【摘 要】
：
针对传统主成分分析点云法向量估算存在精度不高、人工干预等问题,提出了一种改进的主成分分析法向量估算方法,并根据点邻域法向量标准差实现了离散点云特征提取,最后对关键参数K取值进行讨论。通过引入高斯核函数为邻域点集权值计算公式,削弱了距离较远点对采样点法向量精度影响;以信息熵最小化为约束条件自适应选择最佳邻域尺度R,较好的顾及了局部点云空间特征的差异性。实验结果表明:该方法能很好的实现点云特征提取,改
论文部分内容阅读
针对传统主成分分析点云法向量估算存在精度不高、人工干预等问题,提出了一种改进的主成分分析法向量估算方法,并根据点邻域法向量标准差实现了离散点云特征提取,最后对关键参数K取值进行讨论。通过引入高斯核函数为邻域点集权值计算公式,削弱了距离较远点对采样点法向量精度影响;以信息熵最小化为约束条件自适应选择最佳邻域尺度R,较好的顾及了局部点云空间特征的差异性。实验结果表明:该方法能很好的实现点云特征提取,改进后的点云法向量估算顾及点云邻域复杂程度,具有普适性强、自动化程度高的特点,建议关键参数K取值范围12～
其他文献
空间数据生产中现有资料的分析主要依赖专家决策,主观性较强且执行效率低。本文将空间数据可用性用于数据生产中,通过对空间数据生产密切相关的可用性指标进行评估,准确掌握多源矢量数据的具体差异,辅助制定科学合理的生产方案。试验结果证明,该方法科学有效,在提高数据生产效率、保证数据质量方面,具有一定的实用性。
反映线路空间状态的多源实景配准融合精度一直制约着实景仿真技术的纵深使用。针对该问题,本文提出在不重组重构数据的前提下,以"三维设计模型作为理论真值、激光三维点云提供线路精确几何特征、无人机倾斜摄影真三维作为线路周边情境"的分工,研究改进Bursa算法以提升既有实景配准精度。实例表明,改进的Bursa算法对坐标系配准精度提升了10%～50%,算法本身对配准精度的损失可忽略,多源实景叠加点位差均值为1
通过新型基础测绘试点探索,本文提出了一种通用的地理实体数据模型,基于该模型完成了地理实体数据库搭建,构建了新型基础测绘试点成果应用服务原型系统,验证了该数据模型的有效性,为地理实体数据管理与应用提供了可行的解决方案。
顾及城市规划、建设、管理等政府部门需求,结合城市空间基础数据实际情况,基于三维GIS(geographic information system)开发了地上地下一体化三维系统。研究了多模态时空数据集成管理、地下三维管线自动建模、工程地质建模分析、城市空间产权管理关键技术和功能,为城市实景三维场景组织调度、地下空间可视化应用以及城市立体空间精细化管理提供决策支持。以成都市数据为例,验证了系统的可行性
为适应新工科人才培养体系建设的需要,教学团队建设势在必行。将学科内的科研项目引入探究式教学课堂,依托科研项目建设教学团队是一条有效、高效的途径。在"导航与室内外定位"课程教学实践中,辽宁工程大学测绘工程专业将基础性、前沿性、交叉性的科研项目与"导航与室内外定位"教学进行高度融合,组建了一支由多个科研项目支撑的教学团队。几年的教学实践证明:将科研项目融入教学,不仅增加了学生对课程的认识和兴趣,而且有
随着卫星互联网技术的迅速发展,低轨卫星通信技术与应用已成为全球通信领域的研究热点之一。通过一定数量的低轨通信卫星与地面网络的融合组网,可以构建具备实时信息处理与传输的大规模星座网络,从而为地面和空中等用户终端提供全球覆盖的宽带互联网接入等通信服务。随着对空间资源利用的逐步深入,
针对目前多种网络基于小数据集或国际通用的一些标准数据集进行训练与测试,无法满足从互联网图片中高效识别出地图图片的需求,该文构建了一套基于卷积神经网络的互联网图片分类体系,对自动采集的92 543张互联网图片经类型标注后形成样本库,将样本输入残差网络ResNet50和轻量级网络SqueezeNet中进行训练及测试。结果显示:在地图类中,ResNet50的精确率、召回率分别比SqueezeNet高2.
农田检测是及时了解农作物信息的现代技术,传统的检测方式为有线检测,但是就现场布置而言,有线检测不仅工程量大,操作不便,并且维修困难,不利于长久实施。本文提出一种将无线传感技术运用于农田检测的检测系统,主要将Zig Bee与无线传感技术相结合,实现便利的农田环境检测。本文主要研究该协议的硬件设计,分析该协议网络的特点,提出将该网络协议与无线传感器网络相结合的算法,最终实现终端对农田环境的检测。结果表
针对常规的密度峰值聚类算法在确定数据聚类中存在聚类中心的重复性、聚类不稳定、不适用于三维点云分割等问题,提出了中心均匀化聚类群融合算法。该算法对局部密度和距离函数进行归一化处理,较好地解决了这两种函数尺度不一的问题;基于局部密度和距离函数乘积的变化率来确定聚类中心,并对重复或距离很近的聚类中心进行了消除,避免了聚类中心非均匀分布对聚类的影响;利用数据点到聚类中心距离逐个确定每个数据的聚类归属,依据