智慧城市感知与计算重点实验室

王程课题组研究方向


研究方向一:移动激光扫描测量Mobile Scanning and Imaging for Urban Mapping


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。

重点实验室利用RIEGL公司的VMX-450移动激光扫描系统对厦门环岛南路、国际会展中心、云顶山隧道、BRT高架桥、跨海大桥、厦门大学以及鼓浪屿进行扫描。同时采用车载与船载两种方式进行扫描,并取得了高精度、高质量的三维激光点云数据以及彩色激光点云数据。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。在理论层面,主要利用特征提取、机器学习等方法进行大规模点云结构提取等处理。

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。三维点云数据处理的应用主要关注面向城市场景及森林、铁路、古建筑等场景下的建模和对应的目标检测识别。


研究方向二:室内外联合建模Modeling of Indoor and Outdoor Environments


室内外联合建模的目的主要用于在没有GPS信号或弱GPS信号的情况下,结合激光雷达和IMU等传感器设备进行数据融合,对室内或半结构的室外(森林)进行点云数据配准,对传感器进行定位定姿等处理,从而完成室内或半结构的室外的全局点云建模。研究内容主要包括点云配准、数据融合、同步定位与地图构建(SLAM)等智能的理论的方法。在应用层面,主要关注面向室内定位、室内3D地图构建、无人驾驶、无人飞行器的建模和对应的智能导航系统。


研究方向三:遥感数据智慧处理Computer Vision in Remote Sensing


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慧处理为研究目标,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慧处理。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。


研究方向四:交通大数据分析与可视化Traffic Big Data Analytics and Visualization


现阶段,交通管理部门管理的、以及互联网产生的各类城市数据资源已初步具备大数据特征,数据应用系统已初具规模,且数据融合需求迫切。交通大数据是城市计算、跨域数据融合、可视化分析、数据挖掘的多学科融合的热点研究方向。主要研究路网、道路几何特征、浮动车GPS轨迹、交通流量、交通事故、车牌识别数据、交通违法、道路施工、临时交通管制、天气、驾驶人等跨域城市数据的融合分析、挖掘与可视化。交通大数据的应用非常广泛,包括交通流量预测、交通拥堵指数评定、交通事故持续时间预测、交通起终点(OD)分析、人群移动规律和位置预测等,不仅为政府及交管部门的交通运行监控、事故预警、应急指挥等管理工作提供大数据决策支持,而且为缓解市民出行难问题拓展惠民应用。


丁兴号课题组研究方向


实验室主要从事智能信号/数据分析与处理的基本方法与应用研究,研究对象包括光学图像/视频、医学图像、遥感图像、经济数据、文本数据、语音、通信信号等各类信号与数据,研究方法包括机器学习、深度学习、最优化、稀疏表示、压缩感知、贝叶斯非参数模型以及偏微分方程等。

实验室学术研究的目标是“顶天立地”。所谓“顶天”即是通过与哥伦比亚大学、卡内基梅隆大学、杜克大学、罗彻斯特大学、德州大学奥斯汀分校等国际一流大学相关研究团队保持密切合作,以紧跟世界学术前沿,向国际标准看齐,推出一流的学术研究成果。所谓“立地” 即是发挥基于理论方法创新的核心技术突破,使得相关研究成果可以更好地服务国家战略、行业需求和地方经济社会发展。 实验室的研究方向是国际同类研究的前沿,有多学科交叉、技术综合等特色,对科技与经济的发展有十分重要的意义。

2015年团队发表SCI国际期刊论文10篇,ICCV领域顶级会议1篇。2016年CVPR顶会1篇,TIP顶刊1篇。年度新增项目有国家自然科学基金面上2项,广东省自然科学基金2项,行业应用项目4项,新增合同经费总额200余万。

实验室近期应用组主要研究内容:1)图像处理;2)医学成像与重建;3)图像/视频质量提升;4)跨媒体数据分析;5)经济数据分析与处理;6)通信网络资源调度及相关信息处理。

实验室近期理论方法组主要研究1)机器学习;2)深度学习;3)稀疏表示理论;4)压缩感知理论;5)贝叶斯非参数模型;6)偏微分方程。


邓振淼、雷鹰课题组研究方向


本课题组近年来在基于宽窄带回波的高精度测速算法研究、压缩感知理论在雷达信号处理中的应用、微多普勒频率估计等方面开展了先期研究,取得了若干成果,包括:(1)低脉冲重复频率条件下的多普勒频率估计方面;(2)压缩感知在雷达超分辨成像中的应用研究;(3)压缩感知在微多普勒提取和微多普勒解模糊方面的研究;(4)基于宽带雷达回波的高精度测速算法研究;(5)基于窄带雷达回波的低脉冲重复频率高精度测速算法研究。目前,宽带测速算法已经应用于宽带相控阵雷达,宽带测速和宽带测角已申请国防专利。此外,课题组在毫米波雷达系统方面开展研究,开发的毫米波雷达可以应用于汽车防撞雷达、列车行人及异物检测雷达、行人检测雷达、交通监控雷达等。课题组近三年来在主持了多项重要课题,包括军口863课题两项,总装预研基金课题一项,北京跟踪与通信技术研究所、中电14所和航天二院23所课题多项。


纪荣嵘课题组研究方向


研究方向一:移动视觉搜索


移动视觉搜索是视觉搜索、模式识别、移动计算和音视频编解码压缩的融合方向。主要研究在移动端进行低功耗视觉特征的抽取与压缩,以及对应的MPEG国际标准的实施。相关的内容分析问题包括:场景识别、目标位置定位、以及基于视觉内容的城市环境建模和信息抽取。移动视觉搜索的应用主要关注面向手机等移动端的大规模视觉内容匹配和对应的移动端系统。在理论层面,主要关注视觉大数据内容匹配、信息表示、知识挖掘与推荐。在应用层面上,主要关注手机智能应用,如位置定位、产品搜索识别、增强现实等。


研究方向二:跨媒体舆情分析


舆情分析是多媒体大数据、机器学习、模式识别、计算机视觉、自然语言处理以及社交网络技术的融合。主要研究在新浪微博等大型社交媒体上进行的基于地域、基于话题、基于微博以及基于用户的跨媒体情感分析与预测。相关内容包括互联网大数据爬取、用户关联网络分析、群体性行为分析、舆情预测以及舆情阻断。理论层面,主要关注多媒体大数据的多模态特征分析与表示、多模态信息融合、跨媒体情感分析与预测以及知识挖掘与推荐。应用层面,主要关注基于互联网的舆情监控、社交网络分析以及商业推荐。


研究方向三:立体视觉


立体视觉是计算机视觉领域的一个重要课题,它的目的在于重构场景的三维几何信息。主要研究相机的传统标定和自标定方法,以及从图像对或者视频序列中恢复出相应的场景三维信息。由此展开和扩展的内容分析问题包括:基于图像的定位、大规模的环境三维重建、移动端的目标重建以及在移动端的增强现实应用。在理论层面,主要研究图像匹配、运动中重建(Struct From Motion),光束法平差(Bundle Adjustment)。在实际应用中,主要侧重于环境重建、位置定位、机器人的自助导航、可穿戴设备及移动端的增强现实。