几何特征与神经网络联合优化的室内三维点云语义分割方法

室内三维点云数据精准语义分割是实现深层次室内空间应用的基础。针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法。该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化。基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度。     

融合Deep-ResUnet和PS-InSAR的城市道路网形变灾害监测方法——以合肥市为例

针对城市道路网变形监测存在的高分辨率影像获取难、道路人工提取效率低、传统变形监测工作量大等难题,本文提出了一种基于融合Deep-ResUnet和PS-InSAR的城市道路网形变监测方法。主要思路为：首先对目标区的哨兵-1A(Sentinel-1A)影像数据进行伪彩色变换建立道路数据集;然后训练深度残差网络(Deep-ResUnet)模型并对道路网栅格进行提取;最后利用永久散射体干涉测量(PS-InSAR)技术获取PS点形变信息与道路网栅格融合。研究结果表明,Sentinel-1A影像经过伪彩色处理后,能提高城市道路网提取的完整性,交并比提高6%～9%,道路提取精度平均提高10%左右,得到的城市道路网形变信息专题图能为城市道路变形监测和健康状况评估提供科学依据。     

基于矢-栅混合数据的线目标缓冲区构建

结合矢量、栅格数据各自的优点,提出一种以矢栅混合数据为基础的线目标缓冲构建方法.首先创建垂直平分与线状目标的扫描线集合,然后对此欠量扫描线集合进行栅格化,从而获取栅格目标矩阵图.在提取边界后采用均值滤波、化简以及光滑技术最终生成缓冲区矢壁边界线,避免矢量数据复杂求交以及栅格数据边界失真问题.最后以洛阳某城市规划系统为例,实现城市道路集的缓冲.     

联合机载LiDAR数据和潮汐数据自动提取潮位线

首先,联合机载激光雷达(LiDAR)数据提取的海岸带数字表面模型(DSM)与验潮站数据提取的高、低潮面进行相交运算,生成"水陆二值图像",然后对其以提取边缘的方式提取高、低潮潮位线;针对LiDAR光束无法穿透水体导致低潮线附近DSM为无效值的缺陷,采取移动趋势面拟合法外推概略低潮线附近DSM,在此基础上重新提取更精确的低潮潮位线。实验表明,该方法能在较少人工干预的情况下有效提取高、低潮潮位线。     

一种基于嫦娥一号CCD影像的影像匹配方法

月球测绘是完成月球探测任务的基础保障。这里提出了一种适合于CE-1获取的CCD影像的多尺度约束自动匹配方法。首先利用SURF算子提取影像上特征点;然后进行基于准核线和最小欧式距离约束的影像匹配;最后采用随机采样算法对误匹配点进行剔除而得到同名点信息。实验结果表明,该匹配方法提取的同名点有利于CE-1月球影像DEM的生成。     

一种有效的航拍图像中直线提取算法

首先对航拍图像进行小尺度高斯滤波;然后进行边缘检测,得到边缘检测幅度图像;再在边缘检测幅度图像中进行启发式搜索连接,提取出符合直线模型的直线搜索轨迹;最后根据直线搜索轨迹的判别获取直线。实验结果表明,该算法可以在航拍图像中提取出真实的直线,是一种有效的直线提取算法。     

利用多尺度Hough变换提取高分辨率SAR图像建筑物L型结构

提出了一种利用多尺度Hough变换从高分辨率SAR图像提取建筑物L型结构的方法。针对高分辨率SAR图像建筑物L型结构的特点,建立了建筑物L型结构简化几何模型,并采用从粗到精的思路利用多尺度Hough变换提取建筑物L型结构方向线。并提出了一种L型结构组合度函数对提取直线进行编组,确定建筑物L型结构的方向和拐点。最后,采用基于扫描线的方法计算L型结构线宽,得到完整规则的建筑物L型结构。多幅真实机载高分辨率SAR图像实验结果表明,本方法可以有效地提取高分辨率SAR图像建筑物L型结构,提取结果与实际位置吻合较好。     

三维数字地形图中注记点高程值的自动检查探索

针对三维数字地形图中注记点高程值出现的某些问题，通过探索、研究，编写了对三维数字地形图中注记点高程值进行自动检查与提取的程序，使三维数字地形图中注记点高程值的数据质量有了保证。     

确定地面点与线路中线相对关系的统一数学模型

基于线路中线的统一数学模型，给出了确定地面点与线路中线相对关系的统一数学模型，据此可以快速确定地面点在线路中的里程和地面点相对于线路中线的垂距与边向。     

3维数字地球快速缓冲区分析算法

提出一种应用在3维数字地球中的通过图形处理器(GPU)快速实现矢量数据缓冲区分析的算法。使用一张4通道的纹理图作为容器将地理实体的矢量数据传入GPU,利用GPU的高效并行特性,将目标缓冲区纹理中的每个像素所对应的矢量坐标与原实体进行距离量算,在一次渲染中得到缓冲区纹理,最后提取出缓冲区纹理的边界。选择中国的流域和湖泊矢量数据,将本文算法与两种传统的CPU算法进行了缓冲区分析计算、测试和对比。结果显示,本文算法相对于传统矢量算法效率提高了9—16倍,相对于传统栅格算法效率提高11—20倍。实验证明,该算法计算简单,效果明显,特别是随着数据量增大,缓冲区计算速度显著优于传统算法,并能有效解决传统矢量法缓冲区分析中的数据自相交问题。