一种三维激光扫描技术隧道整体变形分析方法

针对三维激光扫描技术应用于隧道变形监测时无法准确确定隧道形变的问题,该文提出了一种基于参考基准的隧道点云降维格网化形变分析法,通过建立参考基准,计算点云到参考基准的距离,点云降维,生成降维点云到参考基准距离的分布格网图,并进行多期数据差值计算,获得隧道整体变形量值分布图.实验表明,该方法能够确定隧道变形区域和变形量值大小,能够进行多期监测数据的准确对比,提高了三维激光扫描技术的应用精度,是一种实用和有效的衡量隧道变形新方法.     

基于数字孪生的隧道智能巡检技术研究与应用

本研究以隧道智能巡检机器人作为隧道巡检数据采集手段,建设基于数字孪生技术的基础设施智能化管理平台。将采集的数据进行大数据分析,预知病害与形变的发展趋势,及时获取预警信息。除此之外,通过建立地铁隧道的竣工数据原始基础数据库,构建隧道三维孪生模型,作为运营维护以及形变分析的数据基准,将地铁隧道长期周期性形变检测与局部区域状态检测评估相结合,做到检测于变形、辨险于分析、预警于未然,保障地铁隧道的安全运维。     

新型FMCW地基SAR和三维激光扫描仪在大坝变形监测中的应用

为解决传统大坝变形监测方法仅能获取点形变信息,且监测成本高、受环境影响大等问题,提出了结合快速地基合成孔径雷达(Fast-GBSAR)获取的高精度二维形变图和三维激光扫描仪生成的DEM,解决了雷达数据可视化程度低的问题。利用该技术对国内某大坝进行了健康监测并对形变原因进行了深入分析,库区潮汐对大坝水平形变产生周期性的影响。试验表明,Fast-GBSAR可以获取高精度的大坝形变信息,结合三维可视化技术,建立直观、高效与高精度的三维监测方式,为大坝的变形监测提供了可靠保障。     

联合地震位错模型和InSAR数据构建2017年九寨沟Mw 6.5地震同震三维形变场

利用哨兵（Sentinel）-1A卫星升、降轨影像,在地震位错模型约束下获取了2017年九寨沟Mw 6.5地震的高质量三维形变场。首先,利用合成孔径雷达干涉测量技术（interferometric synthetic aperture radar,InSAR）提取九寨沟地震升、降轨同震形变场;然后,通过“两步法”反演获取该地震发震断层的几何参数和分布式滑动模型,以此为约束,采用方差分量估计算法联合解算九寨沟地震三维形变场。结果表明,九寨沟地震同震三维形变场以水平位移为主,垂向形变较弱;南北向形变呈拉张趋势,断层上盘向南、下盘向北滑动,最大位移分别为－19.81 cm和14.38 cm;东西向形变不对称性明显,断层上盘西北部向东水平运动,最大位移为18.37 cm,下盘东南部向西运动,最大位移不足8 cm。将南北、东西向形变与6个全球导航卫星系统（global navigation satellite system,GNSS）台站观测数据进行比较,两者一致性较好且均方根误差较小,分别为1.44 cm和1.77 cm,表明联合升、降轨InSAR观测和地震位错模型约束构建同震三维形变场方法具有较高可行性,显著降低了大地测量数据不足、InSAR观测对南北向形变不敏感等问题的影响。     

基于地面激光雷达点云的层析合成孔径雷达建筑物三维重构精度评定方法

层析SAR技术可以根据获取的二维SAR影像来进行城市建筑物的三维重建,在不久的将来有望成为城市多维精密监测的重要技术工具。目前,层析SAR城市建筑物三维点云的精度还没有有效的验证方法。本文提出一种基于地面LiDAR三维点云数据来验证层析SAR三维点云数据精度的方法,通过将层析SAR和LiDAR的建筑物点云分割成不同立面,进而逐个面进行立面边界提取,并以LiDAR三维点云数据作为基准,将二者的建筑物几何特征进行对比,从而验证层析SAR城市建筑物三维点云的精度。实验选取盘古七星酒店层析SAR三维点云数据与LiDAR三维点云数据进行对比分析,结果表明基于LiDAR三维点云来验证层析SAR城市建筑物三维点云精度方法的有效性和适用性。     

利用像素偏移追踪技术提取Ridgecrest地震序列三维形变

地震的三维形变对地震断层特征解释具有重要意义.分别使用哨兵1号升轨和降轨影像进行像素偏移量追踪获取2019年Ridgecrest地震序列的卫星距离向和方位向上的二维形变,结合SAR卫星两方向与地表三方向之间的几何关系,通过加权最小二乘方法解算该地震的三维形变.最终的三维形变结果表明本次地震产生了多个较大的地表破裂,形变...     

基于CRInSAR和kalman滤波的监测地表三维形变的研究

CRInSAR技术克服了传统DInSAR的一些不足,成为近年来的研究热点,但单一的CRInSAR技术只能监测LOS的一维形变。而kalman滤波采用状态空间的概念,可以用来估计平稳或非平稳的多维信号随机过程,已经被广泛地应用于动态数据处理之中。因此本文以CRInSAR模型为基础,将不同时间跨度的干涉数据作为动态数据,构建相应的观测方程和状态方程,并以经典的kalman滤波估计角反射器的三维形变量和三维形变速度。实践证明,该方法是合理可行的。     

一种基于全站扫描的特征点自约束点云变形分析方法

为了对大坝、高层建筑、滑坡区、采空区等危险变形体进行变形观测,针对智能全站仪、GNSS测量、三维激光扫描等变形监测技术无法很好地实现变形特征点和点云的综合变形分析问题,提出了基于全站扫描特征点自约束点云变形分析方法,获取变形体的离散特征点和整体点云变形数据,利用特征点形变矢量求取点云至模型的形变量,从而刻画变形体的整体形变信息。试验结果表明,利用本文所提出的方法能够成功计算出点云至模型的形变量,经统计分析,所有点的形变量真误差的期望值为-0.04 mm,结果精度为1.2 mm。试验结果能够反映变形体的整体形变信息,且具有较高精度。     

应用TLS点云数据确定边坡特征对象区域和形变分析

针对目前主要形变监测方法监测点少、整体形变资料缺乏的不足,利用三维激光扫描仪获取边坡点云数据,通过对边坡特征对象区域识别,利用重心法计算特征对象区域的形变量大小,将形变特征对象区域转变为监测点,并分析形变特征对象区域的变形情况,弥补了传统形变监测手段在边坡监测应用和形变分析中的不足。     

一种基于多维正交判别子空间投影的人脸识别方法

人脸识别中,传统数据降维方法将人脸图像重排列成向量后进行处理,丢失了数据本身的结构特性,导致识别精度不高。本文发展了一种基于张量的数据降维方法———多维正交判别子空间投影。该算法直接用张量描述人脸,并通过张量到矢量投影(tensortovectorprojection,TVP)将张量数据投影到向量判别子空间。此方法寻找相互正交的投影向量集,使得判别子空间中数据类间离散度最大,同时类内离散度最小;进而利用TVP投影将高维张量数据映射成低维向量数据,在合适的约束条件下,这些降维后的向量特征数据是整个人脸数据中最具代表性的特征数据;最后,使用k最近邻(KNN)分类器将这些特征数据分类。利用经典人脸数据库ORL进行实验,验证了本文方法的有效性。