倾斜摄影和激光点云技术在大比例尺测图中的应用

在传统大比例尺测图中,建筑物特征线的获取方法或精度高效率低或效率高精度低。本文通过对倾斜三维模型分析,提出了基于直线公理的建筑物特征线快速提取方法;针对高程点数据均为人工采集的现状,引入激光点云数据通过分类插值法自动生成高程特征点。研究证明,本文方法在精度与效率等方面均可取得良好效果,提高了特征线（建筑物线）、特征点（高程点）采集的自动化程度。     

台风“莫拉菲”潜热的数值模拟研究

WRF天气研究和预报模式是新一代中尺度数值预报模式,本文采用最细2公里的网格距对台风“莫拉菲”内核的宏观、微观以及潜热过程进行数值模拟。通过对台风路径、风速大小、降水形态以及内核热力和动力结构的验证,证实了单向六参数WSM6方案的合理性。本文通过计算台风过程中的潜热加热率,揭示了总潜热主要来源于0℃层以下的凝结潜热和0℃层以上的凝华潜热。证实了与霰有关的云微物理过程是对总潜热贡献最重要的因子。除此之外,在本次台风“莫拉菲”的模拟中,其他重要的潜热贡献因子分别是水汽凝结成云水、云冰的凝华增长、雪的凝华增长、云冰的初始化、霰的凝华增长、云水被雪和霰收集、云水和雨水的蒸发、雪的升华、霰的升华、霰的融化以及云冰的升华。总体而言,本文模拟的潜热加热率廓线和TRMM卫星的廓线基本一致,尽管具体数值略有不同。     

CZMIL机载激光测深系统及其在骆马湖测深试验评估

机载LiDAR测深技术被认为是海洋测绘领域极具潜力的对地观测新技术,国内对LiDAR测深的试验大都是针对南海这类水质较清的区域。本研究首次在国内引入先进的CZMIL(Coastal Zone Mapping and Imaging LiDAR)系统,选取较为浑浊的江苏省骆马湖作为试验测区,进行了测深试验。试验结果表明,在测区有着低底部反射率、高漫衰减系数的情况下,CZMIL系统仍能够成功探测到湖底数据,成果精度达到了CZMIL系统标称的测深精度指标,具有较好测深探测能力和精度。     

基于球体几何关系的球标靶特征提取算法

利用“球面上任意3点确定的平面与球的相交曲线为圆,该截面圆心与球心的连线(球截面圆心法线)垂直于圆平面”的几何关系,提出一种基于球体几何关系的球标靶特征提取算法。通过对球标靶点云构建多组截面圆,对截面圆设定约束条件,构造球心到球截面圆心法线距离平方和的目标函数,以此目标函数最小为条件求解球标靶的球心坐标。通过实验比较本文方法、最小二乘方法、整体最小二乘方法、加权整体最小二乘方法和稳健加权整体最小二乘方法对球标靶的处理效果,结果表明本文方法具有较高的准确性和稳健性。     

三维激光扫描变形可监测性指标的确定

将三维激光扫描技术应用到变形监测中,对三维激光扫描测距、测角、光斑及配准误差进行分析,给出点云误差椭球模型。利用得到的误差椭球半轴长度和点位误差极限值的关系,推导点云变形可监测性指标。最终通过模拟的滑坡实验,验证了该变形可监测性指标的可行性。     

云模式及其在物联网中的应用

针对集群系统中分配节点的单节点失效问题,提出了一种基于云计算系统的集群服务方式,采用全新的自适应云调度策略,完成对最优服务器节点的动态选择。策略以心跳表为基础,通过＂星级服务＂生成不同数目的虚拟服务器组,按照先来先提供服务的竞争机制完成最优节点的选择,保证了当云计算系统的某些部分节点失效时,整个系统仍能继续正常运行,同时也具有自动调整系统负载的作用。最后结合物联网当前面临的难题,探讨了模式在物联网中的应用以及应关注的几个关键问题。     

云计算技术及产业分析

从云计算与物联网的关系入手,分析了云计算的产业现状和核心工作内容,对云计算的架构方法提出了观点,云计算技术应该将注意力集中在计算和存储问题上;从产业和技术角度论述了云计算对中国信息产业的重要意义,云计算是中国未来信息产业振兴的机会,中国能在云计算时代走出一条符合中国产业特点的路,中国传统文化也会为云计算产业的发展提供创新的源泉.     

基于云计算架构的分布式数据挖掘研究

物联网的快速发展对数据挖掘系统提出了新的要求,传统的分布式数据挖掘系统已经无法满足物联网数据挖掘处理的要求.在基于不可信节点的云计算架构基础之上提出了一种新型的分布式数据挖掘模式,实现分布式数据挖掘无缝接入云计算系统,以满足物联网的需求.     

基于云推送和Android的地震信息发布技术

本文分析了地震行业信息发布的特点及需求,在地震信息发布中引入了百度云推送技术,论述了百度云推送在地震行业使用的效果,开发了Android应用接收推送信息。通过百度云推送技术及Android的应用有效地提供了地震信息发布的时效性、稳定性和受众面。     

一种新的散乱点云数据多级空间索引

散乱点云数据具有数据量大（海量性）、数据表达精细（高空间分辨率）、空间三维点之间无拓扑关系（散乱性）等特征,在对其进行应用前必须进行数据预处理（如去噪、配准、分割等）。而在这些数据处理过程中需频繁的进行邻域查找,如果没有高效的查询索引机制,很难实现数据自动处理。因此,如何进行数据的组织和索引,以提高后续邻域检索和查询等操作的速度,是目前点云数据处理中的一个研究热点。针对现有点云数据采用的空间索引方式的优缺点,本文提出了一种多级格网和KD树混合的空间索引,该索引提出变分辨率格网索引与KD树的混合索引模式,简称MultiGrid-KD树索引。该方法在保持网格索引算法实现简单查询效率高等优点的同时,解决了单一分辨率数据冗余的问题。以故宫太和殿的点云数据为例,对本文提出的MultiGrid-KD树索引算法和KD树、八叉树等经典算法做对比。结果表明,本文索引方法在最邻近点查询以及四邻域查询的效率上均优于KD树,以及八叉树索引。