耦合布料模拟滤波与径向神经网络DEM自动生成研究

DEM插值指利用已知的采样点数据重构整个区域的三维结构。其中DEM插值方法的选取是当前DEM快速生成的研究热点之一。选取具有代表性的地貌数据进行实验。首先,利用布料模拟滤波将SfM与SGM技术生成的密集点云过滤出地面点;其次,利用简单克里金插值算法、自然邻域插值算法、不规则三角网、径向神经网络4种方法重构DEM;最后,将平均绝对误差及均方根误差作为本文的精度评价指标。试验表明,耦合布料模拟滤波算法和径向神经网络的方法相比于传统方法,其平均绝对误差及均方根误差分别提高了0.11 m和0.28 m,适用于低空摄影测量DEM快速生成。

一种基于深度卷积神经网络的道路损伤检测研究

基于传统道路损伤检测方法主要通过人工选取特征识别道路损伤,致使检测过程中抗干扰性较差,进而制约道路损伤识别精度的提高。针对这一问题,提出一种基于深度卷积神经网络的道路损伤检测方法。通过引入深度学习算法,利用迁移学习策略,构建稳健的非线性道路损伤识别模型;结合真彩色的道路图像,利用多层卷积神经网络抽取局部损伤区域的高级语义特征,实现复杂背景变化下的道路损伤智能检测。实验结果表明,提出的方法可准确识别道路损伤图像,相比常用方法能显著提高识别准确率。