基于影像点云的三维激光扫描仪成图与建模软件

一、引言随着信息技术的发展,数字城市建设在全国已经形成一股势不可挡的浪潮。城市地形三维信息的快速采集与提取是当前数字城市建设的热点与难点。基于三维激光扫描数据的数字测图与三维建模日益成为非常有竞争力的数据获取手段之一。但目前市面上采用的测图与建模方法基本上只基于激光点云数据,而点云的可视化效果与可视性不强,导致成图与建模判读困难、速度慢、成     

基于C#与MATLAB混合编程实现变形预测分析

工程项目的施工期、运营期均需要进行变形监测观测,以便全方位掌握构筑物的稳定性,但其中数据分析的实现方式、方法各有不同。本文采用C#与MATLAB混合编程,结合两种编程语言的优势,详细叙述了混合编程的实现方法,并以灰色模型为例,验证了可行性,证实了该模式可以快速开发满足项目需求的程序,实现对监测数据的分析、预测。     

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)。     

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。     

3DS Max与MultiGen Creator联合建模在建立三维城市模型中的应用

针对"数字沈阳"三维地理信息系统中建模质量与建模效率相矛盾的问题,阐述了3DS Max与MultiGen Creator两种建模软件各自的特点,分析和总结了建模过程中需要注意的问题。结合沈阳三维地理信息系统,探讨了3DSMax与Multigen Creator两者相结合的综合建模技术,建立了沈阳市城市三维模型。     

QuickBird影像的正射校正研究

根据现有的数据特点和项目要求,在Erdas软件中,对Quickbird影像提出了可行的正射校正流程,重点分析有理函数模型的数学推导和算法实现,最终解决在校正过程中遇到的问题。     

经典测量平差模型等价性分析

对经典平差模型进行了较深入的分析和比较,在数学推导的基础上,附有参数的条件平差都可以转换成其他模型。在某种意义上说,附有参数的条件平差也可作为概括模型。     

基于深度学习与随机森林的PM2.5浓度预测模型

针对PM_2.5浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘,而深度学习算法在数据较少情况下效果不佳的问题,综合考虑深度学习与随机森林的特点,提出一种基于深度学习与随机森林的PM_2.5浓度预测组合模型。模型以气溶胶光学厚度(AOD)遥感数据、气象再分析数据和PM_2.5地面观测数据构建训练数据集,通过深度学习方法对训练数据内部深层次隐含特征进行提取,将提取得到的隐含特征用于随机森林模型训练,并使用随机森林回归算法得到PM_2.5浓度的预测值。为验证方法的有效性,以河南省区域2018年—2019年的PM_2.5浓度估算为例,将原始特征与利用CNN、LSTM和CNN＿LSTM所提取特征共同构建的新特征分别通过随机森林回归、支持向量回归以及K近邻回归等3种传统机器学习方法进行训练和预测。实验结果表明,在较少数据情况下PMCOM模型无论是在整体预测还是在分季节预测场景下均具有较好的预测精度,其中以LSTM为特征选择器,RF为回归器的组合模型是本实验的最优模型,在即使只有35%...     

地基LiDAR林木点云估算枝干材积

材积是森林清查工作的一个重要参数,基于地基激光雷达点云的树木定量结构模型（QSM）重建方法能够实现林木材积的非破坏性获取,解决了传统森林原位调查方式耗时耗力的问题。但由于伐木材积真值的获取较难实现,使得量化结构模型方法的材积获取能力在树干及各级树枝水平上尚未开展研究,且仅应用于单木尺度地基激光雷达点云中,缺乏基于样方尺度扫描点云进行材积获取的探究。因此本文分别在单木及样方尺度完成QSM重建方法在树干及各级枝材积估算结果评估。实验结果表明,基于单木及样方尺度地基激光雷达点云均能有效地获取树干和一级枝的材积,而次级枝的材积估算存在明显的偏差：样方扫描尺度点云的树干及全树材积估算精度与单木尺度相当,估算偏差均为5%及10%左右,而一级枝材积估算偏差略大,其中单木尺度一级枝估算偏差在10%左右,样方尺度一级枝材积估算偏差在15%左右;此外,林分密度与样方尺度枝干材积估算精度呈负相关关系,在较低林分密度（425株/ha、625株/ha和925株/ha）的样方中树干材积估算误差均在5%以内,一级枝材积估算误差在15%左右,另外受树干及一级枝材积低估与各次级枝材积高估的部分中和效应影响,样方内总蓄积...