基于数字图像处理的海底三维地形重建方法

水下地形匹配辅助导航是目前导航领域研究的新方向,而分析地形匹配算法需要以水下三维数字地图为基础。为了得到满足匹配精度要求的海底三维数字地图,提出了一种利用GeoTIFF格式的海底地形图像重建数字高程模型(Digital Ele-vation Model,DEM)的方法:首先提取图像中的像素颜色信息和地理信息,然后通过数字图像处理技术得到水深数据规则网格,利用插值方法进行平滑处理,最后对海底三维地形进行重建并利用该图进行了地形匹配仿真。仿真结果证明了上述方法是有效地获取海底数字地图手段,为分析海底地形匹配算法提供了基础。     

一种改进的地形熵匹配导航算法

提出了一种改进的地形熵辅助导航算法.因为地形熵算法丢掉了地形的相对位置信息及对地形数据做了归一化处理,使得其在地形跟随/地形回避中的应用存在着匹配误差容易发散的问题.基于此点,提出了基于卡尔曼滤波的惯性地形辅助导航方法,交互信息量等方法的地形熵算法,以改进该算法在地形跟随/地形回避中应用的性能.最后用matlab软件根据分形学中Weierstrass-Mandelbrot函数产生了模拟的数字地图,并对该地形匹配导航方法作了仿真研究,仿真结果表明该方法可以抑制误差的发散,并提高了地形匹配的定位精度.     

基于高程熵的综合匹配算法在地形匹配上的应用

提出了一种基于高程熵的综合匹配算法,该算法通过地形分块、连续搜索、动态门限、粗配、精配结合实现地形匹配定位功能.对于地形较复杂区域,高程熵匹配算法有其独特的优势.用MATLAB仿真试验表明,该算法能达到较高的性能要求.     

三维地形地物融合方法研究与应用

为了提高大比例尺下的三维地形与地物融合效果,提出了一种新的地形地物融合方法。该方法利用三维地物的底面是平面这一特点,在统一坐标框架下,对地形数据进行预处理,消除了影响地形地物融合的高程点,再利用Delauney三角网算法生成TIN模型模拟地形。预处理过程修正了影响融合效果的高程点数据,提高了融合效果,同时减少了原始地形数据的数据量,从而提高了构建TIN模型的效率。结果表明,该方法能较好地实现三维地形地物的融合。     

高程熵综合地形匹配算法的仿真研究

高程熵综合匹配算法通过地形分块、连续搜索、动态门限、粗配、精配结合实现地形匹配定位功能。对于地形较复杂区域，有其独特的优势。使用MATLAB软件进行仿真试验，研究探讨了该算法的技术要点，给出了仿真用地形数据的产生方法和仿真的基本步骤，并对结果进行了分析。结果表明该算法能达到较高的性能要求。     

三维地形高质量实时矢量叠加绘制

在高低起伏的三维地形上无缝叠加二维矢量数据是三维地理信息系统可视化的必须功能.为了进一步提高矢量纹理的像素有效利用率,减轻走样,提出一种采用多级联的绘制方法来改进传统基于纹理的矢量叠加绘制过程的算法.该算法采用深度剖分和屏幕空间分块2种策略对视域四棱锥进行分割,对子四棱锥内矢量进行级联绘制,并对绘制范围进行调整优化,整个算法过程完整地利用了现代GPU可编程硬件来实现.实验结果表明,文中算法适用于大范围多分辨率地形上的矢量绘制,绘制过程达到了实时,绘制效果令人满意.     

基于增强型MAD算法的地形辅助导航仿真研究

针对地形辅助导航系统中的地形匹配计算问题,提出一种增强型平均绝对差(MAD)算汉.算法采用最近时刻的位置偏差信息计算当前搜索区域中的高程匹配序列,使系统在任意时刻均可获得当前的地形匹配值,保证了匹配计算的连续性.在此基础上,根据MAD相关系数对数字地图上各搜索点的位置信息进行融合计算,以获取最佳的匹配点.为降低计算冗余量,在重叠的搜索区域对算法进行了优化.另外,当地形特征不明显时引入了判决机制,以增强算法的稳定性.仿真结果表明算法具有较好的动态定位效果.     

基于结构特征的遥感影像匹配

影像数据的获取受到传感器、大气、光照等多种因素影响,影像数据本身即存在成像的不确定性,且用于匹配的影像数据间常存在较大的尺度、旋转差异,因此利用传统的基于区域灰度的匹配方法很难实现遥感影像的自动匹配.针对遥感影像数据的复杂性,结合不变矩的优良性质,提出一种基于地物结构特征的影像自动匹配方法.首先基于RANSAC(random sample consensus)算法提取影像直线特征,并进一步根据地物构造特征,在直线特征的基础上,设计并实现结构特征提取方法;然后利用结构特征的不变矩及空间相似性测度自动检测最优匹配特征对,实现影像的初始匹配;最后采用松弛匹配等方法,并对松弛匹配结果进行优化,实现影像全局匹配.为了验证算法性能,采用仿真数据和实地遥感影像进行测试,实验结果表明,本文方法不受旋转、缩放等因素影响,能实现遥感影像的自动快速匹配.     

LiDAR数据与CCD影像融合算法研究

依据新型遥感载荷LiDAR数据高程精度高、CCD面阵影像平面精度高的特点,本文提出一种基于点特征的激光点云与CCD影像高精度匹配的方法,研究了立体像对与激光点云联合同名点搜索算法和影像特征点与离散激光点迭代匹配求解算法,实现了一个像对区域的影像与点云高精度配准,获得了三维彩色点云影像。得到的影像既具光学影像的颜色纹理信息又具有LiDAR数据的高程信息,提高了地物目标识别解译的可靠性和量测的精度,也为更进一步的地物分类提供更为精确的原始数据。     

导弹投射区可视化中的数据模型设计

导弹投影区域可视化是实现投射模拟训练及匹配基准图制备的关键环节.为实现导弹投射区域的可视化,通过对现实世界进行抽象与简化,设计了导弹投射区三维场景数据模型.该模型将三维场景划分为地形、目标、显著地物群三层,每一层采用或设计了相应的数据结构;在介绍相应数据的准备方法并准备好相应数据的基础上,实现了分层场景的绘制.系统应用表明该导弹投射区三维数据模型,规范了作战保障信息,使场景绘制工作更为灵活和有效.     

一种城市三维建模的集成处理方法

在对AutoCAD和MapInfo的数据结构进行分析比较的基础上，首先提出了从CAD图形符合及注记中，提高取程点、高程值以及相关属性信息的面积匹配与类型转换的方法；然后创建了基于CAD线划建筑物的重现点-线拓扑关系生成多边形的方法；最后实现了地形高程与建筑物空间及其属性特征值的自动获取，在此基础上进一步构建了城市DEM模型和实现了三维影象显示，形成了由CAD数据→GIS矢量数据→GIS栅格数据→三维影像的一种城市三维建模的集成处理方法，该方法较之工程化的航空摄影测量方法简单、快速、具有较大的实有价值，另外，还以苏州市32 号街坊的地形数据为例进行了实验，获得了较好的实验结果。     

基于立体视觉的3D地形拼接

为了从月球车上的全景相机所捕获的立体图像对重建月球车周围的3D地形,给地面科学家制定科学探测指令提供一个直观的可视化平台,预先展开了基于立体视觉的3D地形重建的研究,主要介绍了在3D地形拼接方面的研究进展。当恢复出多个局部3D地形模型时,首先基于边缘检测和图像匹配技术提取出相邻局部模型之间的公共数据点,然后采用分离旋转变换和平移矢量的策略拟合出相邻模型之间的坐标转换关系,之后就可以将局部模型统一在同一个坐标系下。通过室内和室外多次实验验证了该拼接方案。     

模板阴影体扩展方法

模板阴影体是矢量地图3维绘制的一种主要方法,使用线段、多边形等基本的几何图形在3维地形上叠加显示地图要素,因表示形式过于简单,导致其传递的地图要素信息十分有限。为此,对模板阴影体方法进行扩展,提出矢量地图在3维地形上的符号化叠加方法,以提供更丰富的矢量地图3维显示样式。首先,简述基于模板阴影体绘制矢量数据的基本原理。然后,提出对模板阴影体的扩展,包括保持符号边缘光滑的算法和符号轮廓描边、交叉压盖的处理方法。实验结果表明,该扩展方法能够实现矢量地图在3维地形上的实时叠加显示,符号化绘制显著提高了矢量地图显示效果。     

矢栅一体化的三维地形可视化研究

三维地形可视化是三维GIS中的一个重要功能。由于传统的地形可视化仅仅考虑了三维地形的真实显示,因此忽略了GIS中对空间数据的分析功能,文章探讨了适合在三维地形上矢量栅格数据一体化显示的方法,使用空间插值的方法在栅格纹理上叠加矢量图形。矢量数据的加入为在三维地形上进行空间分析提供了可能性。笔者将该方法应用于荆江地区的三维地形显示,取得了较好的效果。     

基于倾斜摄影测量的矿产地形三维可视化建模研究

对矿产地形进行三维可视化建模,指导地质勘探,提出基于倾斜摄影测量的矿产地形三维可视化建模方法,采用倾斜摄影测量进行矿产地形的三维图形重建,提取矿产地形的三维边缘轮廓特征量,采用稀疏性的模板特征匹配方法进行矿产地形三维可视化的块匹配,构建矿产地形的边界分布轮廓线,采用不规则三角网重建方法进行矿产地形三维可视化图像的视觉重构,结合倾斜摄影测量方法实现对矿产地形的三维离散点数据重构,提高对矿产地形三维可视化建模的精度。仿真结果表明,采用该方法进行矿产地形三维可视化建模的精度较高,视觉重构效果较好。     

虚拟环境中地面运载实体地形匹配的一种新方法

地形匹配问题主要研究的是如何快速、准确地求解出运载实体和地面的接触点的问题。地形匹配问题和地表绘制算法有着密不可分的关系,地形匹配问题的具体解决是以地表绘制算法中建立的基本数据结构为基础的,因此,随着先进的地表绘制算法的提出,就产生了地形匹配问题的新解决方案的需求。文章给出了一种基于先进的以三角形二叉树为其基本数据结构的地形绘制算法的地形匹配问题新求解方法,该方法无需建立特殊的数据结构,其地形匹配速度明显优于已有的方法。     

由航空影像自动重建大范围3维地形

目的 针对由航空影像自动生成大范围3维地形的立体模型配准问题,提出一种自动配准全部立体模型的方法,从而生成大范围3维地形。方法 首先由相邻影像构建独立的立体模型;然后根据特征匹配同名点在公共影像上的坐标对应关系,自动提取相邻模型的连接点;通过循环遍历搜索,自动配准全部立体模型,进而构建全航摄区的大范围3维地形。结果 采用两组数据进行实验,结果显示,两组数据全部3维模型的均方配准误差分别为5.20像素和2.63像素。本文方法生成的大范围地形的相对精度较高;对第2组数据的结果采用控制点进行绝对定向,并用检查点进行精度评估,结果显示全部检查点的均方平面和高程误差分别为0.326 m和0.502 m,生成的大范围地形达到了较高的绝对精度。结论 本文方法可自动化执行,仅需输入一系列有一定重叠的航空影像,即可自动生成按一定方式组织的大范围3维地形产品。该方法生成的大范围地形既可用于3维场景浏览,也可用于地形量测,但不适用于由激光扫描获取的点云数据的配准。     

基于地形高程模型的飞行器位姿估计方法

针对无法依靠景象匹配手段进行导航定位和无法有效利用惯导姿态信息的情况,提出了一种基于地形高程模型的飞行器绝对姿态和位置的估计方法。该方法首先利用机载下视摄像系统获取实时立体图像对及利用传感器获得飞行速度信息,通过修改双像运动模型来重建飞行器下方的地形信息;然后利用三维重建结果的刚体约束给出一种匹配机载地形高程模型数据的方法,用于估计飞行器在世界坐标系中的绝对位姿。仿真结果表明：改进的双像运动模型具有更高的精度,更有利于在世界坐标系下进行位姿估计。     

Geodesic distance-weighted shape vector image diffusion

This paper presents a novel and efficient surface matching and visualization framework through the geodesic distance-weighted shape vector image diffusion. Based on conformal geometry, our approach can uniquely map a 3D surface to a canonical rectangular domain and encode the shape characteristics (e.g., mean curvatures and conformal factors) of the surface in the 2D domain to construct a geodesic distance-weighted shape vector image, where the distances between sampling pixels are not uniform but the actual geodesic distances on the manifold. Through the novel geodesic distance-weighted shape vector image diffusion presented in this paper, we can create a multiscale diffusion space, in which the cross-scale extrema can be detected as the robust geometric features for the matching and registration of surfaces. Therefore, statistical analysis and visualization of surface properties across subjects become readily available. The experiments on scanned surface models show that our method is very robust for feature extraction and surface matching even under noise and resolution change. We have also applied the framework on the real 3D human neocortical surfaces, and demonstrated the excellent performance of our approach in statistical analysis and integrated visualization of the multimodality volumetric data over the shape vector image.