基于自由设站和角度交会的隧道变形监测研究

针对隧道的带状空间特征及全站仪在无棱镜模式下测距误差比较大的情况,提出利用自由设站法结合角度前方交会计算隧道中任意监测点坐标的方案,并对其精度进行了分析。该方案具有布站灵活、精度高、成本低等特点,对隧道中监测点的测量具有一定的指导意义。     

三维基准转换七参数初始值解算的两种简便模型

针对大旋转角三维坐标转换中需要给定转换七参数初始值以便于平差迭代求解的问题,本文提出两种概算的简化模型,即基线模型和联合模型。两模型中均对旋转矩阵做简化处理,忽略其正交矩阵的特性,从而将严密的非线性平差模型转化为线性平差模型。该方法计算中无须迭代,简单易行,使用MATLAB模拟数据验证结果表明,该方法不仅可用于求解七参数的初始值,而且在100 m3范围内,当转换点三轴误差均小于5 mm时,两种模型都可满足转换误差小于2 mm的要求。     

基于激光点云的隧道断面连续提取与形变分析方法

地铁施工、运营阶段的监控量测,可有效保障隧道结构的稳定与周围环境的安全。现有的收敛计、全站仪等变形监测手段,虽然可以得到高精度的观测数据,但获取的监测点位过于稀疏,难以全面反映隧道整体的形变特征。本文将三维激光扫描技术用于地铁隧道形变监测,提出了基于激光点云的隧道断面连续提取与形变分析方法,并对提取的两期断面进行了形变分析,试验结果表明该方法能够更直观地表现隧道整体变形,研究成果可为隧道形变动态监测提供借鉴。     

主成分分析与Bayes判别法在突水水源判别中的应用

准确有效地判别突水水源是解决矿井水害的前提条件。基于淮北袁店二矿各含水层共59个水样水质化验资料,利用主成分分析法,计算各水样的因子得分,并进行系统聚类,剔除错误样本。利用剩余水样作为学习样本,检验Bayes判别函数的判定准确性,得出准确率为92.5%,并进行交叉验证。利用该判别函数对某工作面底板下一富水区水样进行判别,结果与实际情况吻合。结果指示基于主成分分析与Bayes判别法较单一Bayes判别法更加准确,能够消除样本变量之间的相互影响,实现对突水水源的快速有效判别。      

点-线特征联合的全景图像位姿解算方法EI北大核心CSCD

目前,全景图像位置和姿态参数的解算多基于点特征,而场景中普遍存在的线特征尚未得到充分利用。本文提出一种点-线特征联合的全景图像位姿解算方法,不仅可用于点特征缺失场景中全景图像位姿参数的解算,而且在点特征充足的场景中可提高位姿解算的精度和稳健性。该方法中的线特征使用线上的任意两点表示,不要求全景图像和三维场景同名线上的选点具有对应关系,因而易于选取,具有极大的实用性。首先,使用直接线性变换构建点-线特征联合的全景图像位姿解算模型,并针对水平线和垂直线获取简化后的模型;然后,利用仿真道路场景,从特征点和线的不同组合方式及大姿态角两方面分析该模型的适用性,并通过人工引入不同类型及量级的点-线误差分析该模型的容差性;最后,将本文方法应用于全景图像与激光点云的融合,从理论和实践两方面证明点-线特征联合的位姿解算方法在精度、稳健性和容差性方面优于单纯的点特征解算方法。     

广西-东盟多源遥感数据的森林高度反演及应用

森林生态系统在调节生态气候与碳循环方面发挥着重要作用,森林高度是衡量森林生态系统功能的重要参数。利用单一遥感数据获取森林冠层高度会受到多种制约。因此,本文使用星载激光雷达ICESat-2提供的高质量离散森林冠层高度点,结合Sentinel-1、Landsat 8及地形数据,采用随机森林方法建立不同影像特征组合森林冠层高度的回归模型,并分析各特征对森林高度反演的影响,最后将模型应用于广西森林冠层高度制图。试验结果表明,多源遥感数据可有效提高森林冠层高度反演精度,在所利用遥感数据中,特征重要性从大到小依次为光学特征、地形特征、SAR特征,“L8+SRTM+Sentinel-1+邻域均值”特征组合的反演精度最高,加入邻域均值特征进行森林冠层高度反演效果最佳,随机森林模型能精确绘制森林冠层高度。     

基于主成分分析的多项Logistic回归模型的突水水源判别研究

矿井水害是矿井生产过程中较常见的地质灾害之一。快速有效地判别突水水源是预防矿井水害的关键所在。选取袁店二矿59个水样资料(常量离子含量),利用主成分分析进行处理,得出主成分得分;以主成分得分为自变量,水源类别为因变量建立多项Logistic回归模型;运用该回归模型对59个水样资料进行类型判别,得出综合判别准确率达到86.4%;并通过实例对判别模型进行了验证。研究结果表明:主成分分析法与多项Logistic回归模型相结合的方法在水源判别上具有可行性,不仅消除了常量离子之间的内在影响,而且使判别结果具有一定的准确率,在突水水源判别问题上提供了一种新方法,为矿井防治水提供有效依据。     

一种基于空间网格的地物要素点云提取方法

LiDAR点云的分类提取是点云数据处理中的首要步骤。为了提高复杂场景中点云数据分类提取方法的适用性,文中根据三维数学形态学思想,提出一种基于地物空间形状特征的点云提取方法。方法首先建立网格索引,划分网格空间,进行点云数据组织,然后根据地物在网格空间中的形状特征设计出四种参数可控的空间网格算子,最后结合点云反射强度信息自动提取特定地物点云。通过对复杂场景中的铁路地物要素LiDAR点云中建筑、电力杆线、铁路轨道的提取和郊区机载LiDAR点云中的地面与建筑屋顶的提取,验证提取算法的适用性,为点云分类提取功能模块的程序设计提供便捷方法。     

一种平面坐标转换的简便模型及其精度分析

结合平面坐标转换四参数模型及误差传播定律,对转换参数的误差及不同空间分布的点位转换精度进行分析,得到任意点处转换误差的求解模型。最后,利用模拟数据通过对公共点引入不同级别的误差来验证本文方法的正确性。