共查询到19条相似文献,搜索用时 62 毫秒
1.
城市中民用建筑物主轴线的放样(定位)是实施城市规划的重要环节。本文介绍了几种实用的放样方法,经多次实践,认为这些方法非常有效。建筑物主轴线的放样方法,按放样依据点及现场地形条件,可分类为:依规划红线放样,依道路中线放样,依坐标放样和依原有建筑物放样等。现结合实例分别叙述。 相似文献
2.
3.
4.
5.
结合南京奥体中心主轴线的测设实践介绍了一种不同于常规的归化法轴线测设方法,结合测量误差理论对该方法进行了精度分析,给出了相应的精度估算式,通过工程实例的具体数据说明该方法具有较高的归化精度。 相似文献
6.
7.
8.
柴永杰 《测绘与空间地理信息》2011,34(4):119-121
基于笔者多年从事变形及动态检测的相关工作经验,以GPS技术在大型建筑物动态监测中的应用为研究对象,分析探讨了GPS动态监测的原理和方法,借助实例评价了GPS在大型结构动态监测中的应用状况,最后,笔者简要阐述了监测数据的管理与可视化方法,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和... 相似文献
9.
用正倒镜投点法恢复建筑物轴线的精度分析鹭江大学董关明一般建筑物放线(又叫放样)是把建筑平面图上找出主轴线,通常以外墙轴线作为主轴线,放线的实质是把外墙轴线的交点测设到地面上去,则叫轴线交点桩(或叫中心桩)。建筑物的其它细部都依据这些中心桩的点位来测设... 相似文献
10.
11.
以广州市利通广场第三方测量为研究对象,运用超高层建筑精密工程测量知识,综合采用GPS、测量机器人、激光垂准仪等多种先进设备,制定严密的超高层建筑控制网竖向传递复测方案,确立方便可行的轴线检测、高程检测及核心筒垂直度测量方法,为超高层建筑第三方测量提供新思路,对类似工程具有借鉴作用。 相似文献
12.
13.
高层建筑物中点恢复的测量方法是在负一层测定该建筑物的中点,再引到四层楼顶,最后重新确定施工放样数据,保证该建筑物的设计要求和施工监测。 相似文献
14.
15.
16.
17.
18.
激光雷达技术(LiDAR)已广泛应用于数字高程模型(DEM)的快速获取和三维城市模型的建立中,但仍有许多不足之处,需要做更深入的研究。本文介绍了一种新的建筑物提取方法,称之为Fc-S法。该方法首先利用等高线特征进行滤波,从LIDAR数据内插的数字表面模型(DSM)中提取出DEM,利用DSM与DEM的高差阈值和DSM边缘特征参数去掉地面点和汽车等矮小物体,获得主要包含植被和建筑物的地物点群,然后对地物点群进行分割,利用二次梯度和面积等参数去掉植被点,并采用迭代逼近的方法精化建筑物。文章通过实验对所提方法进行验证,并借助高分辨率的航空影像对建筑物提取结果进行评估,评估结果表明该方法能够在地形起伏的区域中较准确地提取出建筑物。 相似文献
19.
On the spatial distribution of buildings for map generalization 总被引:1,自引:0,他引:1
Information on spatial distribution of buildings must be explored as part of the process of map generalization. A new approach is proposed in this article, which combines building classification and clustering to enable the detection of class differences within a pattern, as well as patterns within a class. To do this, an analysis of existing parameters describing building characteristics is performed via principal component analysis (PCA), and four major parameters (i.e. convex hull area, IPQ compactness, number of edges, and smallest minimum bounding rectangle orientation) are selected for further classification based on similarities between building characteristics. A building clustering method based on minimum spanning tree (MST) considering rivers and roads is then applied. Theory and experiments show that use of a relative neighbor graph (RNG) is more effective in detecting linear building patterns than either a nearest neighbor graph (NNG), an MST, or a Gabriel graph (GssG). Building classification and clustering are therefore conducted separately using experimental data extracted from OpenStreetMap (OSM), and linear patterns are then recognized within resultant clusters. Experimental results show that the approach proposed in this article is both reasonable and efficient for mining information on the spatial distribution of buildings for map generalization. 相似文献