多场景下的Android设备伪距单点定位及精度评估

全球导航卫星系统(GNSS)是以人造卫星为导航站的星载无线电导航系统,为陆、海、空、天等各种军民载体提供全天候、高精度的定位、速度和时间信息.普通智能手机用户从Android Nougat 7.0之后可以获取原始GNSS观测量,为了评估其定位精度.本文采用魅族Note9手机作为采集GNSS原始观测值的智能终端,利用Ge...     

基于WorldWind与无人机影像的三维场景重建与漫游研究

本文基于无人机低空遥感影像与拼接镶嵌处理结果,在WorldWind开源软件框架上,二次开发与实现了影像金字塔的构成过程与在NASAWorldWind中的快速实时显示,并结合数字高程信息（DEIM）、无人机飞行过程中的GPS定位信息与WorldWind中NLTLandsat7（VisibleColor）影像数据,建立了无人机遥感影像的实时三维地形重建与场景漫游系统。该系统为矿区地形分析与建设规划、灾区灾情监测与快速应急处理等提供了较好的应用平台。     

基于多源数据的旅游者视觉行为模式与感知评估方法

用户生成内容（User Generated Content,UGC）作为感知旅游地物质空间的新型地理大数据,以使用者的视角描绘了旅游地的客观环境,是探索旅游目的地感知的重要途径。然而,传统的旅游研究对旅行摄影照片处理能力有限,深度学习图像语义分割技术的发展,为挖掘旅游者视觉行为模式,探索旅游地环境感知提供了有力支持。本研究提出了整合在线旅行照片大数据与问卷调查小数据的旅游者视觉行为模式与感知评估框架,并将其应用于鼓浪屿案例。首先将744条旅游轨迹,聚类为6类视觉行为模式,并可视化与时空分析;其次基于全卷积网络算法,量化22 507张旅行照片语义,探索不同视觉模式的旅游者关注要素的空间分异;最后通过照片语义与场景感知问卷调查的相关性分析和多重线性回归模型,评估旅游地整体视觉感知满意度,并提出相应的空间优化建议。研究表明：(1)鼓浪屿旅游者视觉行为模式聚类为单点游、海岛风光游、环岛游、街巷空间游、遗产建筑游和全岛游6类;(2)不同视觉行为模式的旅游者视觉兴趣区存在空间集聚现象,视觉空间转移遵循地理邻近效应;(3)相关性分析与模型结果表明,旅游者偏好空间开敞度较高的区域,感知满意度越低的区域...     

三维GIS空间-属性信息交互查询的设计与实现

阐述了三维查询功能的开发思路,设计了一种三维场景空间信息组织结构和查询功能实现算法,利用Visual C 结合OpenGL运用面向对象技术从底层开发,数据库的连接采用ADO技术,通过实现原型系统表明方法的可行性.     

地理学视角下土地利用/覆被分类发展探讨

随着对地观测和互联网技术的发展,地理大数据时代正在到来,其多尺度、长时序、多模态等海量“超”覆盖数据为土地利用/覆被（Land Use/Land Cover, 简称LULC）分类及变化检测带来巨大的机遇,支撑着新时代人、地两大系统相互作用关系的认知和实践。然而,多数地理学者认为地理学基本原理与核心思想并未因为大数据的到来而发生本质性变化。所以,从地理学基本原理角度理解LULC分类的发展,尤其在地理大数据时代的发展方向,不失为一条可行的途径。为此,本文从区域、尺度、综合三方面的地理学基本原理视角将LULC分类技术的发展划分为地球观测数据匮乏阶段、人类行为数据融合阶段以及地理大数据“超”覆盖阶段分别探讨分析,以期主动把握LULC分类技术及应用的未来发展趋势。研究结果显示：在地球观测数据匮乏阶段,LULC分类多以类型还不丰富的遥感数据源,在空间分辨率较低的像元尺度上,进行以地表覆被状态为主的分类;发展到人类行为数据融合阶段,LULC分类在城市区域率先出现了对地观测数据和人类行为数据相融合,在街区尺度上进行以空间功能异质性划分、识别为主导的城市功能区分类;在地理大数据“超”覆盖阶段,LULC分类将实现多尺度协同、面向全空间的功能异质性划分,并在主体功能的基础上融合“社会-经济-自然”多维定量属性,本文称之为“空间场景”。希望本文的探讨能够为地理大数据时代LULC分类的新技术发展和新产品应用提供有益启示。     

非校正相位延迟参数在复杂铁路场景下GPS精密单点定位应用研究

在复杂艰险地区的铁路沿线上全球卫星导航系统(GNSS)基准站相对较少且稀疏,如何获得该场景下测站点的高精度位置信息是亟待解决的重大问题.论文以GPS系统为例,利用铁路沿线上7个GNSS测站点(14个观测时段)分别开展了卫星跟踪数和位置精度因子(PDOP)评估,观测数据的可靠性、高精度性验证以及固定解精密单点定位(PPP...     

无人机组网遥感数据体系建设评介

无人机组网遥感数据是指在无人机组网条件下获取的遥感观测数据。随着无人机组网系统的复杂化,获取的遥感数据呈几何量级增长,迫切需要一种与无人机组网技术相匹配的标准化无人机组网遥感数据管理体系。遗憾的是,迄今为止,国内外还没有完善的无人机组网遥感数据体系,也没有相关文献系统地介绍无人机组网遥感数据体系的发展历程。论文依次对无人机组网遥感数据的发展历史、数据特点、数据界定和分类标准、获取和处理流程、不同场景下的应用进行了系统的梳理,指出了无人机组网遥感数据体系未来的研究方向。研究成果是无人机组网遥感数据体系研究的一次探索,将为无人机组网条件下相关行业标准的制定提供参考依据,也为无人机组网遥感数据的深层次应用提供借鉴。     

利用多尺度特征与深度网络对遥感影像进行场景分类

针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。     

基于泛在信号融合的室内外场景鲁棒感知算法

针对室内外场景结合的导航应用服务需求的发展以及现有室内外场景感知方法的识别稳定性较低、准确率不高问题,本文提出一种基于泛在信号融合的室内外场景鲁棒感知算法,利用室内外场景中融合的泛在信号降低单一信号识别误差;同时为提高传统AdaBoost算法对不平衡数据集的分类精度,采用概率神经网络（PNN）作为训练的弱分类器,并引入熵权法,对迭代产生的弱分类器的权重进行修正来提高强分类器的分类准确率．现实场景下的实验表明,本文算法在采用室内外环境中的WiFi信号、全球卫星导航系统（GNSS）可用星数、光照强度这三种融合的泛在信号进行室内外场景感知时性能最佳,对于不同角度方向下的室内外场景切换,可以在误报率仅为1.7％的情况下,达到98％的识别准确率,验证了本文所提算法的准确性和鲁棒性．      

虚拟演播室技术在电视天气预报节目中的应用

主要叙述了虚拟演播室技术在电视天气预报节目中的实现过程及其重要作用。