ATLAS模拟机助测图系统的应用开发

本文介绍了ＡＴＬＡＳ模拟机助测图系统的性能，特点以及在数字化测图中的应用开发     

地磁目视记录仪准确度的提高

照相記录地磁变化法,在一百多年以前就已經被采用了,到現在它仍是一种最精确的方法。不过用这种方法时,磁場变化曲綫特別是磁暴不能及时看見。这是一些地磁和地球物理工作者所不希望的。所以在几十年以前,就已經有了杠杆式目视記录仪器。設計目視仪器时,不必象照相記录那样精确。但是,却要正确的表現地磁短期变化,这就需要避免仪器不稳定所引起的变化和磁場变化,尤其是磁暴等的变化互相混淆。     

地磁低点位移法的改进

中低纬度地磁场平静太阳日变化Z分量的极小值出现的时刻常被用于地震预报,即"低点位移"法,但现有算法的时间格式和人工绘制突变界线的模式会产生较大的误差,本文在第一部分针对这些误差改进了原有算法.第一项是改进了地磁低点时间的格式,第二项是引入了Voronoi剖分技术替代人工画线.前者过滤了假的突变界线,消除了系统误差;后者建立了突变界线与地磁台网低点数据之间的解析关系,使它们一一对应,消除了随机误差.本文第二部分内容是提出了新的时间格式与数字化突变界线的计算公式,并用程序实现计算任务.本文第三部分内容是在对地磁台网的低点时间跟踪的过程中,捕捉到了甘肃省周边几次地震前的地磁低点位移现象,并分析这些案例,在结论中证明该方法的可靠性.     

局部海洋磁力异常图的Coons曲面重构

针对地磁导航中地磁图的精化与制备的问题,采用了一种在地形拟合中使用的Coons曲面模型方法。探讨了使用不同的已知点数和边界曲线方法时Coons曲面的精度变化。针对某测区海洋地磁异常数据进行了实验,并与常用的Taylor多项式和Kriging插值两种方法进行了对比。由实验结果看出其精度优于其他两种方法,为在进行地磁匹配导航时得到更为精细的地磁图提供了一种参考方法。     

基于平面基准深度图像建模的研究

散乱数据的TIN模型构建,存在数据量大、构网复杂、存储不便、内存消耗大等缺点。本文提出一种快速判断点在不规则多边形区域内的方法和快速提取点云边界的方法,继而提出一种基于平面基准的深度图像建模方法。该方法能够实现有效的快速构网、减少数据存储量、几何纹理清晰、纹理贴图方便、可进行多分辨率LOD(level of detail)表达等优点。     

地磁异常场的多重分形谱分析及构图法

为深入研究地磁异常场的分布特性,并将其应用于地磁基准图的构建当中,选取NOAA(National Oceanic and Atmospheric Administration)发布的地磁异常场数据进行了多重分形谱分析,证明了地磁异常场具有明显的多重分形特征。并将多重分形理论与克里金插值方法相结合,提出逐步插值校正法(SSICM),该方法在用克里金法估计未知位置点属性值的同时,利用地磁异常场在小尺度范围内的标度不变性对其进行奇异性校正,在实测数据基础上以网格形式逐级加密,从而构建了基准图。试验结果证明与传统方法相比,该方法能够充分刻画地磁异常场的小尺度奇异特征,更加精确地重构真实地磁异常场。     

地磁匹配导航算法研究

提出一种MonteCarlo方法和均方差算法（MSD）相结合的匹配算法,并将本算法用于地磁匹配导航中。该方法根据惯性导航系统指示的位置从地磁图上提取参考地磁数据,将地磁测量数据进行若干次随机干扰后和参考地磁数据使用MSD算法进行匹配,得到若干个匹配位置,取其均值作为最终匹配位置。仿真结果表明本算法可行。     

原始机载LiDAR点云中建筑物激光点的自动提取

提出了一种基于原始离散LiDAR点云的多层结构建筑物激光点自动提取方法。首先对原始离散Li-DAR点云进行不规则三角网构建,然后利用分阶段区域生长的原理逐阶段遍历TIN中的各三角面。依据三角面的法向量方位角判定建筑物的各层结构,依次提取出多层建筑物的墙面及各级屋顶面,最后将提取出的各层屋顶面数据进行分类存储,确保提取出的各栋建筑物激光点之间相互独立且包含各层屋顶结构等细部特征信息,便于后续各建筑物的三维重建。     

基于LiDAR的海岛岸线自动提取研究

为了探讨栅格化方法与图像分割法对海岛岸线提取的效果,本文主要研究了基于Li DAR数据利用这两种方法对某岛进行瞬时海岸线的提取。利用栅格化方法通过对Li DAR点云数据进行粗差剔除、滤波去噪、构建Terrain数据集、创建栅格表面、生成TIN模型及自动生成等高线,从而实现了瞬时海岸线的提取;利用图像分割法是通过对Li DAR点云数据进行粗差剔除、滤波处理、构建TIN模型、生成二值栅格图像、图像处理与图像边缘提取的过程实现瞬时海岸线的提取。对两种方法提取的海岸线进行叠加显示分析,试验结果表明:两种方法提取的海岸线形态结构基本吻合,海岸线提取效率较传统方法均有提高,但栅格化方法提取的海岸线比图像分割方法提取的海岸线更平滑、更细化,边缘信息较为丰富,与实际海岸线更贴切,效果更加理想。