场景语义感知的视障行人导航路径优化方法

针对现有视障行人出行辅助方法缺乏对环境感知和路径动态优化的有效结合，视障导航缺乏有效动态避障手段的问题，该文提出一种场景语义感知的视障行人导航路径优化方法。该方法根据双目视觉感知周边障碍物的位置及特征，结合场景语义信息和三维坐标建立视障人群与环境的局部感知地图模型，利用改进的人工势场算法动态规划视障行人安全路径。实验结果表明，该文构建的感知地图模型在10 m内的平均坐标误差为2.49%。相比A^*算法，改进人工势场算法的路径盲道利用率从7.85%提高到58.39%,最高路径碰撞系数从0.55降低到了0.24,具有更高的安全性和导航辅助能力。该方法能够有效增加视障行人导航方法的场景语义感知能力，提高视障导航路径规划的安全性。     

改进U-Net的遥感图像语义分割方法

利用深度神经网络进行遥感影像语义分割是遥感智能解译的一个重要内容，在城市规划、灾害评估及农业生产等领域具有十分重要的作用。高分辨率遥感影像具有背景复杂、尺度多样及形状不规则等特点，使用自然场景语义分割方法处理遥感图像往往存在分割精度低的问题。针对上述情况，本文在U-Net模型基础上，提出了一种多尺度跳跃连接方法来融合不同层次的语义特征，获取准确的分割边界与位置信息；引入注意力机制和金字塔池化解决复杂背景下的精细分割问题。为了验证本文方法的有效性，在WHDLD和LandCover.ai数据集上进行试验，并与主流语义分割方法进行对比。试验结果表明，本文方法的mIoU分别达到74.28%和82.04%,F₁均值达到84.47%和89.76%,均优于其他对比方法；相比于U-Net的分割结果，IoU在建筑物、道路等占比较少的类别上提升明显，且优于其他对比方法。     

多层次空间语义约束的道路参数化建模研究

针对当前道路实体建模中复用性低、方法固化、组织管理不规范的问题，提出了一种参数化道路实体建模方法。选取潍坊和青岛两个城市的部分地区为测区，基于航空影像数据、道路实体参数、CityGML标准实现道路实体参数采集、表达和组织管理；在多层次语义规则约束下构建道路图元三维模型，确保道路三维模型的建模的精确性；基于多边形裁剪算法实现道路实体三维模型与城市场景的融合。实验结果表明，该文提出的参数化建模方法能够清晰、准确、规范地构建出城市道路实体的三维建模，即使对于道路交叉口同样能够准确表达。其最终模型几何效果、模型复用性和后续模型修改灵活度均优于倾斜摄影模型。     

古建筑三维语义模型转换方法研究

针对建筑信息模型(BIM)领域古建筑语义模型缺乏建筑物周围环境信息，不利于建筑模型与地形数据的集成、共享、空间分析等问题，该文提出了一种古建筑工业基础类(IFC)模型转换为城市地理标记语言(CityGML)扩展模型的方法。比较分析IFC和CityGML两种标准在建筑物模型实体语义和几何表达方面的差异，在对CityGML标准定义的建筑物模型进行语义扩展的基础上，从语义映射和几何转换两方面实现古建筑室内外几大类典型构件IFC模型到CityGML语义扩展模型的转换方法。实验结果证实了该文方法的有效性，该方法能够实现高精度、语义丰富的古建筑CityGML模型快速构建，有利于促进古建筑文化遗产数字化保护。     

基于深度学习的大规模点云语义分割方法综述

为了展示深度学习在点云处理上最新进展，同时促进对点云语义分割方法的研究，该文对基于深度学习的大规模点云语义分割方法进行了综述。在介绍8个室内和室外语义分割数据集的基础上，重点对近几年的深度学习点云语义分割方法进行了归纳和分析，并在S3DIS、Semantic3D、Toronto3D、ISPRS Vaihingen 3D和SemanticKITTI数据集上对不同方法进行了比较，并构建了相应的基准。最后对目前点云语义分割算法存在的问题和未来趋势进行了分析。     

生成对抗网络框架下的极化SAR图像语义分割

针对DeepLabv3+语义分割网络难以获取极化合成孔径雷达(PolSAR)图像数据分布的问题，该文提出了一种生成对抗网络(GAN)框架下的语义分割方法。其中，GAN的生成器为轻量级复数DeepLabv3+,它能充分提取PolSAR数据的幅度和相位中所蕴含的丰富目标特征，获取精细的语义分割结果；GAN的判别器为实数多分辨卷积神经网络，它和生成器进行对抗学习后，能进一步使得语义分割后的数据分布逼近于真实标签。4个PolSAR数据集的实验结果表明，该文所提方法比DeepLabv3+和轻量级复数DeepLabv3+具有更高的平均交并比、整体精度和平均像素精度。     

结合多尺度共享编码的半监督网络航空影像语义分割EI北大核心CSCD

在半监督语义分割中,主要采用编码-主从解码器结构使无标签样本参与计算以提高分割精度,但编码器的连续下采样操作易丢失浅层细节特征,从而导致地物边界分割不完整。为此,本文提出结合多尺度共享编码的半监督网络架构对航空影像进行语义分割,该网络的编码器采用ResNet-50获取影像浅层特征,并通过在ResNet-50末端嵌入多尺度共享编码模块来链接浅层特征,以构建密集特征金字塔和扩大感受野,从而获取目标地物多尺度细节信息。将本文网络与UNet、DeepLabv3+、FCN监督网络和CCT、XModalNet、VLCNet半监督网络在LandCover.ai和DroneDeploy数据集上分别进行了对比试验和精度评估。结果表明:本文网络在标签数量与精度方面均具有明显优势,对于LandCover.ai数据集,在6000张标签样本和6500张无标签样本的前提下,整体mIoU提升1.15%,对于DroneDeploy数据集,在30张标签样本和5张无标签样本的前提下,整体mIoU提升0.94%,同时显著提升影像地物的分割精度,得到更清晰、完整的地物边界。     

基础地理实体关系设计与试验

针对目前基础地理实体关系难以构建和使用复杂等问题，通过分析已有实体关系类型，归并、化简、重新分类已有实体关系类型；设计实体关系一体化存储模型，并梳理出所有基础地理实体分类中存在的基础关系；通过编制实体关系构建表和实体关系构建批处理程序，实现了基础地理实体关系的快速批量构建，验证了实体关系的使用效果。试验结果表明，该文提出的实体关系技术方法，便于实体数据关系的构建，在数据应用中也较为方便，在新型基础测绘和实景三维建设中，具有一定的参考和推广使用价值。     

一种基于图卷积的车载视频对象语义分割方法

针对图像语义分割网络(SegNet)在对车载视频分割过程中，因局部特征的丢失造成语义分割精度不高的问题，该文提出一种具有权重系数和图卷积网络的视频分割深度卷积网络(WG-ViSeg)。该网络对SegNet进行改进，在高级特征提取过程中加入图卷积结构，通过扩大节点的感受野减少局部特征的丢失。该网络又利用SE注意力机制改变特征图谱的权重系数进一步提高网络编码能力。对Camvid数据增强验证后结果表明，在满足车载视频对象的快速响应范围内，WG-ViSeg能够很地改善分割过程中出现的碎片化状况，较好地分割出相邻目标对象，对车载视频的整体分割精度达到89.7%,较现有的最优网络提升了5%,尤其对自动驾驶较为重要的车辆、行人等类别的语义分割精度提升了17%。     

基于注意力机制的孪生网络地质调查空间实体与文本信息匹配

对来源不同的地质对象进行关联匹配，并通过模型对其结构、属性及语义关系进行表示是后期语义查询及聚类等任务的重要支撑。文章针对地质调查空间实体与外部文本描述语义异构、表达差异等问题，提出了一种基于注意力机制的孪生网络地质调查空间实体与文本描述信息关联匹配模型。首先，将地质调查空间实体的属性信息转换成为文本段落，以句向量基本粒度对地质空间实体进行文本语义编码；接着将两类文本对象映射到统一向量空间中，并输入到孪生网络中进行特征学习，最后在构建真实数据集上进行模型性能的实验测评。结果显示，该模型能够较好表示地质调查空间实体句子语义信息，其识别F1值相比基准实验提高了8.4个百分点，优于选取的对比方法。