公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

重叠度对无人机图像拼接效率的影响被引量：7: 2017年; 为分析重叠度对无人机图像拼接效率的影响,提高无人机平台获取数据的时效性,更好地为灾害损失调查和救灾应急现场等服务,设计重叠度对无人机图像拼接效率影响程度的试验。该试验以单旋翼无人机Scout B1-100搭载多通道光谱成像系统Micro MCA12Snap为数据获取平台,以Pixel Wrench2为多光谱图像的多波段选配合成工具,以Pix4D Mapper为数据处理和分析平台,对23种重叠度的图像数据进行拼接试验分析。结果表明,在软硬件支持的基础上低重叠度图像的获取和处理可以提高无人机图像拼接效率,提升数据获取时效性。; 韩峰刘昭刘伟张天毅张天毅; 关键词：灾害损失

基于机载LiDAR属性信息检测离群点云: 2019年; 无人机载LiDAR是一种新型遥感技术,可快速获取高密度、高精度的地物点云数据,随着获取精度越高,点云数据量越大。为减少参与点云滤波处理的数据量,提高滤波速度,本文结合点云回波次数、高度和点云回波强度三种属性信息,采用箱形图检验方法获取非地面点云,并使用反复建立三角网方法分别对处理前后的点云数据进行对比分析。结果表明:针对截取的试验区点云数据,可去除多次回波对应的噪声点云363个,得到第1次和第2次回波分别占点云总数的98.49%和1.49%;高度和强度离群的点云共占点云总数的1.46%。通过对点云进行滤波前期的处理,可降低滤波时间32.2 s,且保留地面点云2551个。本文研究利用箱形图检测点云属性获取离群值,可提高点云处理速度和降低地面点云漏分的现象,为后期直接利用统计方法对点云属性信息分析和实现快速处理海量点云提供参考。; 李沛婷赵庆展田文忠马永建陈洪

基于最小二乘支持向量机的无人机遥感影像分类被引量：11: 2017年; 针对SVM容易出现过学习、泛化能力下降的问题,利用LSSVM在求解线性方程组时的自身优势,对高分辨率无人机多光谱影像进行地物分类识别。采用固定翼无人机搭载Micro MCA12 Snap多光谱相机,获取研究区域玛纳斯河畔的多光谱影像,首先利用最佳波段指数法与光谱信息、纹理信息结合得到最佳特征波段组合,从而降低数据维度,进而利用粒子群优化和网格搜索算法分别进行参数寻优并交叉验证方法对影像进行SVM和LSSVM对比试验。结果表明,Micro MCA12 Snap多光谱传感器所选择的1、6、11波段组合及NDVI、NDWI、Mean特征信息组合,粒子群优化LSSVM分类的总体精度较网格搜索LSSVM高0.092%,Kappa系数高0.006;粒子群优化LSSVM分类的总体精度较粒子群优化SVM分类高2.021%,Kappa系数高0.008。试验方法改善了各种地物特别是裸地与沙石的区分,是对该相机及特征组合进行分类的有效手段。; 刘伟赵庆展刘伟赵庆展汪传建; 关键词：最小二乘支持向量机粒子群优化网格搜索无人机遥感

小型四旋翼无人机空气质量监测仪设计被引量：7: 2017年; 及时有效地获取空气质量数据是大气环境保护的前提和基础。针对现有固定点监测手段空间覆盖度不足、成本高、灵活性差等问题,设计一种基于小型四旋翼无人机为飞行平台,Arduino UNO开发板外接MG811,DSM501A,DHT11,MQ-7传感器为硬件平台,Arduino IDE编译器为软件平台的监测仪。采用接触式周期采样方法获取环境数据模拟值,建立与传感器灵敏度关系,使用Matlab中CURVE FITTING TOOL对传感器灵敏度与被测物浓度关系进行拟合分析。拟合后,可决系数大于0.98,方差小于0.1。该自主设计的监测仪具有成本低、易操作、灵活方便的优点,并可扩展其他类型传感器以满足不同的测量环境要求。; 赵庆展张天毅陈洪; 关键词：空气质量监测 ARDUINO UNO

近地机载激光雷达棉花LAI提取方法研究被引量：1: 2017年; 棉花叶面积指数(LAI)是描述其长势的重要指标,准确获取冠层结构参数是叶面积指数反演的必要条件。以Scout B-100油动单旋翼无人机为飞行平台,搭载RIEGL VUX-1激光雷达,精确获取棉花高密度点云数据,得到研究区棉田数字表面模型(DSM)和数字高程模型(DEM),通过差值运算获得其冠层高度模型(CHM),进而提取有效的冠层结构参数。利用相关性分析法选取相关系数大于0.2的激光穿透力指数(LPI)、回波点云密度(D)、孔隙率(f_(gap))、归一化高程值(V_(nDSM))构建棉花LAI反演模型,并与实测叶面积指数进行精度验证与评价。实验结果表明:模型估算的LAI与实测LAI之间的决定系数为0.824,均方根误差为0.072,验证了模型的可靠性。; 陈洪韩峰韩峰刘伟赵庆展; 关键词：机载激光雷达棉花叶面积指数

无校正点的机载LiDAR农作物点云数据精度评价被引量：1: 2018年; 农作物高度是农业遥感应用中极为重要的参数,目前已能够使用机载激光雷达获取准确的农作物高度信息,但对其获取点云数据精度的评价是困扰研究人员的问题之一。在分析机载激光雷达点云获取与定位模型的基础上,从系统误差和随机误差2个方面进行误差分析,结合具体试验设计得到定量化描述与分析激光测距误差和动态时延误差。利用点云脚点的空间拓扑关系,得到拟合高程模型真值与平面模型拟合方程,以此为基础进行无校正点的点云数据精度评价。结果表明,高程精度最大残差值为5.60 cm,均方根误差为0.94 cm,平面精度最大残差值为2.78 cm,均方根误差为8.63 cm,这与定位定姿系统(positioning and orientation system,简称POS)数据精度报告相近,该结果可为研究无校正点条件下作物高度的高精度测量提供参考和借鉴。; 陈洪赵庆展李沛婷; 关键词：机载激光雷达农作物点云数据

全选清除导出

共1页<1>

陈洪