针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图(fast point...针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图(fast point feature histogram,FPFH)描述子初步获取最邻近匹配对;通过点云特征的对称候选寻点策略及两组正确匹配对在源点云与目标点云对应边的2-范数比例不变的特性获取精确的匹配对;利用奇异值分解算法(singular value decomposition,SVD)求解配准目标函数。实验表明,算法策略合理可靠,参数设置相对简易,具有显著的效率及稳定性优势,能够为后续精配准提供稳定精确的初始参数。展开更多
水体透明度(Secchi Disk depth,SDD)是水环境监测的重要参数,遥感技术对于监测水体透明度具有重要的应用前景。本文旨在分类和比较当前用于监测水体透明度的算法,并提出未来研究的方向,以推动水环境监测技术的进一步发展。文章对目前检...水体透明度(Secchi Disk depth,SDD)是水环境监测的重要参数,遥感技术对于监测水体透明度具有重要的应用前景。本文旨在分类和比较当前用于监测水体透明度的算法,并提出未来研究的方向,以推动水环境监测技术的进一步发展。文章对目前检索水体透明度的算法进行分类和比较。其中,经验算法、半分析算法和机器学习算法是目前研究的主要方向。通过分析算法特性和优缺点,提出未来研究的重点和方向。经验算法基于透明度与光谱数据、叶绿素a浓度等的相关性,半分析算法基于水下能见度理论,机器学习算法则基于更优的数据特征学习能力。不同算法具有各自的适用范围和限制。未来的研究应该着重于整合多源遥感数据,改进QAA(quasi-analytical-algorithm),深入分析光学参数与水体透明度的关系,将机器学习算法应用到水体透明度模型的建立中,以建立具有高精度、适用性广的反演模型。展开更多
文摘针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图(fast point feature histogram,FPFH)描述子初步获取最邻近匹配对;通过点云特征的对称候选寻点策略及两组正确匹配对在源点云与目标点云对应边的2-范数比例不变的特性获取精确的匹配对;利用奇异值分解算法(singular value decomposition,SVD)求解配准目标函数。实验表明,算法策略合理可靠,参数设置相对简易,具有显著的效率及稳定性优势,能够为后续精配准提供稳定精确的初始参数。
文摘水体透明度(Secchi Disk depth,SDD)是水环境监测的重要参数,遥感技术对于监测水体透明度具有重要的应用前景。本文旨在分类和比较当前用于监测水体透明度的算法,并提出未来研究的方向,以推动水环境监测技术的进一步发展。文章对目前检索水体透明度的算法进行分类和比较。其中,经验算法、半分析算法和机器学习算法是目前研究的主要方向。通过分析算法特性和优缺点,提出未来研究的重点和方向。经验算法基于透明度与光谱数据、叶绿素a浓度等的相关性,半分析算法基于水下能见度理论,机器学习算法则基于更优的数据特征学习能力。不同算法具有各自的适用范围和限制。未来的研究应该着重于整合多源遥感数据,改进QAA(quasi-analytical-algorithm),深入分析光学参数与水体透明度的关系,将机器学习算法应用到水体透明度模型的建立中,以建立具有高精度、适用性广的反演模型。
