融合机载LiDAR点云数据和GIS数据的城区违章建筑智能3D识别方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41401380
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0113.遥感科学
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

Illegal buildings not only hinder the normal development and construction of one city, but also cause potential threats for public safety and lives and property of people,particularly, some hidden illegal buildings are much easier to become a huge security risk. For large and medium-sized cities, the traditional method is both time and labor consuming which usually miss the best time to deal with the problems; the existing detection technique depending on remote sensing also has some limitations to some extent. This research project aims at detecting and recognizing illegal buildings, hidden ones especially, in a 3D intelligent and automatic way. Based on airborne LiDAR point cloud data and GIS vector map, a method of multi-level classification and segmentation of objects, valid detection of buildings which have been partly covered by vegetation, intelligent recognizing illegal buildings and extracting useful 3D information will be researched systematically. A fast, effective way of assisting relevant departments to find out and judge (hidden) illegal buildings intelligently and automatically will be proposed, which will improve the efficiency of the relevant departments, supporting them to take reasonable control measures to eliminate public safety hazards in time.
违章建筑不仅妨碍城市的正常发展建设,同时也给城市公共安全和人民生命财产带来潜在威胁,特别是一些不易被发现的隐蔽违章建筑更是有可能成为巨大的安全隐患。对于大中城市,依靠传统的人力排查在时间和人力上消耗巨大,容易贻误处理违章建筑的最佳时机;而现有的遥感影像探测技术在小规模或者部分被植被遮挡的隐蔽违章建筑的探测能力上还存在一定的局限性。本项目以违章建筑,特别是隐蔽违章建筑为研究对象,以智能化、自动化的3D识别违章建筑为目标,利用机载激光雷达点云数据和GIS矢量地图数据,系统研究地物的多级精细分类方法、被遮挡建筑物的有效探测方法和智能判断违章建筑并提取3D信息的方法。提出快速、有效地辅助相关部门发现并判定(隐蔽)违章建筑的智能化、自动化方法和技术流程,提高相关部门的工作效率,为其及时对违章建筑采取合理的治理措施,尽可能减少或消除安全隐患提供有力支撑。

结项摘要

本项目研究融合机载LiDAR点云数据和GIS矢量地图数据的违章建筑智能识别和提取其空间特征的方法。.针对这一研究目标,设计了激光点云多级分类方法、建筑物立面点云提取与去噪算法、建筑物轮廓线提取方法、变化检测算法,用于提取细部结构和发现地物变化,并对实测数据进行了测试。.主要研究进展包括:1.局部自适应滤波算法:提出一种结合多回波信息、局部高程和坡度自适应的滤波算法,对于地形起伏大、植被密集地区的植被的剔除证实该算法有效。2.建筑物轮廓线提取,利用优化后的图像处理技术对激光点云进行分割并进行轮廓线提取;3.点云去噪:利用均匀八叉树,采用格网生长代替点生长,以八叉树节点为单位进行生长寻找数据块的边界,从而确定每个数据块的点的个数,最终确定粗差点;4.针对违章建筑物,开发了快速批量将疑似违章违法图斑和数字影像叠加结果进行截图取证的计算机程序。.本项目采用激光点云变化检测技术对核查区域进行变化检测,根据变化检测结果确定核准。与常规的通过人工过屏比对、毫无目的性的全面检测变化区域的方式相比,这一方法为政府监管部门的核准工作提供了有针对性的重点发现,即在变化检测结果基础上进行更新发现,确定核查方式及核查内容。这种核准方法可以有效避免人工逐屏比对产生的遗漏,帮助发现一定量尚未被识别的变化区域,减少人工判读造成的丢漏;同时,节省了一定的人工比对时间,提高工作效率。.本项目的研究过程按照工作进度安排有序执行。先后搜集、阅读并分析了百余篇国内外文献;参加国内外学术交流、讨论会议;设计算法,同时通过和合作单位的协作,采集了实测数据,并对算法进行了测试和总结分析,得出了一定的研究成果,并总结了这一研究过程中待解决的问题。此外,培养本科生和硕士研究生共4名,申报成功省部级科研课题1项,科技类横向课题1项,发表论文5篇,获得中国岩石力学与工程学会2017年度科技进步奖二等奖1项,正在申报软件著作权1项,发明专利3项。

项目成果

期刊论文数量(2)
专著数量(0)
科研奖励数量(1)
会议论文数量(3)
专利数量(0)
Applying Lightweight UAV in Landslide Monitoring
轻型无人机在滑坡监测中的应用
  • DOI:
    10.4028/www.scientific.net/amm.738-739.738
  • 发表时间:
    2015
  • 期刊:
    Applied Mechanics and Materials
  • 影响因子:
    --
  • 作者:
    Li Peng;Feifei Tang;Zhiyue Zhou;Xing Liu;ZhiMin Ruan
  • 通讯作者:
    ZhiMin Ruan
基于机载LiDAR和GIS数据的建筑物变化信息自动检测方法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    国土资源遥感
  • 影响因子:
    --
  • 作者:
    唐菲菲;阮志敏;张亚利;彭丽
  • 通讯作者:
    彭丽

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

治疗相关性急性淋巴细胞白血病与新发急性淋巴细胞白血病异基因造血干细胞移植后疗效比较
  • DOI:
    10.13201/j.issn.1004-2806.2017.01.005
  • 发表时间:
    2017
  • 期刊:
    临床血液学杂志
  • 影响因子:
    --
  • 作者:
    唐菲菲;黄晓军;张晓辉;陈育红;韩伟;王景枝;莫晓冬;陈欢;王峰蓉;许兰平
  • 通讯作者:
    许兰平
一个新的体外快速鉴定十字花科黑腐病菌Ⅲ型效应物的报告质粒的构建
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    基因组学与应用生物学
  • 影响因子:
    --
  • 作者:
    唐菲菲;韩恩兴;梁业瀛;刘三;姜伯乐
  • 通讯作者:
    姜伯乐
基于体素的森林地区机载LiDAR数据DTM提取
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    北京林业大学学报
  • 影响因子:
    --
  • 作者:
    张小红;阮志敏;唐菲菲;刘经南
  • 通讯作者:
    刘经南
ESR法研究pH值对Pt催化N2H4断键 的影响机制
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    原子能科学技术
  • 影响因子:
    --
  • 作者:
    张晓腾;郝 帅;何 博;蒋冬梅;唐菲菲;夏良树
  • 通讯作者:
    夏良树
陡坡林区的LIDAR点云滤波方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    测绘信息与工程
  • 影响因子:
    --
  • 作者:
    王明华;郭斐;唐菲菲;张小红
  • 通讯作者:
    张小红

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码