利用主动深度学习提取极化SAR影像建筑区

针对利用传统监督分类方法从极化SAR影像中提取建筑区存在标记样本数量不足、难以挖掘有效特征等问题,提出一种主动学习与深度学习相结合的极化SAR影像建筑区提取方法。首先通过自动编码器对训练样本训练得到初始分类器;接着利用主动学习得到未标记样本中最富有信息量的样本进行人工标记;并将标记好的样本加入到训练样本中重新训练分类器。分别采用RADARSAT-2和ALOS-2极化SAR影像进行实验。结果表明传统的SVM方法和深度学习的方法加入主动学习后建筑区的提取精度都有所提高,而主动深度学习方法的提取效果优于主动SVM方法。     

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。     

车载移动测量系统在城市树木普查中的应用

针对城市树木普查,现有的采集和管理方法浪费大量的人力和物力,难以实现数据的快速更新和科学管理的问题,该文将车载移动测量系统应用于城市树木普查工作。介绍了该应用的工作流程,阐述了数据采集、处理的具体过程,实现了基于ArcGIS二次开发软件平台自动或半自动提取树木的平面位置和确定树木冠幅、胸径、树高和树种等属性的功能,并且集成城市树木数据库与街景系统,实现城市树木可视化监测,以及精细化、动态化、信息化的管理。     

基于特征点引导的多视影像择优匹配方法

从冗余数据中选择一个或者多个最为显著的立体像对,在最少“伪信息”的影响下,获取最佳影像匹配效果,降低其它质量较差影像的负面平均效应,是提高多视影像匹配性能的关键。基于准确匹配的特征点,通过匹配测度的鲁棒性分析,提出一种多视影像的匹配质量分析方法;在此基础上,提出了一种基于特征点引导的多视影像择优匹配方法及基本思想、计算基础和择优匹配步骤。利用ADS40多度重叠影像数据进行了择优匹配实验。结果表明,该方法能够有效选取匹配质量较优的影像,获取更加准确的多视匹配结果,在一定程度上,比传统的多视匹配方法更加有效。     

顾及路网结构保持的城镇居民地自动综合

以往居民地自动综合的研究多集中于建筑物的多边形化简,较少考虑到其与街区、道路网的联系。提出了顾及路网结构保持的城镇居民地自动综合模型,此模型包含道路选取和街区内部结构概括两方面。前者基于网眼密度并结合路划功能选取道路数据,用于街区合并;后者则主要涉及建筑物多边形化简,通过改进矩形差分组合方法,在原有面积阈值的基础上添加距离阈值,并提供新的分层化简思路。以1:1万地图数据到1:5万比例尺的自动综合实验验证了本文算法的可行性和有效性。     

基于2D-3D语义传递的室内三维点云模型语义分割

针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法。该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递。基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.875 2%,且分类效果较好。     

一种基于最小广义方差估计的TLS点云抗差法向量求解方法

针对地面激光扫描点云中的粗差与不均匀采样对法向量计算的影响,基于最小广义方差估计与局部平面拟合原理提出了一种抗差法向量求解方法。首先通过快速近似最近邻居搜索算法得到最近k邻居点集,然后由确定型最小广义方差估计方法和多元马氏距离得到邻居点集协方差矩阵的抗差估计,最后根据主成分分析法（principal component analysis,PCA）计算得到抗差法向量。通过构造的模拟地面激光扫描（terrestrial laser scanning,TLS）点云数据将提出的方法分别与基于PCA、鲁棒PCA和随机抽样一致的法向量求解方法进行实验比较。结果表明,所提方法的抗差性能优异,且并行优化改进后可以满足大规模TLS点云的计算需求。将该方法应用于实际野外地形TLS点云数据,由求解的抗差法向量重建的泊松表面更符合实际地形,表明了该方法在实际应用中的有效性。     

滚圆法用于空间点聚类的研究

空间点聚类依据空间点实体属性对其进行分类划分,挖掘对研究应用有价值的信息。目前,空间点聚类大多数方法能够发现多边形簇,但不能发现线状簇。针对空间点聚类现有方法在发现线状簇方面的不足,借鉴滚球法的思想,提出滚圆法用于空间点聚类的研究算法（spatial point clustering using the rolling circle,SPCURC）。针对研究区域的点实体,该算法用给定半径的圆从初始点开始按照原则进行滚动,直至满足条件为止;连接滚圆接触的点,从而形成多边形簇或者线状簇。通过模拟算例和实际算例验证了该算法的可行性。     

轻小型低成本无人机激光扫描系统研制与实践

无人机激光扫描系统受制于激光扫描仪、惯性测量单元（inertial measurement unit,IMU）等传感器的重量、成本以及无人机平台有效载荷、续航能力等因素的制约,不得不在保证数据质量的前提下在上述制约因素间取得平衡。高精度IMU的昂贵价格极大地限制了无人机激光扫描系统的易用性,因此轻小型低成本无人机激光扫描系统成为学术界和工业界共同关注的热点。重点阐述了小型低成本无人机激光扫描系统的两个关键点,即视觉-低成本IMU耦合的高精度定姿方法和IMU-激光扫描仪-相机的自标定方法;并阐述了基于大疆无人机飞行平台的激光扫描系统——珞珈麒麟云的研制和性能。实践表明,该激光扫描系统有高度的稳定性和可靠性,在无地面控制的情况下获取点云的精度在20 cm以内,在灾害应急、智慧城市等领域具有广泛的应用价值。     

利用点云检测室内导航元素的方法综述

随着大型公共设施的普及和人们室内活动的增多,人们对构建室内精细化导航模型的需求日渐迫切。近年来飞速发展的三维激光扫描、摄影测量、计算机视觉等技术,能够快速高效地获取高精度室内点云数据,为室内精细化导航提供丰富的数据源。如何从海量杂乱的点云中提取出可用于室内导航路径规划的室内导航元素如房间、门窗、楼梯、走廊等,成为了研究的热点和难点。因此,从基于点云的室内导航元素提取所面临的问题出发,综述和评价了近年来各种导航元素提取的相关理论和算法,并针对其各自优缺点,提出利用几何方法与统计方法相结合实现室内导航元素检测和导航网络构建的新思路。