界址点扩点公式推导

近几年在对一些单位进行拨地定桩测量征办土地手续时,常遇到界址点在实地无法找准的问题.主要是由于地形限制或者是建设单位大都留有护墙地,因此无法对界址点准确定位.在实践中我们利用已知界线(墙)定位测量,然后间接利用公式推算出界址点的坐标,提高了效率和测量精度.     

基于特征点的点云压缩方法研究

针对现有点云数据,在VC++平台下,提出一种基于特征点的压缩方法,实现点云数据的抽稀,其中试验数据采用扫描数据以及美国斯坦福大学试验点云数据。经试验表明,该方法能够实现点云的抽稀,减少点云的数据量,提高点云后期处理的效率。     

基于倾斜摄影高程点和特征点快速提取研究

随着科技的发展,高程点提取的自动化程度越来越高,但是自动提取点位的分布合理化和特征高程点的提取需要大量的人力、物力和时间进行修改和人工提取。本文以滕州市主城区1∶500地形图为基础,结合倾斜摄影和ArcMap部分功能,介绍一步式准确、快速、均匀提取高程点和特征点高程的方法,论证了新方法的可行性与有效性。     

基于特征点的曲面点云配准方法

针对当前曲面点云配准质量和效率低的问题,提出基于特征点的曲面点云配准方法。首先通过计算特征点曲率的豪斯多夫距离（HD）获得初始匹配点对;然后利点云局部表面曲线形状特征提取精确特征点对;最后用对偶四元数实现源点云和目标点云的粗配准,获取良好的初始的配准参数,并采用改进的最邻近点迭代算法实现点云的精配准。实验结果表明：该方法获取的点云中误差在0.005 m以内,且配准时间在7 s以内,提高了传统曲面点云配准的精度和配准效率,验证了该方法的稳健性和准确性。     

基于特征点匹配及提纯的点云配准算法

针对传统的基于ICP点云配准算法配准时间长、收敛慢、需要较好初始配准等限制,本文利用现有的点云特征提取算法和描述算法,提取并匹配点云中的特征点,用RANSAC算法结合坐标转换模型剔除误匹配点对,用匹配点对在两点云中的坐标计算之间的坐标转换参数,从而实现点云的配准。相比ICP类算法,提高了点云配准的效率,同时提高了点云配准的自动化程度。     

基于点云卷积的点云分类方法研究

基于深度学习方法,借鉴二维图像卷积的思想,设计了一种适合三维点云的卷积操作。点云卷积的作用域是局部球形邻域,输入为三维坐标和空间几何关系。通过点云卷积提取局部特征,使用最远点采样算法采集邻域中心点,根据半径构建球形局部邻域,使用多层感知器（multi-layer perceptron,MLP）网络学习空间关系权重,将学习到的关系权重和输入特征相乘,实现卷积操作。基于三维点云卷积,构建了一个多层分类网络模型实现点云分类。使用道路场景的黄石路数据集进行分类实验,结果证明了所提方法的有效性。     

改进的分层点云数据压缩算法

针对传统点云压缩算法主要对小型物件的小数据量精细点云进行压缩,在大型地物的海量数据压缩方面存在压缩时间长、效率低的不足,提出了一种改进的分层点云数据压缩算法。基于大型地物点云空间结构特点将分层压缩算法的速度优势和距离压缩算法的高效优势相结合,解决了传统压缩算法在大型地物点云压缩方面的不足,实现了海量点云的快速高效压缩。西安市大雁塔三维激光点云压缩实验结果表明:该算法可以快速地完成海量点云的压缩,较之传统压缩算法极大地缩短了压缩时间,提高压缩效率。     

地籍界址点测量精度分析

界址点点位精度是衡量地籍测量成果的重要指标。本文通过对实测界址点的精度分析,得出影响界址点精度主要参数是棱镜偏心的影响,同时给出了减弱该项误差的几种措施,并说明全站仪采集数据时,为减少误差而采取的方法。     

综合单点和点簇的建筑物点云分类方法

在单点分类方面主要对分类特征进行了比较全面的分析和综合,而在点簇分类方面则依据建筑物的实际形态提出了一种高效的基于决策树的分类法则。综合性方法是上述两种方法的配合使用,首先利用单点分类提高精度,再利用点簇分类提高可用性。实验结果表明,综合方法不仅有着非常高的精度,并且其结果方便后期利用。     

影像匹配点云与机载激光点云的比较

介绍了影像匹配的发展现状及趋势、研究进展和存在的问题,分析了影像匹配点云的特点,并对通过摄影测量技术和LiDAR技术获得点云的方法进行了比较。     

利用无人机LiDAR点云数据进行电力线危险点检测

智能电网建设的大规模开展对电网快速高精度勘测、巡查和可视化管理提出了巨大的应用需求。机载LiDAR系统为快速、高效、高精度电力线路建模、巡视和危险点检测提供了可能。小型无人直升机遥感平台特有的便于携带、转移方便、成本低、易于维护的优势使基于无人机平台搭建的对地观测系统成为世界各国争相研究的热点。本文讨论了将机载LiDAR系统与无人机技术结合,并以温州市苍南县境内电力线为试验区,实现了对基于无人机LiDAR点云数据的电力线危险点的快速、精确检测。     

GPS精密单点定位技术在像控测量中的应用

本文在分析了GPS相对定位及其RTK在像控中应用的优缺点后,提出了精密单点定位进行像控测量的方法。通过实例证明这种方案是完全可行的,并得出了一些对生产实际有益的结论。     

全球定位系统 (GPS) 技术的最新进展 第四讲 精密单点定位(上)

介绍了精密单点定位产生的背景，静态精密单点定位的观测方程，方程中各参数的处理方法，需考虑的各种改正和数据处理方法，此外还介绍了动态静密单点定位方法的特点及其应用。     

Point Pattern Synthesis

Abstract

title/>

Patterns consisting of point symbols are commonly applied to symbolize land cover. Tree symbols, for example, indicate forested areas; small irregular dots show quarries and pits; or regular line symbols represent a vineyard. This paper presents an automatic method for synthesizing patterns consisting of one or more point symbols. Symbols of varying sizes or graphical appearance can be combined according to user-defined ratios. The automatic method generates patterns of regularly or irregularly distributed symbols. It ensures that symbols do not overlap and do not graphically conflict with other map features. The method has been implemented in a free plug-in for the Adobe Illustrator vector graphics editor.     

大范围地理空间信息点对点坐标转换设计与实现

介绍了大范围地理空间信息点对点坐标转换的思路,重点论述了该技术的关键,即在充分记录多点定位图形的原始构成信息后,将其分解为离散点,以点方式进行坐标转换,最后根据图形的原始信息来恢复图形。     

Building Extraction from LIDAR Point Cloud Data Using Marked Point Process

This paper presents a new algorithm for building extraction from LIDAR (Light Detection and Ranging) point cloud data on the basis of a marked point process based building model. In this building model, the positions and geometries of buildings are modeled by a point process and its marks, respectively. The geometric marks for buildings include their length, width, direction, height. By Bayesian paradigm, a posterior distribution for the marked point process conditional on the LIDAR point cloud data is obtained. The Reversible Jump Markov Chain Monte Carlo (RJMCMC) based scheme is designed to simulate the posterior distribution. Finally, Maximum A Posteriori (MAP) strategy is used to obtain the optimal building detection. The proposed algorithm is tested by a set of LIDAR point cloud data. The results show its efficiency in complex residential environments.     

基于PCL的点云数据空间管理及近邻搜索

由三维激光扫描技术获取的点云数据仅包含点的三维坐标,缺乏点对应的几何拓扑信息,同时为了在计算机中更高效的管理和处理点云数据,本文结合PCL开源库为点云数据建立K-D树和八叉树两种数据结构,并实现基于K-D树和八叉树的快速邻域搜索。     

标准单点定位与精密单点定位精度对比研究

简要介绍标准单点定位(SPP)与精密单点定位(PPP)的基本原理和主要区别,并结合实测数据,分析比对两者的静态和动态(0速)定位精度,得出结论:在目前GPS系统状态下,SPP静态定位精度优于±2m,动态定位精度在±3m左右;PPP静态定位精度达±1cm,动态定位精度优于±10cm。在一定速度范围内,两者定位精度相差两个数量级。