任意坐标系下的多块规则格网DEM拼接

将高精度影像匹配技术用于具有重叠区域的规则格网DEM同名高程点提取,提出任意坐标系下的多块规则格网DEM高精度无缝拼接方法。方法的特点是可以在任意坐标系下(自由坐标系、绝对坐标系)对存在重叠区域的任意大小、任意数量和任意区域形状的规则格网DEM模块进行拼接,整体性地求解拼接参数,得到无几何错位的高精度DEM。通过实验,证明拼接方法的有效性和实用性。     

渐进式异源光学卫星影像SIFT匹配方法

针对异源光学卫星影像SIFT算法匹配率低的问题,论文基于SIFT匹配方法,以特征点相对主方向、相对尺度为约束条件提取初始匹配点,并利用初始匹配点构建Delaunay三角网,采用点扩散方式来获取局部几何约束模型,基于特征点主方向约束、特征向量欧氏距离及局部RANSAC误差剔除方法渐进式地实现了对异源光学卫星影像的高精度匹配。与其它匹配算法对比实验结果表明,在异源影像存在较大尺度、旋转差异的情况下,论文算法具有匹配数量大、精度高的优势。     

导线加测陀螺方位角的过程简化探讨

针对地下陀螺定向时间较长、作业强度大、陀螺仪电量等问题,现就陀螺仪传统测量过程（主要是逆转点法）提出简化.通过已知坐标反算操作获得粗北方向的方法取代传统的粗定向过程,可以大大提高定向效率和经济效益,并且能够节省电池电量、节省作业人员体力.文中对比新旧方法在寻找粗北方向的测量结果,从而分析方法的可行性.     

西部部分重要湖泊测深声速改正方法探讨

论述了在滞流和缓流水域,水面、水底的温差较大时,声速改正的必要性,并提出三种声速改正方法,通过实际工程数据的比对分析,得出一些有益的结论。     

基于GPU的SIFT特征点快速匹配

影像匹配是计算机视觉及数字摄影测量的核心问题,基于特征的SIFT匹配算法由于其较强的匹配能力和良好的健壮性成为研究的热点.但SIFT算子的多量性及提取特征点维度较高的特点,直接影响了匹配速度.因此,本文利用GPU强大的并行处理能力,就SIFT特征点匹配在GPU上的设计与实现进行了详细的介绍,并通过对比实验说明利用GPU对SIFT特征点进行匹配所带来的优势.     

影像倾斜度对ASIFT匹配有效性的影响

相比传统垂直摄影模式,倾斜摄影更符合人眼直观感受,且能提供更加丰富的三维信息,因而在测绘领域越来越受到重视。对比分析了国内外主要倾斜数字相机的性能参数,归纳了倾斜摄影测量作业的一般数据结构、成像规律。为衡量单张航摄倾斜影像的绝对倾斜程度或是两张倾斜影像之间的倾斜差异,引入了倾斜度概念。通过不同倾斜度条件下的ASIFT匹配实验,研究分析倾斜度变化对于匹配有效性的影响,验证了倾斜度计算方法的合理性。     

一种基于地图匹配辅助行人航位推算的室内定位方法

针对行人航位推算算法中误差积累问题,提出并实现了地图匹配方法,辅助惯性测量装置进行自主定位。根据室内几何布局特征划分矢量域,修正方向传感器数据来确定航向角,同时通过投影匹配模型判定界点的最优坐标,最终进行最佳室内位置估计。经实验证明:在保持惯性传感器短时间内自主性强、定位精度高等优点的同时,该方法能够很好地抑制误差积累,提高定位算法的精度与稳定性。     

系统偏差和观测粗差对不同期观测GPS网结果的影响

为确保不同期观测GPS网平差结果的正确性,必须考虑观测粗差、基准位移以及不同期观测间系统偏差对参数结果的影响。通过附加尺度和方位的函数模型,将基准位移、系统偏差统一看成"观测粗差",通过抗差估计来控制其对参数的影响。最后通过固定基准的最小二乘、抗差最小二乘、自适应序贯平差和抗差自适应序贯平差计算了一实测GPS网,结果表明采用该方法能取得满意的效果。     

云环境下的时空数据小文件存储策略

云环境下的网络应用中存在着海量的时空数据小文件,针对HDFS处理小文件效率不高的问题,提出了一种结合用户访问规律与数据自身属性的数据处理方案。该方案将用户访问转化为数据请求序列,根据数据的时空属性提取并构建特征序列,通过模板匹配找到用户在不同访问模式下的特征模板,发现模板内文件之间的访问相关性,合并相关文件。实验结果表明,该方案有效地提高了系统对小文件的存储读取效率,减小了网络应用的响应时间。     

车载立方体全景影像匹配点的粗差检测方法

针对低匹配内点率情况,利用随机抽样一致性算法(RANSAC)估计车载全景序列影像的极几何模型不稳定,造成大量匹配点的粗差无法检测或误检测问题,提出了一种基于多约束条件的粗差检测方法。以冗余粗差为约束条件,采用SIFT和最近邻匹配方法获取独立随机匹配点,并构建特征光流矢量。利用光流幅度和方向直方图统计结果,融合极线、尺度和天空点约束条件实现全景影像匹配点的粗差检测。通过不同数据的实验分析,在短基线条件下,可以有效地检测出大部分由纹理重复性、尺度变化和运动物体产生的匹配粗差点。与传统方法比较,本文方法可获得更高的匹配正确点数和正确率,尤其在场景复杂造成的低内点率情况下,算法表现较为稳定。