【摘 要】
：
针对现有的LiDAR点云分割算法稳健性差、效率低的问题,本文提出了一种新的层次化聚类分割算法.该算法首先把点云生成自适应分辨率的超体素,然后以超体素为基元,改进成对链接的分割算法,实现三维点云的分割.试验结果表明,该分割算法与现有的分割方法相比,具有更好的稳健性和更高的计算效率,避免了点云过分割和欠分割的问题.本文算法在分割细节方面更加突出,分割结果可有效地保证后续数据处理工作的精度.
【机 构】
：
南京信息工程大学遥感与测绘工程学院,江苏 南京210044
论文部分内容阅读
针对现有的LiDAR点云分割算法稳健性差、效率低的问题,本文提出了一种新的层次化聚类分割算法.该算法首先把点云生成自适应分辨率的超体素,然后以超体素为基元,改进成对链接的分割算法,实现三维点云的分割.试验结果表明,该分割算法与现有的分割方法相比,具有更好的稳健性和更高的计算效率,避免了点云过分割和欠分割的问题.本文算法在分割细节方面更加突出,分割结果可有效地保证后续数据处理工作的精度.
其他文献
问题3:有不少老师认为,阅读就是为了学习写作而读,写作才是语文素养中最重要的部分.应该如何理解习作教学在语文教学中的地位和价值?它和阅读教学,包括课内阅读和课外阅读,应该是怎样的关系?rn我们一直鼓励学生多读课外书,但真正从读到写转化起来并不容易,读得多,也不一定写得好.
城市新增建设用地变化迅速频繁、场景复杂等因素导致变化检测结果出现欠分割或过分割等问题,基于此本文提出了一种融合注意力机制的密集连接金字塔网络用于城市新增建设用地变化检测.在编码阶段运用卷积注意力模型提升对变化信息的关注度,突出重要特征;采用密集连接空洞卷积空间金字塔池化模块实现多尺度特征的提取与融合,提高特征的利用率与传播效率;在解码阶段通过对提取的特征图进行上采样还原图像的空间尺度特征.试验结果表明,该方法有效改善了欠分割与过分割问题,变化检测效果更好.
三、路径:现代诗歌大单元教学建议rn首先,对短诗《繁星》三首的教学建议.要把一个文本教好,必须把文本解读好,理解好.我们来尝试解读冰心的《繁星》.rn第一个问题:诗中的“这些事”能否改为“这些人、这些景”?第一首《繁星(七一)》,仔细推敲,我们发现这首诗根本没写事,它其实写的是景:月明的园中,藤萝的叶下,母亲的膝上,这是一个场景.那么,能不能把“这些事”改成“这些景”——“这些景是永不漫灭的回忆”?诗人为什么用“这些事”,这是第一个值得我们研究的问题.
复述是了解故事情节的方式和手段.纵观小学语文教材编排体系,我们不难发现教材非常重视复述能力的养成.教材依据儿童言语能力的发展特点,循序渐进地安排复述能力的训练.在低年级时,安排借助图片讲故事,重在训练有序、完整地复述的能力;中年级先侧重详细复述,再过渡到简要复述;到了高年级,则将训练侧重点调整为创造性复述,并能结合生活情境灵活、综合地运用.
近年来,随着科技的进步和创新,对室内定位的研究正朝着多技术互补融合的方向发展,将导航技术与室内定位相融合成为目前的研究热点.行人航位推算(PDR)和超宽带(UWB)技术以其独特的定位优势和精确度等众多优点成为室内定位的主流技术,但PDR由于其累积误差的影响只适用于短时间内高精度室内导航需求,而超宽带在复杂环境中,时间信息可能会严重失真,导致定位信息缺失.因此,本文利用扩展卡尔曼滤波(EKF)对两者进行融合改进,以此发挥各自技术优势.试验结果表明,定位解算的终点误差最大为0.8195 m,最小为0.1443
本文首先基于1992—2019年的夜间灯光数据(DMSP-OLS、NPP-VIIRS),参考粤港澳大湾区建成区面积数据,对比确定灯光阈值,提取出大湾区建成区边界;然后从扩张模式、扩张速度、扩张程度3个方面定量分析了大湾区建成区扩展时空特征;最后结合景观生态学方法分析了大湾区建成区扩展的时空格局特征.研究表明:①粤港澳大湾区城市群重心1992年位于东莞市内,2019年迁移至广州市,形成了以广州市为中心的珠三角地区发展核心区域;②整区扩展区域一体化,蔓延速度有所下降,蔓延程度增强,珠三角地区向周围城市的辐射能
《故事二则》是四年级上册第八单元的一篇略读课文.这篇课文和《王戎不取道旁李》《西门豹治邺》以及口语交际“讲历史人物故事”组合搭配,共同构成了一个完整的历史故事专题.相较于本单元简要复述课文内容的总体目标,《故事二则》的导读部分又更加明确要求“找出课文中表示故事发展先后顺序的词句,简要复述这两个故事”,可以说是目标与方法的统一.
谈作业rn一rn不要只把作业当一道教学流程,练习也不是学生要走的一次过场.每节课的作业,如同一次核酸检测,目标达成是阴性,存在差距是阳性.rn作业过重,迫使学生打盹,学生闭口不和练习交谈;练习轻飘,放纵学生走神,学生敷衍几句扭头便跑.rn教师应把作业当作自己的肩膀,帮学生攀缘而上,看见更高远的天空;学生该把练习当成双足,在岁月跋涉中,感觉目标越走越近.
针对航空影像场景复杂,干扰直线匹配的不确定因素较多的问题,本文提出了基于几何编组与局部均值标准差直线描述符(MSLD)的直线匹配算法.首先,利用直线检测器(LSD)获得影像的直线特征信息,将直线与直线间的几何特征作为约束条件进行编组,获得两幅航空影像的直线对;其次,运用核线约束确定候选直线对,并依次构建参考与候选直线对的支持区域,利用仿射不变性统一支持区域的大小,借助MSLD进行直线对外观的局部描述;然后,结合欧氏距离与最邻近比值计算航空影像中直线描述符间的相似性,进而确定匹配结果;最后,结合共线约束完成
地址匹配中,由于传统相似度模型受字符重叠数影响大,在处理简写、缩写地址要素单元时,错误匹配问题突出;深度学习方法需要大量样本支撑,但庞大的数据量和多样的形式,导致生成样本的成本过高.为解决上述问题,本文首先应用基于条件随机场和双向长短时记忆神经网络的模型,对地址进行分词;然后通过建立一种伪语义相似度,对地址要素进行分级匹配.通过对公安业务中地址数据进行测试,在对缩写、简写等不规范地址描述方面,本文模型能较理想地完成任务,各参考指标均高于0.9.