一种无人机影像空三加密点抽稀算法

在无人机空三加密中,特征点匹配多采用基于计算机视觉的匹配算法进行处理,对稀少的空中三角测量控制点进行控制点位的补充。由于无人机影像分辨率高,细节丰富,使得匹配特征点数量庞大,给后续的区域网平差带来困难。本文提供的空三加密点抽稀算法,可大幅降低加密点的数量,优先保留优质点位,并保证被保留点位均匀分布。

基于粒计算的点抽稀算法及其应用

近年来,随着地理信息的发展,POI数据量越来越大,导致在电子地图配图时出现严重的叠加问题,为了更好地显示地名/地址数据及产生更好地配图效果,需要对图层数据进行抽稀,图层数据抽稀首先需要挖掘数据的关联规则并建立模型,而粒计算可以做到这一点,所以本文从等价粒的角度出发,提出了基于粒计算的点抽稀算法,本文不仅给出基于粒计算的点抽稀算法的文字描述步骤和实现该算法的SQLServer存储过程并且给出了实例说明,证明基于粒计算的点抽稀算法具有简单、高效、实用的特点,能满足实际需要。

多条件约束下的多级电子地图兴趣点抽稀方法

兴趣点具有数量多、密度大的特点,制作电子地图时通常需要抽稀,避免兴趣点标注出现压盖问题。“天地图·福建”电子地图的兴趣点标注需要满足多个条件的约束,常规的兴趣点抽稀方法无法满足。本文提出多条件约束的多级电子地图兴趣点抽稀方法,并对15—18级电子地图的兴趣点进行抽稀试验,抽稀后的兴趣点分布合理,标注不会出现压盖,能够满足“天地图·福建”电子地图兴趣点抽稀的要求。

基于点距离的点抽稀算法在电子地图符号化中的应用

POI(兴趣点)在地图中的表达是电子地图表现的重要部分,怎么样使其分布均匀合理,信息量丰富并满足动态标注的需要,是我们在电子地图符号化中需要的配图技巧。本文针对基于点距离的点抽稀算法与常用方法进行比较,基于点距离的点抽稀算法具有简单、效率高、实用的特点,能满足实际需要。

基于ArcGIS点抽稀的河南省灾情速报骨干网建设

河南省地震局灾情速报员队伍经过多年建设,目前在册灾情速报员多达3万余人,数量位居全国前列,但也存在灾情速报员数量过多、管理不易等问题,为确保河南省地震灾情速报员队伍发挥作用,以河南省现有行政村点为基础,根据空间均匀分布的原则,以5×6 km为格网单元,对ArcGIS的三种不同的点抽稀方法进行对比分析,最终选择SubsetFeatures和SubPoints相结合的方法,提取出6000多个行政村点,依此为依据报送人员名单,以保证每个乡(镇、街道办事处)有3～5名灾情速报人员组成河南省骨干灾情速报员队伍,从而强化灾情速报工作管理。

复杂条带状沟谷地形点云抽稀与内插算法对数字高程模型构建的精度影响

针对点云数据构建数字高程模型(DEM)的精度受点云抽稀和内插算法等因素影响的问题,设计不同点云抽稀方法和不同内插算法对DEM构建精度影响的两组试验,寻求适用于复杂条带状泥石流沟谷地形构建DEM的组合方法.利用空间抽稀、体素分割抽稀、随机抽稀3种方法以96%的抽稀率对原始点云数据进行抽稀,得到的抽稀结果再分别应用自然邻点插值法、反距离权重法(IDW)、克里金法、样条函数法4种内插算法进行内插,共构建出12种组合生成DEM的方法,对每种组合方法构建的DEM进行高程和坡度精度评价分析.结果表明,针对泥石流沟谷地形空间抽稀条件下利用IDW进行DEM内插的结果最为可靠,拟合优越度为0.999540,平均误差为0.7462 m,中误差为1.2629 m.

基于体素栅格的建筑物三维激光点云数据抽稀方法

为了提升三维激光点云数据处理、存储、运算效率,对基于体素栅格的三维激光建筑物点云抽稀方法进行了研究。通过提取原始三维激光点云空间位置和法向量作为体素栅格存贮数据的主要信息;以三维激光点云最大外包矩形构建最大体素,并依据点云位置不断地进行空间划分,直至阈值范围内,从而实现点云数据的高效组织与管理。对体素栅格内的点云依据设定空间半径阈值检索种子点周边点云,剔除体素栅格中阈值内点云,保留种子点云,从而实现了三维激光点云数据抽稀,有效压缩了三维激光点云数据。并通过实验验证了该方法可以有效降低三维激光点云数据冗余,为海量三维激光点云数据的存储与应用等方面的研究提供参考。

基于GIS的地灾预警降雨栅格数据自定义网格抽稀点方法实现

地质灾害预警系统中需要准确的研究区预报降雨栅格数据及生成方法,开发程序,借助于全区高程点进行子网格内高程点分层次随机抽稀,设置抽稀网格的大小及抽稀的比例,抽稀后的结果可进行人工补充剩余特征高程点;再根据已有监测站监测值,初步设定高程与降雨的关系,赋值降雨量,计算累加降雨,进行IDW插值生成预报降雨的栅格,根据不同的设置,将生成的预报降雨栅格与易发分区及历史灾害区域进行对比,判别最佳抽稀比例设置以生成最符合要求的预报降雨栅格。特点是程序快速抽稀,可控制度高,以少量更准确全面的点位获取更适用于研究区的降雨栅格,提高降雨预报的准确性,优化存取及处理效率,为降雨预报插值分析等应用提供一定的技术参考。

海量地名地址点高效抽稀方法的研究

针对智慧城市项目中海量地名地址点抽稀工作存在工作效率低、工序烦琐复杂等方面的不足,文章提出了一种对地名地址点实现一键式多比例尺自动抽稀的关键技术,介绍如何在满足电子地图项目抽稀要求基础上,基于Python和ArcPy的开发方式,实现对数据的自动化处理,从而进一步提高工作效率、优化作业流程,为更好地开展地名地址应用服务提供技术支持。通过数字太仓项目的实际应用证明,该方法可以大幅提高POI点抽稀处理的提取质量和工作效率,可在智慧城市项目的电子地图服务中推广应用。

顾及地形复杂度因子权重的多波束点云抽稀算法

多波束测深数据具有海量性与冗余性的特点,在实际应用中有必要进行简化处理。现有抽稀算法大多基于单一特征参数实现,其结果往往存在地形细节丢失、地形真实性欠佳等问题,为此提出一种顾及地形复杂度因子权重的多波束点云抽稀算法。该算法首先筛选地形起伏度、坡度和粗糙度作为评价因子,然后采用改进CRITIC综合评价法构建地形复杂度指标,基于该指标实现了点云的初步抽稀;最后通过自适应格网保留局部特征点,进一步改善抽稀质量。实验表明:与传统算法相比,该算法的抽稀结果在多级简化率条件下均具有更低的均方根误差(RMSE),有效提升了简化后的地形精度,能够保留更多的地形细节特征。

无人机载LiDAR点云密度对DEM精度的影响分析

无人机载LiDAR点云数据是目前生产DEM的重要数据源。为进一步提升DEM构建效率,本文选取平地和山地两类地形作为试验区,利用基于不规则三角网的点云抽稀算法,对滤波处理后的地面点云数据分别按照80%、60%、40%等7种地面点保留率进行抽稀,并用平均误差(ME)、标准差(SD)、均方根误差(RMSE)3个指标,对不同抽稀比例下生产的DEM成果进行综合精度评定。结果表明:(1)平地地面点云密度达2点/m^(2),山地地面点云密度达9点/m^(2)时,生产的0.5 m格网间距的DEM精度优于0.05 m;(2)随着地面点云密度的增加,DEM精度水平逐渐趋于稳定,当地面点云密度抽稀到1点/m^(2)时,DEM精度快速下降。针对无人机载LiDAR点云数据进行大范围工程化DEM生产任务,该研究结论对降低数据获取成本、提升DEM生产效率具有一定的指导和借鉴意义。

机载激光雷达点云密度特征应用现状及进展

点云密度是机载激光雷达(light detection and ranging,LiDAR)点云数据的重要特征,也是硬件制造、数据采集、数据处理及数据应用中常用的关键指标。随着LiDAR硬件技术的发展,点云密度越来越高,能够更精确地描述地形地物的特征和规律,已有众多学者针对点云密度开展相关研究。基于此,归纳了目前点云密度的研究和应用现状,探讨了存在的主要问题;研究了不同密度点云数据生产DEM的能力;验证了点云抽稀及点云加密方法。

一种改进的激光雷达点云公路断面生产方法

传统点云断面提取是在3D产品基础上进行的,需要先对点云滤波获得地面点,再采样得到断面信息,这一过程处理数据量大、工作效率低而且断面成果质量难以保证,需要大量手工精化工作。该文针对公路断面专题制作的生产需求,提出了一种新的生产流程及方法,首先基于数字表面模型数据提取断面,对断面的点云集合进行二维投影,得到二维点阵列;再基于偏度平衡的滤波算法对点云阵列进行滤波;最后进行保留特征的断面点云抽稀。实验表明,新流程减少了数据处理量,有效提高了断面生产的效率和精度。

似大地水准面拟合计算中精度检核点的自动选取

似大地水准面拟合计算中一般采用外符合精度进行检验,检核点的选取须分布均匀、避开特征点又顾及GNSS/水准点的分布密度,实际生产中一般依靠人工选取检核点。为了提升似大地水准面精化生产项目的工作效率与自动化水平,提出一种基于格网抽稀原理的检核点自动选取算法,采用四个典型区域似大地水准面精化数据验证算法,结果表明选点效果良好,可用于生产。

机载LiDAR点云密度对DEM精度的影响

机载激光雷达技术(LiDAR)作为一项先进的遥感技术,是植被覆盖区DEM获取的重要手段之一,而不同地形坡度条件及点云密度对DEM产品质量有重要影响。本文以辽宁省某市的机载LiDAR数据为基础,选取5种不同地形坡度的点云数据,通过随机、等间距及基于曲率3种不同的点云抽稀方法,按照点云保留率为80%、60%、40%、20%和10%共5个不同梯度的抽稀倍数对原始点云进行抽稀简化处理,生成与之对应的DEM并对其进行精度评价,以此研究地形坡度、点云抽稀方法、抽稀倍数对DEM精度的影响。结果表明,DEM精度与地形坡度呈负相关关系,即RMSE随地形坡度升高不断增加;基于曲率的抽稀方法在地形坡度>30°时,相较于其他两种方法RMSE较小,具有明显优势;40%的点云保留率是平衡DEM精度与数据存储效率的一个节点,当点云保留率<40%时,DEM的高程RMSE会迅速增大。该研究对于利用机载LiDAR进行大范围DEM生产具有一定的指导和借鉴意义。

基于高程投影的输电线路激光点云分类研究

针对传统输电线路激光点云自动分类方法存在分类准确率低,耗时较长、电力巡检质量低等问题,文中提出基于高程投影的输电线路激光点云自动分类方法研究。通过对高程投影法工作原理进行分析,对输电线路激光点云数据进行提取;通过确定塔杆间地物点范围,确定输电线路点云数据提取范围;选择空间距离抽稀的方法进行点云抽稀,将点云密度均一化;利用最小二乘法重建电力线的三维空间,进而实现输电线路的安全检测。实验结果表明:采用文中方法进行输电线路激光点云分类的效率较高,且准确性高达90%以上,具有一定的可行性。

顾及地形特征的LiDAR点云数据抽稀算法

针对现有的LiDAR点云数据抽稀算法存在无法有效保留地形特征点或地形分类精度不高等问题,文章提出一种顾及地形特征的点云数据抽稀算法:利用点云中的局部极值点与点云边界点作为种子点构建不规则三角网(TIN);利用一定原则逐渐选取非种子点中的地形特征点加密TIN;然后采用一种临近三角面的平面测试策略剔除三角网中可能存在的冗余点,得到最终结果。测试结果表明:该算法在保证地形精度的前提下,能够有效地减少冗余点数量;同时,为了提高算法的实用性,该文通过大量试验给出了算法中所需参数的最优配置。

基于政务版地图的POI制作方法研究

为了进一步优化政务版地图制作时兴趣点(Point of Interest, POI)的显示效果,提出了一种能应用于生产实践的POI优化制作方法。基于高德地图API接口,先利用Python语言爬取POI点数据,并通过几何与人工校正等工作过程完成了POI有效数据的获取,然后通过POI数据预处理及多种POI抽稀方式完成多级电子地图的抽稀工作。实验证明,抽稀后的POI点分布合理、整洁美观。

输电线走廊点云数据抽稀算法适用性分析

针对机载LiDAR设备获取的输电线走廊点云数据量庞大,为后续的数据处理带来不便的问题,该文采用随机抽稀、空间抽稀和体素分割抽稀3种点云抽稀算法进行比较和分析,以期选择合适的算法对点云数据进行压缩和消除冗余数据,主要从点云抽稀的质量、简度和速度3方面对4组输电线走廊点云数据进行抽稀实验。研究表明:系统(随机)抽稀方法点云抽稀不能有效保持导线形态完整性和连续性;空间距离抽稀方法的处理效果最佳;在相同抽稀率下,体素分割抽稀速率最快;系统抽稀算法,用时均少于19 s;空间抽稀方法用时最长为447 s,抽稀时间效率相对较低。

基于面积阈值的矢量数据压缩方法

曲线矢量数据压缩本质是信息压缩问题,它在计算机制图中具有十分重要作用。在分析传统矢量数据压缩方法的基础上提出一种基于向量运算的曲线矢量压缩的新方法,该方法与传统数据压缩方法的区别在于以面积为判定标准,利用面积的可叠加性提高算法的精度和效率。实验证明该算法容易实现,数据压缩量大,算法时空复杂度低且能有效地控制矢量图形的面积误差在一定范围内。