基于LiDAR点云的船载砂石体积自动测算系统

针对现有船舶运输砂石体积计算主要依赖人工方式称重和纸质运单流转、精度不高且效率很低的难题，采用基于八叉树的点云精简和聚类分析进行复杂环境下船舶点云的自动识别和提取；采用基于改进SK-4PCS （semantic-keypoint-based 4-points congruent sets）的粗配准和基于Point-to-Plane ICP （iterative closest point）的精配准进行空载和满载两期点云由粗到精的高效配准，设计实现了一种利用LiDAR （light detection and ranging）点云数据进行船载砂石自动测算的系统. 采集了江西南昌赣江运砂船数据进行实验验证，从扫描到出结果一艘船的砂石体积自动测算时间少于2 min，同船多次测算结果最大相对误差小于1.00%，砂石体积与实际真值相比的最大误差小于2.00%，满足实际业务需求.      

精细建筑物碎片化纹理优化的二维装箱方法

为了解决精细建筑物模型大量碎片化纹理造成模型加载时间长和实时渲染效率低的问题，提出一种精细建筑物碎片化纹理优化的二维装箱方法. 计算共用纹理并集区域，优化冗余纹理内容，并同时顾及超出常规坐标[0，1.0]范围的异常纹理；使用二维装箱算法对优化后的离散纹理进行封装，降低纹理数量；利用纹理映射和纹理集技术将优化后的纹理重映射到建筑物表面，然后对建筑群进行实验.研究结果表明:使用本文方法，纹理数据量减少了71.20%，纹理文件数量减少了99.37%，模型载入耗时减少了98.86%，图像处理器耗时减少了63.06%，并可有效避免因异常纹理坐标导致的纹理错误映射问题，同时也提高了数据格式的兼容性.      

三角网模型多目标加权最短路径的特征线提取

针对倾斜摄影测量三维重建得到的三维模型在地物拐角棱线处结构粗糙、噪声较大、规则性缺失，难以快速准确提取出理想特征线的难题，提出一种基于多目标加权最短路径的特征线提取方法. 首先对模型进行预处理，使模型具有完整、连续的拓扑结构，并将模型以有向图结构进行组织；其次顾及距离、方向和三角网变化趋势计算权重，约束迪杰斯特拉算法获取最短路径得到特征线；最后，为了修复模型特征不明显的棱线区域，设计了一种棱线修复算法. 研究结果表明:与交互式方法对比，本文方法效率高，只需选取两个特征点指定目标，同时提取结果不依赖人工经验，客观性强；与基于边和面的自动提取方法相比，本文方法受噪声影响小，能在简单交互下提取到指定特征线.      

基于主动学习的半监督聚类入侵检测算法

针对基于监督学习入侵检测算法中面临标记大量数据的问题,提出了一种基于主动学习的半监督聚类入侵检测算法.该算法利用少量的标记数据,生成用于初始化算法的种子聚类,然后辅助聚类过程,并根据网络数据的特点,将主动学习策略应用于半监督聚类过程中,可用于检测已知和未知网络攻击.主动学习策略查询网络中未标记数据与标记数据的约束关系,对标记数据可以快速获得k个不相交的非空近邻集,很大程度上改进了算法的性能.实验结果表明了算法的可行性及有效性.     

基于帧缓存的多角度影像精细纹理映射方法

三维建筑物模型纹理映射方法通常针对单独平面选取单一影像投影,然而单张关联影像通常存在部分遮挡问题,影响纹理映射质量. 为此,本文提出一种基于帧缓存纹理绘制技术的多角度影像精准纹理映射方法. 首先将单体化精细建筑模型和倾斜摄影测量解决方案生成的三角网模型配准,再根据建筑模型空间特征进行纹理绘制基元提取;然后根据纹理绘制基元对三角网模型生成虚拟渲染相机,利用帧缓存纹理绘制方法,获取帧缓存对象并提取纹理,最后通过纹理绘制基元映射到精细建筑物模型表面,实现三角网模型到精细单体化建筑模型的自动纹理映射. 利用倾斜摄影测量数据进行实验,实验结果表明,相比传统方法,本文方法减少了14%以上的不良纹理比率,纹理空间压缩率达到14.21%,且具有更精确的纹理映射效果,能满足精细建筑模型的纹理重建需求.