基于GPS动态相对定位的数据处理方法的研究

本文首先介绍了GPS动态相对定位的数据预处理和周跳探测方法和流程,这是实现高精度定位的前提,然后提出一种确定GPS双差整周模糊度的方法,采用M-W组合的方式,经过多历元的数据平滑得到精度在±1周以内的宽巷模糊度的浮点解,然后利用残差验后方差最小的原则搜索整周模糊度,最后用自编程序对实测数据进行验证,证明了本文方法的有效性。     

二维Renyi灰度熵和模糊聚类在图像分割中的应用

针对传统二维Renyi熵阈值算法计算复杂度高的问题,提出一种改进的二维Renyi图像分割算法。该算法利用两个一维Renyi熵算法的阈值来代替传统二维Renyi法的阈值,使得计算复杂度大大降低;同时为了改善图像分割效果,综合使用了FCM算法。实验结果表明,改进的算法充分发挥了二者的优势,不仅提高了运算速度,且分割效果更好。     

一种基于位置域的北斗快速整周模糊度确定方法

整周模糊度搜索方法是卫星导航高精度应用技术研究的关键,通常可分为测量域、位置域和模糊度域。其中位置域整周模糊度求解方法因为其计算量大而很少应用于实际,也成为该方向难以突破的瓶颈。首先针对北斗系统特殊星座构型进行了深入研究;然后利用GEO卫星东西向几何构型好的特点,提出一种三维转换为二维位置域模糊度搜索算法。该方法在保证定位精度的同时,能够极大地减少计算量。最后,利用短基线的北斗实际数据进行验证,仿真结果表明了该方法的高效性。     

土壤有机质含量区间值高光谱估测

考虑影响因素的复杂性,提出土壤有机质含量区间值高光谱估测的思想。根据在陕西省横山县采集的84个土壤样本数据,采用14种光谱反射率变换方法及因子互乘变换筛选反演因子,采用模糊识别方法进行土壤有机质含量估测。结果表明,原始光谱反射率(R)及其平方(R2)、平方根(R1/2)、倒数(1/R)、自然对数(ln R)的一阶微分、二阶微分及其互乘变换与有机质含量的相关性明显增强,模型优化系数可调节类别判别的准确度,12个检验样本的准确度为91.67%。这表明提出的土壤有机质含量区间值高光谱估测模型是有效的。     

一种建筑信息模型与三维数字城市集成方法

BIM的发展为数字城市三维模型提供了更加精确的数据来源,现有研究主要关注BIM空间实体模型向三维表面模型转换,缺少建筑语义信息映射及整体集成方案研究。本文以构成建筑骨架的主要空间构件为研究对象,在参考IFC标准基础上,结合数字城市应用特点设计了具有空间语义一致性的建筑构件信息模型BCM,在此基础上提出建筑信息模型和三维数字城市集成方案。首先,基于CAD图纸开展BIM模型交互式构建,然后,通过空间和语义信息映射将其转换为BCM,并基于ArcGIS Geodatabase建立建筑构件信息库,在三维数字城市场景开展建筑构件信息的集成应用。该方案可实现建筑构件信息与三维数字城市的大规模集成,对推动数字城市向智慧城市发展,进一步开展建筑内外模型集成展示、建筑节能分析、内部设施管理等具有重要价值。     

实景三维建模中的建筑物mesh模型立面修整

实景三维模型作为实景三维中国建设中的数据底座,发挥了极其重要的作用。建筑物mesh模型作为实景三维模型中重要的数据,其质量好坏直接影响着实景三维模型的使用效果。本文结合实际工程经验,提出了一种批量化的建筑物mesh模型立面修整方法。首先,以ContextCapture软件生成的实景三维模型为基础,采集建筑物的矢量轮廓线;然后,利用参数化建模软件批量生成平整的建筑物三维矢量面,自动完成建筑物立面到三维矢量面的吸附,使建筑物立面结构平整;最后,以修复好的建筑物mesh模型为参考,在ContextCapture软件中进行建筑物mesh模型纹理映射,批量完成建筑物mesh模型的更新。通过多个试验场景测试,验证了该方法的有效性和高效性。     

一种顾及重叠区地形变化的DSM镶嵌线智能提取算法北大核心CSCD

针对影像密集匹配得到的分块DSM数据,本文提出了一种顾及重叠区地形变化的DSM镶嵌线智能提取算法。该方法利用DSM数据重叠区的高程偏差构建重叠区域的差值影像和差分影像,将经过去噪、拉伸和反向计算的差值影像和差分影像做融合处理。针对融合数据采用基于最小生成树的最优路径搜索方法,提取最优镶嵌线。试验结果表明,使用本算法提取的镶嵌线能有效避开高程差异大的凸出地物,保证地物的完整性,能够解决DSM数据镶嵌过程中镶嵌线的自动选择问题。该方法有效减少了传统镶嵌方法带来的误差,可靠性和稳定性较高。     

海底底质分类支持下的WorldView-3多光谱影像浅海海域水深反演

近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0～20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2～0.7 m),多元线性回归模型次之(均方根误差范围为0.3～0.8 m),对数比值模型精度最低(均方根误差范围为0.6～1.1 m)。     

室内POI显著度评价的Fisher判别法模型

随着社会经济的快速发展,大型建筑物内部结构越来越复杂,室内空间的位置服务愈显重要。地标作为室内空间中的基础要素,能够帮助人们在室内认清方向和定位。但是,现有的室内地标的选取方式大多牵引于室外准则,未考虑室内POI独有的特点,导致所选取出的地标与用户的认知不匹配。针对这一问题,本文在室内空间POI显著度影响因素探究试验基础上,采用Fisher判别法(FDA)对试验数据进行语义信息量化、构建模型、模型回判和交叉互判处理,确定了室内POI显著度评价模型,并用于室内地标的提取。结果表明,建立的判别模型对室内POI显著度的判别和分级效果显著,选取出的地标能够与用户认知结果相一致。     

基于多源点云数据的铁路线路信息化

相比于传统测量手段,移动扫描技术能够提高测量效率,但点云数据具有体积大、密度高、冗余数据多等特点,测量过程中扫描仪覆盖范围大,大量无效点云被获取。针对该问题,本文提出了一种基于多源点云数据提取铁路线路信息的方法。首先,根据钢轨点云的反射强度和几何特征预处理,采用微分的思想提取线路中心线;其次,对钢轨点云模型降维处理,参考高速铁路路用钢轨轨头宽度允许误差设定收敛条件建立钢轨模型,提取线路平面线和纵横断面;然后,利用主成分分析法和移动激光点聚类法提取接触线和站内附属设备;最后,基于反射强度快速分割钢轨,采用Dynamo编程语言对Revit进行二次开发,快速建模,对推动铁路设计智能化、可视化水平具有十分重要的作用。