电力巡线LiDAR点云电塔自动定位和提取算法

针对电力巡线机载激光雷达（LiDAR）激光点云电塔自动提取问题,提出了一种电塔自动定位和点云提取算法。首先,基于点云进行二维空间网格划分,利用网格点云高程偏差和方差特征提取潜在电塔网格;其次,基于电塔点云的高程连续特性完成电塔自动定位和点云粗提取;然后,利用点云分层密度信息和图像开运算,实现电塔精细提取;最后,利用轻小型无人机载激光雷达数据验证本文算法的有效性。试验结果表明,本文所提出的自动提取算法,能够有效解决LiDAR数据中电塔自动定位和点云提取问题,在LiDAR数据质量较差时仍能够取得良好效果,算法对于噪点数据具有较强的稳健性。本文所提出的电塔自动提取算法在LiDAR电力巡检数据处理中具有一定的应用价值。     

结合图像增强和恢复的增强现实跟踪注册

增强现实中的跟踪注册技术一直是研究的重点和难点,而地下矿道和巷道内亮度低,产生的图像较昏暗,车载相机快速运动和抖动,对传统的基于特征匹配的跟踪注册提出了挑战。本文从提高增强现实中跟踪注册稳健性和精度出发,采用基于Retinex改进的方法增强昏暗图像的亮度,同时利用基于对抗神经网络的方法恢复运动模糊图像。首先提取图像ORB特征,实现初始化;然后根据跟踪特征点的数量,开启图像增强和图像恢复线程,提高特征点提取质量和数量。在数据集和真实模拟场景下的试验结果显示,跟踪精度提高了12%左右,在低亮度和含有轻微模糊的情况下,跟踪注册稳健性也有显著提高。     

一种云端一体化的土地督察遥感监测方法

针对目前土地遥感监测工作中存在的监测频次低和数据现势性差等问题,通过统筹获取国产卫星影像数据提升监测频次,设计了多源遥感影像的空间网格组织和调度方法,改变传统的影像切片发布模式,建立实时影像服务方法,大幅提升了土地督察遥感监测时效。通过在国家土地督察济南局试点应用,研发了云端一体化的土地督察遥感监测服务平台,实践证明基于空间网格的影像组织管理效率优于传统金字塔切片管理模式,有效支撑了违法用地、永久基本农田保护和城市开发边界突破等监测预警,应用成效显著。     

移动GIS在传染病防控方面的应用——以COVID-19为例

新型冠状病毒肺炎（COVID-19）疫情的出现和暴发流行,给社会、经济及人群健康提出巨大的挑战,已经成为重大公共卫生事件和社会问题。作为一种新发传染病,提早发现、迅速采用有效应对举措,是防止病毒蔓延扩散的重要环节。地理信息系统（GIS）在传染病的控制、预防、预警中有举足轻重的地位,移动GIS（Mobile GIS）作为GIS技术的发展,进一步提高了我国卫生部门应对突发传染病的能力。本文以COVID-19防控为例,重点介绍了移动GIS技术在传染病防控中的应用。     

高精度导航电子地图的国家安全防控要点探究

近年来,汽车工业已进入智能时代,自动驾驶汽车必将引领时代风潮,与之而来的则是高精度导航电子地图产业的大发展。然而,高精度导航电子地图的出现,使导航电子地图由人读向机读转变。与之伴随的数据采集、更新、使用等方面的变化及可能产生的各种问题不容忽视,尤其是部分环节如果处理不当还将威胁国家安全。本文从高精度导航电子地图对国家安全可能造成危害的风险点切入,分析了高精度导航电子地图在数据采集、更新、使用等环节的国家安全风险,制定防控要点,为促进高精度导航电子地图行业的健康发展发挥相应作用。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

空-谱融合的条件随机场高光谱影像分类方法

高光谱遥感数据具有光谱信息丰富、图谱合一的特点,目前已经广泛地应用在对地观测中。传统的高光谱分类模型大多过分依赖影像光谱信息,没有充分利用空间特征信息,这使得分类精度还有很大的提升空间。条件随机场是一种概率模型,能够较好地融合空间上下文信息,在高光谱影像分类中已经得到越来越多的关注,但大部分条件随机场模型存在超平滑的现象,会导致影像细节丢失。针对该问题,本文提出了一种优化融合影像空-谱信息的高分辨率/高光谱影像分类方法,该方法将影像的纹理信息与原始光谱信息进行融合,利用SVM分类器对其进行预分类,并将各类概率定义为一元势函数,以融合空间特征信息;然后将空间平滑项和局部类别标签成本项加入二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息。最后,通过两组的高分辨率/高光谱影像数据进行试验。结果表明,与SVM算法、传统的条件随机场方法和面向对象的分类方法相比,本文提出的算法在整体分类精度上分别提高了10%、9%和8%以上,同时在保持地物边缘完整性、避免“同谱异物”与“同物异谱”的现象方面有较明显的优势。     

Cyclone在数字校园三维激光点云数据预处理中的应用

为了高效获取精确的数字校园地形图的测量数据,通过Leica ScanStation P40对校园进行三维激光点云数据采集,并结合Cyclone中的去噪模型对点云数据进行去噪,利用“六自由度”方法和ID号对标靶进行拟合,在一定约束条件下完成点云数据的坐标匹配、拼接以及优化,得到统一坐标系下的点云数据。结果表明:优化后的点云数据精度可达到6 mm。可见处理后的点云数据能够满足数字校园地形图的高精度要求。     

融合多源数据的三维建模方法及精度分析

以地面相机影像、低空无人机影像和地面三维激光点云数据为融合对象,研究空地影像融合、低空影像融合地面三维激光点云和低空影像融合三维白模进行三维建模的方法,并对其三维建模精度和建模效果进行综合分析。这3种融合方法进行三维建模丰富了三维模型的色彩纹理信息,提高了三维模型的几何结构精度,能满足较大场景的三维实景模型的建模要求,为数字化古建筑(古文物)保护提供具有较高价值的参考数据。     

不同测站点云数据的配准算法

随着三维激光扫描技术的发展,利用三维激光扫描仪采集信息,构建三维模型成为了热门的课题。由于受到观测环境、观测方向等影响,无法一次性地获得物体的所有的点云数据。因此,不同视角下点云数据的配准成为了三维建模中的关键技术,直接影响了最终的重合结果以及模型精度。本文着重研究主方向贴合法和最近点迭代算法(ICP算法),基于matlab平台编写算法,并对算法进行研究,得出配准结果以及配准精度。