-
公开(公告)号：CN111461032B
公开(公告)日：2022-09-09
申请号：CN202010261275.6
申请日：2020-04-03
Applicant: 西南交通大学
Abstract: 本发明属于遥感影像处理中的影像匹配技术领域，具体涉及局部结构与拓扑几何约束的倾斜影像直线特征匹配方法。其技术方案为：局部结构与拓扑几何约束的倾斜影像直线特征匹配方法，包括如下步骤：a)直线特征提取与合并；b)直线特征编组；c)局部结构约束的直线特征组初匹配；d)局部结构与拓扑几何联合约束的直线特征组扩展匹配；e)单直线特征扩展匹配；f)直线特征匹配结果重定位，得到最终的直线特征匹配结果。本发明提供了一种局部结构和拓扑几何联合约束的直线特征匹配方法，解决了倾斜影像显著视角变化导致直线特征匹配困难的问题。
-
公开(公告)号：CN109671110B
公开(公告)日：2020-08-25
申请号：CN201811643298.2
申请日：2018-12-29
Applicant: 西南交通大学
IPC: G06T7/33
Abstract: 本发明属于影像处理技术领域，一种局部几何结构约束的城区宽基线影像特征点匹配方法，包括如下步骤：S1、提取点特征和直线特征，获取特征点局部几何结构信息；S2、构建特征点支撑区域；S3、获取特征区域和特征描述符；S4、基于特征描述符相似性进行初匹配，获取初匹配集合和立体像对之间的基础矩阵；S5、对于未匹配成功且具有至少两个几何结构方向的特征点进行二次匹配；S6、对仍未成功匹配的特征点进行特征点匹配扩展；S7、合并所有匹配的匹配集合，剔除匹配集合中的错误匹配，获取最终匹配集合；本发明解决了现有技术存在的对于位于视差不连续处特征点产生错误匹配，以及难以获得可靠的初匹配集合导致最终匹配集合不可靠的问题。
-
公开(公告)号：CN111461032A
公开(公告)日：2020-07-28
申请号：CN202010261275.6
申请日：2020-04-03
Applicant: 西南交通大学
Abstract: 本发明属于遥感影像处理中的影像匹配技术领域，具体涉及局部结构与拓扑几何约束的倾斜影像直线特征匹配方法。其技术方案为：局部结构与拓扑几何约束的倾斜影像直线特征匹配方法，包括如下步骤：a)直线特征提取与合并；b)直线特征编组；c)局部结构约束的直线特征组初匹配；d)局部结构与拓扑几何联合约束的直线特征组扩展匹配；e)单直线特征扩展匹配；f)直线特征匹配结果重定位，得到最终的直线特征匹配结果。本发明提供了一种局部结构和拓扑几何联合约束的直线特征匹配方法，解决了倾斜影像显著视角变化导致直线特征匹配困难的问题。
-
公开(公告)号：CN111414968A
公开(公告)日：2020-07-14
申请号：CN202010224267.4
申请日：2020-03-26
Applicant: 西南交通大学
Abstract: 本发明涉及一种基于卷积神经网络特征图的多模态遥感影像匹配方法，包括如下步骤：1)构建面向影像非线性灰度变化的相似性度量神经网络FSNet；2)构建训练样本集训练FSNet，并由FSNet的卷积模块构成特征提取网络CSNet；3)对待匹配的多模态遥感影像中的参考影像 和搜索影像 进行降采样，利用CSNet提取降采样后影像的深度特征图；4)基于深度特征图估计 和之间的单应性变换模型H，利用H对 进行几何纠正，得到纠正后搜索影像 5)利用FSNet对 和 进行特征匹配；6)利用逆变换H-1将 上的匹配点坐标反算回 得到最终匹配结果。本发明提供了一种对多模态遥感影像非线性灰度变化和几何变形鲁棒且无需任何先验信息的基于卷积神经网络特征图的多模态遥感影像匹配方法。
-
公开(公告)号：CN108021886A
公开(公告)日：2018-05-11
申请号：CN201711263004.9
申请日：2017-12-04
Applicant: 西南交通大学
Abstract: 本发明提供了一种无人机重复纹理影像局部显著特征点匹配方法，包括：分别提取参考影像局部显著特征点和待匹配影像局部显著特征点；在参考影像和待匹配影像上基于局部显著特征点的特征响应强度值选择种子点并匹配；利用同名种子点计算参考影像与待匹配影像之间的几何变换模型，基于该几何变换模型计算参考影像上每个局部显著特征点在待匹配影像上的同名特征搜索区域；在待匹配影像搜索区域内利用NNDR方法寻找每个参考影像局部显著特征点的同名点。该方法提出了适用于无人机重复纹理影像匹配的局部显著特征点检测算子，通过该特征点检测算子获取的特征点同时具有较强的定位能力和可区分性，在匹配过程中能够被正确匹配出来，保证较高匹配正确率。
-
Patent Agency Ranking
公开(公告)号：CN117011350A
公开(公告)日：2023-11-07
申请号：CN202310995265.9
申请日：2023-08-08
Applicant: 中国国家铁路集团有限公司 , 中铁第一勘察设计院集团有限公司 , 西南交通大学
IPC: G06T7/33 , G06V10/762 , G06N3/0464 , G06N3/08
Abstract: 本发明属于摄影测量与计算机视觉技术领域，其目的在于提供一种倾斜航空影像与机载LiDAR点云特征匹配方法。本发明可解决航空倾斜影像与机载LiDAR点云特征匹配问题，避免了因将机载LiDAR点云或者航空倾斜影像进行维度变化，而造成匹配精度损失，特征匹配结果的可靠性得以提升，适用于具有大量数据的复杂场景和精度要求较高的应用场景。
-
公开(公告)号：CN108021886B
公开(公告)日：2021-09-14
申请号：CN201711263004.9
申请日：2017-12-04
Applicant: 西南交通大学
Abstract: 本发明提供了一种无人机重复纹理影像局部显著特征点匹配方法，包括：分别提取参考影像局部显著特征点和待匹配影像局部显著特征点；在参考影像和待匹配影像上基于局部显著特征点的特征响应强度值选择种子点并匹配；利用同名种子点计算参考影像与待匹配影像之间的几何变换模型，基于该几何变换模型计算参考影像上每个局部显著特征点在待匹配影像上的同名特征搜索区域；在待匹配影像搜索区域内利用NNDR方法寻找每个参考影像局部显著特征点的同名点。该方法提出了适用于无人机重复纹理影像匹配的局部显著特征点检测算子，通过该特征点检测算子获取的特征点同时具有较强的定位能力和可区分性，在匹配过程中能够被正确匹配出来，保证较高匹配正确率。
-
公开(公告)号：CN118247669A
公开(公告)日：2024-06-25
申请号：CN202410669282.8
申请日：2024-05-28
Applicant: 自然资源部第六地形测量队(自然资源部地下管线勘测工程院、四川省第三测绘工程院) , 西南交通大学
IPC: G06V20/10 , G06V10/762 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种违章建筑的检测方法、装置、电子设备及存储介质，本发明在进行建筑物三维变化检测时，通过构建八叉树并进行逐层体素对比的方式，来获取建筑的初始点云变化，基于此，能够完整高效地获取两期点云的变化点云；而后，本发明再基于变化点云生成对应的投影图像，并利用神经网络进行图像建筑物判别，以基于此来剔除非建筑物的变化，如此，能够避免非建筑物变化对检测结果的干扰，从而降低建筑物三维变化检测结果的虚警率；由此，本发明能够提高违章建筑识别的准确率，非常适用于在建筑物三维变化领域的大规模应用与推广。
-
公开(公告)号：CN116246038B
公开(公告)日：2023-08-01
申请号：CN202310526283.2
申请日：2023-05-11
Applicant: 西南交通大学 , 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心)
Abstract: 本发明属于三维重建技术领域，其目的在于提供一种多视影像三维线段重建方法、系统、电子设备及介质。本发明能够高效地重建高场景覆盖度的三维线段，不仅可以用于构建准确的线框模型，还能用于构建约束来优化基于点云的三维网格模型。具体地，在进行二维线段匹配时，本发明通过利用先验信息来减小二维线段匹配的搜索范围，将候选线段匹配的搜索范围大大缩小，有助于提高二维线段匹配的效率、精度和召回率，从而提高三维线段的重建效率和空间覆盖率；然后为每个二维线段确定唯一的三维估计结果；最后生成三维线段。本发明避免了多视影像中一些不可靠、不准确的冗余候选匹配对重建三维线段精度的影响，同时保证了三维线段重建的可靠性。
-
公开(公告)号：CN114743008A
公开(公告)日：2022-07-12
申请号：CN202210645250.5
申请日：2022-06-09
Applicant: 西南交通大学
Abstract: 本发明涉及点云数据处理技术领域，公开了一种单株植被点云数据分割方法、装置及计算机设备，其方法是先通过植被点识别处理、插值处理和数学形态学确定出用于作为局部极值点的植被顶冠点，然后通过俯视点云与侧视点云的结合使用张量投票法提取得到树干，并将所述树干的中心点作为新极值点对所述局部极值点做校正处理，得到已校正的植被顶冠点，再然后根据基于数据实际情况而预先确定的增长限制条件，对所述已校正的植被顶冠点进行树冠增长处理，得到用于构建树冠边界的增长点，最后基于边缘检测而得的单株树冠轮廓，通过坐标仿射变换和点云数据提取，最终分割得到单株植被点云数据，如此可确保分割结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.033 seconds)
