套管式地埋管换热器热短路及换热性能

套管式地埋管换热器是深层地源热泵系统常用的换热装置。基于流体流动换热方程,建立套管式地埋管换热器与周围岩体之间的传热模型。以第一个供暖季为例,分析内管导热系数和循环水流量对换热性能的影响,并引入换热器效能对热短路现象进行评估,研究结果显示：内管导热系数越大,热短路现象越显著;热短路使内外管中循环水温差降低,管内出现热堆积,导致换热器换热功率降低;套管式地埋管换热器的换热功率随循环水流量的增大逐渐增大;内外管之间存在热短路时,出口水温随循环水流量的增大先升高后降低,随着流量增大,换热器效能增大。研究成果可为深层地源热泵系统中地埋管换热器的设计提供借鉴。     

基于车载LiDAR数据的单株树提取

车载LiDAR数据能提供地物表面不同视角且具有容易获得高密度点云数据等优点,能为树木信息的精细提取提供有力保障.基于不同地物具有不同特征等性质,从车载LiDAR数据中对地物进行识别,将三维图形投影到二维平面上进行识别、分离、去噪及细化,运用Matlab编程实现对车载LiDAR数据中树木信息的提取.用全站仪对测区树木进行实地测量并进行定量分析,结果表明,方法可以较好地分离出构成树木的激光扫描点,达到树木提取的目的.     

昆仑山口西8．1级地震的远场前兆异常特征

收集并核实了昆仑山口西8.1级地震前青海、甘肃、四川、新疆、宁夏、河北及陕西等省前兆台网记录到的一些典型的前兆观测异常,按照中国震例总结研究的规范,确定了地震前兆异常判定准则,判定出前兆异常53项.本文在系统分析昆仑山口西8.1级地震前兆异常特征后认为,该次地震的孕育影响场具广域性特征,仪器记录的前兆异常范围直径达到2900km,本文判定的前兆异常范围直径达2100km.并且出现异常的时间长、测项多、幅度大.研究认为特大地震的监测工作应该考虑大区域(数千公里)范围的资料变化,在多震区还需有较密的观测台网.     

车载联合机载LiDAR点云数据的建筑物立面精细分割

从数据量庞大且散乱的车载LiDAR点云中分割出建筑物立面数据是一项繁琐而艰巨的工作。本文提出一种结合机载LiDAR点云的车载LiDAR点云建筑物立面分割方法。该方法在空-地点云严格配准的基础上,从机载LiDAR点云中分割出每栋建筑物的顶部点云,提取建筑物顶部外轮廓线并进行规则矢量化处理,设置轮廓线缓冲区实现立面点云的粗分割;再采用基于稳健特征值的平面拟合法对单栋建筑物的每个立面进行去噪滤波,实现建筑物立面的精细分割。试验结果证明了该算法对城市场景中车载LiDAR点云处理的有效性。     

基于改进RANSAC算法的复杂建筑物屋顶点云分割

屋顶模型重建影响到建筑物完整模型重建质量,屋顶面点云分割质量对屋顶模型重建具有重要意义.针对传统RANSAC算法在屋顶点云面片分割时易产生错分割、过分割等问题,本文顾及点云位置信息,提出一种对点云重新分配的改进RANSAC点云分割算法.算法暂时剔除非平面内点,选取平面内点集中3个点作为初始样本,平面拟合判定邻域是否有效...     

陡坡密集点云双重滤波方法研究

用地形三维激光扫描仪监测陡坡表面的细微变化,关键技术之一是对原始点云的精确滤波,即从密集点云中准确滤除非地形点,保留真实地形点。针对地势陡峭、表面复杂、植被多、密度分布极不均匀的陡坡点云,笔者发展了一种双重滤波方法:在对原始点云进行投影面变换的基础上,采用变窗口均值限差法滤除明显的非地形点,完成粗滤波;通过局部区域增长法找出绝大多数地形点,以占优势的地形点为参考,用局部最小二乘曲面拟合法对剩余未分类数据点进行检核,分离出非地形点,完成精滤波。文中选用3个不同类型的陡坡点云实例验证了该方法对于陡坡密集点云具有良好的滤波效果。该算法对野外大场景三维激光扫描点云滤波也有一定的参考价值。     

基于车载LiDAR点云的路边地上物多阶段聚类分割算法

针对车载LiDAR点云分割存在人工干预多、分割效果不稳定等问题,该文提出一种基于车载LiDAR点云的路边地上物多阶段聚类分割算法。首先使用三维格网和广度优先搜索算法进行点云粗聚类,然后对相连地物进行欧氏聚类,生成若干边界完整的粗聚类点云,最后使用多段式近邻搜索逐步得到聚类结果,根据聚类主体和结果的体积比值评估聚合速度,以此自适应调整聚类阈值或输出结果,实现对道路场景中各类路边地上物的聚类分割。实验结果表明,该算法对行道树的正确提取率为87.0%,对路灯、指示牌的正确提取率为91.9%,且过分割/欠分割现象较少,相连地物的聚类结果仍保有完整的边缘轮廓,可保证后续点云处理的有效性。     

三维激光扫描仪平缓地形分区扫描方法研究

三维激光扫描仪对平缓地形扫描作业时,存在点密度不均匀、冗余数据多、有效扫描半径小等限制。为减少上述限制,提高作业效率,在深入分析三维激光扫描仪工作原理的基础上,提出分区扫描方法:根据到扫描仪中心距离的不同,将扫描范围分为若干环状区域,每个环状区域分别对应不同的竖直扫描夹角,各区域基于扫描点密度均衡的原则,设置不同的扫描参数。试验结果表明:竖直扫描角度分别为88°~89°、85°~88°、70°~85°、45°~70°的分区扫描方法为较理想的方法,与整体扫描方式相比,前者在作业效率、有效扫描半径等方面均有明显优势,数据点密度分布得到很大改善,利用效率明显提高。     

BP神经网络的道路场景杆状地物自动分类

针对车载激光扫描数据中杆状地物分类精度不高、自动化程度低的问题,本文提出一种基于BP神经网络的分类方法。首先根据杆状地物点云特征选取10个特征值,获取杆状地物聚类单元的特征向量,构建特征矩阵;然后使用样本集训练BP神经网络模型并保存该分类模型;最后使用BP神经网络分类模型对试验区内的杆状地物进行分类。试验结果表明,该方法对杆状地物的分类精度可达95.34%,验证了文中所述方法对杆状地物分类的有效性。     

基于车载激光扫描的公路三维信息提取

针对公路信息系统建设中数据生产成本、数据精度和生产效率间存在重要矛盾的问题,作者采用车载激光扫描方式快速获取公路及其两侧地物高精度三维表面信息,根据公路自身形态结构特征及其在车载激光扫描数据表达中的特点,实现了公路边界信息的自动提取、路面上车辆信息的自动探测与去除以及空洞的自动填补,并实现路面信息和公路边坡信息的快速获取。试验证明作者提出的方法具有较高精度和较强适应性,为解决数据生产中的矛盾指出一个新途径。