科学研究-RESEARCH

研究方向一:对地观测数据的智能计算

      从航天和航空平台上获取的可见光、红外、多/高光谱、合成孔径雷达等各类对地观测数据是全球/区域/局部尺度环境监测的重要数据来源。基于这些遥感数据提取的信息对自然和人文环境的监测、理解、规划和管理具有重要意义。随着对地观测传感器数量和种类不断增加、时间和空间分辨率不断提高,对地观测数据急剧膨胀。数据处理能力的滞后,是限制对地观测手段发挥效益的主要障碍之一。探索对地观测数据的快速信息提取和机器理解理论与方法,是提高对地观测系统成效的迫切需求,也是遥感技术发展中所共同面临的科学难题。

      该研究方向以遥感数据向信息和知识的智能转换为研究目标,通过对立体、精细、多尺度遥感数据的挖掘, 建立层次化的场景解析模型,实现遥感数据项环境与目标信息的智能转化。 将计算机视觉、模式识别、人类感知等多学科交叉的理论与方法用于空间和语义信息的自动提取,特别关注遥感在海洋、交通、国防、能源与环境等领域的技术创新应用。主要研究内容包括机器学习、模式识别、图像处理、视频分析的理论与方法,以及遥感图像复原与增强、人工地物检测与识别、地物分类、环境变化监测等算法与软件工具。

研究方向二:三维激光扫描点云的视觉计算

      激光扫描是基于光探测与测距(LiDAR)原理,结合不同的平台定位/定姿方法获取场景三维点云的新兴技术。机载激光扫描能够在数千米的高空对地面大场景俯视获取分米级精度的三维点云,静态地面激光扫描能够获取测程远至6000米的三维点云,车/船载移动激光扫描能够以每秒110万点的测量速度和每秒400线的扫描速度获取5mm重复测量精度的高密度点云。三维点云数据动辄TB级的数据量对信息提取提出了新的挑战。

      该研究方向以三维点云数据向三维空间模型的智能转换为研究目标,主要研究内容包括点云分割、点云智能量测、三维目标提取、点云分析、三维场景重建等智能计算的理论和方法,以及激光扫描仪校准、点云数据配准、多传感器标定、全波形分析等算法和软件工具的研究与开发。实验室目前拥有世界上最先进的车载和静态地面激光扫描系统,具备在城市、海岸带、矿山等环境条件下获取三维点云数据的能力。已经在交通、海洋、国防以及在文物保护等领域开展技术创新应用研究。

研究方向三:空间大数据的可视分析

      从陆、海、空、天基平台搭载的各类可见光、红外、微波传感器采集的遥感数据,正在以几何级数的量级增长。如何存储、理解、分析、表达、管理和应用如此海量的数据,是今天大数据时代所面临的一个重要挑战。海量遥感空间数据所包含的数据量大,数据类型纷杂,数据模型复杂,数据结果抽象,可视化难度也较大。面向这类大数据,需要发展新的计算理论、数据组织与管理、数据分析、虚拟现实和可视分析方法,并围绕如何解决实际的科学和社会问题,亟需设计新的工作流程和研究范式。

      该研究方向以遥感手段获取的空间大数据的可视分析为研究目标,侧重研究大数据背景下的可视分析理论与方法及其在复杂大场景实时可视化中的应用。主要是针对大规模、高维数据的可视化,并注重与相关专业领域如海洋、环境、地球科学、工程与规划相结合,帮助这些领域的专家解决实际问题。主要研究内容包括高维数据的简化、压缩感知理论、视觉表达与交互技术、解析推理、可视映射、点云的多分辨率表达、曲面重建、大场景实时渲染、基于点云的树木和建筑物的自动检测和三维建模等。