顾及几何特征和拓扑连续性的道路网匹配方法

已有的道路网匹配方法需要一定的人为干预和控制,仍无法实现匹配自动化,而且对于具有一定尺度差异的数据而言,受不相关道路对象的影响,匹配结果中会存在较多的误匹配。为此,本文提出一种顾及几何特征和拓扑连续性的由粗匹配到精匹配的分层匹配策略。粗匹配阶段,利用短边中位数Hausdorff距离计算匹配对象的相似度,再以道路网弧段端点的近邻分析结果作为匹配阈值,判断匹配对象是否为同名实体;精匹配阶段,将粗匹配阶段评价结果中离散的同名实体构建为完整的道路Stroke,即以追踪的方式剔除误匹配和添加漏匹配。利用宿城区不同尺度的道路网对所提算法进行验证,结果表明,该算法具有较好的匹配效果,能够实现匹配自动化。     

正射影像辅助下的LiDAR点云构建DEM方法

提出了结合两类数据的DEM生成方法,该方法先将原始LiDAR点云自动滤波得出粗略地面点,经数据抽稀后提取地面关键点点集,再利用航迹文件和相机文件进行空三加密生成数字正射影像。在此基础上将粗分类点云与正射影像匹配,在少量人工干预下,对点云进行二次分类获得精确地面点点集,构建DEM。实验结果表明该方法是可行和有效的。     

复杂场景下农村道路裂缝分割方法

针对农村道路裂缝识别中存在训练样本数量少、场景单一、提取结果不准确等问题,本文首先依托辽宁省多年份实测道路图像数据,构建具有多种类、多场景的路面裂缝数据集(PCDs),以ResNet50为编码器、SegNet为解码器,构建路面裂缝图像识别模型Res-SegNet,通过增大卷积核的大小获取更丰富的裂缝信息,使用Focal Loss损失函数,令模型更专注困难样本。然后采用分块预测方法提升裂缝在图片中的占比,使图片预测更加精细。最后通过网络模型和预测方法进行对比试验。结果表明,使用Res-SegNet识别PCDs的测试集,在不同的场景中F值为0.691,使用Res-SegNet结合分块预测识别PCDs的测试集,在不同的场景中F值达0.753。     

基于Visvalingam-Whyatt改进算法的线要素化简

线要素化简对空间数据存储、传输和表达具有重要意义。现有方法的化简效率和空间关系维护是一个矛盾体,为提高化简效率的同时解决化简结果中线要素自相交问题,提出基于Visvalingam-Whyatt改进算法的线要素化简方法。以排序列表键值对的形式记录有效面积和节点标识,再利用给定的保留节点数重新构建线要素,在重构过程中逐点进行自相交判断,并通过前插或移除节点的方式解决自相交问题。以1∶100万比例尺的海南岛海岸线为研究对象进行化简实验,结果表明本文所提算法能够解决线要素自相交问题,且具有较高的化简效率。该方法可为其他线要素化简算法提供自相交解决思路。     

大桥几何监测数据去噪方法研究

提出并优化了EMD小波组合去噪法对大桥监测结果进行去噪的过程,并与EMD去噪法、小波阈值去噪法进行比较。结果表明,优化的EMD小波去噪法是一种高效的大桥动态监测信号去噪方法,去噪效果最好。