BP神经网络在GPS高程拟合中的应用探讨

神经网络算法一直是国内外研究的热点问题,BP神经网络算法具有更小的模型误差,因此,被广泛应用于GPS高程拟合。本文通过对同一区域GPS高程拟合的应用探究,运用迭代运算对比BP神经网络算法与多项式拟合数据,从而证明BP神经网络在一定条件下具有更高的精度,更加突出了BP神经网络算法的实用性。     

车载组合导航数据处理方法研究

在运用组合导航技术进行车辆定位导航过程中,由于环境、导航设备等因素的干扰,导航数据中会包含有较大误差的野值数据,使得导航结果与实际车辆的行驶轨迹发生较大偏差,从而给人们的日常生活带来不便。一方面,错误的导航信息会给用户增加不必要的麻烦,影响智能交通系统的发展;另一方面也影响组合导航技术的应用和推广。为此,本文提出了对车辆低速和车辆停止时的定位数据进行剔除,利用粗差剔除和多项式拟合等方法对定位数据进行分析处理,提高导航定位的准确性。跑车试验证明该方法可以有效地提高定位精度,满足车载导航的需求。     

地面三维激光扫描点云拼接影响因素分析

在地面三维激光扫描仪进行三维建模过程中,需要对不同测站的点云进行拼接。为了提高不同测站点云拼接精度,本文开展了球形标靶表面扫描点数量、标靶的分布和数量及扫描距离4个因素对三维激光扫描仪不同测站下点云拼接精度的影响研究。采用法如（FOCUS）三维激光扫描仪开展了不同扫描分辨率、不同标靶数量、不同标靶分布和不同距离下的点云拼接试验,并采用SENCE软件对点云进行了拼接精度分析。试验结果表明,选择两测站的标靶表面的扫描点数量大致相等,并将4个标靶作为连接点,且放置在不同高度不规则排列时,点云拼接的精度最优。     

基于总体最小二乘的直线拟合方法探究

在直线拟合问题中,经典的最小二乘拟合方法在自变量选取不同时,拟合的参数值和中误差存在较大差别,故本文利用模拟数据对经典最小二乘和总体最小二乘拟合结果进行对比分析,得出结论认为:经典最小二乘自变量选取不同结算参数的原因是在进行拟合计算时忽略了自变量的误差,使拟合结果只能在一个方向上保持最佳;利用总体最小二乘参数拟合的方法进行直线拟合时拟合结果不受自变量变化的影响,并能够提高拟合精度。     

基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

一种深度图像拟合圆柱的优化方法

圆柱状构件广泛存在于古建筑仿真中,为了提高古建筑深度图像圆柱拟合的精度,针对古建筑仿真3维建模的特点,提出基于高斯图获取圆柱拟合参数初始值,然后利用圆柱距离函数参数化法进行非线性最小二乘拟合的圆柱拟合方法。实验证明,该方法不仅具有较高的精度,而且拟合结果稳定可靠。     

一种改进的周跳多项式拟合方法

多项式拟合探测周跳受相位观测值所含误差的影响,随着采样数的增加,其探测周跳的能力随之降低,通常将观测数据分成若干段来进行处理。这样不可避免的增加工作强度,降低工作效率。本文根据多项式拟合探测周跳的基本原理,对多项式进行改进。经实验证明,利用改进后的多项式进行拟合能够有效地弥补传统方法的不足,使周跳的探测与修复更加稳定可靠。     

Road Surface Modeling and Representation from Point Cloud Based on Fuzzy Clustering

A scheme for an automatic road surface modeling from a noisy point cloud is presented. The normal vectors of the point cloud are estimated by distance-weighted fitting of local plane. Then, an automati...     

区域似大地水准面精化模型算法的优选

建立高精度、高分辨率的区域似大地水准面模型是GPS高程测量在实际应用中必须解决的首要问题,分别介绍BP神经网络、曲面拟合的模型及算法,并基于焦作市GPS测量数据,通过MATLAB编程计算和分类实验,验证几种算法的有效性与可靠性,结果证明神经网络算法要优于其它算法,最后给出有益的结论.