基于遥感的森林碳储量显式计算模型

面向国家“双碳”目标和国际碳交易市场需求,陆地生态系统的固碳现状和未来固碳潜力亟须研究。森林是陆地生态系统中重要的碳库,目前基于地面观测的清查方法工作量大且抽样统计结果难以评价,基于卫星遥感反演的方法缺乏理论解释且普适性差。本文从单木级森林碳储量模型出发,提出一种基于遥感的森林碳储量显式计算模型。首先使用图像分辨率、森林郁闭度和森林高度3个关键变量构建森林碳储量显式计算模型,并对模型变量和参数进行误差分析;然后利用单木的生长特性,仿真不同饱和度的森林场景,从理论上解算不同树种的模型参数,并检验模型参数的精度与稳定性;最后验证模型在不同空间尺度、饱和度森林场景下的精度、稳健性和适用性。本文提出的森林碳储量模型解决了现有卫星遥感反演缺乏理论解释性和适用性差的难题,可实现大范围森林碳储量高分辨率制图和全球森林碳汇动态监测。

点-线特征联合的全景图像位姿解算方法

目前,全景图像位置和姿态参数的解算多基于点特征,而场景中普遍存在的线特征尚未得到充分利用。本文提出一种点-线特征联合的全景图像位姿解算方法,不仅可用于点特征缺失场景中全景图像位姿参数的解算,而且在点特征充足的场景中可提高位姿解算的精度和稳健性。该方法中的线特征使用线上的任意两点表示,不要求全景图像和三维场景同名线上的选点具有对应关系,因而易于选取,具有极大的实用性。首先,使用直接线性变换构建点-线特征联合的全景图像位姿解算模型,并针对水平线和垂直线获取简化后的模型;然后,利用仿真道路场景,从特征点和线的不同组合方式及大姿态角两方面分析该模型的适用性,并通过人工引入不同类型及量级的点-线误差分析该模型的容差性;最后,将本文方法应用于全景图像与激光点云的融合,从理论和实践两方面证明点-线特征联合的位姿解算方法在精度、稳健性和容差性方面优于单纯的点特征解算方法。

基于机载红外影像纹理特征的输电线路绝缘子自动定位

红外成像法是一种重要的绝缘子缺陷检测方法,但传统的人工诊断方式效率较低,难以满足无人机巡检的数据处理需求。为此提出一种从无人机红外影像中自动识别绝缘子的方法,首先对影像进行拉普拉斯边缘提取,然后遍历穿过影像的直线集,根据沿线的强度直方图探测影像中的周期纹理特征,再通过角度内特征聚类与角度间特征聚类,自动识别红外影像中的绝缘子中心线。选取包含不同背景(植被、农田、杆塔)的无人机红外影像数据集进行实验,该方法识别率在85%以上。结果表明,该方法能有效地从复杂地面背景的无人机红外影像中自动识别并定位绝缘子,为实现机巡作业红外诊断智能化奠定了基础。

面向数字孪生城市的智能化全息测绘

以大数据、物联网、人工智能、虚拟现实、云计算、智能驾驶等新技术为代表的信息化浪潮席卷全球,数字世界与物理世界正形成两大平行发展、相互作用的体系,数字孪生技术应运而生。随着物联网技术(IOT)的发展,数字孪生的理念被引入到智慧城市建设中来,深刻影响着城市规划、建设与治理。笔者所在单位面向数字孪生城市和自然资源统一监管对测绘地理信息的新需求,在全国开创性地开展了面向数字孪生城市的智能化全息测绘试点工作。本文结合上海市智能化全息测绘试点工作,从数字孪生城市、数字孪生城市对地理信息的新需求、智能化全息测绘关键技术及测绘成果等方面展开了论述,重点介绍了智能化全息测绘的技术体系和产品体系,以及在社会各领域的应用成果。

点云智能研究进展与趋势

随着以激光扫描、倾斜摄影为主的各种现实采集(reality capture)装备的快速发展,点云已成为继矢量地图和影像数据之后的第三类重要的时空数据源,并在地球科学、空间认知、智慧城市等科学研究和工程建设中发挥越来越重要的作用。如何从点云大数据中快速、准确获取精准有效的三维地理信息成为测绘地理信息领域的科学前沿和地学应用研究的迫切需求,也是三维地理信息获取与建模面临的重大难题。点云智能应运而生,并成为突破上述难题的科学途径。本文围绕点云智能中的三个重要方向:点云大数据处理的理论方法,点云大数据智能处理关键技术和重大工程应用,阐述点云采集装备、智能化处理,以及科学研究与工程应用的最新进展,最后对点云智能的重要发展方向趋势予以展望,希望为点云研究相关人员提供科学参考。

车载探地雷达地下目标实时探测法

中国的城镇化加快了地下空间大规模开发与利用的进程。摸清地下空间目标的分布状况,保障城市可持续发展和地下空间资源的永久利用,是维护未来城市安全中的重要任务。探地雷达(GPR)凭借其数据采集速度快、成像分辨率高、无损检测等优点在地下空间资源调查中得以广泛应用。但仍存在GPR数据地下目标识别不准确、自动化程度低等缺陷,自动检测GPR数据中的地下目标或目标缺陷仍然是一个亟待解决的难题。为此,本文分析并确定了GPR影像中可进行识别的城市道路地下空间的7类典型目标(如雨水井、电缆等)。并根据其反射信号特征,标记了GSSI SIR30设备以400 MHz波段采集的GPR数据中的典型地下目标,构建了GPR地下目标样本库,共包含7类总数为3033个。通过迁移学习的方法,精调预训练后的Darknet53网络参数,通过端到端的YOLOV3检测方法完成地下目标的自动识别与定位。最后,利用深圳福田区彩田路GSSI SIR30装备以400 MHz波段采集的GPR数据进行试验验证。试验结果表明,本文提出的基于深度学习的地下目标探测方法对城市典型地下目标的检测精度和召回率达到85%以上,检测速度达到了16帧/s,能够有效探测GPR数据中的城市地下目标。

面向智能化测绘的城市地物三维提取

精准有效的三维时空信息是新型基础设施建设、实景三维中国、自然资源管理与监测等国家重大需求不可或缺的重要支撑。测绘装备的快速发展提升了点云和影像获取的便捷性,为智能化测绘提供了一种全新技术手段。然而,如何从点云、影像中智能地提取三维时空信息仍然面临诸多困境。本文围绕城市场景中地物目标智能化提取的需求,重点阐述点云位置精度改善、点云与全景影像融合、部件级典型地物要素精细提取、软件研发与工程实践4个方面的关键技术与研究进展,为实景三维中国建设等提供关键支持。

适用于城市场景大规模点云语义标识的深度学习网络

近年来,以点云为代表的三维数据不断涌现,如何利用人工智能手段,高度提升点云的解译能力,实现城市地物目标的语义标识、三维精准提取等成为亟待攻克的难题。为此,本文提出了一种端到端的三维点云深度学习网络,通过构建不规则分布点云的上下采样策略、特征多层聚合与传播,以及顾及样本不均的损失函数,有效保障了点云采样的高效性、特征提取的准确性及网络整体性能的最优性。三维点云大规模数据集上测试表明,该深度学习网络在城市场景的语义标识正确性方面取得了优异的结果,性能优于当前的主流网络,为三维地理信息的高性能提取提供了有力支撑。

智能化全息测绘及示范应用

融合城市精准空间信息和物联网动态传感数据流,对城市进行数字化孪生的智能化全息测绘,是实现‘像绣花一样精细’城市管理的重要途径。针对智能化全息测绘面临的城市全空间信息获取难、多源异构数据精准融合难、结构与语义信息智能提取难、城市场景结构化语义模型重建难、应用示范落地难等技术瓶颈,从融合多传感器的城市空间信息获取、城市空间信息与物联网动态传感数据流精准融合、城市全息要素地理实体结构与语义信息智能提取、城市场景结构化语义模型按需重建等方面展开论述。

机载激光点云中高压电塔自动识别方法

提出了一种基于格网特征的机载激光点云高压电塔自动识别方法。首先对机载激光点云数据进行滤波去噪处理;然后对点云数据进行规则格网化特征分析获得高压电塔粗识别区域;最后对粗识别区域进行外接邻域网格线性特征悬空点集检测以确定电塔识别结果,并以分层切片法分析获取电塔平面中心坐标。采用大型无人机实际线路巡检获取的机载点云数据对本文算法进行验证,试验结果表明本算法可实现高压电塔的快速自动识别,对无人机电力巡检智能诊断具有一定的促进作用。

Data acquisition,analysis and applications of multi-sensor integration

This paper presents some key techniques for multi-sensor integration system, which is applied to the intelligent transportation system industry and surveying and mapping industry, e.g. road surface condition detection, digital map making. The techniques are synchronization control of multi-sensor, space-time benchmark for sensor data, and multi-sensor data fusion and mining. Firstly, synchronization control of multi-sensor is achieved through a synchronization control system which is composed of a time synchronization controller and some synchronization sub-controllers. The time synchronization controller can receive GPS time information from GPS satellites, relative distance information from distance measuring instrument and send space-time information to the synchronization sub-controller. The latter can work at three types of synchronization mode, i.e. active synchronization, passive synchronization and time service synchronization. Secondly, space-time benchmark can be established based on GPS time and global reference coordinate system, and can be obtained through position and azimuth determining system and synchronization control system. Thirdly, there are many types of data fusion and mining, e.g. GPS/Gyro/DMI data fusion, data fusion between stereophotogrammetry and PADS, data fusion between laser scanner and PADS, and data fusion between CCD camera and laser scanner. Finally, all these solutions presented in paper have been applied to two areas, i.e. land-borne intelligent road detection and measurement system and 3D measurement system based on unmanned helicopter. The former has equipped some highway engineering Co., Ltd. and has been successfully put into use. The latter is an ongoing research.

BUILDING MODELING FOR 3D CITY MODEL

New development in urban planning, cityscape, real estate management and the like, calls for new demands for 3D city model. There are so many objects in 3D city model such as building, river, road, and so on. The building model is very important in 3D city model. In recent years,a lot of research work about visualization has been done. In our opinions,visualization is only a part of 313 city model, while interactive operation about buildings is rather important as well. In order to implement interactive operation (create , edit, query,etc. ), good data structure and model must be developed.

从大模型看测绘时空信息智能处理的机遇和挑战

当前,时空信息、定位导航服务已成为重要的新型基础设施,在通用人工智能的驱动下,大模型引领的智能时代已经到来,越来越强大的大模型将在测绘时空信息智能处理与应用中发挥越来越重要的作用。以大模型为研究范式,总结大模型在测绘时空信息智能处理的现状与进展,分析大模型在测绘时空信息智能处理面临的挑战,阐述多模态融合与理解架构设计、提示工程优化微调以及人在回路引导决策3个核心方面在时空信息测绘大模型中的关键作用。针对行业理解深度、数据安全隐患、内容可信度保障以及训练部署成本优化4个方面,展望时空信息测绘大模型面临的挑战与发展趋势。

点云压缩研究进展与趋势

三维点云为物理世界精细数字化提供了高精度的三维表达方式,广泛应用于三维建模、智慧城市、自主导航系统、增强现实等领域。然而点云的数据海量、非结构化、密度不均等特点给点云的存储和传输带来了巨大挑战,因此在有限的存储空间容量和网络传输带宽中实现低比特率、低失真率的点云压缩具有重要的理论意义和实用价值。围绕点云压缩中的研究现状、标准框架和评价指标,阐述国内外点云压缩算法研究工作、运动图像专家组压缩标准框架以及几何和属性信息质量评价指标的最新进展,分析比较3种开源点云压缩算法在点云压缩公开数据集下的性能表现,并对点云压缩的主要发展方向趋势予以展望。

点云深度学习基准数据集

为推进深度学习方法在点云配准、语义分割、实例分割等领域的发展,武汉大学联合国内外多家高等院校和研究机构发布了包含多类型场景的地面站点云配准基准数据集WHU-TLS和包含语义、实例的城市级车载点云基准数据集WHU-MLS。其中,WHU-TLS基准数据集涵盖了地铁站、高铁站、山地、公园、校园、住宅、河岸、文化遗产建筑、地下矿道、隧道等10种不同的环境,共包含115个测站、17.4亿个三维点以及点云之间的真实转换矩阵,为点云配准提供了迄今为止最大规模的基准数据集。WHU-MLS基准数据集涵盖了地面特征(机动车道、道路标线、井盖、非机动车道),动态目标(行人、车辆),植被(树木、树丛、低矮植被),杆状地物及其附属结构(电线杆、独立提示牌、路灯、信号灯、独立探头等),建筑和结构设施(房屋、道路隔离结构、围墙和栅栏)以及其他公共和便利设施(垃圾桶、邮筒、消防栓、街头座椅、电力线等)等6大类30余小类地物要素,共包含2亿多个点和超过5000个实例对象,为语义分割、实例分割点云深度学习网络的训练、测试和性能评估提供了当前最为丰富的基准数据集。

轻小型低成本无人机激光扫描系统研制与实践

无人机激光扫描系统受制于激光扫描仪、惯性测量单元(inertial measurement unit,IMU)等传感器的重量、成本以及无人机平台有效载荷、续航能力等因素的制约,不得不在保证数据质量的前提下在上述制约因素间取得平衡。高精度IMU的昂贵价格极大地限制了无人机激光扫描系统的易用性,因此轻小型低成本无人机激光扫描系统成为学术界和工业界共同关注的热点。重点阐述了小型低成本无人机激光扫描系统的两个关键点,即视觉-低成本IMU耦合的高精度定姿方法和IMU-激光扫描仪-相机的自标定方法;并阐述了基于大疆无人机飞行平台的激光扫描系统——珞珈麒麟云的研制和性能。实践表明,该激光扫描系统有高度的稳定性和可靠性,在无地面控制的情况下获取点云的精度在20cm以内,在灾害应急、智慧城市等领域具有广泛的应用价值。

基于UAV影像密集匹配点云多层次分割的建筑物层高变化检测

针对城市建筑物层高变化检测难题,提出一种基于无人机(unmanned aerial vehicle,UAV)影像密集匹配点云多层次分割的变化检测方法。首先,对多时相UAV影像匹配密集点云进行网格划分,并计算网格内部的归一化数字表面模型和差分数字表面模型两种几何形状特征以及归一化过绿指数和亮度两种光谱特征;然后,基于区域生长规则进行点云分割,并判断分割对象的变化/未变化/不确定状态,对不确定状态的分割对象,逐步严格生长准则实现多层次迭代分割,直至判断出所有点的变化状态(增高/降低/未变化);最后,综合几何形状特征及光谱特征,识别变化对象中的三维建筑物目标以明确层高变化。采用两期武汉大学UAV影像密集点云进行实验验证,结果表明,所提检测方法的检测完整率、正确率及检测质量均达到90%以上。

低成本大视场深度相机阵列系统

在测距传感器不断轻量化、小型化以及室内外地图一体化导航应用的驱动下,三维（3D）室内移动测量成为当今研究和应用的热点,在室内建模、室内定位等新兴领域中的应用越来越广泛。3D室内移动测量系统通常配备激光扫描仪、全景相机、惯性测量单元（inertial measurement unit,IMU）系统和里程计等传感器,虽能实现3D室内点云数据的采集,但其距离传感器-激光扫描仪价格昂贵且便携性较差。彩色深度（RGB depth,RGB-D）相机为低成本3D室内移动测量系统构建提供了新的距离成像传感器选择,但主流型号RGBD相机视场角小,继而导致数据采集效率远低于传统激光扫描仪,难以做到点云数据的完整覆盖与稳健采集,且易造成同时定位与制图（simultaneous localization and mapping,SLAM）过程中跟踪失败。针对以上问题,构建了一种低成本室内3D移动测量系统采集设备,通过组合多台消费级RGB-D相机构成大视场RGB-D相机阵列,提出了一种阵列RGB-D相机内外参数标定方法,并通过实验检验了设计系统采集的点云数据的精度。

车载激光点云道路场景可视域快速计算与应用

传统的可视域分析方法需借助高精度三维模型,而目前三维模型构建的自动化水平、精度和完整度等很难满足道路环境可视域分析的要求。车载激光扫描系统可以高速度、高密度、高精度地获取道路及两侧地物的位置和属性信息(如反射强度、回波波形等),为大规模道路场景可视域计算与分析提供了一种全新的技术手段。借助深度缓存算法,提出了一种基于三维激光点云数据的可视域快速、稳健计算方法。该方法在典型道路地物要素提取的基础上,动态构建视场空间索引,实现了道路场景中任意位置可视域的快速、稳健估计,可广泛应用于交通标志牌遮挡分析、路灯有效照明区域计算和建筑物可视绿地面积估计等,为基础设施科学安置及运行健康状况监测、城市形态分析与城市规划等提供科学的辅助决策。

道路点云场景双层卷积语义分割

在大规模道路环境中,基于点的语义分割方法需要动态计算,而基于体素的方法权衡分辨率和性能导致损失大量信息。为了克服上述两类方法的缺陷,提出了一种通用的结合双层卷积和动态边缘卷积优化的网络架构来进行大型道路场景语义分割。该框架结合点与超体素两种不同域的卷积运算来避免冗余的计算和存储网络中的空间信息,并结合动态边缘卷积优化,使其端到端地一次性处理大规模点云。在不同场景的数据集上对该方法进行了测试与评估,结果表明,该方法能适应不同场景数据集并取得较高精度,优于现有方法。