多源地理空间矢量数据关联模型设计

多源地理空间矢量数据之间存在着隐含的关联关系,这些关联关系往往隐式存在,难以直观展示,也难以与空间数据映射交互展示,更无法进行查询分析,获取所需信息。针对这种情况,本文以多源地理空间矢量数据及统计数据为研究对象,首先定义了多源地理空间矢量数据关联的概念及分类,然后以此为基础设计了多源地理空间矢量数据关联模型,并将其分为3个子模型：基于自适应四叉树编码的空间关联子模型、基于几何匹配的空间关联子模型及基于语义匹配的空间关联子模型。该模型定义了多源地理空间矢量数据之间的关联方式,为关联关系的构建奠定了理论基础。     

基于FME的OpenStreetMap数据分析提取

要素操纵引擎(Feature Manipulate Engine,FME)平台是数据信息转换工具,以研究FME语义映射文件的组成和执行过程为基础,通过修改FME语义映射的方法,对OSM标签信息提取转换到MySQL数据库的过程进行了研究,实现OSM数据标签信息的快速、高效的提取转换。根据OSM的数据结构特征,设计数据库结构,在转换结果中充分体现出OSM数据键值对标签信息的特征。研究结果表明,MySQL数据库格式存储OSM属性数据信息,推动了语义特征分析的发展。     

地理空间模型自动数据匹配结果精准表达方法

随着现代地学研究的深入与交叉融合,地理空间模型变得日益复杂,需要的输入数据也越来越多。为了快速、高效准备输入数据,一种有效的方法就是为模型自动匹配网络上已经共享的数据。在此背景下,本文针对不完全匹配数据需要自动转换处理的需求,开展了匹配结果精准表达方法研究。首先分析了自动数据匹配流程,在此基础上,提出了匹配结果精准表达结构及其形式化方法。匹配结果包含数据内容、空间和时间3个本质特征项,以及数据类型、格式和结构等形态特征项,每个特征项通过基于XML的相似度、匹配关系、匹配范围分别对共享数据与模型输入数据是否一致、差异在哪、差异有多大等问题进行精准的形式化表达。如果某一数据特征项相似度为1或本质特征项相似度为0时,意味着该特征项完全满足或完全不满足模型的需求,则没有必要进一步精准表达匹配结果;否则需要按上述方法对该数据特征项的匹配结果进行精准的形式化表达。湖南省2010年土壤生产潜力计算实践表明,本文方法可以为后继数据处理服务的自动组合及其数据的自动处理,以及最终向模型推荐完全符合需求的数据奠定基础。     

Assessment of various parameters on 3D semantic object-based point cloud labelling on urban LiDAR dataset

Semantic labelling of LiDAR point cloud is critical for effective utilization of 3D points in numerous applications. 3D segmentation, incorporation of ancillary data, feature extraction and classification are the key stages in object-based point cloud labelling. The choice of algorithms and tuning parameters adopted in these stages has substantial impact on the quality of results from object-based point cloud labelling. This paper critically evaluates the performance of object-based point cloud labelling as a function of different 3D segmentation approaches, incorporation of spectral data and computational complexity of the point cloud. The designed experiments are implemented on the datasets provided by the ISPRS and the results are independently validated by the ISPRS. Results indicate that aggregation of dense point cloud into higher-level object analogue (e.g. supervoxels) before 3D segmentation stage offers superior labelling results and best computational performance compared to the popular surface growing-based approaches.     

基于口头报告的道路事故点电子地图定位研究

道路事故具有突发性和地点不确定性,及时、准确获取事故点地理位置信息是事故救援、交通诱导和道路畅通的关键。鉴于事故点位置信息获取的途径多样性,该文综合分析归纳,对事故口头报告进行了语义分析,进而得到事故点位置报告的规范信息格式。在此基础上,阐述了道路事故点定位处理的报告输入内容、报告精度要求及位置计算,在位置计算论述中分别讨论了坐标转换、方向确定和定位算法几个核心问题。最后以基于MapObjects控件的地理信息系统二次开发技术为例讨论了所涉及的算法实现。该文深入论述了各种事故报告的规范信息化,利用地理信息系统技术实现了基于事故报告的电子地图定位,为道路安全生产提供了一种新的技术手段。     

双LSTM驱动的高分遥感影像地物目标空间关系语义描述

高分辨率遥感影像中的地物目标具有清晰的类别属性与空间关系语义.在人工智能技术支撑下,用计算机自动认知其空间关系具备了可行性.目前,遥感影像场景的语义理解主要依托图像描述任务(image caption),基于影像的全局特征生成描述语句.但是,这种粗粒度特征容易导致地物目标的类别属性在描述语句生成过程中被错误预测.事实上...     

融合多特征改进型PSPNet模型应用于复杂场景下的建筑物提取

针对复杂场景下高分辨率遥感影像中建筑物提取精度低的问题,本文提出了一种融合多特征改进型PSPNet模型,在PSPNet网络的基础上,加入膨胀卷积模块并融合图像的浅层特征.试验结果表明,融合多特征改进型PSPNet模型的预测结果总体精度为95.90％,建筑物提取精度平均为77.77％,均高于其他模型.其在不同场景上的表现...     

前寒武纪气候演化中的三个重要科学问题

自地球形成至寒武纪将近40亿年（距今46亿～5.4亿年,通常称为前寒武纪）的气候演变是一个具有特殊难度和挑战性的研究领域,同时也是基础和前沿的研究领域。文章选择了前寒武纪气候演化中的三个重要科学问题进行综述：大气演化、两次全球性的冰川期以及暗弱太阳问题。关于大气演化,本文首先描述了大气成分的演化历史,然后简述了影响大气成分演化的三个基本过程：大气逃逸、两次大气氧含量突然增加、碳酸盐-硅酸盐循环及其对气候系统的负反馈作用。两次全球性的冰川期分别发生在古元古代（距今24亿～21亿年）和新元古代（距今8亿～5.8亿年）,文章简述了其成因以及相关的气候模拟结果。暗弱太阳问题是地球历史气候演化的一个经典问题,论文简要地综述了一些最新的研究成果和观点。     

语义网络模型的遥感影像面向对象分类

针对目前遥感影像面向对象分类中分类模型构建方法的不足之处,文章提出了一种语义网络模型与混合控制策略相结合的方法:从地理空间认知角度出发,分析遥感影像多尺度语义结构,利用C4.5决策树进行特征选择与语义网络模型构建,采用自上而下以及自下而上的混合控制策略,实现了语义网络模型的验证及面向对象分类。实验结果表明,该方法能够自动进行特征优选与分类模型的自动构建,能够为地表覆盖分类提供知识型分类模型与方法,为类似区域、类似数据、相近时间的影像解译提供参考。     

基于图像语义分割的动态场景下的单目SLAM算法

在恢复场景信息和相机运动时,传统的SLAM算法是基于静态环境假设的。场景中的动态物体会降低算法的稳健性和最终的定位精度。本文提出将基于深度学习的图像语义分割技术与传统的视觉SLAM算法结合,以减少动态物体对定位结果的干扰。首先,构建有监督的卷积神经网络对输入图像中的动态物体进行分割,获得语义图像;然后,从原始图像中提取特征点,并根据语义图像剔除动态物体特征点,保留静态物体特征点;最后,利用静态物体特征点采用基于特征点的单目视觉SLAM算法对相机运动进行跟踪。在ApolloScape自动驾驶数据集上的试验表明,与传统方法相比,本文算法在动态场景中定位精度提升约17%。