车载LiDAR点云中的建筑物特征提取

针对车载LiDAR点云数据处理复杂、时间长的问题,本文以地物不同特征值作为建筑物自动提取算法的依据,通过点云数据预处理、聚类分析等一系列流程最终实现一般建筑物点云的自动提取.通过两个实验区点云数据的提取与相应的实际地物进行精度分析对比,结果表明本文算法对实例测区环境下的不同建筑物点云提取具有较好的有效性,满足数字城市三...     

南粤古驿道历史建筑数字化保护与VR场景构建

南粤古驿道遗留了众多文化遗产,具有较高的历史、艺术、科学价值,但历史建筑损坏较为严重.为推进南粤古驿道活化利用,本文采用精细三维建模技术与虚拟现实(VR)技术实现了南粤古驿道的数字化保护.首先对南粤古驿道遗址进行了分析,然后从数据采集、点云数据处理、几何模型加工、纹理贴图等方面阐述对历史遗迹进行精细三维建模和VR场景构...     

云凝结核浓度对南京地区一次冰雹云过程影响的数值研究

采用WRF模式与包含了云凝结核(Cloud Condensation Nuclei,CCN)浓度和霰雹密度预报的NSSL(National Severe Storm Laboratory,国家强风暴实验室)微物理方案,模拟不同CCN初始浓度条件下南京地区的一次冰雹云过程,分析不同CCN初始浓度影响下冰雹云过程的宏微观演变特征,以及对流发展不同阶段的水凝物粒子及流场、温度场的垂直分布特征。研究发现:1)较大的CCN初始浓度虽然抑制了前期对流降水,但对后期对流降水的产生有促进作用;2)CCN初始浓度的增加使得模拟雷达回波的强回波区域(大于40 dBz)缩小,中等强度区域(小于40 dBz)扩张。3)CCN初始浓度增大不利于对流发展初期云雨自动转化过程的发生,但是促进了冰晶与雪的产生,使得冰雹含量峰值出现的时间推迟。4)CCN浓度增大抑制了雨水产生,间接使得霰粒子更倾向于干增长,平均密度更小;5)较大的CCN浓度促使冰雹云单体的发展时间增长。     

阿拉斯加湾逆温现象的时空变化特征

基于阿拉斯加湾(Gulf of Alaska, GOA)2002—2020年的Argo浮标数据,本研究分析了该海湾逆温现象的时空变化特征,并探讨其年际变化与水体垂向位温异常的联系。结果显示,阿拉斯加湾逆温现象存在明显的时空变化。空间上,逆温幅度(ΔT)在湾北部最大,湾东南部次之,湾西南部最弱。逆温厚度(ΔD)在湾西南部最厚,湾北部和东南部依次变薄。在季节尺度上,湾北部逆温现象的季节变化最明显,冬季ΔT最大和ΔD最厚,随季节性的加热和混合作用,ΔT持续减弱,ΔD不断变薄。在湾东南部,ΔT分别在3月和9月具有0.46、0.40℃的峰值;ΔD在整个海湾中最薄,冬季最大为44 m,而秋季最小仅为23 m。在湾西南部,ΔT介于0.24～0.33℃之间,分别于4月和10月具有0.31、0.33℃的峰值;ΔD冬季最大超过100 m,秋季最薄约为57 m。年际变化上,ΔT在2002、2007—2009、2012、2017年表现为正异常,但在2003—2005、2010、2013—2016、2018—2020年表现为负异常;ΔD在2002、2007—2008、2012、2017—2020年主要偏厚,在2...     

洋面云液态水的星载被动微波仪器遥感反演研究进展

星载可见光/红外仪器因其波长缺乏穿透云的能力,只能观测到云顶及其下部有限深度的信息,而星载被动微波仪器则因其波长较长,具有穿透云的能力而能获得云体信息,因此星载被动微波仪器较可见光/红外仪器观测云和降水更具有优势.自20世纪70年代末至今,美国投入了大量星载被动微波仪器,服务于天气预报等领域,促进了云和降水等参数的被动...     

复杂城区车载激光扫描点云分层路段定位与数据纠正实验研究

高精度的车载点云数据是实现各种城市地物要素提取的前提,但在复杂城市环境下车载作业时信号遮挡、衰减和多径效应频繁发生,进而造成点云数据精度严重降低,如何对复杂环境下的点云数据进行分析和纠正就显得至关重要.现有的质量分析方法多从测距误差、仪器安装误差和数据处理误差方面出发,虽然可以在一定程度上改化数据,但在如何快速定位出分...     

吉林省一次低涡天气的云雨微物理特征

针对今年吉林省春夏之季雨水偏多的特点,我省对各种天气系统的降水进行了几次有目的的飞行探测。本文主要利用其中一次低涡天气降水过程的云雨特点,系统分析了云体微物理特征,为今后更好地了解云雨结构打基础。     

南通时空信息云平台的设计与实现

设计并实现了南通时空信息云平台,具体包括平台服务、数据库和具有南通特色的智慧应用建设,重点剖析了南通时空信息云平台的相关关键技术和平台功能实现,为后续其他城市时空信息云平台的设计与建设提供参考和指导。     

车载激光雷达点云快速栅格化算法研究及应用

针对车载激光雷达点云数据量大、密度高且存在分层错位和噪点等情况,提出了一种具实时性激光点云快速栅格化算法,该算法根据雷达扫描精度预设栅格单元大小,可在不丢失对象形状特征的情况下,能快速完成点云数据平滑及降采样处理,并将数据量缩小为处理前的60%。将该栅格算法处理后的点云数据应用于深度学习,作为pointnet++神经网络的训练集及测试集,完成语义分割模型训练与测试。实验结果表明,该算法可在1 s内完成上百万量级的点云栅格处理,并且经该算法处理后的点云数据能有效缩短训练时长、提升网络测试精度。     

激光雷达点云树木建模研究进展与展望

三维树木几何模型是数字城市与数字林业工程的重要组成部分.针对点云树木建模,深入分析了基于广义(泛在)激光雷达点云的树木模型重建方法,提出了聚类思想建模、图论方法建模、先验假设建模、拉普拉斯算子建模与轻量化表达建模5类建模体系,归纳总结了不同建模体系在树冠枝干的细节表达、建模算法性能、树木模型的多层次细节表达、建模体系综...