云计算环境下空间索引构建研究

空间数据索引对于空间数据管理和分析具有重要作用,与数据处理速度和效率密切相关。随着人类社会进入大数据时代,遥感矢量数据具备了大数据的特点,传统的空间索引构建方法无法有效满足矢量大数据处理的需求,为此引入云计算环境来进行空间索引构建,目的是提高空间索引构建速度。首先,对常见的空间索引及现阶段云计算环境下基于MapReduce模型的空间数据管理进行了综述;然后以云计算环境下R树索引构建为例,对云计算环境下空间索引的构建进行了研究;最后,通过实验验证,证明了云计算环境下空间索引构建的速度与单机索引构建相比,加速比为28~40倍;在相同云环境下,网格索引构建速度最快,R+索引构建速度相对较慢。     

基于大比例尺航空影像共面约束条件的相机自检校方法

提出了基于大比例尺航空影像共面约束的相机自检校方法,该方法使用所有立体像对同名点基于共面约束对相机的内方位元素及畸变系数进行解算。首先进行航空影像同名点匹配,构建立体像对;然后基于共面约束使用直接解法和迭代优化进行相对定向,解算相机位置与姿态;最后使用最小二乘优化方法解算相机内方位元素和畸变系数。对于高分辨率大尺寸航空影像,图像中心及边缘的畸变差异较大,为了进一步提高解算精度,对图像进行网格区域划分解算畸变。使用大比例尺航空影像进行解算能真实精确反映航空摄影测量时所获取图像的相机参数和畸变系数,避免检校环境与使用环境不同解算得到的相机畸变参数不能真实反映所获取影像的畸变问题;使用所有同名点解算,避免由于选择不同特征点或控制点对检校精度的影响;通过区域网格划分,进一步提高了解算精度。对检校结果进行了分析,该方法精度较高,与基于室外检校场的精度相当,能真实精确反映航空摄影测量时所获取图像的相机参数和畸变系数,提高了三维重建的精度。