CN115294461A - 基于bim和遥感图像的电力设施塌斜评估方法及系统 - Google Patents
基于bim和遥感图像的电力设施塌斜评估方法及系统 Download PDFInfo
- Publication number
- CN115294461A CN115294461A CN202211230769.3A CN202211230769A CN115294461A CN 115294461 A CN115294461 A CN 115294461A CN 202211230769 A CN202211230769 A CN 202211230769A CN 115294461 A CN115294461 A CN 115294461A
- Authority
- CN
- China
- Prior art keywords
- shadow
- power facility
- electric power
- value
- bim
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000009826 distribution Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000002310 reflectometry Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于BIM和遥感图像的电力设施塌斜评估方法及系统，属于图像处理技术领域；获取多光谱航拍遥感图像；确定阴影指数，根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域；根据阴影区域的长度确定各电力设施的评估高度，将得到的各电力设施的评估高度与BIM模型中的对应电力设施高度进行对比；当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于第一设定阈值且小于第一设定阈值时，生成电力告警信息；当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于或等于第二设定阈值时，生成电力风险信息；本发明实现了大面积范围内多电力设施的快速塌斜评估。
Description
技术领域
本发明涉及一般的图像处理技术领域，特别涉及一种基于BIM和遥感图像的电力设施塌斜评估方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术，并不必然构成现有技术。
BIM（Building Information Mdeling）是一种在计算机辅助设计（CAD）等技术基础上发展起来的多维建筑模型信息集成管理技术，目前，很多新建变电站及对应的电力设施在建设之初或者建设完成后都建立了BIM模型以实现对变电站及电力设施的全方位数据管理。
在土质较为松软的地区（例如戈壁滩或者荒漠），电力设施容易发生塌斜风险，此时电力设施的高度出现下降或者倾斜，进而容易导致输电线路断裂，引发电力输配障碍；目前，大多采用无人机巡检或者人工巡检的方式进行电力设施巡检。
发明人发现，在戈壁滩或者荒漠等较为平整的无人区，人工巡检的方式不仅费时费力，对巡检人员也存在一定的安全风险；无人机巡检的方式能够快速的进行电力设施巡检，但是无人机的巡航能力一般有限，需要设置无人机机巢以实现无人机充电，不仅成本较高，而且无人机及其机巢的维护较为困难，而且无人机巡检的方式每次只能巡检一个电力设施，无法实现设定区域内电力设施塌斜情况的快速评估。
发明内容
为了解决现有技术的不足，本发明提供了一种基于BIM和遥感图像的电力设施塌斜评估方法及系统，通过对遥感图像的处理，得到电力设施的阴影区域，进而根据阴影区域评估电力设施的高度，与BIM数据库内的数据进行对比后，生成电力设施塌陷或倾斜的告警信息，极大的降低了巡检成本，实现了大面积范围内多电力设施的快速塌斜评估。
为了实现上述目的，本发明采用如下技术方案：
本发明第一方面提供了一种基于BIM和遥感图像的电力设施塌斜评估方法。
一种基于BIM和遥感图像的电力设施塌斜评估方法，包括以下过程：
获取某一时刻设定区域内的多光谱航拍遥感图像并进行预处理，其中设定区域内包括至少两个电力设施；
确定阴影指数，根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域；
根据阴影区域的长度确定各电力设施的评估高度，将得到的各电力设施的评估高度与BIM模型中的对应电力设施高度进行对比；
当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于第一设定阈值且小于第一设定阈值时，生成电力告警信息；当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于或等于第二设定阈值时，生成电力风险信息。
作为可选的一种实现方式，BIM模型根据设定区域内的真实地理信息、电力设施数据和变电站数据建立。
作为可选的一种实现方式，确定阴影指数，包括：
获取同一时刻当前区域内标定用物体的图像数据，区分阴影区域和非阴影区域；
根据区分得到的阴影区域，得到阴影区域色相值、阴影区域强度值和阴影区域饱和度值；
根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数。
作为可选的一种实现方式，根据历史数据，获取当前区域的阴影区域色相值、阴影区域强度值和阴影区域饱和度值；
根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数。
作为进一步的限定，根据阴影区域色相值A、阴影区域强度值B和阴影区域饱和度值C，得到阴影指数P，包括：
其中，t为近红外波段的地表反射率，k大于或等于1。
作为进一步的限定，根据非阴影区域的红色波段分量、绿色波段分量、蓝色波段分量以及太阳光作为入射光时的红、绿、蓝波段的反射率值，分别计算得到阴影区域色相值、阴影区域强度值和阴影区域饱和度值。
作为进一步的限定，根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域，包括：
根据阴影指数，得到整个遥感影像的阴影指数信息空间分布图，根据阴影指数信息空间分布图提取得到阴影区域。
本发明第二方面提供了一种基于BIM和遥感图像的电力设施塌斜评估系统。
一种基于BIM和遥感图像的电力设施塌斜评估系统，包括：
数据获取模块，被配置为：获取某一时刻设定区域内的多光谱航拍遥感图像并进行预处理，其中设定区域内包括至少两个电力设施；
阴影区域生成模块，被配置为：确定阴影指数，根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域；
电力设施高度评估模块，被配置为：根据阴影区域的长度确定各电力设施的评估高度，将得到的各电力设施的评估高度与BIM模型中的对应电力设施高度进行对比；
电力设施塌斜告警模块，被配置为：当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于第一设定阈值且小于第一设定阈值时，生成电力告警信息；当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于或等于第二设定阈值时，生成电力风险信息。
作为可选的一种实现方式，确定阴影指数，包括：
获取同一时刻当前区域内标定用物体的图像数据，区分阴影区域和非阴影区域；
根据区分得到的阴影区域，得到阴影区域色相值、阴影区域强度值和阴影区域饱和度值；
根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数；
作为可选的一种实现方式，确定阴影指数，包括：
根据历史数据，获取当前区域的阴影区域色相值、阴影区域强度值和阴影区域饱和度值；
根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数。
作为进一步的限定，根据阴影区域色相值A、阴影区域强度值B和阴影区域饱和度值C，得到阴影指数P，包括：
其中，t为近红外波段的地表反射率，k大于或等于1。
与现有技术相比，本发明的有益效果是：
1、本发明所述的基于BIM和遥感图像的电力设施塌斜评估方法及系统，通过对遥感图像的处理，得到电力设施的阴影区域，进而根据阴影区域评估电力设施的高度，与BIM数据库内的数据进行对比后，生成电力设施塌陷或倾斜的告警信息，极大的降低了巡检成本，实现了大面积范围内多电力设施的快速巡检。
2、本发明所述的基于BIM和遥感图像的电力设施塌斜评估方法及系统，通过设定第一设定阈值和第二设定阈值，实现了分级预警，塌陷或者倾斜较为轻微时，仅做已经提示以备巡检人员再次巡检，当塌陷或者倾斜较为严重时，做出风险预警以快速维护，极大的保证了电力设施的安全性。
3、本发明所述的基于BIM和遥感图像的电力设施塌斜评估方法及系统，根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值计算阴影指数，改善了小阴影区域容易被忽略以及蓝色、绿色和深色区域容易被误分类为阴影的问题，提高了阴影检测精确度。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提高的基于BIM和遥感图像的电力设施塌斜评估方法的流程示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1：
如图1所示，本发明实施例1提供了一种基于BIM和遥感图像的电力设施塌斜评估方法，包括以下过程：
获取某一时刻设定区域内的多光谱航拍遥感图像并进行预处理，其中设定区域内包括至少两个电力设施；
确定阴影指数，根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域；
根据阴影区域的长度确定各电力设施的评估高度，将得到的各电力设施的评估高度与BIM模型中的对应电力设施高度进行对比；
当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于第一设定阈值且小于第一设定阈值时，生成电力告警信息；当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于或等于第二设定阈值时，生成电力风险信息。
本实施例中，预处理包括：将多光谱航拍遥感图像采样Gamma滤波消除遥感图像噪声，Gamma滤波减少遥感图像的斑点噪声，保留边缘信息；将RGB颜色空间下的高分辨率多光谱卫星遥感图像转换为HSV不变颜色空间下。
本实施例中，BIM模型根据设定区域内的真实地理信息、电力设施数据和变电站数据建立，电力设施数据和变电站数据为具体的施工数据，具体的BIM模型的构建均采用现有技术的方案实现，这里不再赘述。
本实施例中，所述的电力设施可以包括布局较为密集的电力杆塔或者较为密集的电力相关的建筑等等，本领域技术人员可以根据具体工况进行选择，这里不再赘述。
本实施例中，确定阴影指数，包括：
获取同一时刻当前区域内标定用物体的图像数据，区分阴影区域和非阴影区域；
根据区分得到的阴影区域，得到阴影区域色相值、阴影区域强度值和阴影区域饱和度值；
根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数。
可以理解的，标定用物体可以是空白区域的一个有高度的物体，根据此时的遥感图像区分阴影区域和非阴影区域，根据阴影区域得到影区域色相值、阴影区域强度值和阴影区域饱和度值。
其中，影区域色相值A、阴影区域强度值B和阴影区域饱和度值C，得到阴影指数P，包括：
本实施例中，t为近红外波段的地表反射率，影区域色相值A、阴影区域强度值B和阴影区域饱和度值C分别根据现有方式，基于具体的阴影区域图像计算得到。
可以理解的，在其他一些实施方式中，也可以根据非阴影区域的红色波段分量、绿色波段分量、蓝色波段分量以及太阳光作为入射光时的红、绿、蓝波段的反射率值，分别计算得到阴影区域色相值、阴影区域强度值和阴影区域饱和度值，这里不再赘述。
可以理解的，在其他一些实施方式中，也可以根据历史数据，获取当前区域的阴影区域色相值、阴影区域强度值和阴影区域饱和度值，根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数；这里的历史数据可以当前时刻前一天的数据或者前N天同等天气条件下的数据，其中，N小于等于10，也可以采用前一年同时间同时刻的数据，本领域技术人员可以根据具体工况进行选择，这里不再赘述。
根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域，包括：
根据阴影指数，得到整个遥感影像的阴影指数信息空间分布图，根据阴影指数信息空间分布图提取得到阴影区域。
本实施例中，基于选择的阴影指数，优选的可以采用如下方案确定阴影区域：
由于本实施例构建的阴影指数已显著地拉大了阴影信息与其他地物信息间的距离，能有效地把阴影信息与其他地物信息区分开来，样本区的选择只要在阴影区随机性的选择即可，像元数量要求不低于200个；统计计算样本区对应阴影指数数值从小到大的累计频率及统计变量，根据累计频率对应的阴影指数数值和统计变量值（样本区对应阴影指数数值），设置一阈值范围；
本实施例取样本区对应阴影指数数值中的最小值和累计频率达到90％时的阴影指数数值作为阈值范围的下限和上限；本实施例中，统计变量最小值为93，从小到大的累计频率为90％时对应的阴影指数像元值为432，阴影提取的阈值范围为[93，432]；
根据所得阈值范围，制作提取阴影信息的二值掩模图，将制作的二值掩模图与原始遥感图像进行空间叠加，即可快速提取遥感影像中阴影信息精确的空间分布图。
可选的，在其他一些实施方式中，也可以根据电力设施的高度评估结果，与真实的结果不断的进行校正对比，生成校正因子系数，进而将高度评估结果与校正因子系数相乘，得到更为准确的高度数据。
实施例2：
本发明实施例2提供了一种基于BIM和遥感图像的电力设施塌斜评估系统，包括：
数据获取模块，被配置为：获取某一时刻设定区域内的多光谱航拍遥感图像并进行预处理，其中设定区域内包括至少两个电力设施；
阴影区域生成模块，被配置为：确定阴影指数，根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域；
电力设施高度评估模块，被配置为：根据阴影区域的长度确定各电力设施的评估高度，将得到的各电力设施的评估高度与BIM模型中的对应电力设施高度进行对比；
电力设施塌斜告警模块，被配置为：当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于第一设定阈值且小于第一设定阈值时，生成电力告警信息；当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于或等于第二设定阈值时，生成电力风险信息。
所述系统的工作方法与实施例1提供的基于BIM和遥感图像的电力设施塌斜评估方法相同，这里不再赘述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random AccessMemory，RAM）等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于BIM和遥感图像的电力设施塌斜评估方法，其特征在于：
获取某一时刻设定区域内的多光谱航拍遥感图像并进行预处理，其中设定区域内包括至少两个电力设施；
确定阴影指数，根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域；
根据阴影区域的长度确定各电力设施的评估高度，将得到的各电力设施的评估高度与BIM模型中的对应电力设施高度进行对比；
当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于第一设定阈值且小于第一设定阈值时，生成电力告警信息；当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于或等于第二设定阈值时，生成电力风险信息。
2.如权利要求1所述的基于BIM和遥感图像的电力设施塌斜评估方法，其特征在于：
BIM模型根据设定区域内的真实地理信息、电力设施数据和变电站数据建立。
3.如权利要求1所述的基于BIM和遥感图像的电力设施塌斜评估方法，其特征在于：
确定阴影指数，包括：
获取同一时刻当前区域内标定用物体的图像数据，区分阴影区域和非阴影区域；
根据区分得到的阴影区域，得到阴影区域色相值、阴影区域强度值和阴影区域饱和度值；
根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数。
4.如权利要求1所述的基于BIM和遥感图像的电力设施塌斜评估方法，其特征在于：
确定阴影指数，包括：
根据历史数据，获取当前区域的阴影区域色相值、阴影区域强度值和阴影区域饱和度值；
根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数。
5.如权利要求3或4所述的基于BIM和遥感图像的电力设施塌斜评估方法，其特征在于：
根据阴影区域色相值A、阴影区域强度值B和阴影区域饱和度值C，得到阴影指数P，包括：
其中，t为近红外波段的地表反射率，k大于或等于1。
6.如权利要求5所述的基于BIM和遥感图像的电力设施塌斜评估方法，其特征在于：
根据非阴影区域的红色波段分量、绿色波段分量、蓝色波段分量以及太阳光作为入射光时的红、绿、蓝波段的反射率值，分别计算得到阴影区域色相值、阴影区域强度值和阴影区域饱和度值。
7.如权利要求5所述的基于BIM和遥感图像的电力设施塌斜评估方法，其特征在于：
根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域，包括：
根据阴影指数，得到整个遥感影像的阴影指数信息空间分布图，根据阴影指数信息空间分布图提取得到阴影区域。
8.一种基于BIM和遥感图像的电力设施塌斜评估系统，其特征在于：
数据获取模块，被配置为：获取某一时刻设定区域内的多光谱航拍遥感图像并进行预处理，其中设定区域内包括至少两个电力设施；
阴影区域生成模块，被配置为：确定阴影指数，根据阴影指数提取预处理后的多光谱遥感图像中各电力设施的阴影区域；
电力设施高度评估模块，被配置为：根据阴影区域的长度确定各电力设施的评估高度，将得到的各电力设施的评估高度与BIM模型中的对应电力设施高度进行对比；
电力设施塌斜告警模块，被配置为：当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于第一设定阈值且小于第一设定阈值时，生成电力告警信息；当某电力设施在BIM模型中的高度与此电力设施的评估高度的差值大于或等于第二设定阈值时，生成电力风险信息。
9.如权利要求8所述的基于BIM和遥感图像的电力设施塌斜评估系统，其特征在于：
确定阴影指数，包括：
获取同一时刻当前区域内标定用物体的图像数据，区分阴影区域和非阴影区域；
根据区分得到的阴影区域，得到阴影区域色相值、阴影区域强度值和阴影区域饱和度值；
根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数；
或者，
确定阴影指数，包括：
根据历史数据，获取当前区域的阴影区域色相值、阴影区域强度值和阴影区域饱和度值；
根据阴影区域色相值、阴影区域强度值和阴影区域饱和度值，得到阴影指数。
10.如权利要求9所述的基于BIM和遥感图像的电力设施塌斜评估系统，其特征在于：
根据阴影区域色相值A、阴影区域强度值B和阴影区域饱和度值C，得到阴影指数P，包括：
其中，t为近红外波段的地表反射率,k大于或等于1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211230769.3A CN115294461B (zh) | 2022-10-10 | 2022-10-10 | 基于bim和遥感图像的电力设施塌斜评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211230769.3A CN115294461B (zh) | 2022-10-10 | 2022-10-10 | 基于bim和遥感图像的电力设施塌斜评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115294461A true CN115294461A (zh) | 2022-11-04 |
| CN115294461B CN115294461B (zh) | 2023-01-31 |
Family
ID=83819280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211230769.3A Active CN115294461B (zh) | 2022-10-10 | 2022-10-10 | 基于bim和遥感图像的电力设施塌斜评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115294461B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105608691A (zh) * | 2015-12-17 | 2016-05-25 | 武汉大学 | 一种高分辨率sar影像单体建筑提取方法 |
| CN106123860A (zh) * | 2016-06-17 | 2016-11-16 | 洛阳莱润电力科技有限公司 | 一种电线杆倾斜检测装置 |
| CN108051371A (zh) * | 2017-12-01 | 2018-05-18 | 河北省科学院地理科学研究所 | 一种面向生态环境参量遥感反演的阴影提取方法 |
| CN108288059A (zh) * | 2017-12-29 | 2018-07-17 | 中国电子科技集团公司第二十七研究所 | 一种基于高分辨率遥感技术的建筑垃圾监测方法 |
| JPWO2017126547A1 (ja) * | 2016-01-22 | 2018-11-08 | 日本電気株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
| CN109000158A (zh) * | 2018-09-04 | 2018-12-14 | 深圳市市政设计研究院有限公司 | 基于物联网和bim的管道渗漏预警系统、方法及其应用 |
| CN109492852A (zh) * | 2018-09-13 | 2019-03-19 | 中铁上海工程局集团有限公司 | 一种基于bim的水工构筑物的质量检查方法 |
| CN109558806A (zh) * | 2018-11-07 | 2019-04-02 | 北京科技大学 | 高分遥感图像变化的检测方法和系统 |
| CN110675066A (zh) * | 2019-09-25 | 2020-01-10 | 北京城建集团有限责任公司 | 基于bim的建筑施工事故风险源识别方法与系统 |
| CN111931709A (zh) * | 2020-09-17 | 2020-11-13 | 航天宏图信息技术股份有限公司 | 遥感影像的水体提取方法、装置、电子设备及存储介质 |
| CN113012398A (zh) * | 2021-02-20 | 2021-06-22 | 中煤航测遥感集团有限公司 | 地质灾害监测预警方法、装置、计算机设备及存储介质 |
| CN113450425A (zh) * | 2021-06-08 | 2021-09-28 | 河海大学 | 一种基于阴影去除的城市黑臭水体遥感制图方法 |
| WO2021196698A1 (zh) * | 2020-04-03 | 2021-10-07 | 深圳前海微众银行股份有限公司 | 待侦测物体储量确定方法、装置、设备及介质 |
| CN114373009A (zh) * | 2022-01-13 | 2022-04-19 | 中国科学院空天信息创新研究院 | 基于高分辨率遥感影像的建筑物阴影测高智能化计算方法 |
| CN114494851A (zh) * | 2021-12-23 | 2022-05-13 | 青岛星科瑞升信息科技有限公司 | 一种基于多时相遥感影像差异信息的滑坡提取方法 |
-
2022
- 2022-10-10 CN CN202211230769.3A patent/CN115294461B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105608691A (zh) * | 2015-12-17 | 2016-05-25 | 武汉大学 | 一种高分辨率sar影像单体建筑提取方法 |
| JPWO2017126547A1 (ja) * | 2016-01-22 | 2018-11-08 | 日本電気株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
| CN106123860A (zh) * | 2016-06-17 | 2016-11-16 | 洛阳莱润电力科技有限公司 | 一种电线杆倾斜检测装置 |
| CN108051371A (zh) * | 2017-12-01 | 2018-05-18 | 河北省科学院地理科学研究所 | 一种面向生态环境参量遥感反演的阴影提取方法 |
| CN108288059A (zh) * | 2017-12-29 | 2018-07-17 | 中国电子科技集团公司第二十七研究所 | 一种基于高分辨率遥感技术的建筑垃圾监测方法 |
| CN109000158A (zh) * | 2018-09-04 | 2018-12-14 | 深圳市市政设计研究院有限公司 | 基于物联网和bim的管道渗漏预警系统、方法及其应用 |
| CN109492852A (zh) * | 2018-09-13 | 2019-03-19 | 中铁上海工程局集团有限公司 | 一种基于bim的水工构筑物的质量检查方法 |
| CN109558806A (zh) * | 2018-11-07 | 2019-04-02 | 北京科技大学 | 高分遥感图像变化的检测方法和系统 |
| CN110675066A (zh) * | 2019-09-25 | 2020-01-10 | 北京城建集团有限责任公司 | 基于bim的建筑施工事故风险源识别方法与系统 |
| WO2021196698A1 (zh) * | 2020-04-03 | 2021-10-07 | 深圳前海微众银行股份有限公司 | 待侦测物体储量确定方法、装置、设备及介质 |
| CN111931709A (zh) * | 2020-09-17 | 2020-11-13 | 航天宏图信息技术股份有限公司 | 遥感影像的水体提取方法、装置、电子设备及存储介质 |
| CN113012398A (zh) * | 2021-02-20 | 2021-06-22 | 中煤航测遥感集团有限公司 | 地质灾害监测预警方法、装置、计算机设备及存储介质 |
| CN113450425A (zh) * | 2021-06-08 | 2021-09-28 | 河海大学 | 一种基于阴影去除的城市黑臭水体遥感制图方法 |
| CN114494851A (zh) * | 2021-12-23 | 2022-05-13 | 青岛星科瑞升信息科技有限公司 | 一种基于多时相遥感影像差异信息的滑坡提取方法 |
| CN114373009A (zh) * | 2022-01-13 | 2022-04-19 | 中国科学院空天信息创新研究院 | 基于高分辨率遥感影像的建筑物阴影测高智能化计算方法 |
Non-Patent Citations (4)
| Title |
|---|
| BEI WU ET AL: "Research on Natural Disaster Early Warning System Based on UAV Technology", 《IOP CONF. SERIES: EARTH AND ENVIRONMENTAL SCIENCE》 * |
| YAKUN XIE ET AL: "Multi-Scene Building Height Estimation Method Based on Shadow in High Resolution Imagery", 《REMOTE SENSING》 * |
| 徐龙涛: "SAR在幕墙及外墙安全预警信息平台中的作用", 《机电一体化》 * |
| 斯毅 等: "飞行遥感+ BIM技术对高海拔高烈度区公路边坡稳定性分析应用", 《四川建材》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115294461B (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108596103B (zh) | 基于最佳光谱指数选择的高分辨遥感影像建筑物提取方法 | |
| CN109559310B (zh) | 基于显著性检测的输变电巡检图像质量评价方法及系统 | |
| CN111027446B (zh) | 一种高分辨率影像的海岸线自动提取方法 | |
| Ghaffarian | Automatic building detection based on supervised classification using high resolution Google Earth images | |
| CN109389163B (zh) | 一种基于地形图的无人机影像分类系统及方法 | |
| CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
| US11804025B2 (en) | Methods and systems for identifying topographic features | |
| US20110110580A1 (en) | Geospatial modeling system for classifying building and vegetation in a dsm and related methods | |
| CN111931559A (zh) | 一种输电线路走廊区域内树种的分类方法 | |
| WO2006137438A1 (ja) | 家屋の異動判定方法及び家屋の異動判定装置 | |
| CN107818303A (zh) | 无人机油气管线影像自动对比分析方法、系统及软件存储器 | |
| CN110765934A (zh) | 一种多源数据融合的地质灾害识别方法 | |
| JP2001143054A (ja) | 衛星画像処理方法 | |
| CN113327255A (zh) | 基于YOLOv3检测定位裁剪及fine-tune的输电线路巡检图像处理方法 | |
| CN114842262A (zh) | 融合线路通道正射影像的激光点云地物自动识别方法 | |
| CN115984672B (zh) | 基于深度学习的高清图像内小目标的检测方法和装置 | |
| Attarzadeh et al. | Object-based building extraction from high resolution satellite imagery | |
| CN111008642A (zh) | 基于卷积神经网络的高分辨率遥感影像分类方法及系统 | |
| CN113255452A (zh) | 一种目标水体的提取方法及提取系统 | |
| KR101874968B1 (ko) | 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법 | |
| CN113033401A (zh) | 一种面向生态保护红线的人类活动变化识别监管方法 | |
| Lari et al. | Automated building extraction from high-resolution satellite imagery using spectral and structural information based on artificial neural networks | |
| CN102222235A (zh) | 基于对象集成高度信息的面向对象的高光谱分类处理方法 | |
| CN118135412A (zh) | 一种农村黑臭水体遥感识别方法 | |
| CN115294461B (zh) | 基于bim和遥感图像的电力设施塌斜评估方法及系统 |
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 |