融合CNN和CapsNet的Wi-Fi室内定位方法

针对基于位置指纹的Wi-Fi室内定位方法定位精度低的问题,本文提出了一种融合卷积神经网络(CNN)和胶囊网络(CapsNet)的Wi-Fi室内定位算法模型,记为CNN-CapsNet。首先将采集的RSSI时间序列信息,生成位置指纹图像数据集;然后通过由卷积层和池化层构成的CNN初级特征提取器,完成定位图像到初级特征图的转换;最后将初级特征图输入到CapsNet中,获得最终的分类结果。试验结果表明,在不同的向量维度,迭代次数等参数下,该模型的准确率高达99.99%,损失函数值低至0.009 91,优于其他的传统定位方法。     

地磁室内定位基准图数据采集系统设计

近年来,地磁作为室内定位基准已经成为热点研究领域。本文深入研究了地磁室内定位技术,并通过大量试验,分析了室内磁性材料及电子设备对磁场的干扰,进一步探究了室内磁场特性,证明了磁场信息作为定位依据的可行性;利用Arduino IDE研发了智能地磁数据采集平台,该平台搭载多种传感器,如HMC5983磁传感器和惯性导航传感器等,采集一定密度的室内地磁数据,利用克里金法对该地磁数据进行差值处理,生成2 cm间隔大小的栅格地磁图,作为室内定位基准图保存在数据库中。     

室内路网模型的构建方法研究与实现

室内路网模型是提供室内位置服务的基础,主要应用于室内导航、最优路径查询等方面。根据对室内环境的空间结构分析,建立了室内位置信息图,并在此基础上结合三角网剖分思想,探索了室内空间区域剖分方法,通过配合ArcGIS软件进行二次开发实现了从路径点获取到路网模型构建的全过程处理。实验表明,这种室内路网模型构建方法可行、有效。     

车载激光雷达点云快速栅格化算法研究及应用

针对车载激光雷达点云数据量大、密度高且存在分层错位和噪点等情况,提出了一种具实时性激光点云快速栅格化算法,该算法根据雷达扫描精度预设栅格单元大小,可在不丢失对象形状特征的情况下,能快速完成点云数据平滑及降采样处理,并将数据量缩小为处理前的60%。将该栅格算法处理后的点云数据应用于深度学习,作为pointnet++神经网络的训练集及测试集,完成语义分割模型训练与测试。实验结果表明,该算法可在1 s内完成上百万量级的点云栅格处理,并且经该算法处理后的点云数据能有效缩短训练时长、提升网络测试精度。     

低功耗蓝牙手机终端室内定位方法

为满足高精度室内定位的需求,提出了基于地图匹配技术和指纹技术的高精度室内蓝牙定位方法。该方法以低功耗蓝牙手机终端为指纹采集和定位媒介,通过获取蓝牙信号强度参数,并与室内地图进行匹配处理,建立蓝牙信号指纹库。在定位阶段,通过手机终端获取附近蓝牙信号强度信息,与指纹进行对比。在位置计算过程中,采用地图匹配技术,通过空间叠加分析过滤后确定手机终端的空间位置。本文选取了一典型商业环境,通过测试,当蓝牙锚点部署密度间隔15 m时,平均定位精度在3 m以内。     

面向地图图片识别的两种卷积神经网络分析

针对目前多种网络基于小数据集或国际通用的一些标准数据集进行训练与测试,无法满足从互联网图片中高效识别出地图图片的需求,该文构建了一套基于卷积神经网络的互联网图片分类体系,对自动采集的92543张互联网图片经类型标注后形成样本库,将样本输入残差网络ResNet50和轻量级网络SqueezeNet中进行训练及测试.结果 显示:在地图类中,ResNet50的精确率、召回率分别比SqueezeNet高2.01％、0.32％;前者所耗费的训练、测试时间分别为后者的2.51倍、6.43倍,将上述指标进行归一化处理来综合评价两种网络在地图图片识别中的优越性.得出结论:SqueezeNet网络在地图识别应用中更具优越性,可有效提升在互联网地图图片中所包含"问题地图"的审查效率和及时响应服务.     

基于植被分布特征的森林景观建模方法

在虚拟地理环境中如何快速地生成具有特定空间格局的森林景观是一个具有挑战的问题。现有的研究主要以模拟或随机的方式确定树木的位置,但难以反映每个树种的分布特征。本文提出了一种基于图的中性景观模型,根据指定的景观指数生成特定组成结构和空间配置的森林景观。模型将格网随机划分为若干不规则的区域,并将其转化为对应的区域邻接图,通过源节点的受限生长生成特定大小和形状的图斑。相比其他中性景观模型,该模型在可控性和灵活性上具有优势,能对每种类型的景观特征分别进行表达。最后根据模型生成的森林景观确定树木的位置与种类。本方法不仅能为植被场景的可视化提供合理的植被分布,而且能反映森林景观的空间分布特征,为虚拟森林环境中的林业规划决策以及植被分布规律认知提供一定的支持。     

基于RSSI联合算法的二维室内定位系统设计与实现

针对位置指纹匹配算法计算量大导致室内定位精度不高的问题,提出了一种基于接收信号强度指示(RSSI)的联合算法. 该算法以K近邻位置指纹匹配算法为基础算法,加入三角定位辅助算法,首先进行三角定位得出参考区域,再进行位置指纹匹配进行精准定位,有效地提高了定位精度. 使用Android Studio基于Java语言开发了一款集Wi-Fi位置指纹采集与在线定位一体化的软件,并在试验场地进行测试.实验结果表明:该算法定位精度在二维平面内达到 1～3 m,较单一算法定位精度有所提高.      

深度学习技术在遥感影像滑坡识别中的应用

探索遥感影像滑坡识别方法对于抢险应急指挥具有重要意义。传统的人工现场勘察速度慢、效率低,因此本文提出了一种基于深度学习的遥感影像滑坡识别方法。该方法首先基于毕节滑坡影像构建样本集,为了增强模型泛化能力,对训练集进行扩充增强并加入部分非滑坡数据,然后搭建U-Net深度学习模型并输入训练集进行训练。最后,利用测试集和北京市房山区、延庆区的两处实际滑坡区域对模型进行测试。实验结果表明,该方法要优于常规的数学形态学与SegNet模型方法,方法精度较高,能够实现影像滑坡区域的有效识别。     

室内三维场景纹理手机图片的自动更新方法

当前室内三维建模的纹理映射工作主要依赖人工完成,工作量大、处理效率低,且对建模后室内环境的变更难以实现及时更新,导致室内模型纹理存在不真实甚至错误的现象。对此,提出一种室内三维模型纹理手机图片的自动更新方法,该方法主要以手机拍摄的图片为数据源,首先利用智能手机传感器获取拍摄图片的位姿参数,进而通过室内场景理解技术提取图片空间中的三维布局结构,最后与几何模型进行坐标点匹配解算纹理坐标,实现手机图片到三维几何模型的自动纹理映射。实验结果表明,该方法能够利用手机图片数据实现室内环境下的三维模型纹理自动生成及动态更新,有效提高室内三维场景表达的真实性。     

情境驱动的室内位置地图动态表达

室内位置地图可以根据用户的"位置"及环境变化,动态地表达位置服务信息,是实现室内位置个性化和精准化服务的重要平台。重点研究情境驱动下室内位置地图的动态表达。在分析室内位置地图特征的基础上,提出影响室内位置地图表达的情境类型;设计地图表达图层及构成要素,提出情境驱动的室内位置地图表达过程与技术方法;给出商场购物活动中不同情境条件下地图动态表达的应用示例。     

面向室内地图多尺度表达的POI符号设计与实现

为了满足人们获取室内空间信息时多层次的认知需求,从室内空间的特点出发,以商城为例,对室内要素的分类分级体系进行梳理,在此基础上探讨兴趣点(point of inte-rest,POI)多尺度表达的符号模型;结合地图比例尺和用户需求设计了一套易于理解又能多层次表征要素信息的室内地图POI符号系统,并通过典型案例对其可行性进行制图实践检验。实践结果表明,所提出的多尺度POI符号化方案具有可行性,设计的符号集可以广泛运用到其他商城中,该思想可以运用于其他类型的室内地图。     

室内位置地图数据模型构建与应用

室内位置地图是实现位置服务的基础,不仅包含室内空间对象的几何信息,而且还包含对象之间的位置关联关系和语义特征。现有的地图数据模型缺少从位置服务的角度对室内空间的全面分析和描述,难以满足多样化的应用需求。采用面向对象方法构建了室内位置地图概念模型和逻辑模型,实现室内空间几何形态、位置关系和语义特征的统一描述,并通过位置和语义关联提供精准化、适人化的信息服务。结合商场室内个性化推荐与路径导航等位置服务实验,初步验证数据模型的有效性。     

二维码定位技术支持下的室内导航电子地图的设计与实现——以武汉大学图书馆为例

随着大型复杂公共室内空间逐渐增多,室内导航已成为当前基于位置服务（LBS）领域的研究热点。本研究结合空间定位技术和移动地图技术,设计和开发了一种面向复杂室内空间的导航电子地图,利用二维码技术进行准确的室内空间定位,并以武汉大学图书馆为样区,设计了一套面向复杂室内空间结构的位置编码规则。在此基础上,开发和实现了可提供图书馆室内定位与最优路径推送的手机端导航电子地图。     

遥感数据空间尺度分级模型与基本比例尺关系

多源遥感数据综合应用是遥感发展的必然趋势,统一的遥感数据空间尺度分级模型是多源数据集成与综合应用的基础。虽然已有多种空间尺度分级模型,但很多主流模型并非出于分尺度综合应用目的,缺乏客观的比较和评价。国家基本比例尺系统作为经过论证、中国应用面最广泛、接受度最高的一种尺度分级系统,是以应用为导向的遥感数据空间尺度分级模型的最优参照系。从不同视觉精度下国家基本比例尺对图像空间分辨率的需求出发,比较各空间尺度分级模型的层级分辨率与需求分辨率的匹配情况,包括OGC Well Known Scale Set的Global CRS84Pixel和Google Maps Compatible,以及NASA World Wind、Google Map、百度地图、天地图等软件平台采用的层级格网系统,以及"五层十五级"遥感数据组织模型,通过对数据信息冗余度的分析,对各个模型进行了评价。结果表明,在高视觉精度应用需求下,"五层十五级"模型与基本比例尺精度要求具有较明显的匹配优势,其次为OGC Google Maps Compatible模型和天地图模型,其余模型平均数据冗余倍数在2倍左右;在低视觉精度应用需求下,"五层十五级"模型平均数据冗余度仍为最低,其次为Google Map模型,其余模型平均数据冗余倍数都在2倍以上。     

室内位置信息模型与智能位置服务

商业中心、交通枢纽、医院、停车场等复杂室内及地下空间的安全管理与应急响应对室内外无缝导航与位置服务的需求日益迫切,提出了一种室内位置信息模型,扩展了OGC标准CityGML和IndoorGML中的位置信息描述,提供了描述室内相对位置和室内绝对位置的本体,介绍了一种针对三维建筑物模型的室内空间自动提取方法,为智能位置服务奠定了重要基础。     

IndoorGML室内空间模型描述

室内空间数据模型的表达能力是影响室内位置服务的关键因素,在进行室内空间位置服务之前,需要建立能够表达室内空间复杂特征的模型。针对这一需求,本文提出了一种多元混合室内空间模型,该模型基于传统的对象特征模型、几何空间模型和符号空间模型,通过其表达的几何和拓扑特征的优化组合来实现,可充分表达室内位置和目标间的连通关系,满足室内位置服务需求。针对大量应用程序需要相同的数据模型进行导航分析和信息交换,本文提出了一种使用IndoorGML描述室内空间模型的方法,该方法可实现室内空间模型信息在各设备端的共享。以北京某大型商场为例,建立了多元混合空间模型并使用IndoorGML对其进行描述,最后通过两目标间路径分析证明本文方法的应用价值。     

室内三维点云空间自动划分与规则化方法北大核心CSCD

精准空间划分是实现室内语义建模与拓扑结构重建的重要基础。三维点云作为常用的室内空间数据载体,如何基于三维点云进行室内空间语义信息提取与规则化具有重要意义。本文提出了一种基于形态学分割方法实现室内场景的分割,并结合矢量规则化方法完成分割场景的规则化。首先,基于区域增长算法与线性拟合方法提取空间分割要素,通过平面投影生成二进制影像,进而利用距离变换和分水岭算法完成空间分割;然后,对空间分割要素进行线性拟合,进行室内空间格网划分,采用矢栅叠加方法实现空间要素规则化;最后,通过4组实际场景(包含3组ISPRS数据集及1组实际场景采集数据)进行数据验证。试验结果显示,本文提出的室内空间分割与规则化方法可以准确快速地完成室内空间要素的提取。     

室内用户语义位置模式挖掘研究——以商场为例

结合室内轨迹数据的特点,研究了室内移动对象语义轨迹序列处理方法,以及利用LDA主题模型与用户历史轨迹进行室内商场用户分类的方法。提出了通过关联规则分析挖掘用户语义位置模式的方法,并以北京某大型商场的实际用户轨迹数据为例,对所提出的方法进行了实验验证。     

室内地图空间数据矢量化采集方法研究

室内地图空间数据是室内地图可视化表达的基础,底图矢量化是目前室内地图空间数据采集的主要方式。由于室内外空间环境及其对象特征存在较大差别,传统矢量化方法对室内地图的适用性较差。根据室内地图的特点和概念模型,研究了矢量化采集室内地图空间数据的主要流程与方法,重点分析了提高采集效率的智能化处理方式。最后,结合开发的试验系统给出了室内地图数据采集的应用示例。