区域规划系列地图偏制若干问题探讨

扼要介绍了区域规划地图编制方法，并从区域规则地图的功能，编制原则，内容选题及编制程序等方面，探讨了区域研究中科学而完备地编制区域地图的有效途径。     

AutoCAD R14环境下的地形图矢量化

在测绘领域，数字地形图的需求越来越广。传统的地形图大都是描绘在 纸张、薄膜、复照底片和涤纶胶片等介质上，即模拟图。随着计算机和电子测绘仪器的广泛普及，使数字地形图的实现得到迅猛发展。笔采用Visual Lisp语言，利用AutoCAD R14二次开发的程序，实现地形图矢量化。     

城市市政地图的分块管理算法

针对城市市政地图管理的高实时性及大容量性而骓以在微机上实现的问题，提出一种分块管理方法，其思想是，将市政图分割成一系列２５０ｍ×２５０ｍ的方块，并建立屏幕上任意一点的坐标与该点所在方块编制的关系，构造了“点”、“线”、“面”查询算法，从而在微机上有效地实现了既定目标的市政图形信息的查询，编辑和管理。     

系列地图相关分析在吉林省年降水量空间分布规律及成因分析中…

系列地图相关分析法是研究探索地理规律的重要方法之一，本以吉林省年降水量图、地势图、地形图为基本资料，通过年降水量、地势、地理位置间的相关分析，吉林省降水分布特征的主成分分析，探讨了吉林省年降水量空间分布规律。     

关于有根外平面地图的着色计数

关于着色计数,Tutte于1973年发表第一篇文章,他所研究的是平面上的三角剖分。十年之后,本文作者研究了一般平面地图。接着,又研究了平面上的3-正则地图。这里所研究的是外平面地图并且求出了着色计数的显式。而文献[1-3]均未得到这样的显式。 当然,我们也是研究带根的情形。事实上并不影响问题的一般性。对于一类地图M,其着色计数函数为     

一种改进的嵌入式导航地图匹配算法

为提高在嵌入式环境中对地图数据的检索速度,提出了一种动态分块算法.该算法根据导航电子地图中的地理特征数量对地图进行动态分块,通过增加地图分块后数据的存储空间,减少检索数据的时间,从而提高算法实时性.在地图分块后,实现一种融合地图拓扑和D-S证据推理方法的地图匹配算法,以提高系统的准确性和稳定性.仿真结果表明,地图动态分块算法能够提高系统实时性,地图匹配算法能够快速、准确地匹配正确道路.     

基于GPS轨迹的矢量路网地图自动生成方法

提出一种基于GPS探测车轨迹的大规模矢量路网地图自动生成方法.该方法不需要路网地图的基图,可以只利用GPS探测车在路网中的行驶轨迹,自动将实际路网的真实拓扑结构反映在数字地图上.该方法分三个步骤:首先,实现GPS探测车轨迹数据的大地经纬度坐标到地图城建坐标的转换;然后,利用坐标转换后的GPS轨迹数据生成路网栅格地图;最后,将已生成的栅格路网地图进行矢量化处理.采用真实GPS探测车轨迹数据进行的实际路网自动生成实验表明,该方法能够成功地通过GPS轨迹自动生成路网地图,生成的矢量路网数字地图具有较高的精确度,可以满足交通诱导和汽车导航等系统中数字地图及时、自动更新的应用需求.     

基于XML信息交换的地图服务器构建

由于直接利用ArcGIS Sever或者SuperMapiServer提供的地图服务器进行WebGIS开发会受到软件自身的一些限制,不能灵活定制地图服务。因此采用基于XML信息交换构建专用地图服务器,提出地图服务器的总体设计,并对Socket通信、XML解析、地图对象池、多线程处理和核心GIS处理等功能模块进行实现,最终实现客户端运行实例。采用基于XML信息交换来开发WebGIS,可解决灵活定制地图服务的问题。     

资讯

正1 APP市场水浑了自从在2008年推出应用商店App Store以来,苹果深刻改变了技术公司与消费者和第三方开发者互动的方式。乔布斯决定,苹果必须审核通过其应用商店提供     

基于卷积神经网络的语义同时定位以及地图构建方法

环境感知技术是智能车功能实现的前提,而在感知的基础上提高智能车对环境的认知能力是实现全自动驾驶的关键。本文针对室外交通场景,基于卷积神经网络提出了一种新的智能车同时定位以及语义地图构建方法,对智能车进行定位,并且构建稠密的3D语义地图,提高智能车的环境感知、认知能力。首先,基于双目ORB-SLAM提出了一种四线程的双目SLAM（Simultaneous Localization and Mapping）方法构建稠密的3D点云地图,四线程分别为追踪线程,局部地图构建线程,回环检测线程以及稠密地图构建线程;其次,为提高智能车的环境认知能力,使用端对端的方法对图像进行语义分割,并且为提高语义分割精确率,将环境的几何信息也作为卷积神经网络输入;最后,将感知的能力与认知的能力相结合构建语义地图,为智能车实现全自动驾驶奠定基础。本文将算法在KITTI数据集上进行测试,整体算法速度为10帧/秒,语义分割的全局精确率为73.1%,构建的语义地图显示本文提出算法能够在大规模室外场景下重构全局一致性地图,并且帮助智能车实现对环境的解析。