摘要：针对传统土石方量测量中存在受地形限制、耗时费力、成本高等问题,提出一种基于无人机影像匹配点云的土石方量计算方法。使用单镜头多旋翼无人机获取玉林市某矿山区域范围内正射影像与倾斜影像,借助Pix4Dmapper软件对无人机影像进行处理与分析,提取矿山地表三维点云数据;利用布料模拟点云滤波算法对所获取的点云数据进行滤波处理,进而分离非地面点与地面点;同时利用局部多项式插值算法对地面点云缺失区域进行插值拟合,生成更加准确的地形特征;利用EPS软件对点云成果进行分析,计算矿山现状开采范围内的土石方量值。结果表明:基于无人机影像匹配点云的土方量计算所得结果与GNSS-RTK实测结果差值比为1.9%,计算方法具有可行性与可靠性,可作为土石方量计算新方法。

摘要：对流层湿延迟是GNSS误差源较难改正的部分。主流的天顶湿延迟(ZWD)经验模型大多基于单源数据,如探空数据或再分析资料的一种,且通过预设模型函数表征ZWD在不同尺度上的变化,难以准确描述ZWD在不同尺度上的非线性复杂变化,精度有待进一步提高。针对此问题,基于多源数据和具有强大非线性逼近能力的广义回归神经网络(GRNN),构建了一种ZWD预报模型。首先,采用GRNN模型优化和降采样两种不同数据源的格网ZWD,并将其与探空ZWD合并,获取高质量的ZWD数据集;然后,根据ZWD受时空影响较大的特点和机器学习的特点,设计了GRNN训练模型的输入变量和输出变量;最后,采用后验寻优的方法确定模型参数,进而获得最优的预报模型。经探空ZWD验证,相比国际典范经验模型GPT2w,模型的精度提高了25.3%(以RMS计);相对同方法单源(探空)数据模型,精度改善了11.1%;且模型的预报精度具有良好的时空稳定性。此外,计算效率和PPP应用试验结果表明,模型的计算效率可满足GNSS实时应用的需求,且应用于PPP的改进效果优于GPT2w。本文所提方法无须预设模型函数即可获得较高的ZWD预报精度,为ZWD模型化提供了一种思路。

摘要：针对传统城市部件普查入库方式需要耗费大量人力物力,为了在城市数字化建设中实现城市部件普查的快速高效入库,通过优化国家城市部件普查标准编码,设计基于VBA的Excel预处理工具和基于ArcPy开发的ArcGIS插件工具,实现了城市部件普查数据快速协同入库的方式。以梧州市万秀区某一路段进行试验,结果表明本方法能有效降低数据质检入库的错误率与复杂度,较传统方法效率提高约2倍,极大提高了城市部件普查数据入库的效率。

摘要：为解决兴趣点推荐中个性化不足和推荐性能较差的问题,提出一种基于矩阵分解的上下文感知兴趣点推荐方法。通过建立矩阵分解模型综合考虑时间、地理位置等上下文信息对兴趣点推荐的影响,在协同过滤算法中融入时间序列建模用户偏好,利用随机梯度下降法优化矩阵分解模型的参数,提高模型的运行效率。实验结果表明,该方法能够满足不同用户的个性化需求,相比于其它主流兴趣点推荐方法有着更好的推荐性能。

摘要：无人机倾斜摄影航线布设方式直接影响影像采集的高效性及后期成果质量。文章提出利用单镜头无人机面向校园等小区域环境进行多角度拍摄,重点设计对角交叉型航线、折线型航线、井字型航线进行影像采集,建立三维实景模型。通过对3种航线所构建的三维模型精度进行分析比较,结果表明:对角交叉型航线建模方法检核点点位精度略低,航拍效率高,影像数量少;折线型航线建模方法检核点点位精度较高,航拍效率较低,影像数量较多;井字型航线建模方法检核点点位精度高,但航拍效率低,影像数量多。

摘要：针对目前对影像中高斯噪声与椒盐噪声的去噪算法普遍存在去噪效果不佳、去噪后影像边缘模糊的问题,提出了一种新的遥感影像组合滤波去噪方法。该方法在DnCNN算法的基础上增加了一层自适应中值滤波,利用自适应中值滤波对椒盐噪声去噪效果好的特点去除影像中残留的噪声,为了在去噪过程中更好地保护影像细节、边缘等信息,在自适应中值滤波过程中采用噪点及其最近邻域像素点中值替换原滤波窗口中值,提升细节信息保护能力,同时对影像进行边界扩展,确保原影像边界像素点自适应参与滤波处理,提高影像边缘去噪效果,使去噪后影像更加清晰。为验证算法的可行性,分别进行了仿真和真实遥感影像去噪实验,并用主观视觉和客观评价指标进行对比分析。结果表明,本文方法对于遥感影像混合噪声去噪效果优于传统去噪方法,能够较好地保留图像边缘及纹理细节。

摘要：针对超宽带(ultra-wide band,UWB)室内定位中测距信号的信噪比与测距误差间成负相关的关系,提出了一种基于超宽带测距信号信噪比(signal-noise ratio,SNR)的定权优化模型。通过该定权模型,能对具有较大信噪比的测距值赋相对较大的权值,从而提高超宽带室内定位精度。实验结果表明,该定权模型能够有效提高超宽带室内定位精度。静态试验以全站仪测量结果为真值,点位误差为3.7 cm,相对于未定权时的定位精度提高90%,动态试验结果更接近实际轨迹,且减少了偶然误差。

摘要：大气加权平均温度T_(m)是计算水汽转换因子和大气可降水量的重要参数。利用2007—2017年全球大地观测系统(global geodetic observing system,GGOS)Atmosphere T_(m)格网数据和欧洲中尺度天气预报中心(European centre for medium⁃range weather forecasts,ECMWF)2 m温度数据,建立一种适合澳大利亚区域、顾及T_(m)残差季节性和日周期变化的T_(m)模型——qTm。此外,采用2018年的GGOS Atmosphere T_(m)格网数据和探空资料对该模型进行评估。结果表明,qTm模型在澳大利亚区域具有较高的精度和适用性,与GGOS At⁃mosphere T_(m)相比,qTm模型的年均偏差(Bias)和均方根误差(root mean square error,RMSE)分别为-0.31 K和1.97 K,相对于GPT2w⁃1和GPT2w⁃5模型,RMSE分别提高21.8%和25.9%;qTm模型值与探空积分值更符合,模型的年均Bias和RMSE分别为-0.44 K和2.45 K,相比GPT2w⁃1和GPT2w⁃5模型分别提高10.2%和11.8%。qTm模型可为澳大利亚区域提供精确的T_(m)值,为该区域大气水汽分析和厄尔尼诺现象研究提供基础。

摘要：采用公式推导和仿真优化相结合的方式,设计了一种测量水深的LiDAR光机系统。该系统光源采用532 nm和1 064 nm双频激光器,设计532、647、1 064 nm三个接收通道,拟定飞行高度140~500 m,可变扫描角9°~15°,发散角小于0.5 mrad,水面点密度范围约为0.687~4.170点/m^2。设计拉曼波段作为水深测量波段,提高浅水区测量效果,利用可变扫描角实现了不同高度下幅宽可固定、兼顾高分辨率和大视场角,以适应不同应用场景。

摘要：针对BP神经网络在遥感影像分类中存在易陷入局部极值和单一影像特征缺乏有效地物判别信息的问题,该文提出了一种遗传算法(GA)结合指数粒子群算法(ExpPSO)优化BP神经网络的多特征融合遥感影像分类方法(GA-ExpPSO-BP)。该方法将设计的基于指数函数的ExpPSO与GA结合构建GA-ExpPSO算法,利用GA-ExpPSO算法对BP神经网络的权阈值进行初始寻优从而构建GA-ExpPSO-BP模型。以高分二号、资源三号遥感影像为实验数据,通过制作多特征融合数据集训练及实验验证。结果表明:该方法的类别精度、总体精度和Kappa系数均最高,且训练耗时和误差最小,能有效改善影像的分类效果,提高分类效率和精度。