G-凸空间内的连续选择定理和重合点定理

在G-凸空间内得到了一些新的连续选择定理,并利用连续选择定理证明了非紧G-凸空间内及乘积G-凸空间内的重合点定理.这些定理改进并推广了最近文献中的一些已知结果.     

Streamflow estimation using optimal regional dependency function

The determination of spatial dependency of regionalized variable (ReV) is important in engineering studies. Regional dependency function that leads to calculation of weighting coefficients is required in order to make regional or point‐wise estimations. After obtaining this dependency function, it is possible to complete missing records in the time series and locate new measurement station. Also determination of regional dependency function is also useful to understand the regional variation of ReV. Point Cumulative Semi‐Variogram (PCSV) is another methodology to understand the regional dependency of ReV related to the magnitude and the location. However, this methodology is not useful to determine the weighting coefficient, which is required to make regional and point‐wise estimations. However, in Point Semi‐Variogram (PSV) proposed here, weighting coefficient depends on both magnitude and location. Although the regional dependency function has a fluctuating structure in PSV approach, this function gradually increases with distance in PCSV. The study area is selected in Mississippi river basin with 38 streamflow stations used for PCSV application before. It is aimed to compare two different geostatistical models for the same data set. PSV method has an ability to determine the value of variable along with optimum number of neighbour stations and influence radius. PSV and slope PSV approaches are compared with the PCSV. It was shown that slope slope point semi‐variogram (SPSV) approaches had relative error below 5%, and PSV and PCSV methods revealed relative errors below 10%. Copyright © 2009 John Wiley & Sons, Ltd.     

�����������α�����������Ӱ���������������

?????????????α??????????????????????????????????????????????????????鷽??????????в????????????????????о?????????1)?????????????????α?(?????NS??)???????????????????????????????????????????2)?????????????????NS?????????????????????????????????????????????3)????????????????????????????4)?????NE??EW?????????3?????????????????5)?????NS??????????и?????????????????????????????6)??????NE?????????????????????????????????????????7) ??????????????????????????????????????????????????     

���ܵ��㶨λ��GNSS����������е�Ӧ��

??????????λ???PANDA?????????纣????????2009??2011??2013??????3??GNSS?????????д????????????ITRF2008?μ???????????????з??????ó?????????????????仯????E???????32.16 mm/a????N???????-10.08 mm/a?????????????????????λ?????????????????????μ?????????     

建筑物立面分类与DIM点云滤波

针对目前基于近景摄影测量方法构建建筑物立面模型过程中因密集影像匹配（DIM）点云噪声所引起的建筑物立面TIN网格模型畸变问题,本文借鉴机器学习中样本学习的思想,对建筑物立面进行了分类并对DIM点云提出了相应的滤波方法,以达到去除DIM点云噪声和改善其TIN网格模型畸变的目的。其中,针对平面结构立面,采取先对点云样本进行学习计算构建数学立面模型所需参数,再对该立面模型设定阈值并对其点云进行滤波处理的方法;针对曲面结构立面,则结合DIM点云特性先将点云样本分类标记归为立面点与非立面点,再进行样本特征值学习,使用Logistic回归算法迭代计算求解最佳回归系数,从而构建滤波分类器的方法对立面点云进行滤波处理。试验结果表明,本文滤波处理方法能将立面DIM点云噪声有效识别并去除,而且使用该方法处理后所得点云构建的建筑物立面TIN网格模型精细化程度得到有效提高,模型质量得到明显改善。     

三维激光点云和无人机倾斜模型的融合应用

在对建筑物进行三维实景数据采集时,地面三维激光扫描和无人机倾斜摄影测量是常用的技术手段,通过两种手段获取的数据类型不同,对空间的展示效果及精度也存在差异,特别是在获取建筑物顶部和近地部分的数据各有优劣势,将无人机获取的建筑物顶部数据和地面三维激光扫描获取的近地部分数据进行处理,通过空间多个同名公共点进行转换、匹配,将点云和模型两种数据融合。本文以一个古城门为例进行数据采集,介绍了外业测量和内业处理的方法,并对融合精度进行了分析、探讨。     

单线激光雷达扫描的矿车装载量核算方法

面向露天矿山生产对于矿车装载量核算的需求,本文提出了一种利用单线激光雷达扫描的矿车装载量自动核算方法。该方法首先采用固定式单线激光雷达对目标车辆进行俯视扫描,基于车辆形态特征分割出载荷物顶部点云;然后经时态校正,并与预先构建的车辆信息数据库进行匹配,重建出载荷物的三维表面模型;最后通过对载荷物表面模型的切片积分实现方量核算。以齐大山铁矿运输为例,对多台矿车装载量进行核算测试。结果表明,本文方法可在车辆正常行驶的情况下实时获取载荷物的表面三维点云,平均建模误差为2.54 cm,装载方量核算误差为1.17%。     

面向复杂山地的机载LiDAR与无人机影像融合应用

本文针对LiDAR点云与无人机影像数据特征的优缺点,利用LiDAR点云与无人机DOM影像融合,将影像数据光谱信息赋给LiDAR点云数据,使其不仅具备精准的空间结构信息,还能得到清晰的纹理信息。为验证融合数据应用的可行性与数据提取的准确性,对融合前后的点云数据进行地面点提取与DEM构建。试验表明：将无人机影像的光谱信息赋给LiDAR点云数据,可以实现LiDAR点云数据从四维度表达到七维度的拓展,融合后点云数据具有清晰的纹理信息,地物类型判读更加容易,地面点分离完整;通过DEM模型的对比分析,融合后点云数据构建的DEM模型表达更加接近真实地表。研究结果为多源点云数据的深化应用提供了一定的技术方法支持作用。     

基于点云投影线探测的高墩位姿自动检测方法

针对目前超高桥墩垂直度检测方法存在危险系数较高、精度难以保证或自动化程度与工作效率较低的情况,本文提出一种基于三维激光扫描技术的点云数据超高桥墩位姿自动检测方法。该方法首先将海量墩面点云双向分层;然后依条件选择分层文件探测点云投影线并划分桥墩面缓冲区;最后根据缓冲区自动提取墩面点云并进行位姿检测。本文以某山区高速桥梁高墩位姿检测为例进行试验,试验结果,表明该方法具有无接触测量、高自动化、高工作效率及检测范围全面的优势。     

基于车载激光点云的高精地图矢量化成图

针对车载激光点云中对各特征物提取结果后矢量化成图时的自动化问题,本文基于双方向积分法实现了边缘检测及矢量化成图,旨在保证特征物基本特征的同时,也保证点云的绝对精度。将输入的特征点云进行离群点过滤,以保证外包框算法特征点云的准确度;将三维点云按照外包框算法投影至最优平面,为后续沿各方向积分提供输入;利用八邻域KD-tree算法求出样本特征点云的均值邻域半径,依据邻域半径对各方向积分提供积分域中的微分元;根据提供的微分元沿各方向进行积分,在该积分元内找到距平面最值的最优解;按照积分结果构建点云索引,并根据点云特征构建模型,最终得到高精地图的矢量化点云。试验证明了该方法在处理实际问题时的可行性。