共查询到10条相似文献,搜索用时 15 毫秒
1.
提出了建立管网信息普查及信息录入系统,以及完善管网信息关系数据库、综合管网图制作、管网信息空间数据库、三维管网部件模型库等各项工作,通过调用不同数据库的空间信息与属性信息,实现了三维管网模型的快速构建。采用MD5建立了管网模型与属性信息自动关联技术,叠加了原有的地表建(构)筑物模型,引入了统一的时空基准,开发了地上下建(构)筑物管理平台,具有三维模式下现有二维地图无法实现的空间分析等功能,实现了各类三维数据的综合可视化和融合分析,可为城市地下管网管理提供更直观的辅助决策支持。 相似文献
2.
基于Stamp平台,开发了广州市地下管线三维管理系统,实现了海量的地上三维建(构)筑物、地表地形地貌模型、地下三维综合管线以及地铁等其他地下空间设施模型的一体化建模、浏览、查询、统计、分析,本文对系统的三维数据库(模型)、功能、应用及特色进行了介绍。 相似文献
3.
4.
5.
6.
7.
8.
我国能源发展以煤炭为主,其中,95%以上的煤炭产量来自井工开采,井工开采引起的地面塌陷会造成建(构)筑物和土地等的破坏;为此,本文通过收集资料和分析工程的实际需求,利用VC++编程研发了矿山数据库管理与沉陷预警系统;系统包括矿山数据库管理模块和沉陷预警模块,包含矿区采空区上方建(构)筑物、土地等的移动变形分析,并为损坏等级评定提供参考。 相似文献
9.
利用三维激光扫描技术测得的建筑物点云数据能够较清晰地表示建筑物的三维空间信息,提供高精度、高密度的建筑物表面描述。点云本身不直接显示自身所包含的特征信息,在进行局部形变提取时,需要进行点云分割工作。现有的应用于建(构)筑物的分割算法大多依赖于建(构)筑物特征设定突变阈值,当遇到复杂场景时,这些假设往往会导致错误。随着机器学习在点云处理领域的延伸,建(构)筑物点云数据边界的识别和分割有了新的实现思路。本文以某矿区工作面上方铁路桥两期三维激光扫描数据为例,采用神经网络方法对桥拱钢结构实行分割提取,在对1000万个标记桥梁点云数据进行训练后,神经网络模型可以学习操作人员识别点云中各点的属性并进行标记,并提取两期数据中的钢结构点云;对使用神经网络分割出的桥拱钢结构点云进行分析,通过对钢结构底边线进行特征线拟合、长度提取,计算钢结构的位移及拉伸量,并结合桥拱位移、形变量分析桥梁形变。研究表明:使用神经网络模型对标记数据进行训练可以有效识别建(构)筑物特征,并应用于建(构)筑物局部形变分析。 相似文献