期刊,测绘学报 2024年卷2期_国家学术搜索

期刊信息/Journal information

测绘学报

主　　编：陈俊勇

出版周期：双月刊

国际刊号：1001-1595

电子邮箱：chxb@periodicals.net.cn；chxb@chinajournal.net.cn

电　　话：010-68531322、68531192

邮政编码：100045

地　　址：北京复兴门外三里河路50号

测绘学报/Journal Acta Geodaetica et Cartographica SinicaCSCD北大核心CSTPCDEI

查看更多>>本刊创刊于1957年，是由中国科协主管，中国测绘学会主办的反映我国测绘科学技术发展水平的国家级综合性学术刊物，影响因子和被引频次居中文核心期刊测绘类首位，是我国最具影响力的测绘期刊，Ei核心期刊,是中国科技期刊影响因子前40名的惟一的测绘期刊，也是我国提交国际测绘科技交流的主要文献。　　本刊发表中、英两种文字的论文。着重报道我国测绘科技最新的重要研究成果及其应用，内容涉及大地测量、工程测量、遥感、航空摄影测量、地图学、地理信息系统、矿山测量、海洋测绘、地籍测绘、地图印刷、测绘仪器，信息传输等测绘学科及其相关的相邻学科。

正式出版

收录年代

融合深度特征的无人机影像SfM重建

姜三刘凯李清泉江万寿...

321-331页

查看更多>>摘要：可靠特征匹配是无人机影像运动恢复结构(SfM)的重要环节.近年来,深度学习被用于特征提取和匹配,在基准数据集表现优于SIFT等手工特征.但是,公开模型往往采用互联网照片进行训练和测试,鲜有用于无人机影像S f M三维重建的性能评价.利用多组不同特点的无人机数据集,本文对比分析手工特征和深度学习特征在无人机影像特征匹配和SfM三维重建的综合性能.试验结果表明,利用公开的预训练模型,结合手工特征的高精度定位和深度学习的特征描述能力,可实现更准确和完整的特征匹配,并在SfM三维重建中取得与SIFT等手工特征相当,甚至更优的性能.

关键词：

摄影测量三维重建运动恢复结构深度特征卷积神经网络

原文链接:

万方数据
维普

摄影测量局部场景稳健合并的并行式运动恢复结构方法

肖腾王鑫梅熙叶志伟...

332-343页

查看更多>>摘要：针对并行式运动恢复结构(SfM)在局部场景合并时稳健性差的问题,提出一种摄影测量局部场景稳健合并的并行式SfM方法.对整个场景的影像关联图进行分块及扩展处理,得到相互重叠的子区块,并利用一种改进的增量式SfM方法生成局部场景重建结果.在局部场景合并时,首先利用局部场景的重叠关系构建子区块关联图,并以子区块三元组为单元,进行粗差剔除;然后,利用子区块三元组的代数性质,优化得到更符合几何一致性的子区块间的相对变换;最后,从上述结果中计算得到更准确的局部场景到统一坐标系下的尺度、旋转、平移变换.试验采用无人机影像,结果表明本文方法在局部场景合并时有更好的稳健性,而且SfM结果的精确度也要优于其他并行式方法和COLMAP,在摄影测量和实景三维重建中有较大的应用潜力.

关键词：

摄影测量实景三维无人机影像并行式运动恢复结构

原文链接:

万方数据
维普

基于Swin Transformer-CNN的单目遥感影像高程估计方法及其在公路建设场景中的应用

廖钊宏张依晨杨飚林明春...

344-352页

查看更多>>摘要：目前,在遥感影像几何条件和辐射质量良好的情况下,通过多视遥感影像的逐像素立体密集匹配对场景进行高程估计的技术相对比较成熟,无论是精度还是效率均达到了较高水平.然而,当具有良好几何条件和辐射质量的多视遥感影像难以获取时,经典摄影测量和计算机视觉的几何处理方法可能会面临较大的挑战.本文对该问题进行了研究,针对大幅遥感图像中各部分高程分布差异大,模型训练难度大的问题,提出了一种基于Swin Transformer和卷积神经网络(convolutional neural network,CNN)的单目遥感影像高程估计方法.一方面Swin Transformer利用滑动窗口和层级设计,兼具了卷积神经网络处理大尺寸图像和提取多尺度特征的能力及Transformer的全局信息交互能力.另一方面针对大幅遥感图像中各部分高程分布差异大带来的训练不稳定问题,本文方法能针对每张输入图像自适应地划分高程值,将高程估计问题转化为分类-回归问题,最终图像各像素点的高程值由划分的高程值及其分布概率得到.试验结果表明:本文所提出的基于Swin Transformer-CNN的遥感影像高程估计方法无论是定性还是定量的结果都取得了很好的效果,且能应用于公路建设施工场景中,具有良好的泛化性.

关键词：

遥感影像智能解译深度学习单目高程预测全局信息卷积神经网络

原文链接:

万方数据
维普

一种耦合DeepLab与Transformer的农作物种植类型遥感精细分类方法

林云浩王艳军李少春蔡恒藩...

353-366页

查看更多>>摘要：如何精细遥感监测复杂的不同类型农田作物种植情况,是智慧农业农村领域实现农耕面积调查与农作物估产的关键.目前的高分辨率影像的作物种植像素级语义分割中,深度卷积神经网络难以兼顾空间多尺度全局特征和局部细节特征,从而导致各类农田地块之间边界轮廓模糊和同类农田区域内部完整性不高等问题.针对这些不足,本文提出了一种耦合DeepLabv3+和Transformer编码器的双分支并行特征融合网络FDTNet,以实现农作物种植类型的精细遥感监测.首先,在FDTNet中并行嵌入DeepLabv3+和Transformer分别捕获农田影像的局部特征和全局特征;其次,应用耦合注意力融合模块CAFM有效融合两者的特征;然后,在解码器阶段应用卷积注意力模块CBAM增强卷积层有效特征的权重;最后,采用渐进式多层特征融合策略将编码器和解码器中的有效特征全面融合并输出特征图,以实现晚稻、中稻、藕田、菜地和大棚的高精度分类识别.为了验证FDTNet网络模型在高分辨率作物分类应用的有效性,本文选择不同高分辨率的Yuhu数据集和Zhejiang数据集验证,mIoU分别达到74.7％和81.4％.相比于已有的UNet、DeepLabv3、DeepLabv3+、ResT 和 Res-Swin 等深度学习方法,FDTNet 的 mIoU 可分别高 2.2％和3.6％.结果表明,FDTNet在纹理单一、大样本量,以及纹理多样、小样本量的两类农田场景中同时表现出优于对比方法的性能,具有较全面的多类别农作物有效特征提取能力.

关键词：

高分辨率遥感影像农作物种植类型语义分割特征融合深度学习

原文链接:

万方数据
维普

路段级导航属性信息挖掘

张彩丽向隆刚李雅丽高松峰...

367-378页

查看更多>>摘要：大量的自动或半自动道路提取方法如雨后春笋,但生成的产品通常缺乏导航属性信息,如路段的等级、限速等,制约"大路优先""限速提醒"等智能导航服务.因此,本文以路段为分析单元,考虑上下游邻接路段强相关性,提出一种改进的路段等级、限速属性信息挖掘方法.首先进行轨迹、路网数据预处理,实现轨迹点与归属路段的连接.然后基于对数据和任务的认识进行多模态道路互补特征设计.最后顾及目标路段及其上下游邻接信息,利用随机森林开展面向路段的等级、限速信息分析.与单类特征相比,集成路网与轨迹特征之后提高了路段等级、限速分类准确率.与仅顾及目标路段进行路段等级、限速分类相比,顾及空间邻接信息进行路段等级、限速分类效果更好.

关键词：

众源轨迹导航属性挖掘多模特征融合空间邻接信息道路等级识别道路限速识别

原文链接:

万方数据
维普

适应不同轨迹数据场景的道路线形组合优化提取方法

姚志鹏彭程唐建波刘国平...

379-390页

查看更多>>摘要：车辆轨迹数据是当前城市导航路网地图动态更新的一种重要数据源,从杂乱无序的轨迹点或轨迹线中提取并拟合道路几何形态,进而生成结构化的道路矢量地图是基于轨迹数据进行道路网地图构建与更新的关键步骤.现有的道路中心线提取方法主要采用单一的线形拟合算法进行轨迹数据拟合,然而真实道路的几何形态复杂多样和车辆轨迹数据质量参差不齐,导致单一的道路线形拟合算法只能在某些特定的数据场景下适用,无法针对不同的数据场景自适应的拟合出理想的道路中心线.此外,相比于专业测量方式采集的高频轨迹数据,出租车等采集的低频轨迹数据存在轨迹点稀疏、噪声多、定位误差大等问题,这使得从低频轨迹数据中提取理想的道路中心线仍具有挑战,尤其是针对复杂的交叉口区域.为此,本文基于分治策略的思想,提出了一种适应不同轨迹数据场景的道路线形组合优化提取方法.该方法在轨迹数据预处理的基础上,根据轨迹数据的分布特点对数据进行场景分类;进而,针对不同的数据场景匹配最优的线形拟合算法,通过组合优化策略生成理想的道路中心线.本文方法融合不同拟合算法的互补优势,可以有效解决数据分布稀疏、道路结构复杂(如自相交立交桥)等不同数据场景下的道路线形拟合问题.采用北京市出租车轨迹数据进行试验与对比分析,本文方法生成道路的平均位置精度为1.24 m,显著优于现有代表性方法.

关键词：

轨迹数据道路中心线线形拟合自适应路网提取

原文链接: