改进U-Net模型的无人机影像在建道路分类

针对无人机影像背景复杂,城市在建道路分类易被相似目标、建设设施等信息干扰的问题,提出了基于改进U-Net模型的无人机影像在建道路提取模型。为获取更深层次的边界细节信息,采用Res2net结构分阶替换原有U-Net网络的卷积层,提高网络下采样深度;增加CBAM双注意力机制模块引于各分块特征信息之后,对空间和通道进行重新校准,强调道路特征,校正模型参数;引入改进的Dense ASPP模块,与前层次的细节信息拼接,增强道路区域上下文信息的获取能力。结果表明,所提出的改进U-Net网络训练的提取模型在精确率、召回率、F1分值、平均交并比等评价指标上,均优于传统的U-Net、DeeplabV3+、HRnet等网络模型,可有效提取建设道路各阶段信息,针对在建道路项目的施工进度监测提供方法支持。     

基于模拟法矿区贯通误差预计的可视化研究

矿山测量中的贯通误差预计工作,是利用最小二乘准则与误差传播律进行误差最大限度估算,常绘制二维平面图对贯通误差的累积过程进行表达。为探讨矿区贯通误差预计工作的新方式,尝试在模拟法贯通误差预计的基础上,通过Web三维引擎进行贯通误差预计图的三维可视化表达。利用3D绘图协议WebGL、JavaScript以及HTML设计建模,综合实现设计坐标的随机值模拟、点位与相对误差椭圆生成、三维巷道及设计导线生成等工作,同时利用three.js库将设计信息融合进而实现人机交互。在三交一号矿井贯通工程中,针对此模型进行了可行性分析并结合Spring框架开发应用系统,结果表明：目标贯通处的误差预计大小为99.8 mm,满足贯通允许偏差,且符合并能反映出误差累积的规律和大小,通过进一步的场景渲染与系统的前后端设计,可为矿区贯通误差预计工作的开展提供Web三维服务。