CN103745018B - 一种多平台点云数据融合方法 - Google Patents
一种多平台点云数据融合方法 Download PDFInfo
- Publication number
- CN103745018B CN103745018B CN201410047608.XA CN201410047608A CN103745018B CN 103745018 B CN103745018 B CN 103745018B CN 201410047608 A CN201410047608 A CN 201410047608A CN 103745018 B CN103745018 B CN 103745018B
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- cloud data
- precision
- acquisition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 48
- 230000004927 fusion Effects 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 132
- 238000012937 correction Methods 0.000 claims description 124
- 238000005457 optimization Methods 0.000 claims description 55
- 238000004458 analytical method Methods 0.000 claims description 52
- 238000005259 measurement Methods 0.000 claims description 42
- 230000008859 change Effects 0.000 claims description 34
- 238000007726 management method Methods 0.000 claims description 32
- 238000013439 planning Methods 0.000 claims description 22
- 238000007405 data analysis Methods 0.000 claims description 18
- 230000008520 organization Effects 0.000 claims description 14
- 238000010835 comparative analysis Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013523 data management Methods 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 abstract 2
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000009432 framing Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种多平台点云数据融合方法，涉及测绘、工程测量领域，包括如下步骤：数据采集：通过移动平台搭载的数据采集设备、固定式地面激光扫描设备获取目标区域内地物、地貌的原始数据；数据预处理：将采集到的原始数据分别进行工程化组织管理及滤波去噪等预处理工作；数据融合：对滤波去噪后的点云数据进行精度分析，以精度最高的点云数据为依据，对其余数据进行精度纠正，此外，还可基于移动平台获取的点云数据实现固定式地面激光扫描设备获取的数据坐标转换，实现无外业控制点坐标转换。本发明的优越性为：融合不同平台不同时间采集的点云数据，使各自的优势实现互补，进而提高数据的综合利用性，实现多平台、多尺度点云数据的融合使用。
Description
技术领域
本发明涉及测绘及工程领域，特别涉及针对基于不同采集平台获取不同密度的点云数据并将上述点云数据进行精度纠正融合形成三维空间信息的多平台点云数据融合方法。
背景技术
随着社会经济的持续快速发展，机载、车载、地面等激光雷达设备可采集不同范围、不同精度、不同密度的点云数据，可用于生成数字地面模型，为地形制图、工程测量、城乡规划等提供基础数据；此外，点云数据经滤波分类可实现专项地物提取，如建筑物与植被，由于点云数据均含有定位信息，为此可用于数字城市中三维模型重建方面，可在当前城市规划、灾害预防机制建立、地理信息***统筹等领域发挥重要作用。
而上述各平台采集方式均有一定的适用条件，在生产中经常会通过多种平台采集数据，为此通过一定的方法对不同平台、不同时段采集的数据进行融合，获取多维、多时空的数据源，满足不同勘测、工程的使用，是目前亟待解决的问题。
目前，还没有一种技术可以对基于不同的平台采集的点云数据进行数据融合以弥补各自单一方式的局限性，最终得到360度全方位的激光点云数据，为数据生产提供全方位的基础资料；融合管理多平台、多时段采集点云数据有助于实现多时空、多平台数据一体化；可以为三维体框模型制作带来全新的数据支持，为建立真实、精细的三维场景奠定基础。
发明内容
本发明实施例提供一种多平台点云数据融合方法，本发明可以通过不同的平台对点云数据进行采集和数据融合弥补了各平台采集点云的方位缺陷，融合获取360度全方位的激光点云数据，为数据生产提供全面的基础资料；将多平台、多时段采集点云数据融合管理，实现了多时空、多平台数据一体化；为三维体框模型制作带来了全新的数据支持，促进了逼真、精细建模的效果。
本发明实施例提供一种多平台点云数据融合方法，包括如下步骤：
数据采集：通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据，得到不同精度、不同密度、不同方位的原始数据；
数据预处理：将采集到的原始数据分别进行预处理，得到预处理后的点云数据；
数据融合：将预处理后的点云数据进行精度对比，并以精度较高的点云数据为依据，对精度较低的数据进行纠正分析，获取点云数据转换模型，并进行纠正融合,其具体包括以下步骤：
1)数据分析：对不同来源的点云数据进行分析，建立数据模型；
2)融合：根据数据分析后得到的模型对点云数据进行融合；
所述数据分析包括精度分析、对比分析；所述模型包括纠正模型、更新模型；其中,
所述精度分析：对不同来源的点云数据进行精度分析，并建立精度纠正模型；
所述纠正：根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合；
所述对比分析：对不同来源的点云数据按获取时间的不同进行变化分析；
所述更新：根据对比分析后得到的更新模型对变化区域内的数据进行更新。
一种多平台点云数据融合方法，所述多平台点云数据融合步骤还包括：
数据组织管理：对融合后的点云数据进行关键点提取，并对关键点进行工程化组织管理。
一种多平台点云数据融合方法，所述数据采集具体步骤为：
1)采集前的准备：
A)测线规划，针对不同平台的特点进行相应的数据采集路线规划或航线设计；
B)地面GNSS基站的选取和架设：根据所需精度与测量区域观测环境GNSS基站覆盖半径为5-30公里；
C)设备检校：在进行数据采集前需要对数据采集设备进行检校；
2)数据采集的过程为：
A)在地面GNSS基站处设有对卫星信号进行接收存储的GNSS接收机；其中：地面GNSS基站上设置的接收机需在移动平台进行数据采集前10-50分钟内进行工作，在移动平台完成数据采集后10-50分钟内停止工作；
B)基于不同平台的数据采集设备按照规划路线分别进行数据采集；
其中所述移动平台为：飞行器、车辆、船舶。
一种多平台点云数据融合方法，在同一部数据采集移动平台上安装1-6台采集设备，其采集设备的采集角度为90-360度之间；当设有2-6台采集设备时，每相邻两台采集设备的采集角度的交叉点范围在15-120度之间；根据数据的密度要求进行采集；其中所述采集移动平台为：飞行器、车辆、船舶。
一种多平台点云数据融合方法，所述数据预处理具体步骤为：
1)单数据源匹配优化：将原始数据按照各自的采集方式进行管理和匹配优化处理；
2)滤波去噪处理：将优化后的数据进行滤波去噪处理；
其中：所述数据匹配优化为：数据平差、数据接边处优化处理。
一种多平台点云数据融合方法，所述在数据融合过程中对不同来源的点云数据进行精度分析的具体处理步骤为：
1)根据轨迹线的解算精度或地面控制点判定不同来源的点云数据的精度；
2)以精度较高的点云数据为参考，从中提取纠正点，根据纠正点建立纠正模型；
3)将多幅纠正模型中的共同纠正点进行拼接，获取整体纠正模型。
一种多平台点云数据融合方法，所述对不同来源的点云数据按获取时间的不同进行变化分析的具体处理步骤为：
1)对于不同时间采集的点云数据，通过构建数字表面模型确定相同区域内地物、地貌变化情况；
2)根据检测后点云数据变化范围提取纠正点，建立更新模型。
一种多平台点云数据融合方法，所述在数据融合过程中数据纠正的具体处理步骤为：
1)根据纠正模型对精度较差的点云数据进行纠正分析；
2)通过构建数字表面模型检查数据融合精度。
一种多平台点云数据融合方法，所述数据组织管理具体步骤为：
1)关键点提取：对融合后的点云数据进行关键点提取，减少数据的存储量；
2)数据划分：将提取的点云数据按照适用性进行数据划分；
3)数据管理：对划分后的点云数据进行编码、位置信息确定；
其中：所述点云数据的划分形式为分块划分、分对象单体划分。
由此可见：
本发明实施例中的多平台点云数据融合方法可以满足：
1、多平台激光点云数据融合弥补了各平台采集点云的方位缺陷，融合获取360度全方位的激光点云数据，为数据生产提供全方位的基础资料；
2、本发明实现了多平台、多时段采集点云数据的融合管理，实现了多时空、多平台数据一体化；
3、该技术为三维体框模型制作带来了全新的数据支持，促进了逼真、精细的建模。
附图说明
图1为本发明的实施例1提供的多平台点云数据融合方法的流程示意图；
图2为本发明的实施例2提供的多平台点云数据融合方法的流程示意图；
图3为本发明多平台点云数据融合方法中数据采集中的流程示意图；
图4为本发明多平台点云数据融合方法中数据预处理的流程示意图；
图5为本发明多平台点云数据融合方法中数据融合的流程示意图；
图6为本发明多平台点云数据融合方法中数据融合的流程示意图；
图7为本发明多平台点云数据融合方法中数据组织管理的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合附图以及具体实施例来详细说明本发明，在此本发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。
实施例1：
图1为本实施例提供的多平台点云数据融合方法的流程示意图，如图所示，该方法如下步骤：
S1数据采集：通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据，得到不同精度、不同密度、不同方位的原始数据；
S2数据预处理：将采集到的原始数据分别进行预处理，得到预处理后的点云数据；
S3数据融合：将预处理后的点云数据进行精度对比，并以精度较高的点云数据为依据，对精度较低的数据进行纠正分析，获取点云数据转换模型，并进行纠正融合。
如图3所示，一种多平台点云数据融合方法，其中所述数据采集具体步骤为：
S1.1)采集前的准备：
A)测线规划，针对不同平台的特点进行相应的数据采集路线规划、航线设计；
B)地面GNSS基站的选取和架设：根据所需精度与测量区域内GNSS观测环境GNSS基站覆盖半径为5公里；
C)设备检校：在进行数据采集前需要对移动平台上搭载的数据采集设备和固定式地面激光扫描设备进行检校；
S1.2)数据采集的过程为：
A)在地面GNSS基站处设有对卫星信号进行接收存储的GNSS接收机；其中：地面GNSS基站上设置的接收机需在移动平台进行数据采集前30分钟内进行工作，在移动平台完成数据采集后30分钟内停止工作；
B)按照规划测线利用选取的移动平台搭载数据采集设备进行数据采集；其中所述移动平台为：飞行器、车辆。
在具体实施例中：分别采用飞行器和车辆作为移动平台。在飞行器上安装有一台数据采集设备，其采集设备的采集角度为50度。在车辆上安装有两台数据采集设备，其数据采集设备的采集角度均为360度，两台数据采集设备的采集角度的交叉点范围为75度。
如图4所示，一种多平台点云数据融合方法，所述数据预处理具体步骤为：
S2.1)单数据源匹配优化：将原始数据按照各自的采集方式进行管理和匹配优化处理；具体实施例中：将飞行器上安装的数据采集设备获取的原始数据进行航带间、架次间的数据匹配优化处理；将车辆上安装的数据采集设备获取的原始数据进行匹配优化处理；将地面激光扫描设备获取的原始数据进行数据匹配优化处理；
S2.2)滤波去噪处理：分别将三组优化后的数据进行滤波去噪处理，得到三组点云数据。
具体实施例中：对获取的原始数据进行数据平差处理。
具体实施例中：对获取的原始数据进行数据接边处理优化。
具体实施例中：对获取的原始数据进行数据匹配处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中：可以对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
一种多平台点云数据融合方法，其中所述数据融合具体步骤为：
S3.1)数据分析：对不同来源的点云数据进行分析，建立数据模型；
S3.2)融合：根据数据分析后得到的模型对点云数据进行融合；
所述数据分析包括精度分析、对比分析；所述模型包括纠正模型、更新模型；其中，
所述精度分析：对不同来源的点云数据进行精度分析，并建立精度纠正模型；
所述纠正：根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合；
所述对比分析：对不同来源的点云数据按获取时间的不同进行变化分析；
所述更新：根据对比分析后得到的更新模型对变化区域内的数据进行更新。
如图5所示，对不同采集方式获取点云数据间融合的具体处理步骤为：
1)根据轨迹线的解算精度或地面控制点判定不同来源的点云数据的精度；
2)将精度较高的点云数据作为参考，提取纠正点，根据纠正点建立纠正模型；
3)将多幅纠正模型中的共同纠正点进行拼接，获取整体纠正模型；
4)根据纠正模型对精度较差的点云数据进行纠正分析；
5)通过构建数字表面模型检查数据融合精度。
如图6所示，对不同时间获取点云数据间融合的具体处理步骤为：
1)根据点云数据的采集日期通过构建数字表面模型确定相同区域点云数据的变化情况；
2)根据检测后点云数据变化范围提取纠正点，生成更新模型；
3)根据更新模型对精度较差的点云数据进行更新；
4)通过构建数字表面模型检查数据融合精度。
下面以一个更具体的细节方面的例子对上述内容加以说明。如图1所示，本实施例为：
对约500平方公里范围内地区进行点云数据采集。对所采取的路线进行路线规划，由于考虑到不同时段GNSS信号差异及地物遮挡因素，为保证获取最优的数据成果，采用飞行器和车辆作为移动平台,在移动平台上架设数据采集设备进行数据采集，同时根据所需精度与测量区域内观测环境架设GNSS基站，且基站覆盖半径为30公里。此外，在移动平台存在数据采集盲区的区域利用地面激光扫描设备进行数据补充采集，在移动平台开始采集前，先对移动平台上架设的采集设备进行设备检校，获取准确的检校参数。
在具体实施例中：分别采用飞行器从空中对需要采集的区域进行数据采集，采用车辆沿测区内道路对需要采集的区域进行数据采集，通过地面激光扫描设备对固定点位区周边区域进行数据采集。
在具体实施例中：分别采用飞行器和车辆作为移动平台。在飞行器上安装有一台数据采集设备，其采集设备的采集角度为50度。在车辆上安装有两台数据采集设备，其数据采集设备的采集角度均为360度，两台数据采集设备的采集角度的交叉点范围为75度。地面激光扫描设备数据采集角度为360度。
然后进行外业扫描测量：
由地面GNSS基站对卫星信号进行接收、存储；地面GNSS基站上需在搭载有数据采集设备的移动平台进行数据采集作业前10分钟开始工作，数据采集作业结束后15分钟结束工作。
由于考虑到不同时段GNSS信号差异及地物遮挡因素，为保证获取最优的数据成果，在以车辆为移动平台进行数据采集时分别对双向车道进行了单向的两次测量；考虑到保证数据覆盖完整性要求，特选取行车道和应急车道分别作为路线进行测量数据采集。由于考虑到白天车道上车辆较多，特选取在夜间进行测量数据采集。
由于考虑到天气及成果精度要求因素，为保证获取最优的数据成果，在以飞行器为移动平台进行数据采集时为提高单个脉冲能量，降低激光发射脉冲频率至50kHz，为保证扫描线边缘数据精度，限定扫描角度为40度进行测量数据采集。
通过车辆和飞行器和地面激光扫描设备获取到3组目标区域不同方位的原始三维数据，这三组原始三维数据的精度、密度不同。
将三组原始数据分别进行预处理。
首先对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使测区内航带间、子测区间点云数据匹配满足要求，然后进行航带间点云冗余数据去除，最后将去除冗余后的数据进行滤波去噪处理，得到精准的点云数据并存储。
然后对车辆上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使两台采集设备获取的点云匹配满足要求，然后综合利用两次测量采集到的点云数据进行冗余去除，得到本次采集范围内的有效数据；最后将上述数据进行滤波去噪处理，得到精准的点云数据并存储。
最后将固定式地面激光扫描设备采集到的原始数据进行匹配优化处理；使多个连续测站采集的点云数据匹配满足要求，最后将匹配后的数据进行滤波去噪处理，得到精准的点云数据并存储。
具体实施例中：对获取的原始数据进行数据平差处理。
具体实施例中：对获取的原始数据进行数据接边处理优化。
具体实施例中：对获取的原始数据进行数据匹配处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
按照规划路线，将500平方公里范围内的数据进行区域划分，数据采集设备以车辆为载体采集的数据沿行进路线按150米*150米格网进行分幅管理，数据采集设备以飞行器为载体采集的数据按1公里*1公里格网进行分幅管理，固定式地面激光扫描设备采集的数据以点间距3厘米采样的基础上按3米*3米格网进行分幅管理，然后进行数据纠正，纠正后按500米*500米格网进行管理。具体实施例中：首先，按照划分的区域，将该区域内的数据根据轨迹线的解算精度或控制点判定通过飞行器、车辆和固定式地面激光扫描设备获取的三组点云数据的精度，并以精度较高的点云数据作为参考，对另外两组数据精度较低的点云数据进行纠正分析，提取纠正点，并根据纠正点生成纠正模型；然后，根据纠正模型对另外两组点云数据中精度较差的数据进行纠正分析；最后，通过构建数字表面模型检查数据融合精度。
当出现就该500平方公里范围内通过车辆或飞行器在不同时期进行数据采集的情况时。首先，根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后，提取变化区域内的现势性高的点云数据，并利用其对同区域原有数据进行替换，最后通过构建数字表面模型检查数据融合精度，得到测区范围内最具现势性的数据。
实施例2：
图2为本实施例提供的多平台点云数据融合方法的流程示意图，如图所示，该方法如下步骤：
S1数据采集：通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据，得到不同精度、不同密度、不同方位的原始数据；
S2数据预处理：将采集到的原始数据分别进行预处理，得到预处理后的点云数据；
S3数据融合：将预处理后的点云数据进行精度对比，并以精度较高的点云数据为依据，对精度较低的数据进行纠正分析，获取点云数据转换模型，并进行纠正融合；
S4数据组织管理：对融合后的点云数据进行关键点提取，并对关键点进行工程化组织管理。
如图3所示，一种多平台点云数据融合方法，其中所述数据采集具体步骤为：
S1.1)采集前的准备：
A)测线规划，针对不同平台的特点进行相应的数据采集路线规划、航线设计；
B)地面GNSS基站的选取和架设：根据所需精度与测量区域内GNSS观测环境GNSS基站覆盖半径为5公里；
C)设备检校：在进行数据采集前需要对移动平台上搭载的数据采集设备和固定式地面激光扫描设备进行检校；
S1.2)数据采集的过程为：
A)在地面GNSS基站处设有对卫星信号进行接收存储的GNSS接收机；其中：地面GNSS基站上设置的接收机需在移动平台进行数据采集前30分钟内进行工作，在移动平台完成数据采集后30分钟内停止工作；
B)按照规划测线利用选取的移动平台搭载数据采集设备进行数据采集；其中所述移动平台为：飞行器、车辆、船舶。
在具体实施例中：分别采用船舶、飞行器和车辆作为移动平台。在船舶上安装有两台数据采集设备，其采集设备的采集角度为360度，两台数据采集设备的采集角度的交叉点范围为35度。在飞行器上安装有一台数据采集设备，其采集设备的采集角度为50度。在车辆上安装有两台数据采集设备，其数据采集设备的采集角度均为360度，两台数据采集设备的采集角度的交叉点范围为75度。
如图4所示，一种多平台点云数据融合方法，所述数据预处理具体步骤为：
S2.1)单数据源匹配优化：将原始数据按照各自的采集方式进行管理和匹配优化处理；具体实施例中：将船舶上安装的数据采集设备获取的原始数据进行数据匹配优化处理；将飞行器上安装的数据采集设备获取的原始数据进行航带间、架次间的数据匹配优化处理；将车辆上安装的数据采集设备获取的原始数据进行匹配优化处理；将地面激光扫描设备获取的原始数据进行数据匹配优化处理；
S2.2)滤波去噪处理：分别将四组优化后的数据进行滤波去噪处理，得到四组点云数据。
具体实施例中：对获取的原始数据进行数据平差处理。
具体实施例中：对获取的原始数据进行数据接边处理优化。
具体实施例中：对获取的原始数据进行数据匹配处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中：可以对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
一种多平台点云数据融合方法，其中所述数据融合具体步骤为：
S3.1)数据分析：对不同来源的点云数据进行分析，建立数据模型；
S3.2)融合：根据数据分析后得到的模型对点云数据进行融合；
所述数据分析包括精度分析、对比分析；所述模型包括纠正模型、更新模型；其中，
所述精度分析：对不同来源的点云数据进行精度分析，并建立精度纠正模型；
所述纠正：根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合；
所述对比分析：对不同来源的点云数据按获取时间的不同进行变化分析；
所述更新：根据对比分析后得到的更新模型对变化区域内的数据进行更新。
如图5所示，对不同采集方式获取点云数据间融合的具体处理步骤为：
1)根据轨迹线的解算精度或地面控制点判定不同来源的点云数据的精度；
2)将精度较高的点云数据作为参考，提取纠正点，根据纠正点建立纠正模型；
3)将多幅纠正模型中的共同纠正点进行拼接，获取整体纠正模型；
4)根据纠正模型对精度较差的点云数据进行纠正分析；
5)通过构建数字表面模型检查数据融合精度。
如图6所示，对不同时间获取点云数据间融合的具体处理步骤为：
1)根据点云数据的采集日期通过构建数字表面模型确定相同区域点云数据的变化情况；
2)根据检测后点云数据变化范围提取纠正点，生成更新模型；
3)根据更新模型对精度较差的点云数据进行更新；
4)通过构建数字表面模型检查数据融合精度。
如图7所示，一种多平台点云数据融合方法，其中所述数据组织管理具体步骤为：
S5.1)关键点提取：对融合后的点云数据进行关键点提取，减少数据的存储量；
S5.2)数据划分：将提取的点云数据按照适用性进行数据划分；
S5.3)数据管理：对划分后的点云数据进行编码、位置信息确定。
具体实施例中：点云数据的划分形式为分块划分，按照测量规范标准分幅处理。
具体实施例中：点云数据的划分形式为分街区划分，按照建筑街区分幅处理。
具体实施例中：点云数据的划分形式为分建筑体划分，精细建模时按照建筑物分栋划分处理。
下面以一个更具体的细节方面的例子对上述内容加以说明。如图2所示，本实施例为：
对约300平方公里的地区进行基础地理信息点云数据采集和定期数据更新。在该地区需要获取地物和地貌三维数据。对所采取的路线进行测线规划，由于考虑到不同时段GNSS信号差异及地物遮挡因素，为保证获取最优的数据成果，采用船舶、飞行器和车辆作为移动平台,在移动平台上架设数据采集设备进行数据采集，同时根据所需精度与测量区域内观测环境，架设GNSS基站且基站覆盖半径为15公里。此外，在移动平台存在数据采集盲区的区域利用地面激光扫描设备进行数据补充采集。
在移动平台开始采集前，先对移动平台上架设的采集设备进行设备检校，获取准确的检校参数。
在具体实施例中：分别采用船舶上设有的数据采集器对河面以及河岸两侧进行数据采集，采用飞行器从空中对需要采集的区域进行数据采集，采用车辆沿测区内道路对需要采集的区域进行数据采集，通过地面激光扫描设备对固定点位区周边区域进行数据采集。
在具体实施例中：在船舶上安装有2台数据采集设备，其采集设备的采集角度为360度，两台数据采集设备的采集角度的交叉点范围为35度。在飞行器上安装有一台数据采集设备，其采集设备的采集角度为170度。在车辆上安装有两台数据采集设备，其数据采集设备的采集角度均为360度，两台数据采集设备的采集角度的交叉点范围为75度。地面激光扫描设备数据采集角度为360度。
然后进行外业扫描测量：
由地面GNSS基站对卫星信号进行接收、存储；地面GNSS基站上需在搭载有数据采集设备的移动平台进行数据采集作业前30分钟开始工作，数据采集作业结束后30分钟结束工作。
由于考虑到不同时段GNSS信号差异及地物遮挡因素，为保证获取最优的数据成果，在以船舶为移动平台进行数据采集时分别对航道进行单向的两次测量；在以车辆为移动平台进行数据采集时分别对双向车道进行单向的两次测量；考虑到保证数据覆盖完整性要求，特选取行车道和应急车道分别作为路线进行测量数据采集。由于考虑到白天车道上车辆较多，特选取在夜间进行测量数据采集。
由于考虑到天气及成果精度要求因素，为保证获取最优的数据成果，在以飞行器为移动平台进行数据采集时为提高单个脉冲能量，降低激光发射脉冲频率至50kHz，为保证扫描线边缘数据精度，限定扫描角度为40度进行测量数据采集。
通过船舶、车辆和飞行器和地面激光扫描设备获取到四组目标区域不同方位的原始三维数据，这四组原始三维数据的精度、密度不同。
将四组原始数据分别进行预处理。
首先对船舶上搭载的数据采集设备采集到的原始数据进行匹配优化处理，使两台采集设备获取的点云匹配满足要求，然后综合利用两次测量采集到的点云数据进行冗余去除，得到本次采集范围内的有效数据；最后将上述数据进行滤波去噪处理，得到精准的点云数据并存储。
然后对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使测区内航带间、子测区间点云数据匹配满足要求，然后进行航带间点云冗余数据去除，最后将去除冗余后的数据进行滤波去噪处理，得到精准的点云数据并存储。
然后对车辆上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使两台采集设备获取的点云匹配满足要求，然后综合利用两次测量采集到的点云数据进行冗余去除，得到本次采集范围内的有效数据；最后将上述数据进行滤波去噪处理，得到精准的点云数据并存储。
最后将固定式地面激光扫描设备采集到的原始数据进行匹配优化处理；使多个连续测站采集的点云数据匹配满足要求，最后将匹配后的数据进行滤波去噪处理，得到精准的点云数据并存储。
具体实施例中：对获取的原始数据分别进行数据平差处理。
具体实施例中：对获取的原始数据进行数据接边处理优化。
具体实施例中：对获取的原始数据进行数据匹配处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
按照规划路线，将300平方公里范围内的数据进行区域划分，数据采集设备以船舶及车辆为载体采集的数据沿行进路线按150米*300米格网进行分幅管理，数据采集设备以飞行器为载体采集的数据按1公里*1公里格网进行分幅管理，固定式地面激光扫描设备采集的数据以点间距2-5厘米采样的基础上按3米*3米格网进行分幅管理，然后进行数据纠正，纠正后按500米*500米格网进行管理。具体实施例中：首先，按照划分的区域，将该区域内的数据根据轨迹线的解算精度或控制点判定通过船舶、飞行器、车辆和固定式地面激光扫描设备获取的四组点云数据的精度，并以精度较高的点云数据作为参考，对另外三组数据精度较低的点云数据进行纠正分析，提取纠正点，并根据纠正点生成纠正模型；然后，根据纠正模型对另外三组点云数据中精度较差的数据进行纠正分析；最后，通过构建数字表面模型检查数据融合精度。
当出现就该300平方公里范围内通过车辆或飞行器在不同时期进行数据采集的情况时。首先，根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后，提取变化区域内的现势性高的点云数据，并利用其对同区域原有数据进行替换，最后通过构建数字表面模型检查数据融合精度，得到测区范围内最具现势性的数据。
将融合后的数据进行数据组织管理。
关键点提取：对融合后的点云数据进行关键点提取，减少数据的存储量；
数据划分：将提取的点云数据按照适用性进行数据划分；
数据管理：对划分后的点云数据进行编码、位置信息确定。
具体实施例中：点云数据的划分形式为分块划分，按照测量规范标准分幅处理，按照测量规范标准分幅处理。
具体实施例中：点云数据的划分形式为分街区划分，按照建筑街区分幅处理。
具体实施例中：点云数据的划分形式为分建筑体划分，精细建模时按照建筑物分栋划分处理。
实施例3：
图2为本实施例提供的多平台点云数据融合方法的流程示意图，如图所示，该方法如下步骤：
S1数据采集：通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据，得到不同精度、不同密度、不同方位的原始数据；
S2数据预处理：将采集到的原始数据分别进行预处理，得到预处理后的点云数据；
S3数据融合：将预处理后的点云数据进行精度对比，并以精度较高的点云数据为依据，对精度较低的数据进行纠正分析，获取点云数据转换模型，并进行纠正融合；
S4数据组织管理：对融合后的点云数据进行关键点提取，并对关键点进行工程化组织管理。
如图3所示，一种多平台点云数据融合方法，其中所述数据采集具体步骤为：
S1.1)采集前的准备：
A)测线规划，针对不同平台的特点进行相应的数据采集路线规划、航线设计；
B)地面GNSS基站的选取和架设：根据所需精度与测量区域内GNSS观测环境GNSS基站覆盖半径为5公里；
C)设备检校：在进行数据采集前需要对移动平台上搭载的数据采集设备和固定式地面激光扫描设备进行检校；
S1.2)数据采集的过程为：
A)在地面GNSS基站处设有对卫星信号进行接收存储的GNSS接收机；其中：地面GNSS基站上设置的接收机需在移动平台进行数据采集前30分钟内进行工作，在移动平台完成数据采集后30分钟内停止工作；
B)按照规划测线利用选取的移动平台搭载数据采集设备进行数据采集；其中所述移动平台为：飞行器。
在具体实施例中：采用飞行器作为移动平台。其采集设备的采集角度为160度。
如图4所示，一种多平台点云数据融合方法，所述数据预处理具体步骤为：
S2.1)单数据源匹配优化：将原始数据按照各自的采集方式进行管理和匹配优化处理；具体实施例中：将飞行器上安装的数据采集设备获取的原始数据进行航带间、架次间的数据匹配优化处理；
S2.2)滤波去噪处理：分别将两组优化后的数据进行滤波去噪处理，得到两组点云数据。
具体实施例中：对获取的原始数据进行数据平差处理。
具体实施例中：对获取的原始数据进行数据接边处理优化。
具体实施例中：对获取的原始数据进行数据匹配处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的任意两组进行处理。
具体实施例中：可以对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
一种多平台点云数据融合方法，其中所述数据融合具体步骤为：
S3.1)数据分析：对不同来源的点云数据进行分析，建立数据模型；
S3.2)融合：根据数据分析后得到的模型对点云数据进行融合；
所述数据分析包括精度分析、对比分析；所述模型包括纠正模型、更新模型；其中，
所述精度分析：对不同来源的点云数据进行精度分析，并建立精度纠正模型；
所述纠正：根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合；
所述对比分析：对不同来源的点云数据按获取时间的不同进行变化分析；
所述更新：根据对比分析后得到的更新模型对变化区域内的数据进行更新。
如图5所示，对不同采集方式获取点云数据间融合的具体处理步骤为：
1)根据轨迹线的解算精度或地面控制点判定不同来源的点云数据的精度；
2)将精度较高的点云数据作为参考，提取纠正点，根据纠正点建立纠正模型；
3)将多幅纠正模型中的共同纠正点进行拼接，获取整体纠正模型；
4)根据纠正模型对精度较差的点云数据进行纠正分析；
5)通过构建数字表面模型检查数据融合精度。
如图6所示，对不同时间获取点云数据间融合的具体处理步骤为：
1)根据点云数据的采集日期通过构建数字表面模型确定相同区域点云数据的变化情况；
2)根据检测后点云数据变化范围提取纠正点，生成更新模型；
3)根据更新模型对精度较差的点云数据进行更新；
4)通过构建数字表面模型检查数据融合精度。
如图7所示，一种多平台点云数据融合方法，其中所述数据组织管理具体步骤为：
S5.1)关键点提取：对融合后的点云数据进行关键点提取，减少数据的存储量；
S5.2)数据划分：将提取的点云数据按照适用性进行数据划分；
S5.3)数据管理：对划分后的点云数据进行编码、位置信息确定。
具体实施例中：点云数据的划分形式为分块划分，按照测量规范标准分幅处理。
具体实施例中：点云数据的划分形式为分街区划分，按照建筑街区分幅处理。
具体实施例中：点云数据的划分形式为分建筑体划分，精细建模时按照建筑物分栋划分处理。
下面以一个更具体的细节方面的例子对上述内容加以说明。如图2所示，本实施例为：
对一段范围在600平方公里的地区进行点云数据采集，在该地区需要获取地物和地貌三维数据。对所采取的路线进行路线规划，由于考虑到不同时段GNSS信号差异及地物遮挡因素，为保证获取最优的数据成果，采用飞行器作为移动平台,在移动平台上架设数据采集设备进行数据采集，同时根据所需精度与测量区域内观测环境，架设GNSS基站且基站覆盖半径为20公里。此外，在移动平台存在数据采集盲区的区域利用地面激光扫描设备进行数据补充采集。
在移动平台开始采集前，先对移动平台上架设的采集设备进行设备检校，获取准确的检校参数，同时对地面激光扫描设备进行检校。
在具体实施例中：采用飞行器从空中对需要采集的区域进行数据采集，通过固定GNSS基站上架设的地面激光扫描设备对固定点位区域进行数据采集。
在具体实施例中：在飞行器上安装有一台数据采集设备，其采集设备的采集角度为160度。地面激光扫描设备数据采集角度为360度。
然后进行外业扫描测量：
由地面GNSS基站对卫星信号进行接收、存储；地面GNSS基站上需在搭载有数据采集设备的移动平台进行数据采集前作业前20分钟开始工作，数据采集作业结束后20分钟结束工作。
由于考虑到天气及成果精度要求因素，为保证获取最优的数据成果，在以飞行器为移动平台进行数据采集时为提高单个脉冲能量，降低激光发射脉冲频率至50kHz，为保证扫描线边缘数据精度，限定扫描角度为40度进行测量数据采集。
通过飞行器和GNSS基站上架设的地面激光扫描设备获取到两组目标区域不同方位的原始三维数据，这两组原始三维数据的精度、密度不同。
将两组原始数据分别进行预处理。
对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使测区内航带间、子测区间点云数据匹配满足要求，然后进行航带间点云冗余数据去除，最后将去除冗余后的数据进行滤波去噪处理，得到精准的点云数据并存储。
将固定式地面激光扫描设备采集到的原始数据进行匹配优化处理；使多个连续测站采集的点云数据匹配满足要求，最后将匹配后的数据进行滤波去噪处理，得到精准的点云数据并存储。
具体实施例中：对获取的原始数据进行数据平差处理。
具体实施例中：对获取的原始数据进行数据接边处理优化。
具体实施例中：对获取的原始数据进行数据匹配处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
按照规划路线，将600平方公里范围内的数据进行区域划分，数据采集设备以飞行器为载体采集的数据按1公里*1公里格网进行分幅管理，固定式地面激光扫描设备采集的数据以点间距2厘米采样的基础上按3米*3米格网进行分幅管理，然后进行数据纠正，纠正后按500米*500米格网进行管理。具体实施例中：首先，按照划分的区域，将该区域内的数据根据轨迹线的解算精度或控制点判定通过飞行器和固定式地面激光扫描设备获取的两组点云数据的精度，并以精度较高的点云数据作为参考，对另一组数据精度较低的点云数据进行纠正分析，提取纠正点，并根据纠正点生成纠正模型；然后，根据纠正模型对另一组点云数据中精度较差的数据进行纠正分析；最后，通过构建数字表面模型检查数据融合精度。
当出现就该600平方公里范围内通过飞行器在不同时期进行数据采集的情况时。首先，根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后，提取变化区域内的现势性高的点云数据，并利用其对同区域原有数据进行替换，最后通过构建数字表面模型检查数据融合精度，得到测区范围内最具现势性的数据。
将融合后的数据进行数据组织管理。
关键点提取：对融合后的点云数据进行关键点提取，减少数据的存储量；
数据划分：将提取的点云数据按照适用性进行数据划分；
数据管理：对划分后的点云数据进行编码、位置信息确定。
具体实施例中：点云数据的划分形式为分块划分，按照测量规范标准分幅处理，按照测量规范标准分幅处理。
具体实施例中：点云数据的划分形式为分街区划分，按照建筑街区分幅处理。
具体实施例中：点云数据的划分形式为分建筑体划分，精细建模时按照建筑物分栋划分处理。
实施例4：
图1为本实施例提供的多平台点云数据融合方法的流程示意图，如图所示，该方法如下步骤：
S1数据采集：通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据，得到不同精度、不同密度、不同方位的原始数据；
S2数据预处理：将采集到的原始数据分别进行预处理，得到预处理后的点云数据；
S3数据融合：将预处理后的点云数据进行精度对比，并以精度较高的点云数据为依据，对精度较低的数据进行纠正分析，获取点云数据转换模型，并进行纠正融合。
如图3所示，一种多平台点云数据融合方法，其中所述数据采集具体步骤为：
S1.1)采集前的准备：
A)测线规划，针对不同平台的特点进行相应的数据采集路线规划、航线设计；
B)设备检校：在进行数据采集前需要对移动平台上搭载的数据采集设备进行检校；
C)设备检校：在进行数据采集前需要对移动平台上搭载的数据采集设备进行检校；
S1.2)数据采集的过程为：
按照规划测线利用选取的移动平台搭载数据采集设备进行数据采集；其中所述移动平台可为：飞行器、车辆。
在具体实施例中：分别采用飞行器和车辆作为移动平台。在飞行器上安装有一台数据采集设备，其采集设备的采集角度为150度。在车辆上安装有两台数据采集设备，其数据采集设备的采集角度均为360度，两台数据采集设备的采集角度的交叉点范围为50度。
如图4所示，一种多平台点云数据融合方法，所述数据预处理具体步骤为：
S2.1)单数据源匹配优化：将原始数据按照各自的采集方式进行管理和匹配优化处理；具体实施例中：将飞行器上安装的数据采集设备获取的原始数据进行航带间、架次间的数据匹配优化处理；将车辆上安装的数据采集设备获取的原始数据进行匹配优化处理；
S2.2)滤波去噪处理：分别将两组优化后的数据进行滤波去噪处理，得到两组点云数据。
具体实施例中：对获取的原始数据进行数据平差处理。
具体实施例中：对获取的原始数据进行数据接边处理优化。
具体实施例中：对获取的原始数据进行数据匹配处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
一种多平台点云数据融合方法，其中所述数据融合具体步骤为：
S3.1)数据分析：对不同来源的点云数据进行分析，建立数据模型；
S3.2)融合：根据数据分析后得到的模型对点云数据进行融合；
所述数据分析包括精度分析、对比分析；所述模型包括纠正模型、更新模型；其中，
所述精度分析：对不同来源的点云数据进行精度分析，并建立精度纠正模型；
所述纠正：根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合；
所述对比分析：对不同来源的点云数据按获取时间的不同进行变化分析；
所述更新：根据对比分析后得到的更新模型对变化区域内的数据进行更新。
如图5所示，对不同采集方式获取点云数据间融合的具体处理步骤为：
1)根据轨迹线的解算精度或地面控制点判定不同来源的点云数据的精度；
2)将精度较高的点云数据作为参考，提取纠正点，根据纠正点建立纠正模型；
3)将多幅纠正模型中的共同纠正点进行拼接，获取整体纠正模型；
4)根据纠正模型对精度较差的点云数据进行纠正分析；
5)通过构建数字表面模型检查数据融合精度。
如图6所示，对不同时间获取点云数据间融合的具体处理步骤为：
1)根据点云数据的采集日期通过构建数字表面模型确定相同区域点云数据的变化情况；
2)根据检测后点云数据变化范围提取纠正点，生成更新模型；
3)根据更正模型对精度较差的点云数据进行更新；
4)通过构建数字表面模型检查数据融合精度。
下面以一个更具体的细节方面的例子对上述内容加以说明。如图1所示，本实施例为：
对一段约为200平方公里范围内地区进行点云数据采集，在该地区设有地物和地貌。对所采取的路线进行路线规划，为保证获取最优的数据成果，采用飞行器从空中对需要采集的区域进行数据采集，采用车辆沿测区内道路对需要采集的区域进行数据采集。
在移动平台开始采集前，先对移动平台上架设的采集设备进行设备检校。
在具体实施例中：分别采用飞行器从空中对需要采集的区域进行数据采集，采用车辆从路面对需要采集的区域进行数据采集。
在具体实施例中：分别采用飞行器和车辆作为移动平台。在飞行器上安装有一台数据采集设备，其采集设备的采集角度为150度。在车辆上安装有两台数据采集设备，其数据采集设备的采集角度均为360度，两台数据采集设备的采集角度的交叉点范围为50度。
然后进行外业扫描测量：
为保证获取最优的数据成果，在以车辆为移动平台进行数据采集时分别对双向车道进行了单向的两次测量；考虑到保证数据覆盖完整性要求，特选取行车道和应急车道分别作为路线进行测量数据采集
由于考虑到天气及地物遮挡因素，为保证获取最优的数据成果，在以飞行器为移动平台进行数据采集时降低激光发射脉冲频率至70kHz，增加单个激光脉冲能量，进行测量数据采集。
通过车辆和飞行器获取到两组目标区域不同方位的原始三维数据，这两组原始三维数据的精度、密度不同。
将两组原始数据分别进行预处理。
对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使测区内航带间、子测区间点云数据匹配满足要求，然后进行航带间点云冗余数据去除，最后将去除冗余后的数据进行滤波去噪处理，得到精准的点云数据并存储。
对车辆上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使两台采集设备获取的点云匹配满足要求，然后综合利用两次测量采集到的点云数据进行冗余去除，得到本次采集范围内的有效数据；最后将上述数据进行滤波去噪处理，得到精准的点云数据并存储。
具体实施例中：对获取的原始数据进行数据平差处理。
具体实施例中：对获取的原始数据进行数据接边处理优化。
具体实施例中：对获取的原始数据进行数据匹配处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中：对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
按照规划路线，将200平方公里范围内的数据进行区域划分，数据采集设备以车辆为载体采集的数据沿行进路线按150米*150米格网进行分幅管理，数据采集设备以飞行器为载体采集的数据按1公里*1公里格网进行分幅管理，然后进行数据纠正，纠正后按500米*500米格网进行管理。具体实施例中：首先，按照划分的区域，将该区域内的数据根据轨迹线的解算精度判定通过飞行器、车辆上搭载的激光扫描设备获取的两组点云数据的精度，并以精度较高的点云数据作为参考，对另一组数据精度较低的点云数据进行纠正分析，提取纠正点，并根据纠正点生成纠正模型；然后，根据纠正模型对另一组点云数据中精度较差的数据进行纠正分析；最后，通过构建数字表面模型检查数据融合精度。
当出现就该200平方公里范围内通过车辆或飞行器在不同时期进行数据采集的情况时。首先，根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后，提取变化区域内的现势性高的点云数据，并利用其对同区域原有数据进行替换，最后通过构建数字表面模型检查数据融合精度，得到测区范围内最具现势性的数据。
由此可见：
本发明实施例中的多平台点云数据融合方法可以满足：
1、多平台激光点云数据融合弥补了各平台采集点云的方位缺陷，融合获取360度全方位的激光点云数据，为数据生产提供全方位的基础资料；
2、本发明实现了多平台、多时段采集点云数据的融合管理，实现了多时空、多平台数据一体化；
3、该技术为三维体框模型制作带来了全新的数据支持，促进了逼真、精细的建模。
虽然通过实施例描绘了本发明实施例，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。
Claims (9)
1.一种多平台点云数据融合方法，其特征在于，包括如下步骤：
数据采集：通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据，得到不同精度、不同密度、不同方位的原始数据；
数据预处理：将采集到的原始数据分别进行预处理，得到预处理后的点云数据；
数据融合：将预处理后的点云数据进行精度对比，并以精度较高的点云数据为依据，对精度较低的数据进行纠正分析，获取点云数据转换模型，并进行纠正融合,其具体包括以下步骤：
1)数据分析：对不同来源的点云数据进行分析，建立数据模型；
2)融合：根据数据分析后得到的模型对点云数据进行融合；
所述数据分析包括精度分析、对比分析；所述模型包括纠正模型、更新模型；
其中,
所述精度分析：对不同来源的点云数据进行精度分析，并建立精度纠正模型；
所述纠正：根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合；
所述对比分析：对不同来源的点云数据按获取时间的不同进行变化分析；
所述更新：根据对比分析后得到的更新模型对变化区域内的数据进行更新。
2.根据权利要求1所述的一种多平台点云数据融合方法，其特征在于，所述多平台点云数据融合步骤还包括：
数据组织管理：对融合后的点云数据进行关键点提取，并对关键点进行工程化组织管理。
3.根据权利要求1所述的一种多平台点云数据融合方法，其特征在于，所述数据采集具体步骤为：
1)采集前的准备：
A)测线规划，针对不同平台的特点进行相应的数据采集路线规划或航线设计；
B)地面GNSS基站的选取和架设：根据所需精度与测量区域观测环境GNSS基站覆盖半径为5-30公里；
C)设备检校：在进行数据采集前需要对数据采集设备进行检校；
2)数据采集的过程为：
A)在地面GNSS基站处设有对卫星信号进行接收存储的GNSS接收机；其中：地面GNSS基站上设置的接收机需在移动平台进行数据采集前10-50分钟内进行工作，在移动平台完成数据采集后10-50分钟内停止工作；
B)基于不同平台的数据采集设备按照规划路线分别进行数据采集；
其中所述移动平台为：飞行器、车辆、船舶。
4.根据权利要求1或3所述的一种多平台点云数据融合方法，其特征在于：在同一部数据采集移动平台上安装1-6台采集设备，其采集设备的采集角度为90-360度之间；当设有2-6台采集设备时，每相邻两台采集设备的采集角度的交叉点范围在15-120度之间；根据数据的密度要求进行采集；其中所述采集移动平台为：飞行器、车辆、船舶。
5.根据权利要求1所述的一种多平台点云数据融合方法，其特征在于，所述数据预处理具体步骤为：
1)单数据源匹配优化：将原始数据按照各自的采集方式进行管理和匹配优化处理；
2)滤波去噪处理：将优化后的数据进行滤波去噪处理；
其中：所述数据匹配优化为：数据平差、数据接边处优化处理。
6.根据权利要求1所述的一种多平台点云数据融合方法，其特征在于，所述在数据融合过程中对不同来源的点云数据进行精度分析的具体处理步骤为：
1)根据轨迹线的解算精度或地面控制点判定不同来源的点云数据的精度；
2)以精度较高的点云数据为参考，从中提取纠正点，根据纠正点建立纠正模型；
3)将多幅纠正模型中的共同纠正点进行拼接，获取整体纠正模型。
7.根据权利要求1所述的一种多平台点云数据融合方法，其特征在于，所述对不同来源的点云数据按获取时间的不同进行变化分析的具体处理步骤为：
1)对于不同时间采集的点云数据，通过构建数字表面模型确定相同区域内地物、地貌变化情况；
2)根据检测后点云数据变化范围提取纠正点，建立更新模型。
8.根据权利要求1所述的一种多平台点云数据融合方法，其特征在于，所述在数据融合过程中数据纠正的具体处理步骤为：
1)根据纠正模型对精度较差的点云数据进行纠正分析；
2)通过构建数字表面模型检查数据融合精度。
9.根据权利要求2所述的一种多平台点云数据融合方法，其特征在于，所述数据组织管理具体步骤为：
1)关键点提取：对融合后的点云数据进行关键点提取，减少数据的存储量；
2)数据划分：将提取的点云数据按照适用性进行数据划分；
3)数据管理：对划分后的点云数据进行编码、位置信息确定；
其中：所述点云数据的划分形式为分块划分、分对象单体划分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410047608.XA CN103745018B (zh) | 2014-02-11 | 2014-02-11 | 一种多平台点云数据融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410047608.XA CN103745018B (zh) | 2014-02-11 | 2014-02-11 | 一种多平台点云数据融合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103745018A CN103745018A (zh) | 2014-04-23 |
| CN103745018B true CN103745018B (zh) | 2017-02-08 |
Family
ID=50502035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410047608.XA Active CN103745018B (zh) | 2014-02-11 | 2014-02-11 | 一种多平台点云数据融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103745018B (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104050640B (zh) * | 2014-06-16 | 2017-01-04 | 西安电子科技大学 | 一种多视角密集点云数据融合方法 |
| CN104077476B (zh) * | 2014-06-25 | 2017-04-26 | 山东理工大学 | 扫描仪坐标系与工程测量坐标系的变换方法 |
| CN105701862A (zh) * | 2014-11-28 | 2016-06-22 | 星际空间（天津）科技发展有限公司 | 一种基于点云的地物关键点提取方法 |
| CN106470395A (zh) * | 2015-08-14 | 2017-03-01 | 江贻芳 | 一种基于地理围墙内的位置解算及其应用方法 |
| CN106713245A (zh) * | 2015-11-17 | 2017-05-24 | 星际空间（天津）科技发展有限公司 | 一种地理数据的安全传输方法 |
| CN106887020A (zh) * | 2015-12-12 | 2017-06-23 | 星际空间（天津）科技发展有限公司 | 一种基于LiDAR点云的道路纵横断面获取方法 |
| CN105636103A (zh) * | 2016-02-15 | 2016-06-01 | 上海应用技术学院 | 一种新型的无线通信场强模拟测试方法 |
| CN105783873B (zh) * | 2016-02-24 | 2018-09-07 | 腾讯科技（深圳）有限公司 | 目标物的测量方法、高精度地图生成方法及相关装置 |
| CN107169501B (zh) * | 2017-03-20 | 2020-07-03 | 魔玛智能科技（上海）有限公司 | 压力和高度数据整合方法及*** |
| CN108573272B (zh) * | 2017-12-15 | 2021-10-29 | 蔚来(安徽)控股有限公司 | 车道拟合方法 |
| CN108279670B (zh) | 2017-12-29 | 2021-12-10 | 百度在线网络技术（北京）有限公司 | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 |
| CN108919298A (zh) * | 2018-06-22 | 2018-11-30 | 上海华测导航技术股份有限公司 | 一种基于多平台激光雷达地籍测量*** |
| CN109145471B (zh) * | 2018-08-31 | 2023-08-01 | 东华大学 | 基于cad与实测数据共融模型的虚拟装配***及方法 |
| CN110174115B (zh) * | 2019-06-05 | 2021-03-16 | 武汉中海庭数据技术有限公司 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
| CN110866973B (zh) * | 2019-08-23 | 2023-04-18 | 上海交通大学 | 空天库岸一体化应急勘测数据融合及集成显示***及方法 |
| CN111476885B (zh) * | 2020-04-03 | 2023-10-03 | 广东省文物考古研究所 | 考古多源数据融合方法、装置、设备和存储介质 |
| CN111598823B (zh) * | 2020-05-19 | 2023-07-25 | 北京数字绿土科技股份有限公司 | 多源移动测量点云数据空地一体化融合方法、存储介质 |
| CN113506227B (zh) * | 2021-07-08 | 2024-07-19 | 江苏省地质测绘院 | 避免车载点云数据纠正点无效采集的方法及*** |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102074047A (zh) * | 2011-01-06 | 2011-05-25 | 天津市星际空间地理信息工程有限公司 | 一种高精细城市三维建模方法 |
-
2014
- 2014-02-11 CN CN201410047608.XA patent/CN103745018B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102074047A (zh) * | 2011-01-06 | 2011-05-25 | 天津市星际空间地理信息工程有限公司 | 一种高精细城市三维建模方法 |
Non-Patent Citations (2)
| Title |
|---|
| Integration of Terrestrial and Airborne LiDAR Data for System Calibration;Ki IN Bang 等;《Proceedings of International Archives of the Photogrammetry Remote Sensing and Spatial Information Sciences》;20081231;第XXXVII卷;第391-398页 * |
| 基于八叉树编码的点云数据精简方法;邵正伟 等;《工程图学学报》;20100831(第4期);第73-76页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103745018A (zh) | 2014-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103745018B (zh) | 一种多平台点云数据融合方法 | |
| CN103743383B (zh) | 一种基于点云的道路信息自动提取方法 | |
| CN108181635B (zh) | 一种用于输电线路交叉跨越分析的激光点云分类方法 | |
| CN113424232B (zh) | 三维点云地图构建方法、***和设备 | |
| CN104931022B (zh) | 基于星载激光测高数据的卫星影像立体区域网平差方法 | |
| CN102074047B (zh) | 一种高精细城市三维建模方法 | |
| CN110132238B (zh) | 用于地形影像数字高程模型的无人机测绘方法 | |
| CN107784084B (zh) | 基于车辆定位数据的路网生成方法及*** | |
| CN114353876A (zh) | 一种黄土公路边坡健康监测方法 | |
| CN104376595B (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
| CN102661736B (zh) | 一种高速公路改扩建勘测方法 | |
| CN105844629A (zh) | 一种大场景城市建筑物立面点云自动分割方法 | |
| CN109556569B (zh) | 地形图测绘方法及装置 | |
| US20140095062A1 (en) | Road Maps from Clusters of Line Segments of Multiple Sources | |
| JP5339953B2 (ja) | 三次元地図補正装置及び三次元地図補正プログラム | |
| CN101335431A (zh) | 基于机载激光雷达数据的架空送电线路优化选线方法 | |
| CN102147260A (zh) | 电子地图匹配方法和装置 | |
| KR101456556B1 (ko) | 실측자료를 이용한 도로 자동 도면화 방법 | |
| CN106604291B (zh) | 一种rtk移动参考站选址方法及装置 | |
| KR20160121452A (ko) | 철도 시설물 정보 생성 시스템 및 방법 | |
| KR101674073B1 (ko) | 철도 시설물 공간 정보 구축 시스템 및 방법 | |
| CN112462401A (zh) | 基于浮动车轨迹数据的城市峡谷快速探测方法及装置 | |
| CN117607893A (zh) | 基于无人机非接触测量的铁路既有线复测方法 | |
| CN110148218B (zh) | 一种大批量机载LiDAR点云数据整体优化的方法 | |
| Zhao et al. | An efficient pavement distress detection scheme through drone–ground vehicle coordination |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 300384 Tianjin Huayuan Industrial Park Xiqing District Haitai green industry base M4 Applicant after: Interstellar space (Tianjin) Technology Development Co., Ltd. Address before: 300384 Tianjin Huayuan Industrial Park Xiqing District Haitai green industry base M4 Applicant before: Tianjin StarGIS Information Engineering Co., Ltd. |
|
| COR | Change of bibliographic data | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |