盾构机全站仪激光导向模式误差灵敏度分析

通过对盾构机全站仪激光导向系统的测量原理研究,并对盾构坐标与施工坐标系的旋转模型转换原理分析,建立盾构姿态参数与坐标旋转模型的关系.然后通过全站仪测量激光标靶棱镜和切口坐标与激光标靶相对位置的误差分析得到相关结论.     

机器学习辅助下的概率积分法参数预计模型寻优

收集整理了多组地表移动观测站资料作为训练样本和检验样本,以工作面地质采矿条件为输入集,概率积分法预计参数为输出集,利用机器学习方法对概率积分法预测参数进行了预测。选取支持向量机、BP神经网络和偏最小二乘法3种机器学习方法对训练样本进行训练,利用训练所得模型预测检验样本中的概率积分法预测参数,并将预测结果与观测站实测值进行对比。结果表明,利用支持向量机预测下沉系数、主要影响角正切值及水平移动系数的精度最高,其平均相对误差分别达到7.46%、4.00%、13.17%;拐点偏距及开采影响传播角利用偏最小二乘法预计精度最高,平均相对误差分别为10.83%、0.88%;总体而言支持向量机的预测精度最为稳定。     

盾构施工参数与沉降变形关系模型构建

针对盾构施工参数变化对施工引起的地表变形的重要影响,该文构建了盾构施工参数与地表沉降变形关系模型。以北京市某地铁盾构区间施工过程中的实测数据为基础,分析了不同盾构施工参数与地表沉降变形的关联度和相关性,得到不同参数对沉降变形贡献值的大小;之后,利用多元回归模型方法建立主要影响参数与地表变形的关系模型,并进行模型的合理性检验;最后,利用该模型得到的沉降量与实测数据进行对比分析,结果显示符合性较好。     

随机误差对七参数转换模型的影响分析

针对在七参数坐标转换过程中,控制点本身含有的各种误差会对坐标转换的结果产生影响的问题,该文探讨了随机误差对七参数转换模型的影响:以七参数坐标转换模型为研究对象,模拟不同尺度范围的空间直角坐标,给定七参数数值求解另一组空间直角坐标,然后加入不同幅度的随机误差,利用最小二乘准则求解参数,从数值角度分析随机误差对七参数数值以及坐标转换结果的影响。实验结果显示,大范围的七参数模型解算的稳定性优于小范围的模型解算,以及X、Y、Z方向某一方向上的误差对另两个方向的解算结果影响较小。     

基于机载激光雷达数据的老街基林场样地单木分割方法研究

机载激光雷达技术凭借着对森林冠层的穿透能力,在森林资源调查中显露出无可比拟的优势。针对林业雷达领域中的单木结构参数提取问题,本文基于局部最大值滤波算法和标记控制分水岭分割算法(Marked-Controlled Watered Segmentation, MCWS)提出了一种单木分割方法,并评价该方法在样地尺度上的单木分割效果,分析结果表明样地区域总体分割精度F为0.736;结合实测树高对反演树高进行相关性分析,拟合精度R²为0.907,表明本文方法能够较准确地提取单木树冠信息。     

融合光度参数估计的单目直接法视觉里程计

针对单目直接法视觉里程计在光照变化大的场景下定位精度低、定位鲁棒性差的问题,文中提出一种融合光度参数估计的单目直接法视觉里程计.首先通过对图像帧进行特征匹配实现特征跟踪,建立起图像像素点之间的关联,接着利用非线性优化方法进行光度参数估计,然后在光度参数估计提供的光度参数先验信息的基础上对图像灰度值进行校正,最后利用校正...     

大光斑波形数据在土地覆盖分类的适用性分析

针对GLAS地学激光测高系统是冰、云和陆地高程卫星(ICESat)的唯一监测工具,能够记录地表光斑内的地物信息,是否能应用于黄土高原土地覆盖分类的问题进行了研究。利用粒子群和最小二乘法相结合的方法对GLAS波形数据进行高斯分解,获取高斯波个数、波形总能量、波形信号起始和信号结束位置4个波形参数;基于波形自动分类方法对黄土高原水体、森林、城市用地、其他地类(裸地、低矮植被等)进行分类。通过基于覆盖相同研究区域的30 m地表覆盖数据(Globe Land30),验证分类的准确性。结果表明,GLAS大光斑波形数据对黄土高原的4种地类能够很好地进行区分,总分类精度高达87.68%,Kappa系数为65.79%。研究表明,GLAS波形数据可以作为获取土地覆盖信息的有效数据源,为研究黄土高原土地覆盖变化提供更丰富的数据支持。     

顾及灰度和梯度信息的多模态影像配准算法

基于特征匹配的多模态影像配准方法无法达到像素级配准精度要求。本文研究了一种顾及灰度和梯度信息的多模态影像配准算法。基于马尔科夫随机场（MRF）的非参数化配准模型充分利用多模态影像的图像信息进行相似性测量,同时考虑了灰度及梯度统计信息,求解方法上对值空间进行离散化,提高收敛速度。通过3组多模态影像的配准试验,验证了该算法的可行性。试验表明：本文算法的配准效果优于基于人工刺点的多项式模型配准和只考虑灰度信息的多模态影像配准;与此同时,该算法对于较大形变的影像配准也具有一定的适用性。在空间精度方面,平均配准误差小于1个像素,最大配准误差小于2个像素。     

使用安置参数优化的无人机点云与影像精配准

针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法.以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准.基于实验数据与现有两种配准方法进行精度对比.实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度.     

基于机器学习的多施工参数盾构施工姿态预测

针对盾构施工过程中参数易变、轴线难以预测控制的问题,本文提出了基于机器学习的多施工参数盾构施工姿态预测方法,分析了在复杂环境下影响盾构姿态掘进施工的参数,以及掘进参数和盾构姿态内在的关联关系,建立了盾构姿态预测模型,实现了盾首盾尾中心坐标与设计轴线的偏差计算;最后结合某地铁施工段,验证了该预测模型的可行性.