针对地下空间复杂曲面约束情况,文中提出一种对多地层表面模型进行约束Delaunay四面体剖分构建地质体模型的方法,即利用Delaunay三角网构建地层约束,通过限定四面体单元半径边长比和最小二面角等特征约束控制网格质量剖分生成地质体的四面体格网模型.以陕西省某地区为例,应用此方法构建顾及地下空间约束及可视化效果较好的三维地质模型.实验表明,该方法可生成满足约束条件要求且格网质量较高的地质模型,可为地下矿体开采等实际生产提供数据支持.
利用全球区域的7个IGS站的观测数据以及GPS和BDS的精密轨道和钟差产品,分析了BDS、GPS和BDS+GPS组合的卫星数量、几何空间分布以及静动态PPP精度.实验结果表明,GPS在全球7个测站的卫星数在10颗左右,卫星分布较均匀;BDS在Alic(大洋洲)、Iisc(亚洲)、Zamb(非洲)的卫星数明显多于GPS,其余测站卫星数量相当.数据表明,GPS+BDS卫星数量和卫星几何空间分布状态明显优于单系统.在静态PPP中,BDS在Maw1(南极洲)和Unsa(南美洲)精度略低于GPS,其余测站精度相当;GPS+BDS在7个测站U、N、E方向基本在1 cm左右,相对BDS、GPS单系统定位精度有一定提升.在动态PPP中,BDS在Nlib(北美洲)、Unsa的定位精度低于GPS,其余测站定位精度则要优于GPS,但BDS和GPS单系统在全球区域定位性能都不够稳定.GPS+BDS在7个测站U、N、E方向定位精度分别优于0.06 m、0.03 m、0.03 m,在动态PPP中相对于BDS和GPS 7个测站的精度均有提升,说明了GPS+BDS组合可以提高PPP精度并且可以极大改善定位的可靠性.
针对BDS-2/BDS-3 GEO/IGSO/MEO卫星观测值质量存在差异的问题,对随机模型进行精化,以提高基线解算的精度.文中介绍随机模型的精化过程,统计不同类型卫星单差残差的时间序列,并分析其随高度角变化情况,基于最小二乘拟合法确定精化随机模型的参数.用不同长度的基线实验,比较精化模型与传统经验模型的定位精度.结果表明,精化模型能有效降低质量较差观测值的权重,提升定位精度和稳定性,相对于经验模型,E、N方向平面定位精度可提升10.9％～20％,高程定位精度可提升19.5％～31.1％.
针对遥感卫星成像教学内容的特点,以及现有教学手段的不足,基于微软HoloLens2头戴式MR设备,将遥感卫星轨道和成像原理等课程知识点融入到混合现实环境中.设计了遥感卫星成像教学内容,混合现实环境开发,以及MR课堂教学实践.在混合现实技术的支持下,遥感课程教学强化了遥感卫星成像的重难点知识,HoloLens2混合现实技术在实际的教学过程中得到学生的认可,有效地提高了遥感卫星成像的教学效果.
结合了传统残差网络在数据样本小环境下分支卷积层特征的浪费问题,且考虑台风云图时空关联性强、特征复杂因素,参考日本国立情报学研究所在西北太平洋上空通过数个气象卫星拍摄的8000多景高分辨率台风云图,编制了适应于残差神经网络的时序台风云图分类训练集和测试集.为满足数据集及台风特征,有效优化了原始残差网络的残差块,并得到了恒等映射残差块.经由增加卷积输出来促进分支通路更好的被利用,保留台风图像时序特性,提高网络性能.实验显示,W-ResNets模型在自建台风数据集上的训练精度达到99.60％,测试精度达到76.19％,相较于浅层卷积神经网络的测试精度高出8.48％,相比于使用传统的残差神经网络提高了2.87％,为进一步验证模型的泛化性能,采用MNIST通用数据集进行网络对比实验,宽残差网络得到98.786％的测试精度,优于传统残差网络.文中的W-ResNets预报模型可在小样本台风数据集推广使用.
坐标旋转是工程施工测量中经常遇到的问题,也是技能大赛中为防止作弊、避免数据重复而普遍采用的加密方法.基于"三参数"法坐标转换理论,针对工程测量职业、行业技能大赛中遇到的数据加密问题,提出"任意基点法"坐标转换方法.通过简单的旋转和平移,巧妙地解决了工程测量职业技能大赛中数据加密问题."任意基点法"在保证数据准确的同时具有很高的加密性.同时该方法比对直观,正误判断快速、准确,能够较好地保证技能竞赛的公平性,并防止通过获取已赛队伍数据而作弊的可能性,大大提高了工作效率.
近年来,随着三维计算机视觉的发展,三维点云深度学习方法得到越来越多学者的关注.然而,目前大多数三维点云深度学习方法仅在标准数据集上进行精度和性能评估,这些方法在设计过程中通常会根据特定数据集设定特定的学习策略以达到最佳点云分类精度,从而影响模型的泛化能力.在三维点云深度学习方法的遥感应用中,往往会出现诸如复杂的网络模型方法并不一定取得更好的数据处理精度,以及原始网络模型学习策略并不一定获得最优结果等问题.对此,为了探究学习策略对三维点云深度学习方法在实际遥感应用的影响,文中以机载多光谱LiDAR点云分类应用为例,以深度学习经典模型PointNet++为主,在分析当前学习策略的基础上构建一套较为通用的深度学习策略,以提高点云分类精度的稳定性和鲁棒性.机载多光谱LiDAR点云分类实验表明,学习策略对于点云分类精度影响不容忽视,学习策略的调整可以有效地提高模型对海量三维点云分类能力.
目前点群目标空间分布主方向模型较少顾及分布密度对点群分布主方向判断的影响,针对此问题,提出一种点群目标空间分布主方向定量描述模型.基于点群的分布密度构建方向玫瑰图;利用统计加权算法,计算点群主方向,引入置信区间,得到点群的主方向分布范围.实验结果表明,文中模型较好地反映了分布密度对点群目标空间分布主方向的影响,计算结果与人类认知具有较高的一致性.
针对扩展卡尔曼滤波假设的马尔可夫性无法追溯历史信息,并且只进行一阶泰勒展开无法获得最优状态估计的问题,引入基于精化预积分的因子图(FGO)算法.首先在预积分的理论基础上参照高精度捷联惯导力学编排方程,加入地球自转实现精化预积分,其次设计IMU精化预积分因子、GNSS PPP因子,构建GNSS/INS松组合因子图框架,最后利用非线性优化理论进行状态估计,获取滑动窗口内的全局最优解,并与EKF算法进行对比分析.实测实验结果表明,基于精化预积分的FGO松组合时,三维位置的均方根误差均在0.1 m以下;与EKF相比,使用FGO算法时三组实验数据松组合的定位精度在北方向、东方向、地方向分别提升了53.03％、52.35％、64.59％,60.14％、22.62％、50.06％,22.2％、40％、67.16％;对于导航级惯性导航系统,基于图优化算法的松组合GNSS中断60 s时,最大误差均在4.7 m以内.
光学遥感影像在形成、传输和记录过程中存在模糊、失真、噪声等降质现象,且图像缺少细节信息,提出一种基于PSF估计和细节特征增强的多帧超分辨率重建方法.针对POCS方法重建的影像纹理细节信息、边缘保持不足的问题,采用比值稀疏约束模型估计影像的点扩散函数,采用Lucas-Kanade(LK)光流法配准,利用随机森林方法进行边缘特征、细节特征的增强.以序列"珠海一号"影像为数据源,进行实验分析.结果表明,文中方法的信息熵可提升0.06～0.5 dB,平均梯度提升0.03～2.0 dB,提高重建影像的纹理细节信息和边缘清晰度,可获得更高质量的数据源.
数字交通发展要求开展公路路面数字化,路面数字化主要采用车载或机载激光扫描,但由于遮挡等原因,路面扫描容易产生大小不一的数据空洞.为了处理激光扫描点云数据中空洞,文中提出公路路面空洞插补的移动最小二乘平面拟合方法,即将公路细分为许多格网区域,并视单个格网近似为平面,采用格网内实测点云拟合最佳平面方程,由平面方程插值完成公路路面数据空洞的填补,获得路面数字化初步模型.开展大量实验研究,并与具有代表性的最近邻插值法、克里金插值法、反距离加权插值等算法进行对比,结果表明本方法在计算效率与精度等两个方面都具有优势,是一种可行可靠的方法.
多源道路网匹配过程中存在次优化问题,依靠单一度量指标的匹配结果往往出现误匹配和漏匹配,为此,文中提出一种基于最小费用网络流的多指标综合路网匹配方法.该方法通过在关系数据库中构建最小费用网络流模型,综合距离相似度、方向相似度和形状相似度用于度量道路实体相似度,并考虑异源道路网M∶N 匹配进行全局最优化匹配.实验选取 6 个实验区的 OpenStreetMap路网和TIGER/Line路网进行综合验证.结果表明,该方法的匹配准确率相较单一指标有显著提升,并能有效解决次优化问题导致的误匹配和漏匹配.
以泰国阿育他耶府省(Ayutthaya)为例,基于 Sentinel-1 A 遥感影像数据,在后向散射系数的基础上,提出一种利用动态 NDSI的简单、快速水稻分类方法.结果表明,影像处理后的 NDSI分布符合高斯混合模型,看作 2 个高斯分布的叠加;利用阈值法分类能有效区分水稻区域和非水稻区域,研究区域整体的准确率、召回率、精确率、F1 分别可达到 74.01%、76.68%、79.23%、77.93%;分类误差主要是由于各地区水稻种植时期不统一,结合水稻种植日历可以进一步提高分类精度.
探究城市对外交通枢纽乘客的时空分布及行程特征,对交通枢纽规划、公共交通线路优化等具有重要意义.本研究基于出租车 GPS轨迹数据提取对外出行乘客行为并分析其时空特征,结果表明,首先对外交通枢纽出行客流量从多到少依次为火车站、机场、汽车站,其中火车站、机场乘出租车离开客流量大于到达客流量,汽车站则相反,全天逐时客流量呈"单峰型"分布,机场峰值时间为 05:00-06:00,火车站及汽车站为 06:00-09:00;首次乘客上、下车聚集高值区围绕交通枢纽向心分布,主要分布于公共交通换乘枢纽与居住、商业等人口密集区域,各对外交通枢纽乘客的空间分布标准差椭圆面积、乘车时间及距离具有相似的数量特征,从大到小排序为机场、火车站、汽车站;最终同类交通枢纽间换乘客流占比最多(38.50％),火车站与机场次之,其中重庆北站至江北国际机场的换乘日均客流最多,交通枢纽自身规模及彼此间距离是影响换乘客流的主要因素.
ICESat GLAS激光测高数据已成为全球高程控制的重要数据源之一.ICESat-2 所搭载的激光器先进地形激光高度计系统 ATLAS采用光子计数体制,具有极高的灵敏性,能够进一步提高立体测绘的应用能力.由于激光高度计的模式不同,GLAS控制点筛选方法不能直接应用于 ICESat-2 数据.针对 ATLAS数据特点,文中提出一种基于评价标签的 ATLAS控制点筛选方法.该方法首先关联 ATL03、ATL08 内部参数,然后利用 ATL03 评价标签进行粗筛选,最后利用 ATL08 评价标签进行精细筛选.选取河南郑州地区 12 对第五版 ATL03、ATL08 数据对所提算法进行精度验证,经筛选后控制点的 RMSE可提升 54.46％.
图像在成像过程中经常会产生模糊与噪声等多种复杂的降质问题,针对同时存在模糊与噪声的图像复原问题,提出一种多先验约束正则化模型图像复原方法.图像组稀疏表示能够很好的去除图像模糊,图像自相似性的非局部均值理论能够很好的抑制图像噪声,因此引入组稀疏约束项与非局部均值自相似约束项,构建一种新的图像复原模型,根据图像组稀疏与非局部均值自相似性先验知识求解清晰图像.实验选择不同自然模糊影像、真实遥感影像以及水下模糊影像,并对比了组稀疏算法、盲去卷积算法、非局部均值算法与比值稀疏约束算法.针对含有不同类型模糊与噪声影像,本算法实验结果PSNR值平均提高 2.17 dB、2.08 dB、2.14 dB,充分说明本算法在去除图像模糊的同时抑制了图像噪声,达到提高图像质量的目的.
针对当前倾斜摄影建筑物三维模型单体化和轮廓提取存在的问题和不足,提出一种对倾斜三维模型分层"切割"和基于多边形几何相似性判定的单体化及轮廓提取方法.该方法以倾斜摄影三维 Mesh模型为对象,通过在不同的高程平面上对建筑物的三角格网进行投影、栅格二值化以及栅格-矢量转换等方法,提取建筑物的初始轮廓集,再采用一种多边形空间相似性判别的方法对轮廓集数据进行单体化计算和建筑轮廓提取,最后实现建筑模型的单体化渲染.研究表明,该方法具有不需要依赖第三方数据、自动化程度高、单体化和轮廓提取一体化的优点.该研究可以为当前城市级实景三维数据的实体化处理提供技术参考和方法选择.
准确监测高速公路不同程度的沉降是确保高速公路正常运营以及可持续发展的基础性工作.文中以黄河三角洲高速公路及沿线为研究区,基于SNAP-StaMPS方法,采用 2019 年 8 月至 2022 年 1 月的 37 景Sentinel-1 A数据,对该地区地面沉降监测的基础上,提取东营港疏港、东吕、荣乌 3 条高速公路及沿线地面沉降信息,识别出高速公路的隐患路段并对沉降原因进一步分析,为道路的维护提供基础数据支撑.研究结果显示,东营港疏港高速沉降最为严重,平均沉降速率为-74.16 mm/a;东吕高速沉降较为平缓,沉降速率为-7.9 mm/a;荣乌高速未发现明显沉降.因此证明 SNAP-StaMPS方法能有效监测高速公路沿线的灾害隐患.
西部黄土高原是我国矿产资源开发和生态环境建设的重点区域,对高精度数字高程模型(DEM)生产有着迫切需求,机载激光扫描技术在构建DEM方面具有很大优势,但黄土高原独特的地形地貌条件使得点云的滤波处理及三维建模更具挑战性.选取典型黄土沟壑区进行无人机激光扫描,划分多块不同地形、植被覆盖条件的实验区,分别采用不规则三角网渐进加密滤波、渐进形态学滤波、扩展窗口高程阈值滤波、最大局部坡度滤波等主流点云滤波算法,通过DEM平均误差、中误差、最大误差评价指标,定量分析各滤波算法构建 DEM的整体误差;分别采用克里金插值算法、反距离加权插值法、自然邻域插值法,通过分级误差稳定法确定最佳 DEM尺寸,利用交叉验证精度指标评价各插值算法构建DEM的整体误差.统计区块中坡度、地表复杂度、点云密度影响 DEM生产精度的因素,分析不同等级条件下的栅格误差.结果表明,DEM生产误差在不同地形条件下差异明显,并呈现一定的规律性.其中,三角网渐进加密滤波、形态学滤波相比其他滤波方法效果更优,但在特定地形、植被条件下可表现出更好的适用性;自然邻域插值法比其他插值方法地形表达效果更优,但在稀疏点云的插值中会造成DEM空洞.
针对WiFi在室内定位中信号波动性较大、地磁指纹存在误匹配等问题,提出一种基于BP神经网络的WiFi/地磁融合定位方法.该方法通过Z-score标准化消除 WiFi、地磁数据不同量纲级的影响,同时,选取 Tanh 函数替代Sigmoid函数作为BP神经网络的激活函数,改善深度学习中梯度消失、梯度爆炸等问题.离线阶段,将处理后的WiFi、地磁数据作为输入层对改进的神经网络进行学习训练,在线阶段,将训练好的BP神经网络用于智能手机的定位.实验结果表明,文中提出的定位方式较单一传感器的定位方式整体定位精度提升约为 14％.
