一种稳健空间圆拟合方法及其在地铁洞门环检测中的应用

空间圆拟合在点云数据处理、地铁建设、工业检测中应用广泛,但存在计算步骤繁琐、拟合精度易受异常值影响等不足。针对这些问题,提出一种基于结合改进的主成分分析和罗德里格投影的空间圆拟合方法。首先提出改进的主成分分析法在拟合空间圆所在最佳平面的同时也可以剔除测量中的粗差,该剔除粗差步骤简单、高效,也提升了算法稳健性;接着利用罗德里格投影将三维坐标投影到拟合的平面上进行平面圆的拟合,拟合后再投影至三维坐标系,该步骤进一步提高了算法便捷性;最后利用深圳某地铁车站洞门钢环实际测量数据和几种常见的空间圆拟合算法进行对比实验,分析改进算法的普适性和剔除粗差的能力。实验结果表明,提出的空间圆拟合方法拟合结果可靠,能够有效地剔除观测带来的粗差,提升空间圆的拟合精度和工作效率。在有粗差的情况下拟合的平均圆度为4.8 mm,较对比方法拟合平均圆度提高约50%。

结合几何特征和深度神经网络的大范围点云自动分类

针对大范围点云自动分类存在点云噪声多以及场景复杂等挑战,本文提出一种结合几何特征的深度神经网络分类方法。在输入阶段,基于结构张量来提取单个点云邻域内的局部几何特征,从而有效保留点云的几何细节,提高特征表示能力;在特征提取阶段,设计了全局上下文聚合模块,该模块对每个位置的特征进行自适应加权,扩大网络感受野,抑制点云噪声。在大范围的室外点云Semantic3D和室内S3DIS数据集上进行了实验。结果表明,本文方法能够有效保留几何细节,减少噪声干扰,提高点云分类精度,在Semantic3D和S3DIS上总体精度分别达到93.60%、87.04%。

复方松及片提取物对博莱霉素诱导的小鼠肺纤维化的影响

目的观察复方松及片(CFRB)对博莱霉素诱导的小鼠肺纤维化的影响,初步探究复方松及片对肺纤维化的作用及其机制。方法采用气道滴入博莱霉素(2.5 mg/kg)制备肺纤维化模型,在造模后每日采用灌胃方式给予复方松及片提取物,对照组腹腔注射地塞米松。连续用药14 d后,采用生理盐水进行支气管肺泡灌洗(bronchoalveolarlavage fluid,BALF),收集BALF,ELISA法测定转化生长因子-β1(transforming growth factor-β1,TGF-β1)的含量。液氮速冻肺组织,-80℃保存,检测各组肺组织羟脯氨酸含量,以及PDE8A mRNA的表达。结果复方松及片提取物对博莱霉素气道滴入诱导的肺纤维化变化有一定的抑制作用,能改善肺组织的纤维化病理改变。复方松及片提取物能明显降低BALF中TGF-β的含量,且对磷酸二酯酶8A(PDE8A)的mRNA表达也有一定的抑制作用。结论复方松及片对博莱霉素诱导的肺纤维化有一定作用,提示复方松及片可能用于肺纤维化的治疗,同时PDE8A可能是肺纤维化的新靶点。

磷酸二酯酶4B在博来霉素诱导的肺纤维化小鼠肺组织中的表达与作用

目的观察博来霉素诱导的小鼠肺纤维化过程中磷酸二酯酶4B(PDE4B)mRNA和蛋白表达随时间的变化,初步探究PDE4B在小鼠肺纤维化过程中的作用。方法采用气道滴入博来霉素2.5 mg·kg-1制备肺纤维化模型,在造模后第3,7,14,21和28天进行支气管肺泡灌洗并留取肺组织。应用细胞形态学方法计数支气管肺泡灌洗液(BALF)中白细胞总数和分类;ELISA法测定BALF中巨噬细胞炎症蛋白2(MIP2)、白细胞介素6(IL-6)、IL-1β和转化生长因子β1(TGF-β1)含量;胶原试剂盒测定法测定肺组织胶原含量;髓过氧化物酶(MPO)活性测定试剂盒测定组织匀浆液中MPO活性;实时荧光定量PCR方法检测小鼠肺组织中PDE4B mRNA表达;免疫组织化学法检测PDE4B的分布。结果博来霉素气道滴入诱导的肺纤维化随时间持续加重,第28天最明显,可见肺组织明显实质化。BALF中白细胞总数、IL-1β和IL-6在造模后第3天达峰值,分别为正常对照组的22.0,2.0和2.8倍;MPO和TGF-β1在第7天达峰值,分别为正常对照组的1.9和5.5倍;胶原含量、MIP-2和PDE4B mRNA表达从造模后呈持续增长趋势,分别为正常对照组的1.6,2.7和2.6倍。免疫组织化学法检测结果表明,PDE4B分布于炎症细胞和纤维化的肺组织。结论PDE4B在肺纤维化中发挥重要作用,可能是一个特异性的药物作用靶点。

基于深度学习的城市地理国情地表覆盖分类研究

作为图像识别的研究热点,利用深度学习对遥感影像进行自动分类具有较强的应用实践价值。本文基于全卷积神经网络的深度学习框架,提出了一套城市地理国情地表覆盖分类技术方法:利用地理国情成果,构建城市遥感影像样例库,训练全卷积神经网络,实现地表覆盖自动分类,并通过相似性系数对专题地物进行变化检测。文章选取了上海局部区域作为实验对象,结果发现该方法可以有效减少时间成本,对人文和自然地理要素之间具有较好的区分度,可以为地理国情成果应用和实践提供新的思路和方法。

结合深度神经网络的高分辨遥感影像滑坡检测

利用遥感影像快速、高效地检测滑坡区域在抢险救援、风险评估等方面发挥着重要的作用。提出了多尺度特征融合的深度神经网络框架用于高分辨遥感影像滑坡自动检测。首先,该框架利用ResNet网络对遥感影像进行筛选,选出具有滑坡区域的候选影像。接着将含有滑坡区域的候选遥感影像输入到多尺度神经网络中对滑坡区域进行分割,从而精准地定位滑坡位置。利用开源数据集和自制数据集对模型进行了训练,并在都香高速公路沿线正射遥感影像上测试。结果表明,该方法在测试区域的滑坡检测总体精度为88.55%,召回率为85.52%。提出的深度神经网络框架能够提取不同尺度的滑坡区域,削弱了与滑坡无关因素的影响,有效提高了高分辨遥感影像滑坡检测的精度。