CN113610902A - 地基真实孔径雷达与点云数据映射配准方法 - Google Patents
地基真实孔径雷达与点云数据映射配准方法 Download PDFInfo
- Publication number
- CN113610902A CN113610902A CN202110909547.3A CN202110909547A CN113610902A CN 113610902 A CN113610902 A CN 113610902A CN 202110909547 A CN202110909547 A CN 202110909547A CN 113610902 A CN113610902 A CN 113610902A
- Authority
- CN
- China
- Prior art keywords
- data
- ground
- target
- dimensional
- aperture radar
- 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
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 58
- 238000003384 imaging method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000006073 displacement reaction Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 238000013506 data mapping Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000001427 coherent effect Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 101100423891 Caenorhabditis elegans qars-1 gene Proteins 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- G06T5/70—
-
- 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
-
- 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
- G06T2207/10044—Radar image
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Abstract
Description
技术领域
本发明涉及一种地基真实孔径雷达与点云数据映射配准方法。
背景技术
随着经济建设的高速发展及自然因素的影响,我国滑坡灾害呈逐年加重趋势。通过雷达获取边坡三维成像,进而与高密度点云数据映射配准,便于工作人员直观研判边坡监测区域形变位移情况,提升隐患边坡稳定性分析效率,对于滑坡灾害预警预报有重要意义。
基于微波遥感技术的边坡监测研究起源于上世纪90年代的空间技术,利用ERS-1,JERS-1,RADARSAT-1和ERS-2等卫星通过雷达图像中的相位信息探测地表变形。因重访周期和定点连续测量等滑坡预警实际要求,由星载逐渐发展到地基平台。此后几乎每十年一次技术跨越,经历了实验室验证、商用化产品及国产化实现等几个阶段,目前该技术在自然边坡、桥梁、采场露天边坡、高塔、大坝及山体滑坡、坍塌类事故应急救援中均有实际应用。
根据数据采集方式和信号处理方法的不同,地基微波遥感边坡监测系统可以分为合成孔径边坡雷达系统和真实孔径边坡雷达系统两类。地基真实孔径雷达通过射频收发系统与伺服转台系统的精确配合,可快速获得边坡区域内强散射特性目标在空间中的分布,便于全方位三维识别成像,同时具备移动性强的优势,尤其适用于现代岩土工程产生的大面积、近距离高陡边坡(如露天矿、尾矿库边坡等)形变监测。
映射配准的实质就是选择最优的数据间坐标空间变换。配准的过程也就是“确定空间变换模型——求解变换模型参数”的过程。由于各类遥感监测方式间成像机理存在差异,针对同一边坡区域获取的异源遥感数据具有不同的分辨率、灰度值、光谱时相及景物特征等,这使它们之间的映射配准远远未达到快速和高精度的要求。因此,地基真实孔径雷达与点云数据映射配准技术是一个值得深入研究的课题。
归一化幅度、相干性是边坡三维成像的数据基础,可为获取边坡三维成像提供了决策依据,然而,若仅仅依据峰值点幅度阈值或幅度、相干性阈值进行三维成像处理,则可能出现成像目标大幅偏离边坡空间位置的异常情况,影响边坡形变监测研判分析效率。
现有的雷达图像与异源遥感数据映射配准算法主要有以下几种:
(1)获取传统雷达二维图像的基础上,利用雷达极坐标系与空间几何坐标系间几何投影关系求解雷达成像目标的三维空间坐标。
(2)基于边缘特征提取的配准算法,即在提取雷达图像和点云数据边缘特征的基础上按照一定的相似性测度进行匹配。缺点是依赖图像边缘的准确提取,如果边缘提取不够准确则配准效果就受到影响。
(3)基于封闭区域的配准算法,采用各种分割的方法提取封闭区域或子区,在闭合区域边缘进行匹配,精度和基于边缘类似,但是必须要求图像上存在封闭的边缘,如果没有封闭的边缘则很难实现配准。
(4)基于数据互相关的配准算法,但是异源数据机理差异大,互相关匹配的方法并不能完全有效。
传统雷达二维图像仅能获取边坡空间内目标在斜距-方位平面的二维投影图像,另需借助三维激光扫描仪、无人机等地形测绘手段来克服图像因缺失散射目标高程信息而造成的叠掩、透视缩短、阴影等问题,给工程应用、应急救援工作带来不便。地基真实孔径雷达独特的三维成像能力,可将雷达图像与边坡监测场景更加准确直观对应,为滑坡、坍塌灾害的预警预报工作提供可靠信息。目前关于雷达图像与应用场景映射配准的研究主要局限在二维平面内,如果图像特征提取或几何投影关系不够准确则配准效果就受到影响。
发明内容
本发明的目的在于提供一种可以准确获取边坡空间内主散射体目标信息,并准确与高密度三维点云数据映射配准,有利于边坡监测区域判读解译,并可避免出现成像目标大幅偏离边坡空间位置的异常情况影响边坡形变监测研判分析效率的地基真实孔径雷达与点云数据映射配准方法。
本发明的地基真实孔径雷达与点云数据映射配准方法,所述方法包括:
利用地基真实孔径雷达,通过大范围点源扫描方式对边坡进行连续监测,假定在边坡每个点源波束覆盖区域内存在一个准静态强散射体目标;
式中,fk为散射回波信号频率,k=1,2,...K;θm为高频偏馈天线俯仰角度信息,m=1,2,...M,为高频偏馈天线水平角度信息,n=1,2,...N;exp{·}为自然常数e的指数函数,j为虚数单位,c为自由空间的电磁波波速;
{s′(plmn)},l=1,2,...,L
C、依据监测现场目标边坡与地基真实孔径雷达的距离关系,对逆傅里叶变换后,得到雷达一维距离像{s′(plmn)},进行时域距离门设置,即:
E、监测光斑散射回波信号中准静态强散射体目标位置附近存在与其幅度值接近的相干斑噪声,为避免相干斑噪声的影响,采用相干性阈值ε2进行二次筛选;利用与本次监测相近时间内采集的同一监测方向下的雷达一维距离像,通过计算相干性进而获取候选目标点集即:
H、将雷达极坐标系转换为雷达空间直角坐标系,获取边坡内主散射体目标三维空间坐标数据,并将目标点形变位移数据与三维空间直角坐标系融合显示;
I、获取雷达空间直角坐标系XYZ轴在点云坐标系下的空间向量;
J、将地基真实孔径雷达三维图像、点云数据进行插值重采样至相同分辨率,以提高映射配准速度,减少噪声点;
K、将地基真实孔径雷达三维图像与点云监测数据映射配准,将不同数据集统一到同一坐标系统中;
点云监测数据为配准输入的参考数据,地基真实孔径雷达三维图像为待配准数据;由于两类监测数据并未处于共同坐标系下,通过初始配准使得两数据曲面重合,具体包括坐标中心变换和依据步骤9构建基本旋转矩阵,即A=[nx,ny,nz];
L、通过初始配准将两数据曲面的位姿重合在一起,然后通过ICP算法在初始配准的基础上进行精确配准;
ICP算法在每次迭代的过程中,对参考数据的每一点,在待配准数据中寻找欧式距离最近点作为对应点,通过这组对应点使目标函数最小化;
数学定义表示为:设定用{Pi|Pi∈R3,i=1,2,…,N}表示初始配准后的地基真实孔径雷达三维图像数据集,{Qi|Qi∈R3,i=1,2,…,M}表示三维点云数据集,2个数据集的映射配准转换为使下列目标函数最小,即:
优选的,所述地基真实孔径雷达安装在车底盘上,车底盘下方的中部的左侧设有左车轮,车底盘下方的中部的右侧设有右车轮。
优选的,所述车底盘的前端安装有用于给地基真实孔径雷达供电的燃油发电机。
本发明的地基真实孔径雷达与点云数据映射配准方法,通过在频域内对原始回波进行加窗处理,以降低信号功率泄露,并滤除近距离直漏信号等近距离目标干扰,获得回波数据同时将边坡梯度阈值、曲面粗糙度作为边坡平滑性评判指标,进而在候选目标中确定监测区域内的最终成像目标,再加上使用了本发明独有的雷达坐标系XYZ轴在点云坐标系下的空间向量及空间变换矩阵的求解方法,以及初始配准及精确配准的处理流程,使得本发明的技术方案可以准确获取边坡空间内主散射体目标信息,并准确与高密度三维点云数据映射配准,有利于边坡监测区域判读解译,并可避免出现成像目标大幅偏离边坡空间位置的异常情况影响边坡形变监测研判分析效率。
下面结合附图对本发明地基真实孔径雷达与点云数据映射配准方法作进一步说明。
附图说明
图1为本发明地基真实孔径雷达与点云数据映射配准方法的流程图;
图2为地基真实孔径雷达的监测示意图;
图3为地基真实孔径雷达转台处于水平零度位置时空间向量求解示意图;
图4为地基真实孔径雷达转台逆时针水平转动后空间向量求解示意图;
图5为边坡主散射体目标雷达三维图像与点云数据映射配准结果图。
具体实施方式
关于边坡三维成像方面,本发明是在回波信号时频处理结果的基础上,依据边坡曲面近似平滑连续分布的客观事实,结合坡体梯度、粗糙度分析,提出了一种基于平滑性约束的地基真实孔径雷达边坡三维成像方法,可对边坡内强散射特性目标进行成像解译。
边坡三维成像应清晰展现监测区域地貌轮廓,考虑到边坡内相邻雷达监测光斑区域空间位置变化应符合坡体曲面近似平滑连续分布的客观事实,本发明提出了基于平滑性约束的三维成像方法,本发明将边坡梯度阈值、曲面粗糙度作为边坡平滑性评判指标,参见图2,进而在候选目标中确定监测区域内的最终成像目标。
关于映射配准方面,地基真实孔径雷达可获取边坡监测区域的三维图像及形变信息,但无法全面、精确反映监测区域的地表覆盖信息和地形起伏情况等重要信息。将获取的雷达三维图像数据与地形点云数据进行几何映射配准,利用数据各自优势弥补相互之间的不足,可充分发挥设备应用价值,大幅提高监测分析效率。
边坡三维图像曲面与边坡点云是针对同一目标边坡在不同成像坐标系(即局部坐标系)下的结果,可利用两类边坡数据之间的关系获取配准变换参数。
本发明的地基真实孔径雷达与点云数据映射配准方法,参见图1和图2,所述方法包括:
利用地基真实孔径雷达,通过大范围点源扫描方式对边坡进行连续监测,假定在边坡每个点源波束覆盖区域内存在一个准静态强散射体目标;
式中,fk为散射回波信号频率,k=1,2,...K;θm为高频偏馈天线俯仰角度信息,m=1,2,...M,为高频偏馈天线水平角度信息,n=1,2,...N;exp{·}为自然常数e的指数函数,j为虚数单位,c为自由空间的电磁波波速;
{s′(plmn)),l=1,2,...,L
C、依据监测现场目标边坡与地基真实孔径雷达的距离关系,对逆傅里叶变换后,得到雷达一维距离像{s′(plmn)},进行时域距离门设置,即:
E、监测光斑散射回波信号中准静态强散射体目标位置附近存在与其幅度值接近的相干斑噪声,为避免相干斑噪声的影响,还需采用相干性阈值ε2进行二次筛选;利用与本次监测相近时间内采集的同一监测方向下的雷达一维距离像,通过计算相干性进而获取候选目标点集即:
H、将雷达极坐标系转换为雷达空间直角坐标系,以便于边坡三维图像信息直观解译,获取边坡内主散射体目标三维空间坐标数据,并将目标点形变位移数据与三维空间直角坐标系融合显示;
I、获取雷达空间直角坐标系XYZ轴在点云坐标系下的空间向量;
如图3和图4所示,两次转动高精度伺服转台并进行点云扫描,伺服转台处于水平零度位置时,平面α的法向量n1与平面中点A1确定轴线l1,逆时针水平转动转台后,平面β的法向量n2与平面中点A2确定轴线l2,轴线l1与l2的交点即为雷达坐标系原点O。其中n1=ny,n1×n2=nz,ny×nz=nx。
J、将地基真实孔径雷达三维图像、点云数据进行插值重采样至相同分辨率,以提高映射配准速度,减少噪声点;特别是对海量点云数据,重采样是配准前的必需步骤;
K、将地基真实孔径雷达三维图像与点云监测数据映射配准,也就是找到不同坐标系下三维数据点集的空间变换关系,将不同数据集统一到同一坐标系统中;云监测数据为配准输入的参考数据,地基真实孔径雷达三维图像为待配准数据;由于两类监测数据并未处于共同坐标系下,通过初始配准使得两数据曲面重合,为下一步的精确配准提供了良好的迭代初值条件,具体包括坐标中心变换和依据步骤9构建基本旋转矩阵,即A=[nx,ny,nz]。
L、初始配准只是将两数据曲面的位姿大致的重合在一起,但是误差精度还远远达不到实际应用中的精度要求,为了尽可能配准两个点云以达到使它们之间的距离误差最小的结果,还需在初始配准的基础上进行精确配准;ICP算法是最常用的数据精确配准方法,算法在每次迭代的过程中,对数据点云的每一点,在模型点云中寻找欧式距离最近点作为对应点,通过这组对应点使目标函数最小化。
数学定义表示为:设定用{Pi|Pi∈R3,i=1,2,…,N}表示初始配准后的地基真实孔径雷达三维图像数据集,{Qi|Qi∈R3,i=1,2,…,M}表示三维点云数据集,2个数据集的映射配准转换为使下列目标函数最小,即:
在幅度、相干性阈值目标筛选结果的基础上依据边坡平滑性约束条件,对某露天煤矿高台阶边坡成像目标进行斜距分析,通过与既有处理方式对比可知,尽管减少了成像目标点数量,但基于阈值筛选及平滑性评判指标可使各成像目标体现良好的边坡平滑趋势,适用于边坡三维成像处理研究。
参见图5,图5为边坡主散射体目标雷达三维图像与监测区域点云数据映射配准结果,为进一步分析配准情况,可将两组监测数据分别在XOY、XOZ、YOZ二维平面内投影成像。此外,以高精度点云数据为参考基准值,通过计算均方根误差来量化分析雷达图像与三维点云配准误差,所得结果符合预期。基于上述分析结果表明:所述基于平滑性约束的三维成像算法具备空间结构描述能力,可以准确获取边坡空间内主散射体目标信息,所述映射配准方法可准确实现地基真实孔径雷达监测数据与三维点云数据映射配准,有利于边坡监测区域判读解译。
参见图2,所述地基真实孔径雷达安装在车底盘上,车底盘下方的中部的左侧设有左车轮,车底盘下方的中部的右侧设有右车轮。所述车底盘的前端安装有用于给地基真实孔径雷达供电的燃油发电机。
上面所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神前提下,本领域普通工程技术人员对本发明技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (3)
1.地基真实孔径雷达与点云数据映射配准方法,其特征在于,所述方法包括:
利用地基真实孔径雷达,通过大范围点源扫描方式对边坡进行连续监测,假定在边坡每个点源波束覆盖区域内存在一个准静态强散射体目标;
式中,fk为散射回波信号频率,k=1,2,...K;θm为高频偏馈天线俯仰角度信息,m=1,2,...M,为高频偏馈天线水平角度信息,n=1,2,...N;exp{·}为自然常数e的指数函数,j为虚数单位,c为自由空间的电磁波波速;
{s′(plmn)},l=1,2,...,L
C、依据监测现场目标边坡与地基真实孔径雷达的距离关系,对逆傅里叶变换后,得到雷达一维距离像{s′(plmn)},进行时域距离门设置,即:
E、监测光斑散射回波信号中准静态强散射体目标位置附近存在与其幅度值接近的相干斑噪声,为避免相干斑噪声的影响,采用相干性阈值ε2进行二次筛选;利用与本次监测相近时间内采集的同一监测方向下的雷达一维距离像,通过计算相干性进而获取候选目标点集即:
H、将雷达极坐标系转换为雷达空间直角坐标系,获取边坡内主散射体目标三维空间坐标数据,并将目标点形变位移数据与三维空间直角坐标系融合显示;
I、获取雷达空间直角坐标系XYZ轴在点云坐标系下的空间向量;
J、将地基真实孔径雷达三维图像、点云数据进行插值重采样至相同分辨率,以提高映射配准速度,减少噪声点;
K、将地基真实孔径雷达三维图像与点云监测数据映射配准,将不同数据集统一到同一坐标系统中;
点云监测数据为配准输入的参考数据,地基真实孔径雷达三维图像为待配准数据;由于两类监测数据并未处于共同坐标系下,通过初始配准使得两数据曲面重合,具体包括坐标中心变换和依据步骤9构建基本旋转矩阵,即A=[nx,ny,nz];
L、通过初始配准将两数据曲面的位姿重合在一起,然后通过ICP算法在初始配准的基础上进行精确配准;
ICP算法在每次迭代的过程中,对参考数据的每一点,在待配准数据中寻找欧式距离最近点作为对应点,通过这组对应点使目标函数最小化;
数学定义表示为:设定{Pi|Pi∈R3,i=1,2,…,N}表示初始配准后的地基真实孔径雷达三维图像数据集,{Qi|Qi∈R3,i=1,2,…,M}表示三维点云数据集,2个数据集的映射配准转换为使下列目标函数最小,即:
2.根据权利要求1所述的地基真实孔径雷达与点云数据映射配准方法,其特征在于:所述地基真实孔径雷达安装在车底盘上,车底盘下方的中部的左侧设有左车轮,车底盘下方的中部的右侧设有右车轮。
3.根据权利要求2所述的地基真实孔径雷达与点云数据映射配准方法,其特征在于:所述车底盘的前端安装有用于给地基真实孔径雷达供电的燃油发电机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110909547.3A CN113610902A (zh) | 2021-08-09 | 2021-08-09 | 地基真实孔径雷达与点云数据映射配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110909547.3A CN113610902A (zh) | 2021-08-09 | 2021-08-09 | 地基真实孔径雷达与点云数据映射配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113610902A true CN113610902A (zh) | 2021-11-05 |
Family
ID=78340025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110909547.3A Pending CN113610902A (zh) | 2021-08-09 | 2021-08-09 | 地基真实孔径雷达与点云数据映射配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610902A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047389A (zh) * | 2021-11-09 | 2022-02-15 | 安徽大学 | 一种频率分集和计算成像方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5394151A (en) * | 1993-09-30 | 1995-02-28 | The United States Of America As Represented By The Secretary Of The Navy | Apparatus and method for producing three-dimensional images |
CN110244302A (zh) * | 2019-07-05 | 2019-09-17 | 苏州科技大学 | 地基合成孔径雷达影像像元坐标三维变换方法 |
US20190353779A1 (en) * | 2018-05-15 | 2019-11-21 | University Of Electronic Science And Technology Of China | Ground-based interferometric synthetic aperture radar-based atmospheric phase compensation method |
-
2021
- 2021-08-09 CN CN202110909547.3A patent/CN113610902A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5394151A (en) * | 1993-09-30 | 1995-02-28 | The United States Of America As Represented By The Secretary Of The Navy | Apparatus and method for producing three-dimensional images |
US20190353779A1 (en) * | 2018-05-15 | 2019-11-21 | University Of Electronic Science And Technology Of China | Ground-based interferometric synthetic aperture radar-based atmospheric phase compensation method |
CN110244302A (zh) * | 2019-07-05 | 2019-09-17 | 苏州科技大学 | 地基合成孔径雷达影像像元坐标三维变换方法 |
Non-Patent Citations (2)
Title |
---|
倪文俭;过志峰;孙国清;黄华兵;: "基于地基激光雷达数据的单木结构参数提取研究", 高技术通讯, no. 02, 25 February 2010 (2010-02-25) * |
郑翔天等: "点云辅助地基干涉SAR雷达影像与地形数据应急匹配方法", 《武汉大学学报(信息科学版)》, 16 July 2021 (2021-07-16) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047389A (zh) * | 2021-11-09 | 2022-02-15 | 安徽大学 | 一种频率分集和计算成像方法及系统 |
CN114047389B (zh) * | 2021-11-09 | 2024-04-12 | 安徽大学 | 一种频率分集和计算成像方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526590B (zh) | 一种融合多源sar影像工矿区三维地表形变监测及解算方法 | |
CN110244302B (zh) | 地基合成孔径雷达影像像元坐标三维变换方法 | |
JP4861555B2 (ja) | 市街地領域及び地滑り地帯の運動に関するレーダー測定のための手順 | |
Palm et al. | Radargrammetric DEM extraction over urban area using circular SAR imagery | |
CN108872985A (zh) | 一种近场圆周sar快速三维成像方法 | |
Huang et al. | An efficient method of monitoring slow-moving landslides with long-range terrestrial laser scanning: a case study of the Dashu landslide in the Three Gorges Reservoir Region, China | |
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 | |
Dong et al. | Radargrammetric DSM generation in mountainous areas through adaptive-window least squares matching constrained by enhanced epipolar geometry | |
CN110596706B (zh) | 一种基于三维图像域投射变换的雷达散射截面积外推方法 | |
CN114035188B (zh) | 一种地基雷达冰川流速高精度监测方法与系统 | |
CN113610902A (zh) | 地基真实孔径雷达与点云数据映射配准方法 | |
Xu et al. | Feature curve-based registration for airborne LiDAR bathymetry point clouds | |
Liu et al. | Correction of positional errors and geometric distortions in topographic maps and DEMs using a rigorous SAR simulation technique | |
Van Natijne et al. | Massive linking of PS-InSAR deformations to a national airborne laser point cloud | |
CN112986996A (zh) | 基于几何熵的多源sar卫星联合三维定位方法 | |
CN109116351B (zh) | 一种星载InSAR定位解析算法 | |
Minvielle et al. | Indoor 3-D radar imaging for low-RCS analysis | |
Wang et al. | Research on coordinate transformation method of GB-SAR image supported by 3D laser scanning technology | |
Wang et al. | UWB Radar Imaging Method for the Longwall Retreat and Creep Displacements Measurement in Underground Coal Mine | |
Linglin et al. | A fast SAR image position algorithm for maritime target location | |
Scaioni et al. | Monitoring of geological sites by laser scanning techniques | |
Muszyński et al. | Some Remarks on Registration Techniques of Point Clouds Obtained from Terrestrial Laser Scanning | |
Kim et al. | Digital surface model generation for drifting Arctic sea ice with low-textured surfaces based on drone images | |
Li-Chee-Ming et al. | Generation of three dimensional photo-realistic models from LiDAR and image data |
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 |