-
公开(公告)号：CN119206475A
公开(公告)日：2024-12-27
申请号：CN202411137449.2
申请日：2024-08-19
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 国地时空信息科技(北京)有限公司
Abstract: 本申请公开了一种基于面线融合的耕地地块提取方法、系统及介质，其中方法包括：根据预设的SAM模型，对初始地块数据进行区域面的分类和地块提取，得到地块‑面数据；根据预设的线模型，对初始地块数据进行田垄线的提取和边界连接，得到地块‑线数据；对地块‑面数据和地块‑线数据进行面线融合处理，得到耕地地块提取结果。本申请针对不同地域的地块，使用SAM模型进行不同特征地块的区域面提取，使用线模型进行耕地边界线的提取，再进行面线融合得到精确度更高的耕地地块区域，为耕地保护提供准确的数据支撑。
-
公开(公告)号：CN119181016B
公开(公告)日：2025-05-06
申请号：CN202411137452.4
申请日：2024-08-19
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 国地时空信息科技(北京)有限公司
IPC: G06V20/10 , G06V10/762 , G06T17/05
Abstract: 本发明公开了一种基于点云数据的陡坎线识别方法及系统，包括：获取待识别地理区域对应的若干个第一点云并对其进行排序，计算排序后的相邻点云间的高差值和每一个所述第一点云对应的地形坡度值从若干个所述第一点云中筛选出若干个陡坎点云；根据点云间的水平距离及每一个所述陡坎点云的高程值对若干个所述陡坎点云进行聚类，获得若干个陡坎点云簇；根据若干个所述陡坎点云簇拟合第一曲线，并计算所述第一曲线两侧一定范围内的高差值，以根据所述高差值调整所述第一曲线的方向，获得第二曲线；对所述第二曲线进行简化，获得所述待识别地理区域对应的陡坎线，提高陡坎线识别的效率及精准度。
-
公开(公告)号：CN119181015B
公开(公告)日：2025-04-22
申请号：CN202411137447.3
申请日：2024-08-19
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 国地时空信息科技(北京)有限公司
IPC: G06V20/10 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种基于先验与特征融合的耕地非农化识别方法和装置，涉及农业耕地识别领域，包括：对待识别的耕地图像进行分辨率泛化，得到第一泛化图像；对所述第一泛化图像进行尺度特征生成，得到第一尺度特征；对应于所述第一尺度特征，于预设先验信息中匹配得到第一空间特征与第一语义特征；以及，对所述第一尺度特征、所述第一空间特征和所述第一语义特征进行融合掩码生成，得到第一掩码特征；对所述第一掩码特征进行掩码解码，得到第一类别概率；以及，根据所述第一类别概率，得到待识别的耕地图像对应的耕地非农化类型。通过实施本申请，能够提高耕地非农化识别的泛化能力。
-
公开(公告)号：CN119181015A
公开(公告)日：2024-12-24
申请号：CN202411137447.3
申请日：2024-08-19
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 国地时空信息科技(北京)有限公司
IPC: G06V20/10 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种基于先验与特征融合的耕地非农化识别方法和装置，涉及农业耕地识别领域，包括：对待识别的耕地图像进行分辨率泛化，得到第一泛化图像；对所述第一泛化图像进行尺度特征生成，得到第一尺度特征；对应于所述第一尺度特征，于预设先验信息中匹配得到第一空间特征与第一语义特征；以及，对所述第一尺度特征、所述第一空间特征和所述第一语义特征进行融合掩码生成，得到第一掩码特征；对所述第一掩码特征进行掩码解码，得到第一类别概率；以及，根据所述第一类别概率，得到待识别的耕地图像对应的耕地非农化类型。通过实施本申请，能够提高耕地非农化识别的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN119181016A
公开(公告)日：2024-12-24
申请号：CN202411137452.4
申请日：2024-08-19
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 国地时空信息科技(北京)有限公司
IPC: G06V20/10 , G06V10/762 , G06T17/05
Abstract: 本发明公开了一种基于点云数据的陡坎线识别方法及系统，包括：获取待识别地理区域对应的若干个第一点云并对其进行排序，计算排序后的相邻点云间的高差值和每一个所述第一点云对应的地形坡度值从若干个所述第一点云中筛选出若干个陡坎点云；根据点云间的水平距离及每一个所述陡坎点云的高程值对若干个所述陡坎点云进行聚类，获得若干个陡坎点云簇；根据若干个所述陡坎点云簇拟合第一曲线，并计算所述第一曲线两侧一定范围内的高差值，以根据所述高差值调整所述第一曲线的方向，获得第二曲线；对所述第二曲线进行简化，获得所述待识别地理区域对应的陡坎线，提高陡坎线识别的效率及精准度。
-
公开(公告)号：CN111814555B
公开(公告)日：2021-08-27
申请号：CN202010518314.6
申请日：2020-06-09
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司
Abstract: 本发明公开了一种基于多源数据的土地功能智能识别方法、系统及设备，方法包括：获取初始数据并构建区域分析单元；从街景图像中提取场景点，并将场景点映射至区域分析单元；利用第一卷积神经网络模型对场景点的街景图像进行特征提取得到第一特征向量；利用第二卷积神经网络模型对场景点的遥感影像进行特征提取得到第二特征向量；通过对不同类别的信息点分别进行核密度估计得到核密度空间分布特征；对场景点内的信息点数据进行特征提取，得到第三特征向量；训练并利用向量机分类器识别区域分析单元的土地功能类型。本发明通过处理并融合多种数据实现对分类器的训练，利用分类器自动识别土地功能，有效提高了土地功能信息的准确度。
-
公开(公告)号：CN111814555A
公开(公告)日：2020-10-23
申请号：CN202010518314.6
申请日：2020-06-09
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司
Abstract: 本发明公开了一种基于多源数据的土地功能智能识别方法、系统及设备，方法包括：获取初始数据并构建区域分析单元；从街景图像中提取场景点，并将场景点映射至区域分析单元；利用第一卷积神经网络模型对场景点的街景图像进行特征提取得到第一特征向量；利用第二卷积神经网络模型对场景点的遥感影像进行特征提取得到第二特征向量；通过对不同类别的信息点分别进行核密度估计得到核密度空间分布特征；对场景点内的信息点数据进行特征提取，得到第三特征向量；训练并利用向量机分类器识别区域分析单元的土地功能类型。本发明通过处理并融合多种数据实现对分类器的训练，利用分类器自动识别土地功能，有效提高了土地功能信息的准确度。
-
公开(公告)号：CN116051519A
公开(公告)日：2023-05-02
申请号：CN202310077457.1
申请日：2023-02-02
Applicant: 广东国地规划科技股份有限公司 , 国地时空信息科技(北京)有限公司
IPC: G06T7/00 , G06T3/40 , G06V10/40 , G06V10/80 , G06V10/77 , G06V10/762 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种双时相影像建筑物变化检测方法、装置、设备及存储介质，所述方法包括：将双时相影像输入特征提取模型并获取拼接特征；对拼接特征进行差分计算并分割为若干个不重叠特征块；计算每一不重叠特征块与平均特征的差分特征；对差分特征数据进行pca计算并获取协方差矩阵的特征向量和特征值；将协方差矩阵的特征向量按照特征值的大小进行降序排列，并将不重叠特征块投影至特征向量上获取目标向量；对目标向量的特征向量空间进行聚类，最后根据聚类结果进行双时相影像建筑物变化检测。本发明通过将有监督方法转换为无监督方法，并且采用了特征提取预训练模型，无需人工对图像进行大量批注，从而大大提高了建筑物变化检测的效率。
-
公开(公告)号：CN116051519B
公开(公告)日：2023-08-22
申请号：CN202310077457.1
申请日：2023-02-02
Applicant: 广东国地规划科技股份有限公司 , 国地时空信息科技(北京)有限公司
IPC: G06T7/00 , G06T3/40 , G06V10/40 , G06V10/80 , G06V10/77 , G06V10/762 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种双时相影像建筑物变化检测方法、装置、设备及存储介质，所述方法包括：将双时相影像输入特征提取模型并获取拼接特征；对拼接特征进行差分计算并分割为若干个不重叠特征块；计算每一不重叠特征块与平均特征的差分特征；对差分特征数据进行pca计算并获取协方差矩阵的特征向量和特征值；将协方差矩阵的特征向量按照特征值的大小进行降序排列，并将不重叠特征块投影至特征向量上获取目标向量；对目标向量的特征向量空间进行聚类，最后根据聚类结果进行双时相影像建筑物变化检测。本发明通过将有监督方法转换为无监督方法，并且采用了特征提取预训练模型，无需人工对图像进行大量批注，从而大大提高了建筑物变化检测的效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.073 seconds)
