机载LiDAR技术快速生成高精度DEM

论述了由机载LiDAR数据快速生成DEM的基本流程和算法原理,并结合崀山地区实际数据进行了精度分析。实践表明,机载LiDAR技术能快速有效地获取高精度的DEM,值得推广。     

一种基于压缩感知的遥感影像混合去噪模型

针对遥感影像噪声通常由光学噪声和电噪声组成的特点,提出了一种基于压缩感知的混合去噪模型。该模型结合了压缩感知原理和自适应中值滤波算法,分别在小波域与空间域对影像进行去噪。实验结果证明了混合模型在有效抑制影像中噪声的同时,可以保持较高的信噪比和归一化方差,有较高的图像的纹理和边缘信息保持能力。     

基于Potter算法的6PS／SINS组合导航数据处理

标准Kalman滤波存在因预报方差Bk/k-1失去对称正定性而引起的发散问题,研究了基于Potter算法的平方根滤波进行GPS／SINS组合导航数据处理的方案,对精对准和松组合做了测试,结果表明,使用简单的对称化操作和Potter算法都能得到稳定的数值解,而Potter算法具有无需矩阵求逆及数值表达精度高的优点,是解决组合导航数据处理中滤波发散的一种有效方法。     

基于优化滤波法对芦山地震震区重力异常特征的分析

首先对具有代表性的重力异常分离方法进行简单介绍, 在此基础上使用这些方法对同一组理论模型数据进行试验, 优选出异常分离效果较好的优化滤波法对芦山地震震区重力异常特征进行分析, 初步认识此次地震发生的深部构造背景, 得出以下初步结论: 龙门山断裂带在研究区布格重力异常中反映为一条近北东走向的显著重力梯度带. 该梯度带在天全附近分为两支, 芦山地震震区靠近重力梯度带分叉处, 且M_S≥3.0余震同样呈近北东向展布, 与梯度带走向基本一致, 认为此次强地震的发生与重力梯度带下的深部结构及构造活动密切相关; 芦山地震震区浅部结构与深部构造特征存在较大差异, 构造复杂及地壳深浅部耦合关系较差, 说明此次强地震的发生受浅部和深部构造的共同控制.      

自适应抗差滤波理论及应用的主要进展

近十年来,中国学者建立了一种用于动态导航定位的新自适应抗差滤波理论,该理论应用抗差估计原理抵制观测异常误差的影响,构造自适应因子控制动力学模型误差的影响。本文旨在归纳、总结自适应抗差滤波理论与应用的主要进展。首先介绍自适应抗差滤波的原理;随后给出四种自适应因子模型,包括三段函数模型、两段函数模型、指数函数模型以及选权函数模型;陈列了4种误差学习统计量,包括状态不符值统计量、预测残差统计量、方差分量比统计量以及速度统计量;将新的自适应抗差滤波理论与标准Kalman滤波以及其他自适应滤波理论进行了比较与分析;最后利用两个实际算例展示了自适应抗差滤波在导航中的成功应用。     

环境语义信息辅助的室内停车场车辆定位方法

针对室内停车场环境下GNSS信号受限,无法进行车辆定位的问题,本文提出了一种环境语义信息辅助的室内停车场定位方法。该方法基于智能手机,首先在使用机器学习识别室内停车场中环境语义信息(减速带、转弯)的基础上,建立了室内停车场路网的拓扑结构,然后利用粒子滤波算法对传统车辆航位推算定位数据进行了融合。试验结果表明,该方法有效消除了车辆航位推算的累积误差,平均定位精度达3 m以内,并通过语义信息匹配减少了传统粒子滤波方法的运算时间。     

基于LiDAR点云的复杂钢结构模型重建

传统的基于全站仪等单点测量技术难以获取钢结构整体信息,且测量速度慢、模型重建精度低。针对此问题,本文将三维激光扫描技术应用于钢结构模型重建领域,提出了基于LiDAR点云的复杂钢结构模型重建方法。首先,基于标靶球和钢结构面信息实现多测站点云的高精度配准,并通过半径滤波算法去除噪点,以得到完整的激光点云数据;然后,对复杂钢结构单体模型进行分割,以实现各个部件的模型重建;最后,根据现场实测数据对重建的三维模型进行精度评估。试验结果表明,基于该方法得到的模型精度较高,与实际尺寸差值均小于1 cm,为复杂钢结构的三维模型重建提供了有效解决方案。     

OSM辅助车载LiDAR点云三维道路边界精细提取

道路边界精确提取建模是城市道路管理、智能交通规划和高精度地图制作等领域的重要课题之一。本文提出了一种基于车载激光雷达点云数据和开源街道地图(OSM)的三维道路边界精确提取方法。首先,针对原始车载LiDAR点云数据应用布料模拟滤波分离地面点,再结合相对高程分析获取道路边界点候选数据集。然后,应用OSM矢量道路网数据的节点辅助道路边界点候选点集进行分段。最后,在各分段点云数据集中基于随机抽样一致性算法获得三维道路边界点集。通过直道、弯道及高密度复杂场景3种不同类型的城区道路边界路段分类提取试验。结果表明,利用该方法进行道路边界提取的准确率和召回率分别达96.12%和95.17%,F1值达92.11%,本文方法可用于高精度道路边界的三维精细提取与矢量化,进而为智能交通与无人驾驶导航提供支撑。     

时空Kalman滤波在变形分析中的应用研究

时空Kalman滤波可对变形监测数据进行时空滤波去噪、数据插补和变形预测,本文利用时空Kalman滤波进行变形分析,从模型原理及试验两方面比较分析了Kriged Kalman filter(KKF)、space time Kalman filter(STKF)和spatio-temporal mixed effects(STME) 3种典型时空Kalman滤波模型的性能和适用性。结果表明:3种时空Kalman滤波模型均基于空间基函数及动力学模型组合形式描述时空数据的时空相关性,其主要差异在于空间变异的描述形式不同、空间基函数和状态转移矩阵构造过程不同及模型降维方法不同。在适用性方面,KKF模型更适合于稀疏测站的变形分析,STKF模型及STME模型更适合于海量测站的变形分析。在变形分析应用效果方面,3种时空Kalman滤波模型均具有较高精度的时空滤波去噪、数据插补和变形预测性能,其滤波结果相对于普通Kalman滤波结果的平均改善率为21.1%,其缺失数据插补结果相对于Hermite时间插值结果的平均改善率为42.4%,其空间预测结果相对于Kriging空间插值结果的平均改善率为65.3%,其对已知测站未来变形的时空预测结果相对于普通Kalman滤波时间预测结果的平均改善率为20.6%,其对非观测站点未来变形的时空预测结果相对于Kalman滤波+Kriging组合模型预测结果的平均改善率为20.5%。     

高分辨率遥感影像快速去雾

针对含雾遥感影像在军事航空侦查、地物判读等方面使用率低、有效性差的问题,以及现有去雾算法中存在计算复杂耗时、色彩失真的弊端,结合遥感影像景深变化小、不含天空背景等特点,本文提出一种改进的暗原色先验去雾算法。首先,对影像中白色场景灰度值进行统计并设定阈值划分为失效区,分离水域与非水域减少蓝色波段在水域的占比,合成新的蓝色波段,以改进暗通道值的获取方法;其次,采用导向滤波替代软抠图法优化透射率提升处理时间;然后,对关键参数进行适应性改进试验并采用自动色阶恢复去雾后的影像色彩;最后,利用含雾的无人机影像和GF-2影像进行了试验,并进行了定量评价。试验结果表明,在同等试验条件下,本文方法处理单幅影像的时间比暗原色先验去雾算法的提升4倍以上,且去雾后影像的灰度均值、标准差、信息熵、平均梯度等指标比暗原色先验去雾算法得到的值均有提高,能有效提高有雾影像的清晰度,增强影像色彩和细节。