-
题名基于系留无人机的应急测绘技术应用
被引量：14
- 1
-
-
作者
王永全
李清泉
汪驰升
朱家松
王新雨
-
机构
深圳大学城市空间信息工程广东省重点实验室
深圳大学海岸带地理环境监测自然资源部重点实验室
自然资源部城市土地资源监测与仿真重点实验室
-
出处
《国土资源遥感》
CSCD
北大核心
2020年第1期1-6,共6页
-
基金
自然资源部城市土地资源监测与仿真重点实验室开放基金资助课题项目“基于时序多基线InSAR的滑坡隐患监测方法”(编号:KF-2018-03-004)
深圳市科创委研究项目“基于InSAR卫星大地测量数据的地震精细目录标准化构建”(编号:JCYJ20170302144002028)
+3 种基金
“面向SAR大数据的时序InSAR分析处理关键技术研究”(编号:JCYJ20180305125101282)
“基于卫星雷达测角及干涉技术的城市填埋场边坡稳定性监测研究”(编号:KQJSCX20180328093453763)
地震动力学国家重点实验室开放基金项目“贝叶斯框架下多源数据地震震源特征联合反演”(编号:LED2016B03)
深圳市未来产业发展专项资金项目“无人机多传感器集成专业应用示范”(编号:201607281039561400)共同资助。
-
文摘
传统测绘比较注重“准”,而忽视了“快”。现代应急测绘需要“既快又准”。如果使用传统的测绘技术方法将会消耗大量的时间,会影响到应急救灾的及时性。系留无人机可以采集高质量的数据,并且能够进行实时的长时间视频监测。首先,介绍了系留无人机应急测绘的应用现状、特点优势和应用场景;然后,提出一种利用系留无人机采集高质量的影像数据和视频数据生产测绘数据产品,并通过Darknet深度学习框架对视频目标进行识别的经验和方法;最后,在不同场景下进行模拟实验和实际应用。实验结果表明,该方法能够为救灾抢险提供及时有效的测绘保障。
-
关键词
系留无人机
应急测绘
Agisoft
Photo
Scan
DARKNET
-
Keywords
tethered UAVs
emergency surveying and mapping
Agisoft PhotoScan
Darknet
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于深度学习的密集人群安全监测系统
被引量：3
- 2
-
-
作者
王新雨
汪驰升
-
机构
深圳大学城市空间信息工程广东省重点实验室
深圳大学海岸带地理环境监测自然资源部重点实验室
国土资源部城市土地资源监测与仿真重点实验室
-
出处
《物联网技术》
2019年第11期8-12,17,共6页
-
基金
国家自然科学基金(41974006)
深圳市科创委基础研究基金(KQJSCX20180328093453763)
+3 种基金
深圳市科创委基础研究基金(JCYJ20180305125101282)
深圳市科创委基础研究基金(JCYJ20170412142144518)
地震动力学国家重点实验室开放基金(LED2016B03)
国土资源部城市土地资源监测与仿真重点实验室开放基金(KF-2018-03-004)
-
文摘
近年来高密度人群聚集活动经常因为缺乏及时有效的管理而导致安全事故频频发生,人群活动的应急管理、风险评估、隐患识别越来越受到重视。鉴于系留无人机的自由灵活性,其可长时间、全方位监测密集人群,将监测数据传入深度学习的卷积模型中,计算人群密度等指标,并验证实验结果的可行性,将预警信息、风险点数据推送至相关管理单位,形成监测信息、预警信息、对应措施信息化安全管理系统,为安全管理部门提供帮助。
-
关键词
城市安全
高密度人群
系留无人机
深度学习
场景分析
卷积模型
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名深度学习目标检测算法在行车记录仪上的应用
被引量：1
- 3
-
-
作者
王新雨
汪驰升
舒齐奇
柯君卓
高青
-
机构
深圳大学城市空间信息工程广东省重点实验室
深圳大学海岸带地理环境监测自然资源部重点实验室
国土资源部城市土地资源监测与仿真重点实验室
深圳市南山区教育科学研究中心
-
出处
《智能城市》
2019年第14期4-8,共5页
-
基金
国土资源部城市土地资源监测与仿真重点实验室开放基金资助课题项目(KF-2018-03-004)
深圳市科创委研究项目(JCYJ20170302144002028,JCYJ20180305125101282,KQJSCX20180328093453763)
地震动力学国家重点实验室开放基金项目(LED2016B03)
-
文摘
近几年来随着人工智能的发展,特别是深度学习技术在计算机视觉领域的飞速发展,使得目标检测技术获得了很大的进步。针对实现在复杂城市道路场景下通过行车记录仪采集视频精确的检测到前方车辆成为可能。用到的是比较经典的Faster R-CNN算法,然后结合迁移学习。检测出车辆后,从标记框中进行车辆的位置、个数、大小等特征提取,根据这些信息分析相应交通参数并进行验证。这些信息将能为辅助驾驶系统、交通规划、行车安全等应用提供有效的帮助。
-
关键词
深度学习
行车记录仪
FASTER
R-CNN
车辆检测
交通辅助
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
