哨兵数据导入

注意：导入步骤需要精轨数据

使用经典版Envi，需要安装SARScape

选择导入操作

这里写图片描述

选择导入的哨兵文件

哨兵文件为.zip的压缩包，事先要先解压缩成文件夹，导入压缩后文件夹中manifest.safe文件
这里写图片描述

添加轨道数据

如果没有精轨数据则导入后没有_pwr多视文件（ENVI5.4）

轨道数据选择：

  1. 哨兵数据文件名：20160506为数据日期
    S1A_IW_SLC__1SDV_20160506T101716_20160506T101744_011137_010CC1_5FAB.SAFE
  2. 轨道数据命名格式：20160505为数据前一天，20160507为数据后一天
    S1A_OPER_AUX_POEORB_OPOD_20160526T121530_V20160505T225943_20160507T005943.EOF
    这里写图片描述

【检查导入的哨兵数据是否有参照精轨数据】http://blog.sina.com.cn/s/blog_764b1e9d0102y1g5.html

添加输出路径

这里写图片描述

开始导入

这里写图片描述

批量处理问题

轨道数据，输入文件，输出文件路径等要一一对应，之后要选择Store Batch
这里写图片描述
有几对数据要处理，就添加到几个；这里有11个数据要处理，添加到11
这里写图片描述
导入之后重要文件说明：

  1. _slc_list文件：是一个list索引文件，记录该影像由几个小图片构成
  2. _slc_list_pwr文件：影像多视后的强度数据_pwr
  3. kml文件：Google earth文件
  4. shp：输入数据的矢量范围

这里写图片描述

Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

使用概率图路径规划的机器人路径规划研究Octave（Matlab代码实现）

针对复杂未知环境下传统机器人路径规划算法适应性差、避障稳定性弱、全局搜索效率低的问题，本文开展基于概率图的机器人路径规划方法研究。概率图路径规划依托概率路线图建模思想，通过环境随机采样、节点连通性构建、最优路径检索的核心逻辑，摆脱了传统算法对环境精准建模的依赖，具备强环境适配性与高运算效率。本文系统阐述概率图路径规划的核心理论、运行机制与技术优势，基于Octave仿真平台搭建多场景机器人运动规划仿

avatar DAMO开发者矩阵

使用概率图路径规划的机器人路径规划研究Octave（Matlab代码实现）

针对复杂未知环境下传统机器人路径规划算法适应性差、避障稳定性弱、全局搜索效率低的问题，本文开展基于概率图的机器人路径规划方法研究。概率图路径规划依托概率路线图建模思想，通过环境随机采样、节点连通性构建、最优路径检索的核心逻辑，摆脱了传统算法对环境精准建模的依赖，具备强环境适配性与高运算效率。本文系统阐述概率图路径规划的核心理论、运行机制与技术优势，基于Octave仿真平台搭建多场景机器人运动规划仿

avatar DAMO开发者矩阵

使用概率图路径规划的机器人路径规划研究Octave（Matlab代码实现）

针对复杂未知环境下传统机器人路径规划算法适应性差、避障稳定性弱、全局搜索效率低的问题，本文开展基于概率图的机器人路径规划方法研究。概率图路径规划依托概率路线图建模思想，通过环境随机采样、节点连通性构建、最优路径检索的核心逻辑，摆脱了传统算法对环境精准建模的依赖，具备强环境适配性与高运算效率。本文系统阐述概率图路径规划的核心理论、运行机制与技术优势，基于Octave仿真平台搭建多场景机器人运动规划仿

avatar DAMO开发者矩阵