迎风面投影指数计算工具介绍及计算实例

在机载激光雷达扫描过程中,建筑物背面的地面边缘线常常被遮挡,无法获取精确的建筑物背面边缘点信息,在利用获得的激光点云进行三维重建时,使得创建数字表面模型(DSM)的精度较低。为消除背面边缘点缺失造成的DSM精度降低,提出了一种建筑物地面缺失边缘线的自动提取算法;通过提取建筑物侧面和地面局部点云的拟合趋势面,计算两相邻局部趋势面的交线,并补充缺失部分的边缘点数据;最后采用补充了边缘点的建筑物激光点云重建了建筑物的DSM,并对边缘点补充前后的DSM精度进行了对比仿真实验。仿真结果表明,通过提取和补充建筑物的边缘点可有效提高建筑物重建DSM的高程精度。

宁波建筑物矢量数据.zip

建筑物图标

紫外线matlab代码艾达网 AdaNet：人工神经网络的自适应结构学习 参考资料：Cortes, C., Gonzalvo, X., Kuznetsov, V., Mohri, M. & Yang, S.. (2017)。 AdaNet：人工神经网络的自适应结构学习。 第 34 届机器学习国际会议论文集，PMLR 70:874-883 这个 Python 项目旨在实现 AdaNet 的 API，使用基于文章的算法：简而言之，这个模型正在根据它适合的数据复杂性从头构建一个神经网络， 这就是它命名为自适应模型的原因。 对于这个实现，手头的问题总是一个二元分类。 在拟合操作期间，它将构建隐藏层和每层中的神经元数量。 决定是更深（添加隐藏层）还是更宽（将神经元添加到现有层）， 或者更新现有的神经元权重以封闭的计算形式完成（通过使用巴拿赫空间对偶）文章中所示。 最后，它将优化最佳神经元（添加或现有）的权重，更新参数并进行迭代。 文章讲了AdaNet的几个变种，这是AdaNet.CVX的实现， 在附录 C 中解释 - 以封闭形式解决每个步骤中的凸子问题。 文章 [v.1] 的先前版本中显示了对该

unity建筑物生长切片动画效果demo， 参考https://www.cnblogs.com/Yellow0-0River/p/16584426.html

湖南省建筑物矢量数据带高度字段

天津建筑物矢量数据带高度字段

湖北全省建筑物矢量数据，带有高度字段可以用于三维展示

依据建筑物多边形的图形特点分析了其在地图综合中两类处理模型：化简与直角化。在视觉的"自然法则"下，设定建筑物多边形在不同尺度下的凹陷与突出的长度阈值，并在此阈值下将建筑物多边形的点进行分组，进而在最小二乘平差模型下直线拟合组内各点以实现对其化简。针对直角化问题，提出了限制条件下的不等权直角化平差模型，即在多边形相邻的两边相互垂直的条件下使各点改正距离的加权平方和达到最小，保证了建筑物的整体位移较小，从而最大可能地避免了与其相邻地物的位置冲突。该模型已成功用于大比例尺综合缩编软件GenTool，在地图综合生