互联网泛在地理信息感知融合技术综述

互联网数据中蕴含丰富的地理信息,其无处不在、形式与结构多样的特征决定了感知和融合面临许多技术难题。本文在分析互联网泛在地理信息分类和特征的基础上,系统研究其感知和融合技术的总体现状,总结了服务快速准确发现、深层网络数据高覆盖度采集、非结构化文本中位置信息提取和关联图像空间语义提取等感知技术发展现状,分析了异源几何数据匹配关联、地址标准化处理、同名实体语义对齐、地理实体关系构建等融合处理关键技术;在此基础上,总结和展望了互联网泛在地理信息感知融合技术在开放地理数据网络、城市治理与应急管理、网络监测与地理空间情报等领域的应用前景。     

泛在无线信号辅助的室内外无缝定位方法与关键技术

针对无缝定位的应用需求和亟待解决的关键技术问题,结合城市环境下多种泛在无线信号可以充分利用的特点,提出了一种泛在无线信号辅助的无缝定位新方法,并对无缝定位技术的原理、特点和发展趋势进行了讨论。特别针对香港典型城市环境,就多种泛在无线信号辅助的无缝定位进行了初步实验,给出了一个能够满足大多数无缝定位服务应用的原型框架。     

城市场景结构感知的网格模型简化算法

针对二次误差测度(QEM)网格简化算法全局几何特征信息损失严重的缺点,提出一种具有结构感知功能面向城市三维模型重建的网格简化算法。该算法顾及城市影像中平面结构特征,以代理平面为全局特征约束条件,使模型在简化过程中全局结构特征更多地被保持,以利于多层次细节模型(LOD技术)、网格优化提速等模型后续操作。以倾斜摄影获取影像生成的初始三角网格模型为试验数据,采用所给算法对其进行网格简化并与QEM算法进行对比。结果表明:所给算法简化精度及简化效率均优于QEM算法。     

室内外多维时空数据融合及其在PGIS中的应用

全息位置地图由于其多时态、多主题、多层次、多粒度的信息特征,近年来结合公安警用地理信息系统（PGIS）领域开展了研究和应用。本文针对室内外一体化多维应用场景的特点,重点研究了室内外一体化多维时空建模的数据采集、数据融合和建模方法,提出了全息位置地图多维动态场景的构建技术;以公安部“新一代警用GIS关键技术及其应用”项目为背景,对常州城际火车站及周边进行了室内外多维时空数据融合建模,为新一代PGIS的位置地图建设提供重要示范。     

倾斜三维实景模型与BIM模型融合的室内外一体化场景构建

倾斜三维实景模型以其高空间精度、高分辨率、真纹理的优势在各行各业尤其是数字城市的建设中应用广泛;BIM技术包含丰富的建筑信息,是建筑管理功能的集大成者。本文基于倾斜摄影测量技术,采用飞马D2000无人机获取测区影像并构建三维实景模型,采用飞马SLAM100手持激光扫描仪获取目标建筑的室内点云数据,并结合BIM技术构建室内BIM模型,选用易智瑞GeoScene Pro平台,实现模型的融合及室内外一体化场景的创建、模型属性查询及管理分析应用,以期为实景三维建设的相关应用提供借鉴。     

融合BIM特征约束点自增长模型的室内外三维模型构建研究

针对室内外复杂场景一体化建模的精度高、难度大、效率低下等特点,本文以地面三维激光扫描技术(TSL)和建筑信息模型(BIM)重构技术为核心支撑,提出了融合BIM特征约束的点自增长模型重构方法.利用该方法以西安市五路口地铁站室内外真实场景构建为案例分析,验证了基于TSL和BIM技术融合构建高精度室内外一体化真三维场景的可行...     

泛在测绘及其在城市交通领域的典型化应用

泛在测绘的发展为实时动态采集交通系统状态信息提供了新的技术手段和技术形式。本文在分析泛在测绘基本特征的基础上,从平均行车速度与交通量的估计、交通热点的实时获取,以及交通诱导服务几个方面研究了泛在测绘在城市交通领域的典型化应用。研究表明,泛在测绘的发展能为解决城市交通领域存在的许多问题提供新的方法和技术支持。     

三维点云的室内外场景层次化理解方法研究EI北大核心CSCD

环境理解是计算机视觉领域的基础工作,在机器人导航、智能交通等诸多军民领域有着广泛的应用。三维点云因其高精度、高密度等的数据特性,能够高效地捕获和描述三维场景中清晰的地物目标几何结构和丰富的空间细节信息,是表达、分析和理解室内外环境信息的重要数据类型之一。因此,基于三维点云数据进行室内外场景理解一直是备受关注的热点问题。     

基于感知概率的室内定位算法

基于WLAN的室内定位技术对高性能算法的需求与日俱增,K近邻算法和最大似然概率算法是基于Wi-Fi位置指纹室内定位技术的两种常用算法。给出感知概率的定义,在感知概率基础上定义了感知欧氏距离和感知似然概率,并提出基于感知欧氏距离的确定型修正算法和基于感知似然概率的概率型修正算法。实验结果表明：基于感知概率的修正算法较原算法在相对复杂的室内环境中有更高的定位精度。     

顾及多源LOD的室内外三维模型组织和调度方法

针对倾斜摄影、建筑信息模型(BIM)、三维城市模型等室内外三维模型的多源数据融合问题,该文研究了三维地理空间数据的生产、建库、组织和调度情况,分析了海量的多源细节层次(LOD)室内外三维模型的特点,提出了室内外三维模型编码结构,结合顾及模型大小及模型面数聚类的改进四叉树索引,实现了室内外三维模型组织和调度。实验结果表明:该方法支持多源数据的统一组织和调度,顾及了多源数据间的差异,渲染效率高,具有有效性和可行性,能够满足规划、建设和运维等不同阶段的三维数据组织和管理需求。     

基于GNSS/UWB的室内外连续定位方法

全球卫星导航系统(GNSS)与超宽带(UWB)等定位系统在室内外复杂环境下作用范围有限,并且单一定位源均无法获得从室外到室内连续可靠的定位结果等问题,针对北斗卫星导航系统(BDS)+GPS/UWB松组合定位方法展开研究,设计了室内外动态定位实验与过渡区域静态定位实验,利用扩展卡尔曼滤波器(EKF)对定位误差状态进行最优估计,并对BDS+GPS组合、UWB以及BDS+GPS/UWB松组合三种定位模式进行分析评价.实验结果表明：在室内外的过渡区域,BDS+GPS/UWB松组合改善了GNSS-实时动态定位(RTK)的定位精度,扩展了GNSS-RTK的作用范围;BDS+GPS/UWB松组合相比于各单一定位源在一定程度上提高了系统从室外到室内定位的连续性与定位结果的可用性.     

基于MCS-SCKF的超宽带室内定位算法

针对传统超宽带（UWB）室内定位中非线性跟踪问题,基于当前统计（CS）模型和容积卡尔曼滤波（CKF）,本文提出了一种新的定位算法。即采用奇异值分解（SVD）代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器（SCKF）。首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型（MCS）,实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置。仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法（CS-KF）和CS模型-SCKF算法（CS-SCKF）,提高了UWB室内定位的定位精度。     

聚类阈值结合动态K值的蓝牙室内定位算法

针对固定阈值的动态K近邻算法定位时未能有效剔除距离较远参考点的问题,该文提出了基于聚类阈值结合动态K值的算法:①在离线阶段建立聚类指纹库,并在每个聚类子块中设定聚类阈值;②在线阶段根据待测点信号确定其所处的聚类子块和对应的阈值,由信号强度的欧氏距离和聚类阈值选取K个信号距离最小的参考点;③以信号距离倒数为权重计算坐标加权平均,作为定位结果。实验分析得出,与固定阈值的动态K值算法的平均定位误差为2.64m;聚类阈值结合动态K值算法的平均定位误差为1.12m,降低了57.6%,并且点位误差在1m和2m内的可信度分别为42.3%和77.8%。聚类阈值结合动态K值算法能够较好地剔除距离较远的参考点,可以有效提高蓝牙指纹定位的精度。     

面向位置服务的室内外统一空间基准转换

随着智慧城市建设的不断推进,对位置服务的需求已经由室外拓展至室内空间,并对室内外一体化服务提出更高要求.由于室内空间范围相对较小且对几何信息表达精度要求较高,因此,通常采用独立的平面或三维直角坐标系作为空间基准,从而造成室内与室外以及不同建筑室内空间基准的差异,影响室内外空间信息的一体化表达与应用.为此,文中在系统分析...     

模糊数学的WiFi室内定位算法

针对目前大多数基于位置指纹的WiFi定位算法都是以统计数学理论为依托,而且很少涉足定位精度在空间分布上的研究这一问题,该文在总结K近邻、加权K近邻以及最大似然模型的WiFi室内定位基础上,提出了一种结合模糊数学理论的WiFi定位算法。从平均误差、最小误差、最大误差、变异程度、定位时间这几个角度,将该算法与其他传统算法进行比较分析。基于真实场地的实验测试结果表明,该算法定位精度高,定位速度快。最后对定位误差进行空间插值分析,结果表明4种模型的定位精度均与WiFi信号源的分布位置有很强的相关性。     

基于智能手机传感器的室内行人三维定位算法

针对室内行人定位中累积误差发散及高程值缺失的问题,提出了一种基于智能手机传感器(磁力计、加速度计、陀螺仪和气压计)的室内行人三维定位算法。该算法在使用行人航位推算获得二维定位信息的基础上,融合多传感器输出解算行人方位角,结合电子罗盘提出加权方位角以提高解算精度;通过传感器输出检测行人行为状态,结合虚拟地标点图层及其匹配算法,将行人的位置匹配到相应的特殊位置,重置行人初始位置以消除累积误差;使用基于气压计的差分气压测高法求解行人的高程值,从而获得行人三维定位信息。在智能手机上进行实验,结果表明,该算法不仅能够提供准确、连续的二维定位信息,还能提高行人对楼层的分辨力,可为室内行人导航、跟踪等基于位置服务提供有效的定位信息。     

融合小波变换与神经网络的RSSI室内测距算法

提出一种融合小波变换与神经网络的基于WiFi的RSSI室内测距算法,该方法通过小波变换与神经网络对RSSI数据、路径损耗模型进行修正。利用小波分解与单支重构方法,只对低频的近似部分进行单支重构,舍弃高频细节部分,同时使用神经网络训练特定环境下的路径损耗模型。通过实例验证表明,该算法最大测距误差、最小测距误差、平均测距误差分别为1.206、0.037、0.692 m;平均测距误差比路径损耗模型、BP神经网络模型分别提高了1.846、0.469 m。     

一种改进的RSSI加权质心定位算法

针对现有加权质心定位算法易受环境因素影响、权重确定不合理导致的室内定位精度低的问题,该文提出了一种基于RSSI的改进加权质心定位算法,该方法在原算法基础上对权重的确定进行了改进,以RSSI值解算的距离值的倒数和作为权重,有效降低了较远距离在权值中所占的比重,提高了室内定位精度;针对权值修正系数n的取值对定位精度的影响,通过实例得出n=6时定位精度最高的结论,同时证明了本文算法优于现有的质心定位算法及加权质心定位算法。本文算法降低了室内复杂环境因素的影响,提高了利用无线传感网络的定位精度,可为智慧城市、智能交通、矿井及灾害救援等领域精确的位置估计提供帮助。