排序方式: 共有133条查询结果,搜索用时 250 毫秒
11.
以玉树7.1级地震诱发的玉树机场路堆积层滑坡为对象,该滑坡坡度约为10o,长×宽×厚为317 m×482 m×19.8 m,由以碎石土为主的上覆层、卵石土为主的滑动带及基岩3层组成,开展大型振动台模型试验,探究震后边坡再次承受振动荷载的能力以及地震垂直分量对坡体稳定性的贡献,分析其动力响应特征和失稳破坏机制。结果表明,强震作用下堆积层滑坡的永久变形是造成地震地质灾害的重要因素;随着输入地震荷载增大,坡脚率先破碎沉降,坡体中部产生弧形裂隙并产生沉降,坡顶出现贯穿张裂隙和剪切裂隙并向坡腰推进,表现出典型的牵引性滑坡特征;峰值加速度(PGA)、动土压力以及加速度频谱与输入地震波的强度、滑坡高程呈正相关;PGA放大系数呈现出明显的非线性特征,其变化趋势随地震荷载强度增大而减小,地震波垂直分量对滑坡PGA放大系数影响略大于水平分量。 相似文献
12.
针对现有算法从LiDAR点云中提取复杂建筑物屋顶面不完整、阈值难以设置的问题,提出一种结合点云空间分布的法向量密度聚类提取屋顶面点云方法。通过构建Delaunay三角网,计算建筑物LiDAR点云的法向量;在分析建筑物点云空间和法向量分布特点的基础上,定义一种邻域关系度量屋顶面点云之间的相似性,并利用提出的算法聚类建筑物点云,得到屋顶面片点云粗提取结果;通过构建屋顶面片缓冲区,经面片处理得到建筑物各屋顶面的完整点云。选取不同复杂程度的建筑物进行实验,结果表明,算法能有效提取复杂建筑物屋顶面点云,具有较好的适应性,并能为建筑物三维重建提供可靠的屋顶面信息。 相似文献
13.
一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法 总被引:1,自引:0,他引:1
从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。 相似文献
14.
15.
16.
确定端元数目是混合像元分解中端元提取的前提.目前端元数目主要还是通过判读人员根据经验或者估计最优子空间的方法来确定,这些方法都没有从提高混合像元分解精度的角度出发进行端元数目估计.在分析漏选、多选端元时光谱解混误差的基础上,提出了一种基于光谱解混误差的端元数目估计算法,该算法在估计端元数目的同时可以实现端元提取.实验结果表明,该方法在低信噪比情况下仍能正确地估计端元数目,并且可以正确地提取端元. 相似文献
17.
18.
19.
20.