语素关联约束的动态环境视觉定位优化

在自动驾驶场景中,视觉相机能够实现低成本的定位与环境感知,但是场景中的动态目标会影响视觉定位的轨迹.对此,本文提出了语素关联约束的动态环境视觉定位优化方法.首先,利用目标检测和语义分割提取环境中的语义实体;然后,通过语素关联模型识别出动态语素;最后,建立动态语素的特征掩膜,用于特征匹配过程中的动态目标特征点过滤,从而提高视觉定位效果.本文基于视觉机器人平台在校园道路开展了试验,发现了动态目标通过关键点影响视觉定位结果的规律——在转弯时或者目标在视野中横向移动时影响较大.试验结果表明,本文方法的动态语义要素识别的平均精度F1约为87％,并且在语素关联优化前后,局部区域最大轨迹距离差为2.463 m,与真值对比RMSE降低了38％.     

面向城市精细化治理的"地楼房权人"实体构建

构建基础时空信息底板,是实现智慧城市内部多源、异构、海量数据间的关联与融合,保障各类智慧应用正常运转,实现城市精细化治理的前提.文中提出"地楼房权人"多层次城市实体模型,并基于该模型设计并实现"地楼房权人"实体建库、城市多源信息关联融合的业务框架,并通过应用展望,从教育学位配置和医疗资源管理等方面举例说明基于"地楼房权人"实体模型的多源信息关联在城市精细化治理中的应用价值.研究表明,通过构建"地楼房权人"等城市实体数据,并基于此关联集成各类城市数据,最终形成面向城市精细化治理的基础时空信息底板,将为智慧城市的各类应用提供基础支撑.     

排水管网多尺度几何语义建模

针对排水管网管理业务的不同需求,研究排水管网的多尺度几何语义表达方法,本文提出了包含“源—网—厂—汇”的排水管网多尺度几何语义模型。通过对排水管网组成要素及其相互间的关系进行系统地分析,并参考CityGML规范,提出了排水管网多细节层次模型;根据不同排水管网要素的特点,采用符号化及BIM等建模方式分别构建了不同细节层次的排水管网要素模型,支持排水管网多尺度可视化分析。并以某区域的排水管网数据为例,对本文提出的建模方法进行验证。     

多尺度数据库中地图符号冲突处理方法研究

新形势下,为满足地图保障服务的新需求和高要求,江苏省基础地理信息中心建设了基于制图表达知识规则的多尺度地图数据库,用于生成符合印刷要求的地图产品.在多尺度地图数据库建设过程中,要重点解决已有的完善数据成图时出现的制图符号冲突,即地图数据经过制图综合和可视化表达后,仍存在符号冲突.目前,符号冲突处理的自动化程度很低,为达到制图规范的要求,需要进行大量的人机交互工作.本文结合制图规则,利用协同移位算法,建立了符合实际需求的符号冲突处理方法模型,解决了地理数据库向地图数据库扩展过程中地图符号冲突问题,提升了多尺度地图数据库建设中符号冲突处理的质量和总体效率.     

基于"双评价"的哈尔滨市国土空间开发利用现状研究

"双评价"作为国土空间规划编制的基础性工作,明确了农业生产和城镇建设最大规模及适宜性空间.本文基于哈尔滨市"双评价"国土空间开发适宜性评价结果,运用ArcGIS软件中空间叠加分析方法对哈尔滨市国土空间开发利用现状和冲突空间分布情况进行分析;结合承载规模评价结果和国土空间开发利用现状,对哈尔滨市农业生产和城镇建设超载规模进行分级;针对国土空间开发利用突出问题和风险,分析国土空间布局优化的路径及具体措施.     

深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用

全域综合整治背景下的宅基地复垦项目审查是保证复垦项目合法性合规性的有效手段,针对当前宅基地复垦项目审查效率低的问题,本文提出了基于遥感影像的农村宅基地复垦项目立项真实性审查方法。首先以重庆市农村宅基地复垦项目为例,建立宅基地复垦项目立项真实性审查模型,利用改进的U-Net模型准确提取建筑物,然后与复垦红线叠加实现复垦项目真实性的智能审查。试验结果表明,该方法能够快速准确地审查复垦项目真实性,对优化土地结构、促进土地流转、实现乡村振兴具有重要意义,可为全域综合整治背景下宅基地复垦项目真实性审查提供技术参考。     

基于改进DeepLabV3+算法的遥感影像建筑物变化检测

变化检测是遥感测绘领域的重要任务,作为执法依据,在耕地非农化等场景监测中发挥重大作用。近年来,使用人工智能相关技术进行变化检测,常见的技术方案为叠加两期影像,再使用语义分割算法求解变化区域。本文使用变化检测数据集LEVIR-CD作为试验数据,在DeepLabV3+算法基础上,针对变化检测场景特点,对模型结构进行改进。以DeepLabV3+的孪生网络为主干,使用多层级特征交互操作,充分融合图像特征。结果表明,改进的网络结构更加适合变化检测任务场景。     

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。     

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。     

时空和语义结合的船舶轨迹数据压缩方法EI北大核心CSCD

大数据时代积累了覆盖范围广、时效性强的船舶轨迹数据。对海量冗余轨迹数据进行压缩,可提高检索效率,降低数据存储和传输负担;然而现有方法容易忽略移动对象的运动特征。因此,本文提出一种顾及轨迹时空特征和航行语义特征的压缩方法。首先,分析船舶轨迹的空间、时间和语义特征,设计顾及时空语义特征的轨迹数据压缩流程;其次,通过道格拉斯-普克和滑动窗口法计算轨迹点的时空和语义特征值;然后,加权融合轨迹点的时空和语义特征,构建轨迹点的重要性排序,并通过指定压缩比例获取保留轨迹点数目,实现船舶轨迹数据压缩;最后,根据压缩算法效率、质量和实例分析,表明本文方法可保留行驶的动态语义信息和时空形态特征,既可根据压缩比例控制压缩过程,又可显著减少数据冗余,为后续轨迹挖掘等应用提供数据基础。