基于面片裁切技术的点云轮廓线生成算法

随着点云在各个领域的广泛应用,对点云处理相关技术的研究更为活跃。目前,研究的热点主要集中在点云去噪、配准、分割、增强、特征提取和重建等方面。其中,特征提取起着承前启后的作用,具有十分重要的研究价值。基于面片裁切技术的点云轮廓线生成算法。首先,对点云数据进行面片提取,通过面片生长、融合生成特征面片,并根据提出的面片双向索引法快速构造特征线,最终实现点云平面轮廓线的生成。实验证明,本算法可快速、准确、有效地实现点云轮廓线的生成。     

GBSAR和三维激光扫描技术提取DEM应用研究

分析了星载SAR和GBSAR提取DEM的原理,利用GBSAR干涉影像提取目标区域的DEM,并将得到的DEM与三维激光扫描数据得到的精细DEM模型进行对比和统计分析。实验结果表明,GBSAR提取的DEM与三维激光扫描提取的精细DEM大体一致,且误差在较小的范围内,满足DEM提取精度要求,说明GBSAR提取目标区域的DEM是可行的,为GBSAR的推广应用奠定了基础。     

基于库伊克模型的地面沉降预测分析

针对地面沉降与地下水水位变化的内在关系,考虑地面沉降受到自身变化规律的影响,建立基于库伊克变换的地面沉降预测模型,应用该模型对某地区地面沉降统计数据进行模拟预测,有效实现该地区地面沉降与地下水水位以及本身之间的定量模拟,并探讨模型的拟合效果和预测精度。结果表明库伊克模型拟合效果较好,预测精度较高,能较好地反映研究区域的地面沉降变形趋势。     

利用卫星测高监测贝加尔湖湖面高变化

以贝加尔湖为例,利用Jason-2测高卫星4年(2008~2012)GDR数据,经过误差改正与数据编辑,通过分析贝加尔湖月水位异常时间序列,得到了贝加尔湖湖面高变化的季节性规律;通过分析贝加尔湖半年水位异常时间序列,得出了贝加尔湖湖面高变化的周期为1年;计算结果表明,利用卫星测高技术对内陆湖泊湖面高变化进行监测具有一定的可行性。     

模拟退火法Kriging时域模型在沉降监测中的应用

目前常用的时间维监控模型主要有时间序列模型、回归分析模型、灰色理论模型、卡尔曼滤波模型、泊松生命回旋模型等,模型虽然在某些简单或特定的工程中均可取得了较好的监控效果,但在一些沉降变化复杂的地区,由于模型仅考虑了离散数据的随机性或结构性特征,没有考虑到数据的变化特征和时间相关性,致使模型预测监控的效果总是差强人意。本文研究了基于模拟退火法的Kriging时域模型,其在传统Kriging模型的基础上,引入目前比较成熟的模拟退火法(SAA)对变异函数拟合模型中的参数进行寻优,以提高变异函数模型的精度,使模型能更准确地描述时域变量的变异特征。     

基于粒子群算法的Kriging插值在区域地面沉降中的应用

经典Kriging插值算法在当区域化变量的变化呈非正态分布时,变异函数会出现明显的病态,另外,变异函数是对区域化变量间差值取平方,致使插值结果容易受区域化变量异常值的影响。采取对区域化变量取自然对数的措施,以减弱上述因素的影响,另外在变异函数模型中,引入粒子群(PSO)优化算法对变异函数模型参数进行寻优,取得了良好的效果。     

利用粒子群算法的小波神经网络探讨

小波神经网络(WNN)具有较强的逼近和容错能力,并具有良好的收敛性和鲁棒性。然而其网络收敛速度慢、搜索成功率低和易陷入局部极小值等缺点使得传统的小波神经网络难以得到广泛应用。本文介绍一种基于粒子群(PSO)算法的小波神经网络,其通过利用种群间信息共享进行寻优,以获得结构化的神经网络,克服了传统小波网络的诸多缺点,结合工程实例,检验了其具有较好的适用性和可靠性。     

惯性定位仪在非开挖非封闭管线测绘中的应用

惯性定位仪是近年来出现的一种专门针对于非开挖非封闭管线测量的新技术。本文简述了惯性定位仪的系统结构、作业方式和作业特点。结合工程实例,通过与全站仪、探测仪等直接测量和间接探测方式的对比,验证了惯性定位仪探测的精确性和可靠性,其也逐渐成为城市非开挖非封闭管线探测的重要技术手段。     

公共点自动匹配算法研究

公共点的点云配准是地面三维激光扫描常用的点云拼接方法,但该方法大多采用手动或半自动化方式,效率低。为解决这一问题,本文提出基于重心化欧氏距离的散乱点自动匹配方法,并针对该方法中可能出现危险球问题,提出了散乱点有序化自动匹配方法。结合欧氏变换中角度不变原理,提出了矢量化自动匹配方法。最后,通过实例验证了所研究方法的有效性和实用性。     

基于粒子群算法的小波神经网络应用与研究

小波神经网络(WNN)结合了小波良好的时频局域化性质和传统神经网络自学习功能,因而使得小波网络具有较强的逼近和容错能力,并具有良好的收敛性和鲁棒性。然而其网络收敛速度慢、搜索成功率低及易陷入局部极小值等缺点使得传统的小波神经网络难以得到广泛应用。本文介绍一种基于粒子群(PSO)算法的小波神经网络,其通过利用种群间信息共享进行寻优,以获得结构化的神经网络,克服传统小波网络的诸多缺点,取得了良好的效果。