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。     

Detail focused fusion of hyperspectral and multispectral imagesEI北大核心CSCD

Hyperspectral image (HSI) and multispectral image (MSI) are two types of images widely used in the field of remote sensing. These images are useful in certain applications, such as environmental monitoring, target detection, and mineral exploration. HSI contains a large amount of spectral information. Photons are typically collected in a larger spatial area on the sensor to ensure a sufficiently high signal-to-noise ratio (SNR). Accordingly, the HSI spatial resolution is much lower compared with MSI. This low spatial resolution greatly affects the practicality of HSI. Accordingly, fusing a low-spatial resolution HSI (LR-HSI) with a high-spatial resolution MSI (HR-MSI) in the same scene to obtain a high-resolution HSI (HR-HSI) is a method for solving such problems, which resolves the contradiction that the spatial resolution and the spectral resolution cannot simultaneously maintain a high level. From the analysis of fusion effect, the spatial and spectral reconstruction errors of the existing algorithms are mainly reflected in the edge and detail areas. The method proposed in this work was a fusion algorithm for dictionary construction and image reconstruction based on detail attention. In terms of maintaining spectral characteristics, the spectral distribution in the detail area is complex and diverse because of the proximity effect of the image. This work proposes to perform dictionary learning on the image and detail layers. The detail perception error terms and a constraint of edge adaptive directional total variation are proposed for spatial characteristic enhancement, which is combined with a local low rank constraint in the same fusion framework to estimate the sparse coefficient. Experiments were conducted on two datasets, namely, Pavia University and Indian Pine, to verify the effectiveness of the proposed method. The quantitative evaluation metrics contain peak SNR, relative dimensionless global error in synthesis, spectral angle map, and universal image quality index. Based on the experimental comparison, the fusion result of the algorithm proposed in this work is significantly improved compared with those of the other algorithms in terms of spatial and spectral characteristics. This work uses dictionary learning to propose a fusion algorithm for dictionary construction and image reconstruction with attention to details through the analysis of the existing hyperspectral and multispectral image fusion algorithms. A hierarchical dictionary learning algorithm is proposed to address the problem of large reconstruction error in the detail part of the existing algorithms. The detail perception error term and the direction adaptive full variational regularization term are used to improve the spectral dictionary solution and coefficient estimation, respectively. The result of the fusion is the error in the spectral characteristics and spatial texture of the detail, which achieves an accurate representation of the edge detail. © 2022 National Remote Sensing Bulletin. All rights reserved.     

基于非线性滤波的风廓线雷达数据处理

针对实际工程中风廓线雷达风向、风速随高度分布取值的非线性特性以及非气象干扰因素,基于非线性化方法——扩展卡尔曼滤波法,对风廓线雷达探测数据进行滤波处理.先利用泰勒展开式的一次项对非线性方程作线性化处理,再结合经典的卡尔曼滤波进行滤波估计,将非线性滤波问题转化为一个近似的线性滤波问题.仿真实验结果表明,该方法可以有效去除风场数据中掺杂的噪声干扰,很好地发挥了其非线性特性,滤波效果优于传统的卡尔曼滤波,具有一定的工程应用前景.     

基于模糊贴近度的SAR影像变化检测方法研究

经典的基于比算子的差异图构造方法,主要是针对单一像素进行运算,因此影像噪声对差异图有一定程度的影响.将模糊贴近度应用于差异图的构造过程中,利用经典算子和模糊贴近度分别构造差异图;然后对差异图进行双边滤波和灰度过渡区域提取,从而确定影像分割阈值,得到两期影像变化结果;最后采用相关的参数指标对结果进行分析评价.结果 表明,...     

BRDF模型参数分阶段鲁棒性反演方法

遥感BRDF物理模型均建立于一定的假设或基于某些理想状况，其模拟的数据与观测数据之间多少会存在一些差异（误差）。利用BRDF模型反演地表参数时，如果不加选择地使用所有观测数据，势必会影响模型参数反演的准确度。遥感反演时一般都采用代价函数进行参数拟合。经典的最小二乘（LS）拟合代价函数对正态分布误差具有一定的抗干扰性，但是当观测数据含有异常值时却会导致反演结果的不稳定。最小中值平方（LMS）方法具有鲁棒性特点，反演时若将其作为代价函数，则可以有效地检测出观测数据中含有的异常值，从而可以使模型反演准确度提高。本文以遥感BRDF物理模型——SAIL模型为例，使用模拟数据与真实地面观测数据，构建LMS与LS两种代价函数，分阶段地进行地表参数的反演方法研究。结果显示，针对具有一定误差或模型不能完全表示的观测数据，本文采用的分阶段方法可以对模型参数鲁棒地反演。     

基于自适应采样粒度模型的空间方向关系模糊描述方法

针对空间方向关系具有不确定性的特点以及现有的方向关系表达方法的局限性,结合模糊理论分析方向隶属函数的基本特征,建立基于非线性隶属函数的8方向模糊描述参考框架。分析空间目标间的距离、尺寸、形状等因素对方向关系的影响,提出空间目标的自适应采样粒度模型。在保证空间方向关系一致性的前提下,对空间对象进行采样处理生成合适大小的点集。在8方向模糊描述参考框架下,统计点集之间的8个方向模糊矩阵,得到空间对象之间在各方向概念上的隶属程度,实现空间方向关系的细节模糊描述。通过实例分析验证该模糊描述方法的可行性和有效性。     

R-T-S平滑算法在POS数据后处理中的应用

高精度的定位定姿系统（POS,Position and Orientation System）在测绘领域发挥着重要的作用,为了提高数据的精度,将平滑技术应用于POS数据的后处理中.文中介绍POS数据后处理算法的流程,对平滑技术尤其是应用最为广泛的R-T-S平滑进行详细分析,并对该算法进行数值仿真.结果表明,与传统的卡尔曼滤波相比,R-T-S平滑不仅可以提高位置姿态精度,而且在卫星信号失锁的情况下精度也能得到大幅改善,是一种有效的数据处理算法.     

自适应卡尔曼滤波在沉降预测中的应用

随着我国经济高速发展,对煤炭资源的需求与日俱增,矿山大量开采造成矿区地表大面积沉陷.对于地下采煤,地表点的移动经历一个由开始移动到剧烈移动,最后到停止移动的全过程.为了更好地掌握矿山开采地袁沉降移动规律,本文采用自适应卡尔曼滤波与标准卡尔曼滤波对其进行预测与分析.     

基于GPS软件接收机的SINS／GPS紧组合系统仿真

为了系统验证SINS／GPS紧组合系统的性能,基于GPS软件接收机,进行了仿真系统构建。仿真系统由轨迹发生器、GPS中频信号模拟器、IMU信号模拟器、GPS软件接收机、SINS导航解算模块、组合滤波算法和导航性能分析模块等部分构成,其中详细设计了GPS软件接收机中的捕获和跟踪算法、SINS解算以及基于伪距和伪距率的组合滤波算法。仿真结果表明：紧组合导航系统收敛性较好,能够一定程度上抑制惯导系统误差的积累,有较好的导航性能。设计的该系统满足紧组合导航系统性能验证的需要,也为后续的超紧组合研究奠定了良好的基础。