虚拟AP支持的室内非线性约束区域定位

在具有线性约束的室内区域,如走廊或狭窄通道,使用行为地标和室内地图辅助的方法,可以提供较为精确的位置信息.但在非线性约束的室内区域,如办公室、商铺和机场大厅等空间范围较大的室内空间,人为活动轨迹难以进行线性约束,很难使用行为地标和室内地图辅助的方法进行定位.虚拟无线信号接入点(access point,AP)是利用无线信号衰减的简化公式计算出的AP的"虚拟位置".基于此,本文提出一种基于虚拟AP坐标的指纹点聚类算法,完成离线阶段对指纹点的聚类分割;提出一种基于八阵图的AP选取算法,减少在线定位阶段使用的AP的数量,降低用户定位的计算量.最后,在典型的室内场景,对所提出算法进行试验验证,显著提高了室内非线性约束区域定位的精度.     

四元组标靶辅助下的RGB-D室内点云配准

面向室内弱纹理三维重建需求，本文以RGB-D摄影测量技术获取室内点云为基础，提出了四元组标靶辅助的点云配准方法。该方法首先通过阈值筛选大曲率点，自动识别邻接点云中的辅助标靶，然后采用随机采样一致性表达方法，拟合标靶参数及其中心坐标，并根据拟合参数匹配同名标靶中心，通过刚性转换完成邻接点云粗配准。在此基础上，迭代估算邻接点云间的重叠区域，优化点云间的配准参数，从而实现点云精配准。利用Kinect相机获取两类室内场景各12站点云对本文方法进行测试，试验结果表明，配准后的多站点云间距最大均方根误差优于一个采样间隔，证明了该方法在弱纹理室内点云配准中的可靠性。     

虚拟格网分类支持下的密集匹配点云布料模拟滤波

为了提高倾斜影像密集匹配点云滤波算法在地形复杂场景的精度、效率及自适应性,针对传统的布料模拟滤波算法的不足,本文提出了一种基于虚拟格网分类的布料模拟滤波方法。该方法首先构建带有缓冲区的虚拟格网;然后将虚拟格网按其范围内的点云坡度划分为平地、缓坡、陡坡3种类型;最后针对不同类型的虚拟格网,使用相应的布料参数进行布料模拟滤波,从而实现倾斜影像匹配点云在地形复杂场景中的点云滤波,与单一参数的布料模拟滤波进行对比试验。结果表明,基于虚拟格网分类的布料模拟滤波方法结果更接近于目视解译,该方法适合混合地形滤波。     

室内移动机器人自定位方法

针对室内机器人移动导航定位存在的问题,该文研究了基于Kinect传感器的定位算法。该方法应用Kinect传感器采集了移动机器人运动过程中连续帧的彩色和深度信息;通过尺度不变特征变换算法匹配连续场景图像中的特征点对,经随机抽样一致性算法剔除点集中的误匹配点;利用Kinect的深度信息将可用点集的二维坐标转换到相机坐标系下的三维坐标;并使用绝对定向算法计算机器人在相邻位置上的姿态信息和平移量,从而提高了机器人的移动参数的计算精度。通过实验验证了该方法的可行性,且能够满足实时要求,可以同时进行定位与地图创建。     

多镜头全景摄像机球面视频无缝生成EI北大核心CSCD

针对多镜头全景摄像机MPC室内标定参数输出的实际场景球面全景视频存在视差伪影问题,提出一种场景自适应的球面全景视频无缝生成方法,主要包括两方面内容:①MPC球面投影参数最优估计。以实际场景视频重叠区域同名像点为观测值,通过最小化球面投影中心到同名像素对应球面空间点的夹角建立误差方程对球面投影参数进行最小二乘估计,从而降低子相机摄影中心与球面投影中心不重合及场景深度变化对MPC球面全景视频输出质量影响。②MPC球面全景视频生成TPS模型构建。以MPC子摄像机视频像素球面重投影几何为全局变换、以视频拼接线上同名像点为控制点建立TPS模型,实现MPC各子摄像机视频到球面拼接视频的像素直接映射,并能最小化视频重叠区域像素拼接误差,仅通过拼接线附近像素简单混合即可消除视差伪影并实现平滑过渡。模拟成像及实际场景试验结果表明,结合场景内容与摄像机内、外参数,本文方法可实现MPC球面全景视频无缝生成且计算简单、高效,完全满足MPC高帧率视频输出要求,具有良好的应用价值。     

地面LiDAR点云数据先局部后整体配准方法

针对地面LiDAR获取的庞大点云数据,提出无人工标志的地面LiDAR点云先局部后整体的配准方法。分割出待配准的两测站重叠区域小块点云,采用基于KD-Tree遍历最近邻域点集的ICP算法计算三维坐标转换参数,实现地面LiDAR点云数据的快速配准。     

球形标靶的固定式扫描大点云自动定向方法

根据目前地面激光扫描数据获取速度快、数据量大、测量距离远、专用特殊材料制作的标靶识别距离近、点云定向数据处理相对滞后、自动化程度低、不能适应远距离地形测量的现状,提出了从大点云中(每站1亿点以上)自动探测远距离标靶的点云定向方法。该方法首先根据标靶控制点的工程测量坐标信息,搜索到标靶所在点云环,然后对各点云环进行扇形分区,快速探测标靶,获取标靶中心扫描坐标,最后平差计算扫描仪位置参数和姿态参数,实现点云坐标到工程测量坐标的转换。该方法在普通配置的计算机上得到实现,并成功用于远距离山区地形测量,其中定向标靶半径0.162m,标靶到扫描站距离在180~700m之间。     

三维激光扫描数据快速配准算法研究

由于激光扫描原理的限制.要获得整个场景的完整全表面数据需多站点设置,由单站点扫描获取场景中的部分数据,最后将全部站点数据配准.通过对三维激光数据自身的数据分布特点和ICP配准算法的研究和改进,设计出了两步配准方法:首先,基于特征点对基础上的SVD粗配准;然后由特征点对确定出重叠区域子集并进而采用ICP算法作点云精配准,最终实现三维激光快速配准.利用一组粮仓扫描数据配准试验验证此方法在大规模场景扫描中的多视点三维激光数据快速配准中的有效性和可靠性.     

基于改进滑动窗口算法的手机定位数据用户驻留区域识别

针对手机定位数据分析过程中存在的噪声数据处理不佳、用户路径信息丢失、参数适宜性差等问题,提出基于改进滑动窗口的手机定位数据用户驻留区域识别方法.首先讨论了驻留区域识别过程中噪声信息处理与参数自适应等难点;其次通过样本拟合方法,提出出行范围相关的距离阈值计算方法,对经典滑动窗口算法进行改进,生成位置点聚簇结果;最后对通过空间约束规则对乒乓效应进行识别和优化,并对时空相邻聚簇进行归并.实验结果表明,该方法可提高异常漂移点识别的准确率和召回率,并有效处理乒乓效应,可明显提升用户时空行为刻画效果.     

融合语义特征与GPS位置的地面激光点云拼接方法

拼接是地面激光点云数据处理的必要步骤,但基于同名点的点云拼接方式已成为阻碍点云处理效率提升的长期瓶颈,而直接匹配点云识别同名特征的方法亦对点云重叠区域具有较高的要求。本文提出一种融合语义特征与GPS位置的地面激光点云拼接方法,通过语义知识自动识别出原始三维点云中所包含的地面特征与建筑物立面特征,并使用这两种面状特征结合点云测站中心的GPS位置作为同名标靶进行点云初始拼接,随后使用点到面最小距离约束下的ICP进行点云精确拼接。实验表明,本方法可以有效提高地面激光点云拼接的整体效率,尤其对于包含平面结构（如马路、建筑物）的场景具有良好的拼接效果。     

基于改进超体素与图割的室内场景点云分割

室内场景点云分割是三维场景感知、理解、分析及应用的基础。尽管目前的室内点云分割方法可以应用于很多场景,但缺乏对不同结构分割的适应性,在处理临近平行面的分割时,仍无法避免欠分割,因此,本文提出了一种基于改进超体素与图割的方法。首先通过对超体素的邻域选择、法向量计算、特征距离度量,以及对超体素局部邻接图的空间连通性约束与分割,构建出自适应处理临近平行面关系的机制,实现复杂室内场景点云的有效分割,克服欠分割现象;最后通过4组室内场景点云进行验证,并与现有方法进行对比分析。结果表明,本文方法提高了复杂室内场景点云分割的精确率和召回率,验证了其对不同结构分割的适应性和有效性。     

车载LiDAR场景中路灯的提取与识别

为解决车载LiDAR城市场景中路灯提取和识别问题,文中提出基于样本的路灯提取算法。先通过人机交互的方式提取路灯的样本参数;再依据数学形态学闭运算提取点云场景中疑似路灯的位置,根据样本参数确定疑似路灯范围并提取疑似路灯点云;然后进行路灯样本和疑似路灯点云的匹配;最后,通过建立路灯样本缓冲区实现路灯判断和提取。通过试验验证,算法不仅可以快速自动提取路灯点云,还能完成路灯单一种类的识别。     

多边形形状分析的无人机影像重叠度计算方法

针对无人机飞行姿态不稳定、地形起伏较大时,传统重叠度的统计方法计算不可靠、精度较差低、需要人工量测等问题,该文提出了一种多边形形状分析的重叠度统计方法.该方法首先利用基于区域特征与点特征相结合的高精度最小二乘匹配方法提取稳定可靠的影像同名点;然后使用改进的随机抽样一致性算法计算影像间的单应矩阵,并获取两影像的重叠多边形;最后采用多边形形状分析法获取最小重叠部分长度并计算得到重叠度.实验表明,该方法能够快速、准确地实现无人机影像重叠度的统计,与人工量测结果相比,误差均在3％以内,在实际生产中大幅提高生产效率和质检精度.     

融合CNN和CapsNet的Wi-Fi室内定位方法

针对基于位置指纹的Wi-Fi室内定位方法定位精度低的问题,本文提出了一种融合卷积神经网络(CNN)和胶囊网络(CapsNet)的Wi-Fi室内定位算法模型,记为CNN-CapsNet。首先将采集的RSSI时间序列信息,生成位置指纹图像数据集;然后通过由卷积层和池化层构成的CNN初级特征提取器,完成定位图像到初级特征图的转换;最后将初级特征图输入到CapsNet中,获得最终的分类结果。试验结果表明,在不同的向量维度,迭代次数等参数下,该模型的准确率高达99.99%,损失函数值低至0.009 91,优于其他的传统定位方法。     

交通监控视频图像语义分割及其拼接方法

视频拼接是图像拼接的外延,在场景监控、目标识别等应用中发挥着重要作用。传统视频拼接算法多要求视频间具有较大重叠区域且特征点匹配过程中只顾及图像几何特征,当处理交通监控视频时,会因不同摄像头之间重叠区域极小或主光轴之间夹角较大而导致无法拼接或图像变形较大。为此,本文提出一种交通监控视频图像语义分割及其拼接方法。首先,利用边缘角度二阶差分直方图算法自动识别多视频交汇区域的正射影像,并将其作为拼接背景图像;然后,基于全卷积神经网络对正射影像和视频图像进行语义分割,提取图像中的交通专题语义;最后,以交通专题语义作为约束进行特征点匹配,将各个交通监控视频匹配至背景正射影像,实现监控区域视频拼接。采用山东省某市实际视频数据进行试验验证,结果表明对于重叠区域较小的监控视频,本文方法可获得较好地拼接图像,同时可有效提高特征点匹配的准确度。     

基于空间关系约束的虚拟高速铁路场景建模研究

在虚拟地理空间中开展复杂科学实验和管理分析,是目前及未来发展的一个重要趋势。本文对高速铁路场景中的线路、地物和地形对象的关系进行了详细分析,提出了基于空间关系描述的虚拟高速铁路场景建模方法。通过XML标记语言对线路、地物和地形的空间关系进行统一描述,引导和规范场景建模过程中的模型点位计算和地形处理过程。详细讨论了虚拟高速铁路的场景建模流程、场景对象空间关系定义、模型点位计算方法以及地形处理方法,并选择案例区域进行试验。试验结果表明该方法能够有效地理清虚拟场景中各种对象间的关系,从而可以快速建设符合现实标准的、具有高度仿真感觉的虚拟高速铁路场景。     

三维坐标转换公共点最优权值的单纯形搜索算法

为提高三维坐标转换参数的求解质量,本文基于最优化算法提出了一种稳健的公共点加权坐标转换方法。以坐标转换后公共点的点位残差加权平方和最小为目标函数,利用Nelder-Mead单纯形直接搜索算法,寻找公共点坐标分量在解算坐标转换参数时的最优权重组合。以粒子加速器磁铁的准直安装为应用场景,利用模拟数据和实测数据对本文方法进行验证。结果表明:本文方法能够有效降低粗差观测值及质量不佳观测值的权重。与最小二乘、抗差估计等方法相比,本文方法解算结果的点位残差加权平方和更小,坐标转换参数质量更优。本文方法能提高三维坐标转换参数的求解质量,尤其适用于验前精度未知、观测数据质量不佳的情况。     

基于Unity 3D的虚拟测量实验系统

为改善测绘学科实验教学硬件制约、时空限制的现状,降低训练作业成本,本文提出了一种基于Unity 3D游戏引擎的虚拟测量实验系统设计思路。在虚拟系统中,全面实现了设备虚拟、操作虚拟,数据虚拟,可操作全站仪、激光扫描仪等虚拟测量设备完成高真实度的导线测量、碎部测量、三维激光点云扫描等多种测量试验,并得到虚拟场景中的测量结果反馈,用于模拟真实的测量数据计算或后处理。该系统的使用,可填补目前测量试验自学方式的空白,为测绘学科实验教学提供新的开展模式。     

基于子区域多标签学习的露天煤矿区场景识别

露天煤矿开采易对区域生态环境产生不利影响,对其进行高效监管有利于矿区环境保护和可持续发展。随着遥感技术和人工智能的发展,基于高分辨率遥感影像的露天煤矿区场景自动识别成为可能。本文针对单标签学习算法在场景子区域识别中识别率较低的问题,将多标签学习策略和地理学第一定律相结合,提出一种基于子区域多标签学习的露天煤矿区场景识别方法。为了区分露天煤矿区场景与其周边场景,设置了6类矿区标签和7类非矿区标签,对9768张场景子区域图像进行标注,构建多标签数据集,利用该数据集训练基于多标签学习的Inception-v3模型。场景识别时,首先将一幅覆盖研究区的遥感影像划分为相同大小的子区域并进行多标签分类;然后对含有矿区标签的子区域,利用地理学第一定律对其矿区标签的相关性和完整性进行判定,识别出属于露天煤矿区场景的子区域。胜利西露天煤矿区识别实验结果表明：该方法提取的结果最接近真值,显著高于单标签学习的识别精度;其子区域多标签分类F1分数达到0.857,与单标签学习中性能最好的ResNet50模型相比,提高了8个百分点。本文提出的方法能够自动提取子区域内多类标签的有效特征,提高露天煤矿区场景识别的精度,其识别结果可为露天矿区开采管理提供数据支撑。     

基于改进坡度的自适应数学形态学点云滤波

首先介绍了传统形态学算法,并分析了其应用方面的不足;然后提出了一种基于改进坡度参数的自适应形态学滤波方法 ;最后利用实际点云数据进行了实验。该方法通过划分格网自动计算当前区域坡度的平均值,从而得到适当的坡度参数用于后续高度阈值的计算。实验结果表明,该方法能更有效地识别地面点和地物点,对被建筑物包围的植被点滤除效果明显。