基于线性八叉树的点云数据存贮与索引

八叉树结构是由四叉树结构推广到三维空间而形成的一种3D栅格数据结构,其树型结构在空间分解上具有很强的优势,为了有效地进行大量点云数据的存储和管理,重点讨论了线性八叉树编码技术。     

地震前驱波干扰数据的直观预测和分类

本文所研究的是一种基于超低频的振动测量传感器系统,专门捕捉地震前驱波的记录装置。将此装置布设在陕西子午、甘肃兰州、四川成都、河南洛阳四个站点,选取了近一年的连续数据记录,对所记录的海量信号数据进行分析,单纯利用出现异常信号与地震发生之间的对应关系得到预测地震的准确率。     

基于径向基函数点云数据表面重建

采用改进的隐式曲面重建模型,采用分层次重建思想和局部支撑的径向基函数相结合的重建算法,使其结合了局部和全局函数的优点,采用局部支撑径向基函数有效降低系统求解复杂度,分层方法可以有效处理残缺和非均匀点云数据。算法首先对点云数据进行层次划分,接着递归地将前一级的插值结果作为后一级的偏移,由粗糙到精细逐步改善重建结果。实验结果表明,算法简单易实施,重建效果良好。     

基于三坐标测量机的点云数据测量规划研究

应用三坐标测量机,通过对复杂自由曲面表面数据的测量,对点云数据测量规划进行了研究和探讨,总结出建立零件坐标系、曲面分块测量、采样密度选择、曲面边界测量以及测量路径优化等适用方法。     

基于微脉冲激光雷达的云识别个例分析

利用2010年11月至2011年10月期间米散射激光雷达对大气散射特性的连续观测资料,通过小波变换方法,对原始数据进行降噪,后向散射信号极为明显以及回波功率突然增大点处是云底的高度,小波降噪后,原信号保持了信号发展的高频特性,而且拟合过后原信号与降噪后的信号较好地拟合在一起;拟合之后可以分辨出云顶、云底高度以及云层数。     

基于非接触测量技术的边坡点云数据获取

本文利用无人机及三维激光扫描仪来获取边坡点云数据,主要讲述非接触测量技术在边坡地质信息拾取中的作业流程及便利性。     

基于机载LiDAR数据的建筑屋顶点云提取方法

机载激光雷达技术已经成为快速获取城市建筑三维数字模型的有效手段,而建筑物屋顶点云提取则是建筑物三维数字模型重建的关键.为有效剔除植被和墙面点云,以及消除地形起伏对建筑点云提取精度的影响,提出一种层进式屋顶点云提取方法.首先对Li DAR点云进行滤波,在此基础上利用点云回波特性和点云法向量检测并删除非地面点中特征明显的植被点和建筑物墙面点,然后利用连通成分分析法对非地面点聚类得到初始建筑点,最后结合DTM并利用建筑物面积和高度信息分离得到建筑物屋顶点云.试验结果表明,本方法能有效地从机载点云数据中快速提取建筑屋顶点云,有效率可达85%以上.     

离散点云数据三维重建原理与误差分析

在实际工程应用中,将离散点云数据连续化生成表面模型来模拟真实场景模型细节,本文研究离散点云数据的三维重建数学原理,分析B-Spline,Bezier,NURBS曲面拟合数学方法,并检测三维模型和原始点云数据之间的差异,并对差异进行对比分析,所得结论对离散点云数据的三维重建有一定指导意义。     

基于决策树和MODIS数据的土地利用分类

土地利用类型的识别是土地利用/土地覆盖研究中的重点内容,如何准确、快速的获得大尺度范围的土地覆盖信息进行土地变化的动态实时监测一直是关注的重点。本文针对MODIS数据多光谱的特点,以山东省为例,选取8月份8-day的一期MODIS09Q1、MODIS09A1产品及全年16-day的MODIS13Q1NDVI时间序列产品,通过分析各种土地利用类型的光谱间关系,同时选择NDVI、EVI、NDWI、NDMI、NDSI等分类指数,并构造新的波段B2/B1、B7/B6(B1、B2、B6、B7分别代表1波段、2波段、6波段、7波段),利用决策树分类法,进行土地利用分类试验。结果表明,仅利用MODIS数据自身信息对宏观的土地利用分类就可以达到较高的精度,分布范围完整的土地利用类型如耕地、城市居民点精度较高,零星分布的土地利用类型如农村居民点、草地分类精度较低。决策树分类法充分发挥了MODIS数据的多光谱特点,总体精度达到71.4%,kappa系数为0.68。相对于最大似然法,总体精度提高近10个百分点,对耕地及沼泽等类型的精度提高20%到25%。     

基于改进粒子群算法的散乱点云数据配准

提出了一种基于改进的粒子群与ICP算法相结合的点云数据配准算法,该算法主要依据点云数据之间的曲率相似度函数,采用改进的粒子群算法在两组待配准点云中搜寻到与之相匹配的点对集合进行初始配准,再将得到的配准结果作为迭代ICP算法的初始位置进行二次精细配准,从而实现两组散乱点云的配准。实验表明,该算法可以有效避免遗传算法可能陷入的局部最小值,与仅使用ICP算法相比,配准的运行时间大大缩短了,且稳定性和可靠性较好。     

基于云理论的文本分类方法

提出一种基于云理论和神经网络构造决策树的文本分类方法。运用云神经网络学习变量间的云映射关系,从中生成云决策树。这种方法结合了神经网络的学习算法和决策树的推理方法,具有神经网络的学习能力,并且应用了云发生器对处理不确定性的能力。更符合人类的思维方式,从而进一步提高了文本分类的效率、准确性和可靠性。     

基于VTK的点云可视化

针对.las格式的数据文件,给出了以QT为平台,基于VTK、libLAS的点云可视化方法,并利用该方法进行实验。经实验验证该方法灵活、方便,更便于对多功能交互的发掘和实现。     

基于Matlab的树木缺陷雷达波正演模拟

提出了一种树木正演模拟方法,将基于有限时域差分法(FDTD)开源正演软件MATGPR作为基本函数库,自制一个模拟软件,在Matlab平台上实现模拟。分析了图像的模拟过程,并举例模拟树木中的典型矩形缺陷的雷达图像结果与特点。     

云计算和云数据管理技术

在科学技术不断发展的同时,企业也将先进的科学技术引用到管理中,这使得企业的关键信息量持续增长。而这些关键信息量的增加,使得企业需要更大的数据库来对这些数据信息进行长期的保存,这就使得云计算技术得到了应用和发展。云计算技术的出现,使得海量的数据得到了有效的管理,而数据的增多,也使得查找变得更加困难,这就衍生出了云数据管理技术,这一技术的应用使得数据的查找更加方便和快捷。本文就云计算和云数据管理技术进行了简要的探究,仅供参考。     

基于稀疏激光采样点的建筑物提取

利用三维成像仪对所获取的稀疏激光采样点信息进行了城市人工建筑物提取的研究.首先根据激光点的高度相似性和距离相邻性可以分割出属于同一建筑物上的激光采样点,然后基于预测方向的方位角从同一建筑物上的激光点中分离出最靠近建筑物轮廓边缘上的激光采样点.对分离出的激光边界点依据建筑物的特点进行了边缘规格化处理.同时依据边缘点连线方向角的变化进行边界点的分组,再依据分组的边界点计算出建筑物的主方向.通过主方向对边界点组进行边缘规格化,最后得到建筑物最外侧边缘的轮廓.     

基于身高和拃长数据的性别分类研究

本文以身高和拃长2数据为特征,对男女性别进行分类,采用的分类方法为最小错误率贝叶斯决策。本文统计了样本数为25时的决策分类详细结果,并研究了样本数为5~50时错误率的变化趋势。研究结果表明,以身高和拃长数据为特征时,能够较为有效地区分出男女性别,且当训练集样本数量逐渐增大时,错误率显现出逐渐减小的趋势。     

基于气象数据与AVHRR热红外数据的人工神经网络分类方法

利用 5 2个气象站观测的温度数据与同位置的AVHRR 1bCH3、CH4、CH5三个通道的热红外遥感数据进行网络训练,再用训练出来的规则,指导整个研究区范围内图像数据进行分类,取得了较好的效果     

激光点云数据的纹理映射方法应用研究

三维激光扫描技术是获取GIS数据的重要方式。对三维激光扫描技术进行总结,简单介绍了三维点云数据的建模数据处理流程和方法,重点介绍了几种获取二维图像点和三维点云之间关系的方法进行了对比,包括空间后方交会,角锥体解算法、直接线性变换(DLT)方法,并将几种方法进行对比。     

大数据分析下提取激光点云边界数据

激光点云边界包含丰富的特征信息,传统边界数据提取方法获取的数据集合存在完整度低、精度差的不足。提出一种基于大数据分析的激光点云边界数据提取方法研究,首先在大数据框架下构建一种用于激光点云边界数据提取的云模型,利用模型对激光点云边界进行数据分类和配准;最后利用边缘检测算子对激光点云边界各点的曲率和法向矢量进行识别和分析,实现对点云边界数据的精确提取。仿真实验数据表明,提出的激光点云边界数据提取方法,具有更高数据分类和提取精度和更优边界曲线拟合效果。     

机载LiDAR点云数据密度的影响因素研究

机载激光雷达获取的点云数据是分布于对象表面的三维坐标点,由于受多种因素的共同作用,用户得到的点云在空间上是呈离散分布的,局部点云密度会呈现非常显著的区别。点云密度作为点云数据质量评价体系中的一项重要指标,研究其影响因素以帮助项目进行合理的设计实施,既能提高点云产品质量,又能帮助提高扫描作业的效率,节约工程成本。本文通过总结大量的工程应用实例,结合已有的科研成果,综合分析了能够影响机载Li DAR点云密度的主要因素。