适用于城市场景大规模点云语义标识的深度学习网络

近年来,以点云为代表的三维数据不断涌现,如何利用人工智能手段,高度提升点云的解译能力,实现城市地物目标的语义标识、三维精准提取等成为亟待攻克的难题.为此,本文提出了一种端到端的三维点云深度学习网络,通过构建不规则分布点云的上下采样策略、特征多层聚合与传播,以及顾及样本不均的损失函数,有效保障了点云采样的高效性、特征提取的准确性及网络整体性能的最优性.三维点云大规模数据集上测试表明,该深度学习网络在城市场景的语义标识正确性方面取得了优异的结果,性能优于当前的主流网络,为三维地理信息的高性能提取提供了有力支撑.     

面向智能化测绘的城市地物三维提取

精准有效的三维时空信息是新型基础设施建设、实景三维中国、自然资源管理与监测等国家重大需求不可或缺的重要支撑。测绘装备的快速发展提升了点云和影像获取的便捷性,为智能化测绘提供了一种全新技术手段。然而,如何从点云、影像中智能地提取三维时空信息仍然面临诸多困境。本文围绕城市场景中地物目标智能化提取的需求,重点阐述点云位置精度改善、点云与全景影像融合、部件级典型地物要素精细提取、软件研发与工程实践4个方面的关键技术与研究进展,为实景三维中国建设等提供关键支持。     

面向数字孪生城市的智能化全息测绘

以大数据、物联网、人工智能、虚拟现实、云计算、智能驾驶等新技术为代表的信息化浪潮席卷全球，数字世界与物理世界正形成两大平行发展、相互作用的体系，数字孪生技术应运而生。随着物联网技术（IOT）的发展，数字孪生的理念被引入到智慧城市建设中来，深刻影响着城市规划、建设与治理。笔者所在单位面向数字孪生城市和自然资源统一监管对测绘地理信息的新需求，在全国开创性地开展了面向数字孪生城市的智能化全息测绘试点工作。本文结合上海市智能化全息测绘试点工作，从数字孪生城市、数字孪生城市对地理信息的新需求、智能化全息测绘关键技术及测绘成果等方面展开了论述，重点介绍了智能化全息测绘的技术体系和产品体系，以及在社会各领域的应用成果。     

融合车载影像与点云的道路边界提取与矢量化

车载激光点云的数据不完整和影像连续帧之间的地物重影现象给提取连续、完整的道路边界带来了巨大挑战。提出了一种融合点云与全景影像的道路边界提取与矢量化方法。首先,分别从点云和全景影像中提取初始道路边界点,然后基于非闭合Snake模型融合两种数据源中的道路边界点,实现结构化和非结构化道路边界的准确提取与矢量化。该融合过程首先基于点云中的道路边界构建特征图,并以车载影像中的道路边界提取结果为初始轮廓,然后基于道路边界的几何特性构建非闭合Snake模型,最后通过求解该模型实现多源道路边界点的融合,并完成道路边界线的矢量化。将该方法应用于2个城市场景数据集,结果表明：该方法可有效提取形状多样的结构化和非结构化道路边界,对由于遮挡导致的数据不完整和多帧影像中的地物重影具有较强的鲁棒性,对城区道路边界提取的精度、召回率、F1值分别优于95.43%、89.27%、93.38%。     

面向车载激光扫描数据的道路目标精细化鲁棒提取

精确的三维道路信息,对于交通运输,城市规划,道路网建设,三维道路建模等具有重要意义.车载移动测量系统作为一项高新测绘技术能快速,准确地获取三维激光点云,适用于大场景的道路提取与建模.本文提出了一种从车载激光点云中快速精细化提取三维道路及其边界的方法.该方法首先利用车载激光点云的空间特征对点云进行自适应分段,然后利用先验知识与规则提取候选的道路及其边界,并根据道路边界的线状特征,对所提取的道路边界进行跟踪及矢量化,最后得到道路的参数.为了验证本方法的有效性,试验采用了3组不同道路场景的数据进行验证,结果表明提取结果的准确度,完整度及检测质量都达到了90%以上.定量与定性的结果分析表明,本文方法对于不同复杂场景下不同点密度的数据具有很好的适应性,能快速,鲁棒地提取大场景内的道路及其边界.     

地中海:海盗的最初发源地

<正>海盗常被人称作"古老的职业",这么说至少意味着两点:第一,它是种"职业",和打铁种田一样,需要付出劳动;第二,它很"古老",也许从独木舟的时代开始,就已经有人从事这桩刀尖舔血的买卖。由于航海活动本身的危险性,海盗算得上是一门高强度‘高风险’高技术含量的"三高"行当,这个行当从古到今能一直受到人们的青睐,自然也是因为随之而来的高收益和高回报。总有人未发横财先殒命,但也有更多的人怀揣着野心和贪婪加入到海盗的队伍中来。反过     

点云智能研究进展与趋势

随着以激光扫描、倾斜摄影为主的各种现实采集(reality capture)装备的快速发展,点云已成为继矢量地图和影像数据之后的第三类重要的时空数据源,并在地球科学、空间认知、智慧城市等科学研究和工程建设中发挥越来越重要的作用。如何从点云大数据中快速、准确获取精准有效的三维地理信息成为测绘地理信息领域的科学前沿和地学应用研究的迫切需求,也是三维地理信息获取与建模面临的重大难题。点云智能应运而生,并成为突破上述难题的科学途径。本文围绕点云智能中的三个重要方向:点云大数据处理的理论方法,点云大数据智能处理关键技术和重大工程应用,阐述点云采集装备、智能化处理,以及科学研究与工程应用的最新进展,最后对点云智能的重要发展方向趋势予以展望,希望为点云研究相关人员提供科学参考。     

标记点过程用于点云建筑物提取

提出了利用标记点过程从机载激光扫描数据中直接提取建筑物的方法。该方法首先根据建筑物在点云中的几何特征建立Gibbs能量模型,通过目标的一致性建立模型的数据项,通过目标的拓扑性质等空间特性建立模型的先验项;然后,利用可逆跳转马尔科夫蒙特卡洛算法(RJMCMC)和模拟退火算法优化求解;最后,利用精细处理移除错误提取的地面点、噪声点和树木点,合并相邻的目标,实现建筑物目标的精确提取。利用3组ISPRS机载激光扫描点云进行实验,结果表明,该方法能够准确、有效地提取建筑物,具有较强的稳健性。     

从车载激光扫描数据中提取复杂建筑物立面的方法

提出一种从车载激光扫描数据中提取复杂建筑物立面的新方法。该方法首先利用"维数特征"方法确定每个扫描点的最佳邻域,进而计算得到每个扫描点精确的局部几何特征(法向量、主方向、维数特征);然后基于"维数特征"对扫描点进行粗分类,并设置相应的生长准则对不同类别的扫描数据分别进行分割;最后综合建筑物立面的语义知识对建筑物立面区域进行精确提取。试验结果和比较分析表明,本文的方法不但能提取建筑物平面和非平面立面,而且可消除点密度差异(变化)对建筑物立面提取结果的影响,提高建筑物立面提取的正确率和完整性。     

含煤地层岩石吸水性分析——以陕北杭来湾煤矿为例

为了查明影响含煤地层岩石吸水性的主要影响因子及其对于岩石吸水性的影响关系,在陕北杭来湾煤矿含煤地层取岩样,根据岩样的水理性质测试及X射线衍射试验数据,通过灰色关联分析及逐步回归分析对岩石吸水性的影响因子进行对比分析,结果表明:孔隙度及伊利石、高岭石、钾长石、绿泥石、斜长石的矿物含量为岩石吸水性的主要影响因子;利用逐步回归分析方法建立了岩石吸水性的回归方程,精度较高,可以较好地反映该矿区含煤地层岩石的吸水性与其主要影响因子之间的量化关系。