【摘 要】
：
建筑物化简是地图制图领域关注的热点问题之一.集成不同算法构建形状特征自适应的化简模型是应对建筑物多样化形态的有效策略,但当前相关研究主要从局部结构模式或化简结果评价展开,缺乏对形状结构的整体分析视角和深层次认知.本文提出一种深度学习支持下的形状自适应建筑物化简方法.首先,利用图卷积自编码网络对建筑物形状进行深度认知,提取隐含在边界节点分布中的形状特征并进行编码表达;然后,通过监督学习方法建立形状编码与化简算法之间的映射关系,从而实现依据输入建筑物的形状特征选择适宜化简算法的自适应机制.试验表明,本文方法的
【机 构】
：
同济大学测绘与地理信息学院,上海200092;武汉大学资源与环境科学学院,湖北武汉430079;华中师范大学城市与环境科学学院,湖北武汉430079
论文部分内容阅读
建筑物化简是地图制图领域关注的热点问题之一.集成不同算法构建形状特征自适应的化简模型是应对建筑物多样化形态的有效策略,但当前相关研究主要从局部结构模式或化简结果评价展开,缺乏对形状结构的整体分析视角和深层次认知.本文提出一种深度学习支持下的形状自适应建筑物化简方法.首先,利用图卷积自编码网络对建筑物形状进行深度认知,提取隐含在边界节点分布中的形状特征并进行编码表达;然后,通过监督学习方法建立形状编码与化简算法之间的映射关系,从而实现依据输入建筑物的形状特征选择适宜化简算法的自适应机制.试验表明,本文方法的化简结果在位置、方向、面积和形状保持指标上总体优于单一算法,具备较好的理论与应用价值.
其他文献
GOCE卫星引力梯度仪的精确校准是反演高精度重力场的前提之一,本文利用GOCE卫星L1 b数据中的引力梯度仪及恒星敏感器数据实现了卫星引力梯度的内部校准.以最小二乘联合多个恒星敏感器观测数据确定内部校准使用的角速度,有效避免了单个恒星敏感器低精度角速度分量对坐标转换过程的影响.考虑到恒星敏感器坐标系与梯度仪坐标系间旋转矩阵随时间的变化,本文在ESA官方内部校准方法的基础上,提出了顾及旋转矩阵校准参数的内部校准模型,并利用2009年11月的GOCE实测数据验证了该方法的效果.结果表明,该旋转矩阵校准参数数值
针对倾斜摄影数据服务共享保密要求高、倾斜摄影数据包SLPK不同精度数据制作复杂的问题,本文基于开源I3S标准规范与解析倾斜摄影在线服务结构特征,研究实现了一种I3S标准的倾斜摄影服务精度动态控制方法.该方法可根据服务需求,通过控制索引树节点级别,基于一套数据实现多种精度的在线服务;作为实景三维建设的重要技术支撑,具有良好的实用价值.
为了提高倾斜影像密集匹配点云滤波算法在地形复杂场景的精度、效率及自适应性,针对传统的布料模拟滤波算法的不足,本文提出了一种基于虚拟格网分类的布料模拟滤波方法.该方法首先构建带有缓冲区的虚拟格网;然后将虚拟格网按其范围内的点云坡度划分为平地、缓坡、陡坡3种类型;最后针对不同类型的虚拟格网,使用相应的布料参数进行布料模拟滤波,从而实现倾斜影像匹配点云在地形复杂场景中的点云滤波,与单一参数的布料模拟滤波进行对比试验.结果表明,基于虚拟格网分类的布料模拟滤波方法结果更接近于目视解译,该方法适合混合地形滤波.
为揭示住房空置率对地理空间因素的依赖性,本文首先以50 m×50 m格网为基本单位,通过建模等方式计算格网尺度的住房空置率、自然因子、社会因子,然后对研究区进行不同级别的划分和相关性分析,最后采用地理探测器法对自然因子的影响机制进行进一步研究.结果表明:①研究区住房空置率与所选地理空间因子均呈显著性相关,植被占比对住房空置率的影响程度最大,其他自然因子的影响程度普遍偏小;②由于非建成区尚处于快速发展阶段,有较大的发展潜力,因此非建成区对于社会因子和自然因子的依赖程度均大于建成区;③各街道的住房空置率受坡度
针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法.首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨
无人水下航行器集群协同作业能够扩展单体UUV的感知范围,实现单体UUV无法或难以完成的复杂任务.由于水下环境的复杂性及UUV各传感器存在观测限制、时延等问题,传统分散式K alman滤波方法所需要的庞大实时通信在实际中难以实现,使得当前UUVs集群协同定位为不严密的解算.本文提出一种以增广信息滤波为核心的UUVs集群协同定位分散式滤波方法,在顾及算法严密性的基础上实现了UUVs分散式协同定位.每个UUV平台根据本地的传感器数据建立自己的状态链,同时广播自己的观测信息,各个平台协同完成信息矩阵的Chol e
建筑物作为自然灾害中最受影响的承灾体之一,其损毁信息的准确提取对灾后应急救援具有十分重要的意义.本文借鉴多模态的思想,提出了一种自动检测损毁建筑物的recursive-generative adversari al networks(RS-GAN)方法,将损毁建筑物检测分为灾前建筑物识别和灾后损毁建筑物检测两个任务,且分别在两个GAN分支中完成.RS-GAN加入联合损失函数将两个GAN分支进行连接,充分利用两个任务之间的潜在互利性提升检测效果.RS-GAN利用第1条GAN分支识别建筑物灾前形状与位置,并将
地形起伏度因子在宏观尺度生态评估中具有重要作用.均值变点法是确定地形起伏度最佳分析窗口的常用方法,但其影响因素尚缺乏研究.本文以黄河流域(山西段)为例,基于DEM数据和均值变点法提取了研究区地形起伏度,并探讨了分析窗口样本数量、DEM分辨率和地貌类型3种因素的影响.结果表明:①分析窗口样本数量对最佳分析窗口取值有明显影响.随着样本数量的增加,变点所在的最佳分析窗口面积也不断增加.②DEM分辨率对最佳分析窗口取值有一定影响.分析窗口面积取值范围一致时,基于30 m ASTER GDEM计算得到的最佳分析窗口
视觉惯性里程计(VIO)和伪卫星已经广泛应用于室内环境定位中,但在实际应用中,二者各自都有明显的缺陷.视觉里程计依赖于实际场景,在景深变化明显和光照不均匀的环境下会产生粗差,而且误差会不可避免地随着时间累积,但是在相邻帧间能保证相对高精度的位姿测量.由于受到室内多径的影响,伪卫星室内定位的精度和可靠性很难保证.为增加室内定位的可靠性和稳定性,基于抗差LM非线性优化理论,本文主要研究利用视觉惯性里程计的相邻帧间高精度位姿测量和伪卫星融合的室内高精度定位技术.该算法不仅可以抵抗粗差,而且可以减弱不同传感器间权
点状要素注记自动配置问题是数据可视化研究的难点之一.稠密型点状要素注记之间往往存在着较大的相关性和冲突性,从而导致注记效率低下及配置结果不合理的问题.本文通过充分挖掘稠密型点状要素的空间分布特征和注记相关性,提出了一种顾及空间分布与注记相关性的点要素注记配置算法.首先,充分挖掘点要素的局部空间分布特征和注记间的相关性构建注记关联度模型;其次,利用基于注记关联度模型的空间聚类算法对其整体空间分布特征进行描述和分析,将单一数据集划分为若干个独立的子数据集,以消除整体求解中独立数据集产生的干扰性和模糊性;最后,