数字制图中面状注记自动配置的研究

运用了面积比结合形状因子对多边形进行度量,改进了常见的单纯依靠形状因子的办法,通过试验验证了其可行性.     

空间体对象间三维拓扑构建研究

根据三维拓扑的研究现状以及特定应用领域对三维拓扑的需求,分析了这些特定应用领域的拓扑关系,提出了两种三维拓扑构建方法。这两种方法在兼顾内拓扑的同时主要构建体之间的外拓扑关系。第一种方法是在体单独构建完毕后建立体之间的拓扑关系;第二种方法考虑到当前成熟三维建模软件或CAD软件中的数据大多以离散面方式组织,设计了自动寻体算法,同时构建体之间的外拓扑关系。利用深圳典型地籍数据和建筑设计图生成的三维数据进行实验,验证了此算法的可行性。     

基于城市地址树的地址文本匹配方法

为了适应中文地址数据的复杂性,本文依据其中地址要素的层级关系,建立城市地址要素的树形模型,并提出基于地址树的文本自适应匹配方法,该方法根据地址数据中各部分地址信息匹配的节点评价选择最优匹配结果,通过单元最大长度匹配法获得地址树中与地址信息相匹配的节点,参照节点的层级关系构建相对独立的地址节,根据地址节中的地址信息计算权重因子,回溯评价返回最优匹配结果;本文采用深圳市518 948条建筑物地址数据构建城市地址树,在此基础上进行地址匹配试验,达到85.6%的匹配准确率,可应用于地址标准化和地址匹配流程中。     

高分七号双线阵影像建筑三维建模方法研究

为满足城市三维应用中大范围建筑模型快速构建与更新的需求,充分利用国产高分七号（Gaofen-7,GF-7）高分辨率立体测图卫星双线阵全色影像和多光谱影像,通过机器学习方法完成建筑自动识别,并形成建筑轮廓矢量数据,通过前、后视影像构建数字表面模型（digital surface model,DSM）;随后整合建筑的平面与高程信息,构建建筑三维模型,利用三维引擎实现建筑场景的渲染与可视化。研究结果表明,从GF-7影像生成的0.65 m高分辨率融合影像及1∶10 000比例尺DSM中可以准确获取建筑的分布、形态特征及高程信息。此外,通过三维建模工具构建了LoD1级别的建筑三维模型,运用虚幻4等三维引擎实现了大范围建筑场景可视化。     

基于基础地理信息的数字地图制图系统

基于国家基础地理信息,实现数字环境下的自动地图制图,是目前地图学研究的关键问题之一。本文根据国家现有图式表达规范,建立相应的符号库,实现地图的符号化,并以自动或半自动化方式解决符号配置过程中要素之间的各种关系;实现了点状、线状及面状注记的自动配置及移位处理,解决了地图的图外整饰配置与显示,初步实现了数字环境下普通地图的自动化制图。     

面向数字孪生城市的自然场景构造方法

自然场景内要素种类繁多、结构复杂,在数字孪生城市中还原自然场景具有挑战性。数字孪生城市中的自然场景不仅要使用高逼真的三维模型,还要能表现自然环境中要素的生长过程、结构组成和分布规律,同时满足不同尺度下的场景变换,构造出既符合空间分布规律又具有沉浸式体验的场景。本文从自然场景构造过程的角度分析了场景构造的4个关键技术问题,回顾了目前场景要素建模和场景构造方法,并提出了一种面向数字孪生城市的自然场景构造技术框架。     

YOLO v4框架下Multi-Patch多帧增量式交通视频目标检测

提升目标检测模型的泛化能力是计算机视觉领域的研究热点和关键难点。本文提出了一种Multi-Patch方法和多帧增量式预测策略,提升了不同场景下交通视频目标检测的稳健性,有效解决了目标尺度多变导致的视频中目标召回率低的问题。根据视频分辨率和目标尺寸,基于Multi-Patch方法自动将视频帧分割成最佳输入尺寸,使用YOLO v4神经网络并关联连续帧的上下文信息,采用增量式预测策略降低视频目标检测的漏检率,提升不同场景下视频目标的检测置信度得分和召回率。采集不同拍摄条件下的交通视频,验证该方法的有效性。试验结果表明,本文提出的目标检测方法召回率在80%以上,置信度平均得分在0.84以上。     

基于拓扑数据模型的三维宗地合并与分割算法

三维宗地是宗地在三维空间的扩展,其合并与分割是三维地籍最常用、最基本的功能。在给出数据结构基础上,提出基于拓扑数据模型的三维宗地合并与分割算法。其中,合并算法通过查找公共面,获取公共面集,设立拓扑取舍准则,删除舍弃的边与顶点,合并被删除的边和顶点所属的共平面的面与边,更新对应的体与面实现。分割算法通过边分裂,以新生成边替换原始边;面分裂,以新生成面替换原始面;体分裂,以新生成体替换原始体实现。为验证算法,建立了实验原型系统,实验结果表明:算法有效、可行。     

融合分层层次细节和潜在可见集的三维城市场景高效可视化

三维城市场景的可视化是数字城市的关键技术,也是智慧城市提供各种智慧服务的重要环节。三维城市模型中的数据量和复杂度呈几何级数增长,给城市三维场景的数据组织和可视化带来沉重的负担,在当前基于游戏引擎与地理信息系统技术构建的城市级可视化平台中,这类数据很难一次性加载和可视化。针对此问题,本文提出了一种融合分层层次细节和潜在可见集的三维城市场景高效可视化方法,实现了大规模三维城市场景动态调度加载的高效性和三维可视化视觉一致性,并选择深圳市前海区域进行案例试验分析。结果表明,本文提出的基于自适应性空间网格划分的潜在可见集计算方法的平均遮挡剔除率高达76.6%,可以大幅剔除并减低单次加载进三维城市场景的模型数据量;融合分层层次细节和潜在可见集的动态调度,其渲染可视化帧率基本约保持在60帧/s,可以满足三维城市场景高效流畅的可视化体验。     

利用多源空间数据的城中村空间层次化识别方法

城中村的精细空间分布是城市规划与城市更新的重要参考。由于城中村具有语义高级和遥感影像特征辨识度不足的特点,使用传统的场景识别方法难以从高密度城市中获得精度良好的城中村精细空间分布。针对城中村的精细识别问题,提出了一种新颖的融合遥感影像和社会感知的层次化识别方法。该方法在特征上融合了遥感图像和社会感知数据的优点,其层次化结构同时考虑了大范围的上下文信息和小范围的局部信息,为在精细尺度全面理解城中村提供了一个新思路。基于该方法对深圳市的城中村进行了空间识别,获得了2.5 m空间分辨率的精细城中村分布。精度验证表明,该结果的总体精度和Kappa系数分别达到98.68%和0.807,说明该方法具有优秀的表现。此外,还通过对照实验分别证明了层次化识别框架、融合遥感影像和社会感知数据的增益效果。结果表明,层次化框架和多源空间数据都能有效提高城中村识别方法的精度。