基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。     

无人机倾斜摄影三维建模技术研究现状及展望

无人机倾斜摄影从航空平台多视角同步采集影像,可通过倾斜摄影测量,三维建模等技术生成真实的三维模型,是目前地形级到城市级实景三维模型重建最主要的技术手段之一。本文总结归纳了目前无人机倾斜摄影三维建模过程中的关键技术,重点介绍了三维场景重建和倾斜摄影三角网模型的语义提取、单体化、实体化处理等技术方法及研究现状,指出了目前无人机倾斜摄影三维建模技术仍存在的问题,并从无人机路径规划、数据获取、建模技术、模型表达四方面对该领域潜在的发展趋势和研究方向进行了分析与展望。     

解浅析城市文化在古城墙保护中的体现——以西安明城墙为例

西安是举世闻名的世界四大古都之一,是中国历史上建都时间最多、建都朝代最多、影响力最大的都城,是中华文明的发祥地。西安明城墙则是这座古城最具风韵,最有特色的代表。明城墙几经战乱的破坏、风雨的洗礼,对它的保护显得尤为重要。在城墙保护中体现城市文化,将城市文化应用于古历史遗迹的保护是研究的关键。     

机载激光雷达点云辅助的镶嵌线自动选择

本文提出了一种基于激光雷达点云辅助的正射影像镶嵌线自动选取方法。首先，利用配准后的激光雷达点云生成数字表面模型和数字高程模型，以重叠区域影像之间的相似度和梯度差异构建代价矩阵；然后，将数字表面模型与数字高程模型相减得到差值图表示地物真实的高程信息，利用自适应阈值分割将差值图划分为不同的区域，并赋予不同的惩罚系数；最后，以代价最小为标准，基于Dijkstra算法得到最终的镶嵌线。本文方法生成的镶嵌线能成功地绕开大多数障碍地物，能够满足影像拼接应用的需求。     

一种地形自适应的机载LiDAR点云正则化TPS滤波方法

随着机载激光雷达成像技术（LiDAR）的不断发展,激光点云数据处理的相关研究也在不断深入。点云滤波是机载激光雷达点云数据处理的重要环节之一。针对多数经典滤波方法在复杂地形和地物条件下的滤波效果不够理想的现状,提出一种新的基于相对变异系数的地形自适应正则化薄板样条插值点云滤波方法。采用二维区域增长获取初始插值参考点后,基于线特征约束对参考点进行优化,去除部分低可靠性参考点以得到较准确、分布离散均匀的初始插值参考点集合,在此基础上通过正则化薄板样条插值方式来拟合地形点与地物点之间的滤波分类面,完成对机载激光点云的高精度自适应滤波。对比实验结果表明,本文的地形自适应滤波方法在2组实验数据的总体错误率分别达到4.14%和4.17%,在错误率和多地形综合表现等方面具有优势,且滤波运算效率在目前主流的滤波算法中处于较高水平。另外,实验结果验证了地形自适应滤波方法在斜坡、山脊等起伏较多的复杂地形与包含植被和建筑物的混合地形等处的点云滤波结果具有较好的准确性。     

稀疏点云引导的航空影像数字表面模型生成方法

密集匹配是生成数字表面模型的核心步骤,但在纹理缺乏、视差断裂和光照不一致等区域容易匹配失败。为了提高密集匹配结果的精度,提出一种稀疏点云引导(sparse point cloud guidance, SPCG)的航空影像数字表面模型生成方法,旨在利用空三加密的稀疏点云约束影像的密集匹配。首先,通过稀疏点云引导的方式,选择具有良好几何配置、高重叠度和高覆盖率的立体影像对;然后,利用最近邻聚类和金字塔传播方法,扩充稀疏点云的数量;进一步,采用改进的高斯函数优化扩展点的匹配代价,以提高密集匹配结果的准确性;最后,将多个密集匹配点云融合,生成数字表面模型。模拟立体影像和真实航空立体影像的实验表明,SPCG方法优化的半全局匹配显著提升了原始半全局匹配算法的匹配准确性,具体数值表现如下：半全局匹配生成的视差图与真实视差的差值大于1、2或3个像素的百分比分别为46.72%、32.83%或27.32%,而SPCG方法优化的半全局匹配相比于半全局匹配分别下降了7.67%、9.75%或10.28%。此外,相比于高斯方法优化的半全局匹配和深度学习方法金字塔立体匹配网络,SPCG方法优化的半全局匹配具有最高的...