摘要。航空激光扫描是一种现代而精确的遥感技术,用于扫描地球表面并获取其数字表面模型。数字表面模型可用于不同的经济任务。航空激光扫描的结果是 3D 点云,必须在使用前进行预处理。预处理任务包括三组:噪声过滤、对象识别和矢量地图或 3D 模型的生成。本报告与对象识别领域相关。航空激光扫描的主要参数是点密度,以每平方米的点数表示。因此,了解每平方米的最小点密度非常重要,必须满足该密度才能为利益相关者识别对象并传递 LiDAR 数据。现有的科学出版物仅描述了识别方法,但没有提供一些精确的方法来选择业务需求所需的点密度。因此,需要某种方法来定义这个最小点密度。本文档提供了计算建筑物识别最小点密度的简单方程。该方程是从数学模型的分析中表达出来的。该分析基于对物体位置模式和检测该物体的概率的探索。使用高密度 LiDAR 数据、点密度最小化算法和建筑物识别方法对理论模型进行了实验评估。
本文给出了迄今为止重建未知低秩矩阵所需的随机采样条目数的最佳界限。这些结果改进了 Cand`es 和 Recht (2009)、Cand`es 和 Tao (2009) 以及 Keshavan 等人 (2009) 的先前工作。重建是通过最小化隐藏矩阵的核范数或奇异值之和来实现的,前提是与提供的条目一致。如果底层矩阵满足某种不相干条件,则所需的条目数等于二次对数因子乘以奇异值分解中的参数数。这一断言的证明很短、自成体系,并使用非常基本的分析。本文中的新技术基于量子信息理论的最新研究。关键词:矩阵完成、低秩矩阵、凸优化、核范数最小化、随机矩阵、算子切尔诺夫界限、压缩感知
有关如何节约能源和保持凉爽的更多信息,请访问宾夕法尼亚州公共事业委员会网站 www.puc.state.pa.us。如需有关管理能源账单、公用事业选择计划或夏季热浪意识运动的更多情况说明书,请联系 PUC 通讯办公室,电话 (717) 787-5722。