厦门岛市区机动车流的航空遥感监测

本文介绍了厦门岛市区机动车流遥感监测的实施目的和方法，通过航空影像有关题信息解译与实例、专题图件编制以及统计资料的对比分析，认为：目前厦门岛市区交通主要存在着机动车增长过速、道路狭窄和会计室场少且分布不合理等三个方面的问题，文中提出了相应的建议。体现了航空遥感对于中、大比例尺城市动态监测快速有效的特点。     

Mechanism of loading on plates due to explosive detonation

This paper investigates the various mechanisms and parameters that are responsible for delivering impulse to a vehicle that is unfortunate enough to detonate a buried mine. Small scale tests are used to examine the effects of air blast or ejected sand in imparting impulse to a plate that is located above the surface of the saturated soil that contains the explosive. Parameters such as confinement, stand off distance, depth of burial of the explosive, density of the soil, and saturation level of the soil are also examined.     

无人船现状及发展趋势综述

无人船是海洋技术发展的产物,作为一种新型技术手段目前已在海洋调测和防务领域广泛应用.本文从无人船系统的组成、应用领域和发展现状出发,归纳总结无人船的关键技术,并研究其发展趋势.作为一种水面机动载体,无人船关键技术包括特型平台设计技术、运动控制技术和通信技术3个方面,其核心是围绕任务内容、载荷原理、使用环境特点,以应用设计、功能开发为主体的系统集成和应用.现阶段无人船主要作为传统海上工作方法的补充,在遵守、参照现有各种法规、技术标准要求的前提下,搭载已成型的船用任务载荷,按照载人船舶的作业模式、施工惯例投入各种应用.未来随着材料技术、人工智能、通信技术的发展,以及相关政策、法规的建立、健全,无人船将逐步成为一种独立的技术手段,形成一系列新的作业模式和技术方法.     

基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。     

基于无人机摄影测量的增减挂钩耕地指标检查与评价方法

土地增减挂钩项目的质量检查的传统流程需到实地逐一核实,检查周期长。本文提出一种基于无人机航摄的检查技术流程,结合研发的野外实地调绘软件系统,提出一种新型的基于无人机航摄的增减挂钩项目质量检查流程,并基于DOM检查构建指标评价体系。流程优化了传统外业检查流程,实现地块的全覆盖内业检查和外业的实时取证,确保成果耕地质量指标的准确性,对土地增减挂钩项目给予客观评价。评价体系的应用选取广西几个县增减挂钩为研究对象,探究体系评价的合理性,初步确定该方法基本可行。     

无人机航测技术在广东省和平县第三次全国国土调查中的应用

第三次全国国土调查是查实查清我国国土资源利用现状的重要手段,对提高国土资源利用效率和建设信息化社会有着积极的推动作用。本文以广东省和平县第三次国土调查项目为基础,将无人机航测技术应用于本次三调中,快速的获取了调查区高分辨率的航拍影像数据,结合GNSS技术等进行外业核查和补绘,生产出了符合三调精度要求的DOM、DEM产品,对编制各类工作底图奠定了基础。实践证明,将无人机航测技术应用第三次全国国土调查中具有明显的优势,主要体现在精度高、效率快、成本低、利用率高等方面。     

无人机大比例尺测图像控点布设方案设计

随着无人机技术的快速发展,无人机航空摄影测量的精度也大大改善,以无人机为平台低空摄影测量大比例尺地图成为可能。本文以旋翼无人机搭载非测量型相机,通过布设不同数量像控点进行分析和研究,得到无人机摄影测量在农村地区像控点布设规律。结果证明在合理像控点布设的情况下,无人机测图数字成果空中三角测量、平面和高程精度均可满足1∶500、1∶1000、1∶2000大比例尺地形测图的精度要求。     

基于动态极坐标参数化的遥感影像匹配方法

图像匹配作为三维重建至关重要的环节,其精度直接影响了平差优化、正射校正等模块的精度。对于城镇、农场等特征密集型区域,特征距离小,相似性强,易于匹配图像;而针对草地、沙漠等特征不明显区域,特征距离大,如果使用特征点匹配的方法,严格阈值下难以获得足够数量的匹配对,放宽阈值又将引入较多误匹配对,这也是导致稀疏点云不够均匀的原因之一。在此场景下,本文提出了基于动态极坐标参数化的无人机正视影像匹配算法,首先对图像做极坐标参数变化,采用动态策略解决极轴方向采样不均匀的问题,使用最小二乘法对得到的极坐标影像对做位移方向上的匹配,匹配后得到的旋转量和平移量,将该结果和SIFT算法的结果做比较。本文设计了2组实验,即参数已知的解算实验和参数未知的解算实验,且每组实验进行3次。在同等配置的计算机上,对两张7360像素×5400像素,32位的影像,本文方法的位姿解算时间相比SIFT的时间减少约57%,二者求得的位姿差通常小于1%。结论表明二者的结果在精度上表现相当,在时间上明显优于SIFT算法,具有实际的应用价值。     

Estimation of crowd density from UAVs images based on corner detection procedures and clustering analysis

With rapid developments in platforms and sensors technology in terms of digital cameras and video recordings, crowd monitoring has taken a considerable attentions in many disciplines such as psychology, sociology, engineering, and computer vision. This is due to the fact that, monitoring of the crowd is necessary to enhance safety and controllable movements to minimize the risk particularly in highly crowded incidents (e.g. sports). One of the platforms that have been extensively employed in crowd monitoring is unmanned aerial vehicles (UAVs), because UAVs have the capability to acquiring fast, low costs, high-resolution and real-time images over crowd areas. In addition, geo-referenced images can also be provided through integration of on-board positioning sensors (e.g. GPS/IMU) with vision sensors (digital cameras and laser scanner). In this paper, a new testing procedure based on feature from accelerated segment test (FAST) algorithms is introduced to detect the crowd features from UAV images taken from different camera orientations and positions. The proposed test started with converting a circle of 16 pixels surrounding the center pixel into a vector and sorting it in ascending/descending order. A single pixel which takes the ranking number 9 (for FAST-9) or 12 (for FAST-12) was then compared with the center pixel. Accuracy assessment in terms of completeness and correctness was used to assess the performance of the new testing procedure before and after filtering the crowd features. The results show that the proposed algorithms are able to extract crowd features from different UAV images. Overall, the values of Completeness range from 55 to 70 % whereas the range of correctness values was 91 to 94 %.