-
公开(公告)号：CN116336977A
公开(公告)日：2023-06-27
申请号：CN202310191659.9
申请日：2023-03-02
Applicant: 中铁第四勘察设计院集团有限公司 , 桂林理工大学
Inventor： 马俊 , 郑洪 , 彭利辉 , 曹成度 , 周吕 , 姚洪锡 , 钟晶 , 储诚诚 , 高华 , 胡晓斌 , 费亮 , 胡玉雷 , 郑跃 , 袁辉 , 柏华军 , 夏旺 , 蒋道君 , 殷鹏程
Abstract: 本发明属于桥梁监测技术领域，公开了一种基于空间的桥梁变形监测方法、装置、设备及存储介质。该方法包括：获取待监测桥梁的桥梁监测数据；根据所述桥梁监测数据确定监测点坐标；根据所述监测点坐标得到目标部位定位信息；根据所述桥梁监测数据确定长期变形时间序列和短期变形时间序列；根据所述长期变形时间序列和所述短期变形时间序列确定变形时间序列信息；根据所述桥梁监测数据确定线性变形信息和非线性变形信息；根据所述线性变形信息和所述非线性变形信息确定地理形变图信息；根据所述目标部位定位信息、所述变形时间序列信息和所述地理形变图信息确定所述待监测桥梁的变形沉降监测信息。通过上述方式，实现了提高桥梁变形沉降监测的空间分辨率。
-
公开(公告)号：CN119716933A
公开(公告)日：2025-03-28
申请号：CN202411922976.4
申请日：2024-12-25
Applicant: 中铁第四勘察设计院集团有限公司
IPC: G01S19/37
Abstract: 本发明提供一种基于实时精密单点定位的GNSS虚拟观测值生成方法及系统，属于GNSS定位技术领域，所述方法包括：获取星历钟差数据和参考站实时接收的观测数据，填充UCUD PPP观测方程，解算出每个参数站的待估参数非差的浮点解；通过UPD估计，使非差的浮点解模糊度参数恢复整周特性，获取固定解STEC和固定解ZTD；在局部将STEC拟合为关于位置的函数，建立区域非差电离层模型；以及，在局部将ZTD拟合为关于位置的函数，建立区域非差对流层模型；基于非差电离层模型和区域非差对流层模型，生成主参考站和虚拟参考站间的双差大气延迟，以获取虚拟观测值。本发明有效提高GNSS信号大气延迟的可靠性，从而提高虚拟观测值质量。
-
公开(公告)号：CN116859410B
公开(公告)日：2024-04-19
申请号：CN202310679762.8
申请日：2023-06-08
Applicant: 中铁第四勘察设计院集团有限公司
Abstract: 本发明公开了一种提高既有铁路线无人机激光雷达测量精度的方法，包括：沿着既有铁路线的延伸方向在其轨道两侧交替布设标靶控制点装置，并获取实测坐标；利用无人机执行预设航线规划获取有关既有铁路线的原始数据；对原始数据进行包括航迹和点云解算的预处理，以获取第一激光点云；提取第一激光点云中每个标靶控制点的点云坐标和时刻，并将点云坐标与对应的实测坐标求差，获得对应时刻的坐标误差；基于所有标靶控制点的坐标误差及时刻，建立自适应点云误差时变模型并通过该模型对第一激光点云进行修正，以提高既有铁路线无人机激光雷达测量的精度。本发明通过自适应点云误差时变模型的修正，提高了既有铁路线无人机激光雷达测量的精度。
-
公开(公告)号：CN117710583A
公开(公告)日：2024-03-15
申请号：CN202311745421.2
申请日：2023-12-18
Applicant: 中铁第四勘察设计院集团有限公司
Abstract: 本发明提供一种基于神经辐射场的空地影像三维重建方法、系统及设备，该方法包括：获取目标场景的多视角空地影像数据和稀疏三维点云；基于所述多视角空地影像数据中的影像位置信息将所述目标场景划分为多个子区域；其中，相邻的子区域之间有部分区域重叠；基于所述稀疏三维点云，对一个子区域中所包括的多张空地影像同时进行神经辐射场模型的训练，得到一个子模型；则多个子区域对应得到多个子模型；将多个所述子模型进行渲染融合后，得到所述目标场景的三维模型。本发明改进了基于神经辐射场的三维重建和渲染技术，实现了对目标场景空地影像联合的三维重建，不仅提高了计算效率，而且保持了渲染的精度和质量。
-
公开(公告)号：CN117705108A
公开(公告)日：2024-03-15
申请号：CN202311695983.0
申请日：2023-12-12
Applicant: 中铁第四勘察设计院集团有限公司
IPC: G01C21/18 , G06F30/20 , G06F119/14
Abstract: 本发明提供一种基于最大相关熵的定位滤波方法、系统及滤波器，该方法包括：获取载体的当前状态参数，得到动力学模型的IMU状态方程和基于卡尔曼滤波的UWB观测方程；基于所述IMU状态方程和所述UWB观测方程建立IMU‑UWB混合定位模型；基于最大相关熵准则求解所述IMU‑UWB混合定位模型，得到固定点的解析表达式，输出定位结果。本发明不仅可以较好地削弱UWB观测异常影响，避免因观测异常造成的矩阵数值不稳定问题，具备较好鲁棒性；而且在定位精度和定位稳健性上均表现出最优性能。
-
Patent Agency Ranking
公开(公告)号：CN117705067A
公开(公告)日：2024-03-15
申请号：CN202311674442.X
申请日：2023-12-06
Applicant: 中铁第四勘察设计院集团有限公司
Abstract: 本发明提供一种基于多源测绘数据的通防管线勘测方法及系统，该方法包括：获取目标区域的正射影像图和激光点云数据；基于正射影像图，得到目标区域的所有通防管线及其每个通防管线的距离及长度，生成第一数据集；基于激光点云数据，得到每个通防管线节点的地标高度及每个通防管线对应的悬高数据，生成第二数据集；获取每个通防管线的种类及属性，生成第三数据集；将第一数据集、第二数据集和第三数据集输入到移动勘测系统中整合，生成目标区域的通防管线图。本发明具有勘测效率高、偶然误差小、可实时查证、且可以高精度的测量通防管线的高度、悬高等信息；此外，通过更新多源测绘数据，可实现数据的动态更新，满足勘测周期内各阶段的数据需要。
-
公开(公告)号：CN116448106A
公开(公告)日：2023-07-18
申请号：CN202310615693.4
申请日：2023-05-24
Applicant: 中铁第四勘察设计院集团有限公司
Abstract: 本发明提供一种基于UWB/SINS组合系统的狭长环境定位方法及装置，属于无线定位技术领域，所述方法包括：坐标初始化阶段和动态定位阶段两个阶段；其中，坐标初始化阶段：以测距误差最小为目标，基于超宽带UWB技术，利用粒子群算法获取UWB/SINS组合系统的静态坐标；动态定位阶段：在UWB获取的静态坐标的基础上，结合捷联惯性导航系统SINS采用鲁棒无迹卡尔曼滤波融合算法，重建UWB测距噪声矩阵，以实现UWB/SINS组合系统在狭长环境下的融合定位。本发明无论静态初始化和动态融合过程阶段均无需传统方法中的雅可比矩阵计算，避免了线性化造成的狭长环境短轴误差定位大的问题，且可一定程度上提高NLOS下UWB/SINS定位的鲁棒性。
-
公开(公告)号：CN114463579A
公开(公告)日：2022-05-10
申请号：CN202210039399.9
申请日：2022-01-13
Applicant: 中铁第四勘察设计院集团有限公司
Abstract: 本发明提供了一种点云分类方法、装置、电子设备及存储介质；方法包括：根据目标点云的点坐标以及与所述目标点云对应的影像的内外方位元素，确定所述目标点云与所述影像中像素之间的几何映射关系；根据所述几何映射关系以及所述目标点云的点云特征，生成与所述影像几何一致的点云特征影像；将所述影像和所述点云特征影像输入训练后的神经网络进行分类，得到所述影像的分类结果；根据所述影像的分类结果以及所述几何映射关系，确定所述目标点云的分类结果。
-
公开(公告)号：CN119648889A
公开(公告)日：2025-03-18
申请号：CN202411677213.8
申请日：2024-11-22
Applicant: 武汉大学 , 中铁第四勘察设计院集团有限公司
IPC: G06T15/04 , G06T17/00 , G06V10/26 , G06V10/50 , G06V10/54 , G06V10/56 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明提供基于建筑物纹理感知颜色损失函数的建筑物纹理生成方法和系统，本发明基于颜色损失函数和纹理损失函数，提供了一种基于建筑物纹理感知颜色损失函数的建筑物纹理生成方法，以解决传统三维重建中常见的纹理模糊、模型细节丢失等问题。该方法首先用语义标签对建筑物真实立面纹理影像与对应Mesh贴图纹理影像进行窗户提取，进行前景背景分离；利用真实影像与生成影像的颜色直方图与颜色梯度构建颜色损失函数；利用真实影像与生成影像的纹理直方图与纹理梯度构建颜色损失函数；利用建筑物纹理感知颜色损失函数训练pix2pix网络，用于纹理生成；利用训练好的网络生成建筑物立面纹理影像，并将窗户与背景融合得到完整的建筑物纹理影像。
-
公开(公告)号：CN114463579B
公开(公告)日：2025-02-07
申请号：CN202210039399.9
申请日：2022-01-13
Applicant: 中铁第四勘察设计院集团有限公司
Abstract: 本发明提供了一种点云分类方法、装置、电子设备及存储介质；方法包括：根据目标点云的点坐标以及与所述目标点云对应的影像的内外方位元素，确定所述目标点云与所述影像中像素之间的几何映射关系；根据所述几何映射关系以及所述目标点云的点云特征，生成与所述影像几何一致的点云特征影像；将所述影像和所述点云特征影像输入训练后的神经网络进行分类，得到所述影像的分类结果；根据所述影像的分类结果以及所述几何映射关系，确定所述目标点云的分类结果。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.06 seconds)
