基于Maptalks的外业草图绘制捕捉插件的设计与实现

作为中国为数不多的自主研发的开源地图引擎,Maptalks以其优良的性能和灵活的插件构建方式,在越来越多的项目中得以应用.鉴于其正处于稳步开发的阶段,部分功能还不够完善,还未实现实际项目中的草图绘制编辑所需的捕捉功能.针对此问题,开发了基于Maptalks的捕捉插件,实现了地图编辑中的捕捉功能.此成果一方面满足了外业草...     

面向移动终端的专题热图实时绘制方法

针对传统基于Flash、Slivelight的移动终端热图绘制中存在的数据表现单一、绘制效率低、用户体验差等问题,以及HTML5的渲染效率差、数据复用率低等性能缺点,该文提出一种改进的HTML5专题热图实时绘制方法。引入四叉树结构进行专题数据组织,大幅度提升热图实时绘制中服务器端数据汇聚效率;采用网格化数据缓存调度方法,有效降低客户端与服务器端的数据请求,实现移动终端数据缓存最大限度的重复利用;以异步I/O消息机制,解决了热图绘制过程中的消息通道堵塞、客户端假死等问题。实验证明,该方法符合移动终端对专题热图的绘制要求,能够在提高数据利用率和系统整体性能的同时,降低移动终端的计算量,提高系统的运行效率。     

稳健估计下转换参数系数矩阵定向改正的整体最小二乘

不同空间坐标系在进行坐标转换过程中,利用整体最小二乘(TLS)构建高斯-马尔科夫(Gauss-Markov)模型求解布尔莎-沃尔夫(Bursa-Wolf)七参数模型时,存在已知控制点含有粗差、模型系数阵固定常数参与残差改正的问题.通过对系数矩阵中含误差参数进行改正,并结合稳健估计的方法,对TLS进行迭代定权,解决了已知...     

基于多源遥感数据的森林火灾监测研究

以2019年5月13日黑龙江省佳木斯市同江市洪河国家级自然保护区为研究对象,基于静止气象卫星Himawari-8(H8)和极轨气象卫星MODIS数据对火灾发生经过进行还原,基于高分一号(GF-1)和高分六号(GF-6)数据进行火烧迹地识别.试验结果表明,Himawari-8及MODIS数据都可较好地反演出火灾发生地点,...     

基于地面三维激光扫描仪的塔式建筑物变形监测研究

针对传统变形监测手段面对高大的塔式建筑物时观测困难的问题,以云南大学呈贡校区塔式建筑物为研究对象,采用Leica P40地面三维激光扫描仪对其进行两期三维点云数据采集,经点云数据绝对定向、拼接与融合等数据处理后,构建两期点云数据模型,对两期数据进行模型拟合与点位差异分析.结果表明:该塔式建筑物整体未发生明显水平位移与沉...     

建筑物立面分类与DIM点云滤波

针对目前基于近景摄影测量方法构建建筑物立面模型过程中因密集影像匹配(DIM)点云噪声所引起的建筑物立面TIN网格模型畸变问题,本文借鉴机器学习中样本学习的思想,对建筑物立面进行了分类并对DIM点云提出了相应的滤波方法,以达到去除DIM点云噪声和改善其TIN网格模型畸变的目的.其中,针对平面结构立面,采取先对点云样本进行...     

多时相Sentinel-1A InSAR的连盐高铁沉降监测分析

多时相InSAR技术具有探测大范围毫米级地表形变的能力,已被广泛应用于地面沉降监测.近几年,应用多时相InSAR技术监测以高铁为代表的大尺度人造线状地物形变备受关注.本文将C波段SAR数据用于高铁沿线路基形变监测,应用相位稳定性分析和改进的StaMPS技术来增加相干性点的密度和形变参数解算的稳定性.采用研究区时间跨度为...     

基于变分模态分解与相关向量机的变形特征提取及智能分析研究

建筑物、大型工程结构、边坡等受到内在与外在的复杂因素影响下,产生不同程度的变形.通过变形监测及变形数据分析,可及时、准确地掌握形变过程信息.变形特征提取与分析是变形数据处理的核心内容之一,是建筑物与工程结构精确健康监测、预报预警的关键,是变形灾害防治的重要理论与实践基础.由于变形体变形过程及变形数据采集过程中受到多种不确定性环境因素与人为因素的影响,变形数据具有显著的非线性、非平稳、高噪声和多尺度等特点,导致传统的变形数据分析方法存在诸多不足之处.     

城市空间三维地图及其在智慧城市中的应用

对城市空间三维地图相关的关键技术进行了系统梳理,结合深圳市拟建设的"数字政府"基础时空平台——"深圳市可视化城市空间数字平台"开展实例研究。结果表明,从二维地图可视化提升到城市空间的三维地图可视化,需要从现有的空间数据模型、数据组织与调度逻辑、地图可视化表达方法等方面开展研究,形成城市级的三维数据可视化表达核心框架,满足各类城市应用可视化渲染与仿真需求。     

顾及邻近点变形因素的高斯过程建模及预测

针对传统的变形监测建模方法一般针对单一监测点的变形预测模型,未考虑到监测点间相互作用的变形特点,该文分析了变形监测点间的相互关联性,通过相关系数法对监测点进行分类,并将邻近监测点的观测序列值作为和时间因素等同的影响因子应用到建模过程中,利用高斯过程算法进行训练,建立预测模型。为提高高斯过程算法的模型预测精度,应选择适合工程案例最优协方差函数。通过实例分析,比较GM(1,1)、多点灰色预测模型和顾及邻近点变形因素的高斯过程等3种模型在基坑围岩、滑坡等变形监测数据处理中的预测精度,表明该文算法考虑到监测点间的变形关联性,充分利用高斯过程在针对小样本、非线性数据建模时的高自适应性等优点,具有较高的预测精度。