车载激光扫描点云数据的实体对象感知与三维重构

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41071268
  • 项目类别：
    面上项目
  • 资助金额：
    35.0万
  • 负责人：
    杨必胜
  • 依托单位：
    武汉大学
  • 学科分类：
    D0113.遥感科学
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

车载激光扫描系统在基础测绘和大规模城市场景的三维重建中具有越来越明显的优势。目前，车载激光扫描点云数据的特征提取和三维重构存在着计算量大、智能化程度低、特征提取及几何重构的可靠性差等方面的不足。本项目将结合计算机视觉、数值分析、计算几何等领域的理论与方法，重点研究车载激光扫描点云数据的多层次分类方法、实体对象几何特征的多尺度稳健提取算法以及几何与语义集成的建筑物立面点云数据三维精细重建方法，实现点云数据中实体对象几何特征的多层次、多尺度提取，形成稳定、可靠的车载激光扫描数据的处理方法，从而在最小人工干预条件下实现车载激光扫描数据的智能化处理与建模。本课题的研究将提高车载激光扫描数据的智能化解译水平与三维重建的自动化程度。研究成果在移动测图、数字文化遗产、基础测绘等方面将发挥巨大作用。

结项摘要

车载激光扫描系统在基础测绘和大规模城市场景的三维重建中具有越来越明显的优势。目前，车载激光扫描点云数据的分类与特征提取及目标提取存在着计算量大、智能化程度低、可靠性差等方面的不足。本项目结合计算机视觉、数值分析、计算几何等领域的理论与方法，重点研究车载激光扫描点云数据的目标快速分类与识别、几何特征以及几何目标的稳健提取算法，从而在最小人工干预条件下实现车载激光扫描数据的高效处理，实现点云数据中目标几何特征的多层次、多尺度提取，形成稳定、可靠的车载激光扫描数据的处理方法，从而在最小人工干预条件下实现车载激光扫描数据的智能化处理。. 课题组成员了提出了基于形状特征的激光点云分割方法，为激光点云中多目标的稳健提取奠定了基础，研究成果发表在SCI二区期刊，并得到了国际同行的高度好评。在点云分割的基础上课题组提出了建筑物目标的提取方法、道路特征的提取方法以及道路标线和道路附属设施的提取方法，并获得了2013年度测绘学报优秀论文（排名第1）。课题组提出的建筑物目标提取算法经过国际摄影测量与遥感学会的评测，位于25个算法中的第7位。其次针对车载点云的海量特征，课题组提出了海量点云数据和影像数据的高效管理方法，研究成果直接用于四维图新公司的工程化生产。目前已发表期刊学术论文12篇（其中SCI论文7篇，EI论文5篇）；培养了毕业硕士生4名，在读博士研究生2名，毕业博研究生生3名。本课题的研究提高了车载激光扫描数据数据的智能化解译水平与三维重建的自动化程度。研究成果在移动测图、数字文化遗产、基础测绘等方面发挥了实际作用。

项目成果

期刊论文数量（12）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
车载LiDAR点云中建筑物立面位置边界的自动提取
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    武汉大学学报(信息科学版)
  • 影响因子：
    --
  • 作者：
    魏征;杨必胜;董震;李清泉
  • 通讯作者：
    李清泉
Automated Extraction of Road Markings from Mobile Lidar Point Clouds
从移动激光雷达点云中自动提取道路标记
  • DOI：
    10.14358/pers.78.4.331
  • 发表时间：
    2012-04-01
  • 期刊：
    PHOTOGRAMMETRIC ENGINEERING AND REMOTE SENSING
  • 影响因子：
    1.3
  • 作者：
    Yang, Bisheng;Fang, Lina;Li, Jonathan
  • 通讯作者：
    Li, Jonathan
车载激光扫描数据的结构化道路自动提取方法
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    测绘学报
  • 影响因子：
    --
  • 作者：
    方莉娜;杨必胜
  • 通讯作者：
    杨必胜
A shape-based segmentation method for mobile laser scanning point clouds
一种基于形状的移动激光扫描点云分割方法
  • DOI：
    10.1016/j.isprsjprs.2013.04.002
  • 发表时间：
    2013-07-01
  • 期刊：
    ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING
  • 影响因子：
    12.7
  • 作者：
    Yang, Bisheng;Dong, Zhen
  • 通讯作者：
    Dong, Zhen
车载激光扫描点云中建筑物边界的快速提取
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    遥感学报
  • 影响因子：
    --
  • 作者：
    魏征;杨必胜;李清泉;WEI Zheng1,2, YANG Bisheng1,2, LI Qingquan1,2 1. S;2. Engineering Research Center for Spatio-temporal
  • 通讯作者：
    2. Engineering Research Center for Spatio-temporal

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

空间数据网络多分辨率传输的几何图形相似性度量
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    测绘学报
  • 影响因子：
    --
  • 作者：
    唐炉亮;杨必胜;李清泉
  • 通讯作者：
    李清泉
三维激光扫描点云数据处理研究进展、挑战与趋势
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    测绘学报
  • 影响因子：
    --
  • 作者：
    杨必胜;梁福逊;黄荣刚
  • 通讯作者：
    黄荣刚
地面激光点云与纹理影像的自动配准
  • DOI：
    10.14188/j.2095-6045.2015.03.005
  • 发表时间：
    2015
  • 期刊：
    测绘地理信息
  • 影响因子：
    --
  • 作者：
    钱金菊;杨必胜;陈驰;董震
  • 通讯作者：
    董震
基于簇模型的矢量地图数据的高效压缩方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    武汉大学学报(信息科学版)
  • 影响因子：
    --
  • 作者：
    杨必胜;李清泉
  • 通讯作者：
    李清泉
面向车载激光扫描数据的道路目标精细化鲁棒提取
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    地球信息科学学报
  • 影响因子：
    --
  • 作者：
    熊伟成;杨必胜;董震
  • 通讯作者：
    董震

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

杨必胜的其他基金

城市立体形态结构化建模理论方法
  • 批准号：
    42130105
  • 批准年份：
    2021
  • 资助金额：
    291 万元
  • 项目类别：
    重点项目
2019年城市、交通及健康研讨会
  • 批准号：
  • 批准年份：
    2019
  • 资助金额：
    3.04 万元
  • 项目类别：
    国际(地区)合作与交流项目
广义影像点云构建与多细节层次建模
  • 批准号：
    41531177
  • 批准年份：
    2015
  • 资助金额：
    302.0 万元
  • 项目类别：
    重点项目
车载激光扫描点云与全景影像的高精度配准方法
  • 批准号：
    41371431
  • 批准年份：
    2013
  • 资助金额：
    75.0 万元
  • 项目类别：
    面上项目
基于模式识别的道路网数据LOD表达
  • 批准号：
    40871185
  • 批准年份：
    2008
  • 资助金额：
    37.0 万元
  • 项目类别：
    面上项目
空间数据动态多分辨率网络传输关键技术研究
  • 批准号：
    40401051
  • 批准年份：
    2004
  • 资助金额：
    25.0 万元
  • 项目类别：
    青年科学基金项目

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