深度学习在点云分类中的研究综述

点云数据被广泛用于多种三维场景,深度学习凭借提取特征自动化、泛化能力强等优势在三维点云的应用领域快速发展,逐渐成为点云分类的主流研究方法。根据提取方式的不同,将现有算法归纳为传统方法以及深度学习算法。着重介绍基于深度学习的代表性方法和最新研究,总结其基本思想以及优缺点,对比分析主要方法的实验结果;展望深度学习在点云分类领域的未来工作以及研究发展方向。     

新型城镇化建设地理空间信息智能处理关键技术及应用

本项目基于新型城镇化智能管理对地理空间信息智能处理技术的迫切需求,以信息感知→信息融合→知识发现→应用服务为主线,构建了现代城镇地理空间信息"感—融—知—用"完整的技术体系,为新型城镇化建设与精细管理提供了原创性的技术支撑,推进了国土空间优化和城镇统一监管,从而创新了新型城镇智能化的管理模式.项目开发了空间数据库管理与更新系统、地理空间信息整合与快速更新软件平台等技术与平台,有效地提高了应用单位的数据质量和项目实施效率.开发了集成地理模拟和空间优化模块的FLUS模型提供给近200所国内外的高校使用,并应用于全国三十多座城市,为空间规划提供了技术支撑.     

汶川县震后潜在泥石流危险性评价研究

对震后潜在泥石流灾害进行危险性评价是灾害预测预报与防治规划的重要内容和技术基础,也是目前泥石流领域研究的薄弱环节。以汶川县为典型研究区,通过资料收集、野外考察和遥感调查,遴选出震后泥石流频次、流量和地貌信息熵3个关键指标,改进震后泥石流流量计算方法,建立DNWT模型动态监测并快速提取震后泥石流物源信息;基于此,构建评价指标体系,以小流域为评价单元,采用GIS技术和灰色系统理论与方法,建立评价模型,进行研究区震后潜在泥石流危险性评价与区划。结果表明:1)提出DNWT震后泥石流物源提取模型,能实现震后泥石流判识和崩塌滑坡及其松散堆积体等泥石流物源信息动态监测与自动提取;2)结合野外调查和泥石流物质量计算数据,采用配方法,修正了震后泥石流流量计算公式,与震前相比,堵塞系数增加1.72～3.46倍,流量呈指数增大;3)基于对研究进行小流域划分,引入地貌信息熵,简化震后泥石流危险性评价参数,实现了对子流域地貌发育阶段和沟谷危险程度的判断;4)研究区大部分泥石流沟处于中度及以上危险区,具有极大的潜在危险性,其中高、极高危险性泥石流沟89条,占泥石流总数的39.2%,主要沿岷江干流和渔子溪河谷两岸分布,为防灾减灾的重点区,且资源环境承载力低,不宜进行规模以上开发建设,需加强灾害监测预警与综合防治。研究结果可为震后泥石流遥感动态监测、定量风险评估和防灾减灾管理提供依据与参考。