CN117765420A - 基于遥感数据的地形勘测方法及系统 - Google Patents
基于遥感数据的地形勘测方法及系统 Download PDFInfo
- Publication number
- CN117765420A CN117765420A CN202410196520.8A CN202410196520A CN117765420A CN 117765420 A CN117765420 A CN 117765420A CN 202410196520 A CN202410196520 A CN 202410196520A CN 117765420 A CN117765420 A CN 117765420A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- image
- landform
- feature
- channel
- 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 29
- 238000005286 illumination Methods 0.000 claims abstract description 54
- 230000007613 environmental effect Effects 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims description 83
- 230000003213 activating effect Effects 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000012876 topography Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供了基于遥感数据的地形勘测方法及系统,涉及图像处理技术领域,该方法包括:接收局部遥感图像、图像采集姿态、相机控制参数与环境光照条件;生成全局遥感图像;匹配地貌样本图像;生成第一地貌特征;生成第二地貌特征;对所述第一地貌特征和所述第二地貌特征进行比对,生成地貌相似系数;当所述地貌相似系数大于或等于地貌相似系数阈值,将所述预设地貌类型添加进所述全局遥感图像的地形勘测结果,解决了现有技术中存在由于采集条件不同,导致遥感图像差异性较大,传统的识别模型难以进行误差修正,导致遥感图像的采集准确性不足,进而导致地形勘测结果不准确的技术问题,达到降低误差,提升地貌识别准确度的技术效果。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及基于遥感数据的地形勘测方法及系统。
背景技术
地形勘测是一项重要的地理调查工作,可以调查特定区域内的地貌变化,为土地资源、水资源等的管理、可持续利用以及灾害监测与防治提供基础数据。传统的地貌识别方法是基于预先设定的各个地貌,直接配置地貌识别的模型,但是,实际遥感图像采集过程中,由于不同的采集条件,导致遥感图像差异性较大,传统的识别模型难以进行误差修正,导致遥感图像的采集准确性不足,进而导致地形勘测结果不准确。
综上,现有技术中存在由于采集条件不同,导致遥感图像差异性较大,传统的识别模型难以进行误差修正,导致遥感图像的采集准确性不足,进而导致地形勘测结果不准确的技术问题。
发明内容
本申请提供了基于遥感数据的地形勘测方法及系统,用以解决现有技术中存在由于采集条件不同,导致遥感图像差异性较大,传统的识别模型难以进行误差修正,导致遥感图像的采集准确性不足,进而导致地形勘测结果不准确的技术问题。
根据本申请的第一方面,提供了基于遥感数据的地形勘测方法,包括:交互无人机集群,接收局部遥感图像、图像采集姿态、相机控制参数与环境光照条件;根据所述图像采集姿态、所述相机控制参数与所述环境光照条件,对所述局部遥感图像进行融合,生成全局遥感图像,其中,所述全局遥感图像具有图像采集基准姿态和环境基准光照条件;以所述图像采集基准姿态和所述环境基准光照条件为约束,遍历预设地貌类型,匹配地貌样本图像;激活地貌识别组件的第一特征提取通道,对所述全局遥感图像进行特征提取,生成第一地貌特征;激活所述地貌识别组件的第二特征提取通道,对所述地貌样本图像进行特征提取,生成第二地貌特征;激活所述地貌识别组件的特征比对通道,对所述第一地貌特征和所述第二地貌特征进行比对,生成地貌相似系数;当所述地貌相似系数大于或等于地貌相似系数阈值,将所述预设地貌类型添加进所述全局遥感图像的地形勘测结果。
根据本申请的第二方面,提供了基于遥感数据的地形勘测系统,包括:数据交互模块,所述数据交互模块用于交互无人机集群,接收局部遥感图像、图像采集姿态、相机控制参数与环境光照条件;图像融合模块,所述图像融合模块用于根据所述图像采集姿态、所述相机控制参数与所述环境光照条件,对所述局部遥感图像进行融合,生成全局遥感图像,其中,所述全局遥感图像具有图像采集基准姿态和环境基准光照条件;地貌样本匹配模块,所述地貌样本匹配模块用于以所述图像采集基准姿态和所述环境基准光照条件为约束,遍历预设地貌类型,匹配地貌样本图像;第一特征提取模块,所述第一特征提取模块用于激活地貌识别组件的第一特征提取通道,对所述全局遥感图像进行特征提取,生成第一地貌特征;第二特征提取模块,所述第二特征提取模块用于激活所述地貌识别组件的第二特征提取通道,对所述地貌样本图像进行特征提取,生成第二地貌特征;特征比对模块,所述特征比对模块用于激活所述地貌识别组件的特征比对通道,对所述第一地貌特征和所述第二地貌特征进行比对,生成地貌相似系数;地形勘测结果获取模块,所述地形勘测结果获取模块用于当所述地貌相似系数大于或等于地貌相似系数阈值,将所述预设地貌类型添加进所述全局遥感图像的地形勘测结果。
根据本申请采用的一个或多个技术方案,其可达到的有益效果如下:
交互无人机集群,接收局部遥感图像、图像采集姿态、相机控制参数与环境光照条件,根据图像采集姿态、相机控制参数与环境光照条件,对局部遥感图像进行融合,生成全局遥感图像,其中,全局遥感图像具有图像采集基准姿态和环境基准光照条件,以图像采集基准姿态和环境基准光照条件为约束,遍历预设地貌类型,匹配地貌样本图像,激活地貌识别组件的第一特征提取通道,对全局遥感图像进行特征提取,生成第一地貌特征,激活地貌识别组件的第二特征提取通道,对地貌样本图像进行特征提取,生成第二地貌特征,激活地貌识别组件的特征比对通道,对第一地貌特征和第二地貌特征进行比对,生成地貌相似系数,当地貌相似系数大于或等于地貌相似系数阈值,将预设地貌类型添加进全局遥感图像的地形勘测结果。由此通过采集条件差异对遥感图像进行误差校正,以校正后的图像进行地貌相似度比对后确定地貌类型,达到降低误差,提升地貌识别准确度的技术效果。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的基于遥感数据的地形勘测方法的流程示意图;
图2为本申请实施例提供的基于遥感数据的地形勘测系统的结构示意图。
附图标记说明:数据交互模块11,图像融合模块12,地貌样本匹配模块13,第一特征提取模块14,第二特征提取模块15,特征比对模块16,地形勘测结果获取模块17。
具体实施方式
为了使得本申请的目的、技术方案和优点更为明显,下面将参照附图详细描述本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
说明书中使用的术语用于描述实施例,而不是限制本申请。如在说明书中所使用的,单数术语“一”“一个”和“该”旨在也包括复数形式,除非上下文另有清楚指示。当在说明书中使用时,术语“包括”和/或“包含”指定了步骤、操作、元件和/或组件的存在,但是不排除一个或多个其他步骤、操作、元件、组件和/或其组的存在或添加。
除非另有定义,本说明书中使用的所有术语(包括技术和科学术语)应具有与本申请所属领域的技术人员通常理解的相同含义。术语,如常用词典中定义的术语,不应以理想化或过于正式的意义来解释,除非在此明确定义。在整个说明书中,相同的附图标记表示相同的元件。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
实施例一:
图1为本申请实施例提供的基于遥感数据的地形勘测方法图,所述方法包括:
交互无人机集群,接收局部遥感图像、图像采集姿态、相机控制参数与环境光照条件;
无人机集群包含多个搭载有遥感相机的无人机,具体可结合实际需求确定需要进行地形勘测的区域,从而确定无人机的数量以及飞行路径,得到无人机集群,其为本领域技术人员常用技术手段,在此不进行展开。然后控制无人机集群中的无人机按照飞行路径进行遥感图像的采集,通过无线通信技术连接无人机接收无人机采集的图像作为局部遥感图像。同时获取无人机集群内的无人机在采集图像时的图像采集姿态、相机控制参数与环境光照条件,图像采集姿态包括飞行高度、俯仰角和偏航角等参数;相机控制参数包括焦距等相机参数,可连接无人机集群的控制中心直接提取。环境光照条件包括光照强度和光照角度,可通过在无人机上布设的现有的传感器检测获取。
根据所述图像采集姿态、所述相机控制参数与所述环境光照条件,对所述局部遥感图像进行融合,生成全局遥感图像,其中,所述全局遥感图像具有图像采集基准姿态和环境基准光照条件;
在一个优选实施例中,还包括:
根据所述图像采集姿态和所述相机控制参数,确定局部图像边界;配置所述图像采集基准姿态,结合所述图像采集姿态进行频繁性分析,确定局部图像几何误差;配置所述环境基准光照条件,结合所述环境光照条件进行频繁性分析,确定局部图像亮度误差;根据所述局部图像几何误差和所述局部图像亮度误差对所述局部遥感图像进行校正,生成局部预处理遥感图像;根据所述局部图像边界,对所述局部预处理遥感图像进行拼接融合,生成所述全局遥感图像。
在一个优选实施例中,还包括:
以所述图像采集姿态为约束,采集第一遥感图像集;以所述图像采集基准姿态为约束,采集第二遥感图像集,其中,所述第一遥感图像集和所述第二遥感图像集一一对应,且任意对应的第一遥感图像和第二遥感图像源自相同区域,基于相同相机控制参数拍摄;遍历所述第一遥感图像集与所述第二遥感图像集进行几何偏差比对,生成几何偏差特征集;对所述几何偏差特征集集中趋势分析,生成所述局部图像几何误差。
根据所述图像采集姿态、所述相机控制参数与所述环境光照条件,对所述局部遥感图像进行融合,生成全局遥感图像,就是说,所述局部遥感图像只是区域内一小部分的遥感图像,需要将所有的局部遥感图像进行拼接,得到完整区域的图像作为全局遥感图像,其中,所述全局遥感图像具有图像采集基准姿态和环境基准光照条件,其中,图像采集基准姿态和环境基准光照条件由本领域专业技术人员结合实际需求设置,就是对全局遥感图像的采集角度和亮度的约束条件,后续可通过进行图像补偿校正,使得最终得到的全局遥感图像满足图像采集基准姿态和环境基准光照条件,具体实现方法如下详述。
首先,根据所述图像采集姿态和所述相机控制参数,确定局部图像边界;图像采集姿态包括飞行高度、俯仰角、横滚角和偏航角等参数,相机控制参数包括焦距等相机参数,那么,基于相机控制参数可以确定相机聚焦大小及聚焦位置,聚焦大小可以描述相机镜头聚焦时清晰成像的区域大小,基于所述图像采集姿态可以确定图像拍摄区域,可以基于待进行地形勘测的整个区域设置一个基准坐标系,以聚焦位置为中心,对图像拍摄区域按照聚焦大小进行提取,得到提取区域,然后在基准坐标系建立提取区域的坐标,作为所述局部遥感图像在全局内的覆盖坐标,基于覆盖坐标提取最外围的一圈坐标作为局部图像边界,全局即需要进行地形勘测的整个区域。
进一步配置所述图像采集基准姿态,结合所述图像采集姿态进行频繁性分析,确定局部图像几何误差,就是图像采集过程中可能发生几何畸变,需要进行畸变误差分析,具体如下:
以所述图像采集姿态为约束,采集第一遥感图像集,就是将无人机搭载的相机的采集姿态调整为所述图像采集姿态,对任一区域进行图像采集,得到第一遥感图像集。然后以所述图像采集基准姿态为约束,采集第二遥感图像集,就是将无人机搭载的相机的采集姿态调整为所述图像采集基准姿态,对第一遥感图像集对应的区域进行图像采集,得到第二遥感图像集。需要说明的是,所述第一遥感图像集和所述第二遥感图像集中的图像一一对应,且任意对应的第一遥感图像和第二遥感图像源自相同区域,基于相同相机控制参数拍摄,就是对同一区域,保证相机控制参数相同的情况下,通过调整相机姿态,分别以所述图像采集姿态和所述图像采集基准姿态进行同一区域的图像拍摄。
遍历所述第一遥感图像集与所述第二遥感图像集中具有对应关系的第一遥感图像和第二遥感图像进行几何偏差比对,具体来说,可对第一遥感图像和第二遥感图像提取几何特征,例如形状、边缘、角点等特征,图像几何特征的提取为本领域技术人员常用技术手段,在此不进行展开。进而计算第一遥感图像相对于第二遥感图像存在的几何特征偏差组成几何偏差特征集。最后对所述几何偏差特征集集中趋势分析,就是对所述几何偏差特征集中的数据进行平均表现或中心趋势的分析,剔除离散值,以代表平均表现或中心趋势的数据作为所述局部图像几何误差,示例性的,可对所述几何偏差特征集中的数据按照由小到大的顺序进行排序,基于排序结果提取上四分位数和下四分位数,以上四分位数和下四分位数组成范围区间,提取几何偏差特征集中处于该范围区间的几何偏差特征并进行均值计算,以计算结果作为所述局部图像几何误差。由此实现图像几何误差的分析,为后续的图像校正提供基础,提升遥感图像的准确性,进而提升地形勘测结果的准确性。
同理,配置所述环境基准光照条件,结合所述环境光照条件进行频繁性分析,确定局部图像亮度误差,具体来说,以所述环境光照条件为约束,采集第三遥感图像集,以所述环境基准光照条件,采集第四遥感图像集,其中,所述第三遥感图像集和所述第四遥感图像集一一对应,且任意对应的第三遥感图像和第四遥感图像源自相同区域,基于相同相机控制参数和相同图像采集姿态拍摄,通俗地讲,就是对同一区域,保证相机控制参数和图像采集姿态相同的情况下,通过调整光照条件,分别以所述环境光照条件和所述环境基准光照条件进行同一区域的图像拍摄。
遍历所述第三遥感图像集与所述第四遥感图像集进行亮度偏差比对,生成几何偏差特征集,具体地,可对第三遥感图像和第四遥感图像提取亮度,其为本领域技术人员常用技术手段,在此不进行展开。进而计算第三遥感图像相对于第四遥感图像存在的亮度偏差组成亮度偏差特征集。最后对亮度偏差特征集进行集中趋势分析,就是对亮度偏差特征集中的数据进行平均表现或中心趋势的分析,剔除离散值,以代表平均表现或中心趋势的数据作为所述局部图像亮度误差,集中趋势分析方法与获取所述局部图像几何误差的分析方法相同,在此不再赘述。
进而根据所述局部图像几何误差和所述局部图像亮度误差对所述局部遥感图像进行校正,就是按照所述局部图像几何误差对局部遥感图像的几何特征,比如角点、边缘等进行误差补偿,按照所述局部图像亮度误差对局部遥感图像的亮度进行误差补偿,以误差补偿后的图像作为局部预处理遥感图像。最后根据所述局部图像边界,对所述局部预处理遥感图像进行拼接融合,具体来说,可根据所述局部图像边界进行相同边界的图像匹配,将具有相同边界的局部预处理遥感图像进行拼接,如此遍历所有的局部预处理遥感图像进行拼接,以拼接结果作为所述全局遥感图像。由此实现遥感图像的误差校正后的融合,为提升遥感图像精度,进而提升地形勘测准确性。
以所述图像采集基准姿态和所述环境基准光照条件为约束,遍历预设地貌类型,匹配地貌样本图像;
预设地貌类型泛指现有的任意一种地貌类型,比如森林、山地、丘陵、高原、河流冲积平原、冰川冲积平原、冰缘平原、溶洞、石林、峰林等多种地貌类型。进而以所述图像采集基准姿态和所述环境基准光照条件为约束,遍历预设地貌类型,匹配地貌样本图像,具体来说,可基于现有技术,将图像采集姿态调整为图像采集基准姿态,将环境亮度调整为所述环境基准光照条件,遍历预设地貌类型进行遥感图像采集,以采集结果作为地貌样本图像。预设地貌类型与地貌样本图像具备对应关系。
激活地貌识别组件的第一特征提取通道,对所述全局遥感图像进行特征提取,生成第一地貌特征;
激活所述地貌识别组件的第二特征提取通道,对所述地貌样本图像进行特征提取,生成第二地貌特征;
在一个优选实施例中,还包括:
采集遥感记录图像集,标识颜色标签信息集、纹理标签信息集与纹理布局标签信息集;分别以所述颜色标签信息集、所述纹理标签信息集和所述纹理布局标签信息集为监督,结合所述遥感记录图像集对卷积神经网络进行配置,生成特征提取通道;根据所述特征提取通道的模型参数,配置所述第一特征提取通道和所述第二特征提取通道;配置特征比对规则,构建所述特征比对通道;融合所述第一特征提取通道、所述第二特征提取通道和所述特征比对通道,生成所述地貌识别组件。
在一个优选实施例中,还包括:
构建颜色特征比对函数、纹理特征比对函数和纹理布局比对函数;根据所述颜色特征比对函数搭建颜色特征比对子通道;根据所述纹理特征比对函数搭建纹理特征比对子通道;根据所述纹理布局比对函数搭建纹理布局比对子通道;合并所述颜色特征比对子通道、所述纹理特征比对子通道和所述纹理布局比对子通道,生成所述特征比对通道。
在一个优选实施例中,还包括:
所述颜色特征比对函数为:
,
,
其中,表征样本图像对齐遥感图像后第i个对齐像素点的颜色特征距离,N表征样本图像的像素点总数,/>表征颜色距离阈值,R,G,B分别表征颜色特征的RGB值,/>表征颜色特征偏差系数,count()为计数函数;
所述纹理特征比对函数为:
,
其中,表征纹理特征偏差系数,M表征样本图像的纹理类型总数,/>表征样本图像的第j个纹理类型,/>表征遥感图像的任意纹理类型,count()为计数函数;
所述纹理布局比对函数为样本图像与遥感图像的纹理非交集面积与纹理总面积之比。
在一个优选实施例中,还包括:
当所述颜色特征比对子通道的第一输出值小于或等于第一输出阈值,且所述纹理特征比对子通道的第二输出值小于或等于第二输出阈值,且所述纹理布局比对子通道的第三输出值小于或等于第三输出阈值,所述特征比对通道的输出值等于1;否则,所述特征比对通道的输出值等于0。
具体而言,所述地貌识别组件包括第一特征提取通道、第二特征提取通道和特征比对通道,其中,第一特征提取通道和第二特征提取通道均为现有的卷积神经网络模型,具体构建方法如下详述。第一特征提取通道用于对所述全局遥感图像进行颜色、纹理和纹理布局的特征提取,生成第一地貌特征;第二特征提取通道用于对所述地貌样本图像进行颜色、纹理和纹理布局的特征提取,生成第二地貌特征。
具体地,生成所述地貌识别组件的方法如下:
采集遥感记录图像集,遥感记录图像集可以是由历史时间内采集获得的历史遥感图像组成,也可现场进行采集,对此不做限制,基于现有技术对遥感记录图像集进行颜色特征、纹理特征、纹理布局特征的提取并标识,生成标识颜色标签信息集、纹理标签信息集与纹理布局标签信息集,颜色特征、纹理特征、纹理布局特征的提取为本领域技术人员常用技术手段,在此不进行展开。
分别以所述颜色标签信息集、所述纹理标签信息集和所述纹理布局标签信息集为监督,结合所述遥感记录图像集对卷积神经网络进行配置,生成特征提取通道,通俗地讲,特征提取通道的输出结果包括颜色、纹理和纹理布局特征,输入是遥感图像,就将所述遥感记录图像集中的任一图像输入特征提取通道,以所述颜色标签信息集、所述纹理标签信息集和所述纹理布局标签信息集中与输入图像对应的颜色标签信息、纹理标签信息和纹理布局标签信息进行输出监督调整,通过不断调整特征提取通道的模型参数,使得输出结果与颜色标签信息、纹理标签信息和纹理布局标签信息相一致,由此将特征提取通道训练至收敛,获取收敛时的模型参数作为所述特征提取通道的模型参数,模型参数是指卷积神经网络中用于控制特征提取过程的参数,包括卷积核大小、步长、批量大小等参数。
根据所述特征提取通道的模型参数,以相同的模型参数对卷积神经网络进行配置,得到两个配置完成的卷积神经网络模型作为所述第一特征提取通道和所述第二特征提取通道,后续以第一特征提取通道对所述全局遥感图像进行特征提取,生成第一地貌特征,第一地貌特征包含全局遥感图像的颜色、纹理和纹理布局特征;以第二特征提取通道,对所述地貌样本图像进行特征提取,生成第二地貌特征,第二地貌特征包含地貌样本图像的颜色、纹理和纹理布局特征。由此实现特征提取通道的配置,为后续的特征比对提供基础。
进一步的,配置特征比对规则,构建所述特征比对通道,具体方法如下:
构建颜色特征比对函数、纹理特征比对函数和纹理布局比对函数,其中,所述颜色特征比对函数为:
,
,
其中,表征样本图像对齐遥感图像后第i个对齐像素点的颜色特征距离,就是说,后续需要对全局遥感图像和地貌样本图像的地貌特征进行比对,全局遥感图像和地貌样本图像中均包含多个像素点,需要对全局遥感图像和地貌样本图像中对齐后的像素点进行颜色特征差异比对,颜色特征一般通过RGB值,分别计算全局遥感图像和地貌样本图像中对齐后的像素点的RGB值的偏差值,通过上述公式计算获得对齐后的所有像素点的颜色特征距离。N表征样本图像的像素点总数,i为大于0小于N的整数。/>表征颜色距离阈值,就是可以认为颜色相似的颜色特征差异值,由本领域专业技术人员结合实际经验设定,R,G,B分别表征颜色特征的RGB值,/>表征颜色特征偏差系数,count()为计数函数,就是统计颜色特征距离大于颜色距离阈值的像素点个数,然后计算其与样本图像的像素点总数的比值,可以得到相似的像素点占样本图像的像素点总数的比例作为颜色特征偏差系数,颜色特征偏差系数说明颜色越相似。
所述纹理特征比对函数为:
,
其中,表征纹理特征偏差系数,M表征样本图像的纹理类型总数,/>表征样本图像的第j个纹理类型,/>表征遥感图像的任意纹理类型,count()为计数函数,就是统计样本图像的纹理类型不属于遥感图像的纹理类型的数量占样本图像的纹理类型总数的比值作为纹理特征偏差系数,纹理特征偏差系数越小,说明样本图像的纹理类型和遥感图像的任意纹理类型的差异越小,纹理相似度越高。
所述纹理布局比对函数为样本图像与遥感图像的纹理非交集面积与纹理总面积之比,就是统计样本图像与遥感图像分别对应的纹理所在区域的非重合区域面积作为纹理非交集面积,以纹理非交集面积与纹理总面积之比作为纹理分布特征偏差系数,纹理非交集面积与纹理总面积之比越小,纹理分布特征偏差系数越小,则纹理分布相似度越高。
最后,根据所述颜色特征比对函数搭建颜色特征比对子通道,即将所述颜色特征比对函数嵌入颜色特征比对子通道,用于对所述第一地貌特征和所述第二地貌特征进行颜色特征偏差比对。将所述纹理特征比对函数嵌入纹理特征比对子通道,用于对所述第一地貌特征和所述第二地貌特征进行纹理特征偏差比对,将所述纹理布局比对函数嵌入纹理布局比对子通道,用于对所述第一地貌特征和所述第二地貌特征进行纹理分布特征偏差比对。最后合并所述颜色特征比对子通道、所述纹理特征比对子通道和所述纹理布局比对子通道,生成所述特征比对通道。由此实现特征比对通道的构建,便于进行相似性比对,为地形勘测提供模型支持。
具体地,所述特征比对通道包含所述颜色特征比对子通道、所述纹理特征比对子通道和所述纹理布局比对子通道,且所述颜色特征比对子通道、所述纹理特征比对子通道和所述纹理布局比对子通道在对样本图像与遥感图像进行比对后,会输出颜色特征偏差系数、纹理特征偏差系数以及纹理分布特征偏差系数,将所述颜色特征比对子通道的输出的颜色特征偏差系数记为第一输出值,将所述纹理特征比对子通道输出的纹理特征偏差系数记为第二输出值,将所述纹理布局比对子通道输出的纹理分布特征偏差系数记为第三输出值。进一步设置第一输出阈值、第二输出阈值和第三输出阈值,第一输出阈值、第二输出阈值和第三输出阈值分别为判断样本图像与遥感图像一致时允许存在的最大颜色特征偏差系数、最大纹理特征偏差系数以及最大纹理分布特征偏差系数,由本领域专业技术人员结合实际经验设置。
当所述颜色特征比对子通道的第一输出值小于或等于第一输出阈值,且所述纹理特征比对子通道的第二输出值小于或等于第二输出阈值,且所述纹理布局比对子通道的第三输出值小于或等于第三输出阈值,此时认为样本图像与遥感图像在颜色、纹理和纹理分布三个特征维度下的相似度都较高,所述特征比对通道的输出值等于1;否则,认为样本图像与遥感图像在颜色、纹理和纹理分布三个特征维度下的相似度较低,所述特征比对通道的输出值等于0,可以理解的,所述特征比对通道的输出值即为样本图像与遥感图像的地貌相似系数,由此为地貌相似系数的获取提供模型支持。
最后,将所述第一特征提取通道、所述第二特征提取通道和所述特征比对通道集成,生成所述地貌识别组件。
激活所述地貌识别组件的特征比对通道,对所述第一地貌特征和所述第二地貌特征进行比对,生成地貌相似系数;
将所述第一地貌特征和所述第二地貌特征输入所述地貌识别组件的特征比对通道,特征比对通道中的所述颜色特征比对子通道、所述纹理特征比对子通道和所述纹理布局比对子通道分别对所述第一地貌特征和所述第二地貌特征进行颜色、纹理和纹理分布特征的比对,最终获得特征比对通道的输出值作为地貌相似系数,地貌相似系数为0或者1。
当所述地貌相似系数大于或等于地貌相似系数阈值,将所述预设地貌类型添加进所述全局遥感图像的地形勘测结果。
基于前述步骤可知,地貌相似系数为0或者1,且地貌相似系数为1时,认为样本图像与遥感图像在颜色、纹理和纹理分布三个特征维度下的相似度都较高,因此,地貌相似系数阈值可设为1,当所述地貌相似系数大于或等于地貌相似系数阈值,将所述预设地貌类型添加进所述全局遥感图像的地形勘测结果。由此实现地貌类型识别。
基于上述分析可知,本申请提供的一个或多个技术方案,其可达到的有益效果如下:
交互无人机集群,接收局部遥感图像、图像采集姿态、相机控制参数与环境光照条件,根据图像采集姿态、相机控制参数与环境光照条件,对局部遥感图像进行融合,生成全局遥感图像,其中,全局遥感图像具有图像采集基准姿态和环境基准光照条件,以图像采集基准姿态和环境基准光照条件为约束,遍历预设地貌类型,匹配地貌样本图像,激活地貌识别组件的第一特征提取通道,对全局遥感图像进行特征提取,生成第一地貌特征,激活地貌识别组件的第二特征提取通道,对地貌样本图像进行特征提取,生成第二地貌特征,激活地貌识别组件的特征比对通道,对第一地貌特征和第二地貌特征进行比对,生成地貌相似系数,当地貌相似系数大于或等于地貌相似系数阈值,将预设地貌类型添加进全局遥感图像的地形勘测结果。由此通过采集条件差异对遥感图像进行误差校正,以校正后的图像进行地貌相似度比对后确定地貌类型,达到降低误差,提升地貌识别准确度的技术效果。
实施例二:
基于与前述实施例中基于遥感数据的地形勘测方法同样的发明构思,如图2所示,本申请还提供了基于遥感数据的地形勘测系统,所述系统包括:
数据交互模块11,所述数据交互模块11用于交互无人机集群,接收局部遥感图像、图像采集姿态、相机控制参数与环境光照条件;
图像融合模块12,所述图像融合模块12用于根据所述图像采集姿态、所述相机控制参数与所述环境光照条件,对所述局部遥感图像进行融合,生成全局遥感图像,其中,所述全局遥感图像具有图像采集基准姿态和环境基准光照条件;
地貌样本匹配模块13,所述地貌样本匹配模块13用于以所述图像采集基准姿态和所述环境基准光照条件为约束,遍历预设地貌类型,匹配地貌样本图像;
第一特征提取模块14,所述第一特征提取模块14用于激活地貌识别组件的第一特征提取通道,对所述全局遥感图像进行特征提取,生成第一地貌特征;
第二特征提取模块15,所述第二特征提取模块15用于激活所述地貌识别组件的第二特征提取通道,对所述地貌样本图像进行特征提取,生成第二地貌特征;
特征比对模块16,所述特征比对模块16用于激活所述地貌识别组件的特征比对通道,对所述第一地貌特征和所述第二地貌特征进行比对,生成地貌相似系数;
地形勘测结果获取模块17,所述地形勘测结果获取模块17用于当所述地貌相似系数大于或等于地貌相似系数阈值,将所述预设地貌类型添加进所述全局遥感图像的地形勘测结果。
进一步而言,所述图像融合模块12还包括:
根据所述图像采集姿态和所述相机控制参数,确定局部图像边界;
配置所述图像采集基准姿态,结合所述图像采集姿态进行频繁性分析,确定局部图像几何误差;
配置所述环境基准光照条件,结合所述环境光照条件进行频繁性分析,确定局部图像亮度误差;
根据所述局部图像几何误差和所述局部图像亮度误差对所述局部遥感图像进行校正,生成局部预处理遥感图像;
根据所述局部图像边界,对所述局部预处理遥感图像进行拼接融合,生成所述全局遥感图像。
进一步而言,所述图像融合模块12还包括:
以所述图像采集姿态为约束,采集第一遥感图像集;
以所述图像采集基准姿态为约束,采集第二遥感图像集,其中,所述第一遥感图像集和所述第二遥感图像集一一对应,且任意对应的第一遥感图像和第二遥感图像源自相同区域,基于相同相机控制参数拍摄;
遍历所述第一遥感图像集与所述第二遥感图像集进行几何偏差比对,生成几何偏差特征集;
对所述几何偏差特征集集中趋势分析,生成所述局部图像几何误差。
进一步而言,所述系统还包括地貌识别组件构建模块,所述地貌识别组件构建模块包括:
采集遥感记录图像集,标识颜色标签信息集、纹理标签信息集与纹理布局标签信息集;
分别以所述颜色标签信息集、所述纹理标签信息集和所述纹理布局标签信息集为监督,结合所述遥感记录图像集对卷积神经网络进行配置,生成特征提取通道;
根据所述特征提取通道的模型参数,配置所述第一特征提取通道和所述第二特征提取通道;
配置特征比对规则,构建所述特征比对通道;
融合所述第一特征提取通道、所述第二特征提取通道和所述特征比对通道,生成所述地貌识别组件。
进一步而言,所述地貌识别组件构建模块还包括:
构建颜色特征比对函数、纹理特征比对函数和纹理布局比对函数;
根据所述颜色特征比对函数搭建颜色特征比对子通道;
根据所述纹理特征比对函数搭建纹理特征比对子通道;
根据所述纹理布局比对函数搭建纹理布局比对子通道;
合并所述颜色特征比对子通道、所述纹理特征比对子通道和所述纹理布局比对子通道,生成所述特征比对通道。
进一步而言,所述地貌识别组件构建模块还包括:
所述颜色特征比对函数为:
,
,
其中,表征样本图像对齐遥感图像后第i个对齐像素点的颜色特征距离,N表征样本图像的像素点总数,/>表征颜色距离阈值,R,G,B分别表征颜色特征的RGB值,/>表征颜色特征偏差系数,count()为计数函数;
所述纹理特征比对函数为:
,
其中,表征纹理特征偏差系数,M表征样本图像的纹理类型总数,/>表征样本图像的第j个纹理类型,/>表征遥感图像的任意纹理类型,count()为计数函数;
所述纹理布局比对函数为样本图像与遥感图像的纹理非交集面积与纹理总面积之比。
进一步而言,所述地貌识别组件构建模块还包括:
当所述颜色特征比对子通道的第一输出值小于或等于第一输出阈值,且所述纹理特征比对子通道的第二输出值小于或等于第二输出阈值,且所述纹理布局比对子通道的第三输出值小于或等于第三输出阈值,所述特征比对通道的输出值等于1;
否则,所述特征比对通道的输出值等于0。
前述实施例一中的基于遥感数据的地形勘测方法具体实例同样适用于本实施例的基于遥感数据的地形勘测系统,通过前述对基于遥感数据的地形勘测方法的详细描述,本领域技术人员可以清楚地知道本实施例中基于遥感数据的地形勘测系统,所以为了说明书的简洁,在此不再详述。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (8)
1.基于遥感数据的地形勘测方法,其特征在于,包括:
交互无人机集群,接收局部遥感图像、图像采集姿态、相机控制参数与环境光照条件;
根据所述图像采集姿态、所述相机控制参数与所述环境光照条件,对所述局部遥感图像进行融合,生成全局遥感图像,其中,所述全局遥感图像具有图像采集基准姿态和环境基准光照条件;
以所述图像采集基准姿态和所述环境基准光照条件为约束,遍历预设地貌类型,匹配地貌样本图像;
激活地貌识别组件的第一特征提取通道,对所述全局遥感图像进行特征提取,生成第一地貌特征;
激活所述地貌识别组件的第二特征提取通道,对所述地貌样本图像进行特征提取,生成第二地貌特征;
激活所述地貌识别组件的特征比对通道,对所述第一地貌特征和所述第二地貌特征进行比对,生成地貌相似系数;
当所述地貌相似系数大于或等于地貌相似系数阈值,将所述预设地貌类型添加进所述全局遥感图像的地形勘测结果。
2.如权利要求1所述的方法,其特征在于,根据所述图像采集姿态、所述相机控制参数与所述环境光照条件,对所述局部遥感图像进行融合,生成全局遥感图像,其中,所述全局遥感图像具有图像采集基准姿态和环境基准光照条件,包括:
根据所述图像采集姿态和所述相机控制参数,确定局部图像边界;
配置所述图像采集基准姿态,结合所述图像采集姿态进行频繁性分析,确定局部图像几何误差;
配置所述环境基准光照条件,结合所述环境光照条件进行频繁性分析,确定局部图像亮度误差;
根据所述局部图像几何误差和所述局部图像亮度误差对所述局部遥感图像进行校正,生成局部预处理遥感图像;
根据所述局部图像边界,对所述局部预处理遥感图像进行拼接融合,生成所述全局遥感图像。
3.如权利要求2所述的方法,其特征在于,配置所述图像采集基准姿态,结合所述图像采集姿态进行频繁性分析,确定局部图像几何误差,包括:
以所述图像采集姿态为约束,采集第一遥感图像集;
以所述图像采集基准姿态为约束,采集第二遥感图像集,其中,所述第一遥感图像集和所述第二遥感图像集一一对应,且任意对应的第一遥感图像和第二遥感图像源自相同区域,基于相同相机控制参数拍摄;
遍历所述第一遥感图像集与所述第二遥感图像集进行几何偏差比对,生成几何偏差特征集;
对所述几何偏差特征集集中趋势分析,生成所述局部图像几何误差。
4.如权利要求1所述的方法,其特征在于,还包括:
采集遥感记录图像集,标识颜色标签信息集、纹理标签信息集与纹理布局标签信息集;
分别以所述颜色标签信息集、所述纹理标签信息集和所述纹理布局标签信息集为监督,结合所述遥感记录图像集对卷积神经网络进行配置,生成特征提取通道;
根据所述特征提取通道的模型参数,配置所述第一特征提取通道和所述第二特征提取通道;
配置特征比对规则,构建所述特征比对通道;
融合所述第一特征提取通道、所述第二特征提取通道和所述特征比对通道,生成所述地貌识别组件。
5.如权利要求4所述的方法,其特征在于,配置特征比对规则,构建所述特征比对通道,包括:
构建颜色特征比对函数、纹理特征比对函数和纹理布局比对函数;
根据所述颜色特征比对函数搭建颜色特征比对子通道;
根据所述纹理特征比对函数搭建纹理特征比对子通道;
根据所述纹理布局比对函数搭建纹理布局比对子通道;
合并所述颜色特征比对子通道、所述纹理特征比对子通道和所述纹理布局比对子通道,生成所述特征比对通道。
6.如权利要求5所述的方法,其特征在于,构建颜色特征比对函数、纹理特征比对函数和纹理布局比对函数,包括:
所述颜色特征比对函数为:
,
,
其中,表征样本图像对齐遥感图像后第i个对齐像素点的颜色特征距离,N表征样本图像的像素点总数,/>表征颜色距离阈值,R,G,B分别表征颜色特征的RGB值,/>表征颜色特征偏差系数,count()为计数函数;
所述纹理特征比对函数为:
,
其中,表征纹理特征偏差系数,M表征样本图像的纹理类型总数,/>表征样本图像的第j个纹理类型,/>表征遥感图像的任意纹理类型,count()为计数函数;
所述纹理布局比对函数为样本图像与遥感图像的纹理非交集面积与纹理总面积之比。
7.如权利要求5所述的方法,其特征在于,合并所述颜色特征比对子通道、所述纹理特征比对子通道和所述纹理布局比对子通道,生成所述特征比对通道,包括:
当所述颜色特征比对子通道的第一输出值小于或等于第一输出阈值,且所述纹理特征比对子通道的第二输出值小于或等于第二输出阈值,且所述纹理布局比对子通道的第三输出值小于或等于第三输出阈值,所述特征比对通道的输出值等于1;
否则,所述特征比对通道的输出值等于0。
8.基于遥感数据的地形勘测系统,其特征在于,所述系统包括:
数据交互模块,所述数据交互模块用于交互无人机集群,接收局部遥感图像、图像采集姿态、相机控制参数与环境光照条件;
图像融合模块,所述图像融合模块用于根据所述图像采集姿态、所述相机控制参数与所述环境光照条件,对所述局部遥感图像进行融合,生成全局遥感图像,其中,所述全局遥感图像具有图像采集基准姿态和环境基准光照条件;
地貌样本匹配模块,所述地貌样本匹配模块用于以所述图像采集基准姿态和所述环境基准光照条件为约束,遍历预设地貌类型,匹配地貌样本图像;
第一特征提取模块,所述第一特征提取模块用于激活地貌识别组件的第一特征提取通道,对所述全局遥感图像进行特征提取,生成第一地貌特征;
第二特征提取模块,所述第二特征提取模块用于激活所述地貌识别组件的第二特征提取通道,对所述地貌样本图像进行特征提取,生成第二地貌特征;
特征比对模块,所述特征比对模块用于激活所述地貌识别组件的特征比对通道,对所述第一地貌特征和所述第二地貌特征进行比对,生成地貌相似系数;
地形勘测结果获取模块,所述地形勘测结果获取模块用于当所述地貌相似系数大于或等于地貌相似系数阈值,将所述预设地貌类型添加进所述全局遥感图像的地形勘测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410196520.8A CN117765420B (zh) | 2024-02-22 | 2024-02-22 | 基于遥感数据的地形勘测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410196520.8A CN117765420B (zh) | 2024-02-22 | 2024-02-22 | 基于遥感数据的地形勘测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117765420A true CN117765420A (zh) | 2024-03-26 |
CN117765420B CN117765420B (zh) | 2024-05-07 |
Family
ID=90314851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410196520.8A Active CN117765420B (zh) | 2024-02-22 | 2024-02-22 | 基于遥感数据的地形勘测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117765420B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1690844A (zh) * | 2004-04-28 | 2005-11-02 | 中国有色金属工业总公司北京矿产地质研究所 | 正地貌遥感影像图制作方法 |
CN107292339A (zh) * | 2017-06-16 | 2017-10-24 | 重庆大学 | 基于特征融合的无人机低空遥感影像高分地貌分类方法 |
US20180259652A1 (en) * | 2017-03-09 | 2018-09-13 | Aerosense Inc. | Information processing system, information processing device, and information processing method |
CN110132238A (zh) * | 2019-05-09 | 2019-08-16 | 苏州嘉奕晟中小企业科技咨询有限公司 | 用于地形影像数字高程模型的无人机测绘方法 |
CN110910432A (zh) * | 2019-12-09 | 2020-03-24 | 珠海大横琴科技发展有限公司 | 一种遥感图像匹配方法、装置、电子设备及可读存储介质 |
US20200393593A1 (en) * | 2019-06-17 | 2020-12-17 | China University Of Geosciences, Beijing | Integrated system for geological and geophysical survey based on unmanned aerial vehicle |
WO2022104848A1 (zh) * | 2020-11-19 | 2022-05-27 | 苏州极目机器人科技有限公司 | 快速测绘方法和装置 |
CN115170983A (zh) * | 2022-07-19 | 2022-10-11 | 山东省地质矿产勘查开发局第八地质大队(山东省第八地质矿产勘查院) | 一种基于遥感技术地质地貌分析与勘探方法及系统 |
CN115497010A (zh) * | 2022-09-30 | 2022-12-20 | 北京恒歌科技有限公司 | 一种基于深度学习的地理信息的识别方法及系统 |
CN115905442A (zh) * | 2022-11-29 | 2023-04-04 | 亿航智能设备(广州)有限公司 | 基于认知图谱的无人驾驶航空器地貌勘测方法、系统和介质 |
CN116052020A (zh) * | 2022-09-07 | 2023-05-02 | 中国农业科学院农田灌溉研究所 | 基于无人机的图像快速解译方法 |
US20230222733A1 (en) * | 2021-06-22 | 2023-07-13 | Beijing Baidu Netcom Science Technology Co., Ltd. | Landform map building method and apparatus, electronic device and readable storage medium |
-
2024
- 2024-02-22 CN CN202410196520.8A patent/CN117765420B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1690844A (zh) * | 2004-04-28 | 2005-11-02 | 中国有色金属工业总公司北京矿产地质研究所 | 正地貌遥感影像图制作方法 |
US20180259652A1 (en) * | 2017-03-09 | 2018-09-13 | Aerosense Inc. | Information processing system, information processing device, and information processing method |
CN107292339A (zh) * | 2017-06-16 | 2017-10-24 | 重庆大学 | 基于特征融合的无人机低空遥感影像高分地貌分类方法 |
CN110132238A (zh) * | 2019-05-09 | 2019-08-16 | 苏州嘉奕晟中小企业科技咨询有限公司 | 用于地形影像数字高程模型的无人机测绘方法 |
US20200393593A1 (en) * | 2019-06-17 | 2020-12-17 | China University Of Geosciences, Beijing | Integrated system for geological and geophysical survey based on unmanned aerial vehicle |
CN110910432A (zh) * | 2019-12-09 | 2020-03-24 | 珠海大横琴科技发展有限公司 | 一种遥感图像匹配方法、装置、电子设备及可读存储介质 |
WO2022104848A1 (zh) * | 2020-11-19 | 2022-05-27 | 苏州极目机器人科技有限公司 | 快速测绘方法和装置 |
US20230222733A1 (en) * | 2021-06-22 | 2023-07-13 | Beijing Baidu Netcom Science Technology Co., Ltd. | Landform map building method and apparatus, electronic device and readable storage medium |
CN115170983A (zh) * | 2022-07-19 | 2022-10-11 | 山东省地质矿产勘查开发局第八地质大队(山东省第八地质矿产勘查院) | 一种基于遥感技术地质地貌分析与勘探方法及系统 |
CN116052020A (zh) * | 2022-09-07 | 2023-05-02 | 中国农业科学院农田灌溉研究所 | 基于无人机的图像快速解译方法 |
CN115497010A (zh) * | 2022-09-30 | 2022-12-20 | 北京恒歌科技有限公司 | 一种基于深度学习的地理信息的识别方法及系统 |
CN115905442A (zh) * | 2022-11-29 | 2023-04-04 | 亿航智能设备(广州)有限公司 | 基于认知图谱的无人驾驶航空器地貌勘测方法、系统和介质 |
Non-Patent Citations (1)
Title |
---|
张子栋;张杰敏;茅剑;: "地貌信息可视化遥感图像准确性提取仿真", 计算机仿真, no. 03, 15 March 2018 (2018-03-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117765420B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
KR101105795B1 (ko) | 항공 화상의 자동 처리 | |
CN107830846B (zh) | 一种利用无人机和卷积神经网络测量通信塔天线角度方法 | |
CN115439424B (zh) | 一种无人机航拍视频图像智能检测方法 | |
KR101347260B1 (ko) | 촬영이미지별 수치데이터 합성을 처리하는 영상도화이미지 제작시스템 | |
CN111213155A (zh) | 图像处理方法、设备、可移动平台、无人机及存储介质 | |
CN103679674A (zh) | 一种无人飞行器实时图像拼接方法及系统 | |
CN110866079A (zh) | 一种智慧景区实景语义地图的生成与辅助定位方法 | |
US11238647B2 (en) | Apparatus for building map using machine learning and image processing | |
CN105844587A (zh) | 一种低空无人机载高光谱遥感影像自动拼接方法 | |
CN113340277B (zh) | 一种基于无人机倾斜摄影的高精度定位方法 | |
Castillo-Carrión et al. | SIFT optimization and automation for matching images from multiple temporal sources | |
CN113971768A (zh) | 一种基于无人机的输电线路违章建筑三维动态检测方法 | |
CN104966281A (zh) | 多视影像的imu/gnss引导匹配方法 | |
CN105550994A (zh) | 一种基于卫星影像的无人机影像快速概略拼接方法 | |
CN113066112B (zh) | 一种基于三维模型数据的室内外融合方法及装置 | |
CN117036300A (zh) | 基于点云-rgb异源图像多级配准映射的路面裂缝识别方法 | |
CN116228539A (zh) | 一种无人机遥感图像拼接的方法 | |
CN114972645A (zh) | 一种三维重建方法、装置、计算机设备及存储介质 | |
CN110826364A (zh) | 一种库位识别方法及装置 | |
CN106780323B (zh) | 一种基于智能手机的农情采集与实时更新方法及系统 | |
CN117765420B (zh) | 基于遥感数据的地形勘测方法及系统 | |
CN116091706B (zh) | 多模态遥感影像深度学习匹配的三维重建方法 | |
CN112037192A (zh) | 一种城镇燃气公用管道安装过程埋深信息采集方法 | |
CN114611635B (zh) | 一种对象的识别方法、装置、存储介质及电子装置 |
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 |