青藏高原近40年来的降水变化特征

利用我国青藏高原地区的1961-2000年56个气象站的逐月降水资料,通过计算降水量的距平百分率,分析了青藏高原自1961至2000年以来降水量变化的趋势和1961-2000年以来各季降水量变化趋势,发现:青藏高原近40年来降水量呈增加趋势,降水量的线性增长率约为1.12mm/a。再将高原划分为四个季节,分析了各季40年来的降水量的变化情况得出:春季降水量年际变化较大,秋季降水量变化不明显。夏季降水量值较大而降水变化幅度较小,冬季降水量变化则与夏季相反。通过将青藏高原分为南北两个地区,分析了两个区的年降水量和四个季节的降水量的变化得出:高原南区1961-2000年降水量呈增加的趋势,降水量的线增长率为1.97 mm/a,春季和冬季降水量年际变化较大,夏季降水量变化不明显,秋季降水量略有增加;北区年降水量和夏季的降水量变化较小,秋季降水量的年际变化较大,冬季降水量变化最大。对青藏高原的南北两区用Mann-Kendall方法进行突变分析,显示高原南区分别在1978年和1994年发生突变,北区没有发现突变。     

主检测深线系统误差的探测与实现

针对海道测量中测深成果系统误差的评价问题,介绍了一种利用主、检测深线测深数据探测系统误差的方法,以实现测深中系统误差的科学评估。     

结合图像增强和恢复的增强现实跟踪注册

增强现实中的跟踪注册技术一直是研究的重点和难点,而地下矿道和巷道内亮度低,产生的图像较昏暗,车载相机快速运动和抖动,对传统的基于特征匹配的跟踪注册提出了挑战。本文从提高增强现实中跟踪注册稳健性和精度出发,采用基于Retinex改进的方法增强昏暗图像的亮度,同时利用基于对抗神经网络的方法恢复运动模糊图像。首先提取图像ORB特征,实现初始化;然后根据跟踪特征点的数量,开启图像增强和图像恢复线程,提高特征点提取质量和数量。在数据集和真实模拟场景下的试验结果显示,跟踪精度提高了12%左右,在低亮度和含有轻微模糊的情况下,跟踪注册稳健性也有显著提高。     

基于移动三维扫描技术的隧道管片错台分析及应用

错台是地铁隧道的主要病害之一,通常是由于盾构机施工控制不好或是隧道荷载发生变化导致,错台的发生也会引起隧道收敛变形及渗水等其他病害。传统手段主要采用人工巡检等方式进行错台情况的检测,由于受夜间窗口期短的影响,该方法效率低,成果难以精确量化。研究采用基于轨道的隧道移动三维激光扫描系统对隧道错台进行检测,通过快速获取隧道三维点云生成正射影像,并基于正射影像进行管片的划分及里程的匹配,进而根据每一环的三维点云信息计算管片错台情况。以青岛地铁2号线为例,本文介绍了移动扫描技术在地铁隧道管片错台检测的应用情况,为该技术在其他隧道的推广应用提供了一定的借鉴意义。     

三维激光扫描在古建筑安全检测中的应用

为做好北京钟鼓楼安全检测与结构稳定性评估工作,笔者对北京钟鼓楼进行了三维激光精细化测绘,并依据三维激光点云数据,开展了主体建筑平立剖建筑图测绘、结构图测绘,鼓楼城台墙面倾斜、楼体倾斜、墙面平整度和城台地面平整度测量,大木结构形变检测等工作,对石栏杆进行了歪闪测量,为主体建筑结构稳定性评估提供了详实的资料。探索了古建筑安全检测项目中综合应用三维激光扫描技术,开展形变测量、病害检安全检测工作的技术方法和流程。完成了古建筑检测与结构稳定性评估的同时,也为后续修复工程设计和现状资料留存提供了全面翔实的数据。     

基于PID控制下的检测机器人在规划核实测量中的应用与研究

在规划核实测量中,针对建筑物内低矮、狭小空间的情况获取及面积测量较为困难的问题,提出了运用管道CCTV检测机器人进行低矮、狭小空间面积测量的方法,并在此基础上运用PID控制实现了检测机器人自动行走及量测,最后结合试验数据对测量精度进行了统计与分析,进一步印证了该方法的可行性与准确性,也为低矮、狭小空间结构面积测量成果的质量检验提供新手段。     

一种非平稳噪声背景下的线谱相干检测方法

舰艇目标航行时往往向水中辐射大量线状谱结构的声波信号,线谱信号检测对舰艇目标的被动探测至关重要.实际水下环境噪声常表现为时域非平稳噪声,常规离散傅里叶变换类线谱检测方法时域积分时,不可避免会引入非平稳噪声背景中出现的短时强干扰噪声,使积分结果中线谱信噪比大幅降低,线谱检测性能急剧恶化.为解决上述问题,对分段离散傅里叶变...     

深度学习支持下的地图图片典型地理目标检测

针对地图图片中典型地理目标识别问题,本文首先介绍了两种基于深度学习的目标检测方法(YOLO网络和采用focal loss替换交叉熵损失函数的RetinaNet网络),然后将地图图片分别输入两种神经网络模型中进行训练和测试,最后对目标检测结果进行对比分析。结果表明,RetinaNet网络模型对地图图片进行目标检测的准确率有明显提高,且运行速度依然可达秒级。该地理目标检测方法的高准确度与高效性可在地图审查时节约大量人力、时间成本,为地图内容智能理解及互联网地图监管提供了新的技术参考。     

融合多尺度视网膜图像增强的动态云检测

云检测是气象卫星各类定量遥感产品的基础,无论是以云图为基础的天气分析还是以去云为前提的各类大气和地表参数反演、沙尘火情等灾害检测,都需要对遥感影像中的云进行准确识别,尤其是薄云和云边缘等细节识别。针对静止气象卫星(以Himawari-8为例)精细化云检测,本文提出了一种基于多尺度视网膜图像增强的动态云检测算法。该算法基于云层与背景信息辐射特征不同的原理,构建可见光和红外波段的晴空辐射背景场,通过多尺度图像增强和最大类间差方法对辐射差值进行云细节信息的增强和提取。利用2021-2022年的75景MODIS云检测产品作为验证数据进行算法精度验证,整体上算法精度达到91.13%,召回率为94.02%,精确率为86.71%,有较强的适用性和稳健性,且已经较好地支撑了近两年的定量遥感产品业务化应用。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片(海雾、雨)的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。