一种基于地面激光雷达点云的建筑物外轮廓自动提取方法

本文针对基于地面点云数据的建筑物轮廓自动提取,设计了一种由粗到精的提取方法。首先,将点云降维,在图像中进行轮廓优化和粗提取;然后,将欧式距离聚类和全局最小二乘方法与RANSAC方法结合,对提取出的粗轮廓进行更精细地拟合,得到原始的线要素;最后,采用平面几何拓扑约束和经验模型的方法,对得到的线要素进行简化和连接,完成轮廓的提取。试验结果表明,本文方法能够有效提取出建筑物轮廓,与传统方法实测相比,轮廓顶点处的位置精度总体小于5 cm,能够满足大多数城市测量应用场景。

基于深度学习的轨道交通变压器故障诊断方法

针对传统轨道交通变压器种类多、内部结构复杂、运行工况多样,导致对其进行故障诊断较为困难的问题,提出深度学习融合线性预测倒谱系数(LPCC)和梅尔频率倒谱系数(MFCC)组合特征的轨道交通变压器故障诊断方法。首先,利用小波阈值去噪法对噪声信号预处理;然后,分别提取噪声信号的LPCC特征和MFCC特征,并组合成特征向量;最后,将组合特征向量输入到基于深度学习的CNN-LSTM模型,实现轨道交通变压器的故障诊断。实验结果表明,该文提出的LPCC-MFCC组合特征和CNN-LSTM模型对轨道交通变压器的故障诊断准确率可达99.48%,精度、召回率和F1分数均达到99.59%。

基于3D仿真数据的接触网吊弦螺栓缺失检测优化方法

针对接触网悬挂系统吊弦螺栓缺失检测问题,提出一种基于3D仿真数据的接触网吊弦螺栓缺失检测优化方法,利用3D仿真数据与深度学习对吊弦螺栓定位与识别。该方法设计了一个全新的用于吊弦螺栓定位的神经网络模型,在准确定位的基础上添加一条分类分支,用于吊弦螺栓分类,以达到检测吊弦螺栓是否脱落的目的。通过对比使用3D仿真数据模型采集训练样本与没有采集仿真样本的试验结果可知,使用仿真数据训练后得到的模型能有效缓解角度、光照条件、距离等因素带来的影响,召回率提升4.84%,精确率提升5.26%。

基于加权Voronoi图的四川主要城市空间影响范围分析

城市作为一个社会、经济和物质实体,对周围区域有着吸引和辐射影响,城市空间影响范围反映了一个城市的综合实力,是城市综合实力在地理空间上的体现。对城市空间影响范围的分析与划分,有利于明确城市间空间相互作用的状况,对研究城市的合理布局,促进区域社会主义市场经济的发展有重要的意义。通过选取反映城市综合实力的13项指标,经主成分分析后得到四川省21个城市的综合实力得分值作为权重,采用加权Voronoi图划分得到四川省主要城市的空间影响范围图。研究结果表明,利用加权Voronoi图能够较为真实地反映出四川省主要城市的空间影响范围,为城市规划和区域经济发展提供引导与决策服务。

复杂背景下接触网隔离开关智能识别技术研究

接触网隔离开关是高速铁路牵引供电回路的重要组成部分,通过采用基于MobileNetV2特征提取网络速度优化的YOLOv5算法实现接触网隔离开关准确定位、利用复合边缘检测技术实现准确接触网隔离开关边缘提取、通过边缘信息计算接触网隔离开关开合角度实现接触网隔离开关状态精确识别技术,提升隔离开关状态识别技术在复杂环境下的适应性、准确性,保障供电设备高效运行。