利用Vicon系统进行IMU标定

针对传统IMU标定方法操作复杂、过于依赖转台的问题,本文提出了一种利用Vicon系统进行IMU标定的方法.首先,利用预积分技术将IMU数据与Vicon数据融合,得到IMU残差;然后,将Vicon相邻帧问的状态量相减,得到Vicon残差;最后,将IMU残差和Vicon残差放到同一个状态向量中,并引入边缘化先验信息,建立非...     

基于拉格朗日乘数法的井下闭合导线加测陀螺边优化模型

为解决井下闭合导线控制测量中陀螺定向边布设位置优化问题,本文结合具体工程算例,给出一般井下闭合导线陀螺定向边最优位置布设方法,验证了基于拉格朗日乘数法建立陀螺边优化模型的正确性.结论表明,基于拉格朗日乘数法建立陀螺边优化模型能够提高井下闭合导线贯通精度,可为矿井高精度贯通提供可靠保障.     

高速铁路路基过渡段沉降预测研究及方法优化

利用现场监测数据对双曲线法、三点法、指数曲线法和Asaoka法等常规曲线拟合方法进行不同时间计算单位的拟合分析,综合考虑相关系数、误差平方和以及最终沉降量等,研究每种方法的适用性。将其中的Asaoka法、三点法、指数法结合二次自适应最小二乘迭代思想进行优化改进。研究表明:在高速铁路路隧和路桥过渡段沉降预测分析中几种方法都具有较好的适用性;优化改进后的方法相关系数高,预测误差小,最终沉降量预测值波动小;无论短期监测数据还是长期监测数据,以月为周期进行预测分析优于按天预测的结果。     

移动VR洪水灾害场景构建优化与交互方法

当前洪水灾害场景三维可视化存在沉浸感差、移动性不足等问题。本文将移动虚拟现实（virtual reality,VR）与洪水灾害场景三维可视化相结合,提出了移动VR洪水灾害场景构建优化与交互方法。该方法首先提出了一种免插件B/S架构下的移动VR场景构建方案,然后从多样化场景数据组织、场景数据量优化控制及自适应调度对移动VR场景构建进行了优化,最后设计了基于凝视的洪水灾害场景漫游探索、信息交互查询等交互分析模式。通过构建试验平台并选择案例进行试验,证明本文方法能够有效支持在智能手机上进行洪水灾害场景流畅地沉浸式展示与交互探索分析。     

地理信息数据结构处理优化应用探讨

随着信息网络技术的迅速发展,缩短了人与人交流的空间距离。在多项技术共同发展的背景下,人们能够获取更多的信息资源,尤其是地理信息数据。该信息能够让人们更详细的了解和认识外部地理世界。但目前地理信息数据结构还存在一些误差,导致信息缺乏准确性,本文对地理信息数据结构、数据结构间优化转换进行分析,并对地理信息数据结构处理优化应用进行总结。     

城市服务设施空间动态配置模型与量子优化方法EI北大核心CSCD

服务设施是人类活动载体,含教育、文体、卫生、商业、生活等,合理配置服务设施,提高服务设施配置方案质量,可改善闲置和匮乏情况,是规划学、地理学、运筹学持续关注的前沿问题。首先,随着城市功能结构日趋综合,尤其受职住通勤、交通潮汐等动态城市环境因素影响,服务设施配置方案如何适应居民动态时变需求日趋凸显。现有服务设施空间配置以静态模式下指标传导和布局方法为主,难以适应“超大城市如何进一步提高服务设施配置方案质量”需求,尤其是动态敏感性强的服务设施。城市时空间动态交互是从更精细的时空尺度对动态城市环境的建模表达,可作为空间优化的新途径。如何从时空间交互行为、空间优化理论出发,研究城市服务设施空间动态配置模型,对提升服务设施配置方案质量具有长足价值。其次,服务设施空间动态配置模型是以规划学为理论背景,以地理信息建模为方法内核,以运筹学为算法突破点的交叉研究方向,本质是基于空间因子的多时序组合优化问题,是典型高维多峰空间优化问题,是地理建模NP-Hard问题。当融入多时序变量后,求解规模呈几何倍数增加。因此,探索量子优化理论,以缓解“长度灾”“局部搜索”,推进空间动态优化发展,具有重要理论、应用价值。     

基于GVF模型的地物边界边缘优化方法

采用梯度矢量流(GVF)模型对自动提取的地物边界进行优化,可以在一定程度上提高其与实际边界的匹配度,但GVF模型进行边缘优化在计算过程中容易受到周围突变点或突变区域的影响,导致部分点位偏离真实边界。本文对GVF模型进行改进,分别对道路和海岸线边界进行优化,提高提取结果与实际边界的匹配程度。     

主成分分析与改进PSO-BP神经网络的下沉系数预测

针对BP神经网络预测下沉系数时易陷入局部极小以及下沉系数影响因素间存在一定相关性的问题,该文提出了一种基于主成分分析(PCA)和模拟退火—粒子群优化算法(SAPSO)优化BP神经网络的下沉系数预测模型。该模型首先采用PCA对下沉系数影响因素进行降维,消除其所包含的冗余信息;然后利用SAPSO优化BP神经网络的权值与阈值;最后使用训练样本训练模型,利用训练后的模型预测5组测试样本的下沉系数,并对比分析SAPSO-BP、PSO-BP和BP神经网络模型的预测结果。实验结果表明：基于PCA-SAPSO-BP神经网络的下沉系数预测模型的预测值与实际值最为吻合,其平均绝对误差、平均绝对百分比误差及均方根误差相比SAPSO-BP、PSO-BP和BP神经网络模型显著降低,可以有效提高下沉系数预测的准确性。     

利用LiDAR和航空影像的屋顶边缘提取及优化

提出以LiDAR为辅助数据对航空影像的规则建筑物进行边缘提取和优化的方法。首先采用Alpha Shapes算法对点云数据进行初始边缘提取,同时规则化初始边缘;再利用屋顶点云辅助航空影像的建筑物分离,采用Canny算子和Hough变换对建筑物分离后影像进行边缘提取,并用LiDAR规则边缘对Hough变换结果进行边缘优化。对比单独运用航空影像进行边缘提取的结果表明,采用优化方法后,提高了屋顶边缘提取的准确性,得到了较完整的建筑物边缘。