基于遗传算法的DEM粗匹配研究

传统最小二乘无控制DEM匹配方法基于LZD算法实现,该类方法对基准DEM与待匹配DEM之间的初始匹配状态要求较高,其应用受到较大限制。为了解决该问题,提出了一种基于遗传算法的DEM粗匹配方法,结合遗传算法全局最优化的需要,设计了一种新的匹配模型,对最小二乘匹配方法的拉入范围、遗传匹配方法收敛效果和粗匹配效果进行了实验分析。结果表明,基于遗传算法的DEM粗匹配方法能够在基准DEM与待匹配DEM之间状态差异较大时,为最小二乘匹配方法提供合适的初始匹配状态。     

交通土建专业工程测量的教学改革与电子讲稿制作设想

介绍了西南交通大学测绘学科情况，探讨了工程测量课程的性质、任务、要求，以及课程、习题及实验主要内容，给出了对工程测量课程电子讲稿制作进行的思考和设想。     

悬索桥施工GPS塔顶变形监测

以国家重点工程——虎门大桥为依托,根据工程施工变形的特点,试验适当的采样速度、监测时段和测量模式进行悬索桥架缆和钢箱梁吊装ＧＰＳ塔顶变形监测。监测结果满足施工监测的精度要求。     

无控制DEM匹配与匹配优化技术

针对三维自由表面匹配问题,实现基于LZD算法进行无控制DEM匹配,克服了控制点布设的困难。通过分析转换参数相关性和地形特征对匹配能力的影响,提出了地形平滑处理的技术,改善了LZD算法的匹配性能,并通过相关试验进行了验证。该技术还可应用于计算机视觉、模式识别、工业产品质量检测、医学影像等应用领域。     

基于知识的车载LiDAR地物自动分类

车载LiDAR已广泛应用于三维数字城市建模、道路信息数据采集等领域。海量点云信息中不同地物目标的自动识别和分类是LiDAR数据后处理的难点之一。根据不同地物目标物理特性、空间拓扑关系及其在点云中的相关特征知识,建立地物分类规则,依据分类知识进行地物自动识别和分类。通过实测数据分类试验,证明该方法可以较好实现建筑物、树木、线杆、行人等不同地物的自动识别和分类。     

基于知识的车载LiDAR地物自动分类

车载LiDAR已广泛应用于三维数字城市建模、道路信息数据采集等领域。海量点云信息中不同地物目标的自动识别和分类是LiDAR数据后处理的难点之一。本文根据不同地物目标物理特性、空间拓扑关系及其在点云中的相关特征知识,建立地物分类规则,依据分类知识进行地物自动识别和分类。通过实测数据分类试验,证明该方法可以较好实现建筑物、树木、线杆、行人等不同地物的自动识别和分类。     

用于无控制DEM匹配的LZD和ICP算法的比较

为了选择一种更适合数字高程模型匹配的算法,首先回顾了目前广泛使用的两种3维表面匹配算法--最小高差算法和最近点迭代算法的发展,并给出了二者共同的逻辑框架;然后从理论上对二者的差异进行了定性分析;最后通过试验进行了定量比较.试验结果表明：与ICP算法相比,LZD算法的计算效率高于前者约9倍.但其拉入范围略小,迭代速度也比ICP算法慢了约一倍,然而,如果表面姿态差异越小,则LZD算法迭代收敛就越快.因此,对于表面姿态差异较小的DEM匹配而言,LZD算法更加适合.     

DEM粗差探测算法在铁路线路测量中的应用

在现有的粗差探测算法的基础上,提出了一种新型的适用于离散形式DEM的粗差探测算法,并采用实测的ZX铁路线DEM数据对该算法进行检验.结果表明,新算法对不规则DEM粗差的探测有效实用.     

工程测量课程的教学与改革

介绍了近年来我校对工程测量课程的教学改革实践，指出还存在的一些问题和不足，以及进一步的思考．     

地球重力场模型在线路GPS高程转换中的应用

在GPS高程转换中 ,为了减少对已知高程点的需求量 ,本文引用了地球重力场模型。采取的方法是 :选择一种拟合函数 ,将每一个GPS向量用地球重力场模型计算的高程异常差值作为观测值 ,已知高程点上用GPS求得的高程异常作为固定值 ,进行拟合处理。实例表明 ,当测段长度小于5 0km ,仅用两个已知高程点 ,高程转换精度可以满足 30L限差要求