多源地理空间矢量数据关联分析

针对多源地理空间矢量数据多来源、难以集成综合利用这一现状,本文提出了多源地理空间矢量数据关联方法,并以此为基础构建了多源地理空间矢量数据关联的可视与计算查询系统。首先,对多源地理空间矢量数据关联的概念及分类进行了定义。然后,以此为基础,提出了关联关系构建技术：自适应四叉树编码技术、扫描线技术、几何匹配及语义匹配技术。最后,为实现关联关系的直观展示,设计了原型系统。关联技术的提出可建立起多源地理空间矢量数据之间的关联关系,原型系统的构建也为用户综合利用多源地理空间矢量数据提供了平台,提高了数据的利用率及数据查询的效能。     

融合多源时空数据的城市火灾危险性评估

城市层面的火灾风险评估主要包括火灾危险性、危害性及救援能力等方面。本文选取火灾危险性评估进行针对性研究,在大数据思维的指导下,以相关关系代替因果关系,采用多源数据对评估指标权重、分值进行率定,得出福州市城区火灾危险性时空分布图。首先利用高德地图API对消防历史出警记录进行地址解析,将近万条火灾出警地址空间落点,获得福州市历史火灾空间分布;然后综合城市用地性质现状、用地开发性质、人口分布热力图等多源异构数据,探索其与历史火灾空间分布的相关性;最后以福州城区为例,初步实现具有充分数理支撑的火灾危险性评估方法,形成火灾危险性动态评估成果,为城市消防规划等提供支撑和依据。     

地理实体的空间组织与多态特征及其应用

描述了地理实体的建设内容,介绍了基于图元的地理实体组织及表达形式,比较了传统地形图与实体化的数据组织形式的区别。对地理实体在空间、时间上的多态特征进行了分析,阐述了地理实体对地物的空间一致性表达的特点,设计了基于多源矢量数据开展的地理实体融合方法及步骤,并以房屋建筑实体为例介绍融合成果的具体应用。本文研究为地理信息系统中地理实体的相关研究提供了借鉴。     

球面小波模型在GPS高程拟合中的应用

本文利用某地共99个GPS水准点的大地高和正常高求取高程异常,使用DOG球面小波模型和多面函数,分别对高程异常进行拟合。拟合时剔除模型残差大于2倍中误差的点,并在剔除粗差后重新进行拟合。通过比较外部检核点的已知高程异常值和球面小波模型值、多面函数拟合值之间的均方差评价模型的精度。数据结果表明,以外部检核均方差最小为准则,球面小波模型拟合精度较优,其拟合精度为1.65 cm,多面函数拟合精度为2.35 cm。     

多视密集匹配并行传播GPU-PatchMatch算法

针对多视密集匹配的效率较低的问题,提出了GPU-PatchMatch多视密集匹配算法。该算法使用GPU提高PatchMatch的计算效率;同时充分利用稀疏场景信息,对深度信息进行规则初始化;为提高传播效率,使用了金字塔红黑板并行传播深度信息。最后在DTU、Strecha和Vaihigen数据集上进行了试验,并与常用的多视密集匹配算法进行对比。试验结果表明,本文算法在重建效率上有较大提高,与CPU算法(PMVS、MVE、OpenMVS)相比有7倍以上提升,与GPU算法相比也有2.5倍以上提升,表明本文算法的有效性。     

长距离GPS/BDS参考站网多频载波相位整周模糊度解算方法

长距离网络RTK是实现GPS/BDS高精度实时定位的主要手段之一,其核心是长距离参考站网GPS/BDS整周模糊度的快速准确确定。本文提出了一种长距离GPS/BDS参考站网载波相位整周模糊度解算方法,首先利用GPS双频观测数据计算和确定宽巷整周模糊度,同时利用BDS的B2、B3频率观测值确定超宽巷整周模糊度。然后建立GPS载波相位整周模糊度和大气延迟误差的参数估计模型,附加双差宽巷整周模糊度的约束,解算双差载波相位整周模糊度,并建立参考站网大气延迟误差的空间相关模型。根据B2、B3频率的超宽巷整周模糊度建立包含大气误差参数的载波相位整周模糊度解算模型,利用大气延迟误差空间相关模型约束BDS双差载波相位整周模糊度的解算。克服了传统的使用无电离层组合值解算整周模糊度的不利影响。采用实测长距离CORS网GPS、BDS多频观测数据进行算法验证,试验结果证明该方法可实现长距离参考站网GPS/BDS载波相位整周模糊度的准确固定。     

GNSS多频融合精密单点定位频率间卫星钟偏差研究

全球导航卫星系统(GNSS)提供多频信号,多频融合已经成为一种趋势。在精密钟差估计(PCE)的过程中,卫星钟差参数会吸收卫星端稳定的伪距偏差和时变的相位偏差,这些偏差均与频率相关。因而使用不同的观测值进行PCE时,得到的卫星钟差估值是不同的,它们之间的差值被定义为频率间卫星钟偏差(IFCB)。按组成成分,IFCB可以分成伪距相关的IFCB(CIFCB)和相位相关的IFCB(PIFCB)两部分。国际GNSS服务(IGS)提供的精密卫星钟差产品是基于双频消电离层(IF)组合观测值生成的。由于IFCB的存在,导致IGS卫星钟差产品不能直接应用于多频精密单点定位(PPP)。IFCB的精确考虑已经成为多频PPP的一个关键问题。本研究旨在对IFCB特性和估计方法开展系统深入的研究,并评估其对多频PPP解的影响。     

城市扩展元胞自动机多结构卷积神经网络模型

传统的城市扩展元胞自动机(CA)模型是基于单个元胞的变量信息挖掘来构建转换规则的。针对这一问题,本文基于多结构卷积神经网络提出从区域特征出发且顾及区域多尺度特征挖掘转换规则的城市扩展元胞自动机模型(MSCNN-CA),并以武汉主城区和上海浦东新区为例,模拟了两个试验区2005—2015年期间城市扩展过程。模型验证表明:与逻辑回归和神经网络相比,本文构建的3个单一结构的卷积神经网络元胞自动机(CNN-CA)模型在4个指标(Kappa系数、FoM(figure of merit)值、命中率(h)和错误率(m))上都有不同程度的提高。特别是FoM指数,在武汉主城区提高了23.3%~29.4%,在上海浦东新区提高了20.3%~28.5%。此外,MSCNN-CA模型与3个单一结构的CNN-CA模型相比,在各个指标上也有所改善,FoM指数在武汉主城区提高了0.8%~4.8%,上海浦东新区提高了2.8%~7.8%。两个试验区的模拟结果表明:相比传统CA模型,基于多结构卷积神经网络的城市扩展元胞自动机模型(MSCNN-CA)能够有效提高城市扩展模拟的精度,更真实地反映城市扩展空间演变过程。相比单结构的卷积神经网络CA模型,多结构卷积神经网络CA模型的稳定性和模拟结果准确性有所提升。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

免像控无人机在地形图测量中的应用

通过eBeePlus免像控无人机航空摄影测量系统应用于1∶500地形图测绘工程实例,探究其在实践中的制图精度及适用性。使用emotion3、Pix4dMapper等软件进行外业航飞、内业影像处理,对比分析RTK和PPK两种解算方式下的制图精度,两者均满足规范要求,PPK解算方式更适宜在实践中使用;结合Eps软件制作数字线划地图,对于影像中无法提取的房屋边线、植被覆盖区域地物,采取全野外调绘、实测进行补充,阐述了无人机航测与传统数字化测图相结合的作业方式。