基于云计算的移动地理信息系统的研发

针对目前移动地理信息系统出现的传输效率不高、大型数据处理受限的问题,引入Hadoop云计算平台,构建基于Hadoop云计算平台的移动信息系统,研究提出了系统的工作流程,分析了其与目前移动地理信息系统的区别。通过实验对比证明,基于Hadoop的移动地理信息系统在服务处理上比现有系统有更快的反应时间,能在一定程度上解决存在的传输效率不高、大型数据处理受限的问题,能较好地满足用户对于地理信息服务的实时性的要求。     

大变化时代的地图学EI北大核心CSCD

当前,地图学同其他科学(如地理学)一样处在一个大变革时代。在地图学不断进步的同时,也出现了各种各样的“思潮”或“观点”,地图学是否被边缘化了?地图学应该向何处去?这是测绘地理信息学界和业界都十分关心的问题。本文首先简要梳理了地图学发展的历史进程,回顾了地图学史上的三次崛起,不忘过去才能继往开来,回顾地图学的历史是为了让地图学更好地走向未来;其次,从地图学学科体系、地图设计的新理念新思维和新方法、智能地图制图综合及多尺度级联更新、地图的社会影响力、地图学发展的不竭动力等方面,分析了当代地图学的发展成就;然后,强调了地图哲学思维对地图学创新发展的引领作用,侧重分析了人工智能推动地图学发展、时空大数据可视化及可视化设计的研究重点等;最后,分析认为,地图学必将沿着高度分化和高度综合的整体化方向快速发展,地图学再度崛起是时代之大势。     

基于深度学习的移动激光点云数据自动分类方法研究EI北大核心CSCD

随着物联网、大数据、人工智能等技术的快速发展,智慧城市成为国内外学者研究的热点领域。城市三维地理空间信息的获取与处理是建设智慧城市的基础,也是亟待解决的关键技术之一。目前,移动激光点云分类多为人工和半自动方式,数据解译的自动化程度低,导致点云利用率下降,制约了移动激光点云在高精地图、自动驾驶和智慧城市等领域的应用。     

无人机激光雷达人工林林分高估测模型分析EI北大核心CSCD

中国人工林面积居世界第一,精确地对人工林结构进行监测具有重要意义。本研究以内蒙古自治区赤峰市旺业甸林场内的落叶松和油松人工林为研究对象,利用无人机激光雷达LiDAR(Light Detection And Ranging)离散点云数据和地面样地调查数据对人工林林分高进行建模,通过点云特征变量与地面测量的6种林分高(包括:Lorey’s高、算术平均高、最大高、优势树高、中位数高和树冠面积加权高)间的Pearson’s相关性筛选自变量,然后利用全子集回归构建不同林分高估测模型,并采用交叉检验法进行精度评价。结果表明:激光雷达点云高度百分位数与不同林分高相关性均较高,通过一元线性回归构建的不同林分高结果最优,且估测模型的自变量均为高度特征变量。Lorey’s高(R^(2)=0.91—0.97,rRMSE=2.75%—3.96%)、优势树高(R^(2)=0.86—0.97,rRMSE=3.72%—3.83%)和树冠面积加权高(R^(2)=0.86—0.96,rRMSE=3.81%—4.73%)估测精度最高,算术平均高(R^(2)=0.85—0.94,rRMSE=4.52%—6.07%)和中位数高(R^(2)=0.80—0.95,rRMSE=5.37%—7.34%)次之,最大高(R^(2)=0.69—0.87,rRMSE=6.19%—8.09%)最低。针对不同森林类型,落叶松人工林林分高估测精度最优,优于不区分森林类型模型的估测精度(ΔR^(2)=0—0.05,ΔrRMSE=-0.69%—1.97%),优于油松林林分高模型的估测精度(ΔR^(2)=0.06—0.18,ΔrRMSE=-1.90%—1.13%)。无人机激光雷达可以用于估测北方温带针叶林的林分高,能够满足人工林资源调查快速、精确的要求。     

基于移动GIS的北京市智慧社区研究与实现

智慧社区是智慧城市建设的基本构成单元。针对目前社区物业服务手段单一匮乏、政府收集信息不全面存在盲区,以及社区居民生活服务信息化程度较低等问题,研究了有关智慧社区移动服务系统开发的原理、系统构架以及关键技术,研发出了基于智能移动终端、移动地理信息系统和移动物联网等技术的智慧社区移动服务系统。实践表明,系统在物业管理、生活服务、社区资源获取等方面获得了较好的应用效果。     

自主导航地图的昨天、今天和明天EI北大核心CSCD

本文以无人驾驶技术的演化背景为出发点,总结自主导航地图,即高精地图的概念、与普通导航地图的区别、内容组成及数据来源。在此基础上,论述了高精制图流程的主要模块,包括先验图层的数据采集和更新、动态图层的实时构建、边缘计算、数据标准化和压缩服务。本文重点介绍了高精制图技术面临的4个研究难题及发展现状:①复杂驾驶环境的自动建模;②边角案例的数据采集;③伦理困境中的导航决策;④无人驾驶技术的安全性能评估。这些难题从不同的侧面挑战着高精地图自主导航能力的极限,需要政府立法机构、相关企业、研究机构和公众在全球范围内协同攻关。并指出,随着无人驾驶技术的不断完善,安全第一的研究重点将逐渐扩展成兼顾安全可信、环保节能和身心愉悦的移动体验,高精地图的结构化数码将衍生出多样化的适合人眼阅读的高清地图。如何充分提高导航数据的成本效益,实时生成高精地图和高清地图,同时为机器和人类提供最优服务,将成为新的研究热点。     

高光谱遥感图像本征信息分解前沿与挑战EI北大核心CSCD

高光谱作为一种图谱合一的成像技术,在对地观测、航空航天领域具有十分重要的应用。然而,作为光学遥感的分支,高光谱成像易受到大气、光照等因素的影响。高光谱图像本征信息分解旨在抑制复杂环境因素对地物光谱与空间特征的影响,准确提取并表征观测场景最本征的光谱与空间信息,提升高光谱图像识别与解译性能。本文主要对代表性的高光谱图像本征信息分解的模型和方法进行综述,系统地分析了各种典型方法的原理及优缺点,进一步阐述了实际遥感应用中现有本征信息分解面临的挑战性难题,并结合遥感实际应用,对高光谱图像本征信息分解技术的发展趋势进行了展望。     

移动计算环境下GIS技术的发展及应用

在分析移动计算环境概念和特点的基础上，讨论移动计算环境下GIS的发展方向和关键技术，最后以空间定位信息服务（LBS）为例研究了GIS在移动环境中的应用。     

多源遥感地质灾害早期识别技术进展与发展趋势EI北大核心CSCD

随着全球气候变化、矿产资源开采和大型人类工程活动的不断加剧,冰崩、塌陷、滑坡、地面沉降和地裂缝等多类型地质灾害呈现高频性和链生性的趋势,灾害后果更加严重。大范围高效率地质灾害的早期识别是防灾减灾的重要前提,也是工程安全的技术保障。本文首先介绍了多类型地质灾害的特点和常规识别方法;然后,重点介绍了光学遥感、微波遥感、机载LiDAR及多源遥感数据融合技术在不同类型地质灾害识别中的技术特点和典型应用,并对当前地质灾害早期识别存在问题和下一步发展趋势进行了总结与展望。     

工业摄影测量技术发展与应用EI北大核心CSCD

在制造业朝着自动化、柔性化、智能化发展的潮流中,传统的工业测量技术难以同时胜任高精度、高效率、高便捷性的要求,本文提出以工业摄影测量技术为基础的测量系统,其具有实时性、便捷性、自动化和智能化的特点,获取的高质量的三维数据,可用于逆向工程、质量检测、辅助智能制造等典型工业应用场景。同时介绍了该测量系统的技术路线,从硬件设计、算法优化等方面提出了见解。     

遥感影像目标检测的轻量化密集连接网络北大核心CSCD

针对无人机遥感影像中可能出现的多个密集的小目标,在检测时会出现误检、漏检的难点问题,本文提出了一种基于YOLO v4的具有密集连接网络模块的遥感影像轻量化目标检测算法,实现了对无人机遥感影像中车辆小目标的高精度识别。首先,对YOLO v4主干网络CSP Darknet53的卷积层采用密集连接、稀疏连接两种处理方式,加强特征的提取和重复使用,以缓解梯度消失问题;然后,对此模块进行模型剪裁,减少网络层数并定义为新的密集连接网络模块;最后,在NWPU-VHR-10数据集和笔者所在课题组制作的Vehicle-850无人机影像数据集上进行了对比试验并取得了较好的效果。本文改进后的网络结构在提高遥感影像目标检测准确率的同时,缩短了网络模型的收敛时间,减少了模型占用的内存空间,提高了遥感影像中目标检测的速度。     

顾及用户画像的多源遥感信息智能推荐方法EI北大核心CSCD

近年来,我国各类卫星井喷式发展,随之带来的海量卫星遥感数据保障服务的主动性不够、个性化不足等现实问题日益凸现,严重制约了卫星遥感的多领域智能应用。本文针对该问题,设计了一种顾及用户画像的遥感信息智能推荐方法。首先,构建融时间、空间、载荷、分辨率、产品级别5项核心元素的可扩展主题用户画像模型;然后,对模型中各元素权重、区间长度、分布特征值等进行具体表达,给出解算方法;最后,结合各元素权重及兴趣特征值,计算待分发数据与用户兴趣特征值的关联度,定量解算推荐度,实现遥感数据有序智能推荐。对国家减灾中心和北京市公安局禁毒总队两个用户近3 a实际需求订单的试验结果表明,该模型方法解算构建的各主题元素分布特征符合用户实际应用特点,推荐度较高,平均优于94%。研究成果为工程化实现天基遥感信息个性化服务及智能推荐提供了模型方法。     

基于生成对抗网络的建筑物损毁检测EI北大核心CSCD

建筑物作为自然灾害中最受影响的承灾体之一,其损毁信息的准确提取对灾后应急救援具有十分重要的意义。本文借鉴多模态的思想,提出了一种自动检测损毁建筑物的recursive-generative adversarial networks(RS-GAN)方法,将损毁建筑物检测分为灾前建筑物识别和灾后损毁建筑物检测两个任务,且分别在两个GAN分支中完成。RS-GAN加入联合损失函数将两个GAN分支进行连接,充分利用两个任务之间的潜在互利性提升检测效果。RS-GAN利用第1条GAN分支识别建筑物灾前形状与位置,并将识别结果作为第2条GAN分支的输入进行损毁建筑物检测任务,从而使检测结果具有更清晰的轮廓。该方法为端到端模型,在不需要过多的人工干预情形下,实现了损毁建筑物的自动检测。为了验证RS-GAN模型的效果,在圣罗莎和密苏里两个数据集上进行了测试。试验结果表明,RS-GAN方法拥有更好的检测性能,在圣罗莎数据集上的总体精度和平均精度分别达到了0.90和0.86。     

基于最小生成树的高分辨率遥感影像层次化分割方法研究EI北大核心CSCD

在更精细的空间尺度下,高分遥感影像呈现更丰富的地物细节信息,信息内容的复杂性、空间性和海量性等特征,给传统遥感影像分割方法带来挑战。针对这些挑战,寻求一种更有效的分割模型和并行化的处理方法是有效提高大尺度高分遥感影像分割精度和处理效率的关键。为此,论文提出基于最小生成树的高分遥感影像层次化分割方法及其并行化重构。前者利用层次化最小生成树模型实现影像复杂场景信息的有效刻画,在此基础上利用区域化模糊聚类模型构建层次化分割模型。后者基于子块切分的并行划分和并行模糊聚类分割方法,实现大尺度高分遥感影像的快速、有效分割。论文的主要工作如下。     

面向大视角差的无人机影像序列学习型特征匹配EI北大核心CSCD

针对无人机大视角差影像之间存在仿射变形大、遮挡严重、视角差异显著等问题导致的同名点匹配存在多解和大量误匹配难题,本文提出了一种适用于大视角差影像稳健匹配方法。利用改进的具有双头通信机制的D2-Net卷积神经网络提取倾斜影像的学习型特征,在之后的同名点匹配搜索阶段,为解决唯一匹配点受到较多潜在可行解干扰的问题,设计了一种由粗到精的提纯策略,在稳健匹配同名点对的同时大幅降低匹配开销成本。将HPatches数据集中多组不同场景的影像序列和实地采集的无人机大视角差影像序列作为数据源对提出的方法进行测试,并与具有代表性的基于手工设计的ASIFT方法和基于深度学习的多种方法进行了比较。结果表明,本文方法能够提取稳健的大视角差影像序列仿射不变学习型特征,在正确匹配点数、匹配点正确率、匹配点均方根误差和匹配时间开销方面具有优势。     

考虑地物类型的Minnaert地形校正模型优化方法EI北大核心CSCD

地形校正可以削弱地势复杂区域由于地形起伏导致的地表接收太阳辐射不均匀和地表反射率失真的问题,从而提升遥感影像质量和遥感信息提取的精度。但是,现有地形校正模型存在过校正、波段间校正效果不稳定以及校正效果不理想等问题。本文根据Minnaert地形校正模型系数k和地物二向性反射特性的相关性,对Minnaert模型进行改进,提出了一种考虑地物类型的Minnaert地形校正模型(简称为CMinnaert模型),并在地物预分类中采用《土地利用现状分类》一级分类标准和分植被疏密程度分类两种方式,用以验证CMinnaert模型的稳定性并筛选最佳地物类型划分方案。首先对待校正影像进行地物类型预分类,其次逐波段针对各地物类型分别进行系数k的拟合求解,然后使用各波段各地物类型的系数k对该范围的遥感影像进行Minnaert地形校正。以河南省商城县的Landsat 8/OLI影像为实验数据,选取余弦校正模型、SCS校正模型、Minnaert校正模型、分坡度的Minnaert校正模型作为对比模型,通过目视对比和统计数据分析的方式评估CMinnaert模型的地形校正效果。研究结果表明,本文提出的CMinnaert模型有效地削弱了地形效应对遥感影像辐射亮度值的影响,与原始影像和其他4种地形校正结果相比,进行地物一级分类的CMinnaert模型有效降低了各波段辐亮度与太阳入射角余弦的线性拟合R2,未出现过校正现象;分植被疏密程度分类的CMinnaert模型在第1、5波段存在过校正问题,但其余波段辐亮度与太阳入射角余弦的线性拟合R2是6种模型中最低的。以上结果证明两种地物预分类方式的CMinnaert模型校正效果都较稳定且明显优于其他四种地形校正模型,且本文建议在进行CMinnaert地形校正时采用地物一级分类的方式进行地物预分类。     

基于移动激光扫描的轨道交通建筑限界一体化检测北大核心CSCD

移动激光扫描可快速获取被测物体表面的三维坐标数据,近年来被逐渐应用到轨道交通工程测量项目中。针对当前轨道交通种类繁多而其限界检测研究分散,不利于工程实践的问题,本文提出了一种基于移动激光扫描技术的轨道交通建筑限界一体化检测方案。自主研发了轨道移动激光测量与检测(TLSD)系统,建立系统内部数据采集、处理、分析的限界检测流程,并集成各类现行限界规范标准,可同时满足铁路、地铁等不同轨道交通限界检测的需要。结合某铁路站台进行应用实践,结果显示,TLSD系统具有检测高效、自动化、成果可视化等优势。     

面向精细化多尺度特征的遥感图像目标检测EI北大核心CSCD

遥感图像目标检测是对目标视觉特征的描述与图像先验知识的表达,解译得到的信息无论在军事领域还是在民用领域都有着广泛的应用。针对复杂场景下遥感图像目标特征提取能力不足,目标尺度差异较大、方向任意且紧密排列,传统目标检测所使用的水平框难以准确定向等问题,提出了一种精细化多尺度特征的遥感图像定向目标检测算法。首先,设计了一种基于空洞卷积的上下文注意力网络,能够利用不同空洞率的卷积核捕获局部和全局语义信息,并利用注意力机制将语义信息整合到原始特征上,提升目标特征提取能力;其次,提出了一个精细化的特征金字塔网络,通过像素混洗的方式减少特征金字塔中的通道信息损失,强化网络对差异性大的多尺度目标特征信息的理解能力;最后,研究利用滑动顶点的方式回归定向的矩形框,更好地表示遥感图像内有向目标的位置。本文以Fast R-CNN OBB为基准,通过在目标检测公开数据集DOTA和HRSC2016上验证了算法的有效性,结果显示本文算法在DOTA数据集上与基准算法比较,平均精度(mAP)提升了22.65%,最终检测精度mAP达到了76.78%。在HRSC2016数据集上,最终检测精度mAP达到了89.95%。此外,本文算法较多种先进算法相比均有具有较好的提升。     

利用3S集成技术进行矿区沉陷精确调查与分析北大核心CSCD

地下煤矿资源开采引起的地面沉陷越来越严重,已成为制约矿区环境、社会经济可持续发展的主要地质灾害之一。本文构建了基于3S(RS+GPS+GIS)集成技术的矿区沉陷精确调查技术,重点利用多时相高分辨率光学遥感影像,通过数据处理及信息提取,获取了山东省济宁某煤矿的2003—2011年的地面沉陷位置、分布,统计了沉陷区面积,基于GIS技术分析了煤矿沉陷区的时空演变。试验证明,3S集成技术是进行矿山沉陷调查的最佳技术方法之一,可实现矿山沉陷的大面积、低成本、准确调查。     

融合半监督学习的无监督遥感影像场景分类EI北大核心CSCD

自监督学习可以不依赖样本标签对遥感影像进行特征提取,但是特征分类仍然依赖有监督方法。为了克服有监督特征分类过程的不足,实现遥感影像特征的无监督自动分类,本文提出一种融合半监督学习的无监督语义聚类方法。首先,使用自监督学习提取遥感影像特征,抽象出图像包含的高层语义信息;然后,基于特征相似度寻找每个样本最相似的近邻,使用在线聚类将相似样本聚为一类,训练一个线性分类器;最后,根据聚类结果为高置信度样本生成伪标签,构造标注样本集,使用半监督方法对模型微调。在4个公开遥感影像场景分类数据集EuroSAT、GID、AID和NWPU-RESISC45上进行验证,分类精度分别达到了94.84%、63.55%、76.42%和86.24%。本文方法结合了在线聚类和半监督学习的优点,缓解了已有方法存在的误差积累和样本利用不充分的问题,在完全不使用标注样本的情况下,充分利用自监督特征训练分类模型,对遥感影像进行场景分类,达到接近有监督学习的分类效果,具有良好的应用价值。