CN112422917A - 基于监控视频与高精度dem结合的道路积水监测方法及*** - Google Patents

基于监控视频与高精度dem结合的道路积水监测方法及*** Download PDF

Info

Publication number
CN112422917A
CN112422917A CN202011294762.9A CN202011294762A CN112422917A CN 112422917 A CN112422917 A CN 112422917A CN 202011294762 A CN202011294762 A CN 202011294762A CN 112422917 A CN112422917 A CN 112422917A
Authority
CN
China
Prior art keywords
image
dem
monitoring video
monitoring
road
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
CN202011294762.9A
Other languages
English (en)
Inventor
奚春华
车红磊
陈亮
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.)
Nantong Surveying And Mapping Institute Co ltd
Original Assignee
Nantong Surveying And Mapping Institute Co ltd
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 Nantong Surveying And Mapping Institute Co ltd filed Critical Nantong Surveying And Mapping Institute Co ltd
Priority to CN202011294762.9A priority Critical patent/CN112422917A/zh
Publication of CN112422917A publication Critical patent/CN112422917A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Fluid Mechanics (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明涉及一种基于监控视频与高精度DEM结合的道路积水监测方法及***，包括获取目标区域高精度的DEM影像以及对应高分辨率的遥感影像，使两者投影坐标系一致，并且空间分辨率一致，同时获取监控视频图像；将遥感影像叠加到DEM影像上，借助遥感影像的语义信息，分别在监控视频图像和叠加后的DEM影像识别同名点；根据DEM影像与监控视频图像的同名特征点，采用最小二乘法计算DEM影像与监控视频图像间的几何映射关系，得到单应性矩阵；根据DEM影像与监控视频图像间的几何映射关系，将DEM影像映射到监控视频图像中；根据建立的几何映射关系以及DEM影像映射结果，实现直接在监控视频图像上进行积水深度量测。

Description

基于监控视频与高精度DEM结合的道路积水监测方法及***
技术领域
本发明属于城市洪涝信息监测处理技术领域，涉及一种基于监控视频与高精度DEM结合的道路积水监测方法及***。
背景技术
中国是一个洪涝灾害严重的国家，在全球变化的背景下，随着城市的发展和气候变化的影响，中国城市洪涝灾害问题日益严重。城市洪涝的频繁发生，给人民的生产生活和社会经济发展带来了巨大影响。城市洪涝容易引发严重的城市道路积水，尤其是城市道路下立交、下穿地道、铁路、人行涵洞由于地势低洼，积水尤为严重。道路及下立交积水发生时，车辆行人受困，甚至造成了严重的人员伤亡事故。因此如何准确、实时、快速地对道路积水进行监测，并进行洪涝预警一件重要和紧迫的事。
尽管我国在城市洪涝信息监测方面取得了一定的成绩，但仍存在一定的问题，概括起来主要有以下几个方面：
(1)降雨监测方面，主要表现在：①城市降雨监测站点密度不够，所获得的降雨信息代表性不足，不能满足城市洪涝监测预警的需要；②由于城市化的快速发展，符合降水量观测规范的监测点比较少，城市监测站点布设位置难以选择；
(2)水位监测方面，具体表现在：①排水管网及积水水位监测站点不全；②水位监测仪器可靠性不高及水位测量精度无法满足流量推算要求。
因此，怎样高效实现城市道路积水监测，是目前亟待解决的技术问题。
发明内容
针对现有技术的不足，本发明提供一种基于监控视频与高精度DEM结合的道路积水监测方法及***，能够大大提升对城市道路积水深度监测的效率。
为实现上述目的，本发明的技术方案为一种基于监控视频与高精度DEM结合的道路积水监测方法，包括以下步骤：
步骤1，获取目标区域高精度的DEM影像以及对应高分辨率的遥感影像，使两者投影坐标系一致，并且空间分辨率一致，同时获取监控视频图像；
步骤2，将遥感影像叠加到DEM影像上，借助遥感影像的语义信息，分别在监控视频图像和叠加后的DEM影像识别同名点；
步骤3，根据步骤2中获取的DEM影像与监控视频图像的同名特征点，采用最小二乘法计算DEM影像与监控视频图像间的几何映射关系，得到单应性矩阵H；
步骤4，根据步骤3所得DEM影像与监控视频图像间的几何映射关系，将DEM影像映射到监控视频图像中；
步骤5，根据建立的几何映射关系以及DEM影像映射结果，实现直接在监控视频图像上进行积水深度量测。
而且，步骤1中，视频监控以固定的高度和角度拍摄获取监控视频图像。
而且，目标区域高精度的DEM影像以及对应的高分辨率遥感影像的空间分辨率同样为0.1m。
而且，步骤2中，基于相同的投影坐标系以及相同的空间分辨率，直接将遥感影像叠加到DEM影像上，借助遥感影像语义信息，在DEM影像和监控视频图像上识别出至少4个不共线的同名点。
而且，步骤3中，将DEM影像与监控视频图像的几何映射关系建模为投影变换，用单应性矩阵H表示，根据步骤2中获取的同名点坐标，快速建立DEM影像与监控视频图像间的相互映射关系；
对于DEM影像上的同名点p(X,Y)，与监控视频图像I0上对应的同名特征点q(x,y)，满足方程：
Figure BDA0002785038930000021
其中，单应性矩阵H的表达式为：
Figure BDA0002785038930000022
其中，a,b,c,d,e,f,g,h为单应性矩阵H待求解参数。
而且，步骤4中，记DEM影像中的第i行第j列像素点的坐标为(Xij,Yij)，i＝1,2,...,n，j＝1,2,...,m，n,m分别为DEM影像像素点行列数，其在监控视频像素坐标系中对应第i行第j列像素点的坐标为(xij',yij')，根据步骤3所得DEM影像与监控视频图像间的几何映射关系，计算方式如下，
Figure BDA0002785038930000031
通过计算出DEM影像上每个像素点在监控视频图像上对应的坐标(xij',yij')，实现将DEM影像准确地映射到监控视频图像上。
而且，步骤5中，根据步骤4建立的几何映射关系，将DEM影像映射到监控视频图像上以后，基于直接观测监控视频画面所得道路积水线的位置，通过关联的DEM影像直接获取积水线上任意一点的高程信息，实现确定积水面的高程；积水前路面最低点的高程直接从DEM影像上获取，将积水面的高程与积水前路面最低点的高程做差值，量测出道路积水深度，输出作为基于监控视频的直接量测结果，支持实现特定区域的自动预警报警。
另一方面，本发明还提供一种基于监控视频与高精度DEM结合的道路积水监测***，用于实现如上所述的一种基于监控视频与高精度DEM结合的道路积水监测方法。
而且，包括以下模块，
第一模块，用于获取目标区域高精度的DEM影像以及对应高分辨率的遥感影像，使两者投影坐标系一致，并且空间分辨率一致，同时获取监控视频图像；
第二模块，用于将遥感影像叠加到DEM影像上，借助遥感影像的语义信息，分别在监控视频图像和叠加后的DEM影像识别同名点；
第三模块，用于根据第二模块中获取的DEM影像与监控视频图像的同名特征点，采用最小二乘法计算DEM影像与监控视频图像间的几何映射关系，得到单应性矩阵；
第四模块，用于根据第三模块所得DEM影像与监控视频图像间的几何映射关系，将DEM影像映射到监控视频图像中；
第五模块，用于根据建立的几何映射关系以及DEM影像映射结果，实现直接在监控视频图像上进行积水深度量测。
或者，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种基于监控视频与高精度DEM结合的道路积水监测方法。
本发明将视频图像与高精度DEM数据进行融合，赋予监控视频可量测的功能，直接从监控视频影像上读取地面物体的高程信息，对道路积水点的高程进行实时监测，可以实时监测城区各低洼路段的积水水位并实现自动预警。市政管理部门借助该***可整体把握整个城区内涝状况，及时进行排水调度。交通管理部门通过该***可获取各路段的实时积水水位，并借助广播、电视等媒体为广大群众提供出行指南，避免人员、车辆误入深水路段造成重大损失。
与现有技术相比，本发明提供的技术方案的有益效果为：
(1)本发明提出一种基于高分辨率遥感影像辅助来间接求算高精度DEM与监控视频之间的同名特征点的方法；
(2)本发明提出一种基于几何映射的高精度DEM与监控视频融合方案；
(3)本发明提出一种基于高精度DEM与监控视频融合的道路积水检测的方法，赋予监控视频可直接量测的功能。
附图说明
图1为本发明实施例的流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
本发明注意到，随着遥感技术、视频处理技术的快速发展，利用现代科技手段，对城市道路积水进行实时监测成为可能。因此本发明提出一种基于监控视频与高精度DEM结合的道路积水监测方法及***。
数字高程模型(Digital Elevation Model)，简称DEM，是通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达)，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。DEM分辨率是DEM刻画地形精确程度的一个重要指标，同时也是决定其使用范围的一个主要的影响因素。DEM的分辨率是指DEM最小的单元格的长度。因为DEM是离散的数据，所以(X，Y)坐标其实都是一个一个的小方格，每个小方格上标识出其高程。这个小方格的长度就是DEM的分辨率。分辨率数值越小，分辨率就越高，刻画的地形程度就越精确。为实现将视频图像与DEM影像融合，必须采用高精度的DEM数据。
监控视频是对一块区域进行连续拍摄，进行实时近距离监控。但是视频影像是一种直观的影像，不具有量测的功能，无法直接从视频影像里读取地面物体的高程信息。而DEM影像具有准确的高程信息以及准确的地理位置信息，但它是二次转换后的图像，不符合人类视觉***，没法从DEM上直观的辨别地物。因此本发明将视频图像与高精度DEM数据进行融合，建立视频与高精度DEM数据之间的数学映射关系，实现从视频影像上直接获取地面高程信息。
要想建立监控视频与DEM之间的映射关系，需要通过同名特征点来解算监控视频与DEM之间的几何变换关系，采用单应性矩阵来描述。然而在DEM上寻找同名特征点是一项非常困难的事情。因为DEM只具有地理位置信息和高程信息，没有地物的纹理特征，很难识别DEM上与监控视频对应的特征点。因此本发明提出需要借助高分辨率遥感影像来辅助两者之间映射关系的建立。高分辨率遥感影像是高分辨率的正射影像，能够直观的显示地物的细节纹理特征，同时与DEM具有相同的空间分辨率和地理坐标。通过寻找监控视频与高分辨率遥感影像的同名特征点，求算两者之间的映射关系，从而获取视频监控与DEM之间的映射关系。
参见图1，本发明实施例提供的一种基于监控视频与高精度DEM结合的道路积水监测方法，具体实现流程包括步骤如下：
步骤1：获取目标区域高精度的DEM影像以及对应高分辨率的遥感影像，确保两者坐标系一致，同时获取监控视频数据，记录摄像头拍摄所得初始的画面图像，可记为监控视频图像I0。
具体实施时，首先要确保高精度的DEM以及对应高分辨率的遥感影像属于同一个投影坐标系，并且具有相同的空间分辨率(具体实施时可根据需求设置，优选建议为0.1m)，为后续遥感影像语义辅助识别同名点提供基础。同时视频监控以固定的高度和角度拍摄。
步骤2：将遥感影像叠加到DEM影像上，借助遥感影像的语义信息，分别在监控视频图像和叠加后的DEM影像上识别同名点。
具体实施时，由于遥感影像和DEM具有相同的投影坐标系以及相同的空间分辨率，可直接将遥感影像叠加到DEM影像上，借助遥感影像语义信息，在DEM影像和监控视频图像上识别出至少4个不共线的同名点。遥感影像和DEM影像上同一位置的同名特征点记为p(X,Y)，其中X,Y为像素点在遥感影像和DEM影像坐标系下行列号；监控视频图像I0上的对应的同名特征点记为q(x,y)，x,y为视频图像I0像素平面坐标下的行列号。
步骤3：根据步骤2中获取的DEM影像与监控视频图像的同名特征点，采用最小二乘法计算DEM影像与监控视频图像间的几何映射关系，得到单应性矩阵H。
具体实施时，将DEM影像与监控视频图像的几何映射关系建模为投影变换，用单应性矩阵H来表示。根据步骤2中获取的同名点坐标，可以快速建立DEM影像与监控视频图像间的相互映射关系。对于DEM影像上的同名点p(X,Y)，与监控视频图像I0上对应的同名特征点q(x,y)，满足方程：
Figure BDA0002785038930000061
其中，(,Y)为DEM影像上的同名点坐标，(,y)为监控视频图像上对应的同名特征点坐标，单应性矩阵H的表达式为：
Figure BDA0002785038930000062
其中，a,b,c,d,e,f,g,h为单应性矩阵H待求解参数。
步骤4：根据步骤3计算的集合映射关系，可将DEM影像映射到监控视频图像中。
具体实施时，记DEM影像中的任意一个像素点的坐标(第i行第j列)为(Xij,Yij)，其中i＝1,2,...,n，j＝1,2,...,m，n,m分别为DEM影像像素点行列数，其在监控视频像素坐标系中对应第i行第j列像素点的坐标为(xij',yij')，根据步骤3计算的映射关系，其计算方式为：
Figure BDA0002785038930000071
基于公式(3)即可计算出DEM影像上每个像素点在监控视频图像上对应的坐标(xij',yij')。进而将DEM影像准确地映射到监控视频图像上。
步骤5：根据上述步骤建立的几何映射关系和DEM影像映射结果，可以直接在监控视频图像上进行积水深度量测，实现目标区域道路积水的自动预警报警。
具体实施时，步骤4已经根据上述建立好的几何关系，将DEM影像映射到监控视频图像上。因为积水面上任意点的高程相同，因此积水线上任意像素点的高程信息即代表积水面的高程，积水线是积水面与路面的交线。通过视频监控画面可以直接观测道路积水线的位置，然后通过关联的DEM影像可直接获取积水线上任意一点的高程信息，也就获得了积水面的高程。积水前路面最低点的高程可以直接从DEM影像上获取，将积水面的高程与积水前路面最低点的高程做差值，即可量测出道路积水深度，从而赋予监控视频可直接量测的功能。具体实施时，可以输出该道路积水深度作为基于监控视频直接量测结果，也可以在此基础上实现特定区域的自动预警报警。
具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的***装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。
在一些可能的实施例中，提供一种基于监控视频与高精度DEM结合的道路积水监测***，包括以下模块，
第一模块，用于获取目标区域高精度的DEM影像以及对应高分辨率的遥感影像，使两者投影坐标系一致，并且空间分辨率一致，同时获取监控视频图像；
第二模块，用于将遥感影像叠加到DEM影像上，借助遥感影像的语义信息，分别在监控视频图像和叠加后的DEM影像识别同名点；
第三模块，用于根据第二模块中获取的DEM影像与监控视频图像的同名特征点，采用最小二乘法计算DEM影像与监控视频图像间的几何映射关系，得到单应性矩阵；
第四模块，用于根据第三模块所得DEM影像与监控视频图像间的几何映射关系，将DEM影像映射到监控视频图像中；
第五模块，用于根据第四模块建立的几何映射关系，实现直接在监控视频图像上进行积水深度量测。
在一些可能的实施例中，提供一种基于监控视频与高精度DEM结合的道路积水监测***，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种基于监控视频与高精度DEM结合的道路积水监测方法。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种基于监控视频与高精度DEM结合的道路积水监测方法，其特征在于：包括以下步骤，
步骤1，获取目标区域高精度的DEM影像以及对应高分辨率的遥感影像，使两者投影坐标系一致，并且空间分辨率一致，同时获取监控视频图像；
步骤2，将遥感影像叠加到DEM影像上，借助遥感影像的语义信息，分别在监控视频图像和叠加后的DEM影像识别同名点；
步骤3，根据步骤2中获取的DEM影像与监控视频图像的同名特征点，采用最小二乘法计算DEM影像与监控视频图像间的几何映射关系，得到单应性矩阵；
步骤4，根据步骤3所得DEM影像与监控视频图像间的几何映射关系，将DEM影像映射到监控视频图像中；
步骤5，根据建立的几何映射关系以及DEM影像映射结果，实现直接在监控视频图像上进行积水深度量测。
2.根据权利要求1所述的一种基于监控视频与高精度DEM结合的道路积水监测方法，其特征在于：步骤1中，视频监控以固定的高度和角度拍摄获取监控视频图像。
3.根据权利要求2所述的一种基于监控视频与高精度DEM结合的道路积水监测方法，其特征在于：目标区域高精度的DEM影像以及对应的高分辨率遥感影像的空间分辨率同样为0.1m。
4.根据权利要求1或2或3所述的一种基于监控视频与高精度DEM结合的道路积水监测方法，其特征在于：步骤2中，基于相同的投影坐标系以及相同的空间分辨率，直接将遥感影像叠加到DEM影像上，借助遥感影像语义信息，在DEM影像和监控视频图像上识别出至少4个不共线的同名点。
5.根据权利要求4所述的一种基于监控视频与高精度DEM结合的道路积水监测方法，其特征在于：步骤3中，将DEM影像与监控视频图像的几何映射关系建模为投影变换，用单应性矩阵H表示，根据步骤2中获取的同名点坐标，快速建立DEM影像与监控视频图像间的相互映射关系；
对于DEM影像上的同名点p(X,Y)，与监控视频图像I0上对应的同名特征点q(x,y)，满足方程：
Figure FDA0002785038920000021
其中，单应性矩阵H的表达式为：
Figure FDA0002785038920000022
其中，a,b,c,d,e,f,g,h为单应性矩阵H待求解参数。
6.根据权利要求5所述的一种基于监控视频与高精度DEM结合的道路积水监测方法，其特征在于：步骤4中，记DEM影像中的第i行第j列像素点的坐标为(Xij,Yij)，i＝1,2,...,n，j＝1,2,...,m，n,m分别为DEM影像像素点行列数，其在监控视频像素坐标系中对应第i行第j列像素点的坐标为(xij',yij')，根据步骤3所得DEM影像与监控视频图像间的几何映射关系，计算方式如下，
Figure FDA0002785038920000023
通过计算出DEM影像上每个像素点在监控视频图像上对应的坐标(xij',yij')，实现将DEM影像准确地映射到监控视频图像上。
7.根据权利要求1或2或3所述的一种基于监控视频与高精度DEM结合的道路积水监测方法，其特征在于：步骤5中，根据步骤4建立的几何映射关系，将DEM影像映射到监控视频图像上以后，基于直接观测监控视频画面所得道路积水线的位置，通过关联的DEM影像直接获取积水线上任意一点的高程信息，实现确定积水面的高程；积水前路面最低点的高程直接从DEM影像上获取，将积水面的高程与积水前路面最低点的高程做差值，量测出道路积水深度，输出作为基于监控视频的直接量测结果，支持实现特定区域的自动预警报警。
8.一种基于监控视频与高精度DEM结合的道路积水监测***，其特征在于：用于实现如权利要求1-7任一项所述的一种基于监控视频与高精度DEM结合的道路积水监测方法。
9.根据权利要求8所述基于监控视频与高精度DEM结合的道路积水监测***，其特征在于：包括以下模块，
第一模块，用于获取目标区域高精度的DEM影像以及对应高分辨率的遥感影像，使两者投影坐标系一致，并且空间分辨率一致，同时获取监控视频图像；
第二模块，用于将遥感影像叠加到DEM影像上，借助遥感影像的语义信息，分别在监控视频图像和叠加后的DEM影像识别同名点；
第三模块，用于根据第二模块中获取的DEM影像与监控视频图像的同名特征点，采用最小二乘法计算DEM影像与监控视频图像间的几何映射关系，得到单应性矩阵H；
第四模块，用于根据第三模块所得DEM影像与监控视频图像间的几何映射关系，将DEM影像映射到监控视频图像中；
第五模块，用于根据建立的几何映射关系以及DEM影像映射结果，实现直接在监控视频图像上进行积水深度量测。
10.根据权利要求8所述基于监控视频与高精度DEM结合的道路积水监测***，其特征在于：包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如权利要求1-7任一项所述的一种基于监控视频与高精度DEM结合的道路积水监测方法。
CN202011294762.9A 2020-11-18 2020-11-18 基于监控视频与高精度dem结合的道路积水监测方法及*** Pending CN112422917A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011294762.9A CN112422917A (zh) 2020-11-18 2020-11-18 基于监控视频与高精度dem结合的道路积水监测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011294762.9A CN112422917A (zh) 2020-11-18 2020-11-18 基于监控视频与高精度dem结合的道路积水监测方法及***

Publications (1)

Publication Number Publication Date
CN112422917A true CN112422917A (zh) 2021-02-26

Family

ID=74773352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011294762.9A Pending CN112422917A (zh) 2020-11-18 2020-11-18 基于监控视频与高精度dem结合的道路积水监测方法及***

Country Status (1)

Country Link
CN (1) CN112422917A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778696A (zh) * 2023-08-14 2023-09-19 易启科技(吉林省)有限公司 一种基于视觉的城市内涝智能预警方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109903352A (zh) * 2018-12-24 2019-06-18 中国科学院遥感与数字地球研究所 一种卫星遥感影像大区域无缝正射影像制作方法
CN111683221A (zh) * 2020-05-21 2020-09-18 武汉大学 嵌入矢量红线数据的自然资源实时视频监测方法及***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109903352A (zh) * 2018-12-24 2019-06-18 中国科学院遥感与数字地球研究所 一种卫星遥感影像大区域无缝正射影像制作方法
CN111683221A (zh) * 2020-05-21 2020-09-18 武汉大学 嵌入矢量红线数据的自然资源实时视频监测方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778696A (zh) * 2023-08-14 2023-09-19 易启科技(吉林省)有限公司 一种基于视觉的城市内涝智能预警方法及***
CN116778696B (zh) * 2023-08-14 2023-11-14 易启科技(吉林省)有限公司 一种基于视觉的城市内涝智能预警方法及***

Similar Documents

Publication Publication Date Title
CN111551958B (zh) 一种面向矿区无人驾驶的高精地图制作方法
CN106296814B (zh) 公路养护检测与可视化交互方法和***
CN112097851B (zh) 一种易涝点涝情检测方法及内涝预测方法
Mustafa et al. Monitoring and evaluating land cover change in the Duhok city, Kurdistan region-Iraq, by using remote sensing and GIS
CN111507375A (zh) 一种城市内涝风险快速评估方法及***
CN113989452B (zh) 一种基于gis的数字孪生城市坐标定位方法及监测***
Abbate et al. Prospective upon multi-source urban scale data for 3d documentation and monitoring of urban legacies
CN112633722A (zh) 车载道路安全风险评估***及方法
CN108388995A (zh) 一种道路资产管理***的建立方法及建立***
CN112749584B (zh) 一种基于图像检测的车辆定位方法及车载终端
CN116989679A (zh) 一种基于图像处理的高速公路高边坡位移集成监测方法
CN111783690A (zh) 基于车辆密度感知的城市可行驶区域cim信息处理方法
CN114004950B (zh) 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法
CN112422917A (zh) 基于监控视频与高精度dem结合的道路积水监测方法及***
CN114549692A (zh) 一种输电线路通道超高清地图构建方法、***
Griesbaum et al. Direct local building inundation depth determination in 3-D point clouds generated from user-generated flood images
CN111881566B (zh) 基于实景仿真的滑坡位移检测方法及装置
CN105717517B (zh) 一种车载北斗多模gnss高精度道路基础数据采集方法
CN117036326A (zh) 一种基于多模态融合的缺陷检测方法
CN115471980B (zh) 泥石流灾害预警方法
CN113744393B (zh) 一种多层级边坡滑坡变化监测方法
CN113469949B (zh) 一种基于地理信息的输电通道内隐患测距的方法
CN117784802A (zh) 一种基于数字孪生的无人机巡查***
TWI387940B (zh) Traffic information analysis system and method using geographic information module and aerial map
CN112577672A (zh) 基于网格法的甲烷遥感空间分布监测报警***

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210226