自然资源即时遥感监测技术体系研究

针对天空地一体化自然资源即时智能感知、突发灾害应急高精度实时化遥感监测,自然资源全天候、精细化、快响应、定量化监测,土地资源的智能识别、智能搜索与智能管控,业务数据智能化决策应用等需求。本文融合云计算、大数据、人工智能等新型技术,研究新型航天、航空对地组网观测数据资源调查保障技术,构建全国统一的土地资源图斑身份编码技术与指标体系,探究新一代信息技术支撑的自然资源调查监测技术及基于地块图斑的自然资源智能管控技术等。实践结果表明,推进构建全面、精细、可靠、即时的自然资源调查监测与管控体系,对实现我国自然资源即时智能感知与管控能力的跨越式发展具有重要意义。

民用轻小型无人机监管与遥感组网观测技术

我国轻小型无人机在测绘、资源监测与灾害应急等领域作用显著,而我国现有空管对此类飞行目标“看不到”、“管不了”。本文提出了基于北斗/移动通讯技术的无人机飞行监管技术、方法与标准,研制了小型化、轻量级、高频次无人机飞行监管终端,开发了无人机监管网络综合运行管理平台,建立了无人机飞行监管与组网观测链路体系,示范验证了多架、异地、同步在线无人机监管可靠性,为我国无人机监管与对地组网观测能力建设奠定基础。

无人机LiDAR森林蓄积量估测方法

针对无人机机载激光雷达(light detection and ranging,LiDAR)技术估测森林蓄积量精度不高等问题,提出了一种林木因子直接反演材积的方法。该方法采用森林地面调查实测数据与单木分割策略,计算林木因子,直接构建森林材积反演模型。对无人机LiDAR数据进行点云去噪、分离地面点及归一化等预处理,生成冠层高度模型(canopy height model,CHM)、实行单木分割策略,之后计算林木因子。通过森林地面调查实测数据与林木因子直接构建森林材积反演模型,有效提高了森林蓄积量的估测精度。实验表明,该方法对同优势树种样地蓄积量的平均估测精度可以达到87.35%,满足GB/T 26424—2010《森林资源规划设计调查技术规程》中对蓄积量测量精度的要求。

无人机视频测绘传感器内方位及畸变参数检定方法研究

视频测绘系统可实现视频流实时地理编码。为提高视频测绘成果的测量精度,本文研究了视频传感器的精确几何检定技术。针对视频传感器检定方法尚未定型的现状,本文从视频传感器成像及检定机理出发,分析了常见视频传感器类别及特点,通过理论与实践相结合的方法,总结了视频测绘传感器的检定方法、流程与指标,并通过试验验证分析,证明了该检定方法的合理性与可行性。

一种无人机视频影像快速配准方法

针对应急测绘中对无人机视频数据快速获取及处理的需求,提出了一种无人机视频影像快速配准方法。首先采用时间索引和线性/球面插值方法实现视频帧与无人机定位定姿信息的时间同步,根据数字微分纠正算法实现视频帧的地理编码,实现视频帧间的粗略配准,然后控制仿射变换模型中的缩放因子不变对纠正后视频帧的坐标进行调整,完成视频帧间的精配准:试验结果表明该方法能够得到航带内视频帧较好的配准效果。

塔里木河下游流域输水工程生态效应评价研究

采用2002-2014年塔里木河下游的长时间序列野外调查资料和卫星遥感解译成果数据,对输水后研究区内地表覆盖时空变化、地下水、植被覆盖及其景观格局变化特征进行了综合分析。同时,利用收集到的气象和水利工程数据对流域生态环境变化原因进行了初步探讨。结果表明,经过10余a的治理,塔里木河下游流域的植被覆盖情况有所改善,研究区植被整体生长状况有所好转。

面向滑坡的旋翼机正视/侧视航摄处理与分析

针对滑坡地形正视航空摄影时单张影像、不同航带影像分辨率不一致的问题,提出一种基于滑坡角度开展正视/侧视航空摄影的数据获取与处理方法,并且在四川滑坡地质灾害点开展了对比分析实验。实验结果表明,利用旋翼无人机对滑坡灾害体进行按滑坡角度侧视航空摄影以及投影到滑坡面进行数据处理,能够有效解决单张影像分辨率不一致以及不同航带影像分辨率不一致的问题,利用该方法处理滑坡地形有利于滑坡体解译与分析。

低空数字航摄与数据处理系列标准编制说明

为推进无人机搭载数码量测像机低空数字航空摄影测量的产业化应用和规范化发展,对近年来低空数字航空摄影测量技术、产品和软硬件的最新发展水平进行总结,对低空数字航空摄影测量的大量生产实践结果进行统计分析,根据摄影测量理论和分析结果,对低空数字航空摄影测量数据获取及处理的平台、各个流程中的关键技术指标进行规定,形成低空数字航摄与数据处理相关系列标准。主要对新制定的低空数字航摄与数据处理相关系列标准的编制原则、编制工作过程中的若干技术问题和关键控制指标技术进行分析和说明。

测绘项目管理中若干问题探讨

为推动现代项目管理知识体系在测绘项目管理中的进一步应用,促进测绘项目管理的规范化,结合测绘项目生产和管理的实际经验,根据项目管理知识体系的内容和方法,分析造成项目失败的因素,总结测绘项目管理中的误区,分析测绘项目管理中常见的若干问题并提出相应对策及建议,为测绘行业的项目管理提供一定借鉴。

无人机摄影测量系列标准

无人机航空摄影由于其机动灵活、影像分辨率高的特点,被测绘与地理信息、林业、农业等各行业广泛应用。无人机数字航空摄影测量系列标准的制定完善了测绘标准体系,保障了行业应用的规范性,推动了测绘与地理信息产业的发展。本文针对光学影像数据分析了无人机航空摄影数据获取、控制测量、数据处理与产品生产中的重要指标参数,给出了参数确定的原则依据,最终指导无人机摄影测量系列标准的编制。

北斗短报文的无人机飞行监管技术与装备研究

针对我国现有以地面雷达为主要空管手段的监管体系中,轻小型无人机飞行目标存在的“看不到”“管不了”等难题。该文提出了基于北斗短报文通信技术的无人机系统飞行监管技术与方法,研究制定了无人机资源注册、任务注册机制,以及无人机飞行诸元传输协议;研究突破了无人机机载设备终端电磁兼容、北斗通信传输频次加密、多系统导航定位、FPGA优化集成等关键技术,研制了小型化、轻量级、高频次北斗短报文无人机飞行监管机载终端,开发了网络化无人机飞行监管综合运行管理平台。全套系统在国土测绘、海洋监测、灾害应急等领域开展5个节点应用示范,有效实现了无人机多架、协同、异地、同步在线超视距通信与监管。研究成果填补了我国无人机飞行安全管理的空白,进一步推动了无人机产业化发展,有力保障了我国低空空域开放政策的有序推进。

深度学习方法在光伏用地遥感检测中的应用

针对传统方法提取新增光伏用地精度低的问题,该文提出了一种基于集成学习的U-Net双网络变化信息融合的深度学习方法用于新增光伏用地的提取。首先对U-Net网络进行改进得到性能较好的两个变化检测网络模型,然后分别训练两个网络模型用于在高分辨率卫星影像上检测新增光伏用地,将训练好的两个网络模型的分类图融合再经过后处理得到最终的变化检测结果。通过实验表明:该方法明显优于传统变化检测方法,也提高了单网络模型变化检测结果的精度。

电力杆塔模型特征点智能提取关键技术研究

针对电力杆塔无人机智能巡检手动选取特征点对专业要求高、效率低、点位命名不统一等问题,该文提出一种基于高密度点云与杆塔模型属性信息的特征点智能提取方法。首先将杆塔点云数据与杆塔模型属性信息通过模型名称建立联系,得到杆塔关键点,然后利用特征点预测技术得到特征点粗略位置,最后通过特征点智能提取技术得到特征点准确位置。基于4类杆塔模型的实验结果表明:该方法的特征点提取平均正确率在88.1%以上,大幅减少了人工干预,提高了提取效率,按顺序编码命名的特征点为任务规划带来了便捷。通过实践应用,平均效率比手动规划提高3.3倍,巡检照片满足技术要求,在实际电网巡检工程中得到很好的应用。

测绘无人机灾害现场多源数据集成与智能服务

面向灾害现场环境快速重建以及深度集成应急人员、装备等位置信息的需求,针对传统获取的灾害现场视频数据与空间信息融合不够及应急无人机/人员定位信息滞后等问题,该文研究测绘应急减灾数据获取平台集成技术,获取灾害现场实时监测信息;攻关视频流信息与地理场景融合技术,实现灾情及其发展进程在线监测、分析评估及虚拟可视化;探索基于北斗短报文的定位技术,实现应急无人机/人员实时位置服务;搭建测绘无人机应急智能服务系统,开展应用示范,实现测绘无人机灾害现场多源数据集成及动态更新可视化,为灾害应急处置辅助决策分析、现场救援及指挥调度提供智能服务。

复杂地势下轻小型无人机LiDAR自主航线设计

针对现有的LiDAR航线设计软件绝大多数针对大中型无人机,主要依靠飞行人员根据实际经验敷设航线,少数采用传统摄影测量改变基线长度的方式实现复杂地势下LiDAR航线自动敷设,但高地势地区航线较密,飞行成本高,有局限性,目前能实现轻小型无人机载LiDAR航线自主敷设的软件很少等问题,参照轻小型机载LiDAR的特点,该文提出一种复杂地势下基于DEM改变航高的航线设计方法。以延庆某山区进行试验。结果表明:该方法适当放宽分区高差限制,综合考虑地形信息、飞机性能等要素,使得单条航带点云密度得到保证,提高航线规划效率,节约飞行时间。将考虑DEM与未考虑DEM两种方式对比,确保重叠度,满足工程点云密度,便于后期数据处理。

一种融合注意力机制的建筑物变化检测模型

针对城市建筑物变化检测问题,该文基于U-net深度学习语义分割模型,提出了一种融合残差结构和注意力机制的遥感影像建筑物变化检测模型,以U-net模型为基础,引入ResNet50的残差结构用来代替编码阶段中的卷积层,在加深网络深度的同时解决梯度消失的问题;在解码阶段横向连接结构中引入注意力机制,加强网络对变化建筑物特征的学习。实验表明,在U-net结构的基础上加入残差结构和注意力模块后,建筑物变化检测的精确率、召回率、F1值分别提升了6.28%、6.02%、5.88%。

卷积神经网络在大规模图像分类中的应用

针对大规模无序图像分类处理中成对图像的匹配和几何验证的计算量大的问题,该文通过研究和学习机器学习及图像识别领域先进的方法,提出了一种基于孪生神经网络的大规模图像有序化方法。该算法主要是:通过抽取已训练好的VGG19的网络模型的卷积层作为图像的特征,将提出的特征分别加权后,连接起来,再次卷积和池化,利用响应函数判定图像之间连通性,实现对输入图像对连通性判定。经实验证明,该算法可有效地识别具有场景重叠的图像对,效率和精度上也有所提高,无须执行详尽的推定匹配和几何验证,适用于运动恢复结构,图像连接等各种场景。

无人机红外影像拼接方法研究

针对红外影像噪声多、对比度低、像幅小、旋偏角大等特点,该文以无人机红外监测技术应用需求为背景,研究了机载红外影像的拼接方法。首先,介绍了常用的机载红外影像格式;接着,对红外影像进行噪声去除、图像增强、畸变差改正等预处理;然后,根据是否有位姿数据,分别采用基于位姿信息和基于运动恢复结构的红外影像配准方法;最后,采用渐入渐出的融合方法消除影像拼接缝。通过实际飞行实验证明了该方法的可行性,具有一定的实际应用价值。