基于车载LiDAR点云联合特征的道路边界提取研究

针对基于车载LiDAR点云数据的道路边界提取存在的问题,该文提出一种基于联合特征且能适应多种道路环境的道路边界提取方法。首先依据移动测量系统的航迹,按照设定宽度对道路数据进行分段,排除道路外侧无用数据;再对每段数据采用布料模拟滤波(CSF)算法分离地面点和非地面点,通过强度中值滤波去除地面点的椒盐噪声;然后计算点云局部邻域高差梯度和回波强度梯度构成的联合特征,依据设置阈值提取道路边界;最后通过欧氏距离聚类剔除部分非道路边缘点,细化道路边界,合并各段道路边界点云,得到完整的道路边界。选用代表性的城区道路、高速公路、乡村道路3种实验环境,验证了算法的鲁棒性。该研究对于扩展车载LiDAR在道路场景中的应用具有重要价值。     

周期性的或伴有贯穿流的西边界流跨隙流动的迟滞变异过程

使用1.5层准地转约化重力模式研究了周期性的或伴有贯穿流的西边界流跨隙流动的迟滞变异过程。当西边界流变化的周期比罗斯贝波在缺口处调整的时间尺度大得多时,在雷诺数增加和减少过程的霍夫分叉点都发生延迟,从而产生新的雷诺数迟滞区间;并且西边界流流态转变的临界值变化显著;且周期强迫越短,雷诺数迟滞区间越大。当西边界流变化的周期与罗斯贝波在缺口处调整的时间尺度相当时,西边界流在缺口的流态呈无迟滞的周期性变化,且西边界流入侵西海盆的程度随周期减少而变小。此外,当贯穿流的流量大于西边界流的一半时,会显著影响西边界流在缺口处的迟滞变异过程;西边界流向西入侵程度和流态转变发生的临界雷诺值均发生变化,且贯穿流流量越大变化越大。     

基于"双冒泡法"的SAR影像冰山识别

利用威德尔海区域2016年的Sentinel-1ASAR影像数据,采用"双冒泡法"的sigma-on-mu探测器探测冰山边缘区域,并通过对边缘像元进行交换排序和凸显最大像元的方式识别冰山。以人工识别法为基础,通过与自动识别法的对比,定量地分析了"双冒泡法"的识别偏差。研究结果表明,"双冒泡法"识别的冰山线性尺寸和面积等信息中纵横向最大长度分别为24.52km和11.16km;面积为220.833 6km2;单体识别偏差率为2.87%,低于自动识别法(7.5%);平均偏差率为2.48%,亦低于自动识别法(7.27%)。同时,基于"双冒泡法",提出了较小冰山边界的手动分离法(像元≤100),与自动识别方法相比,该方法的手动分离以具体的像元边界为基准,提高了对较小冰山的识别精度。     

基于含砾Folk三角形的底质范围分析

为解决面向航海应用的底质范围分布问题,提出了一种基于含砾Folk三角形的底质范围生成方法。该方法通过将海图底质注记转化为含砾Folk法底质类型,进而逆向利用Folk(G)三角形,将其拆解为各组分的比例,最后对海区内各组分单独插值并通过地图代数的方法整合各插值结果,生成底质的范围分布。对比实验表明其生成结果较传统的Voronio图法可更好地应用于舰船抛锚等应用场景。     

一种正样本单分类框架下的高分辨率遥感影像建筑物变化检测算法

高分辨率遥感影像建筑物变化检测对于城市规划、城市执法等方面具有非常重要的意义。文中提出一种基于正样本单分类器学习框架下的建筑物变化检测算法。首先提取影像形态学建筑物指数特征(MBI),通过卡方变换将其与光谱特征进行融合;然后利用一种单分类器完成建筑物变化初始判定;最后利用改进的长宽比形状特征完成最终建筑物变化判定。通过与现有建筑物变化检测算法、传统的多分类器算法对比,本文算法精度有一定提升并具有更强的鲁棒性。     

GNSS精密轨道产品不连续性分析及评估

按照目前的国际规范, 高精度GNSS (Global Navigation Satellite System)轨道产品一般以天为周期进行发布, 提供给用户使用. 连续使用多天的产品存在不同天间的跳变问题. 利用德国地学研究中心(GFZ)、欧洲定轨中心(COD)、欧空局(ESA)、美国喷气试验室(JPL)以及上海天文台(SHA)共5个GNSS分析中心2013---2017年的轨道产品, 分析了轨道跳变的特性. 计算结果表明: GFZ、COD、ESA、SHA和JPL的3维轨道跳变平均分别为7.79cm、1.51cm、7.77cm、11.75cm和2.51cm. 轨道跳变序列的周期特性分析表明: 序列存在90d、120d、340d左右的显著周期项, 对应于海潮对地球自转的影响, 其振幅为数毫米至1cm左右. 表明精密轨道确定需要进一步精化该项模型; GPS的跳变序列还存在与卫星星座相关的175d和352d左右的交点年显著周期项. 此外, 针对COD产品外推轨道的分析, 验证了地球反照辐射压和太阳光压模型等动力学模型对轨道的差异.     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。     

高层建筑物沉降监测与预测方法

高层建筑物沉降变形监测是工程建设中一项十分重要的工作,为了系统地阐述高层建筑物沉降变形监测作业、数据处理及建模预测等方法,文章结合具体工程实例,详细地介绍了其监测作业过程、数据处理方法、图表分析内容以及沉降变形稳定性判别等方法要素,以回归拟合的方法对某代表性观测点监测数据进行了建模与预测分析,并与其它观测点数据进行了预测对比,同时对所建回归模型方程进行了显著性检验、预测区间估算和预测精度分析等,为类似工程实践及数据处理与分析方面提供方法参考。     

一种附加边界约束和内约束的多中心ERP融合模型

不同技术、不同分析中心得到的地球自转参数（Earth rotation parameters,ERP）往往是不同的,为提供统一的ERP供用户使用,常需对ERP进行融合处理。提出了一种基于多分析中心ERP结果的附加边界约束和内约束融合模型,即先通过参数变换把各分析中心结果转换到相同时刻,考虑到相邻观测时段边界点处ERP应当一致这一特点,施加边界约束,然后对各分析中心的长期解施加转换参数内约束,最后得到多分析中心ERP的融合解。采用从2005—2011年共6 a的7个全球卫星导航系统（Global Navigation Satellite System,GNSS）分析中心的结果进行融合处理,并与IERS C04（International Earth Rotation and Reference Systems ServiceCombined 04）结果进行比较。结果表明,所提出的融合方法计算结果的精度有明显改善。     

建筑物侧面轮廓线约束的高分辨率遥感影像建筑物高度估算方法

针对现有利用阴影长度法提取建筑物高度时存在的阴影间相互遮挡问题,提出了一种基于建筑物侧面轮廓线进行建筑物高度估算的新方法。首先,利用RPC模型计算建筑物像点位移的方向与卫星成像角度,再将遥感影像进行旋转,使建筑物像点位移沿水平方向;然后,利用Canny算法进行轮廓检测,并构建一定长度的矩形形态学结构元素,对轮廓图像进行形态学开运算,以提取侧面轮廓线,再利用Hough变换与建筑物角点约束,对所提取的轮廓线进一步筛选;最后,根据卫星侧视成像时建筑物高度与像点位移的几何关系进行建筑物的高度估算。利用实际的高分辨率卫星影像对本文方法进行了验证,并与阴影法估算建筑物高度进行了对比。试验结果证明,利用建筑物侧面轮廓线进行建筑物高度估算平均误差可以达到0.7 m,且实际精度优于使用阴影法进行建筑物高度估算。