XiaoMi-AI文件搜索系统
World File Search System地图更新
使用 GIS 和遥感技术更新基础地图
本文概述了劳登县测绘和地理信息办公室 (OMAGI) 开展的基础地图更新项目。多年来，OMAGI 一直根据发展模式选择性地更新所有基础地图数据，这一过程导致数据混乱。最近，该县的大片连续区域通过立体编辑和摄影测量从航空摄影中更新。地面特征是通过该县的基础地图维护服务合同捕获和归因的。基础地图数据层包括平面（建筑物、道路、各种文化特征）、环境（水文、森林覆盖）和地形（高程轮廓和点高程）特征。许多年度周期（2000 年至今）的基础地图更新都促进了这些图层的开发，现在包括年度数字正射影像的开发。
利用多时相多光谱机载激光扫描、Sentinel-2 和移动激光扫描进行地图更新
摘要。遥感技术的快速发展为进一步发展目前主要基于被动航空图像的全国测绘程序提供了有趣的可能性。特别是，我们假设多时相机载激光扫描 (ALS) 在地形测绘方面具有巨大的未被发现的潜力。在本研究中，首次测试了多时相多光谱 ALS 数据的自动变化检测。结果表明，直接比较不同日期的高度和强度数据可以揭示与郊区发展相关的微小变化。未来工作的主要挑战是将变化与地图制作中感兴趣的对象联系起来。为了在未来的测绘中有效利用多源遥感数据，我们还研究了卫星图像和地面数据补充多光谱 ALS 的潜力。开发并测试了一种从 Sentinel-2 卫星图像时间序列中进行连续变化监测的方法。最后，使用地面移动激光扫描获取高密度点云并自动将其分为四类。将结果与 ALS 数据进行比较，并讨论了不同数据源在未来地图更新过程中可能发挥的作用。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。全部或部分分发或复制本作品需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.13.4.044504]
SLAM-RAMU：3D LIDAR-IMU终生大满贯，并具有重新定位和自主地图更新，以进行准确可靠的导航
设计/方法论/方法：本研究介绍了Slam-Ramu，这是一个终生的大满贯系统，通过提供精确，一致的重新定位和自主地图更新来解决这些挑战。在映射过程中，使用迭代误差状态kalman滤镜获得局部探测器，而后端环检测和全局姿势图优化用于准确的轨迹校正。此外，还合并了一个快速点云分割模块，以牢固地区分环境中的地板，墙壁和屋顶。然后使用分段点云来生成2.5D网格图，特别强调地板检测以滤波先前的映射并消除动态伪像。在定位过程中，设计了一种初始姿势比对方法，该方法将2D分支和结合搜索与3D迭代最接近点（ICP）注册相结合。此方法即使在具有相似特征的场景中也可以确保高精度。随后，使用先前地图上的分段点云执行扫描到地图注册。该系统还包括一个地图更新模块，该模块考虑了历史点云分割结果。它有选择地合并或排除新的点云数据，以确保地图中真实环境的一致反射。
William R. Johnson体育馆| 2024年秋季院长理事会2025年2月19日评估更新
评估研讨会定于周五2/21下午2点（McKibben 131）我们的SACS 5年临时报告于2027年。克里斯将分别安排个人会议，与每所大学讨论评估和APR细节。CW感谢所有人在教师和顾问的地图更新中的辛勤工作。cw解释了他们的作用是代表每个办公室并在评估中支持他们，并确保遵守州和囊的评估惯例。
灰熊保护策略
• NCDE 团队领导/执行摘要 – Lee Anderson (FWP)、Scott Jackson (USFS) • 第 1 章 (简介) –Cooley (USFWS)、Fortin-Noreus (USFWS) • 第 2 章 (人口统计) – Costello/McDonald (FWP) • 第 3 章 (栖息地) - Ruby / Lydia Allen (USFS) • 第 4 章 (冲突) – Sarmento/Anderson (FWP)、John Waller (NPS) • 第 5 章 (实施和评估) – TBD，由 Arnold (FWP) • 第 6 章 (监管框架) – Emily Platt (USFS) • 地图更新 – Kathy Ake (USFS) • 附录和缩写 – Lori Roberts (FWP) • 其他成员 – Kari Kingery (CSKT)、Payton Adams (CSKT)、Tamara MacKenzie (USFS)
Leena Matikainen, Milo š Pand ž ic´, Fashuai Li, Kirsi Karila, Juha Hyyppä, Paula Litkey, Antero Kukko, Matti Lehtomäki, Mika Karjalainen, Eetu Puttonen，“利用多时相多光谱机载激光扫描，Sentinel-2，和移动激光扫描在地图更新中的应用，”J. Appl。遥感. 13 (4), 044504 (2019), doi: 10.1117/1.JRS.13.4.044504。
摘要。遥感技术的快速发展为进一步发展目前主要基于被动航空图像的全国测绘程序提供了有趣的可能性。特别是，我们假设多时相机载激光扫描 (ALS) 在地形测绘方面具有巨大的未被发现的潜力。在本研究中，首次测试了多时相多光谱 ALS 数据的自动变化检测。结果表明，直接比较不同日期的高度和强度数据可以揭示与郊区发展相关的微小变化。未来工作的主要挑战是将变化与地图制作中感兴趣的对象联系起来。为了在未来的测绘中有效利用多源遥感数据，我们还研究了卫星图像和地面数据补充多光谱 ALS 的潜力。开发并测试了一种从 Sentinel-2 卫星图像时间序列中进行连续变化监测的方法。最后，使用地面移动激光扫描获取高密度点云并自动将其分为四类。将结果与 ALS 数据进行比较，并讨论了不同数据源在未来地图更新过程中可能发挥的作用。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。全部或部分分发或复制本作品需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.13.4.044504]
适用于移动增强现实的强大协作视觉惯性大满贯
摘要 - 在多用户移动AR应用程序中确保精确的实时本地化并确保鲁棒性是关键挑战。利用协作信息来增强轻量级设备的跟踪准确性，并强化整体系统的鲁棒性是至关重要的。在本文中，我们提出了一个可靠的集中式协作多代理VI-SLAM系统，用于移动AR交互和服务器端有效的一致映射。该系统在移动设备上部署了轻巧的VIO前端，以进行实时跟踪，并在远程服务器上运行的后端以更新多个子包。当检测到跨代理之间的跨代理之间的重叠区域时，系统执行子束融合以建立全球一致的图。此外，我们提出了一个基于在线注册和融合的多代理场景中的可覆盖率领域的地图注册和融合策略。为了提高前端对代理的跟踪准确性，我们介绍了一种策略，以将全局地图更新为本地地图，以中等频率的摄像机率姿势估计前端VIO和低频全局地图优化，使用紧密耦合的策略，以实现全局图中的多代数前端估计的一致性。通过在服务器上执行后端映射并在多个移动设备上部署VIO前端以进行AR排除，从而进一步确认了所提出的方法的有效性。此外，我们通过分析代理和服务器结束的网络流量，同步频率以及其他因素来讨论提出系统的可扩展性。
Demetre P. Argialas 教授，理学硕士、博士
雅典国立技术大学。Argialas 教授（1977 年毕业，雅典国立技术大学（农村和测量工程），1979 年硕士，田纳西大学空间研究所，1985 年博士，土木工程，俄亥俄州立大学，路易斯安那州立大学助理教授，1985-1991 年）。Argialas 教授教授过照片解释、遥感、数字图像分析、地形分析、知识型专家系统、数值分析、PASCAL 编程和工程测量等课程。他曾担任美国、欧盟和希腊 30 多个研究项目的首席或联合首席研究员或研究员，并在国际期刊和同行评审会议上发表了 130 多篇与拟议项目科学领域相关的科学出版物。他有 1600 多次引用。他教授过 15 多门本科和研究生课程。他指导过 100 多篇本科和研究生论文，并且指导过七 (7) 篇论文，目前正在指导两 (2) 篇论文。Argialas 教授在遥感图像分析、模式识别和基于知识的专家系统方面拥有丰富的经验和重大贡献。在过去的几年里，他的研究兴趣集中在：对象检测和提取、监督和非监督分类、面向对象的图像分析、模式识别、专家系统、本体、地形建模和表示、变化检测和地图更新、环境地理过程的短期和长期监测。他最近协调了五个跨学科研究项目，目前正在四个跨学科的大学研究生硕士课程中任教。他曾担任 ASCE、ASPRS、IEEE、TRB、ISPRS、SPIE、WARM 的审稿人、ASPRS 的会议主席和 PE&RS (ASPRS) 的客座编辑。他还曾担任各机构研究提案的审稿人。(http://users.ntua.gr/argialas)