针对目前传感器数据集成仍处于低级别语义层次的现状，项目组构建了滑坡监测传感器数据事件语义集成框架，并对其中的关键技术进行了探讨。项目执行三年期间，主要研究成果包括六个方面。1）历史滑坡数据收集及滑坡观测数据采集。通过对官方资料、新闻报道，学术文章，统计年鉴和其他灾害数据库的整理收集了1949-2011年共1221个历史滑坡事件信息，并基于谷歌的公共云计算平台探讨了新中国滑坡数据库的开发、可视化及分析；搭建滑坡灾害监测多传感器网络模拟实验平台，采集了5次模拟降雨实验的观测数据；以四川省理县西山村滑坡为观测对象，构建了滑坡多源传感器立体观测网络，为语义集成框架的实际应用奠定了数据基础。2）传感器数据预处理算法研究。探讨了利用高速立体图像序列的滑坡形变提取方法，为滑坡过程中的宏观迹象识别提供了重要手段，也为滑坡机制和过程的研究提供了一手资料；研究了基于分类加权约束GIHS 变换的WorldView-2影像融合技术，在提高影像空间分辨率的同时实现了光谱的高保真度，为滑坡识别提供了技术支持；为提高滑坡微小形变监测精度，研究了GNSS定位测姿算法，重点探讨了半天球模型图、恒星日滤波和高级恒星日滤波等多路径误差消除方案，为滑坡监测应用时的误差消除模型选择提供了科学依据。3）降雨型滑坡地学事件梳理。通过文献调研、并结合模拟实验监测数据，梳理了早期的降雨、中期的降雨入渗、中后期的形变事件及各类事件的子事件。4）地学事件与观测数据语义关联规则建立。结合定性的地学事件和降雨经验模型、斋藤模型以及水土特征曲线函数等定量分析方法，以相机、加速度计以及孔隙水压数据为数据源，建立了监测数据和事件之间的关联。5）基于复杂事件处理框架的滑坡地学事件形式化表达研究。以开源事件引擎Esper为基础，完成了复杂事件的定义和模式匹配发现过程。6）相关软件研发。基于以上数据预处理、监测数据和事件之间的关联规则以及事件的形式化表达研究，设计并开发了面向滑坡监测传感器网络的语义中间件。本项目的工作为语义传感器网络在灾害监测方面的应用提供了方法和案例参考。 2100433B

地学传感器网络是当今滑坡监测的重要手段之一，研究分布式异构综合监测环境下的数据集成方法对滑坡预警及应急决策具有重大意义。现有传感器数据集成或采用制定数据标准来进行句法统一、或从生数据（Raw Data）的层次进行语义集成，尚未达到真正无缝、且缺乏与地学现象的关联机制，导致各传感器的协同工作能力较弱，且观测网对环境的感知能力不强。针对以上问题，本课题提出从事件语义的角度进行传感器数据集成的思路。首先，以传感器本体和时空本体为基础，建立滑坡监测数据集成事件模型；其次，以复杂事件处理为关键技术，结合定量滑坡预报模型和定性判定规则，探讨监测数据与滑坡地学复杂事件的自动关联方法；最后，综合上述模型和关联方法，设计并开发面向滑坡监测的地学传感器语义中间件。本课题的研究成果可以有效的提高多个异构地学传感器乃至多个异构传感器网络的协同工作能力，同时大幅度增强传感器网络的感知能力。

近年来，知识重用在大规模定制产品设计中取得重要进展，但对于中小企业设计重用还存在种种困难。鉴于此，研究基于CAD知识和工程语义的产品设计知识重用问题。它是在中小企业现有CAD模型产品结构的关系树知识表示基础上，借鉴汉语知网，构造基于汉语和其它符号语义的工程语义（简称汉语工程语义），建立基于该语义的产品结构(零部件或模块化结构)的知识网，相当于一个粗粒度知识网络状结构，并用简化的XML格式表示。再从CAD模型中获取知识构成树状详细知识网，建立两网之间映射关系。构成两个知识结构网(网络结构和树状结构)的重叠网，简称为CAD工程语义网，并力求设计与重用模型统一。采用基于语义及演化算法等方法知识查询，由粗至细，详略互补，便于采用基于事例推理和CAD人机交互式设计。面向中小企业重点解决一个低层次的产品结构的知识表达、查询和重用问题。试图推动中小企业基于CAD和人机交互式产品结构设计重用进展。 2100433B

三维模型语义检索是当前研究热点，语义检索不仅要考虑检索对象的几何形状特征，还应关注应用领域的语义特征。近年来，在建筑工程领域随着BIM（Building Information Modeling）技术的快速发展和普及，互联网上三维BIM模型正迅猛增长，如何有效地检索这些模型资源变得日益迫切。传统的三维模型检索大多基于关键字匹配、几何形状相似匹配方法，而缺乏对建筑工程领域语义信息的提取、表示和匹配，不能很好地满足用户查询，难以有效地支持设计复用。本课题针对互联网上建筑产品库开展BIM模型语义检索技术研究，并开发一个针对BIM模型的垂直搜索引擎原型，有助于建筑设计的快速查找和有效复用。主要研究内容包括：基于IFC标准的BIM领域本体构建和学习，基于几何与语义混合特征的BIM模型自动标引，基于Tversky模型与信息量的BIM模型语义相似性度量，基于SPARQL与LCA剪枝的本体扩展查询方法。

地图是机器人环境理解和执行交互任务的基础。三维摄像机可获取场景一定距离和分辨率的二维图像信息和三维信息。随着机器人任务的逐步复杂和工作范围的增大，基于三维视觉传感器的点云地图在人机交互、存储和计算更新方面存在严重制约。为此，本项目引入二维/三维摄像机融合的复合三维视觉系统，开展机器人室内场景复合语义地图创建方法研究。主要包括：.①建立层次式复合三维语义地图模型，有效融合三维点云地图、特征地图和语义地图优势，提升大场景下机器人导航、智能交互和快速定位能力；.②研究基于二维和三维摄像机融合的机器人三维运动估计和路径优化方法，提高视觉程计在不同场景下的鲁棒性和估计精度；.③基于场景图像和三维信息，提出无先验知识的三维场景智能分割方法，建立分割区域目标的词袋描述模型，研究场景特定目标语义识别方法；.④根据连续三维视觉信息，探索基于语义目标和几何特性的大规模室内场景节点语义识别方法，实现语义地图创建