在GEOPAK中用高程点和断裂线生成等高线的关键技术

在航测数据生产中经常会用到制作DTM和生成等高线的软件,本文详细介绍了一款在MicroStationV8环境下的工程设计软件包--GEOPAK在生成等高线方面的应用,通过详尽的操作步骤说明、各项设置的选择、以及使用中的注意事项,使读者可以迅速掌握GEOPAK在生成等高线方面的应用。     

校园观光车最优路径规划算法研究——以韶关学院为例

复杂校园路网下的最优路径计算,直接影响校车站点设置、线路设置等。以韶关学院校园观光车的行车路线为研究对象,利用迪克斯查标号法(Dijkstra)最短路径算法为基础,采用地理信息系统(GIS)空间网络分析方法,根据校园师生问卷调查的结果确定站点,是建立最优路径规划算法的前提条件,从起点和终点,再根据连接的中间站点,计算韶关学院各乘车站点之间的最优路径的整体路径规划方案。结合韶关学院的实际情况,提出校园观光车最优路径方案规划算法、站点和路径。以便提高校园观光车的利用率,减少资源的占用和浪费,既保证了校园师生的安全,也节省了广大师生的时间以及获取教育资源的便捷程度,降低校园能耗,为创建节约型校园做出贡献。     

实景三维高山地地区DSM自动匹配效果对比分析

为探索研究在高山地地区选择使用数字表面模型（DSM）基础数据的最优方案,推进实景三维中国建设项目（简称“实景三维项目”）顺利进行提供参考依据。本文利用高分七号卫星影像,针对项目DSM自动匹配所常用的吉威公司影像处理系统（CIPS）和天宝影像处理软件（INPHO）两款主要软件,对高山地地区整体匹配效果及高山地中的冰雪、阴影弱纹理区域的匹配效果进行试验。通过对比分析,发现INPHO匹配的整体效果和在冰雪区域的表现更适合本项目实际生产,而在阴影区域二者均有一定的粗差,需要人工交互编辑处理。     

网络分层用于最短路问题的算法研究

提出了一种基于Dijkstra方法的网络分层算法,实现了两点间节点数最少条件下最短通路的求取,并与传统Dijkstra算法进行了比较,得到了一些有益的结论。     

基于PixelGrid系统的弱交汇和稀少控制点区域卫星影像纠正方法的研究

介绍了弱交汇条件下利用PixelGrid系统实现稀少控制点区域的卫星影像的）L4＊--r~,t正方法。阐述了操作流程以及每个步骤的注意事项,对纠正后的影像做出精度检测并给出分析评价。     

声纳测深数据滤波及实践

介绍了声纳测深的主要误差,分析了测深数据的滤波方法,实现了测深数据的质量控制。     

三维目标位姿跟踪与模型修正

本文是机器视觉参量下的三维数字摄影测量智能构像基础工作之一：成像系统位置姿态自动跟踪与精密修正,属于摄影测量与机器视觉、数字图像处理等学科交叉的摄像测量领域。针对基于目标3D模型的位姿跟踪问题开展研究,对相关研究的现状进行梳理,并提出系列位姿跟踪与模型修正方法。在完全已知目标3D精确模型的情况下,对于包含丰富直线特征的特殊目标,提出基于直线模型的目标位姿跟踪方法,实现了目标位姿参数的精确跟踪;为处理更为一般目标,利用目标的3D边缘模型,提出法向距离迭代加权最小二乘位姿估计方法及距离图迭代最小二乘位姿跟踪方法。当目标3D直线模型参数不准确时,结合光束法平差思想,提出一种针对序列图像的基于3D直线模型同时位姿跟踪与模型修正方法,联合优化求解目标位姿参数及3D直线模型参数,在模拟空间卫星目标位姿测量的仿真试验中,模型直线朝向、位置误差及目标位姿平均角度、平均位置误差分别为0.3°、3.5 mm及0.12°、20.1 mm。针对包含丰富直线特征的目标,在其3D直线模型完全未知的情况下,提出基于序列图像直线对应的目标结构重建与位姿跟踪方法,利用序列图像信息,在SFM框架下同时优化求解目标直线模型参数及位姿参数,仿真试验条件下,重建模型直线朝向、位置误差及位姿参数平均角度、平均位置误差分别约为0.4°、7.5 mm及0.16°、23.5 mm。     

省级测绘档案管理服务系统关键技术研究

结合山东省测绘档案管理服务系统的建设,理清了省级测绘档案接收、管理、服务的全业务流程,探讨了"图形、档案、库房"协同管理、基于模板的汇交管控等关键技术方法,实现了省级测绘档案"收、存、管、用"一站式服务.     

利用面向对象的分类方法从IKONOS全色影像中提取河流和道路

传统的基于像素的统计特征的分类方法在处理高分辨率影像的分类问题上遇到了很大的困难。本研究利用面向对象的影像分析方法对IKONOS全色影像进行了河流与道路的分类,包括利用影像对象的光谱特征的初次分类和利用子目标对象的线特征的二次分类两个过程;其中初次分类由于仅依据光谱信息,不能很好地将河流或道路与其他光谱特征相似的地物区分开,而通过引入子目标的形状特征进行二次分类,就可以准确地将河流与道路提取出来。试验结果表明,面向对象的分类方法能够满足高分辨率或纹理影像的分类需要,具有很大的应用潜力。