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。     

最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。     

利用卷积自编码器重建含噪重力数据

卷积自编码器融合了适于处理相同维度数据映射的自编码器神经网络,以及近年来在图像处理领域取得广泛应用的卷积神经网络。基于深度学习处理重力观测数据图像, 利用卷积自编码器从含噪声的重力图像中重建重力观测图像。首先,随机建模生成大量不同参数的重力异常体,正演其重力异常, 将加入噪声的重力异常和原始重力异常分别作为卷积自编码器的输入和输出进行训练;然后,模拟数据测试表明训练得到的神经网络重建效果良好;最后,用Kauring实验场实测重力数据测试该神经网络的泛化性能,并与快速傅里叶变换(fast Fourier transform,FFT)滤波、db小波(Daubechies wavelet)滤波方法进行了比较。结果表明,训练好的卷积自编码器重建实测重力数据的平均误差小于FFT滤波方法及db小波滤波,且能避免重力异常特征过度滤波而消失,受噪声干扰小于db小波滤波,综合效果理想。     

领域知识优化深度置信网络的遥感变化检测

为提高高分辨率遥感影像变化检测精度,提出一种以领域知识为优化策略的深度学习变化检测方法。利用改进的变化矢量分析和灰度共生矩阵算法获取影像的光谱和纹理变化,设定合理阈值获得变化区域待选样本;引入领域知识中图斑形状特征指数与光谱知识,筛选得到高质量的训练样本;构建并训练了深度置信网络模型,使用优化策略对深度学习变化检测结果进行优化,以减少“椒盐”噪声和伪变化区对检测精度的影响。通过高分二号与IKONOS影像的变化检测实验表明,该方法较优化前准确率与召回率最大增幅分别为7.58%和14.69%（高分二号）、17.08%和23.87%（IKONOS）,虚警率和漏检率最大降幅为30.22%和23.30%（高分二号）、17.08%和23.87%（IKONOS）,能够有效提高变化检测精度。     

耦合知识图谱和深度学习的新一代遥感影像解译范式

在遥感大数据时代,遥感影像智能解译是挖掘遥感大数据价值并推动若干重大应用的关键技术,如何将知识推理和数据学习两类解译方法有机联合已成为遥感大数据智能处理的重要研究趋势。由此提出了面向遥感影像解译的遥感领域知识图谱构建与进化方法,建立了顾及遥感成像机理和地理学知识的遥感领域知识图谱。在遥感领域知识图谱支撑下,以零样本遥感影像场景分类、可解释遥感影像语义分割以及大幅面遥感影像场景图生成3个典型的遥感影像解译任务为例,研究了耦合知识图谱和深度学习的新一代遥感影像解译范式。在零样本遥感影像场景分类实验中,所提方法在不同的可见类/不可见类比例和不同的语义表示下,都明显优于其他方法;在可解释遥感影像语义分割实验中,知识推理与深度学习的联合方法取得了最好的分类结果;在大幅面遥感影像场景图生成实验中,知识图谱引导的方法精度明显高于基准的频率统计方法。遥感知识图谱推理与深度数据学习的融合可以有效提升遥感影像的解译性能。     

基于GPU和UNITY的嵌入式图像实时传输方法

智能化无人矿山对作业现场环境的可视化要求较高,现有的可视化方法仍存在诸多问题:数据采集方式单一,存在监控盲区;数据传输线缆布设困难且易被损坏,传输延时较高;表现形式不够全面立体,并且不能用于VR/AR、SLAM、机器人定位避障等应用场景。为了满足智能矿山建设的可视化需求,本文结合当前传感技术、矿用机器人以及5G技术的发展,探讨了从数据采集、服务器部署到接收显示的详细步骤。针对全景及深度影像这类新型三维数据,提出一种基于GPU和UNITY的嵌入式视频实时传输方法,包括实时编码、异步传输、轻量级的嵌入式流媒体系统、利用UNITY实时处理以及元数据的同步传输。借助UNITY平台,将三维可视化任务从CPU转移至GPU,仿真实验表明,最高渲染帧率为60 fps时,GPU占用率在35%以下。最后,以全景和深度传感器为例进行了测试,对数据编码、位移贴图、纹理纠正进行有效性验证,并从延迟、帧率、CPU占用率3个方面评估性能。结果表明,所提关键技术均可有效提高运行效率、减少资源占用,相比FFplay延时更低。全景影像的可视化代替了视角固定的传统监控,深度数据为智能矿山巡检机器人定位及避障提供实时数据源,传输方法整体向下兼容。不仅解决传统方法视角单一、布线困难的问题,而且考虑到了智能矿山建设过程中的新需求。