CN116416397A - 一种滑坡地质灾害的遥感解译方法 - Google Patents

一种滑坡地质灾害的遥感解译方法 Download PDF

Info

Publication number
CN116416397A
CN116416397A CN202310359463.6A CN202310359463A CN116416397A CN 116416397 A CN116416397 A CN 116416397A CN 202310359463 A CN202310359463 A CN 202310359463A CN 116416397 A CN116416397 A CN 116416397A
Authority
CN
China
Prior art keywords
image
disaster
model
geological
interpretation
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
CN202310359463.6A
Other languages
English (en)
Inventor
吴华
江耀
陈宁生
丹增卓玛
加永泽巴
王海波
臧亚美
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.)
Tibet University
Original Assignee
Tibet University
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 Tibet University filed Critical Tibet University
Priority to CN202310359463.6A priority Critical patent/CN116416397A/zh
Publication of CN116416397A publication Critical patent/CN116416397A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Computer Graphics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)

Abstract

本发明公开了一种滑坡地质灾害的遥感解译方法，用于解决现有滑坡地质灾害遥感解译和提取难度大，效果差的问题。本发明包括：获取卫星在该区域的多幅原始影像图及地理位置信息；对原始影像图进行预处理，得到预处理图像；获取该区域航摄无人机技术获取的多幅地面光学图像及对应的地面高程信息和点坐标信息；根据地面光学图像和地面高程信息的空间对应关系进行处理，生成初始模型；根据初始模型提取滑坡地质灾害标志，并采用滑坡地质灾害标志生成工程地质解译模型；根据点坐标信息和地理位置信息，将工程地质解译模型与预处理图像进行融合校正，生成三维地质模型。从二维转换到三维环境，帮助解译人员更好地对滑坡地质构造进行分析和提取。

Description

一种滑坡地质灾害的遥感解译方法
技术领域
本发明属于遥感地质解译技术领域，涉及一种滑坡地质灾害的遥感解译方法。
背景技术
遥感是指根据电磁辐射理论，不直接接触目标地物，对其进行识别、分类、判释和分析的一种技术。随着遥感卫星技术的不断发展，在滑坡灾害研究中逐渐引入光学卫星影像，滑坡遥感调查技术得到快速发展及已经有了较为广泛的应用。
工程地质灾害的解译过程是从遥感图像中根据各类地质现象的影像解译标志提取感兴趣信息的过程，其解译方法从目视定性解译、静态解译发展到利用计算机遥感图像处理和地理信息系统等手段的定性与定量、静态与动态相结合的人机交互式解译。航空遥感影像作为工程地质解译的重要数据源，由于分辨率高、具有立体等特点受到工程技术人员的广泛关注。但在解译手段上，一般基于纸质黑白像对的立体镜解译模式，多数仅是对航空像对进行固定尺度的立体观测解译，解译目标像对定位查找难，解译成果转绘繁琐，精度较差，在一定程度上束缚了航空遥感影像有效的利用。
在各类地质灾害中，滑坡地质灾害发生规模大、频率高、分布广、数量多；除此之外，滑坡地质灾害的破坏是毁灭性的，因此，滑坡的防治在经济、生活方面具有重要意义。
综上所述，现有技术存在的问题是：现有基于纸质黑白像对的立体镜解译模式，仅仅停留在二维层面，即平面正射投影下进行遥感解译工作，解译时，需要有地形与构造立体投影的概念，而解译人员只能在自己的脑海里构建待解译地区的三维模型以便于工作，难度比较大。因此，提供一种构建待解译地区的三维地质模型的方法，能帮助解译人员更好地对滑坡地质构造进行分析和提取。
发明内容
本发明需要解决的技术问题为：提供一种滑坡地质灾害的遥感解译方法，用于解决现有的解译模式停留在二维层面上，滑坡地质灾害遥感解译和提取难度大及效果差的问题，通过构建三维地质模型，帮助解译人员更好地对滑坡地质构造信息进行分析和提取。
本发明采用的技术方案如下：
一种滑坡地质灾害的遥感解译方法，包括以下步骤：
S1：获取卫星在该区域的多幅原始影像图及地理位置信息；
S2：对所述原始影像图进行预处理，得到预处理图像；
S3：获取该区域航摄无人机技术获取的多幅地面光学图像及对应的地面高程信息和点坐标信息；
S4：根据所述地面光学图像和所述地面高程信息的空间对应关系进行处理，生成初始模型；
S5：根据初始模型提取滑坡地质灾害标志，并采用所述滑坡地质灾害标志生成工程地质解译模型；
S6：根据点坐标信息和地理位置信息，将工程地质解译模型与预处理图像进行融合校正，生成三维地质模型。
上述步骤S1-S2与步骤S3-S5为并行的执行方式，不区分先后顺序。
本发明通过卫星获取的多幅原始影像图进行预处理，并根据该区域航摄无人机技术获取的多幅地面光学图像及对应的地面高程信息生成初始模型，在初始模型中提取了滑坡地质灾害标志，并采用滑坡地质灾害标志生成工程地质解译模型，还通过对工程地质解译模型进行校正，生成三维地质模型，用于滑坡地质灾害遥感解译工作，实现了从二维平面到三维环境的转换，可方便解译人员进行滑坡地质构造信息的分析与提取工作，提高了对滑坡地质灾害遥感解译的工作效率和解译效果。
进一步的，所述步骤S2具体包括：
S21：对所述原始影像图的处理至少包括彩色影像转灰度影像、灰度影像增强、特征点提取以及创建影像金字塔，得到初始影像；
S22：对步骤S21处理后得到的初始影像进行并行空中三角测量，生成测量结果；
S23：基于步骤S22中生成的测量结果对初始影像进行并行纠正，完成对初始影像的正射处理，得到正射处理图；
S24：对步骤S23中得到的正射处理图进行空间配准，得到配准处理后的影像；
S25：将步骤S24中配准处理后的影像PAC算法进行融合，得到融合图像；
S26：获取目标区域的边界信息，采用所述边界信息对步骤S25中的融合图像进行影像裁剪，得到预处理图像。
进一步的，所述空间配准的方法包括以下步骤：
步骤a：特征提取：在欲配准的两幅影像上，提取边界、线状物交叉点以及区域轮廓线明显的特征；
步骤b：特征描述：采用LBP特征描述子对特征点进行处理；
步骤c：特征匹配：采用配准算法，找出两幅影像上对应的明显地物点，作为控制点；
步骤d：空间变化：根据控制点，建立影像间的映射关系；
步骤e：插值，根据映射关系，对非参考影像进行重采样，获取同参考影像配准的影像。
进一步的，所述步骤S3航摄无人机技术获取待解译区域数据包括：获取机位处的地面光学图像及点坐标信息，根据所述点坐标信息，得到所述机位处的数字高程模型DEM，以及根据所述地面光学图像，得到所述机位处的数字正射影像图DOM；
进一步的，所述步骤S4具体包括：
S41：利用航摄无人机技术搭载的机载激光雷达获取DEM数据生成山体阴影图；
S42：选取可以识别的典型特征地物，利用典型特征地物与航摄无人机技术获取的DOM数据进行亚像素级配准；
S43：利用配准表配准DOM与DEM数据；
S44：利用配准后的DOM和DEM构建初始模型。
进一步的，所述滑坡地质灾害标志包括地貌灾害标志、植被灾害标志、水文灾害标志和色调灾害标志，所述步骤S5具体包括：
S51：从所述初始模型中提取地形地貌特征、植被特征、水文特征及色调特征；
S52：从所述地形地貌特征中识别地貌灾害标志，从所述植被特征中识别植被灾害标志，从所述水文特征中识别水文灾害标志，从所述色调特征中识别色调灾害标志；
S53：采用所述地貌灾害标志、植被灾害标志、水文灾害标志和色调灾害标志生成工程地质解译模型。
进一步的，所述生成三维地质模型的步骤包括：将工程地质解译模型与预处理图像进行融合，并使用对应的点坐标信息和地理位置信息进行位置匹配，进行模型校正，生成三维地质模型。
本发明相对于现有技术，具有如下的有益效果：
1、本发明通过待解译区域卫星及航拍无人机技术，在滑坡地质灾害遥感解译过程中，实现了从二维平面到三维环境的转换，可方便解译人员进行滑坡地质构造信息的分析与提取工作，提高了滑坡地质灾害遥感解译的工作效率。
2、本发明在初始模型中提取了滑坡地质灾害标志，并采用滑坡地质灾害标志生成工程地质解译模型，并通过对工程地质解译模型进行校正，生成三维地质模型，用于滑坡地质灾害遥感解译工作，提高了对滑坡地质灾害的解译效果。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是本发明实施例提供的一种滑坡地质灾害遥感解译方法的步骤流程图；
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获取的所有其他实施例，都属于本申请保护的范围。
在本申请实施例的描述中，需要说明的是，术语“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
下面结合图1对本发明作详细说明。
本发明实施例提供了一种滑坡地质灾害的遥感解译方法，具体可以包括以下步骤：
S1：获取卫星在该区域的多幅原始影像图及地理位置信息；
具体的，通过卫星获取的多幅原始影像图用于后续解译工作，以消除单一图像解译存在的误差。
S2：对原始影像图进行预处理，得到预处理图像；
在本实施例中，步骤S2包括：
S21：对原始影像图的处理包括彩色影像转灰度影像、灰度影像增强、特征点提取以及创建影像金字塔，得到初始影像；
S22：对步骤S21处理后得到的初始影像进行并行空中三角测量，生成测量结果；
S23：基于步骤S22中生成的测量结果对初始影像进行并行纠正，完成对初始影像的正射处理，得到正射处理图；
S24：对步骤S23中得到的正射处理图进行空间配准，得到配准处理后的影像；
在本实施例中，空间配准的方法包括以下步骤：
步骤a：特征提取：在欲配准的两幅影像上，提取边界、线状物交叉点以及区域轮廓线明显的特征；
步骤b：特征描述：采用LBP特征描述子对特征点进行处理；
步骤c：特征匹配：采用配准算法，找出两幅影像上对应的明显地物点，作为控制点；
步骤d：空间变化：根据控制点，建立影像间的映射关系；
步骤e：插值，根据映射关系，对非参考影像进行重采样，获取同参考影像配准的影像。
S25：将步骤S24中配准处理后的影像PAC算法进行融合，得到融合图像；
S26：获取目标区域的边界信息，采用边界信息对步骤S25中的融合图像进行影像裁剪，得到预处理图像。
S3：获取该区域航摄无人机技术获取的多幅地面光学图像及对应的地面高程信息和点坐标信息；
在本实施例中，步骤S3航摄无人机技术获取待解译区域数据包括：获取机位处的地面光学图像及点坐标信息，根据点坐标信息，得到机位处的数字高程模型DEM，以及根据地面光学图像，得到机位处的数字正射影像图DOM；
S4：根据地面光学图像和地面高程信息的空间对应关系进行处理，生成初始模型；
在本实施例中，步骤S4包括：
S41：利用航摄无人机技术搭载的机载激光雷达获取DEM数据生成山体阴影图；
S42：选取可以识别的典型特征地物，利用典型特征地物与航摄无人机技术获取的DOM数据进行亚像素级配准；
S43：利用配准表配准DOM与DEM数据；
S44：利用配准后的DOM和DEM构建初始模型。
S5：根据初始模型提取滑坡地质灾害标志，并采用滑坡地质灾害标志生成工程地质解译模型；
本实施例中，滑坡地质灾害标志包括地貌灾害标志、植被灾害标志、水文灾害标志和色调灾害标志，步骤S5包括：
S51：从初始模型中提取地形地貌特征、植被特征、水文特征及色调特征；
S52：从地形地貌特征中识别地貌灾害标志，从植被特征中识别植被灾害标志，从水文特征中识别水文灾害标志，从色调特征中识别色调灾害标志；
S53：采用地貌灾害标志、植被灾害标志、水文灾害标志和色调灾害标志生成工程地质解译模型。
具体的，由于滑坡地质灾害在遥感图像上存在明显且特殊的特征，如其与背景地、背景物在色调、形状、阴影、纹理与图形等方面存在一定的差异，因此在获取到初始模型后，可以基于上述特征的表现形式，在初始模型中提取滑坡地质灾害标志，并基于所采集的滑坡地质灾害标志生成工程地质解译模型。
S6：根据点坐标信息和地理位置信息，将工程地质解译模型与预处理图像进行融合校正，生成三维地质模型。
本实施例中，生成三维地质模型的步骤包括：将工程地质解译模型与预处理图像进行融合，并使用对应的点坐标信息和地理位置信息进行位置匹配，进行模型校正，生成三维地质模型。
具体的，根据地理位置信息和点坐标信息的位置对应关系，将工程地质解译模型与预处理图像进行融合校正，生成三维地质模型，用于滑坡地质灾害遥感解译工作，实现了从二维平面到三维环境的转换，可方便进行信息的分析与提取工作，提高了对滑坡地质灾害遥感解译的工作效率和解译效果。
本发明相对于现有技术，具有如下的有益效果：
1、本发明通过待解译区域卫星及航拍无人机技术，在滑坡地质灾害遥感解译过程中，实现了从二维平面到三维环境的转换，可方便解译人员进行滑坡地质构造信息的分析与提取工作，提高了滑坡地质灾害遥感解译的工作效率。
2、本发明在初始模型中提取了滑坡地质灾害标志，并采用滑坡地质灾害标志生成工程地质解译模型，并通过对工程地质解译模型进行校正，生成三维地质模型，用于滑坡地质灾害遥感解译工作，提高了对滑坡地质灾害的解译效果。
以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。

Claims (7)

1.一种滑坡地质灾害的遥感解译方法，其特征在于，包括以下步骤：
S1：获取卫星在该区域的多幅原始影像图及地理位置信息；
S2：对所述原始影像图进行预处理，得到预处理图像；
S3：获取该区域航摄无人机技术获取的多幅地面光学图像及对应的地面高程信息和点坐标信息；
S4：根据所述地面光学图像和所述地面高程信息的空间对应关系进行处理，生成初始模型；
S5：根据初始模型提取滑坡地质灾害标志，并采用所述滑坡地质灾害标志生成工程地质解译模型；
S6：根据点坐标信息和地理位置信息，将工程地质解译模型与预处理图像进行融合校正，生成三维地质模型；
上述步骤S1-S2与步骤S3-S5为并行的执行方式，不区分先后顺序。
2.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：
S21：对所述原始影像图的处理至少包括彩色影像转灰度影像、灰度影像增强、特征点提取以及创建影像金字塔，得到初始影像；
S22：对步骤S21处理后得到的初始影像进行并行空中三角测量，生成测量结果；
S23：基于步骤S22中生成的测量结果对初始影像进行并行纠正，完成对初始影像的正射处理，得到正射处理图；
S24：对步骤S23中得到的正射处理图进行空间配准，得到配准处理后的影像；
S25：将步骤S24中配准处理后的影像PAC算法进行融合，得到融合图像；
S26：获取目标区域的边界信息，采用所述边界信息对步骤S25中的融合图像进行影像裁剪，得到预处理图像。
3.根据权利要求2所述的方法，其特征在于，所述空间配准的方法包括以下步骤：
步骤a：特征提取：在欲配准的两幅影像上，提取边界、线状物交叉点以及区域轮廓线明显的特征；
步骤b：特征描述：采用LBP特征描述子对特征点进行处理；
步骤c：特征匹配：采用配准算法，找出两幅影像上对应的明显地物点，作为控制点；
步骤d：空间变化：根据控制点，建立影像间的映射关系；
步骤e：插值，根据映射关系，对非参考影像进行重采样，获取同参考影像配准的影像。
4.根据权利要求1所述的方法，其特征在于，所述步骤S3航摄无人机技术获取待解译区域数据包括：获取机位处的地面光学图像及点坐标信息，根据所述点坐标信息，得到所述机位处的数字高程模型DEM，以及根据所述地面光学图像，得到所述机位处的数字正射影像图DOM。
5.根据权利要求4所述的方法，其特征在于，所述步骤S4具体包括：
S41：利用航摄无人机技术搭载的机载激光雷达获取DEM数据生成山体阴影图；
S42：选取可以识别的典型特征地物，利用典型特征地物与航摄无人机技术获取的DOM数据进行亚像素级配准；
S43：利用配准表配准DOM与DEM数据；
S44：利用配准后的DOM和DEM构建初始模型。
6.根据权利要求1所述的方法，其特征在于，所述滑坡地质灾害标志包括地貌灾害标志、植被灾害标志、水文灾害标志和色调灾害标志，所述步骤S5具体包括：
S51：从所述初始模型中提取地形地貌特征、植被特征、水文特征及色调特征；
S52：从所述地形地貌特征中识别地貌灾害标志，从所述植被特征中识别植被灾害标志，从所述水文特征中识别水文灾害标志，从所述色调特征中识别色调灾害标志；
S53：采用所述地貌灾害标志、植被灾害标志、水文灾害标志和色调灾害标志生成工程地质解译模型。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述生成三维地质模型的步骤包括：将工程地质解译模型与预处理图像进行融合，并使用对应的点坐标信息和地理位置信息进行位置匹配，进行模型校正，生成三维地质模型。
CN202310359463.6A 2023-04-06 2023-04-06 一种滑坡地质灾害的遥感解译方法 Pending CN116416397A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310359463.6A CN116416397A (zh) 2023-04-06 2023-04-06 一种滑坡地质灾害的遥感解译方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310359463.6A CN116416397A (zh) 2023-04-06 2023-04-06 一种滑坡地质灾害的遥感解译方法

Publications (1)

Publication Number Publication Date
CN116416397A true CN116416397A (zh) 2023-07-11

Family

ID=87054279

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310359463.6A Pending CN116416397A (zh) 2023-04-06 2023-04-06 一种滑坡地质灾害的遥感解译方法

Country Status (1)

Country Link
CN (1) CN116416397A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116721363A (zh) * 2023-08-07 2023-09-08 江苏省地质调查研究院 一种生态灾害物识别和运动预测方法及系统
CN116994156A (zh) * 2023-09-27 2023-11-03 自然资源部第三地理信息制图院 一种滑坡隐患综合遥感识别方法、系统、设备及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116721363A (zh) * 2023-08-07 2023-09-08 江苏省地质调查研究院 一种生态灾害物识别和运动预测方法及系统
CN116721363B (zh) * 2023-08-07 2023-11-03 江苏省地质调查研究院 一种生态灾害物识别和运动预测方法及系统
CN116994156A (zh) * 2023-09-27 2023-11-03 自然资源部第三地理信息制图院 一种滑坡隐患综合遥感识别方法、系统、设备及介质
CN116994156B (zh) * 2023-09-27 2023-12-08 自然资源部第三地理信息制图院 一种滑坡隐患综合遥感识别方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
CN116416397A (zh) 一种滑坡地质灾害的遥感解译方法
CN116504032B (zh) 一种基于实景三维的滑坡危险性监测预警方法及系统
Chen et al. Building reconstruction from LIDAR data and aerial imagery
CN112240772B (zh) 一种车道线生成方法及装置
Di et al. Coastal mapping and change detection using high-resolution IKONOS satellite imagery
JP2006214893A (ja) 対象物測定方法及びコンピュータシステムを用いて対象物の三次元形状を計測するためのコンピュータソフトウエアプログラム
KR100904078B1 (ko) 항공 사진의 영상정합을 이용한 3차원 공간 정보 생성 시스템 및 방법
CN116910876A (zh) 一种基于无人机遥感辅助滑坡应急治理工程勘查设计方法
Razali et al. A hybrid point cloud reality capture from terrestrial laser scanning and UAV-photogrammetry
JP2007193850A (ja) 変化領域認識装置
CN117804368B (zh) 一种基于高光谱成像技术的隧道围岩变形监测方法及系统
Carneiro et al. Digital urban morphometrics: automatic extraction and assessment of morphological properties of buildings
Saponaro et al. Geometric accuracy evaluation of geospatial data using low-cost sensors on small UAVs
Yoo et al. True orthoimage generation by mutual recovery of occlusion areas
KR20060127519A (ko) 이미지 기반의 공간 정보 구축 방법 및 시스템
CN116106904B (zh) 面向对象MT-InSAR的设施变形监测方法及设备
Hong et al. Rapid fine-grained Damage Assessment of Buildings on a Large Scale: A Case Study of the February 2023 Earthquake in Turkey
Jasim et al. Using remote sensing application for verification of thematic maps produced based on high-resolution satellite images
Song et al. An automated approach for the conflation of vector parcel map with imagery
JP3966419B2 (ja) 変化領域認識装置および変化認識システム
Goncalves et al. Use of the SRTM DEM as a geo-referencing tool by elevation matching
CN106952249A (zh) 基于交比不变性的绝缘子串中轴线提取方法
Hämmerle et al. Terrestrial and unmanned aerial system imagery for deriving photogrammetric three-dimensional point clouds and volume models of mass wasting sites
Yu et al. A cue line based method for building modeling from LiDAR and satellite imagery
Kim et al. Integration of Photogrammetric and LIDAR data for realistic 3D model generation

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