基于旋翼无人机倾斜摄影测量技术的城市三维实景建模研究

来源 :第二十届中国遥感大会 | 被引量 : 0次 | 上传用户:lori1017
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  为了验证旋翼无人机倾斜摄影测量技术的可行性及精度,本文以重庆市高新区海王星片区为例,采用旋翼无人机对其进行了倾斜摄影,利用Context Capture进行了三维实景建模,并采用外业实测控制点、检查点及测量数据对模型的平面精度及测量精度进行了验证,最终对基于旋翼无人机倾斜摄影测量技术进行三维实景建模的可行性及精度做出了客观评价,为旋翼无人机倾斜摄影测量技术提供了一定的技术参考。
其他文献
地表温度(Land Surface Temperature, LST)是陆地表面一个重要的物理参数,可用于描述大气近地表层与地表之间能量交换和水汽循环.本文开展基于通用分裂窗算法和Landsat-8热红外传感器(ThermalInfraRed Sensor, TIRS)数据反演全球地表温度研究.首先,使用MODTRAN 4.0和SeeBor V5.0大气廓线数据库开展大气辐射传输模拟实验,建立LS
传统的林业调查周期长,效益低,而利用遥感影像数据和地面调查资料,结合GIS,统计学理论建立适宜的数学模型,可以克服传统森林蓄积量调查的相关难题,不但省时省力,而且提高了估测精度.本研究以河北省秦皇岛市山海关公益林为研究对象,以Landsat TM数据和森林资源二类调查数据为研究资料,提取遥感因子,林分立地因子和纹理因子,采用逐步回归法建立多元线性回归模型,进行森林蓄积量的估算.结果 表明,若选取纹
针对数字正射影像镶嵌提出了一种基于A*算法的数学形态学镶嵌线检测方法。该方法利用同名像点的亮度差异和相关系数生成重叠区域的差值影像,并利用数学形态学方法对差值影像优化,采用A*算法并结合多级分层金字塔策略检测镶嵌线,在保证镶嵌线质量的同时提高检测效率。试验结果表明,本文方法能检测出一条较短且不穿越房屋等非地面区域的最优路径,保证了地物的完整性。
遥感影像是土地覆盖制图与变化检测的主要数据源。高空间分辨率遥感影像可以获取地物空间细节信息,然而其时间分辨率较低;低空间分辨率遥感影像重访周期短,但其混合像元现象严重。遥感传感器无法获得同时具有高时间分辨率和高空间分辨率的遥感影像,因此需要通过数据融合等方法提取高时空分辨率的地表覆盖变化信息。针对不同时空分辨率遥感影像的土地覆盖变化检测问题,本文提出了一种高时空分辨率土地覆盖变化检测模型,该模型采
会议
多角度对地观测可以获得比天顶角更加丰富的目标信息,多角度信息的结合是提高地物识别能力的有效方法。本文以东洞庭湖地区为研究对象,利用0°、+36°和-36°3个角度的高光谱CHRIS/PROBA数据,采用单分类器多特征融合方法,分别对经最小噪声分离(MNF)降维处理的高光谱影像、NDVI、NDWI等特征运用支持向量机(SVM)分类方法进行预分类,然后应用Adaboost算法进行决策级融合,从而实现多
The emerging human infection with the novel H7N9 virus raised the global concern of a potential pandemic.Two years after its emergence,the epizootic patterns and geographic distribution of the virus i
利用无人机搭载小型化轻型多光谱相机获取太湖某部分高精度、多幅值的遥感影像数据,进行拼接获取大范围的遥感影像数据,分析蓝藻和其他地物光谱影像特征,构建基于无人机遥感的新归一化蓝藻指数,进行蓝藻覆盖范围的粗提取。在此研究基础上,优化基于向量机(SVM)的蓝藻识别模型,得到所摄取区域的蓝藻空间分布范围、面积与发展趋势及规律最终实现利用无人机遥感为蓝藻监测提供便捷的、高精度的、多时效的预警与治理依据。
针对高光谱遥感信息冗余多、波段相关性比较强的特点,对预处理的影像进行最小噪声分离(MNF变换)实现降维和去相关,利用PPI算法进行端元选择,最终选择白云母、蓝线石、钠长石三种端元,然后基于线性光谱混合模型利用IDL编程实现矿物分类。通过对实验结果的精度分析,验证了本文方法的有效性和实用性。从而更好的进行矿物识别。
地表温度(LST,Land Surface Temperature)是地球表面水热平衡的产物,但目前获取的LST遥感数据时空分辨率不一致,不能完全满足实际应用需求。本研究在云南省地区,基于2013年12月22日MODIS获取的4个时间点数据与天宫一号10m热红外波段遥感影像,使用昼夜温度循环(DTC,Diurnal Temperature Cycle)模型,预测瞬时高空间分辨率地表温度数据。结合资
Sparse unmixing is based on the assumption that each mixed pixel in the hyperspectral image can be expressed in the form of linear combination of a number of pure spectral signatures that are known in