浅谈基于LiDAR数据提取DLG等高线的流程

利用已有LiDAR数据成果探索更新1∶10 000基础地理信息数据中高程点、等高线要素的试生产工作总体技术路线、生产作业流程以及生产过程中出现的问题、解决问题的经验和技巧。     

基于车载LiDAR的建筑物立面采集方法与精度分析

为解决传统测量方法在建筑物立面数据采集中存在的效率低、复杂建筑物测量难度大、无法反映异形建筑物精细结构等问题,结合项目实践,将车载激光雷达测量新技术应用于建筑物立面数据的采集、处理与立面图的生产过程中,并与传统测量方法采集的数据进行精度对比分析。结果表明,基于车载激光雷达测量技术构建的三维点云模型平面位置中误差为4.3 cm,高程中误差为5.6 cm,立面相对中误差为1.1 cm,能够满足1∶500国家基本比例尺地形图的精度要求。     

三维激光点云数据在城市建筑物高度监测中的应用

三维激光扫描技术是一种新型的测绘技术,为高时空分辨率全球空间数据信息获取提供了一种跨时代的技术手段。本文探讨了利用三维激光技术获取的点云数据,在地理国情监测中城市建成区城市建筑物高度监测中的应用,阐述了其技术流程和分析方法。与传统的测量方法相比,该方法具有工作效率高、测量精度高的优点,对于相同的测绘类项目具有较好的借鉴意义。     

车载激光点云的道路标线提取及语义关联

自动驾驶技术已成为未来智能交通的发展方向之一,高精度地图为L3级及以上自动驾驶实现高精度定位和路径规划提供先验信息,是自动驾驶车辆传感器在遮挡或观测距离受限情况下的重要补充。道路标线的位置和语义信息,比如实线和虚线的绝对位置是高精度地图的基本组成部分。本文从车载激光点云中提取扫描线,根据道路边缘位置几何形态的突变从扫描线中提取道路路面,在此基础上首先利用反距离加权插值的方法把路面点云图像以一定的分辨率转换为栅格图像,其次利用基于积分图的自适应阈值分割方法把栅格图像转化为二值图像,然后利用欧氏聚类的方法从二值图像中提取标线点云,并利用特征属性筛选的方法对提取的标线点云进行语义识别,最后建立交通标线和交通规则之间的语义关联。     

一种卫星重力梯度数据的ARMA最优滤波模型构建方法

由于卫星重力梯度观测的有色噪声特性和海量观测特征,在利用直接法进行重力场模型的最小二乘求解时,观测值的协方差阵为超大型的非对角阵,这给数值求解带来了极大困难.本文提出了一种基于先验误差功率谱密度的最优ARMA滤波模型构建方法,结合法方程的分块求解策略,可实现对卫星重力梯度观测值的高效滤波处理.数值仿真结果表明,利用最优ARMA滤波器进行时域滤波后,法方程的态性得到了明显改善,重力梯度观测值中的有色噪声得到了有效的"白化"处理,大地水准面精度得到了显著提升.     

厚层切叠砂体自然层描述方法:以北一区断东葡一组1-4小层为例

将多期切叠河道砂体归类合并,建立一个“垂向连续,横向联通的表外砂岩空间体”(其中砂岩间夹层厚度≤0.4 m)的自然层概念来控制多期河道复合切叠厚砂体。以北一匹断东萄一组1-4小层为例,利用自然层间砂体厚度、切叠程度、测井曲线形态、相叠加类型及砂体叠加期次将自然层分为5类;再依据砂体间切叠位置、切叠程度和切叠形态的差异建立自然层剖面表征方法;依据砂体叠加期次,建立自然层在平面上表征模式。     

有序聚类分析法的改进及其在水文序列突变点识别中的应用

有序聚类分析法是水文学中识别突变点的有效方法,但该法只考虑了同类之间的离差较小原则,忽略了类与类之间的离差较大原则。基于此,提出了改进的有序聚类分析法,改进法同时考虑了同类之间的离差较小和类类间的离差较大原则。将改进的有序聚类分析法应用于年平均流量序列突变点识别中,并与传统有序聚类分析法进行对比分析,研究结果表明,改进的有序聚类分析法原理明确,识别突变点更加有效。     

融合语义和位置信息的兴趣点实体匹配方法

兴趣点是反映城市建设的重要地理空间框架数据,及时快速更新兴趣点具有重要意义。提出了一种融合语义和位置信息的兴趣点实体匹配方法,可从互联网数据中获取新增的数据,提高了兴趣点实体的时效性,减少了人工检查的工作量。实验结果表明,该方法可快速更新兴趣点实体,降低生产成本,提高生产效率,提升多源数据的应用价值。     

基于层次格网索引的高程点线矛盾快速识别方法

针对高程点线矛盾问题,提出一种基于层次格网索引与多进程并行机制相结合的点线矛盾识别方法：构建层次格网索引,进行数据细化管理,设计多进程并行机制,构建空间位置关系与高程判定逻辑,利用完善后的高程逻辑判断条件在并行机制下完成矛盾识别。测试结果表明：该方法能够准确识别高程点线矛盾,层次格网索引与并行机制的结合使得运算效率相较于无索引且非并行状态下提升2个数量级（1/138）,较现有方法在精度及效率方面均有较好表现,且对特殊地形环境更具适用性。     

基于POI数据的城市功能区识别研究

基于兴趣点数据与道路网络数据,选取济南市中心城区为研究区域,通过频数密度与类型比例计算,以街区为研究单元对济南中心城区功能区进行定量识别,并验证识别精度。将识别结果与《济南市城市总体规划（2011-2020年）》对比,提出功能区优化对策。研究结果表明：城市功能区自西向东呈现多中心分布特征,单一功能区呈现圈层分布特征。构建混淆矩阵,计算出功能区总体精度为83.34%,可为济南市功能区空间规划提供新的思路。