核密度估计的道路匹配方法探讨

针对目前地图合并技术的同名实体匹配中线实体(以道路为例)研究的不足,文章基于密度插值和DEM分析,提出一种针对线实体进行全局匹配的方法:采用积分的思想将核密度估计方法扩展应用于线实体密度计算,通过提取其密度谷脊线,将其应用于地图合并技术领域中的线实体匹配研究主题,指导相似度指标阈值的选取,并取得了较好的效果,为实现同一地区不同来源或不同比例尺(主要是相近比例尺)地图数据合并及数据库集成提供了参考。     

基于马尔可夫随机场的模糊c-均值遥感影像分类

针对模糊c-均值聚类方法对初始值敏感,且在聚类时忽略空间相关信息的不足提出一种基于马尔可夫随机场的模糊c-均值聚类方法,该方法用马尔可夫随机场来描述像元的空间相关性,形成顾及空间相关的模糊c-均值分类方法。初始值依据第一主成分的密度函数确定,既克服对初始值的依赖性,又在聚类的时候考虑空间相关信息。通过实例数据验证,所提出的方法分类精度优于传统的模糊c-均值模型。     

采用力矩平衡原理建立地图视觉平衡模型

提出了一种基于力矩平衡原理的视觉平衡模型,该模型将定性的评估转化为定量的评估方法。基于C^#+ArcGIS Engine平台,利用3幅代表性的地图作为实验用图,证明视觉平衡模型的计算结果与用户的视觉感受一致。     

地图数据缩编更新中的道路自动选取研究

总结道路选取的研究现状,分析在道路的缩编更新过程中,道路要素选取需要考虑的要素指标。介绍一种道路选取方法,综合考虑道路的等级、长度、网眼面积、区域道路密度、是否是悬挂链等几何、语义和拓扑信息,模拟人类在缩编更新时的思维过程,实现道路的自动选取,并进行试验,验证方法的有效性。     

电离层时变特性约束的BDS长距离RTK定位算法

电离层误差是影响长距离GNSS定位性能的主要因素,通常采用无电离层组合消除电离层误差的影响,但无电离层组合存在观测噪声放大、在多系统多频数据时无法对单个频率的观测值进行单独处理,直接消除电离层参数使得无法对电离层参数施加约束,而电离层的先验信息,时空约束信息更易获得,为此本文对非组合定位模型中电离层误差的时变特性进行研究。在非组合定位模型中电离层参数常被估计为随机游走,功率谱密度决定了随机游走的过程,也表达了电离层误差的时变特性,通过对功率谱密度的研究,对电离层参数进行合理的约束来改善定位的性能。不需要经验模型及人为的给予电离层参数时变约束信息,而是通过顾及电离层实时特性的电离层观测值确定功率谱密度值,提供了简单实用的电离层时变约束方法。通过试验验证采用Vondrak平滑方法进行电离层延迟的最佳平滑,能在削弱观测噪声的同时反映电离层实时变化,求得的电离层功率谱密度能显著提升整周模糊度收敛时间,使定位性能达到最优。对电离层时变约束的BDS三频观测数据长距离RTK定位试验表明：静态和动态定位模式下均能实现模糊度的快速固定,可满足高精度实时定位的需求。     

基于珞珈一号和OSM数据的呈贡区建筑密度估算

建筑密度是城市规划布局的一个重要指标。为了提高建筑密度的获取效率,本文提出一种结合珞珈一号数据和OSM数据的估算城市建筑密度的方法。基于珞珈一号数据,文中以固定大小的网格为单位采样分析了昆明市呈贡区灯光强度和建筑密度的拟合关系;基于OSM数据,利用GIS提取分析、数学分析等方法去除道路灯光对估算结果的影响。然后利用非线性拟合模型估算了昆明市呈贡区的建筑密度,得到其空间分布情况;并验证分析了估算模型的精度。结果表明,昆明市呈贡区的建筑密度与夜间灯光强度有较高的相关性,可以结合珞珈一号夜光影像数据和OSM道路数据估算城区的建筑密度。     

密度权稳健估计

利用观测量分布函数作为权函数的计算公式,分析了密度权法的抗差性和收敛速率,证实了用密度权法处理含粗差数据是行之有效的。     

采样数据密度及栅格尺寸对高程中误差的影响分析

利用全数字摄影测量得到的高精度点数据,获取不同密度的点数据,建立基于ANUDEM和TIN方法的两种DEM,比较两种DEM的高程中误差,分析数据密度、栅格尺寸与高程中误差的关系。研究结果表明,建立1∶100 00比例尺,具有高程中误差2m左右、栅格尺寸5m以下的ANUDEM,需要的点密度水平为大于7 000个/km2,而TINDEM则为8 500个/km2。同时,当栅格尺寸小于20m、数据密度介于7 000～9 400个/km2时,无论是ANUDEM还是TINDEM,高程中误差都处于一个较稳定的状态。     

一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法

从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。     

基于法向量密度聚类的LiDAR点云屋顶面提取

针对现有算法从LiDAR点云中提取复杂建筑物屋顶面不完整、阈值难以设置的问题,提出一种结合点云空间分布的法向量密度聚类提取屋顶面点云方法。通过构建Delaunay三角网,计算建筑物LiDAR点云的法向量;在分析建筑物点云空间和法向量分布特点的基础上,定义一种邻域关系度量屋顶面点云之间的相似性,并利用提出的算法聚类建筑物点云,得到屋顶面片点云粗提取结果;通过构建屋顶面片缓冲区,经面片处理得到建筑物各屋顶面的完整点云。选取不同复杂程度的建筑物进行实验,结果表明,算法能有效提取复杂建筑物屋顶面点云,具有较好的适应性,并能为建筑物三维重建提供可靠的屋顶面信息。