图像显著度和信息量均衡的地标链生成方法

提出基于图像显著度和信息量均衡的地标链生成方法,该方法建立地标显著度、全景图信息量和地标切换次数的多目标模型,基于遗传算法生成多目标优化的地标链。实验表明,能较好地平衡地标显著度、全景图信息量及地标切换次数等优化目标,生成的地标链具有较高的显著度与较低的视觉认知负担。     

武汉将建华中第一高楼花费40亿高400米

华中地区第一高楼落户武汉王家墩商务区。王家墩商务区地标性项目——“武汉中心”概念方案深化成果专家咨询会上传出消息：华东建筑院设计的“帆都”从6个备选方案中脱颖而出,将作为进一步深化的方案。     

基于Google Earth的地质地震信息展示

分析了Google Earth在地质地震领域的应用,开发了地标文件生成、显示控制、安全性等插件,实现了震中分布图、地质资料图、地震现场信息在Google Earth平台上融合显示。     

城乡建设亟须解决导向问题

<正>近年来,我国城乡建设领域乱象丛生,引起业内专家学者和广大群众的强烈不满。这些乱象,归纳起来有以下4种表现:一曰贪大。现在,全国各个城市都在建高大的地标建筑,例如,武汉绿地中心高达606米,长沙拟建高达800米的"天空城市"。西南地区某城市建设的"城市环球中心"追求成为"世界最大单体建筑",盖得像航站楼一样。据统计,全球目前在建的高300米以上的建筑有125座,其中78座都在中国。     

室内地标提取的POI显著度定量评价模型

室内地标在室内位置信息服务（location based service,LBS）中发挥着重要作用。针对室外地标提取方法不能完全适用于更为复杂的室内环境的问题,提出了一种显著度定量评价模型用于在室内环境中提取地标。以大型商场的室内环境为研究对象,从视觉、认知、空间3个方面分析影响室内兴趣点（point of interest,POI）显著性的主要因素,并用这些因素构建了室内POI整体显著度评价模型。选择武汉市群光购物中心室内的POI数据进行显著度计算,依据显著度的差异性提取了多层地标,反映不同粒度的室内区域空间知识。提取的多层地标可以作为室内智能导航系统中的重要标识,为在复杂的大型商场内实现快速寻路、多粒度路径导引提供关键线索。     

顾及地标可视性的室内导航路径优化算法

提出了一种构建室内行人通行网络的方法,利用矢量建筑图自动构建室内建筑、地标的可视关系,建立行人导航通行规则,支持室内导航路径规划。实验结果表明,此方法能够有效描述室内行人通行规则,并满足拓扑网络构建的实时性需求,减少大规模存储与维护室内路网的压力。在此基础上提出了一种多目标导航路径优化算法,该算法时间开销较低,能够实时地进行路径规划,得到的最优路径与最短路径相比具有更高的地标可见性和覆盖率。     

《果洛地区牧草生长期干旱等级》地方标准解读

本文就《果洛地区牧草生长期干旱等级》地方标准实施以来,存在的问题和使用方法进行解读,希望在干旱等级评判方面有一定的促进作用。     

红鳍笛鲷和紫红笛鲷种类和群体的矢耳石地标点法识别

【目的】探讨矢耳石地标法在笛鲷种内及种间中的判别作用。【方法】利用2017年购自广西北海、海南文昌、广东阳江的87尾红鳍笛鲷(Lutjanus erythropterus)和76尾紫红笛鲷(Lutjanus argentimaculatus)成鱼的矢耳石样本,基于地标点法分析耳石的形态差异,运用判别分析检验耳石形态差异在2种笛鲷的种间和同种不同群体间的判别功效。【结果】位于听沟前中部交叉点的两个地标点10、11贡献较大,解释了耳石形态变异的64.88%～65.85%,表明两种笛鲷耳石形态的种间差异和种内群体差异主要集中于听沟前中部。基于耳石形态的地标点方法对2种笛鲷的种间判别成功率为97.4%和100.0%;红鳍笛鲷和紫红笛鲷的种内不同群体判别成功率分别为85.7%、83.3%、80.0%和94.1%、78.1%、81.5%。【结论】矢耳石地标点法可作为2种笛鲷种间和种内判别的有效工具。     

基于智能手机传感器的室内行人三维定位算法

针对室内行人定位中累积误差发散及高程值缺失的问题,提出了一种基于智能手机传感器(磁力计、加速度计、陀螺仪和气压计)的室内行人三维定位算法。该算法在使用行人航位推算获得二维定位信息的基础上,融合多传感器输出解算行人方位角,结合电子罗盘提出加权方位角以提高解算精度;通过传感器输出检测行人行为状态,结合虚拟地标点图层及其匹配算法,将行人的位置匹配到相应的特殊位置,重置行人初始位置以消除累积误差;使用基于气压计的差分气压测高法求解行人的高程值,从而获得行人三维定位信息。在智能手机上进行实验,结果表明,该算法不仅能够提供准确、连续的二维定位信息,还能提高行人对楼层的分辨力,可为室内行人导航、跟踪等基于位置服务提供有效的定位信息。     

Python编程及Google Earth平台在地球物理勘探中的应用

在地球物理勘探工作,野外的数据采集是非常关键的环节,工区的地形地貌对野外的施工质量和进度都有很大的影响。故而在物探项目的踏勘、设计、数据采集以及资料处理解释的整个过程中,都需要详细了解地质、地形地貌等信息,并及时快速的进行查看和再现。Google Earth平台能直观显示卫星图、航空照相和GIS数据等三维场景,但如何精确地实现点、线和区的定位和识别是地球物理勘探的关键。运用Python编程实现用户自定义KML地标文件,然后导入Google Earth来实景化测点、测线、区域的周围的地形地貌特征,直观精确地指导勘探工作。实例表明,Python和Google Earth的应用能提高地球物理勘查的工作效率,节省项目成本。