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。     

正射影像辅助下的LiDAR点云构建DEM方法

提出了结合两类数据的DEM生成方法,该方法先将原始LiDAR点云自动滤波得出粗略地面点,经数据抽稀后提取地面关键点点集,再利用航迹文件和相机文件进行空三加密生成数字正射影像。在此基础上将粗分类点云与正射影像匹配,在少量人工干预下,对点云进行二次分类获得精确地面点点集,构建DEM。实验结果表明该方法是可行和有效的。     

顾及局部统计特征的均值滤波方法及其应用

针对Caris软件自动滤波结果中仍存在较多异常数据点、手工剔除需要耗费较长时间的问题,提出了一种基于局部统计特征的均值滤波方法。先利用局部统计特征剔除局部异常点,再结合均值滤波方法估计格网点水深值。实验结果表明,方法处理结果与手工编辑结果水深差值中误差仅为0.121 m,而处理时长极大缩短,对工作效率的提升很大。     

方程误差系统的多新息辨识方法

多新息方法可以用于线性系统和非线性系统的自适应滤波、参数估计、自校正控制、自适应故障检测与诊断等.线性系统包括两种基本类型:方程误差类系统和输出误差类系统.本文将多新息辨识应用到方程误差滑动平均(EEMA)系统(即CARMA系统),研究多新息增广随机梯度算法和多新息增广最小二乘算法,应用到方程误差自回归滑动平均(EEARMA)系统(即CARARMA系统),提出基于分解的多新息广义增广随机梯度算法和基于分解的多新息广义增广最小二乘算法,以及基于滤波的多新息广义增广随机梯度算法和基于滤波的多新息广义增广最小二乘算法.     

中国南方海、陆相侏罗系的划分与对比

对自21世纪以来中国南方海、陆相侏罗系的研究进展进行了总结,依据地层发育的总体特征,将中国南方侏罗系划分为4个地层区和14个地层分区,文中着重介绍了中国南方海、陆相侏罗纪年代地层划分、底界界线层型及各统之间的界线生物标志和与全球年代地层的对比关系。此外,对全球年代与生物地层的研究进展也作了扼要介绍。     

消减地震勘探随机噪声:导数算子约束下的维纳滤波

为使传统的维纳滤波方法在最小均方准则下的解更准确、稳定,采用正则化思想,提出导数算子约束下的最小均方准则;在这种准则下,推导了维纳滤波因子及其频率响应.通过在不同频段取不同的正则化函数值,控制滤波结果.理论及实际地震勘探资料的分析表明:正则化维纳滤波去噪效果比传统维纳滤波好,且对有效波的损失较小,表明了文中所取正则项的可行性及有效性.最后讨论了通过建立正则化函数关系式,方便地提供正则化函数值以及圆滑振幅谱对改进滤波效果的可能性.     

Determination of the crop row orientations from Formosat-2 multi-temporal and panchromatic images

This paper presents a technique developed for the retrieval of the orientation of crop rows, over anthropic lands dedicated to agriculture in order to further improve estimate of crop production and soil erosion management. Five crop types are considered: wheat, barley, rapeseed, sunflower, corn and hemp. The study is part of the multi-sensor crop-monitoring experiment, conducted in 2010 throughout the agricultural season (MCM’10) over an area located in southwestern France, near Toulouse. The proposed methodology is based on the use of satellite images acquired by Formosat-2, at high spatial resolution in panchromatic and multispectral modes (with spatial resolution of 2 and 8 m, respectively). Orientations are derived and evaluated for each image and for each plot, using directional spatial filters (45° and 135°) and mathematical morphology algorithms. “Single-date” and “multi-temporal” approaches are considered. The single-date analyses confirm the good performances of the proposed method, but emphasize the limitation of the approach for estimating the crop row orientation over the whole landscape with only one date. The multi-date analyses allow (1) determining the most suitable agricultural period for the detection of the row orientations, and (2) extending the estimation to the entire footprint of the study area. For the winter crops (wheat, barley and rapeseed), best results are obtained with images acquired just after harvest, when surfaces are covered by stubbles or during the period of deep tillage (0.27 > R² > 0.99 and 7.15° > RMSE > 43.02°). For the summer crops (sunflower, corn and hemp), results are strongly crop and date dependents (0 > R² > 0.96, 10.22° > RMSE > 80°), with a well-marked impact of flowering, irrigation equipment and/or maximum crop development. Last, the extent of the method to the whole studied zone allows mapping 90% of the crop row orientations (more than 45,000 ha) with an error inferior to 40°, associated to a confidence index ranging from 1 to 5 for each agricultural plot.     

组合导航中一种新息自适应卡尔曼滤波算法

全球定位系统/航位推算组合导航定位中,由于目标运动的不确定性,GPS接收机与DR器件接收的数据存在噪声,使预置目标运动模型通常很难得到较高跟踪精度,针对应用常规卡尔曼滤波进行组合导航解算由于噪声统计特性未知而引起滤波不稳定的问题,本文提出了一种基于新息序列的量测计算进行自适应估计的卡尔曼滤波算法。该算法通过对新息方差强度进行极大似然估计,将新息计算引入卡尔曼滤波器的增益计算,达到控制发散的目的。最后对改进的算法与一般卡尔曼滤波算法做了对比仿真试验分析,结果表明了改进算法的有效性。     

引入强跟踪滤波器的 IMM 算法在导航定位解算中的应用

针对单一模型对城市机动载体运动状态估计不足的问题,本文在标准交互式多模型算法的基础上引入强跟踪滤波器,并以“当前”模型和“CV”模型作为基础模型进行交互式模型滤波。利用信号源仿真动态数据分析对比了利用单一模型算法、标准交互式多模型算法和引入强跟踪滤波器的交互式多模型算法的定位解算性能。实验结果表明：本文提出的基于强跟踪滤波器的交互式多模型算法相比于“当前”模型滤波和标准IM M 算法径向误差方差分别从19.11和16.78降低到13.24．