黄土地貌本体的构建方法研究

由于人类认知差异和语义描述的模糊性,导致地理要素语义表达的不一致以及信息共享的极大困难.鉴于本体是解决基于语义知识表达的有效方法,该文以黄土地貌为例,使用本体的形式化定义形式,对黄土地貌概念进行语义形式化表达,提出了构建黄土地貌的五元组逻辑结构,进而建立了黄土地貌的本体模型.     

基于地理本体的空间数据集成方法及其实现

为解决多源空间数据语义集成问题,在已有研究成果基础上,提出了基于地理本体的空间数据集成方法。该方法采用局部本体向标准本体集成的策略,在构建具有公共内涵属性模板的地理本体前提下,通过地理概念语义关系集合运算构建局部本体概念与标准本体概念间的语义映射关系,实现地理本体集成,并以这种语义映射关系及概念与对象类的关联关系为媒介,通过空间数据语义细化和空间对象融合 、分割等过程完成空间数据集成。在此基础上,设计开发了基于地理本体的空间数据集成原型系统,并以某土地利用数据为例进行了实证研究,结果表明:基于地理本体的空间数据集成方法能有效集成具有不同语义的空间数据集。     

基于地名词典和叙词表的地名本体概念语义关系研究

地名词典和叙词表不同程度上都包含了某些概念语义关系,这些语义关系对开展地名本体研究有着积极的意义,可以吸收到地名本体中作为地名本体语义关系的有机组成部分。本文正是基于这种考虑,分别从地名词典包含的地名空间关联与词典功能、测绘叙词表的词间语义关系、地名本体要素类型与概念间语义关系等方面加以分析,总结出等价关系、互斥关系、上下义关系、部分整体关系、属性关系五种主要语义关系,为全面、清晰描述地理概念奠定良好的基础。     

语义引导的图标式地理概念建模环境初探

以地理问题求解和地理科学研究环境建设的实际需求为引导,针对当前地理建模过程中存在的建模思想难以交流与重用、建模方式复杂、多领域专家协同建模困难等问题,研究地理概念建模过程中地理概念场景、概念实体及其相互作用关系的表达与元数据描述方法,利用空间数据表达规范与地理模型元数据表达规范逐步引导数据与模型的选择与匹配,构建地理概念模型,并在此基础上提出一种可视化、引导式的面向地理问题表达的概念建模方法,为地理研究提供一个语义引导的图标式地理概念建模环境。     

城市地下空间开发地质环境质量三维评价方法研究--以合肥市滨湖新区为例

城市地下空间开发地质环境质量评价可为城市地下空间规划和工程建设提供重要决策支持。该文以合肥市滨湖新区为例,构建城市地下空间开发地质环境质量三维评价方法:利用三维隐式建模方法融合多源数据进行三维地质建模,从工程地质、水文地质、地质构造和不良地质体等方面构建三维评价模型,利用三维距离场分析、三维空间统计分析等方法对三维评价因子进行分析、提取,最后基于确权和综合评价方法得到地下空间开发地质环境质量三维综合评价结果。实例研究表明:该方法能够显著提高评价结果的深度方向分辨率,相关成果可为城市地下空间精细规划及可持续开发利用提供方法参考。     

基于GIS-GOCAD耦合技术的三维地质建模

常规GIS技术建立的伪三维模型不能满足复杂地质体三维建模的需要,也不能用于三维数值模拟计算.GOCAD采用离散平滑内插方法(DSI)计算三维图形中线段或三角形的节点位置,降低了线或面的粗糙程度,实现了真三维模型的构建.为了充分发挥GIS空间数据处理能力和GOCAD真三维建模能力,研究基于GIS-GOCAD耦合技术的三维地质建模,实现了从GIS的2D数据结构到GOCAD的3D数据结构的自由转换,提升了GOCAD的三维地质建模能力.选取成兰铁路(成都—兰州)龙门山段作为示范研究区,建立其三维地质模型,直观、立体地展示了研究区地质体结构的宏观基本形态,并为进一步的三维数值模拟奠定了几何模型基础.     

三维地质建模技术研究

为研究三维地质建模的基本理论、发展现状及未来,该文回顾了三维地质建模产生的历史背景,阐述了三维地质建模流程,从矢(栅)属性、空间尺度、时间维度、拓扑一致性等方面对其进行了分类,并探讨三维地质建模在石油、地下水模拟、数字矿山、城市地质、岩土工程等领域中的应用。在研究三维地质建模方法和国内外软件的基础上,分析了其难点及关键技术;对三维地质建模进行了综合定义,并总结了三维地质建模亟待突破的研究方向。     

地质灾害领域本体的研究与应用

引入了由斯坦福大学医学院开发的七步法,并采用OWL DL语言描述本体,利用目前成熟的且流行的本体可视化构建工具Protégé完成地质灾害信息领域本体库的构建。基于行业标准、地质灾害信息处理标准、专家知识等相关标准,建立地质灾害领域本体。用OWL形式化描述基于多层结构的地质灾害空间数据本体应用模型来实现三层地质灾害本体。以具有优势的三峡库区丰富地质灾害资料为依托,以地质灾害多源异构空间信息集成与共享为主线,引入本体理论和GeoSciML,研究建立基于顶级、领域及应用多层本体的地质灾害空间数据语义集成和共享模型,实现地质灾害信息系统数据集成和应用集成,目标是解决横向各部门间的有效沟通和信息共享,以及单体灾害和群体灾害发生时的应急指挥和决策支持等问题。     

旅游地理本体模型设计与张家界实例研究

互联网中的海量旅游信息对于信息时代的旅游地理学研究具有重要意义,但新型旅游信息存在的多源、异构、非标准化、语义缺失或模糊等问题,成为旅游地理学研究的障碍。该文利用本体论知识,结合已有地理和旅游本体,提取传统旅游地理学科知识中的核心概念,整合互联网大数据时代的旅游地理相关新概念,考虑旅游地理相关的专题内涵、空间尺度和空间关系等特点,对旅游地理知识进行抽象表达,以"地理位置"、"旅游空间"、"旅游资源"、"旅游参与者"、"旅游行为"及"几何要素"为核心概念,通过定义旅游地理本体中类、属性及层次关系构建了能被共享、重用和适于计算机理解的旅游地理本体模型,以张家界旅游地为例进行实例填充,并进一步约束实例间属性关系。张家界旅游文本信息的语义标注实证研究表明,利用旅游地理本体挖掘与解读海量旅游信息具有可行性。该文为基于旅游地理本体的文本挖掘提供了理论和方法参考。     

数字城市框架下地理信息服务语义分析

构建数字城市服务公共平台,能够有效地解决异源异构数据共享的问题,实现地理信息互操作。该文以数字城市服务公共平台下的地理信息服务为例,基于本体论,利用属性枚举的语义表达方法构建地理信息服务本体,以明确且形式化的方法描述服务语义,力图解决地理信息服务语义共享的问题。最后给出数字城市公共平台部分地理信息服务的形式化语义描述,在Protégé软件中完成地理信息服务本体的构建,同时结合HermiT1.3.4实现推理过程,并以地理编码服务为例构建了一组本体结构。     

城市激光点云语义分割典型方法对比研究

基于深度学习方法在城市激光点云语义分割任务中的应用效果缺乏客观的对比与评价,该文选取当前4种代表性点云语义分割深度网络(PointNet、PointNet++、PointCNN、SPG)以及一种基于特征描述子的层次化点云语义分割方法,采用3组开放点云数据集(Semantic 3D、Oakland及TerraMobilita/iQmulus3Durban)对不同方法的语义分割质量进行对比分析,结果发现:1)层次化点云语义分割方法的语义分割质量优于另外4种深度学习方法;2)考虑局部信息的深度网络(PointNet++、PointCNN、SPG)的表现优于仅考虑点云全局特征的方法(Point-Net);3)在基于深度学习的方法中,基于超点图的SPG网络在测试数据中的效果优于其他几种网络。研究结果对于实际应用选择点云语义分割方法以及点云语义分割深度网络的设计优化具有借鉴意义。     

基于地层时序与属性语义的相邻钻孔地层连接与推理

相邻钻孔之间地层连接关系的判断与推理是基于钻孔数据的三维地学建模的关键。相邻钻孔之间地层的连接关系可分为基于年代地层单位的时序地层关系和基于地层属性的岩性地层关系两种;地层属性及其语义关系是岩性地层关系判断和细节地层连接的基础。相邻钻孔之间细节地层的岩性连接有对应、包含和尖灭3种,基于地层属性及其语义关系的地层连接关系推理有6种基本模式,设计了相应的地层连接推理算法。以徐州地区两个邻近地质区域的寒武纪钻孔数据为例,在GeoMo3D平台上进行了地层连接与推理实验,验证了基于细节地层属性的语义关系进行连接推理的可行性与可靠性。     

基于TIN的体布尔算法及其地质应用

提出一种基于TIN的体布尔操作算法,即采用快速碰撞检测方法、改进的三角形求交算法和三角形包含测试算法,能解决复杂地质体的交、并、差等布尔操作。该方法不仅可以有效处理具有侵入、交错等复杂空间关系的地质体建模问题,还适用于基于地质模型的工程分析应用,如开挖模拟等,并在北京市某岩土工程信息系统建设项目中得到了检验。     

A three-step approach of simplifying 3D buildings modeled by CityGML

CityGML (City Geography Markup Language), the OGC (Open Open Geospatial Consortium) standard on three-dimensional (3D) city modeling, is widely used in an increasing number of applications, because it models a city with rich geometrical and semantic information. The underlying building model differentiates four consecutive levels of detail (LoDs). Nowadays, most city buildings are reconstructed in LoD3, while few landmarks in LoD4. For visualization or other purposes, buildings in LoD2 or LoD1 need to be derived from LoD3 models. But CityGML does not indicate methods for the automatic derivation of the different LoDs. This article presents an approach for deriving LoD2 buildings from LoD3 models which are essentially the exterior shells of buildings without opening objects. This approach treats different semantic components of a building separately with the aim to preserve the characteristics of ground plan, roof, and wall structures as far as possible. The process is composed of three steps: simplifying wall elements, generalizing roof structures, and then reconstructing the 3D building by intersecting the wall and roof polygons. The first step simplifies ground plan with wall elements projected onto the ground. A new algorithm is developed to handle not only simple structures like parallel and rectangle shapes but also complicated structures such as non-parallel, non-rectangular shapes and long narrow angles. The algorithm for generalizing roof structure is based on the same principles; however, the calculation has to be conducted in 3D space. Moreover, the simplified polygons of roof structure are further merged and typified depending on the spatial relations between two neighboring polygons. In the third step, generalized 3D buildings are reconstructed by increasing walls in height and intersecting with roof structures. The approach has been implemented and tested on a number of 3D buildings. The experiments have verified that the 3D building can be efficiently generalized, while the characteristics of wall and roof structure can be well preserved after the simplification.     

A combinatorial data model for representing topological relations among 3D geographical features in micro‐spatial environments

This research is motivated by the need for 3D GIS data models that allow for 3D spatial query, analysis and visualization of the subunits and internal network structure of ‘micro‐spatial environments’ (the 3D spatial structure within buildings). It explores a new way of representing the topological relationships among 3D geographical features such as buildings and their internal partitions or subunits. The 3D topological data model is called the combinatorial data model (CDM). It is a logical data model that simplifies and abstracts the complex topological relationships among 3D features through a hierarchical network structure called the node‐relation structure (NRS). This logical network structure is abstracted by using the property of Poincaré duality. It is modelled and presented in the paper using graph‐theoretic formalisms. The model was implemented with real data for evaluating its effectiveness for performing 3D spatial queries and visualization.     

基于GTP的地下工程与围岩一体化真三维空间构模

针对地下工程开挖体的基本特征及其真三维建模要求，在广义三棱柱(GTP)模型的基础上进行扩展，提出采用E—GTP模型来构建地下工程开挖体的真三维模型。通过与其围岩地质体的G—GTP模型的耦合，实现了基于GTP的工程开挖体与围岩地质体的一体化建模。该模型将地下三维空间实体抽象为点、线、面、体四类对象，通过结点、TIN边、侧边、TIN面、侧面和GTP体元共6个基本几何元素进行统一表达。该文重点讨论了E—GTP的建模原理与方法，并介绍了基于面向对象思想的一体化空间数据结构。     

Using multi-scale and hierarchical deep convolutional features for 3D semantic classification of TLS point clouds

ABSTRACT

Point cloud classification, which provides meaningful semantic labels to the points in a point cloud, is essential for generating three-dimensional (3D) models. Its automation, however, remains challenging due to varying point densities and irregular point distributions. Adapting existing deep-learning approaches for two-dimensional (2D) image classification to point cloud classification is inefficient and results in the loss of information valuable for point cloud classification. In this article, a new approach that classifies point cloud directly in 3D is proposed. The approach uses multi-scale features generated by deep learning. It comprises three steps: (1) extract single-scale deep features using 3D convolutional neural network (CNN); (2) subsample the input point cloud at multiple scales, with the point cloud at each scale being an input to the 3D CNN, and combine deep features at multiple scales to form multi-scale and hierarchical features; and (3) retrieve the probabilities that each point belongs to the intended semantic category using a softmax regression classifier. The proposed approach was tested against two publicly available point cloud datasets to demonstrate its performance and compared to the results produced by other existing approaches. The experiment results achieved 96.89% overall accuracy on the Oakland dataset and 91.89% overall accuracy on the Europe dataset, which are the highest among the considered methods.     

基于Hoops的钻孔三维可视化技术研究

在矿体三维可视化建模过程中,钻孔和品位的三维可视化是其关键步骤之一,该文引进三维图形引擎库Hoops,采用Windows编程语言VC实现了钻孔轨迹及其品位分布三维可视化组件,为开发矿体的三维实体模拟软件系统奠定基础。工程应用表明,该组件性能稳定,能够精准地模拟实际钻孔分布情况。     

体绘制技术在地学3D GIS 可视化中的应用研究

体绘制技术是目前科学计算可视化研究的一个重要组成部分，对地质体内部属性分布的可视化有重要意义。该文针对地学研究中几何建模和属性建模同样重要的特点，基于一种矢栅一体化的混合数据模型，对地质体表面采用三角面片描述几何形状，对地质体内部采用基于八叉树的自适应网格剖分技术描述内部属性特征。对网格剖分后的体数据，采用体元投射的体绘制技术进行地质体内部属性可视化，显示出很好的效果，具有实际应用意义。