与无人机联动的公益诉讼辅助取证系统能有效实现面向公益诉讼的卫星遥感与无人机低空遥感的联动应用。
本发明通过以下技术方案得以实现。
本发明提供的基于卫星与无人机联动的公益诉讼辅助取证系统，包括卫星单元、无人机单元和综合分析单元；所述卫星单元基于卫星遥感影像数据进行异常行为识别判断，根据判断结果启动无人机单元；所述无人机单元对异常行为目标地点进行航摄核查；所述综合分析单元根据卫星单元的判断结果形成线索信息，根据无人机单元的航摄影像形成证据，生成辅助取证报告。
所述卫星单元对卫星遥感影像数据先进行图像校正后，再进行异常行为识别判断。
所述无人机单元分为核查取证单元和协同工作控制单元；核查取证单元进行作业航线规划和航摄数据采集；协同工作控制单元进行数据收发和数据格式转换。
所述核查取证单元还对航摄得到的航摄影像进行预处理。
所述图像校正包括辐射校正、几何校正和拼接裁剪。
所述识别判断包括对多时相遥感影像进行变化检测、对检测到的变化区域进行变化来源识别。
所述对多时相遥感影像进行变化检测采用全连接神经网络进行；对检测到的变化区域进行变化来源识别，采用卷积神经网络进行。
所述综合分析单元还根据分析结果生成规范化取证报告。
本发明还提供一种基于卫星与无人机联动的公益诉讼辅助取证方法，包括如下步骤：
①异常检测：获取卫星拍摄的卫星遥感影像数据，对卫星遥感影像数据识别判断是否有异常行为，如是则进入下一步；
②实地探查：启动无人机对异常行为所在地进行航摄；
③生成结果：将异常行为判断结果和航摄得到的航摄影像整合形成辅助取证报告。
本发明的有益效果在于：能够为检察机关办案人员提供分布式的公益诉讼取证技术手段，解决生态环境和资源保护领域的公益诉讼案多人少、专业技术弱项等问题，提升生态环境和资源保护领域的公益诉讼办案质效；聚焦生态环境和资源保护领域公益损害的突出问题，充分发挥卫星遥感和无人机的优势与互补性，重点围绕林业、土地等资源，推动解决现有公益诉讼调查取证过程中存在的三大难题，提升生态环境和资源保护领域公益诉讼调查取证的高效化、智能化水平。
附图说明
图1是本发明的组成示意图。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
如图1所示的基于卫星与无人机联动的公益诉讼辅助取证系统，包括卫星单元、无人机单元和综合分析单元；所述卫星单元基于卫星遥感影像数据进行异常行为识别判断，根据判断结果启动无人机单元；所述无人机单元对异常行为目标地点进行航摄核查；所述综合分析单元根据卫星单元的判断结果形成线索信息，根据无人机单元的航摄影像形成证据，生成辅助取证报告。
所述卫星单元对卫星遥感影像数据先进行图像校正后，再进行异常行为识别判断。
所述无人机单元分为核查取证单元和协同工作控制单元；核查取证单元进行作业航线规划和航摄数据采集；协同工作控制单元进行数据收发和数据格式转换。
所述核查取证单元还对航摄得到的航摄影像进行预处理。
所述图像校正包括辐射校正、几何校正和拼接裁剪。
所述识别判断包括对多时相遥感影像进行变化检测、对检测到的变化区域进行变化来源识别。
所述对多时相遥感影像进行变化检测采用全连接神经网络进行；对检测到的变化区域进行变化来源识别，采用卷积神经网络进行。
所述综合分析单元还根据分析结果生成规范化取证报告。
基于上述，本发明还提供一种基于卫星与无人机联动的公益诉讼辅助取证方法，包括如下步骤：
①异常检测：获取卫星拍摄的卫星遥感影像数据，对卫星遥感影像数据识别判断是否有异常行为，如是则进入下一步；
②实地探查：启动无人机对异常行为所在地进行航摄；
③生成结果：将异常行为判断结果和航摄得到的航摄影像整合形成辅助取证报告。
实施例1
采用上述方案，如图1所示，其中，卫星单元为卫星遥感公益诉讼线索探查单元，核查取证单元为无人机遥感公益诉讼核查取证单元，协同工作控制单元为卫星和无人机协同工作控制单元，综合分析单元为卫星和无人机数据综合分析单元。
卫星遥感公益诉讼线索探查单元的运行过程具体包含以下步骤：
(1)卫星遥感影像辐射校正：由于卫星传感器的姿态、姿势以及太阳光照、大气扩散和吸收都会引起地表物体表面辐射特性的无关失真。因此，若想通过比较不同时相遥感影像的辐射特性差异来检测异常区域，那么需要校正与地面物体表面辐射特性无关的辐射失真。本发明使用大气辐射传递码将辐射值校准到标准值进行辐射校正。
(2)卫星遥感影像几何校正：由于受飞行器姿态不稳定、轨道变化、地形高度起伏变化、地形产生的阴影和传感器内部成像性能引起的影像线性和非线性畸变等因素的影响，使得在不同时期或从不同传感器获取的影像在同一坐标位置对应的地物不一致，因此需要用卫星遥感影像校正这些差别。本发明将采用局部校正技术，将区域首先划分为若干区域，在每一区域采用多项式纠正。
(3)卫星遥感影像拼接裁剪：在实际工作中，研究区域多是以行政区边界或自然地理边界进行划分，一幅影像往往只覆盖了研究区域的一部分，通常需要多幅具有地理参考且互为邻接的遥感影像进行拼接裁剪。在大数据量的应用中，为了提高工作效率，本发明将采用批量处理的方式满足应用需求。
(4)遥感影像变化检测：遥感影像变化检测从不同的角度针对不同的应用给出了多种变化检测方法和理论模型，总体可分为分类前变化检测和分类后变化检测两大类，主要有分类后比较法、影像差值法、影像比值法、影像回归法、主分量分析法、变化向量分析法、直接多时相影像分类法等。针对本发明中卫星与无人机联动取证的具体情况，卫星遥感影像变化检测的误检会导致无人机调度的浪费，因此本发明将采用分类前比较法结合深度学习方法实现遥感影像中变化区域的快速检测和变化来源识别。首先利用分类前比较法中全连接神经网络对目标区域内的变化进行检测和定位，再利用深度学习中卷积神经网络模型对变化区域的来源进行识别，最终形成变化图斑信息和变化类型信息。
变化的图斑信息生成来自全连接神经网络。全连接神经网络的输入为同一个区域不同时相的两幅遥感影像，这两幅不同时相的影像在通道维度合并，再输入到全连接网络中，全连接神经网络包含四个卷积层、四个最大池化层和四个反卷积层。其中卷积层主要作用是图像特征提取，最大池化层作用是对提取到的特征进行压缩、降低数据维度，反卷积层的作用是对特征矩阵进行上采样。全连接神经网络通过对遥感数据集中的数据进行学习，产生对遥感影像中内容变化的泛化能力，能够实现对遥感影像变化检测，进而生成变化的图斑信息。
变化类型信息生成来自卷积神经网络。卷积神经网络的输入为图斑的最小外接矩形，卷积神经网络包含五个卷积层、五个最大池化层和一个全连接层。其中卷积层主要作用是提取图像特征，最大池化层作用是对提取到的特征进行压缩，全连接层的作用是将学到的分布式特征表示映射到样本标记空间。全连接神经网络通过对遥感数据集中的数据进行学习，产生对遥感影像类型识别的能力，能够实现对遥感影像类型识别，进而得到变化类型信息。
(5)重大异常行为判别：一方面，从技术角度出发，受噪声的影响，变化检测结果中会存在一定的虚警现象；另一方面，从用户角度出发，检察机关“坚持把诉前实现维护公益目的作为最佳司法状态”，因此面对众多变化区域，本发明将结合面积、形状或纹理等特征，针对性的剔除其中不感兴趣的目标，以判别出重大异常行为对象。
无人机遥感公益诉讼核查取证单元的运行过程具体包含以下步骤：
(1)根据卫星遥感公益诉讼线索探查单元的预警信息：系统或无人机操作员基于卫星遥感影像的重大异常行为目标的地理位置及轮廓范围，合理规划无人机最优作业航线，并利用无人机获取目标范围航摄影像。
(2)对目标范围内的航摄影像进行预处理：并通过无线传输的方式发送至卫星和无人机协同工作控制单元。
卫星和无人机协同工作控制单元的运行过程具体包含以下步骤：
(1)接收卫星遥感公益诉讼线索探查单元的异常区域图斑信息和卫星遥感影像数据。
(2)将基于卫星遥感影像探查的异常区域图斑信息转化为无人机可接收的如KML、KMZ等数据格式，并通过无线传输的方式下发给无人机操作员。
(3)将卫星遥感影像探查的异常区域的遥感影像发送给卫星和无人机数据综合分析单元。
(4)接收无人机遥感公益诉讼取证单元传输的无人机航摄影像数据。
(5)将航摄影像进行数据格式转化，获取如OSGD、S3C等数据格式的三维模型数据，并发送给无人机和卫星数据综合分析单元。
(6)对卫星遥感影像数据和无人机航摄影像数据进行统一存储和管理。
卫星和无人机数据综合分析单元的运行过程具体包含以下步骤：
(1)卫星影像智能信息提取。基于变化检测结果，提取变化检测目标的形状轮廓、地理位置等数据，形成线索信息。
(2)航摄影像智能分析。基于航摄影像，生成核查区域的三维模型，并提取核查目标的轮廓、面积等信息，形成客观证据。
(3)辅助取证报告自动生成。结合卫星遥感和无人机低空遥感获取的关于公益损害行为的线索及证据信息，利用卫星与无人机联动辅助取证平台自动生成规范化取证报告，辅助检察机关办案人员开展公益诉讼调查。
在卫星遥感公益诉讼线索探查单元中创新引入深度学习方法解决遥感影像变化检测问题，能有效提高卫星遥感影像变化检测的准确度、降低误检率，避免无人机调度的浪费，提升公益诉讼调查取证的效率。

Claims (9)

1.基于卫星与无人机联动的公益诉讼辅助取证系统，包括卫星单元、无人机单元和综合分析单元，其特征在于：所述卫星单元基于卫星遥感影像数据进行异常行为识别判断，根据判断结果启动无人机单元；所述无人机单元对异常行为目标地点进行航摄核查；所述综合分析单元根据卫星单元的判断结果形成线索信息，根据无人机单元的航摄影像形成证据，生成辅助取证报告。
2.如权利要求1所述的基于卫星与无人机联动的公益诉讼辅助取证系统，其特征在于：所述卫星单元对卫星遥感影像数据先进行图像校正后，再进行异常行为识别判断。
3.如权利要求1所述的基于卫星与无人机联动的公益诉讼辅助取证系统，其特征在于：所述无人机单元分为核查取证单元和协同工作控制单元；核查取证单元进行作业航线规划和航摄数据采集；协同工作控制单元进行数据收发和数据格式转换。
4.如权利要求3所述的基于卫星与无人机联动的公益诉讼辅助取证系统，其特征在于：所述核查取证单元还对航摄得到的航摄影像进行预处理。
5.如权利要求2所述的基于卫星与无人机联动的公益诉讼辅助取证系统，其特征在于：所述图像校正包括辐射校正、几何校正和拼接裁剪。
6.如权利要求1所述的基于卫星与无人机联动的公益诉讼辅助取证系统，其特征在于：所述识别判断包括对多时相遥感影像进行变化检测、对检测到的变化区域进行变化来源识别。
7.如权利要求6所述的基于卫星与无人机联动的公益诉讼辅助取证系统，其特征在于：所述对多时相遥感影像进行变化检测采用全连接神经网络进行；对检测到的变化区域进行变化来源识别，采用卷积神经网络进行。
8.如权利要求1所述的基于卫星与无人机联动的公益诉讼辅助取证系统，其特征在于：所述综合分析单元还根据分析结果生成规范化取证报告。
9.一种基于卫星与无人机联动的公益诉讼辅助取证方法，其特征在于：包括如下步骤：
①异常检测：获取卫星拍摄的遥感影像数据，对卫星遥感影像数据识别判断是否有异常行为，如是则进入下一步；
②实地探查：启动无人机对异常行为所在地进行航摄；
③生成结果：将异常行为判断结果和航摄得到的航摄影像整合形成辅助取证报告。
CN202010935946.2A 2020-09-08 2020-09-08 基于卫星与无人机联动的公益诉讼辅助取证系统及方法 Pending CN112101168A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010935946.2A CN112101168A (zh) 2020-09-08 2020-09-08 基于卫星与无人机联动的公益诉讼辅助取证系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010935946.2A CN112101168A (zh) 2020-09-08 2020-09-08 基于卫星与无人机联动的公益诉讼辅助取证系统及方法

Publications (1)

Publication Number Publication Date
CN112101168A true CN112101168A (zh) 2020-12-18

Family

ID=73752581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010935946.2A Pending CN112101168A (zh) 2020-09-08 2020-09-08 基于卫星与无人机联动的公益诉讼辅助取证系统及方法

Country Status (1)

Country Link
CN (1) CN112101168A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113608553A (zh) * 2021-09-28 2021-11-05 椭圆时空(北京)科技有限公司 基于通导遥一体化卫星星座的自主智能巡线方法和系统
CN115861791A (zh) * 2022-11-07 2023-03-28 中电科大数据研究院有限公司 一种公益诉讼线索的生成方法、生成装置及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096759A (zh) * 2010-12-03 2011-06-15 东南大学 一种土地实时集群调查方法
CN102213593A (zh) * 2011-04-08 2011-10-12 东南大学 一种异常用地快速获取方法
CN103632363A (zh) * 2013-08-27 2014-03-12 河海大学 基于多尺度融合的对象级高分辨率遥感影像变化检测方法
CN109063569A (zh) * 2018-07-04 2018-12-21 北京航空航天大学 一种基于遥感影像的语义级变化检测方法
CN109146753A (zh) * 2018-09-11 2019-01-04 湖南中科星图信息技术有限公司 基于3s一体化技术的土地执法动态巡查方法及系统
CN109684929A (zh) * 2018-11-23 2019-04-26 中国电建集团成都勘测设计研究院有限公司 基于多源遥感数据融合的陆生植物生态环境监测方法
CN110020635A (zh) * 2019-04-15 2019-07-16 中国农业科学院农业资源与农业区划研究所 基于无人机影像与卫星影像的种植区农作物精细分类方法和系统
CN110263705A (zh) * 2019-06-19 2019-09-20 上海交通大学 面向遥感技术领域两期高分辨率遥感影像变化检测方法
CN111079556A (zh) * 2019-11-25 2020-04-28 航天时代飞鸿技术有限公司 一种多时相无人机视频图像变化区域检测及分类方法
CN111340792A (zh) * 2020-03-05 2020-06-26 宁波市测绘设计研究院 一种遥感影像变化检测方法
CN111539316A (zh) * 2020-04-22 2020-08-14 中南大学 基于双注意力孪生网络的高分遥感影像变化检测方法
CN111582043A (zh) * 2020-04-15 2020-08-25 电子科技大学 基于多任务学习的高分辨率遥感影像地物变化检测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096759A (zh) * 2010-12-03 2011-06-15 东南大学 一种土地实时集群调查方法
CN102213593A (zh) * 2011-04-08 2011-10-12 东南大学 一种异常用地快速获取方法
CN103632363A (zh) * 2013-08-27 2014-03-12 河海大学 基于多尺度融合的对象级高分辨率遥感影像变化检测方法
CN109063569A (zh) * 2018-07-04 2018-12-21 北京航空航天大学 一种基于遥感影像的语义级变化检测方法
CN109146753A (zh) * 2018-09-11 2019-01-04 湖南中科星图信息技术有限公司 基于3s一体化技术的土地执法动态巡查方法及系统
CN109684929A (zh) * 2018-11-23 2019-04-26 中国电建集团成都勘测设计研究院有限公司 基于多源遥感数据融合的陆生植物生态环境监测方法
CN110020635A (zh) * 2019-04-15 2019-07-16 中国农业科学院农业资源与农业区划研究所 基于无人机影像与卫星影像的种植区农作物精细分类方法和系统
CN110263705A (zh) * 2019-06-19 2019-09-20 上海交通大学 面向遥感技术领域两期高分辨率遥感影像变化检测方法
CN111079556A (zh) * 2019-11-25 2020-04-28 航天时代飞鸿技术有限公司 一种多时相无人机视频图像变化区域检测及分类方法
CN111340792A (zh) * 2020-03-05 2020-06-26 宁波市测绘设计研究院 一种遥感影像变化检测方法
CN111582043A (zh) * 2020-04-15 2020-08-25 电子科技大学 基于多任务学习的高分辨率遥感影像地物变化检测方法
CN111539316A (zh) * 2020-04-22 2020-08-14 中南大学 基于双注意力孪生网络的高分遥感影像变化检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AHRAM SONG ET AL.: "Change detection in hyperspectral images using recurrent 3D fully convolutional networks", 《REMOTE SENSING》, pages 1 - 22 *
QIANKUN YE ET AL.: "AggregationNet: Identifying multiple changes based on convolutional neural network in bitemporal optical remote sensing images", 《PAKDD 2019》, pages 375 - 386 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113608553A (zh) * 2021-09-28 2021-11-05 椭圆时空(北京)科技有限公司 基于通导遥一体化卫星星座的自主智能巡线方法和系统
CN115861791A (zh) * 2022-11-07 2023-03-28 中电科大数据研究院有限公司 一种公益诉讼线索的生成方法、生成装置及存储介质
CN115861791B (zh) * 2022-11-07 2024-04-26 中电科大数据研究院有限公司 一种公益诉讼线索的生成方法、生成装置及存储介质
WO2024099097A1 (zh) * 2022-11-07 2024-05-16 中电科大数据研究院有限公司 一种公益诉讼线索的生成方法、生成装置及存储介质

Similar Documents

Publication Publication Date Title
Treitz et al. Remote sensing for mapping and monitoring land-cover and land-use change—an introduction
CN100547438C (zh) 一种油气勘探方法及系统
Münzinger et al. Mapping the urban forest in detail: From LiDAR point clouds to 3D tree models
CN102980510B (zh) 一种激光光尺影像测树装置及其测树方法
Taylor et al. Monitoring landscape change in the National Parks of England and Wales using aerial photo interpretation and GIS
CN110196892B (zh) 一种基于物联网的保护地综合监控平台及其方法
CN115331130B (zh) 基于地理标志物辅助导航的无人机巡检方法和无人机
CN112101168A (zh) 基于卫星与无人机联动的公益诉讼辅助取证系统及方法
CN112445241A (zh) 一种基于无人机遥感技术的地表植被识别方法、系统及可读存储介质
KR20220066783A (ko) 산림 바이오매스의 산정방법
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
CN115854895A (zh) 一种基于目标立木形态的非接触式立木胸径测量方法
CN115439753A (zh) 一种基于dem的陡峭河岸识别方法及系统
CN111611921B (zh) 一种基于遥感大数据的太阳能板识别系统
CN116229001A (zh) 一种基于空间熵的城市三维数字地图生成方法及系统
CN116883834A (zh) 一种赤松单木地上生物量遥感估算方法及系统
CN115937138A (zh) 一种基于无人机的桥梁裂缝识别检测系统及方法
CN114004740B (zh) 基于无人机激光雷达点云的建筑物墙线提取方法
CN115372281A (zh) 一种土壤物理结构和化学构成的监测系统及方法
CN114140703A (zh) 一种森林松材线虫病害智能识别方法及系统
CN114005027A (zh) 一种基于无人机影像的城市单木检测系统及方法
FI113894B (fi) Kaukokartoitusmenetelmä
Roberts et al. Mountain pine beetle detection and monitoring: remote sensing evaluations
Duan et al. Denoising and classification of urban ICESat-2 photon data fused with Sentinel-2 spectral images
Lawas Complementary use of aiborne LiDAR and terrestrial laser scanner to assess above ground biomass/carbon in Ayer Hitam tropical rain forest reserve

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