XiaoMi-AI文件搜索系统
World File Search System图像匹配
一种从空间立体影像中描绘建筑物足迹的混合方法
从遥感图像中自动提取建筑物轮廓线已用于更新城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物轮廓线 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两幅对极图像中都无法清晰检测到建筑物轮廓的情况下。此外，虽然影像匹配提供了代表建筑物高度的DSM，但是从该DSM提取的建筑物大小和形状通常被高估，因此需要辅助信息。
一种从空间立体影像中描绘建筑物足迹的混合方法
从遥感图像中自动提取建筑物轮廓线已用于更新城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物轮廓线 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两幅对极图像中都无法清晰检测到建筑物轮廓的情况下。此外，虽然影像匹配提供了代表建筑物高度的DSM，但是从该DSM提取的建筑物大小和形状通常被高估，因此需要辅助信息。
地面 SfM–MVS 监测冰川的适用性...
摘要。随着运动结构 (SfM) 和密集图像匹配 (如多视角立体成像 (MVS)) 等计算机视觉算法的最新发展，基于照片的表面重建正迅速成为地球科学许多领域中激光雷达 (光检测和测距) 的替代勘测技术。这项研究的目的是测试地面 SfM-MVS 方法是否适用于计算 2.1 平方公里冰川的大地质量平衡以及探测位于意大利东部阿尔卑斯山的邻近活岩冰川的表面位移。这些照片是在 2013 年和 2014 年使用数字消费级相机在单日实地调查中拍摄的。机载激光扫描 (ALS，也称为机载激光雷达) 数据被用作基准，以估计摄影测量数字高程模型 (DEM) 的准确性和该方法的可靠性。 SfM-MVS 方法能够重建高质量的 DEM，所提供的冰川和冰缘过程估计值与使用 ALS 可实现的估计值类似。在冰川外的稳定基岩区域，2013 年和 2014 年 SfM-MVS DEM 与 ALS DEM 之间的高程差的平均值和标准差分别为 − 0.42 ± 1.72 和 0.03 ± 0.74 m。两种方法下冰川高程损失和增益的总体模式相似，范围在 − 5.53 至 + 3.48 m 之间。在岩石冰川区域，高程差小于
基于LIDAR定向子图像的自动驾驶图之间的航向点传输模块
摘要：车道图对于描述道路语义和使用本地化和路径规划模块实现安全的操作非常重要。这些图被认为是长寿细节，因为道路结构中发生了罕见的变化。另一方面，由于有必要使用不同的定位系统（例如GNSS/INS-RTK（GIR），Dead-Reckoning（DR）或SLAM Technologies）更新或扩展地图，因此可能会更改相应拓扑图的全局位置。因此，应将车道图准确地在地图之间传输，以描述车道和地标的相同语义。考虑到其在关键的道路结构中实施的挑战性要求，本文根据LiDAR强度路面在图像域中提出了一个独特的转移框架。目标图中的道路表面被分解为全球坐标系中的X，Y和YAW ID的定向子图像。XY ID用于使用参考图检测公共区域，而YAW ID则用于重建参考图中的车辆轨迹并确定相关的车道图。然后将方向子图像匹配到参考子图像，并将图形安全地传输。实验结果已经验证了所提出的框架在地图之间安全，准确地传输巷道图的鲁棒性和可靠性，无论道路结构的复杂性，驾驶场景，地图生成方法和地图全局精度的复杂性如何。
摄影测量 DSM 去噪
a 3D 光学计量（3DOM）部门，布鲁诺凯斯勒基金会（FBK），Via Sommarive 18，38123，特伦托，意大利 franex@fbk.eu，http://3dom.fbk.eu b 特温特大学，地理信息科学与地球观测学院（ITC），地球观测科学系，P.O.Box 217，7500AE Enschede，荷兰 m.gerke@utwente.nl 第三委员会 - WG 1 关键词：图像匹配、DSM、马尔可夫随机场、图切割、平滑 摘要：如今，图像匹配技术可以提供非常密集的点云，它们通常被认为是 LiDAR 点云的有效替代方案。然而，与 LiDAR 数据相比，摄影测量点云通常具有更高水平的随机噪声和存在较大异常值的特点。这些问题限制了摄影测量数据在许多应用中的实际使用，但仍需找到增强生成点云的有效方法。在本文中，我们专注于从密集图像匹配点云计算出的数字表面模型 (DSM) 的恢复。摄影测量 DSM，即表面的 2.5D 表示，仍然是从点云派生的主要产品之一。提出了四种专门用于 DSM 去噪的不同算法：标准中值滤波方法、双边滤波、变分方法（TGV：总广义变分），以及一种新开发的算法，该算法嵌入马尔可夫随机场 (MRF) 框架并通过图计算进行优化
自动检测建筑点...
希腊雅典国立技术大学乡村与测量工程学院摄影测量实验室，电子邮箱：maltezosev@gmail.com；cioannid@survey.ntua.gr 第三委员会，第三工作组/2 关键词：激光雷达、点云、建筑物提取、扫描线、过滤、变化检测 摘要：本研究旨在自动检测建筑物点：（a）从激光雷达点云中使用简单的过滤技术来增强每个点的几何特性，以及（b）从使用立体方法半全局匹配 (SGM) 在高分辨率彩色红外 (CIR) 数字航空影像上应用密集图像匹配提取的点云。第一步，去除植被。在 LIDAR 点云中，首先使用法线，然后使用粗糙度值，实施并评估两种不同的方法：（1）建议的扫描线平滑滤波和阈值处理，以及（2）双边滤波和阈值处理。对于 CIR 点云的情况，出于相同目的，计算归一化差异植被指数 (NDVI) 的变化。之后，使用形态学算子提取裸地并将其从其余场景中移除，以保留建筑物点。使用现有正射影像作为参考，评估在希腊北部城市地区应用每种方法提取的建筑物的结果；此外，将结果与从两个商业软件中提取的相应分类建筑物进行比较。最后，为了验证达到最佳精度的提取建筑物点的实用性和功能性，在整个场景的子区域上指示性地执行细节级别 1 (LoD 1) 的 3D 模型和 3D 建筑物变化检测过程。
神经放射学亚专科研究指南
考试将由三个相等的部分组成；大脑，脊柱和头颈。小儿病例包括每个考试部分。每个部分将由60个可记分的单位组成（即个人问题）总共180个项目。有几种案例表现格式（请参见下面的示例问题）。最常见的格式将是多项选择问题。以这种格式，每种情况都将从图像或一组图像开始，并带有随附的临床信息。候选人将被要求选择最可能（或有时最少）诊断的候选人。候选人做出选择后，通常会问一到三个后续问题。候选人将有机会返回并查看原始图像，但将被阻止将其答案更改为先前的问题。后续问题将探讨候选人对第一个问题引入的疾病实体的临床，病理和治疗方面的知识。重要的是要注意，后续问题可能是指除对案件的“正确”诊断之外的其他实体。在某些情况下，随访问题将包括可能改变案件可能诊断的其他成像研究。因此，这种格式与先前的口服亚科考试中使用的格式非常相似。另一种格式是项目匹配案例。以这种格式为候选人提供诊断选项和图像集的列表。候选人将将图像匹配到正确的诊断。第三格式将用于解剖问题。此格式用于测试候选人区分具有相似外观或位置的病变的能力。将向候选人展示图像，并要求将标签放在特定的解剖结构上。