三维激光扫描技术在复杂地质隧道岩体信息获取中的优化

为了更高效、高精度地获取岩体结构面信息,借助三维激光扫描技术,提出并建立一种基于Kriging算子和最小二乘法组合的点云插值方法。首先对获取的隧道点云数据利用单一的最小二乘法进行插值,并以此为基础,结合Kriging算子的适应度函数建立组合插值模型。在利用三维激光扫描仪已获取的某岩溶隧道的原始点云数据的基础上,运用组合模型进行插值处理,以此获取岩体结构面信息,并将组合方法得到的结果与单一的插值方法进行对比,发现组合方法插值效果较好,误差也较小。基于Kriging算法和最小二乘法结合的插值方法,在利用三维激光扫描技术获取岩溶隧道岩体几何信息—结构面产状的过程中能更加精确、全面,并可以用于岩体稳定性评价。     

地理国情水系要素的自动提取

在地表覆盖水系图斑采集的基础上,利用Rosenfeld细化算法实现地理国情水系要素中心线的自动提取。首先兼顾提取质量确定图像由矢量转换为栅格的最佳像素值,然后根据内存访问效率和图像块大小的关系选择图像分块处理技术。此外,采用图像形态学的膨胀与腐蚀算法、线段长度条件约束和曲线节点抽稀等技术确保中心线提取质量。试验结果表明,本文提出的方法准确、高效,在生产实践中具有一定的应用价值。     

空间分析技术在研究传染病时空传播规律中的应用

以手足口病为例,介绍了地理信息的空间统计技术在传染病时空传播规律研究中的应用,包括传染病空间分布模式研究、传染病聚集性分析、传染病扩散传播模式分析、传染病发病率空间自相关分析及传染病发病率空间回归模型预测方面的研究,为传染病防治决策提供科学依据,具有一定的实用性。     

全功能电子测站仪自动无线控制检测系统的研究

基线场测量是检定全功能电子测站仪测距的必要环节,传统的人工测试已不能满足测试需求。为此,我们提出了基线场无线控制系统技术方案,在管理者和其它墩位设备间建立一种准确、迅速、有效的控制沟通方式,能够有效提高基线场测试设备的自动化控制和调度水平,使得现场测试工作的管理更为简单有效。通过大量的实验证明,此系统可靠性高、稳定性强、精度完全满足测试要求。     

浅谈地理国情监测外业调绘与核查的方法

地理国情监测外业调绘与核查是确保地理国情普查成果的真实性、准确性及提高地理国情普查成果质量的重要环节。介绍外业调绘与核查的目的、流程、准备工作及外业调绘与核查的内容,总结外业调绘与核查时应注意的问题,为保证地理国情监测外业任务的顺利开展提供参考。     

采用弱基准和抗差估计的重力网平差

以沿海某测区绝对重力和相对重力网数据处理为例,详细描述了弱基准重力网平差的方法,绝对重力和相对重力先验权的确定,用抗差等价权来调整相对重力的权、重力仪参数的取舍。结果表明,弱基准能有效地提高整网的精度;抗差估计能有效地探测并降低异常数据的权。重力点平均中误差为13.6×10-8 ms-2,偶然误差检验符合正态分布。     

卓越计划下非测绘专业工程测量课程教学改革研究

结合卓越计划培养要求,在分析非测绘专业工程测量课程教学现状的基础上,提出了一些教学改革内容,并对实践性教学进行了探索。     

WiFi-PDR室内组合定位的无迹卡尔曼滤波算法

针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。     

同波束干涉测量在月面相对定位中的应用

基于同波束干涉测量原理和观测模型,针对月面目标特性,推导了给定着陆器先验位置的差分时延、差分时延率观测方程。引入指定高程约束、月球数字地形模型等约束方程,提出巡视器相对位置确定的卡尔曼滤波算法。通过仿真数据进行了验证和评估,表明该算法可快速、较高精度地确定月面巡视器相对着陆器的位置。     

融合光谱-空间信息的高光谱遥感影像增量分类算法

提出了一种融合光谱和空间结构信息的高光谱遥感影像增量分类算法INC_SPEC_MPext。通过主成分分析(PCA)提取高光谱影像的若干主成分,利用数学形态学提取各主分量影像对应的形态学剖面(MP),再将所有主分量影像的形态学剖面归并联结,组成扩展的形态学剖面(MPext)。将MPext与光谱信息相结合以增加知识,最大限度地挖掘未标记样本的有用信息,优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集,并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1Botswana作为测试数据,分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明,在训练样本数量有限情况下,INC_SPEC_MPext算法在降低分类成本的同时,分类精度和Kappa系数都有不同程度的提高。