首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  完全免费   3篇
  无线电   3篇
  2017年   1篇
  2015年   2篇
排序方式: 共有3条查询结果,搜索用时 62 毫秒
1
1.
基于地面激光扫描数据,提出了一种新的建筑物边界规则化方法,不仅可以对建筑物整体而且可以对不同侧面进行规则化,包括立面墙面、门和窗户等.首先对海量原始激光点云利用高效的随机采样一致性算法分割为不同的平面面片,然后利用2D α-shapes算法提取建筑物点云数据.在此基础上,利用本文提出的边界规则化算法产生一个规则多边形进而实现建筑物边界规则化.利用实际地面扫描数据对该算法进行验证,表明本文方法可以针对不同密度的点云进行自适应调整,不仅效率高,而且可以达到非常满意的建筑边界规则化效果.该研究成果对于利用地面激光扫描数据进行建筑物三维建模具有一定的参考意义.  相似文献
2.
通过对地球科学激光测高系统(Geoscience Laser Altimeter System,GLAS)波形数据进行高斯分解,提取精确的波形特征信息,计算出GLAS波形数据激光穿透指数(LPI),基于LPI提出GLAS数据反演叶面积指数(LAI)的新方法,建立了GLAS数据反演森林LAI的模型(R2=0.84,RMSE=0.64),并用留一交叉验证法(LOOCV)对反演模型的可靠性进行了验证,结果表明,该模型没有过度拟合,具有很好的泛化能力,最后通过人工神经网络融合GLAS与TM(Thematic Mapper,专题制图仪)遥感数据实现区域尺度森林LAI反演,用25个实测LAI对反演精度进行了验证,研究表明反演LAI与实测值较为接近,精度较高(R2=0.76,RMSE=0.69),为生态环境研究提供精确的输入参数,为GLAS数据大区域高精度LAI反演提供新的方法和思路.  相似文献
3.
高斯分解是波形激光雷达数据预处理的常用方法,但在应用于大光斑全波形激光雷达数据中的叠加波时却难以发挥作用,为此提出一种基于小波变换的高斯递进波形分解方法。首先,利用小波变换多尺度分析特性检测出目标地物并准确估算组分特征参数,进而建立高斯模型优化特征参数;然后通过拟合精度指标,判断是否需要添加新组分进行逐级递进分解,确定最终模型及其组分构成,最终实现全波形激光雷达数据的波形分解。为了验证算法的有效性,分别对实验数据使用本文算法和常用的基于拐点匹配的高斯分解法进行分析,结果表明,本文算法提取的目标数几乎是拐点匹配算法的2倍,可以有效地从叠加波中检测出目标组分,且拟合精度高于98%。  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号