Патенты автора Алтынцев Максим Александрович (RU)
Изобретение относится к способам обработки многоспектральных цифровых аэрокосмических фотоснимков и может быть использовано при геодезическом геоинформационном мониторинге природных и техногенных объектов. Сущность: на контролируемом участке выполняют аэрокосмическую цифровую фотосъемку с помощью одной съемочной аэрокосмической системы с привязкой к планово-высотной системе координат (ПВО). Получают результаты аэрокосмической цифровой фотосъемки заданной территории в виде исходных многоспектральных цифровых аэрокосмических фотоснимков в заданный период времени. Полученные результаты передают в ПЭВМ и с помощью компьютерной программы выполняют их автоматизированное дешифрирование методом линейного спектрального преобразования с применением коэффициентов Tasseled Cap (ТС). Получают результаты автоматизированного дешифрирования в виде исходных многоспектральных цифровых изображений заданного участка местности. Осуществляют геодезический геоинформационный мониторинг объектов на контролируемом участке в заданный период времени. При этом в процессе автоматизированного дешифрирования дополнительно в этой же программе выполняют нормирование исходных многоспектральных цифровых изображений путем приведения к одной и той же яркости однотипных объектов. Получают результаты в виде нормированных многоспектральных цифровых изображений. Выбирают с использованием картографического материала и сохраняют отдельно тестовые участки одного размера, которые содержат однотипный набор объектов в пространстве измерений. Определяют параметры фильтрации для удаления в автоматическом режиме из матрицы каждого тестового участка нормированных многоспектральных цифровых изображений элементов, не относящихся к объектам в пространстве измерений, необходимых для дешифрирования. Выполняют расчет собственных базисных векторов для каждого тестового участка с применением метода повышения устойчивости ковариационной матрицы MCD (минимальный определитель ковариационной матрицы). При этом сначала рассчитывают исходную ковариационную матрицу по всем элементам матрицы нормированного многоспектрального цифрового изображения для каждого тестового участка. Затем выбирают процент точек, взятых в обработку, определяют количество точек, которые следует отбраковать. Далее в этой же программе по вычисленному для каждой точки расстоянию Махаланобиса отбраковывают точки с максимальным его расстоянием. Вычисляют ковариационную матрицу для каждого тестового участка по оставшимся после отбраковки точкам. После этого для каждой ковариационной матрицы вычисляют собственные вектора, на основе которых определяют коэффициенты преобразования TC, рассчитанные для участков с типовым набором объектов. Осуществляют преобразование ТС для нормированных многоспектральных цифровых изображений аэрокосмических снимков с помощью рассчитанных коэффициентов TC. Получают результаты преобразования в виде преобразованных нормированных многоспектральных цифровых изображений с наибольшим спектральным расстоянием между объектами различных типов. По преобразованным изображениям с применением картографических материалов выбирают эталоны для каждого объекта. Эталоны применяют в качестве обучающей выборки при автоматической классификации и векторизации преобразованных по рассчитанным коэффициентам TC нормированных многоспектральных цифровых изображений. Получают графическую тематическую цифровую карту с одновременным автоматическим вычислением площади заданного участка местности с привязкой к системе координат ПВО в заданный период времени. Вышеупомянутый мониторинг выполняют для природных и техногенных объектов посредством автоматизированного сравнения графических тематических цифровых карт, полученных в различные периоды времени на одну и ту же территорию по результатам автоматизированного дешифрирования методом линейного спектрального преобразования с применением коэффициентов TC. Технический результат: повышение информативности и точности получаемых результатов, повышение скорости обработки многоспектральных цифровых аэрокосмических фотоснимков. 1 ил.
По предлагаемому способу аэрокосмического геоинформационного мониторинга природных и техногенных объектов производят аэрокосмическую цифровую фотосъемку заданной территории не менее двух раз с помощью одной и той же съемочной аэрокосмической системы с привязкой к заданной системе координат ПВО. Получают результаты фотосъемки определенной территории в виде исходных цифровых аэрокосмических фотоснимков. Далее выполняют разделение изображения исходных цифровых аэрокосмических фотоснимков на фрагменты в виде пирамиды изображений со смещением и без смещения фрагмента. Определяют разностные фрагменты. По разностным фрагментам определяют пороговое значение яркости, соответствующее границе изменения на фрагментах. Объединяют обрисованные фрагменты с изменениями и исходные фрагменты без изменений и осуществляют привязку по координатам ПВО на исходные цифровые аэрокосмические фотоснимки. Технический результат заключается в повышении точности определения границы изменений изображений при вейвлет-преобразовании фрагментов исходных аэрокосмических цифровых фотоснимков. 1 ил.
Изобретение относится к области геодезического контроля в дорожно-строительной отрасли и может быть использовано при строительстве или реконструкции автомобильных дорог. В заявленном способе выполняют планово-высотное обоснование (ПВО) контролируемого участка автомобильной дороги с помощью наземной или мобильной сканерной геодезической съемки в прямом и обратном направлении, где в качестве опорных пунктов ПВО служат базовые станции GPS, размещенные по обочине автомобильной дороги, а также твердые точки по сторонам обочины дорожного полотна в виде оснований столбов дорожных знаков и элементов обустройства автомобильной дороги. Выполняют наземное или мобильное лазерное сканирование контролируемого участка по опорным пунктам ПВО, в результате чего определяют пространственные координаты по осям X, Y, Z точек отражения лазерного луча от поверхности дорожного полотна и опорные пункты ПВО, которые идентифицируются на сканах. Получают скан, передают результаты сканирования в ПЭВМ и с помощью компьютерной программы регистрируют в ней сканы, получают фактическую цифровую точечную трехмерную (3D) модель автомобильной дороги и придорожной полосы, Далее выполняют маршрутное фотографирование контролируемого участка дорожного полотна и прилегающей территории на ширину до 200 метров от оси автодороги в прямом и обратном направлении на базе беспилотного летательного аппарата. Передают результаты фотографирования в ПЭВМ, с помощью компьютерной программы регистрируют в ней ортофотопланы и производят построение цифровой фотограмметрической модели поверхности дорожного полотна и прилегающих к нему участков. По опорным пунктам ПВО трансформируют ее пространственные данные в данные фактической цифровой векторной трехмерной (3D) модели и получают интегральную реалистическую цифровую векторную трехмерную (3D) модель контролируемого участка автомобильной дороги и придорожной полосы, в этой же программе моделируют эталонную трехмерную модель автомобильной дороги и придорожной полосы. Совмещают ее по тем же опорным пунктам ПВО с полученной интегральной реалистической цифровой векторной трехмерной (3D) моделью автомобильной дороги и придорожной полосы. Далее формируют с заданной дискретностью продольные сечения, в автоматическом режиме распознают расхождения между фактическими значениями контролируемых параметров геометрических элементов интегральной реалистической цифровой векторной трехмерной (3D) модели и значениями эталонной трехмерной модели контролируемого участка автомобильной дороги и придорожной полосы, сравнивая полученные данные, определяют линейные геометрические параметры автомобильной дороги и придорожной полосы по поверхности измеряемого слоя, необходимые при строительстве или реконструкции автомобильных дорог. Технический результат - определение достоверных и точных значений параметров геометрических элементов автомобильной дороги и характеристик придорожной полосы с применением технологии лазерного сканирования. 3 ил.
