密度聚类方法在点云数据分割中的应用研究

点云数据分割是点云数据处理的主要工作,也是实现地物自动识别的前提和关键环节,由于各种原因,目前点云数据分割自动化程度不高,尚需进一步的深入研究。本文以机载云数据为研究对象,提出了基于密度聚类方法的激光点云数据分割方法,该方法具有速度快、分割效果好、适应性强等优势,为后续的地物自动识别奠定了基础。

基于高斯过程回归模型的大坝位移预测

针对传统回归模型监测的精度不足,将高斯过程回归方法引入大坝安全监测领域,采用正弦平方核(Exp Sine Squared kernel)函数进行高斯过程回归分析,通过对小浪底水利枢纽坝顶某监测点历史观测数据构建高斯过程回归(GPR)模型,进行GPR建模,对其后八期位移进行预测,并进行可视化图表输出并加以分析。结果表明,GPR模型预测精度在一定程度上优于其他回归模型。

基于无人机遥感影像的不动产信息提取

利用无人机航空影像提取高精度的不动产信息是提升不动产确权工作能力的重要技术手段。在不动产确权工作中,选用搭载于六旋翼大疆M600无人机获取的多光谱影像,采用多尺度分割+随机森林分类方法进行不动产信息遥感提取试验。结果显示:大疆M600无人机获取的多光谱影像质量较高,房屋等纹理信息表达清晰;通过多尺度分割工作,将房屋、道路等不同地物类型的像元特征进行最优组合,形成不同的对象;通过选择最优组合对象作为样本,带入随机森林分类器中,提高了房屋不动产信息的遥感提取精度,图斑提取边界清晰,与实际情况高度吻合,且道路、裸地等其他地类对其混淆较小,整体分类精度达到97%。