全野外数字化测图中高程数据出错的解决办法

在全野外数字化测图中,高程数据质量的好坏,直接影响地形图产品的质量,文章针对利用全站仪进行全野外数字化测图工作中,高程数据容易出错的几个环节,提出对高程数据出错的解决的方法。     

直线段检测算法在机载LiDAR建筑物轮廓线提取中的应用

针对机载LiDAR点云数据提取建筑物轮廓线耗时多且精度不高的问题,本文提出了一种基于直线段检测(LSD)的机载LiDAR建筑物轮廓线提取方法。该方法首先对已分类的建筑物点云进行栅格化得到二值图;然后对二值图进行膨胀、腐蚀操作,消除二值图中因栅格化产生的空洞;最后利用LSD算法进行直线检测获取规则的建筑物轮廓线。经过实测数据的验证,本文方法可以检测到亚像素级的建筑物轮廓线,与传统的Canny算法相比能够提高约50倍的效率。     

移动背包三维激光扫描系统在陡岸水库测绘中的应用——以白鹤滩水电站库区典型河段为例

针对陡岸水库岸坡度大、地形狭窄复杂、植被覆盖度高、水文泥沙监测精度要求高,且传统人工走测难度大、效率低、风险高的问题,本文提出了移动背包三维激光扫描系统观测方法,并以白鹤滩水电站库区典型河段为例,开展了移动背包三维激光扫描系统的应用试验研究。定性定量成果表明,移动背包三维激光扫描系统测量平面中误差为0.024 m,高程中误差为0.044 m,相对面积较差为0.24%,精度符合技术要求,较人工走测工作效率提高3.75倍,十分适用于陡岸水库监测。     

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。     

融合自适应最优邻域和卷积神经网络的三维点云分类

针对点云分类中提取单个点自身特征所需的邻域尺寸选择,以及低层次特征设计烦琐且表达地物属性能力较弱等问题,本文提出了一种自适应选择单点最优邻域尺寸及学习泛化能力更强的深层次特征的三维点云分类方法。首先基于自适应最优邻域尺寸选择获得每个点的最优局部邻域信息,继而基于局部邻域信息提取点云低层次特征;然后设计一种以待分类点低层次特征为输入的卷积神经网络模型,学习能反映目标地物内在属性的深层次特征并实现分类;最后采用拓普康公司三维点云数据集进行试验,该数据集通过一个配备TOPCON GLS-2200三维激光扫描仪的移动平台获得。试验结果表明,本文方法分类的总体精度达90.48%,优于文中其他点云分类方法。     

农村土地确权勘测定界中界址点测量方法探讨

界址点测量是土地确权勘测定界的重要工作之一。文中介绍了界址点的不同测量方法,主要包括全站仪坐标测量法、常规GPS-RTK测量法、单基站CORS测量法和网络CORS测量法,并以实例分析了这四种不同测量方法的精度,得出了有益的结论。     

基于多源数据的城市功能区的识别与分析

随着城市化进程的不断推进,城市功能区作为城市规划中重要的基础组成部分,对城市功能区的空间布局现状进行研究是十分必要的。文中基于POI数据、手机信令数据、土地利用数据等多源数据,通过对POI数据构建“空间面积—人口热度”二元权重计算模型,滨城区进行功能区划分并分析结果。经过精度检验,Kappa系数为0.772,功能区的识别精度较高。结果表明,主城区的混合度较高,其承载着主要的居住和生活服务;滨城区功能的空间分布具有一般集聚的特点,呈东南—西北分布趋势,且在各个方向上发展较为均衡。功能区划分能够为城市科学合理的规划提供借鉴,及时发现城市规划中的问题并能够优化解决。     

结合自注意力机制的多特征融合点云语义分割网络

由于三维激光点云的无序性、稀疏性、非结构性以及光谱纹理信息缺乏,使得点云的语义信息提取十分困难,而可以直接对原始非结构化点云进行语义分割的PointNet++网络无法考虑点云的空间相关性。针对这个问题,本文提出了一种结合自注意力机制的多特征融合点云语义分割网络,使用PointNet++和非局部信息统计注意力模块分别提取点云的多尺度特征和空间相关性特征,并融合两种特征以进行最终的点云分割。通过在ISPRS 3D语义分割数据集上进行对比实验,证明本文通过自注意力机制提取的空间相关性特征优于人工设计的特征,可以明显提高点云语义分割的精度,本文方法较PointNet++总体精度提升了4.5%。     

点质量融合模型的海空重力数据延拓分析

针对无高质量的数据对传统的虚拟点质量模型对重力数据改正时,易受系统误差影响及解算不稳定的问题,该文将海空重力数据中的系统误差用非参数分量表达,对点质量模型进行改进,建立了虚拟点质量的半参数模型,引入核估计方法,利用偏残差估计方法,进行三步拟合估计,得到了系统误差和点质量参数的估计值。在分离系统误差的基础上,引入正则化方法改善病态,将建立的模型与正则化方法相结合,建立了综合半参数核估计和正则化方法的点质量融合模型,可在无外部重力时估计系统误差,同时完成多源数据融合。基于EGM2008位模型产生海空重力异常数据,采用线性项和周期项系统误差进行仿真实验,结果表明改进后的点质量模型能够有效利用外部数据,在改善病态和分离系统误差方面提升精度效果明显。并以北卡罗来纳实测海空重力异常数据验证该文方法的有效性,结果表明在无外部数据时,该文方法能有效地分离系统误差,并且精度与引入外部数据改正后的正则化方法相当。     

惯性测量单元辅助的LiDAR动态点云剔除方法

针对动态场景下动态目标影响激光雷达同时定位与建图算法(LiDAR SLAM)的精度和成图效果问题,该文提出一种基于惯性测量单元(IMU)辅助的多层次模糊综合评价动态点云剔除方法。通过标定IMU/LiDAR外参统一两类传感器坐标系,再将每帧点云聚类分割为若干点云簇,以此为基础,利用IMU信息辅助建立相邻帧各点云簇间的配对关系,构建点云运动状态多层次模糊综合评价模型,判定各点云簇的运动状态,最终将动态点云簇从原始点云数据中剔除。为验证该文方法的可行性和精确性,设计了动态点云剔除实验,并将剔除动态点云后的点云数据输入激光雷达里程计与建图算法(LOAM)进行定位与建图。实验结果表明,该文方法动态点云的剔除成功率为98.67%,静态点云的误剔除率为2.01%,能够有效地提高点云数据质量。相比基于原始点云数据的LOAM算法,均方根误差降低了66.06%,最大误差降低了72.78%,实现了厘米级精度的定位,并且优化了建图效果。