CN108052887A - 一种融合slam/gnss信息的疑似违法用地自动识别***及方法 - Google Patents

一种融合slam/gnss信息的疑似违法用地自动识别***及方法 Download PDF

Info

Publication number
CN108052887A
CN108052887A CN201711282001.XA CN201711282001A CN108052887A CN 108052887 A CN108052887 A CN 108052887A CN 201711282001 A CN201711282001 A CN 201711282001A CN 108052887 A CN108052887 A CN 108052887A
Authority
CN
China
Prior art keywords
module
image data
gnss
data
doubtful
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
CN201711282001.XA
Other languages
English (en)
Inventor
张小国
郑冰清
丁丁
王慧青
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN201711282001.XA priority Critical patent/CN108052887A/zh
Publication of CN108052887A publication Critical patent/CN108052887A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种融合SLAM/GNSS信息的疑似违法用地自动识别***及方法，***包括数据采集模块、建筑物特征提取模块、组合定位模块、数据检索对比模块以及控制以上各模块的控制模块；首先数据采集模块实时采集城市道路环境及其周边建筑的影像数据，接收GNSS信号；其次建筑物特征提取模块检测并提取影像数据中疑似违章建筑物的特征项，组合定位模块对获取的影像数据和GNSS定位信息进行处理和融合，实现巡查车绝对定位，解算影像数据中疑似违章建筑物的位置信息；最后，数据检索对比模块判断违章建筑物是否符合规划数据，控制模块保存判断结果；本发明可实现大环境范围下快速、有效的违章建筑识别工作，提高违章建筑的识别率及鲁棒性。

Description

一种融合SLAM/GNSS信息的疑似违法用地自动识别***及 方法
技术领域
本发明涉及电子监控领域，尤其涉及一种融合SLAM/GNSS信息的疑似违法用地自动识别***及方法。
背景技术
随着我国城市化、工业化和信息化的进一步推进，违法占用土地、违规建筑的现象屡见不鲜，严重影响土地的有效合理利用和城市的规划、建设和发展。掌握实时准确的城镇建设用地信息，快速发现违章建筑并及时制止违法建设行为，是加强城市规划和土地资源动态管理、确保土地利用总体规划和城市总体规划顺利实施的必要前提条件。
目前城市规划有关部门主要通过人工巡查，热线举报的方式进行监管，这种监管措施监管效率低、智能化水平低。国内对土地利用管理大多停留在人工阶段,监管实时性差、人为监督效率低、人力投资性价比低；部分城市采用视频监控技术管理国有土地方案，但是视频监控只能针对特定区域或者特定建筑进行长期状态跟踪检测及预警,需要预先架设影像设备，无法适用于大范围的违法用地调查。
发明内容
发明目的：针对上述现有技术的局限性，本发明的目的是提出一种能够对城市违章建筑进行大范围内的快速、有效地识别的融合SLAM/GNSS信息的疑似违法用地自动识别***，本发明的另一目的是提出一种基于该***的疑似违法用地自动识别方法。
技术方案：一种融合SLAM/GNSS信息的疑似违法用地自动识别***，包括用于采集道路环境和周边建筑的影像数据、并接收GNSS定位信息的数据采集模块，用于提取所述影像数据中的疑似违章建筑物特征项的建筑物特征提取模块，用于处理并融合所获取的影像数据和GNSS定位信息、并提供影像数据中建筑物特征项的相对定位信息的组合定位模块，用于将疑似违章建筑物特征数据与其所在地城市规划数据进行对比的数据检索对比模块以及控制以上各模块、并用于保存判断结果的控制模块；
所述数据检索对比模块根据建筑物特征提取模块和组合定位模块提供的数据，查询疑似违章建筑物所在地块的建筑物规划数据库，提取已有的城市规划数据，并与影像数据的建筑物特征项进行对比，判断违章建筑物是否符合规划数据。
所述数据采集模块通过巡查车在巡查过程中进行城市道路环境和周边建筑的影像数据的采集，所述巡查车具有道路影像采集设备和GNSS信号接收设备；所述组合定位模块融合的影像数据由巡查车对城市道路环境和周边建筑进行采集获得，GNSS定位信息由车载GNSS信号接收设备采集。
一种利用上述***进行疑似违法用地自动识别方法，包括以下步骤：
(1)巡查车实时采集城市道路环境及其周边建筑的影像数据，接收GNSS信号；
(2)检测并提取影像数据中建筑物的特征项；
(3)对获取的影像数据和GNSS定位信息进行处理和融合，实现巡查车绝对定位，解算影像数据中疑似违章建筑物的位置信息；
(4)查询疑似违章建筑物所在地块的建筑物规划数据库，提取已有的城市规划数据,并与影像数据的建筑物特征项进行对比,判断违章建筑物是否符合规划数据，保存判断结果。
步骤(1)中，巡查车配有道路影像采集设备和GNSS信号接收设备，巡查车进行城市道路环境和周边建筑的影像数据的采集并接收GNSS信号。
优选的，在步骤(2)之前，还包括对影像数据进行预处理，所述预处理包括经中值滤波剔除影像数据中的噪点，平滑图像；所述建筑物的特征项为建筑物的基础轮廓信息。
步骤(3)中，所述组合定位模块融合影像数据和GNSS定位信息，实现实时的绝对定位，即融合SLAM/GNSS定位信息获得巡查车当前精确位置；所述组合定位模块将标记处理后的影像数据输入视觉SLAM***，进行影像中特征项的相对位置解算，获得巡查车当前精确位置；所述组合定位模块通过SLAM***提供建筑物相对于巡航车的定位信息，并计算疑似违章建筑物的所在地块信息。
所述融合方法具体为：每隔时间T检测当前接收的GNSS信号，在当前巡查车接收的GNSS信号稳定的情况下，利用GNSS定位信息直接更新当前巡查点位置,同时将即时位置信息输入视觉SLAM***中修正SLAM***的相对定位路径；若接收到的GNSS信号受城市高楼遮挡或其他情况导致精度无法达到要求时，采用视觉SLAM***实时更新巡查点位置；其中视觉SLAM***在初始位置更新后开始工作，不断解算特征项的相对位置；若接收到准确的即时位置信息则进行实时位置的自动更新。
有益效果
和现有技术相比，本发明融合了SLAM和GNSS信息，利用多模块实现了一种大范围环境下不需人工干预的违章建筑的自动快速识别***。巡查车在巡查过程实时采集城市道路环境及其周边建筑的影像数据并从中提取疑似违章建筑物特征项；通过融合SLAM***针对影像数据的实时解算信息以及GNSS信号信息获取巡查车和疑似违章建筑物特征项的位置；通过已得的疑似违章建筑物的特征项图像信息和其所在位置信息，查询所在地城市规划数据进行数据对比判断是否违章建筑。本发明可实现大范围城市环境下快速的违章建筑识别工作，巡查期间无需人工干预，***自动识别并保存判断结果供人为校验，该方法可大大提高违章建筑的识别率及鲁棒性。
附图说明
图1为本发明融合SLAM/GNSS信息的疑似违法用地自动识别***的示意图；
图2为本发明融合SLAM/GNSS信息的疑似违法用地自动识别方法的流程图。
具体实施方式
下面将结合附图和具体实施方式对本发明作进一步描述。
如图1，本发明的一种融合SLAM/GNSS信息的疑似违法用地自动识别***10，包括数据采集模块11，建筑物特征提取模块12，组合定位模块13，数据检索对比模块14以及控制以上各模块的控制模块15。
数据采集模块11通过巡查车在巡查过程中进行城市道路环境和周边建筑的影像数据的采集和GNSS信号的实时获取，巡查车具有道路影像采集设备和GNSS信号接收设备。道路影像采集设备用于获取城市道路环境和周边建筑的影像数据，并为影像数据的每一帧图像添加时间戳等信息；所述GNSS信号接收设备用于获取巡查车的位置信息即经纬度信息。
所述建筑物特征提取模块12在对影像数据进行预处理之后提取数据中的疑似违章建筑物特征项，其中预处理操作即通过中值滤波算法剔除影像数据中的噪点，平滑图像，疑似违章建筑物特征项为建筑物的轮廓信息。模块工作过程具体如下：
步骤1)：对图像进行自适应开关中值滤波。根据阈值确定像素是否被脉冲噪声污染，若是则以窗口加权中值代替，平滑图像，否则不进行处理。其定义如下：
其中mi,j是窗口的中值，Xi,j为像素的灰度值，α×σ(i,j)为当前阈值，通过下式确定(n表示迭代次数)：
α0＝20,αn＝αn-1×0.8
步骤2)：对图像进行LSD直线检测，快速检测直线后剔除其中短小零碎的直线。
步骤3)：利用MSAC算法对检测出的直线进行分类操作，选择不同方向上开合度最大的直线作为建筑物的外轮廓信息。具体方法为：随机选取一组最小样本集进行消失点的估计，由于一个消失点至少需要两根平行线相交形成，这里选取两根直线进行估计：
v*＝li×lj
符合假设的线段子集即为合意集：
其中d2(li|v)表示距离函数，δ是通过得到p(d2(li|v)≤δ)＝Pinlier的固定阈值，Pinlier的置信概率通常设为95％。计算合意集的代价函数，若代价函数的结果优于当前最佳结果，则更新合意集。不断重复上述操作，直到找到一个更好的合意集的概率已低于阈值，即认为找到了最佳合意集，完成直线分类操作，之后选取不同类别中开合度最大的直线组作为建筑物的外轮廓信息。
步骤4)：对同一外轮廓进行直线簇拟合操作，防止算法中较宽直线被检测为两段直线。具体方法为：使用普通最小二乘法拟合的方法，通过最小化残差平方和来获得轮廓所处直线的最佳估计，待拟合直线簇为：
s＝{li|dist(ai,l)＜T&dist(bi,l)＜T}
其中是l是待拟合的直线，ai和bi表示第i条直线li的端点，T表示距离阈值。
拟合方程为：
其中p(xj)为拟合结果，2n为n条直线对应的端点数目。
组合定位模块13接收数据采集模块的GNSS信息和影像数据进行处理并融合，实现SLAM/GNSS组合定位，提供准确、实时、稳健的绝对定位和影像数据中建筑物特征项的相对定位信息。SLAM/GNSS组合定位具体工作过程如下：
步骤1)：每隔时间T检测当前接收的GNSS信号，判断当前巡查车接收的GNSS信号是否稳定，若稳定进入步骤2，否则进入步骤4。
步骤2)：利用GNSS定位信息直接更新当前巡查点位置，判断此时SLAM***是否初始化，若SLAM***未进行初始化进入步骤3，若已经初始化则将即时位置信息输入视觉SLAM***中修正SLAM***的相对定位路径。
步骤3)：视觉SLAM***初始化。视觉SLAM***通过对影像图像数据进行多帧匹配进行同步的定位和地图构建，***将GNSS的准确定位位置作为相机的初始位置，初始位置的影像数据的图像帧作为参考帧，对当前帧中提取SIFT特征，与参考帧搜索匹配点对。匹配点对达不到阈值就重置参考帧，即返回步骤1。如果匹配点对达到阈值，采用启发式的位姿解算方法：针对相对位姿的两种解算模型，一个是面向平面视图的单应矩阵，另一个是面向非平面视图的基础矩阵。维护一个参考帧到当前帧之间的对称传递误差，即按照模型解算后得到的位姿进行特征点重投影的误差，选择对称传递误差小的模型得到相对位姿。最后，将参考帧和当前帧结合两帧的特征点进行集束调整，修正位姿和特征点的三维位置，并保存三维地图点云。完成视觉SLAM***初始化之后，SLAM***开始工作。
步骤4)：若接收到的GNSS信号受城市高楼遮挡或其他情况导致精度无法达到要求时，利用SLAM线程的实时解算位置更新巡查点位置。假定车速恒定预测相机的位置，对当前帧提取SIFT特征，搜索上一帧图像中的特征点在地图中的对应云点与当前帧图像的匹配点，最后利用搜索到的匹配点对当前相机的位姿进一步优化。若没有找到足够的匹配点就加大搜索范围，搜索地图云点附近的点在当前帧图像中是否有匹配点，然后通过寻找到的对应匹配点对来优化当前时刻的相机位姿。获得了初始相机位姿和初始特征匹配点后，将更多的地图云点投影到图像上以寻找更多的匹配点，最后通过当前帧中所有的地图云点解算并优化得到相机位姿和点云位置。
所述数据检索对比模块获取建筑物特征检测模块的疑似建筑物轮廓信息，从组合定位模块获得疑似建筑物模块的相对定位信息，结合巡查车定位信息获取疑似建筑物的地块信息，查询疑似违章建筑物所在地块的建筑物规划数据库，提取已有的规划数据,并与影像数据的建筑物特征项进行对比,判断违章建筑物是否符合规划数据。
所述控制模块控制上述模块，协调工作，并保存判断结果。
请参考图2，本发明还提供了一种融合SLAM/GNSS信息的疑似违法用地自动识别方法，包括以下步骤：
(1)巡查车实时采集城市道路环境及其周边建筑的影像数据，接收GNSS信号；
在步骤S1中，采用相机实时采集影像数据，采用GNSS信号接收设备获取位置信息。具体来说，数据采集的工作流程如下所述：将巡查车驾驶到需要获取场景数据的场景，启动相机设备和GNSS信号接收设备，开启车载计算机控制***。当初试对准完成之后,对相机做白平衡等预处理，至此，准备工作基本完成。然后，驾驶车辆匀速行驶，保证各个***开始正常工作，计算机***记录影像数据并为影像数据的每个图像帧标记时间戳，分析和解算定位数据。
(2)检测并提取影像数据中疑似违章建筑物的特征项；
在步骤(2)之前，需要对影像数据进行预处理操作：通过固定窗口的加权平均值和加权系数计算阈值，根据阈值判断图像的某个像素是否被脉冲噪声污染，如果该像素是噪声像素，就以中值代替，否则就不执行操作；完成预处理操作后，对图像进行LSD直线检测，快速检测直线后剔除其中短小零碎的直线；再利用MSAC算法对检测出的直线进行分类操作；最后选择不同方向上开合度最大的直线作为建筑物的外轮廓信息。由于LSD算法可能会将一条直线检测为多段短直线，所以最后对同一外轮廓进行直线簇拟合操作。得到外轮廓信息后，将其与对应图片时间戳保存至计算机控制***。
(3)对获取的影像数据和GNSS定位信息进行处理和融合,实现巡查车绝对定位，解算影像数据中疑似违章建筑物的相对定位信息；
在步骤(3)中，GNSS/SLAM组合定位具体工作为：每隔时间T检测当前接收的GNSS信号，在当前巡查车接收的GNSS信号稳定的情况下，利用GNSS定位信息直接更新当前巡查点位置,同时将即时位置信息输入视觉SLAM***中修正SLAM***的相对定位路径；若接收到的GNSS信号受城市高楼遮挡或其他情况导致精度无法达到要求时，采用视觉SLAM***实时更新巡查点位置。
视觉SLAM***通过对影像图像数据进行多帧匹配进行同步的定位和地图构建，初始化过程如下：***将GNSS的准确定位位置作为相机的初始位置，初始位置的影像数据的图像帧作为参考帧，对当前帧中提取SIFT特征，与参考帧搜索匹配点对。匹配点对达不到阈值就重置参考帧，即重新初始化。如果匹配点对达到阈值，采用启发式的位姿解算方法：针对相对位姿的两种解算模型，一个是面向平面视图的单应矩阵，另一个是面向非平面视图的基础矩阵。维护一个参考帧到当前帧之间的对称传递误差，即按照模型解算后得到的位姿进行特征点重投影的误差，选择对称传递误差小的模型得到相对位姿。最后，将参考帧和当前帧结合两帧的特征点进行集束调整，修正位姿和特征点的三维位置，并保存三维地图点云。初始化工作至此完成。完成视觉SLAM***初始化之后，SLAM***继续工作，若接收到的GNSS信号受城市高楼遮挡或其他情况导致精度无法达到要求时，利用SLAM线程的实时解算位置更新巡查点位置。假定车速恒定预测相机的位置，对当前帧提取SIFT特征，搜索上一帧图像中的特征点在地图中的对应云点与当前帧图像的匹配点，最后利用搜索到的匹配点对当前相机的位姿进一步优化。若没有找到足够的匹配点就加大搜索范围，搜索地图云点附近的点在当前帧图像中是否有匹配点，然后通过寻找到的对应匹配点对来优化当前时刻的相机位姿。获得了初始相机位姿和初始特征匹配点后，将更多的地图云点投影到图像上以寻找更多的匹配点，最后通过当前帧中所有的地图云点解算并优化得到相机位姿和点云位置。
通过建筑物特征项对应的图像时间戳搜索地图点云，获取特征项的相对定位信息。
(4)查询疑似违章建筑物所在地块的建筑物规划数据库，提取已有的城市规划数据,并与影像数据的建筑物特征项进行对比,判断违章建筑物是否符合规划数据，保存判断结果。

Claims (7)

1.一种融合SLAM/GNSS信息的疑似违法用地自动识别***，其特征在于，包括用于采集道路环境和周边建筑的影像数据、并接收GNSS定位信息的数据采集模块，用于提取所述影像数据中的疑似违章建筑物特征项的建筑物特征提取模块，用于处理并融合所获取的影像数据和GNSS定位信息、并提供影像数据中建筑物特征项的相对定位信息的组合定位模块，用于将疑似违章建筑物特征数据与其所在地城市规划数据进行对比的数据检索对比模块以及控制以上各模块、并用于保存判断结果的控制模块；
所述数据检索对比模块基于建筑物特征提取模块和组合定位模块提供的数据，查询疑似违章建筑物所在地块的建筑物规划数据库，提取已有的城市规划数据，并与影像数据的建筑物特征项进行对比，判断违章建筑物是否符合规划数据。
2.根据权利要求1所述的融合SLAM/GNSS信息的疑似违法用地自动识别***，其特征在于：所述数据采集模块通过巡查车在巡查过程中进行城市道路环境和周边建筑的影像数据的采集，所述巡查车具有道路影像采集设备和GNSS信号接收设备；所述组合定位模块融合的影像数据由巡查车对城市道路环境和周边建筑进行采集获得，GNSS定位信息由车载GNSS信号接收设备采集。
3.根据权利要求1或2所述的疑似违法用地自动识别***进行疑似违法用地自动识别的方法，其特征在于，包括以下步骤：
(1)数据采集模块实时采集城市道路环境及其周边建筑的影像数据，接收GNSS信号；
(2)建筑物特征提取模块检测并提取影像数据中建筑物的特征项；
(3)组合定位模块对获取的影像数据和GNSS定位信息进行处理和融合，实现巡查车绝对定位，解算影像数据中疑似违章建筑物的位置信息；
(4)数据检索对比模块查询疑似违章建筑物所在地块的建筑物规划数据库，提取已有的城市规划数据,并与影像数据的建筑物特征项进行对比,判断违章建筑物是否符合规划数据，控制模块控制各模块并保存判断结果。
4.根据权利要求3所述的融合SLAM/GNSS信息的疑似违法用地自动识别方法，其特征在于：所述步骤(1)中，采用巡查车配有道路影像采集设备和GNSS信号接收设备，巡查车进行城市道路环境和周边建筑的影像数据的采集并接收GNSS信号。
5.根据权利要求3所述的融合SLAM/GNSS信息的疑似违法用地自动识别方法，其特征在于：在所述步骤(2)之前，还包括对影像数据进行预处理的步骤，即通过中值滤波算法剔除影像数据中的噪点，平滑图像；步骤(2)中，所述疑似违章建筑物特征项为建筑物的基础轮廓信息。
6.根据权利要求3所述的融合SLAM/GNSS信息的疑似违法用地自动识别方法，其特征在于，步骤(3)中，所述组合定位模块将标记处理后的影像数据作为SLAM***的输入，通过SLAM***提供建筑物相对于巡航车的定位信息，进行相对位置解算，并计算疑似违章建筑物的所在地块信息。
7.根据权利要求3所述的融合SLAM/GNSS信息的疑似违法用地自动识别方法，其特征在于，步骤(3)中，所述融合方法具体为：每隔时间T检测当前接收的GNSS信号，在当前巡查车接收的GNSS信号稳定的情况下，利用GNSS定位信息直接更新当前巡查点位置,同时将即时位置信息输入视觉SLAM***中修正SLAM***的相对定位路径；若接收到的GNSS信号受城市高楼遮挡或其他情况导致精度无法达到要求时，采用视觉SLAM***实时更新巡查点位置；其中视觉SLAM***在初始位置更新后开始工作，不断解算特征项的相对位置；若接收到准确的即时位置信息则进行实时位置的自动更新。
CN201711282001.XA 2017-12-07 2017-12-07 一种融合slam/gnss信息的疑似违法用地自动识别***及方法 Pending CN108052887A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711282001.XA CN108052887A (zh) 2017-12-07 2017-12-07 一种融合slam/gnss信息的疑似违法用地自动识别***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711282001.XA CN108052887A (zh) 2017-12-07 2017-12-07 一种融合slam/gnss信息的疑似违法用地自动识别***及方法

Publications (1)

Publication Number Publication Date
CN108052887A true CN108052887A (zh) 2018-05-18

Family

ID=62123134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711282001.XA Pending CN108052887A (zh) 2017-12-07 2017-12-07 一种融合slam/gnss信息的疑似违法用地自动识别***及方法

Country Status (1)

Country Link
CN (1) CN108052887A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109073390A (zh) * 2018-07-23 2018-12-21 深圳前海达闼云端智能科技有限公司 一种定位方法及装置、电子设备和可读存储介质
CN109598731A (zh) * 2018-12-07 2019-04-09 北京中交睿达科技有限公司 一种经济型道路巡查方法
CN109711348A (zh) * 2018-12-28 2019-05-03 湖南航天远望科技有限公司 基于长期驻空平台的实时违章建筑的智能监测方法及***
CN109816581A (zh) * 2019-01-25 2019-05-28 东南大学 一种综合业态大数据与建筑形态的城市用地自动识别***
CN111125290A (zh) * 2019-12-24 2020-05-08 广州华微明天软件技术有限公司 一种基于河长制的智能巡河方法、装置及存储介质
CN112380966A (zh) * 2020-11-12 2021-02-19 西安电子科技大学 基于特征点重投影的单眼虹膜匹配方法
CN113129366A (zh) * 2020-01-10 2021-07-16 北京字节跳动网络技术有限公司 单目slam初始化方法、装置及电子设备
CN114155433A (zh) * 2021-11-30 2022-03-08 北京新兴华安智慧科技有限公司 一种违法土地的检测方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103491351A (zh) * 2013-09-29 2014-01-01 东南大学 违章建筑物的智能视频监控方法
CN103605978A (zh) * 2013-11-28 2014-02-26 中国科学院深圳先进技术研究院 基于三维实景数据的城市违章建筑识别***及方法
CN107341273A (zh) * 2017-08-28 2017-11-10 湖南城市学院 一种用于城乡规划调查的数据收集方法及***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103491351A (zh) * 2013-09-29 2014-01-01 东南大学 违章建筑物的智能视频监控方法
CN103605978A (zh) * 2013-11-28 2014-02-26 中国科学院深圳先进技术研究院 基于三维实景数据的城市违章建筑识别***及方法
CN107341273A (zh) * 2017-08-28 2017-11-10 湖南城市学院 一种用于城乡规划调查的数据收集方法及***

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109073390A (zh) * 2018-07-23 2018-12-21 深圳前海达闼云端智能科技有限公司 一种定位方法及装置、电子设备和可读存储介质
CN109598731A (zh) * 2018-12-07 2019-04-09 北京中交睿达科技有限公司 一种经济型道路巡查方法
CN109711348A (zh) * 2018-12-28 2019-05-03 湖南航天远望科技有限公司 基于长期驻空平台的实时违章建筑的智能监测方法及***
US11270397B2 (en) 2019-01-25 2022-03-08 Southeast University Automatic urban land identification system integrating business big data with building form
CN109816581A (zh) * 2019-01-25 2019-05-28 东南大学 一种综合业态大数据与建筑形态的城市用地自动识别***
CN111125290A (zh) * 2019-12-24 2020-05-08 广州华微明天软件技术有限公司 一种基于河长制的智能巡河方法、装置及存储介质
CN111125290B (zh) * 2019-12-24 2023-04-07 广州华微明天软件技术有限公司 一种基于河长制的智能巡河方法、装置及存储介质
CN113129366A (zh) * 2020-01-10 2021-07-16 北京字节跳动网络技术有限公司 单目slam初始化方法、装置及电子设备
CN113129366B (zh) * 2020-01-10 2024-04-30 北京字节跳动网络技术有限公司 单目slam初始化方法、装置及电子设备
CN112380966A (zh) * 2020-11-12 2021-02-19 西安电子科技大学 基于特征点重投影的单眼虹膜匹配方法
CN112380966B (zh) * 2020-11-12 2023-06-02 西安电子科技大学 基于特征点重投影的单眼虹膜匹配方法
CN114155433A (zh) * 2021-11-30 2022-03-08 北京新兴华安智慧科技有限公司 一种违法土地的检测方法、装置、电子设备及存储介质
CN114155433B (zh) * 2021-11-30 2022-07-19 北京新兴华安智慧科技有限公司 一种违法土地的检测方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN108052887A (zh) 一种融合slam/gnss信息的疑似违法用地自动识别***及方法
CN108898047B (zh) 基于分块遮挡感知的行人检测方法及***
KR101771146B1 (ko) 스테레오 카메라를 이용한 컨볼루션 신경망 기반의 보행자 및 차량 검출 방법 및 장치
CN100545867C (zh) 航拍交通视频车辆快速检测方法
CN114299417A (zh) 一种基于雷视融合的多目标跟踪方法
CN105279772B (zh) 一种红外序列图像的可跟踪性判别方法
CN102496016B (zh) 一种基于时空协同框架的红外目标检测方法
CN106650620A (zh) 一种应用无人机监测的目标人员识别追踪方法
CN112200143A (zh) 一种基于候选区域网络和机器视觉的道路病害检测方法
CN103824070A (zh) 一种基于计算机视觉的快速行人检测方法
CN107909012B (zh) 一种基于视差图的实时车辆跟踪检测方法与装置
CN109711256B (zh) 一种低空复杂背景无人机目标检测方法
CN109165602B (zh) 一种基于视频分析的黑烟车检测方法
CN110084830B (zh) 一种视频运动目标检测与跟踪方法
CN106339657A (zh) 基于监控视频的秸秆焚烧监测方法、装置
CN110490150A (zh) 一种基于车辆检索的违章图片自动审核***及方法
CN112465854A (zh) 基于无锚点检测算法的无人机跟踪方法
CN113284144A (zh) 一种基于无人机的隧道检测方法及装置
CN107045630B (zh) 一种基于rgbd的行人检测和身份识别方法及***
CN109543498A (zh) 一种基于多任务网络的车道线检测方法
CN112581495A (zh) 图像处理方法、装置、设备及存储介质
CN105447463B (zh) 变电站基于人体特征识别的跨摄像机自动跟踪***
CN104715476A (zh) 一种基于直方图幂函数拟合的显著目标检测方法
CN117237418B (zh) 一种基于深度学习的运动目标检测方法和***
Ryu et al. Feature-based pothole detection in two-dimensional images

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180518

RJ01 Rejection of invention patent application after publication