改进的GOTURN算法

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。     

数字孪生铁路多目标粒子群任务调度方法

展示/分析/探索多层次任务及存储/计算/网络资源高效调度是数字孪生铁路的关键技术,随着存储、计算和网络等分布式异构资源不断接入,数字孪生铁路多层次任务并发场景异构资源分配倾斜、任务优先级不匹配、时延高等问题突显。现有调度方法大多针对单一层次任务资源进行设计,无法直接适用多层次任务调度场景,难以保障多层次任务调度的最大完工时间和资源负载均衡全局最优。针对上述问题,本文设计了适用于数字孪生铁路特点的多层次任务调度模型,提出了多目标粒子群任务调度算法,基于云仿真平台CloudSim对该方法进行对比测试,基于DTScope引擎设计实现数字孪生铁路“安全—质量—进度”智能施工管理案例原型。结果表明,本文方法适用于数字孪生铁路多层次任务并发调度场景,与现有方法相比明显提高了多层次任务完成时间效率和任务调度均衡性,可有效支撑数字孪生铁路展示—分析—探索多样化应用。     

基于机载LiDAR和倾斜影像的城市三维建模方法

"数字孪生"城市建设是近两年新兴的一条建设智慧城市的技术路径,它是构建一个与现实物理城市匹配对应的数字城市,实现城市要素数字化,其核心数据之一是高度仿真的城市三维模型.本文在研究机载LiDAR点云、倾斜摄影和三维可视化等技术之后,探讨了利用机载LiDAR和倾斜影像进行互补融合,构建城市三维模型的方法,并详细描述了三维建...     

基于数字孪生技术的智慧校园时空底座建设

物联网、大数据、人工智能技术的发展孕育了数字孪生技术。三维实景校园时空底座是应用数字孪生技术建设智慧校园的基础。通过倾斜摄影技术、三维激光扫描技术与人工建模技术相结合的三维校园时空底座制作方法,能够补充倾斜摄影在建筑底部及内部等遮挡密集区域的信息,在提高三维校园模型精度的同时,实现多源数据的融合三维实景建模。通过不同来源、不同格式数据的优势互补,更好地建设校园时空三维底座,为数字孪生校园的建设提供支撑。     

倾斜摄影三维模型Unreal Engine 4渲染的数据转换方法

对三维地理场景真实还原是数字孪生的核心技术要求之一,地理信息系统与游戏引擎的结合为城市实景三维建设提供了新思路。倾斜摄影数据是实景三维建设中重要的数字底板要素,针对游戏引擎加载倾斜摄影数据问题,以Unreal Engine 4渲染为例提出一种倾斜摄影三维模型数据转换方法。该方法利用原始数据的文件组织,通过数据解析获取转换信息构建数据读取树;迭代树节点时分别对几何数据与纹理数据进行转换,转换过程兼顾游戏引擎渲染资源所需物理属性,最终完成几何和纹理重组。将该方法应用于深圳市福田区倾斜摄影数据,实验结果表明,所提方法能准确实现倾斜摄影三维模型数据至Unreal Engine 4渲染资源的转换,可为类似三维模型数据转换问题提供理论与技术参考。     

多时相数字孪生滑坡变形监测方法与应用研究——以金沙江白格滑坡为例

高位隐蔽滑坡因为难到达、难识别、难监测,致使成灾表现具有极强的突发性和破坏性。针对传统人工地面调查和地面布设监测设备存在危险系数高、工作效率低、设备易损坏和离线误报率高等问题,提出基于无人机倾斜摄影测量技术构建高位隐蔽滑坡数字孪生体的方法,通过信息化、数字化手段对地质灾害变形特征及时空演化规律进行监测分析。以西藏金沙江白格滑坡为研究对象,利用无人机倾斜摄影测量技术获取2019年4月—2021年9月共计10期次航测数据,融合多源数据构建了多时相数字孪生滑坡体,通过多期孪生滑坡体实现对白格滑坡整体滑移、局部微变形、滑塌体积等多维要素的高精度定量分析,并及时应用于白格滑坡时空演化分析和监测预警中。研究表明：白格滑坡在2019—2021年监测期内存在持续变形迹象,强变形主要位于滑坡两侧及后缘,渐有扩大趋势,存在垮塌堵江风险。运用多时相数字孪生滑坡变形监测手段实现对地质灾害定性-定量化特征描述与风险评估,具有快速灵活、覆盖全面、不受复杂艰险地形条件限制等优势,可为高位隐蔽滑坡等斜坡灾害大梯度形变监测提供工程实践参考。     

基于面向对象孪生神经网络的高分辨率遥感影像建筑物变化检测

建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题,本文结合面向对象图像分析技术,提出一种基于面向对象孪生神经网络（Obj-SiamNet）的高分辨率遥感影像变化检测方法,利用模糊集理论自动融合多尺度变化检测结果,并通过生成对抗网络实现训练样本迁移。该方法应用在高分二号和高分七号高分辨率卫星影像中,并与基于时空自注意力的变化检测模型（STANet）、视觉变化检测网络（ChangeNet）和孪生UNet神经网络模型（Siam-NestedUNet）进行比较。结果表明：（1）融合面向对象多尺度分割的检测结果较单一尺度分割的检测结果,召回率最高提升32%,F1指数最高提升25%,全局总体误差（GTC）最高降低7%;(2)在样本数量有限的情况下,通过生成对抗网络进行样本迁移,与未使用样本迁移前的检测结果相比,召回率最高提升16%,F1指数最高提升14%,GTC降低了9%;(3) Obj-SiamNet方法较其他变化检测方法,整体检测精度得到提升,F1指数最高提升23%,GTC最高降低9%。...     

基于改进DeepLabv3+孪生网络的遥感影像变化检测方法

传统遥感影像变化检测方法依赖人工构建特征,算法设计复杂且精度不高;而将2幅不同时相影像叠加后输入神经网络的遥感影像变化检测方法会造成不同时相的特征相互影响,难以保持原始影像的高维特征,且模型鲁棒性较差。因此,本文提出一种基于改进DeepLabv3+孪生网络的遥感影像变化检测方法,以经典DeepLabv3+网络的编解码结构为基础对网络进行改进:(1)在编码阶段利用共享权值的孪生网络提取特征,通过2个输入端分别接收2幅遥感影像,以保留不同时相影像的高维特征;(2)在特征融合中用密集空洞空间金字塔池化模型代替空洞空间金字塔池化模型,通过密集连接的方式结合每个空洞卷积的输出,以提高对不同尺度目标分割的精度;(3)在解码阶段中针对不同层级特征图信息差异较大,难以融合的问题,引入基于注意力机制的特征对齐模型,引导不同层级的特征对齐并强化学习重要特征,以提升模型的鲁棒性。应用开源数据集CDD验证本文方法的有效性,并与UNet-EF、FC-Siam-conc、Siam-DeepLabv3+和N-Siam-DeepLabv3+网络对比试验。试验结果表明,本文方法在精确率、召回率、F1值和总体精度上达到8...     

北斗与高分融合的数字孪生地球

本文阐述了数字孪生地球的起源、概念、构建和发展,重点探讨了北斗、高分、数字孪生与数字地球的融合.基于通信和计算机等共性信息基础设施,将数字孪生地球的构建分为6个步骤:全链可信时空、全息精准映射、实时泛在感知、多模数据融合、单体时空智慧和全域共智共治.针对时空大数据从采集到应用都具有分布式特点,提出了利用“北斗+区块链”技术解决业务协作中的信任问题.指出了高分实现虚实地球间的全息镜像,北斗作为高分产品传递时空基准,实现了虚实地球间的精准映射;另外,北斗和高分也是实现时空态势感知的主要技术.针对海量时空大数据对数据操作和融合带来的挑战,指出了北斗网格位置码是更有效的数据组织模式.介绍了利用时空大数据驱动人工智能(AI)和模拟仿真,可为规划、设计和决策提供最优方案.分析了单体智慧的存在重复建设和资源浪费等问题,指出了数字孪生地球是跨界融合各种异构单体智慧,实现全域共智共治的时空底座.     

基于数字孪生的“云上统战”智能化应用研究

随着统战管理人员和工作内容日益复杂,统战办公网络空间不断拓展延伸,亟须深度整合各类要素,应用先进的云平台、地理信息技术、物联网等,实践“云平台+统战工作”创新管理模式,构建云文档、云互动、云服务、云媒体等,拓展统战空间。本文基于数字孪生理念,依托精细化地理信息技术,以现有的城市大脑为基座,以“数据治理沃土计划”为契机,通过政务数据接入、现场数据采集等渠道,加快统一战线系统数据归集,实现统战上云;通过统战微信小程序等,打造集统战信息宣传,统战工作办公,各民主党派、工商联、各统战团体,群众信息服务、交流互动等于一体的统战“云平台”,实现统战工作大数据化管理“一图一端一中心”应用体系,提升打造全方位、高智能的云上统战系统,以此构建精细的统战管理体系,提高统战部管理工作的智慧化能力,具备一定的参考价值。