本发明公开了一种结合全球 DEM 与立体视觉的卫星影像云检测方法，利用密集匹配的 DSM 数据 和现有的全球 DEM 数据 SRTM，结合高程与影像灰度信息提取云区域。主要步骤如下：通过多影像多 匹配基元方法获得模型匹配的 M-DSM，基于特征线的方法配准 M-DSM 与 SRTM，通过高程差值获得 初始种子点，然后把种子点计算到像方，结合影像的灰度信息提取出云区域。本发明在有大面积雪的影 像，能有效的避免雪的干扰，准确地检测出云区，提高了遥感影像的利用率。 

用于彩色数字影像系统的色适应变换寻优方法及系统，包括输入影像客体各样本可见光范围光谱反 射率数据；计算各样本在目标光源照明条件下色度信息，求解各样本在各种模拟光源照明条件下色度信 息；利用各种色适应变换方法预测色适应变换后在目标光源照明条件下的色度信息；计算各模拟光源下 各待寻优的色适应变换方法对各样本的色适应变换平均精度；构建 BP 神经网络对模拟光源的相对光谱 功率分布曲线与色适应变换平均精度之间关系进行拟合；对于任意光源，利用各条 BP

机载LiDAR与航空影像联合城市三维建模系统（LiDARPro）主要以机载LiDAR点云及多视航空影像作为输入数据，通过点云语义分割、点云影像配准、实景三维模型重建、建筑物单体结构化模型重建、人机交互等功能模块，实现高效率、（半）自动的城市实体三维模型重建，具备全自动大测区城市建模、半自动城市高精度精细实体模型重建等多种解决方案，致力于提高智慧城市建设的自动化程度，推进实景三维中国建设进程。 一、项目分类 关键核心技术突破 二、技术分析 创新性： 机载LiDAR与航空影像联合城市三维建模系统（LiDARPro）主要以机载LiDAR点云及多视航空影像作为输入数据，通过点云语义分割、点云影像配准、实景三维模型重建、建筑物单体结构化模型重建、人机交互等功能模块，实现高效率、（半）自动的城市实体三维模型重建，具备全自动大测区城市建模、半自动城市高精度精细实体模型重建等多种解决方案，致力于提高智慧城市建设的自动化程度，推进实景三维中国建设进程。系统主要由两部分功能模块组成：自动化模型重建模块及三维可视化交互管理系统模块。其中自动建模模块由点云影像自动配准、实景三维模型重建、点云滤波、点云分类、建筑物单体化分割、建筑物结构化模型重建等软件子模块构成。系统支持DEM、DOM、实景三维模型、建筑物LoD1至LoD3模型等多种产品生产；支持多核、多CPU、多GPU架构的任务并行化管理，支持搭建点云、影像、模型数据库，支持人机交互进行语义分割、模型编辑、纹理编辑等功能。 软件解决的关键问题： LiDAR点云与倾斜影像异源异构数据配准问题，点云影像数据难以联合应用； 单一数据源三维信息与纹理信息不全，高质量模型结果依赖高精度数据输入，导致数据获取成本昂贵、效率较低； 城市级实景三维模型重建自动化程度低，低精度自动结构化模型成果难复用，而手动模型绘制难度高、工艺繁琐； 实景三维数据制作单位高度依赖国外软件，国产化难。 先进性： 当前，国内90%以上地形级实景三维数据制作测绘单位都基于国外软件进行三维重建，而城市级实景三维模型则重度依赖全人工手动勾绘且需调用国外专业三维建模软件，模型重建学习成本极高、软件针对性不强而效率低下。 机载LiDAR与航空影像联合城市三维建模系统软件系统以高精度、高效率、高自动化程度城市级实景三维模型重建为首要目标。软件系统具备高精度点云影像配准模块提供异源数据联合应用基础；采用LiDAR点云约束的多视影像密集匹配策略实现高精度、全覆盖三维数据输入以实现高质量实景三维模型重建；采取地面点滤波、非地面点地物分类、目标地物单体实例分割递进式流程得到建筑物等地物单体化三维数据；优化自动结构化模型重建与人工干预的结构化建模流程，无需额外依赖专业建模软件；提供针对建筑物结构化建模的模型编辑、纹理编辑模块，不达标的自动模型可复用，三维点云端、二维影像端可独立或联合编辑，具备交互友好的参照式、勾绘式、半自动编辑模式。 独占性： 系统主要搭建两条生产路线，以适应不同地域模型精度要求差异、不同应用时间响应要求。其一是以LiDAR点云为主的快速建筑物结构化模型重建，经过点云分类、建筑物实例分割、结构化模型重建等步骤构建人工地物结构化模型，并利用配准后多视影像对模型纹理映射，此生产线主要产品包括DOM、DEM、 LoD2为主的建筑物结构化模型、典型地物真实色彩点云等轻量基础数据；其二是在LiDAR点云约束下生成高精度密集匹配点云构造高质量实景三维模型，并在此基础上提取建筑物单体三角网数据，经过模型简化抽象得到建筑物LoD3模型，此生产线主要产品包括实景三维模型、建筑物LoD3模型等城市级实景三维数据要素。 此外，软件系统支持在Windows (Win7/10)、Ubuntu (16.04/18.04/ 20.04)、国产麒麟(V4/V10)等多操作系统中运行，已阶段性实现国产化。

本发明公开了一种面向关系数据库扩展的自适应影像金字塔切片方法，本发明针对空间数据管理系 统发展现状，综合考虑局域网网络带宽和服务器端数据库存储块大小，并结合局域网客户端硬件情况， 提出了自适应影像切片模型，根据自适应影像切片模型自适应的选择影像切片尺寸。本发明可在多种不 同的数据库、网络和客户端条件下实现影像数据智能化高效存储与访问，为高效的影像数据管理提供了 可行的思路和方法，有助于在 C/S 架构的网络环境下高效存取和管理基于数据库技术的遥感影像数据。 

本发明公开了一种基于改进 SIFT 算子的低空多视角遥感影像匹配方法，首先采用优化的 DoG 算子 对第一影像和第二影像进行特征点检测，然后利用基于局部区域采样模拟的 SIFT 描述子对特征点进行 描述形成特征向量，最后采用 NNDR 策略形成初始匹配特征点，并利用基于极几何约束的 RANSAC 算 法对匹配点进行提纯。本发明能够有效地解决低空遥感影像匹配中存在的多视角以及弱纹理等问题。 

本发明提供了一种基于快速二值编码的高分辨率遥感影像场景分类方法，包括步骤:步骤 1，划分 待分类遥感影像获得场景单元;步骤 2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本; 步骤 3，采用非监督学习法学习局部图像块训练样本获得滤波器组;步骤 4，将场景单元与滤波器组中 各滤波器分别做卷积获得各场景单元的幅滤波器响应图，采用二值编码法分别融合各场景单元的幅滤波 器响应图获得各场景单元的全局特征描述;步骤 5，基于场景单元的全局特征描述进行场景单元分类。 本发明在保证场景分类精度的前提下，大大降低了非监学习法的计算代价。

睿行智能是速羽动力旗下的低速智能车品牌，专注于多种场景的无人驾驶车辆、智能车的研发生产制造。 一、项目进展 已注册公司运营 二、企业信息 企业名称 南京速羽动力科技有限责任公司 企业法人 史昀珂 注册时间 2016.06.29 注册所在省市 江苏省南京市 组织机构代码 91320115MA1MNUC45H 经营范围 经营范围包括汽车、电动车、汽车模型、赛车、机动车及相关零配件的研发、生产、销售、技术服务和售后服务；工业产品造型设计开发；自营和代理各类商品和技术的进出口业务（国家限定公司经营或禁止进出口的商品和技术除外）；钢管、铝材、金属材料销售；碳纤维制品、锂电池组、电池管理系统、高压箱的研发和销售；体育赛事策划；赛车场地维护；自有设备租赁（不得从事金融租赁）；新能源汽车技术领域额内的技术开发、技术咨询、技术服务、技术转让；机械加工；游乐设备设计、生产、加工、销售及技术服务。 企业地址 南京江宁区东南大学路33号东南大学国家科技园1号楼3楼 获投资情况 东大科技园-紫金创投学生创业基金 15万元 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 史昀珂 机械工程 2021年9月 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 殷国栋 机械工程 教授 汽车工程 五、项目简介 睿行智能（RUIMOVE）是速羽动力旗下的低速智能车品牌，专注于多种场景的无人驾驶车辆、智能车的研发生产制造。 团队在多个领域的综合经验，使得我们在智能车领域拥有全方位的综合实力，不同的技术积累构成不同的解决方案，应用于无人驾驶的多个场景，包括无人驾驶科研平台、无人货运、无人巡逻、无人物流、无人清扫、无人摆渡、无人军事等。睿行智能（RUIMOVE）整合优势资源，立足低速智能车领域，致力于技术创新和产品创新，为低速无人车提供智能底盘整体解决方案，包括：车规级、全线控化的核心零部件，多场景电驱动系统方案，底盘轻量化、高性能解决方案。以强大的供应链、生产制造管理实现智能车的大批量生产及成本控制。睿行智能决心成为无人驾驶解决方案提供商，并积极布局软件算法、高精度地图、云服务、数据服务等领域，通过提供高性能的低速智能车和用户体验，为用户创造简便的生活方式，在全球范围内打造用户企业，致力于未来低速智能车的全面普及工作。