您的位置: 专家智库 > >

杨铭

作品数:7 被引量:47H指数:3
供职机构:上海市测绘院更多>>
相关领域:天文地球交通运输工程农业科学文化科学更多>>

文献类型

  • 5篇期刊文章
  • 1篇会议论文
  • 1篇科技成果

领域

  • 4篇天文地球
  • 1篇自动化与计算...
  • 1篇交通运输工程
  • 1篇农业科学
  • 1篇文化科学

主题

  • 3篇点云
  • 2篇三维激光扫描
  • 2篇摄影测量
  • 2篇无人机
  • 2篇CUDA
  • 2篇GPU
  • 2篇KNN
  • 2篇KNN查询
  • 2篇查询
  • 2篇查询算法
  • 1篇单木
  • 1篇档案
  • 1篇档案数据
  • 1篇档案数据库
  • 1篇地理信息
  • 1篇地理信息系统
  • 1篇地面三维激光...
  • 1篇点云配准
  • 1篇信息系统
  • 1篇扫描测量

机构

  • 7篇上海市测绘院
  • 1篇江苏星月测绘...
  • 1篇景遥(上海)...

作者

  • 7篇杨铭
  • 2篇陈建峰
  • 1篇吴张峰
  • 1篇郭功举
  • 1篇邓迅
  • 1篇姚文强
  • 1篇汪旻琦
  • 1篇康明
  • 1篇毛炜青
  • 1篇陈燕
  • 1篇舒琪
  • 1篇谭玉峰

传媒

  • 3篇测绘通报
  • 1篇城市勘测
  • 1篇现代测绘
  • 1篇第四届“测绘...

年份

  • 1篇2023
  • 1篇2019
  • 1篇2018
  • 1篇2017
  • 1篇2014
  • 2篇2012
7 条 记 录,以下是 1-7
排序方式:
移动测量在超精细三维场景制作中的应用研究被引量:1
2017年
近年来,随着城市信息化建设的不断深入,超精细三维场景的应用越来越广泛。本文首先从需求出发,分析了超精细三维场景在城市信息化建设中的重要性;然后针对传统作业方法的不足,重点研究了包括无人机倾斜摄影测量、移动扫描测量、动态纹理采集、手持三维扫描测量在内的多种新型移动测量技术在超精细三维场景制作中的应用情况。
杨铭
基于深度学习的高分辨率航空遥感影像单木识别技术研究
2023年
城市森林监测的数字化和智能化是未来发展的主要趋势。利用上海市2020年航空影像和植被冠层高度模型,采用U-net卷积神经网络对上海市金山区乔木林进行单木自动识别研究。研究结果表明:利用计算机深度学习自动识别金山区乔木林单株约454万棵;不同林地类型单木自动提取的精度不同,常绿林地的单木提取精度最高为90.77%;不同郁闭度表现出不同的识别精度,不同郁闭度林地的计算机单木自动识别精度均高于80%。本研究将为上海市森林资源的智能化和数字化管理提供技术支持和科学依据。
孟陈李琦杨铭唐玉娟
关键词:林业卷积神经网络航空摄影
上海市不可移动文物管理地理信息系统
姚文强毛炜青郭功举陈燕康明吴张峰邓迅杨铭冯军锋汪旻琦尹玉廷舒琪谭玉峰
第三次文物普查在全市新发现不可移动文物1802处,共计4422处.上海市文物局为加快普查成果转化,提高文物管理水平,与上海市测绘院合作建设"上海市不可移动文物管理地理信息系统".该系统运行于上海市政府公众信息网之上,实现...
关键词:
关键词:档案数据库
新型测绘技术在道路竣工规划验收测量中的应用研究被引量:11
2019年
将地面三维激光扫描、背包式移动扫描、无人机倾斜摄影测量三种新型测绘技术应用到道路竣工规划验收测量中,通过数据采集实验验证精度和效率。结果表明,三种测绘技术在平面点位精度和高程精度上均优于5 cm,能满足道路竣工规划验收测量的要求,且作业效率较传统方法优势明显。其中,背包式移动扫描精度可靠、作业效率高,综合表现最好。
杨铭
关键词:地面三维激光扫描
背包式移动三维激光扫描系统的应用被引量:33
2018年
研究当前具有代表性的3款背包式移动三维激光扫描系统,对其中使用的关键技术进行了对比分析,并通过数据采集试验验证了此类设备的精度和效率。结果表明,3款设备在平面点位精度和间距精度上均优于5 cm,能满足一般测绘项目(如大比例尺地形图测绘)的要求,但在高程精度上仍存在一定的差距;而相比于传统作业方法,3款设备在作业效率上优势明显。多传感器、多定位算法的融合是此类设备今后应用发展的一个方向。
杨铭
关键词:SLAM点云配准
基于CUDA的海量点云数据kNN查询算法
通过激光扫描技术获得的点云数据量十分巨大,如何利用k最近邻域(k-nearest neighbors,kNN)查询重建海量点云中各采样点间的拓扑关系,对点云数据的后续处理至关重要。在深入研究GPU编程技术的基础上,将GP...
杨铭陈建峰
关键词:点云KNN查询GPUCUDA
文献传递
基于CUDA的海量点云数据kNN查询算法被引量:3
2012年
通过激光扫描技术获得的点云数据量十分巨大,如何利用k最近邻域(k-nearest neighbors,kNN)查询重建海量点云中各采样点间的拓扑关系,对点云数据的后续处理至关重要。在深入研究GPU编程技术的基础上,将GPU通用计算引入到点云数据的kNN查询问题中,提出一种通过CUDA实现的基于外存的双层查询结构。试验结果表明,该方法与传统算法相比在查询效率上有较大提升,最大增幅可达53.8%。
杨铭陈建峰
关键词:点云KNN查询GPUCUDA
共1页<1>
聚类工具0