Chan-IDW算法在信号干扰下的UWB精确定位研究

随着人们对室内定位需求不断增加,具有良好通信功能以及定位性能的超宽带(UWB)技术在室内定位领域发挥着重要作用。针对UWB通信信号在室内复杂环境中容易受到干扰,造成定位误差的问题,本文建立K-means算法对采集数据进行聚类分析,剔除有信号干扰时产生的错误测距数值,并在经典Chan算法的基础上进行改进创建出Chan-IDW模型来确定靶点位置的实际坐标,再通过均方差误差(RMSE)来衡量出该定位模型的精度。实验结果计算出在信号干扰下定位的靶点二维坐标平均误差为5.67 cm,三维坐标平均误差为11.34 cm,误差均在厘米级别,表明该模型求解靶点坐标与其真实坐标非常接近。因此得出结论,Chan-IDW模型可有效解决室内信号干扰下的UWB精确定位问题。

跨层交互与多源特征融合的遥感图像语义分割

将数字表面模型提供的高程特征与光谱特征进行融合可以提高遥感图像的语义分割性能。然而,由于多模态数据特征之间存在显著差异,仅使用级联或者相加的方式对数据特征进行融合容易造成特征冗余和过量噪声。针对该问题,提出了一种跨层交互与多源特征自适应融合的语义分割网络CIMFANet。该网络在解码层实现对双模态特征的提取,采用密集的短跳跃连接进行跨层特征交互以防止空间细节信息的丢失,同时引入空洞空间金字塔池化模块提取跨层交互后的多尺度上下文特征。解码层使用多模态融合模块以自适应的方式融合来自双分支和前一层的特征。该方法在ISPRS提供的两个基准数据集上与其他方法进行对比实验。实验表明,该方法在某些地物要素方面具有更高的分割精度。

基于无人机倾斜摄影的校园三维模型构建

无人机倾斜摄影的三维建模具有高效率、高精度、低成本等巨大优势,针对其作为一项新兴技术缺乏较为系统的规范流程的问题,探究与完善了无人机倾斜摄影三维建模的方法流程,包括倾斜影像数据的采集、数据预处理、三维模型构建等.以江西理工大学红旗校区为例,实施了无人机航摄作业并采集了校园影像数据,对倾斜影像进行联合平差和密集匹配、数字表面模型建立、纹理映射等生成了三维初始模型,然后结合Geomagic对初始模型进行修补,完成了校园三维精细模型的构建.与传统三维建模技术比较,基于无人机倾斜摄影的三维建模具有省时省力、位置精确、高还原度、高效率等优点.

应用型本科院校地图制图模块化教学改革探讨

随着地方本科院校转型发展的进一步深入,与之相适应的课程教学改革迫在眉睫。本文立足我校测绘工程专业实际,借鉴部分本科院校与高职高专的经验与做法,融合地图制图有关单位岗位能力需求分析,从理论教学、实践教学及生产实习(综合实习)3个方面,初步建立面向应用型本科人才培养的地图制图模块化教学体系,树立特色鲜明、流程规范的教学新模式;同时,本课程模块化教学体系的构建,将加快本专业其他课程模块化教学的进程,也为与其他应用型本科院校的课程教学改革进行交流学习提供契机。

Automatic Placement of GIS Vector Map Annotation in Area Feature by Long Diagonal

This paper discusses the placement of Chinese annotation from point of view of graphics. Area Feature is classified as simple polygon, complex polygon and special polygon. For simple ones, annotations are placed along the longest edge. For complex ones, firstly the polygon are simplified according to close points, then the longest diagonal is gotten by comparing length, lastly, annotations are placed along long diagonal. For special ones, the polygon are partitioned into several parts by a certain rule for getting their sub\|diagonals, then their annotation are placed by means of the second.

基于WiFi探针数据的城市出行轨迹提取

为了更便捷地提取城市居民的出行轨迹,从而分析个体的日常空间行为,进而为城市管理的各项措施决策提供数据支撑,本文提出基于WiFi探针数据的城市出行轨迹提取方法,主要解决WiFi探针数据的路网匹配及丢失轨迹重构问题。首先,通过对终端MAC码和时间戳进行多列排序后提取出轨迹记录序列,利用信号强度RSSI值为每条记录提取坐落在路网上的候选点集。其次,设计基于局部评价的算法,对于每一个候选点,利用其前后相邻的几条记录提取的候选点集与其之间的时空关系,先后对其进行时间一致性评价和空间一致性评价,再结合以时间反比动态构建的权函数,得到最终评分;然后将每个候选点集中评分最高的点作为最佳匹配点,至此完成轨迹记录的路网匹配。最后,先采用基于深度优先的路径搜索算法搜索出丢失轨迹上下点之间的所有可行路径,再基于TOPSIS法决策出最优的重构路径。本文以东莞市市中心区域收集的WiFi探针数据为实验数据进行测试,平均每日可提取6万多条轨迹,与其中获取的GPS数据相比较验证了方法的可行性,为城市出行轨迹挖掘提供了新的解决方案。

结合轨迹数据的城市居民出行热点识别与分析

浮动车轨迹数据可用于居民出行热点研究,本文利用海口市“滴滴出行”轨迹数据,基于核密度估计法识别居民出行热点,结合复杂网络理论建立热点区域空间交互网络,挖掘居民出行潜在规律。研究发现:核心区域存在持续型热点,与休息日相比,工作日热点分散分布且热度值更高;工作日热点交互强度明显大于休息日,且强度较高的热点存在局部抱团现象。上述结论可为改善城市居民出行体验和城市交通拥堵状况等提供参考。