测绘地理信息与人工智能2.0融合发展的方向

面向人工智能2.0时代,在分析测绘地理信息发展现状的基础上,研究推动测绘地理信息迈向智能2.0时代的驱动力,并提出了建设测绘地理信息2.0时代的重点任务.在基础理论方面,提出需在时空大数据孪生环境、时空信息知识图谱、真三维深度神经网络、时空大数据动态预测推理等理论方面展开攻关;在关键技术方面,强调大数据智能、跨媒体智能、群体智能、混合增强智能和自主无人系统五大智能技术与测绘地理信息进行融合的方法;在平台方面,强调了智能测绘地理信息软硬件平台的重要作用和构建方式;最后以自然资源智能监测和室内外一体化智能导航为典型案例,分析了相关的理论、技术和平台在测绘地理信息行业的实际应用.通过本文的论述,理清了人工智能赋能测绘地理信息的内涵、重点内容和路径,为测绘地理信息迈向智能化2.0新时代提供了一种思考.     

基于空间一致性的同平台点云配准方法EI北大核心CSCD

基于特征的点云配准技术利用点云局部特征建立对应点,但受噪声和重复结构影响,对应点结果不可避免地包含了大量错误匹配,导致配准精度降低。为充分利用离散点间几何信息优化同平台点云配准精度,本文提出了基于空间一致性的同平台点云配准方法,该方法通过增加候选匹配点构建同平台点云图模型,为获取图模型的最优匹配结果,提出了重加权随机游走匹配(reweight random walks matching,RRWM)的优化方法。基于假设验证方法构建了点云配准模型,并结合试验验证了本文方法的有效性。     

复杂城市动态图卷积网络三维场景语义分割法

在摄影测量与遥感领域,三维网格数据是最终用户产品之一,已广泛应用于城市规划、导航等任务中。但针对以三维网格表示的复杂城市场景的智能化语义分割的研究较少。为此,本文提出复杂城市动态图卷积网络三维场景语义分割方法(3Dcity-net)。利用三维网格固有的三维空间坐标信息和纹理信息构建的复合特征向量来表示三维网格中的三角面片。为降低纹理信息中噪声和冗余信息对语义分割结果的影响,提出在3Dcity-net网络结构中嵌入主成分分析模块。为缓解样本数据不平衡引起的语义分割精度下降的问题,采用焦点损失函数替代交叉熵损失函数。利用Hessigheim三维网格数据进行了语义分割试验。试验结果表明,3Dcity-net能够获得具有竞争力的三维网格语义分割结果,其中总体精度OA、Kappa系数、平均准确率mP、平均召回率mR、平均F₁值(F₁ score)和平均交并比mIoU分别为81.5%、0.776、73.0%、58.4%、62.6%和49.8%。与先进方法相比,本文方法总体精度OA分别提高了0.9%和8.3%。