三维数字化建模技术在数字城市建设中的应用研究

近年来,随着新兴测绘科学与技术的发展,“数字孪生”“实景三维”“元宇宙”等成为数字城市建设的技术路径,数字城市是通过构建一个与现实物理世界相对应的数字化、虚拟化镜像城市,使得现实物理世界中的各环境要素与数字城市相互匹配映射。其底层数字基座就是相似度极高的虚拟仿真实景三维场景。本研究通过对比传统人工手动3ds Max建模、无人机低空数字倾斜摄影影像建模、机载激光扫描建模等单项建模方法,探索通过将机载激光扫描技术获取的点云和倾斜摄影技术获取的两种异构数字影像数据融合的建模方法,来构建数字城市实景三维场景,并阐述三维数字化建模的技术路线和生产流程,以期为相关工程提供技术参考。     

Web地形服务初探

分析了数据互操作在GIS发展中的重要意义和地形可视化服务重要作用,阐述了WTS的规范和数据发布流程,并遵照WTS利用.net技术和TIN地形构建原理开发了一个网络地形可视化系统原型,实现WTS空间数据互操作规范.     

基于球体网格与DEM的流域地形特征尺度效应分析——以长江流域为例

基于球体大圆弧八叉树剖分网格和全球共享DEM(Digital Elevation Model)数据分别构建长江流域多层次三维地理场景,提取流域相关地形参数,分析流域地形特征随度量尺度变化的趋势与规律.结果显示,同尺度下球体网格模型的上下表面积、起伏度均小于DEM模型对应的特征值,而地形粗糙度、二维和三维分形维数以及广义分形维数和多重分形谱值的范围等均大于DEM对应的特征值.所有尺度下,球体网格模型表面的二维分形维数均大于2,而对应DEM的二维分形维数均小于2,但两种模型的三维分形维数均小于3.研究表明,DEM与球体网格模型在计算地形参数时均具有尺度效应,所有参数值随着剖分层次/数据分辨率的提高而增加,但增加的趋势不尽相同;两种模型在表达地形多尺度特征时具有良好的一致性;球体网格在大区域地形无缝可视化和地形参数提取精度方面具有一定优势.该研究可为流域生态环境监测以及流域分布式水文模型构建等提供科学参考.     

虚拟现实技术支持下的三维地形仿真系统设计研究

将虚拟现实技术应用到地形仿真中的相关理论与关键技术,确定了系统实现的技术路线,并以黑龙江省8511农场数据作为本系统的实验数据,以武汉吉奥公司的CCGIS4.0作为二次开发平台,使用Visual Basic6.0重新定制与开发了三维地形仿真系统,在普通PC机上成功建立了桌面型虚拟现实系统.系统实现了三维场景的漫游、查询定位、空间分析和视频输出等功能,达到了虚拟三维场景实时动态显示与交互的目的.     

基于协作式深度强化学习的火灾应急疏散仿真研究

火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型,为人员疏散提供实时的危险区域分布信息;对各自独立的智能体神经网络进行整合,建立多智能体统一的深度神经网络,实现所有智能体之间的神经网络和经验共享,提高整体协作疏散效率。结果表明：所提方法具有良好的稳定性和适应性,训练和学习效率得到提升,具有良好的应用价值。     

利用3 dsmax进行地形地质图三维建模

地形地质图的三维建模是分析地下地质构造的重要手段.基于3 dsmax的强大建模能力,将其应用于地形地质图的三维建模,主要通过地形地质图地表地质特征,用平面图的地质特征,合理推测下延至地下浅部进行地质建模.根据地下地质构造特征,解释地表地质构造的合理性,地表与地下相互印证,构建合理的地质构造.同时利用人工干预,利用3ds...     

一种测试用例精简与自动生成方法

为了保证软件质量,在开发过程中引入了多种软件测试技术,需要手工构造大量的测试用例,覆盖软件的功能点。但是手工构造测试用例,工作效率低,并且很难命中所有的功能点,尤其是功能点组合的情况。为了提升软件的测试覆盖率、降低人工成本,本文提出了一种测试用例精简与自动生成方法。该方法根据业务场景分类业务数据,构造功能点组合矩阵,归并、精简业务场景之间的功能点组合矩阵,再执行生产请求,匹配功能点组合矩阵,自动生成测试用例,从而聚焦核心功能点、提升软件的代码测试覆盖率,达到提升软件质量和安全、降低人工成本、提升团队交付能力的目的。     

文化创意产业园文化与商业综合发展研究——以成都市西村大院为例

随着后工业时代的到来,以消费为主导的生活模式正在全方位的影响着人的选择.对于消费型文化创意产业园而言,文化与商业如何实现综合发展,过程中容易出现什么问题?为了解释上述问题,本文以西村大院文化创意产业园为例,通过模糊综合评判法评估综合发展、分析发展过程中的典型问题并借用场景理论有关研究,最终提出建议.     

基于Landsat8 OLI影像的山区植被地形落影校正方法研究

为消除地形落影影响,提出一种基于Landsat8 OLI影像的山区植被地形落影校正方法.落影校正利用能够有效消除地形阴影干扰且无需异源数据支持的SEVI作为阴影校正信息源,构建光照区SCS+C校正后红绿蓝波段地表反射率与SEVI间的随机森林回归(Random Forest Regression,RFR)模型,进而利用落...     

基于卷积神经网络感知功能的极端场景生成方法

近年来,基于卷积神经网络深度学习的感知算法在自动驾驶车辆环境感知系统中发挥着越来越重要的作用。由于在神经网络训练过程中,训练数据无法覆盖所有极端场景,因此如何保证基于深度学习的感知算法在极端场景下的安全性和可靠性,仍是一个亟待解决的问题。传统的基于真实行驶里程的验证方法,在获取极端场景数据上危险性高,经济性差,因此很难检验驾驶功能在极端场景下的性能。基于虚拟场景的仿真验证方法,虽然可以通过设置场景参数来生成大量测试场景,但是通过简单的参数组合并不能有效的生成极端场景。本文展示了一种在虚拟环境中生成极端场景的方法,用于训练和测试基于深度卷积神经网络的车道线识别算法。首先将场景特征用参数进行表示,然后使用deep Q-learning强化学习的方法,来生成极端场景的参数组合。通过与随机组合以及成对组合场景参数的方法进行对比,可以看出该基于强化学习的场景生成方法可以更有效地生成极端场景,因此可提高自动驾驶感知功能的测试效率,同时可为卷积神经网络提供更多的极端场景训练数据。