建设通信机房的数字孪生系统,对提升通信网络主要资产的管理水平具有重要意义。机房设备、设施的低成本、高质量三维建模是数字孪生系统建设的关键。为此,提出了一种通信机房的智能三维建模技术方案,依靠普通相机采集的多角度照片组,综...建设通信机房的数字孪生系统,对提升通信网络主要资产的管理水平具有重要意义。机房设备、设施的低成本、高质量三维建模是数字孪生系统建设的关键。为此,提出了一种通信机房的智能三维建模技术方案,依靠普通相机采集的多角度照片组,综合运用人工智能(artificial intelligence,AI)技术,可生成机房设备、设施的高精度、带语义三维模型。该方案联合使用运动恢复结构(structure from motion,SfM)及按位置分割对象(segmenting objects by locations,SOLO)算法,优化了SOLO算法的损失函数。分析表明,该方案可显著提升识别准确度,同时提升了建模运算效率,降低了建模需要采集的现场照片数量和精度要求,具有很强的实用性。展开更多
随着数字经济的快速发展,对三维重建技术的需求显著增加。然而,现有商用三维重建系统多依赖于封闭的单机或集群架构,导致灵活性和效率受限,而开源框架在绝对坐标和尺度恢复方面存在不足。对此,提出了一种基于GCP(Ground Control Point)...随着数字经济的快速发展,对三维重建技术的需求显著增加。然而,现有商用三维重建系统多依赖于封闭的单机或集群架构,导致灵活性和效率受限,而开源框架在绝对坐标和尺度恢复方面存在不足。对此,提出了一种基于GCP(Ground Control Point)辅助的Colmap框架中的SFM(Structure from Motion)算法。该算法通过构建残差方程、应用相似变换和全局光束法平差,将Colmap中SFM的自由网结果精确转换为绝对坐标。实验结果表明,该方法在计算精度上与商用系统Agisoft和大疆智图相当,且在尺度恢复上保持了较高的计算效率。所提方法不仅提升了开源三维重建系统的绝对尺度恢复能力,还为未来云端应用和大规模数据处理提供了理论和实践基础。未来将致力于实现全流程自动化三维重建的云架构,并探讨与物联网设备在三维监管中的应用前景。展开更多
森林特征参数是评估森林生态系统生长状况的关键指标,为高效、精确地估测森林特征参数,本研究探索结合无人机技术和DNN(Deep neural network)模型的森林特征参数的估测方法,并通过SHAP(Shapley additive explanations)方法提高模型预测...森林特征参数是评估森林生态系统生长状况的关键指标,为高效、精确地估测森林特征参数,本研究探索结合无人机技术和DNN(Deep neural network)模型的森林特征参数的估测方法,并通过SHAP(Shapley additive explanations)方法提高模型预测的可解释性。使用无人机高分辨率影像作为数据源,利用DNN对平均胸径(Average diameter at breast height,AD)、林分胸高断面积(Area of forest stand at breast height,BA)、Lorey's树高(Lorey's tree heights,HL)、样地地上生物量(Above-ground biomass of sample plots,AGB)等森林特征参数进行估测。设计了多层次的DNN模型处理和分析影像数据,预测森林特征参数。同时,采用SHAP方法对DNN模型的预测结果进行可解释性分析,以理解每个特征在模型预测中的作用。深度学习DNN模型可以利用DAP(Digital aerial photograph)数据中获取的二维光谱特征和三维点云特征进行森林特征参数的估测模型构建。BA和AGB参数的估测模型性能从大到小为DOM+DAP点云、DOM(Digital orthophoto mosaic)、DAP点云,BA和AGB最优模型的R2平均值分别为0.7438、0.7762,而AD和HL的参数估测模型性能从大到小排序为DOM+DAP点云、DAP点云、DOM,AD和HL最优模型的R2平均值分别为0.6133、0.7276。SHAP值反映了每个特征变量对预测结果的贡献,树高变异系数在各模型中均占据了较为重要的位置,点云高度变量对特征参数具有更高的解释能力。DNN模型具有较高的估测精度,而SHAP方法提升了模型预测结果的解释性,同时强调了点云变量在整体预测模型中的重要性。这表明现代遥感技术与先进的机器学习方法相结合,可为利用无人机数字航空摄影技术进行森林资源调查监测提供必要的技术支持。展开更多
针对轮廓复杂多变、细节信息丰富等多因素,导致变电建筑重建效果不佳的问题,提出基于轮廓拼接的变电建筑数字三维重建算法。基于改进Snake模型提取变电建筑目标轮廓,为后续的三维重建提供关键轮廓信息;基于获取的二维轮廓信息,利用运动...针对轮廓复杂多变、细节信息丰富等多因素,导致变电建筑重建效果不佳的问题,提出基于轮廓拼接的变电建筑数字三维重建算法。基于改进Snake模型提取变电建筑目标轮廓,为后续的三维重建提供关键轮廓信息;基于获取的二维轮廓信息,利用运动恢复结构(Structure from Motion,SfM)完成变电建筑的三维轮廓重建;通过Jaccard距离和最近点迭代(ICP)算法将多个轮廓碎片精确拼接为完整的变电建筑三维轮廓,并使用附加三维线约束的网格优化算法对所构建三维轮廓实行优化,完成最终的变电建筑数字三维重建。实验结果表明:所提方法在变电建筑轮廓及三维重建中展现出高精度、细节保留良好且整体连贯性佳的优势。展开更多
随着获取高分辨率数字地形数据技术的成熟化,越来越多地被应用到地球科学研究中。一种低成本且操作简单的获取高分辨率地形数据的新技术——SfM(Structure from Motion)的出现,将使得活动构造研究中高分辨率数据的使用更加广泛。文中首...随着获取高分辨率数字地形数据技术的成熟化,越来越多地被应用到地球科学研究中。一种低成本且操作简单的获取高分辨率地形数据的新技术——SfM(Structure from Motion)的出现,将使得活动构造研究中高分辨率数据的使用更加广泛。文中首先介绍了SfM技术的工作原理和操作流程,选取祁连山北缘洪水坝河东岸进行数据采集,生成DEM数据的点云平均密度为220.667点/m^2,像素分辨率达6.73cm,覆盖面积达0.286km^2。其次,详细对比了SfM数据与差分GPS数据之间的精度。结果表明,SfM数据经过高程误差垂向校正和倾斜校正以后,与DGPS数据之间的高程差值基本上集中在约20cm左右,倾斜校正将高程差降低了约50%。90%置信区间内2种数据之间的高程差为10~15cm,局部误差在30cm左右,但所占比例不足10%,若采用更加精确的校正方法,可能误差还会更低。基于SfM数据提取的断层陡坎高度沿断裂走向分布显示,洪水坝河东岸最新一次构造活动垂直位移量在1m左右。因此,具有较高垂直精度的SfM数据,在植被稀少地区能够替代DGPS进行高精度地形测量。2种数据之间仍然存在的高程误差可能与生成DEM的方式以及SfM数据精度有关,SfM数据精度还受控于地面控制点数量、相机分辨率、照片密度、拍摄高度等条件,同时也与地表形态等内在因素有关。展开更多
文摘建设通信机房的数字孪生系统,对提升通信网络主要资产的管理水平具有重要意义。机房设备、设施的低成本、高质量三维建模是数字孪生系统建设的关键。为此,提出了一种通信机房的智能三维建模技术方案,依靠普通相机采集的多角度照片组,综合运用人工智能(artificial intelligence,AI)技术,可生成机房设备、设施的高精度、带语义三维模型。该方案联合使用运动恢复结构(structure from motion,SfM)及按位置分割对象(segmenting objects by locations,SOLO)算法,优化了SOLO算法的损失函数。分析表明,该方案可显著提升识别准确度,同时提升了建模运算效率,降低了建模需要采集的现场照片数量和精度要求,具有很强的实用性。
文摘随着数字经济的快速发展,对三维重建技术的需求显著增加。然而,现有商用三维重建系统多依赖于封闭的单机或集群架构,导致灵活性和效率受限,而开源框架在绝对坐标和尺度恢复方面存在不足。对此,提出了一种基于GCP(Ground Control Point)辅助的Colmap框架中的SFM(Structure from Motion)算法。该算法通过构建残差方程、应用相似变换和全局光束法平差,将Colmap中SFM的自由网结果精确转换为绝对坐标。实验结果表明,该方法在计算精度上与商用系统Agisoft和大疆智图相当,且在尺度恢复上保持了较高的计算效率。所提方法不仅提升了开源三维重建系统的绝对尺度恢复能力,还为未来云端应用和大规模数据处理提供了理论和实践基础。未来将致力于实现全流程自动化三维重建的云架构,并探讨与物联网设备在三维监管中的应用前景。
文摘森林特征参数是评估森林生态系统生长状况的关键指标,为高效、精确地估测森林特征参数,本研究探索结合无人机技术和DNN(Deep neural network)模型的森林特征参数的估测方法,并通过SHAP(Shapley additive explanations)方法提高模型预测的可解释性。使用无人机高分辨率影像作为数据源,利用DNN对平均胸径(Average diameter at breast height,AD)、林分胸高断面积(Area of forest stand at breast height,BA)、Lorey's树高(Lorey's tree heights,HL)、样地地上生物量(Above-ground biomass of sample plots,AGB)等森林特征参数进行估测。设计了多层次的DNN模型处理和分析影像数据,预测森林特征参数。同时,采用SHAP方法对DNN模型的预测结果进行可解释性分析,以理解每个特征在模型预测中的作用。深度学习DNN模型可以利用DAP(Digital aerial photograph)数据中获取的二维光谱特征和三维点云特征进行森林特征参数的估测模型构建。BA和AGB参数的估测模型性能从大到小为DOM+DAP点云、DOM(Digital orthophoto mosaic)、DAP点云,BA和AGB最优模型的R2平均值分别为0.7438、0.7762,而AD和HL的参数估测模型性能从大到小排序为DOM+DAP点云、DAP点云、DOM,AD和HL最优模型的R2平均值分别为0.6133、0.7276。SHAP值反映了每个特征变量对预测结果的贡献,树高变异系数在各模型中均占据了较为重要的位置,点云高度变量对特征参数具有更高的解释能力。DNN模型具有较高的估测精度,而SHAP方法提升了模型预测结果的解释性,同时强调了点云变量在整体预测模型中的重要性。这表明现代遥感技术与先进的机器学习方法相结合,可为利用无人机数字航空摄影技术进行森林资源调查监测提供必要的技术支持。
文摘针对轮廓复杂多变、细节信息丰富等多因素,导致变电建筑重建效果不佳的问题,提出基于轮廓拼接的变电建筑数字三维重建算法。基于改进Snake模型提取变电建筑目标轮廓,为后续的三维重建提供关键轮廓信息;基于获取的二维轮廓信息,利用运动恢复结构(Structure from Motion,SfM)完成变电建筑的三维轮廓重建;通过Jaccard距离和最近点迭代(ICP)算法将多个轮廓碎片精确拼接为完整的变电建筑三维轮廓,并使用附加三维线约束的网格优化算法对所构建三维轮廓实行优化,完成最终的变电建筑数字三维重建。实验结果表明:所提方法在变电建筑轮廓及三维重建中展现出高精度、细节保留良好且整体连贯性佳的优势。
文摘随着获取高分辨率数字地形数据技术的成熟化,越来越多地被应用到地球科学研究中。一种低成本且操作简单的获取高分辨率地形数据的新技术——SfM(Structure from Motion)的出现,将使得活动构造研究中高分辨率数据的使用更加广泛。文中首先介绍了SfM技术的工作原理和操作流程,选取祁连山北缘洪水坝河东岸进行数据采集,生成DEM数据的点云平均密度为220.667点/m^2,像素分辨率达6.73cm,覆盖面积达0.286km^2。其次,详细对比了SfM数据与差分GPS数据之间的精度。结果表明,SfM数据经过高程误差垂向校正和倾斜校正以后,与DGPS数据之间的高程差值基本上集中在约20cm左右,倾斜校正将高程差降低了约50%。90%置信区间内2种数据之间的高程差为10~15cm,局部误差在30cm左右,但所占比例不足10%,若采用更加精确的校正方法,可能误差还会更低。基于SfM数据提取的断层陡坎高度沿断裂走向分布显示,洪水坝河东岸最新一次构造活动垂直位移量在1m左右。因此,具有较高垂直精度的SfM数据,在植被稀少地区能够替代DGPS进行高精度地形测量。2种数据之间仍然存在的高程误差可能与生成DEM的方式以及SfM数据精度有关,SfM数据精度还受控于地面控制点数量、相机分辨率、照片密度、拍摄高度等条件,同时也与地表形态等内在因素有关。
