共查询到19条相似文献，搜索用时 140 毫秒
1.
用正倒镜投点法恢复建筑物轴线的精度分析鹭江大学董关明一般建筑物放线（又叫放样）是把建筑平面图上找出主轴线，通常以外墙轴线作为主轴线，放线的实质是把外墙轴线的交点测设到地面上去，则叫轴线交点桩（或叫中心桩）。建筑物的其它细部都依据这些中心桩的点位来测设... 相似文献
2.
3.
本文通过把建筑物包含的复合曲线分解成不同的曲线单元,推导出曲线上任意点的方位角,从而计算出曲线上任意点的放样坐标. 相似文献
4.
5.
6.
文章就如何测绘圆形建筑物平面图形的问题 ,提出了切线法 ,即先测定测站到圆形建筑物的两个切线方向值 ,再测定圆形建筑物的周长或圆形建筑物边缘距测站的最短距离或圆形建筑物边缘上的任意一点 ,就可以测定圆形建筑物。 相似文献
7.
一、前 言蔡司Redta 002自动归算速测经纬仪,系德意志民主共和国蔡司厂出品。该仪器采用了瑞士测量师波士哈特氏1923年发表的视距原理,装置有自动归算设备,这种设备可以将任意两点间的倾斜距离自动归算为水平距离。 相似文献
8.
在大地主题的解算中,通常都是用大地线来进行计算的。任意曲面上的大地线是在该曲面上连结两点之间的最短曲线,也就是一条测地曲率为零的曲线。正如大家所知,在旋转椭球面上,这条曲线的微分方程为： 相似文献
9.
文献[1]正确地计算了曲线上任意点对应的切线方位角,但计算点位在法线方向的偏离值是错误的,因而算例必然错误。为此作了更正。 相似文献
10.
针对已有的从机载激光雷达(LiDAR)点云提取建筑物的方法多需要设置阈值及分类规则,造成算法适应性不强的问题,该文提出了一种LiDAR点云和多光谱影像进行自动化建筑物检测的方法。首先通过数据预处理从LiDAR点云中分离出建筑物点和树木点,然后综合LiDAR点云的表面曲率、强度信息和对应多光谱影像的NDVI值构建特征向量,最后基于支持向量机完成自动化的建筑物检测。试验结果表明,基于支持向量机的方法可将两种数据源有效结合起来用于自动化的建筑物检测。 相似文献
11.
12.
线定向设站是指全站仪任意设站后,分别测量两个特征点,并以第一个点为坐标原点,第二个点为X轴或Y轴方向,建立独立坐标系并解算测站空间坐标及方位角的设站方法,通过该方法可方便测量出空间特征点至某铅锤面的垂直距离。以徕卡TS60全站仪为例,本文介绍了线定向设站的作业流程及方法,对设站建立的独立坐标系的模型进行了探讨,并以某厂房内单梁桥式起重机两根平行钢轨的变形测量为例,介绍了该方法在工程测量中的应用。 相似文献
13.
隧道中轴线不仅能够检核隧道竣工测量,而且在隧道变形监测中其精度直接影响横断面提取的准确性。本文提出一种精确提取隧道全局中轴线的方法:首先将隧道三维点云投影至水平面形成平面点云,并采用Delaunay三角网算法获取点云边界;其次利用点云边界中转折点间的距离与隧道直径的关系提取出隧道边界线;然后依据隧道边界和中心的几何关系提取出水平中轴线,并以此提取隧道横断面;最后对隧道横断面进行空间圆模型拟合生成隧道中轴线。通过实验分析,本文方法能够适应于长距离、弯曲型隧道,为隧道中轴线提取研究提供借鉴依据。 相似文献
14.
基于Hough变换的航空影像建筑物半自动提取 总被引：1，自引：1，他引：0
针对Hough变换不能检测直线段的缺点,提出了一种改进的Hough变换用于影像中矩形建筑物的半自动提取。同传统Hough变换相比,改进的Hough变换充分利用了Hough变换的参数空间数据,将Hough变换的“投票”过程和直线段的检测过程融为一体,获得直线段的端点坐标。根据直线段的端点坐标消除虚假直线段的过连接,并根据直线段的角度、距离条件合并直线段。最后通过直线段上的若干点利用最小二乘法拟合出一条最佳直线,通过计算最佳直线的交点确定建筑物的角点坐标,完成影像中建筑物的半自动提取。实验结果表明:用改进的Hough变换算法提取出的航空影像中建筑物边缘结果是正确的,定位精度较高。 相似文献
15.
路网环境下的k最近邻查询方法在地理信息系统、智慧城市、数据挖掘、医疗营救和物流配送等领域都有着较为重要的作用,已有路网环境下的最近邻查询方法无法直接解决查询对象为点而数据对象为点和线段混合的复杂数据的近邻查询问题,为了弥补已有方法的不足,提出了路网环境下混合复杂数据的最近邻查询算法。将查询过程分为预处理、数据集约减和数据集精炼3个部分,并与3种对比算法进行对比实验,研究了测试数据对象的数量、路网规模的大小对中央处理器运行时间以及输入/输出代价的影响。结果表明,所提算法能有效地处理路网环境下混合数据的最近邻查询问题。 相似文献
16.
17.
欧氏聚类算法是多元统计中的一种重要分类方法,可以将其应用于测绘领域中点云数据的分割。本文首先计算点云数据中两点之间的欧氏距离,将距离小于指定阈值作为分为一类的判定准则;然后迭代计算,直至所有的类间距大于指定阈值,完成欧氏聚类分割。具体步骤为：①利用Octree法建立点云数据拓扑组织结构;②对每个点进行k近邻搜索,计算该点与k个邻近点之间的欧氏距离,最小归为一类;③设置一定的阈值,对步骤②迭代计算,直至所有类与类之间的距离大于指定阈值。试验证明,欧氏聚类算法对不同测量技术手段获取的点云数据均具有适用性,可以成功对点云数据进行分割,分割效果良好。 相似文献
18.
19.
特征提取对建筑物精细建模的品质和精度起着重要作用。为清晰准确地提取建筑物的特征信息,本文针对采用传统的法矢估计方法受噪声影响大、存在误判的问题,提出了一种基于移动最小二乘法矢估计的建筑物点云特征提取方法。该方法首先采用移动最小二乘法进行法矢估计,然后将K邻域法矢夹角的均值作为点的显著性指标进行特征点判别,最后对提取出的特征点集进行下采样,进一步消除冗余信息。试验结果表明,采用移动最小二乘法进行点云法矢估计,其结果更加准确和稳健,从而有效提升了建筑物点云特征提取的精确性和可靠性,对特征点集的下采样能够删除大量冗余特征点,使提取的特征线更加简洁、清晰、完整。 相似文献