排序方式： 共有37条查询结果，搜索用时 15 毫秒
1.
提出了一种综合利用快速点特征直方图(FPFH)描述符和同名点引导ICP优化的地面激光扫描(TLS)点云配准方法。该方法包括3个步骤:1)点云金字塔构建;2)基于FPFH的粗配准;3)同名点引导的ICP精配准。首先使用体素网格滤波器构造点云的金字塔结构,在粗配准时,FPFH描述符用于金字塔顶层上点云的鲁棒匹配,在此基础上,再进行两层级同名点引导的ICP精配准优化,使用3组典型TLS点云对进行实验,结果表明本文方法可以高效地完成TLS点云的配准。 相似文献
2.
"工程与工业摄影测量"是一门现势性、应用性很强的课程。课程设置为选修课,课时量较小。如何在有限的教学时间内提高学生的学习兴趣,让学生掌握该课程的理论知识,是一件非常重要的事情。本文结合作者在中南大学为期5年的"工程与工业摄影测量"课程教学实践,分析了"工程与工业摄影测量"课堂讲解的重点和难点,提出在教学过程中充分利用案例教学和互联网查找知识的有利条件,课堂上通过案例教学逐步提高学生的学习兴趣和让学生掌握每个知识点在实际工程中的应用,课下通过对重要知识点布置作业和让学生组成兴趣小组自行进行实际工程的设计加深学生课堂学习的知识和自主学习能力,合理安排实验让学生掌握工程与工业摄影测量的相机检校和内外业操作。在近几年的教学实践过程中,发现该方法有效地提高了学生对该课程内容的掌握程度和学习兴趣,学习效果超越往届学生,实践结果充分证明了该方法的有效性。 相似文献
3.
基于SIFT特征的多源遥感影像自动匹配方法 总被引：2，自引：1，他引：1
本文提出一种基于SIFT特征的不同源遥感影像自动匹配方法。首先利用Harris算子结合SIFT特征提取影像上均匀分布的特征点,建立高维SIFT特征描述符;然后以待匹配点与参考点间的欧氏距离为相似性测度,实施两种不同源遥感影像的特征匹配;最后将SIFT特征匹配结果作为初始值,采用将搜索范围扩大到尺度空间后的改进最小二乘影像匹配方法对SIFT特征匹配获得的同名像点进行精匹配。经对同一地区SPOT-5 HRG全色影像与航空摄影影像的匹配试验,取得了较好的结果。 相似文献
4.
结合笔者在中南大学为期9年的遥感原理与方法课程教学实践,分析了中南大学测绘工程专业学生在该课程教学方面的学习态度和课程认识方面的现状,提出在教学过程初期加强学生对遥感历史文化及名人传记的学习,在课程教学期间自己查询专业应用前景及专业最新动态新闻,在上课期间主动向老师提问3种方法,以考核方式计入学生平时成绩,以期增强学生对该课程的学习兴趣和主动学习能力及独立思考能力,为后续遥感专业相关课程的学习奠定一定的基础。在近几年的教学实践过程中,发现该方法有效地提高了学生对该专业课的学习兴趣,学习效果超越往届学生,实践结果充分证明了该方法的有效性。 相似文献
5.
首先对4种常见的尺度和旋转不变特征算子：SIFT,SURF,MSER,ORB进行简单的介绍。为定量比较各种特征算子在航空影像自动转点中的性能,本文提出了3种与倾斜影像相关的指标,并结合常用的4种指标组成本文的7个定量评价指标。在此基础上,采用一组倾斜影像数据进行了试验,结果表明,SURF/SIFT算子在航空倾斜影像空三转点中具有相对较好的性能,MSER次之,而ORB的效果较差。 相似文献
6.
冯徽徽邹滨马慧云蔡昌盛张云生 《测绘与空间地理信息》2023,(5):5-8
针对当前高校测绘类专业教师队伍中重学术、轻教学问题突出,科研教学能力协同能力弱等问题,在深入剖析问题根源的基础上,从构建教学科研复合型教学团队、促进科研成果向优质教学资源转化以及完善青年教师后备人才梯队等方面,探讨了面向科教协同的测绘类一流师资队伍建设策略,继而以中南大学“测绘科学与技术”学科为例,介绍其在一流理论/实践教学团队打造、科研反哺教学、创新青年教师托举工程等方面的建设方案与成效,以期为其他高校测绘类师资队伍建设提供借鉴与参考。 相似文献
7.
8.
9.
叠置分区辅助的相位编组直线提取算法 总被引：2，自引：2，他引：0
针对现有相位编组方法在区域分界线处产生边缘断裂及同一分区内直线拟合难题,提出了一种叠置分区辅助的相位编组直线提取算法。该算法通过两次分区生成交叠的八分区模式,二次分区中心线与一次分区分界线相重合。首先根据初始四分区,将梯度相位相同且相互连接的边缘点编组生成直线支持区,再对其进行边缘分裂,进而拟合出对应的直线。然后将不满足一次分区条件的边缘点再依据二次分区进行直线提取,以弥补一次分区在分界线附近产生的边缘断裂。本文算法原理简单,不需要参数调整。试验验证和对比分析表明,该算法不仅能有效、准确地提取影像上的直线特征,而且对于影像上的曲线特征也能通过直线拟合得到较好的提取结果。 相似文献
10.
为了提高基于高空间分辨率遥感影像的建筑物震害损毁评估精度,引入深度卷积神经网络(deep convolutional neural network,DCNN)模型,提出一种利用DCNN全连接层特征结合支持向量机(support vector machine,SVM)进行遥感影像建筑物震害损毁区域检测的方法。首先,利用神经网络前馈方式从DCNN全连接层提取训练样本和待检测区域的特征;然后,基于样本训练SVM分类器;最后,对待检测区域的所有区块进行分类预测和投票确定是否损毁。以2010年海地地震遥感影像为例,建筑物损毁检测正确率可以达到89%,相比于传统的特征提取方法正确率提高了4%。实验结果表明该方法在建筑物震害损毁检测方面具有一定的应用潜力。 相似文献