一种倾斜摄影测量空地融合三维高精度建模方法

无人机倾斜摄影测量及实景三维建模可以弥补传统航空摄影测量方式获取地表建筑物侧面纹理的不足,同时建模效率与纹理真实性要远高于传统人工三维建模,成为当下测绘专业实景三维建模的关键技术方式。但是,由于无人机从空中获取的多视角影像中仍存在一定视角缺陷,导致建筑物外立面所建模型存在一定质量问题。本文提出的空地融合倾斜摄影测量建模方案是通过低空无人机与地面摄影的方式获得建筑物外立面更精准的影像,弥补无人机倾斜摄影测量在因遮挡问题造成获取的影像数据源不足及分辨率低等问题,提高外立面纹理细节与精度,将如此获得的多源影像进行融合建模,可明显提高建模的效果与质量。     

利用全站仪测量高层建筑倾斜量的新方法

在观测高层建筑物的倾斜变形量时,施工场地往往受限严重,视线受到遮挡,工作人员无法靠近建筑主体结构,这使得传统的经纬仪正交垂直投点标定法很难顺利实施。基于以上问题,本文提出一种测量建筑物倾斜变形量的新方法,详细论述了测量原理,推导出了一种新的建筑物倾斜度计算公式,对其进行了精度分析。通过工程实例验证得出,该方法简单易操作,受场地影响小,具有较高的精度,并在一定程度上提高了工作效率。     

ADS100航摄影像空中三角测量精度分析

使用徕卡ADS100数字航摄仪获取的0.2 m分辨率影像,分别采用差分GNSS和精密单点定位2种方式解算机载IMU/GNSS数据,针对这2种方式采取了不同的地面控制点布设方式进行空中三角测量,并分析其精度。结果表明,使用ADS100航摄影像,采用差分GNSS方式解算机载IMU/GNSS数据时,无地面控制点、少量地面控制点和大量地面控制点3种方案的空中三角测量结果精度基本一致,都能够达到规范要求;采用精密单点定位方式解算机载IMU/GNSS数据时,无地面控制点的空中三角测量结果存在系统误差,通过加入1个地面控制点可以消除该误差,精度也能达到规范要求。     

GPS RTK校准检测试验场建设的研究

叙述了GPSRTK接收机校准检测试验场建设的方法,介绍了GPSRTK接收机校准检测的步骤,提出了GPSRTK校准检测的项目和结果判定方法,为未来的GPSRTK国家检定规程的出台做了有益地探索。     

基于改进BP神经网络的遥感图像分类研究

本文针对基于传统BP神经网络方法的遥感图像分类存在学习速度慢、易陷入局部最优解的问题,提出基于遗传算法的改进BP神经网络结构,以提高遥感图像分类精度。本文基于遗传算法确定权值和神经元数目完成对BP神经网络的模型优化,最后通过宣城市遥感信息图像处理实例,对最大似然、传统神经网络以及改进BP神经网络三种方法的分类结果定量分析,结果表明改进的BP神经网络方法分类精度最高。该改进方案对遥感图像的信息提取提供了新的思路。     

回归分析中内外符合精度指标研究

为了改正目前用于评定回归分析模型的内、外符合精度指标存在的缺陷,提出利用误差理论,依据回归分析中建模数据的模型残差和检验数据的模型残差,分别推导出计算观测值单位权方差真值之无偏估计值的公式,并将其分别定义为模型内、外符合精度检验的指标,且认为这两个指标具有可比性,可以代替当前所用的内、外符合精度指标推广使用。     

基于神经网络的机载激光测深偏差模型构建

为提高机载激光测深（airborne LiDAR bathymetry,ALB）精度,需对ALB原始测深偏差进行修正。通过顾及ALB测深偏差诸影响参数,基于神经网络方法,利用实测样本数据训练获得ALB神经网络偏差模型,然后基于神经网络偏差模型对ALB原始测深数据进行修正。结果表明ALB原始测深偏差较大,需进行修正。传统线性偏差模型和本文神经网络模型均能有效修正ALB测深偏差。相比线性偏差模型,神经网络偏差模型具有更高内符合和外符合精度。基于神经网络的ALB偏差建模方法能有效提高ALB测深精度。     

GALILEO和GPS综合系统PDOP评估

对GALILEO、GPS各自星座系统的PDOP,以及GPS＋GALILEO综合系统的PDOP进行了仿真。仿真结果从技术角度支持了GPS＋GALILEO综合系统是一个更为有效的全球卫星导航定位系统,适应GPS＋GALILEO综合系统的综合型接收机的研制是十分必要的。     

广州市CORS系统的精度分析和应用

采用虚拟参考站技术,结合应用广州市似大地水准面精化成果;对系统进行了精度分析,并以实例说明该系统实现了实时三维城市定位的功能。     

TRMM遥感降水数据在伊洛瓦底江流域的精度检验和校正方法研究

在伊洛瓦底江流域利用13个雨量站数据对TRMM日降水数据进行了精度检验,提出了一种基于水量平衡的TRMM数据校正方法。该方法首先以SWAT模型为基础,以不同子流域内的水量平衡为目标,计算各个子流域的TRMM数据校正系数;其次以子流域内的坡度值为自变量,校正系数为因变量,对二者进行回归分析,在没有水文控制站的子流域根据坡度求得对应的校正系数,对各个子流域的降水数据分别进行校正。结果显示,校正前TRMM年降水量和月降水量与实测值有较高相关性,但偏差较大;校正后年降水量与实测值基本一致;月降水量与实测曲线吻合较好;日降水量的预报等级从中等提高到了良好,校正前2个站预报等级差,7个良好,4个中等,校正后6个良好,2个中等,5个优秀。结果表明此方法在伊江流域能在不同时间尺度上显著提高TRMM数据的精度,为流域水文水资源分析提供数据支持。