Ka/Ku双波段云雷达反演空气垂直运动速度和雨滴谱方法研究及初步应用

在Ka波段云雷达上升级改造建成的Ka/Ku（Ka和Ku波段波长分别为8.9 mm和2.2 cm）双波段云雷达2019年用于华南云降水垂直结构观测,以改进云内动力和微物理参数探测能力。为了利用该双波段云雷达研究华南降水微物理和动力结构,本文提出了基于双波段云雷达回波强度谱密度（S_Z）数据和最优估计技术的云内空气垂直运动速度（V_air）、雨滴谱（DSD）、含水量（LWC）、雨强（R）的反演方法（DWSZ）,雨区衰减的订正方法。利用2019年在广东龙门观测的一次降水过程数据,对比分析了云雷达反演的微物理参数与雨滴谱直接观测量,并检验了云雷达反演的低层空气垂直运动速度,利用反演结果分析了一次混合云过程的V_air与这些微物理参数的垂直结构和相互关系。结果表明:Ka/Ku双波段云雷达合理反演了微降水微物理和动力参数及其垂直分布,经过衰减订正的Ka和Ku波段回波强度偏差明显减小。该双波段云雷达数据可以用于分析0～30 dBZ回波强度的云降水垂直结构。本次过程为混合云降水,对流单体前部存在明显的上升气流,后部存在下沉气流;从平均垂直结构来看:V_air和粒子平均直径（D_m）在2 km高度层到达最大,粒子数密度（N_w）、LWC和R在2 km以下明显增强,粒子直径却减小,水汽凝结过程、雨滴碰并云滴是本次过程的主要机制。这一工作验证了Ka和Ku波段组合的双波段云雷达的可行性,为Ka/Ku波段云雷达技术的推广,单波段云雷达反演算法进一步改进,云降水精细结构分析等提供了基础。     

基于多尺度特征融合网络的云和云阴影检测试验

基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络（Multi-scale Feature Fusion Network, MFFN）的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块（Res.block）、扩大网络感受野的多尺度卷积模块（MCM）和提取并融合不同尺度信息的多尺度特征模块（MFM）。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。     

大数据量机载LiDAR点云的快速区域分割处理

针对大数据量机载LiDAR点云数据整体处理时效率低下、分块处理时容易破坏地物空间结构特征的问题,提出了一种顾及点云覆盖区域地形地貌特征的快速区域分割方法。首先构建离散点云的虚拟格网,利用格网邻域内的高程突变实现区域边界上的各类障碍物自动检测;其次为提高分割处理效率,在点云覆盖区域矩形初始分割的基础上,利用流水模型及坐标轴向的方向约束对矩形分割边界线进行自动更新;最终实现了大数据量点云的快速区域分割处理。实验证明,该算法能够合理避开各类典型地形及地物障碍,实现区域分割边界线的自动化生成,算法的适应性与处理效率较高,能够较好地应用于大数据量点云数据的快速处理与应用。     

点云数据在兰州地铁中的应用

针对提取隧道点云中轴线3种不同算法,选择更加适合海量点云中轴线提取的算法。首先对隧道点云进行坐标转换,按里程对隧道点云进行连续正交断面的提取,将得到的断面通过椭圆模型进行粗差剔除;其次采用RGB颜色变化值表示断面的收敛扩张情况,通过柱状图、折线图表示断面形变特征;最后对隧道曲线段点云数据进行中轴线的提取,并进行平曲线要素的自动提取,为隧道平曲线主点位置识别、平曲线要素提取提供一种新途径。     

一种CORS的高精度位置服务云平台建设方法

针对CORS系统服务能力无法满足行业及大众应用领域快速增长的高精度位置服务需求的问题,该文提出了一种基于CORS的高精度位置服务云平台建设方法,通过将数据解算服务器与业务处理服务器进行分离,采用虚拟网格用户形式生成用于高精度定位的改正数或虚拟观测值产品,有效解决了高并发服务请求以及涉密数据安全性问题,在服务高精度测量用户的同时,提供面向开发者的各级精度位置服务接口,满足海量级、多场景、易接入的大众应用领域高精度位置服务需求。详细介绍了云平台构架设计、关键技术及具体实施方案,依托本文研究成果,湖南省已成功建设了基于HNCORS的面向大众应用领域的高精度位置服务云平台——问北位置,以期为各省级CORS高精度位置服务云平台的建设提供参考。     

车载移动测量系统在城市树木普查中的应用

针对城市树木普查,现有的采集和管理方法浪费大量的人力和物力,难以实现数据的快速更新和科学管理的问题,该文将车载移动测量系统应用于城市树木普查工作。介绍了该应用的工作流程,阐述了数据采集、处理的具体过程,实现了基于ArcGIS二次开发软件平台自动或半自动提取树木的平面位置和确定树木冠幅、胸径、树高和树种等属性的功能,并且集成城市树木数据库与街景系统,实现城市树木可视化监测,以及精细化、动态化、信息化的管理。     

基于2D-3D语义传递的室内三维点云模型语义分割

针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法。该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递。基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.875 2%,且分类效果较好。     

一种基于最小广义方差估计的TLS点云抗差法向量求解方法

针对地面激光扫描点云中的粗差与不均匀采样对法向量计算的影响,基于最小广义方差估计与局部平面拟合原理提出了一种抗差法向量求解方法。首先通过快速近似最近邻居搜索算法得到最近k邻居点集,然后由确定型最小广义方差估计方法和多元马氏距离得到邻居点集协方差矩阵的抗差估计,最后根据主成分分析法（principal component analysis,PCA）计算得到抗差法向量。通过构造的模拟地面激光扫描（terrestrial laser scanning,TLS）点云数据将提出的方法分别与基于PCA、鲁棒PCA和随机抽样一致的法向量求解方法进行实验比较。结果表明,所提方法的抗差性能优异,且并行优化改进后可以满足大规模TLS点云的计算需求。将该方法应用于实际野外地形TLS点云数据,由求解的抗差法向量重建的泊松表面更符合实际地形,表明了该方法在实际应用中的有效性。     

轻小型低成本无人机激光扫描系统研制与实践

无人机激光扫描系统受制于激光扫描仪、惯性测量单元（inertial measurement unit,IMU）等传感器的重量、成本以及无人机平台有效载荷、续航能力等因素的制约,不得不在保证数据质量的前提下在上述制约因素间取得平衡。高精度IMU的昂贵价格极大地限制了无人机激光扫描系统的易用性,因此轻小型低成本无人机激光扫描系统成为学术界和工业界共同关注的热点。重点阐述了小型低成本无人机激光扫描系统的两个关键点,即视觉-低成本IMU耦合的高精度定姿方法和IMU-激光扫描仪-相机的自标定方法;并阐述了基于大疆无人机飞行平台的激光扫描系统——珞珈麒麟云的研制和性能。实践表明,该激光扫描系统有高度的稳定性和可靠性,在无地面控制的情况下获取点云的精度在20 cm以内,在灾害应急、智慧城市等领域具有广泛的应用价值。