利用机载LiDAR数据提取与分析地裂缝

机载激光扫描可获取植被茂密地区的数字地形模型(DTM),但将其用于茂密植被覆盖区地裂缝提取方法的研究还不多见。以湖南冷水江市浪石滩为试验区,基于机载Li DAR的激光点云数据,研究了植被覆盖区地裂缝的提取方法,分析了地裂缝的微地貌特征。首先对离散的三维激光点云数据依次进行基于不规则三角网滤波、高程滤波及回波信息强度滤波提取地面点,以保留完整的微地貌微特征;然后构建不规则三角网,反距离加权内插生成数字高程模型(DEM),提取地裂缝识别参数,同时基于最小曲率对地裂缝进行线性探测,提取地裂缝的长度信息,且利用地裂缝剖面信息分析其微特征,结合识别参数分析地裂缝的稳定性。研究结果表明:利用机载Li DAR点云数据提取的地裂缝识别参数,能够确定地裂缝的位置、坡度坡向、长度和深度信息,有助于判定地裂缝的稳定性;在植被较为茂密、地面点密度稀疏的区域,保留一定的低矮植被所提取到的DEM能更好地保留地裂缝的微地貌特征。     

一等水准点之记标准化与规范化研究

为保证一等水准点之记精度与质量,提高测绘人员野外工作效率,对目前的一等水准点之记进行了探讨与分析,指出了其详细位置图与点位,详细说明表达、标石断面图绘制和经纬度书写及交通路线描述中存在的缺点,并基于此提出了若干改进意见,这在一定程度上促进了一等水准点之记信息的标准化与规范化。     

Voronoi邻近关系支持下的点模式趋同提取方法

点模式及其趋同研究是揭示地学现象的产生、发展与演变,量化空间相似性分布、诠释空间分布成因的重要方式。目前,点模式研究侧重于已知频率与随机分布的一元独立性检验、距离测度下单观测值的二元相关性分析,而针对集聚过程相关性,空间拓扑与非拓扑邻近、综合多观测值的点模式趋同量化研究顾及不足。据此,以空间邻近性聚类、局部相关的多指标评价为切入点,本文提出了一种Voronoi邻近关系支持下的点模式趋同提取方法。首先,以Voronoi邻近相关表集聚算法剖分出空间独立性点模式;其次,依据Voronoi邻近关系指数测度、样本分布均值与分布方差的趋同假设,使用拉普拉斯平滑算子评价趋同度;最后,依据λ截矩阵,提取出Voronoi邻近、非Voronoi邻近关系支持下的强趋同点模式。试验以云南省腾冲市居民点数据为算例,经与点模式构建的聚类方法对比、趋同度计算与强趋同提取,验证了该方法的可行性与有效性。     

粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。     

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。     

GNSS观测值统一表达及组合PPP解算性能分析

针对GNSS多系统组合进行PPP定位的问题,推导了GNSS观测值统一表达式;进而给出了基于UofC模型的多系统组合PPP的函数模型和随机模型;最后采用6个IGS观测站24 h观测数据对7种组合模型的PPP进行解算,并从收敛率、收敛速度和定位精度等方面进行了统计分析。实验结果表明,当观测时长为60 min时,GPS/GLONASS/BDS组合PPP收敛性能最好,收敛率为91.7%,平均收敛时间为16.1 min;而BDS PPP收敛性能最差,收敛率仅为32.7%,平均收敛时间为38.4 min。可见,多系统组合有利于提高精密单点定位的解算性能。对于定位精度,在观测时长较短时(如0.5 h),GPS/GLONASS/BDS组合PPP整体上具有最优的定位精度,(N,E)方向偏差和标准差分别为(0.3,0.5)cm和(1.9,4.3)cm;短时间内对流层参数与垂直方向的强相关性,将致使U方向精度较差。     

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。     

一种改进的快速最小高差DEM匹配方法

利用最小高差(LZD)法进行DEM匹配时,当待匹配DEM的分辨率比参考DEM高时,确定的同名点中存在冗余,将导致计算冗余和效率降低。为解决上述问题,对LZD法确定同名点的模型进行改化,提出一种改进的基于最小高差原理的快速DEM匹配方法。该方法根据参考DEM的格网点确定同名点以避免冗余,并通过近似确定同名点及其高差,有效简化了计算过程。实验结果表明,该方法在保证较高的收敛速度和匹配精度的基础上,可有效提高计算效率,且计算效率不随待匹配DEM分辨率提高而降低,DEM间分辨率差异越大,方法的优势越明显。     

沙漠地区无人机影像连接点提取

提出了一种纹理自适应的影像连接点提取方法,有针对性地解决沙漠地区无人机影像对比度低、相似性强、纹理信息不均衡,经常会造成连接点过少甚至提取、匹配失败的突出问题。该方法利用影像金字塔进行粗匹配,建立影像之间近似单应变换关系;通过对原始影像分块计算灰度共生矩阵的熵来评估影像纹理指标,并据此实现特征点的自适应提取与匹配。实验表明,该方法能够得到数量较多、分布均匀、可靠性强的同名点。     

基于华浩超算平台遥感影像几何校正研究——以资源一号02C数据为例

对多源遥感影像进行几何校正是遥感影像应用的重要环节,以往的遥感影像利用人工或半自动的方式进行几何校正时,存在校正结果难以预料,控制点精度不可控,二次校正过程中控制点利用效率较低等问题。本文基于以上问题,利用华浩超算平台,对资源一号02C卫星10 m多光谱影像和2.36 m全色影像进行几何校正。试验证明华浩超算平台的实时几何校正模块,可以对每一个精校正后控制点的精度进行实时控制,并有效地解决了控制点利用效率低的问题。