CN106846308A - 基于点云的地形图精度的检测方法和装置 - Google Patents
基于点云的地形图精度的检测方法和装置 Download PDFInfo
- Publication number
- CN106846308A CN106846308A CN201710042372.4A CN201710042372A CN106846308A CN 106846308 A CN106846308 A CN 106846308A CN 201710042372 A CN201710042372 A CN 201710042372A CN 106846308 A CN106846308 A CN 106846308A
- Authority
- CN
- China
- Prior art keywords
- point
- cloud
- precision
- detected
- topographic map
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于点云的地形图精度的检测方法和装置。所述基于点云的地形图精度的检测方法包括：获得与待检测地形图所描述的对象相对应的建立于站心坐标系中的点云；将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标；根据所述点云中的各个点的大地坐标，计算获得第一精度参考值；将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度；判断所述待检测地形图的精度是否大于预设的阈值，若是，则确认所述待检测地形图通过精度测试，若否，则确认所述待检测地形图未通过精度测试。采用本发明，能够提高对地形图的精度进行检测的效率，且能够提高检测结果的准确度。
Description
技术领域
本发明涉及测绘、计算机技术等领域，尤其涉及一种基于点云的地形图精度的检测方法和装置。
背景技术
大比例尺地形图测绘是城市基础测绘之根本，是各项基建工程设计的数据支撑，是城市建设管理的数据基础。按照国家标准《测绘成果质量检查与验收》(GB/T23456)的规定，大比例尺地形图应进行质量检查，其中精度检测是地形图质量检查的主要内容。精度检测主要包括平面精度(平面绝对位置精度、平面相对位置精度)检测、高程精度检测、地理精度检测。
传统的对地形图的平面绝对位置精度和高程精度进行检测的方法，不仅需要采用GPS(Global Positioning System，全球定位***)布设控制点，还需要全站仪布设导线；对平面相对位置精度进行检测时，需现场采用人工拉皮尺的方式或使用测距仪进行检测；对地理精度进行检测时，需采用现场巡视对比检查的方式。由此可见，传统的对地形图的精度进行检测的过程繁琐复杂，且人工介入因素过多，容易造成检测误差，导致最终的检测结果不准确甚至是错误。
地面三维激光扫描仪是测绘领域的高新技术，获取的数据由点云和影像组成，不仅能记录地物地貌的坐标数据和尺寸信息，更能自动记录相关的拓扑信息、纹理信息等。与传统测量手段相比，地面三维激光扫描仪的测量能力、自动化程度、测量速度、数据处理效率以及整体经济效益等均有显著的改进和提升，且能够使得人工作业的劳动强度大大降低。地面三维激光扫描仪已经在文物保护、城市建筑测量、地形测绘、采矿业、变形监测、数字工厂、大型结构、管道设计、飞机船舶制造、公路铁路建设、隧道工程、桥梁改建等领域得到广泛的应用，具有广阔的应用前景和价值。而地面三维激光扫描仪所生成的点云具有很强的物体描述能力，能够直观立体地展示所描述的对象，且具有很好的运算适应性，能够参与多种运算及数据处理过程。
因此，如何将与地面三维激光扫描仪相关的点云技术应用于地形图精度的检测过程，从而提高检测过程的效率和检测结果的准确度，是本发明所要解决的核心技术问题。
发明内容
在现有技术“地面激光扫描仪测量地形的方法”(申请号201410326884.X)中，采用了地面三维激光扫描仪实现对地形的测量和对大比例尺地形图的绘制，使得外业测量效率与传统方法相比提高了3至4倍，且测量结果的准确率有所提升。受该“地面激光扫描仪测量地形的方法”的启发，本发明提出一种基于点云的地形图精度的检测方法和装置，通过对该“地面激光扫描仪测量地形的方法”中所提供的地形测量方法作出改进，并将改进后的地形测量方法应用于对地形图的精度进行检测的过程中，从而能够提高对地形图的精度进行检测的效率，且能够提高检测结果的准确度。
本发明提供的一种基于点云的地形图精度的检测方法，具体包括：
获得与待检测地形图所描述的对象相对应的点云；其中，所述点云建立于站心坐标系中；
将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标；
根据所述点云中的各个点的大地坐标，计算获得第一精度参考值；
将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度；
判断所述待检测地形图的精度是否大于预设的阈值，若是，则确认所述待检测地形图通过精度测试，若否，则确认所述待检测地形图未通过精度测试。
进一步地，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值，具体包括：
根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
分别根据每个所述待检测点云切片中的各个点的大地坐标，对每个所述待检测点云切片进行直线拟合，并将直线拟合所获得的拟合直线的交点设置为对应的待检测点云切片的拟合特征点；
将每个所述拟合特征点的大地坐标设置为所述第一精度参考值；
则所述将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度，具体包括：
将每个所述待检测特征点的大地坐标设置为所述第二精度参考值；
计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；
计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
进一步地，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值，具体包括：
根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
分别根据每个所述待检测点云切片中的各个点的大地坐标，计算获得每个所述点云切片的切片重心点及每个所述切片重心点的高程值；
将每个所述切片重心点的高程值设置为所述第一精度参考值；
则所述将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度，具体包括：
计算获得每个所述待检测特征点的高程值，并将每个所述待检测特征点的高程值设置为所述第二精度参考值；
计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；
计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
进一步地，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值，具体包括：
根据地形图中的待检测线段，获得所述点云中的第一点云点和第二点云点；其中，所述第一点云点与所述待检测线段的第一端点相对应；所述第二点云点与所述待检测线段的第二端点相对应；
计算所述第一点云点和所述第二点云点之间的距离，获得所述第一精度参考值；
则所述将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度，具体包括：
计算所述第一端点与所述第二端点之间的距离，获得所述第二精度参考值；
计算获得所述第一精度参考值和所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；
根据所述差异度获得所述待检测地形图的精度。
进一步地，所述获得与待检测地形图所描述的对象相对应的点云，具体包括：
接收第一扫描设备扫描所述待检测地形图所描述的对象所生成的至少三个原始点云；
对所述至少三个原始点云进行拼接，获得所述点云；
所述对所述至少三个原始点云进行拼接，获得所述点云，具体包括：
根据所述至少三个原始点云中相邻的原始点云的相同特征点，对所述至少三个原始点云进行拼接，获得粗拼接点云；
将所述粗拼接点云划分为至少一个点云单元；
计算获得每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量；
根据每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量，对所述粗拼接点云中的点进行拼接调整，获得所述点云。
进一步地，在所述将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标之后，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值之前，还包括：
从所述点云中获取至少一个待检测点云点；
接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；
当判断所述点云精度小于预设的精度阈值时，重新对所述粗拼接点云进行划分，获得至少一个新的点云单元，并根据每个所述新的点云单元的单元重心点坐标及对应的单元拟合平面法向量对所述粗拼接点云中的点进行拼接调整，获得新的所述点云，直至所述点云的点云精度不小于所述精度阈值。
进一步地，在所述将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标之后，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值之前，还包括：
从所述点云中获取至少一个待检测点云点；
接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；
当判断所述点云精度小于预设的精度阈值时，重新将所述点云从所述站心坐标系中转换至所述大地坐标系中，获得新的所述点云中的各个点的大地坐标，直至所述点云精度不小于所述精度阈值。
相应地，本发明还提供了一种基于点云的地形图精度的检测装置，具体包括：
点云获得模块，用于获得与待检测地形图所描述的对象相对应的点云；其中，所述点云建立于站心坐标系中；
坐标系转换模块，用于将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标；
精度参考值获得模块，用于根据所述点云中的各个点的大地坐标，计算获得第一精度参考值；
地形图精度获得模块，用于将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度；以及，
精度判断模块，用于判断所述待检测地形图的精度是否大于预设的阈值，若是，则确认所述待检测地形图通过精度测试，若否，则确认所述待检测地形图未通过精度测试。
进一步地，所述精度参考值获得模块，具体包括：
第一待检测点云切片获得单元，用于根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
拟合特征点获得单元，用于分别根据每个所述待检测点云切片中的各个点的大地坐标，对每个所述待检测点云切片进行直线拟合，并将直线拟合所获得的拟合直线的交点设置为对应的待检测点云切片的拟合特征点；以及，
第一参考值获得单元，用于将每个所述拟合特征点的大地坐标设置为所述第一精度参考值；
则所述地形图精度获得模块，具体包括：
第二参考值获得单元，用于将每个所述待检测特征点的大地坐标设置为所述第二精度参考值；
第一差异度获得单元，用于计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；以及，
第一地形图精度获得单元，用于计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
进一步地，所述精度参考值获得模块，具体包括：
第二待检测点云切片获得单元，用于根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
切片重心点高程值获得单元，用于分别根据每个所述待检测点云切片中的各个点的大地坐标，计算获得每个所述点云切片的切片重心点及每个所述切片重心点的高程值；以及，
第三参考值获得单元，用于将每个所述切片重心点的高程值设置为所述第一精度参考值；
则所述地形图精度获得模块，具体包括：
第四参考值获得单元，用于计算获得每个所述待检测特征点的高程值，并将每个所述待检测特征点的高程值设置为所述第二精度参考值；
第二异度获得单元，用于计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；以及，
第二地形图精度获得单元，用于计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
进一步地，所述精度参考值获得模块，具体包括：
点云点获得单元，用于根据地形图中的待检测线段，获得所述点云中的第一点云点和第二点云点；其中，所述第一点云点与所述待检测线段的第一端点相对应；所述第二点云点与所述待检测线段的第二端点相对应；以及，
第五参考值获得单元，用于计算所述第一点云点和所述第二点云点之间的距离，获得所述第一精度参考值；
则所述地形图精度获得模块，具体包括：
第六参考值获得单元，用于计算所述第一端点与所述第二端点之间的距离，获得所述第二精度参考值；
第三异度获得单元，用于计算获得所述第一精度参考值和所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；以及，
第三地形图精度获得单元，用于根据所述差异度获得所述待检测地形图的精度。
进一步地，所述点云获得模块，具体包括：
原始点云接收单元，用于接收第一扫描设备扫描所述待检测地形图所描述的对象所生成的至少三个原始点云；以及，
点云拼接单元，用于对所述至少三个原始点云进行拼接，获得所述点云；
所述点云拼接单元，具体包括：
点云粗拼接子单元，用于根据所述至少三个原始点云中相邻的原始点云的相同特征点，对所述至少三个原始点云进行拼接，获得粗拼接点云；
点云划分子单元，用于将所述粗拼接点云划分为至少一个点云单元；
点云单元参数获得子单元，用于计算获得每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量；以及，
点云细拼接子单元，用于根据每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量，对所述粗拼接点云中的点进行拼接调整，获得所述点云。
进一步地，所述基于点云的地形图精度的检测装置，还包括：
第一待检测点云点获取模块，用于从所述点云中获取至少一个待检测点云点；
第一实测大地坐标获得模块，用于接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
第一点云精度获得模块，用于将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；以及，
第一循环模块，用于当判断所述点云精度小于预设的精度阈值时，重新对所述粗拼接点云进行划分，获得至少一个新的点云单元，并根据每个所述新的点云单元的单元重心点坐标及对应的单元拟合平面法向量对所述粗拼接点云中的点进行拼接调整，获得新的所述点云，直至所述点云的点云精度不小于所述精度阈值。
进一步地，所述基于点云的地形图精度的检测装置，还包括：
第二待检测点云点获取模块，用于从所述点云中获取至少一个待检测点云点；
第二实测大地坐标获得模块，用于接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
第二点云精度获得模块，用于将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；以及，
第二循环模块，用于当判断所述点云精度小于预设的精度阈值时，重新将所述点云从所述站心坐标系中转换至所述大地坐标系中，获得新的所述点云中的各个点的大地坐标，直至所述点云精度不小于所述精度阈值。
实施本发明，具有如下有益效果：
本发明提供的基于点云的地形图精度的检测方法及装置，通过将实测获得的与待检测地形图相对应的点云与该待检测地形图进行比较计算，获得该待检测地形图的精度，并判断该待检测地形图的精度是否满足精度要求，从而实现对地形图精度的检测。由于整个精度检测过程均由***自动完成，因此能够大大简化该过程中检测人员所需要进行的操作，提高检测效率，且由于该过程极少需要人工的介入，因此能够提高检测结果的准确度。
附图说明
图1是本发明提供的基于点云的地形图精度的检测方法的一个优选的实施例的流程示意图；
图2是本发明提供的基于点云的地形图精度的检测方法中的另一个优选的实施例中的一个待检测点云切片经过直线拟合后所获得的拟合直线及拟合特征点的示意图；
图3是本发明提供的基于点云的地形图精度的检测方法中的又一个优选的实施例中的一个点云的地面点与相应的地形图相叠加后的效果图；
图4是本发明提供的基于点云的地形图精度的检测方法中的又一个优选的实施例中的一个点云中的第一点云点与第二点云点之间的距离的示意图；
图5是本发明提供的基于点云的地形图精度的检测方法中的一个更优选的实施例的流程示意图；
图6是本发明提供的基于点云的地形图精度的检测装置的一个优选的实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明通过将扫描地形图所描述的对象而生成的点云与地形图进行对比，从而获得地形图的精度，实现对地形图精度的检测。由于减少了在精度检测过程中的人工介入，因此本发明能够提高对地形图的精度进行检测的效率，且能够提高检测结果的准确度。
可以理解的是，在一些实际的应用场景中，还可以抽取一副地形图中的一部分，并依照本发明所提供的基于点云的地形图精度的检测方法单独对该部分的精度进行检测。
需要说明的是，与地形图所描述的对象相对应的点云通过外业采集的方式获得。具体地，首先按照中华人民共和国国家标准《测绘成果质量检查与验收》(GB/T24356)从一个或者多个待检查的地形图样本中抽取获得待检测的一张或者一部分地形图，随后采用扫描设备扫描该待检测地形图所描述的对象，同时生成相应的点云。
在一些具体的实施例中，可采用三维激光扫描仪进行数据的采集。以采用RieGLVZ400三维激光扫描仪进行数据的采集为例，RieGL VZ400三维激光扫描仪自带有外置摄像头及连接装置，其中，该连接装置可使GPS天线与三维激光扫描仪(含外置摄像头)同轴连接，并保证连接后的GPS天线与三维激光扫描仪之间的对中偏差在mm级别。由于两仪器之间的中心高差较小(一般为20cm左右)，5度以内的倾斜所造成的两仪器中心水平投影偏差不足2cm，高度偏差不足1cm，因此，在进行扫描作业时不严格的整平(倾斜角度在5度以内)对扫描精度的影响不大。
一般而言，采用小型轿车作为扫描设备的载体，在汽车的顶部设置方便设备安装和拆卸的支架。在进行数据采集时，则将扫描设备安装在该支架上。在进行数据采集时，每到达一个扫描测站的位置，汽车制动静止，扫描设备进行360度扫描。所采集生成的点云的密度(即距离扫描设备100m处的点云点之间的距离)一般设为4～6cm，扫描测站之间的距离不宜大于50m。
参见图1，是本发明提供的基于点云的地形图精度的检测方法的一个优选的实施例的流程示意图，包括步骤S11至S15，具体如下：
S11：获得与待检测地形图所描述的对象相对应的点云；其中，所述点云建立于站心坐标系中；
S12：将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标；
S13：根据所述点云中的各个点的大地坐标，计算获得第一精度参考值；
S14：将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度；
S15：判断所述待检测地形图的精度是否大于预设的阈值，若是，则确认所述待检测地形图通过精度测试，若否，则确认所述待检测地形图未通过精度测试。
需要说明的是，在抽取获得待检测地形图之后，扫描设备根据上述的外业采集方式扫描该待检测地形图所描述的对象，并生成相应的点云。其中，该点云建立于站心坐标系中。随后，扫描设备将生成的点云发送给内业数据处理***。***在接收到扫描设备发送的点云之后，将该点云从站心坐标系中转换至大地坐标系中。随后，***根据需要进行的检测项目，对经过坐标系转换后的点云进行相应计算，获得第一精度参考值，并对待检测地形图进行相应的计算，获得第二精度参考值。最后，***将所获得的第一精度参考值和第二精度参考值进行对比，计算获得待检测地形图的精度，并判断该待检测地形图的精度是否满足精度要求。
通过将实测获得的与待检测地形图相对应的点云与该待检测地形图进行比较计算，获得该待检测地形图的精度，并判断该待检测地形图的精度是否满足精度要求，从而实现对地形图精度的检测。由于整个精度检测过程均由***自动完成，因此能够大大简化该过程中检测人员所需要进行的操作，提高检测效率，且由于该过程极少需要人工的介入，因此能够提高检测结果的准确度。
在另一个优选的实施例中，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值，具体包括：
根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
分别根据每个所述待检测点云切片中的各个点的大地坐标，对每个所述待检测点云切片进行直线拟合，并将直线拟合所获得的拟合直线的交点设置为对应的待检测点云切片的拟合特征点；
将每个所述拟合特征点的大地坐标设置为所述第一精度参考值；
则所述将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度，具体包括：
将每个所述待检测特征点的大地坐标设置为所述第二精度参考值；
计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；
计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
需要说明的是，当***需要通过评价地形图的平面绝对位置精度来评价地形图的精度时，***在将点云从站心坐标系中转换至大地坐标系中之后，将点云中与待检测地形图中的待检测特征点相对应的点的大地坐标与该待检测特征点的大地坐标进行对比，从而获得该待检测地形图的平面绝对位置精度。
具体地，***在将点云从站心坐标系中转换至大地坐标系中之后，检测地形图中的检测人员对待检测特征点的选择。***在检测到检测人员在地形图中选中某一点作为待检测特征点之后，进行如下一系列操作：
1)将经过坐标系转换后的点云按照平行于点云的XOY面进行水平剖切，获得点云切片，并根据检测人员选中的待检测特征点从该点云切片中提取该待检测特征点附近的点，从而获得待检测点云切片；其中，可以参照剖切后的点云切片的完整性选择决定水平剖切处距离XOY面的高度；点云切片的厚度一般为1～2cm；
2)采用鲁棒迭代最小二乘法平面拟合算法(可参考《同济大学学报(自然科学版)》2011年第39卷第9期中《改进的鲁棒迭代最小二乘平面拟合算法》一文)对所获得的待检测点云切片进行直线拟合，从而获得一条或者多条拟合直线；当拟合直线的条数为一条时，将该拟合直线中的与待检测特征点之间的距离最近的点设置为拟合特征点；当拟合直线的条数为两条时，将这两条拟合直线的交点设置为拟合特征点；当拟合直线的条数为三条或者三条以上时，即当拟合直线的交点为两个或者两个以上时，将这些交点中的与待检测特征点之间的距离最近的交点设置为拟合特征点；
3)将所获得的拟合特征点的大地坐标作为第一精度参考值，将地形图中的检测人员选中的待检测特征点的大地坐标作为第二精度参考值，并计算该第一精度参考值和该第二精度参考值之间的互差或者中误差，从而获得差异度；
4)根据所获得的差异度即可获得地形图的平面绝对位置精度。
需要进一步说明的是，当拟合直线的交点的个数为两个或者两个以上时，检测人员可以通过手动操作的方式将其中一个交点设置为拟合特征点。在一些具体的实施例中，检测人员也可以根据实际需要直接在点云中手动选择适宜的点作为拟合特征点。上述1)至4)仅以计算地形图中的一个待检测特征点的差异度进行叙述，可以理解的是，在一些具体的实施例中，***还可以通过计算地形图中的多个待检测特征点的差异度，并计算这些差异度的平均值来获得地形图的平面绝对位置精度。
如图2所示，为本优选的实施例中的一个待检测点云切片经过直线拟合后所获得的拟合直线及拟合特征点的示意图。
在又一个优选的实施例中，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值，具体包括：
根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
分别根据每个所述待检测点云切片中的各个点的大地坐标，计算获得每个所述点云切片的切片重心点及每个所述切片重心点的高程值；
将每个所述切片重心点的高程值设置为所述第一精度参考值；
则所述将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度，具体包括：
计算获得每个所述待检测特征点的高程值，并将每个所述待检测特征点的高程值设置为所述第二精度参考值；
计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；
计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
需要说明的是，当***需要通过评价地形图的高程精度来评价地形图的精度时，***在将点云从站心坐标系中转换至大地坐标系中之后，将点云中与待检测地形图中的待检测特征点相对应的点的高程值与该待检测特征点的高程值进行对比，从而获得该待检测地形图的高程精度。
具体地，***在将点云从站心坐标系中转换至大地坐标系中之后，检测地形图中的检测人员对待检测特征点的选择。***在检测到检测人员在地形图中选中某一点作为待检测特征点之后，进行如下一系列操作：
1)采用滤波算法将点云分割为地面点和非地面点，并根据检测人员选中的待检测特征点从所获得的地面点中提取该待检测特征点附近的点，从而获得待检测点云切片；其中，该待检测点云切片中的点的个数一般为10个左右；
2)计算该待检测点云切片的重心，获得该待检测点云切片的切片重心点；
3)将所获得的切片重心点的高程值作为第一精度参考值，将地形图中的检测人员选中的待检测特征点的高程值作为第二精度参考值，并计算该第一精度参考值和该第二精度参考值之间的互差或者中误差，从而获得差异度；
4)根据所获得的差异度即可获得地形图的平面绝对位置精度。
需要进一步说明的是，在一些具体的实施例中，检测人员也可以根据实际需要直接在点云中手动选择适宜的点作为切片重心点。上述1)至4)仅以计算地形图中的一个待检测特征点的差异度进行叙述，可以理解的是，在一些具体的实施例中，***还可以通过计算地形图中的多个待检测特征点的差异度，并计算这些差异度的平均值来获得地形图的高程精度。
如图3所示，为本优选的实施例中的一个点云的地面点与相应的地形图相叠加后的效果图。其中，图中显示有5个待检测特征点及其高程值。
在又一个优选的实施例中，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值，具体包括：
根据地形图中的待检测线段，获得所述点云中的第一点云点和第二点云点；其中，所述第一点云点与所述待检测线段的第一端点相对应；所述第二点云点与所述待检测线段的第二端点相对应；
计算所述第一点云点和所述第二点云点之间的距离，获得所述第一精度参考值；
则所述将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度，具体包括：
计算所述第一端点与所述第二端点之间的距离，获得所述第二精度参考值；
计算获得所述第一精度参考值和所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；
根据所述差异度获得所述待检测地形图的精度。
需要说明的是，当***需要通过评价地形图的平面相对位置精度来评价地形图的精度时，***在将点云从站心坐标系中转换至大地坐标系中之后，将点云中与待检测地形图中的待检测线段相对应的线段的长度与该待检测线段的长度进行对比，从而获得该待检测地形图的平面相对位置精度。
具体地，***在将点云从站心坐标系中转换至大地坐标系中之后，检测地形图中的检测人员对待检测线段的选择。***在检测到检测人员在地形图中选中两个端点，并将该两端点之间的线段作为待检测线段之后，进行如下一系列操作：
1)在点云中进行检索，选中分别与待检测线段的第一端点及第二端点相对应的第一点云点及第二点云点；
2)计算该第一点云点与该第二点云点之间的距离的长度，并将该长度作为第一精度参考值；
3)计算地形图中的检测人员选中的待检测线段的长度，并将该长度作为第二精度参考值，并计算该第一精度参考值和该第二精度参考值之间的互差或者中误差，从而获得差异度；
4)根据所获得的差异度即可获得地形图的平面绝对位置精度。
需要进一步说明的是，在一些具体的实施例中，检测人员也可以根据实际需要直接在点云中手动选择适宜的点作为第一点云点和第二点云点。上述1)至4)仅以计算地形图中的一个待检测线段的差异度进行叙述，可以理解的是，在一些具体的实施例中，***还可以通过计算地形图中的多个待检测线段的差异度，并计算这些差异度的平均值来获得地形图的平面相对位置精度。采用本实施例的方法，除了可以对点与点之间的距离长度进行检测之外，还可以对点与面、面与面之间的距离进行检测。
如图4所示，为本优选的实施例中的一个点云中的第一点云点与第二点云点之间的距离的示意图。其中，该第一点云点与该第二点云点之间的距离的长度为13.871m，即第一精度参考值为13.871m。
由于点云具有“所见即所得”的特点，相当于把实景按照1:1的比例搬入***中，因此，检测人员可以通过将点云与地形图进行对比，检查地形图的地理精度。其中，对比的内容包括但不限于：地理要素是否错漏、地理要素类别的判别、符号的使用是否错误、楼房层次是否错误以及表达是否准确等。
在又一个优选的实施例中，所述获得与待检测地形图所描述的对象相对应的点云，具体包括：
接收第一扫描设备扫描所述待检测地形图所描述的对象所生成的至少三个原始点云；
对所述至少三个原始点云进行拼接，获得所述点云；
所述对所述至少三个原始点云进行拼接，获得所述点云，具体包括：
根据所述至少三个原始点云中相邻的原始点云的相同特征点，对所述至少三个原始点云进行拼接，获得粗拼接点云；
将所述粗拼接点云划分为至少一个点云单元；
计算获得每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量；
根据每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量，对所述粗拼接点云中的点进行拼接调整，获得所述点云。
进一步地，在所述将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标之后，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值之前，还包括：
从所述点云中获取至少一个待检测点云点；
接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；
当判断所述点云精度小于预设的精度阈值时，重新对所述粗拼接点云进行划分，获得至少一个新的点云单元，并根据每个所述新的点云单元的单元重心点坐标及对应的单元拟合平面法向量对所述粗拼接点云中的点进行拼接调整，获得新的所述点云，直至所述点云的点云精度不小于所述精度阈值。
需要说明的是，在第一扫描设备根据前述的外业采集方式扫描待检测地形图所描述的对象，并生成相应的点云之后，需要对在各扫描测站扫描获得的点云进行拼接。拼接过程可以分为区域划分、点云粗拼接及点云细拼接三个部分，具体地：
1)区域划分：在第一扫描设备在各个扫描测站扫描待检测地形图所描述的对象，并生成相应的原始点云之后，***对这些原始点云进行分组，将相邻的原始点云分入同一组，并保证每个点云组包含有至少三个原始点云；更优选地，每个点云组中的原始点云的个数为5至30个；
2)点云粗拼接：***在完成区域划分之后，分别对各个点云组进行粗拼接。首先，检测各原始点云中的检测人员对拼接特征点(该拼接特征点需为同一点云组中的相邻原始点云的相同特征点)的选择，或者自动检索选择同一点云组中的相邻原始点云的相同特征点；随后，***根据所获得的相同特征点对同一点云组中的相邻原始点云进行粗拼接，从而将各个点云组转换为粗拼接点云；
在一些更优选的实施例中，所选中的每两个相邻原始点云之间的相同特征点的个数不少于4个；
更具体地，粗拼接过程为：利用同一点云组中的相邻原始点云的相同特征点(如，两相邻原始点云之间的公共地物点、地物角点、尖锐特征点等，一般为居民地、厂区中的房屋角点、路灯顶点，以及农田、水域中的高压线塔、电线杆、棚子角点等)计算粗拼接时的坐标转换矩阵，并根据该坐标转换矩阵对各原始点云中的点进行坐标转换。计算的方法采用七参数坐标转换法。由于原始点云在粗拼接时不存在扭曲或者缩放，因此在此过程中的坐标转换为刚体变换，因此七参数中的缩放因子为1。其他六参数包括三个角度转换量(α、β、γ分别表示点云点在粗拼接过程中需沿X、Y、Z轴旋转的旋转角)和三个坐标平移量(tx、ty、tz分别表示点云点在粗拼接过程中需在X、Y、Z轴方向上移动的平移量)。假设q为点云点粗拼接前所在的坐标点，p为点云点粗拼接后所在的坐标点，则转换公式如下：
p＝Rq+T(公式1)
其中，
表示旋转矩阵；
表示平移矩阵。
假设两个相邻原始点云的相同特征点点集分别为P＝{pi}和Q＝{qi}，其中i＝1,2,…,N，则采用最小二乘法并以下述公式2为目标函数计算获得R和T的最优解：
***根据计算获得的R和T对原始点云中的点进行旋转和移动，从而完成原始点云间的粗拼接，将各个点云组转换为粗拼接点云；
3)点云细拼接：对所获得的粗拼接点云中的点进行位置调整，从而获得最终完成拼接的点云。具体包括步骤：
a、***将粗拼接点云划分为一个或者多个立方块空间，即获得一个或者多个点云单元；
b、***遍历每个点云单元，采用最小二乘法分别将每个点云单元中的点拟合成平面，获得对应的单元拟合平面；
c、若单元拟合平面的标准偏差小于预设的阈值，则记录该单元拟合平面的法向量，并对该点云单元中的各点进行重心化计算，获得该点云单元的单元重心点和该单元重心点的坐标；
d、若单元拟合平面的标准偏差不小于预设的阈值，且每个点云单元中的点的个数大于预设的阈值或者点云单元的边长大于预设的阈值，则将该点云单元进一步划分为若干(一般为8个)子点云单元，并返回步骤b；
e、对所有的点云单元(及子点云单元)处理完毕之后，即可获得包含每个点云单元(子点云单元)的单元重心点坐标及对应的单元拟合平面法向量的新点集；
假设同一粗拼接点云中的两个相邻原始点云的新点集分别为 其中i＝1,2,…,N，则随后，***采用ICP算法并以下述公式3为目标函数计算获得R’和T’的最优解：
其中，R’为旋转矩阵，T’为平移矩阵，为点qi到点pi所对应的单元拟合平面法向量所对应的单元拟合平面的距离；
最后，***根据计算获得的R’和T’对粗拼接点云中的点进行旋转和移动调整，从而完成对粗拼接点云中的各点的细拼接，获得最终完成拼接的点云。
在一些更优选的实施例中，点云单元的单元拟合平面的标准偏差阈值设置为2cm，每个点云单元中的点云点的个数阈值设置为100个，且每个点云单元的边长阈值设置为20cm。
在对每个点云组中的原始点云完成拼接，从而将各个点云组分别转换为完整的点云之后，将这些完整的点云从站心坐标系中转换至大地坐标系中。具体地，以其中的一个完整的点云为例，***选中(或者由检测人员手动选择)该点云中的若干(一般为5个)点云点作为坐标系转换的基准点，并在将这些基准点从站心坐标系中转换至大地坐标系中之后，根据这些基准点的大地坐标自动将点云中的其他点转换至大地坐标系中。
在完成坐标系转换之后，***还可以对坐标系转换的正确度进行检测。具体地，***随机选择(或者由检测人员手动选择)经过坐标系转换后的点云中的一个或者多个点作为待检测点云点，随后将该待检测点云点的大地坐标与第二扫描设备在该待检测点云点上实际测量到的实测大地坐标进行对比，并计算二者之间的互差，获得点云的点云精度。随后，***将所获得的点云精度与预设的精度阈值进行对比，若该点云精度小于预设的精度阈值，则按照上述的方法，重新对该点云进行区域划分、点云粗拼接、点云细拼接、坐标系转换及坐标系转换正确度检测，直至经过坐标系转换后的点云的精度不小于预设的精度阈值。
需要进一步说明的是，在一些更优选的实施例中，第一扫描设备可以为三维激光扫描仪，第二扫描设备可以为GPS-RTK(Real-Time Kinematic，实时动态差分法)测量仪器。坐标系转换正确度检测可以分为内符合精度检测和外符合精度检测。当为内符合精度检测时，所选中的待检测点云点为进行坐标系转换时的基准点；当为外符合精度检测时，所选中的待检测点云点为点云中的除前述基准点以外的其他点云点。例如，在某一点云的坐标系转换过程中以tp006、tp065、tp061、tp058及tp056五个点云点为基准点，则进行内符合精度检测的检测结果如下表1所示：
表1内符合精度计算表
另，在经过坐标系转换后的点云中选择17个点云点进行外符合精度检测之后的检测结果如下表2所示：
表2外符合精度计算表
通过对所获得的点云进行拼接处理，且在拼接过程中先进行粗拼接后再进行细拼接以减少拼接累积误差，因此能够减少后续的精度检测过程中的数据运算量，且能够保证所获得的点云与所扫描的对象具有较高的符合度，从而进一步提高地形图精度检测过程的效率和检测结果的准确度。另外，通过对经过坐标系转换的点云的点云精度进行检测，保证了经过坐标系转换后的点云的正确性，从而保证了检测结果的正确性。
在又一个优选的实施例中，在所述将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标之后，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值之前，还包括：
从所述点云中获取至少一个待检测点云点；
接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；
当判断所述点云精度小于预设的精度阈值时，重新将所述点云从所述站心坐标系中转换至所述大地坐标系中，获得新的所述点云中的各个点的大地坐标，直至所述点云精度不小于所述精度阈值。
需要说明的是，在获得与待检测地形图所描述的对象相对应的点云之后，需要将该点云从站心坐标系中转换至大地坐标系中。具体地，***选中(或者由检测人员手动选择)该点云中的若干(一般为5个)点云点作为坐标系转换的基准点，并在将这些基准点从站心坐标系中转换至大地坐标系中之后，根据这些基准点的大地坐标自动将点云中的其他点转换至大地坐标系中。
在完成坐标系转换之后，***还可以对坐标系转换的正确度进行检测。具体地，***随机选择(或者由检测人员手动选择)经过坐标系转换后的点云中的一个或者多个点作为待检测点云点，随后将该待检测点云点的大地坐标与第二扫描设备在该待检测点云点上实际测量到的实测大地坐标进行对比，并计算二者之间的互差，获得点云的点云精度。随后，***将所获得的点云精度与预设的精度阈值进行对比，若该点云精度小于预设的精度阈值，则按照上述的方法，重新在点云中选择坐标系转换的基准点，并重新进行坐标系转换及坐标系转换正确度检测，直至经过坐标系转换后的点云的精度不小于预设的精度阈值。
需要进一步说明的是，在一些更优选的实施例中，第一扫描设备可以为三维激光扫描仪，第二扫描设备可以为GPS-RTK测量仪器。坐标系转换正确度检测可以分为内符合精度检测和外符合精度检测。当为内符合精度检测时，所选中的待检测点云点为进行坐标系转换时的基准点；当为外符合精度检测时，所选中的待检测点云点为点云中的除前述基准点以外的其他点云点。
可以理解的是，在一些更优选的实施例中，可以将上述第五个优选的实施例及第六个优选的实施例中的坐标系转换正确度的方法进行结合，即，针对同一点云，当检测到经过首次坐标系转换后的点云的点云精度小于预设的精度阈值时，则重新在点云中选择坐标系转换的基准点，并重新进行坐标系转换及坐标系转换正确度检测，当检测到经过第二次坐标系转换后的点云的点云精度小于预设的精度阈值时，则重新对该点云进行区域划分、点云粗拼接、点云细拼接、坐标系转换及坐标系转换正确度检测，直至经过坐标系转换后的点云的精度不小于预设的精度阈值。如图5所示，为本更优选的实施例的流程示意图。
本发明实施例提供的基于点云的地形图精度的检测方法，通过将实测获得的与待检测地形图相对应的点云与该待检测地形图进行比较计算，获得该待检测地形图的精度，并判断该待检测地形图的精度是否满足精度要求，从而实现对地形图精度的检测。由于整个精度检测过程均由***自动完成，因此能够大大简化该过程中检测人员所需要进行的操作，提高检测效率，且由于该过程极少需要人工的介入，因此能够提高检测结果的准确度。另外，通过对所获得的点云进行拼接处理，且在拼接过程中先进行粗拼接后再进行细拼接以减少拼接累积误差，因此能够减少后续的精度检测过程中的数据运算量，且能够保证所获得的点云与所扫描的对象具有较高的符合度，从而进一步提高地形图精度检测过程的效率和检测结果的准确度。通过对经过坐标系转换的点云的点云精度进行检测，保证了经过坐标系转换后的点云的正确性，从而保证了检测结果的正确性。
相应地，本发明还提供一种基于点云的地形图精度的检测装置，能够实现上述基于点云的地形图精度的检测方法的所有流程。
参见图6，是本发明提供的基于点云的地形图精度的检测装置的一个优选的实施例的结构示意图，具体如下：
点云获得模块61，用于获得与待检测地形图所描述的对象相对应的点云；其中，所述点云建立于站心坐标系中；
坐标系转换模块62，用于将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标；
精度参考值获得模块63，用于根据所述点云中的各个点的大地坐标，计算获得第一精度参考值；
地形图精度获得模块64，用于将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度；以及，
精度判断模块65，用于判断所述待检测地形图的精度是否大于预设的阈值，若是，则确认所述待检测地形图通过精度测试，若否，则确认所述待检测地形图未通过精度测试。
在另一个优选的实施例中，所述精度参考值获得模块63，具体包括：
第一待检测点云切片获得单元，用于根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
拟合特征点获得单元，用于分别根据每个所述待检测点云切片中的各个点的大地坐标，对每个所述待检测点云切片进行直线拟合，并将直线拟合所获得的拟合直线的交点设置为对应的待检测点云切片的拟合特征点；以及，
第一参考值获得单元，用于将每个所述拟合特征点的大地坐标设置为所述第一精度参考值；
则所述地形图精度获得模块64，具体包括：
第二参考值获得单元，用于将每个所述待检测特征点的大地坐标设置为所述第二精度参考值；
第一差异度获得单元，用于计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；以及，
第一地形图精度获得单元，用于计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
在又一个优选的实施例中，所述精度参考值获得模块63，具体包括：
第二待检测点云切片获得单元，用于根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
切片重心点高程值获得单元，用于分别根据每个所述待检测点云切片中的各个点的大地坐标，计算获得每个所述点云切片的切片重心点及每个所述切片重心点的高程值；以及，
第三参考值获得单元，用于将每个所述切片重心点的高程值设置为所述第一精度参考值；
则所述地形图精度获得模块64，具体包括：
第四参考值获得单元，用于计算获得每个所述待检测特征点的高程值，并将每个所述待检测特征点的高程值设置为所述第二精度参考值；
第二异度获得单元，用于计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；以及，
第二地形图精度获得单元，用于计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
在又一个优选的实施例中，所述精度参考值获得模块63，具体包括：
点云点获得单元，用于根据地形图中的待检测线段，获得所述点云中的第一点云点和第二点云点；其中，所述第一点云点与所述待检测线段的第一端点相对应；所述第二点云点与所述待检测线段的第二端点相对应；以及，
第五参考值获得单元，用于计算所述第一点云点和所述第二点云点之间的距离，获得所述第一精度参考值；
则所述地形图精度获得模块64，具体包括：
第六参考值获得单元，用于计算所述第一端点与所述第二端点之间的距离，获得所述第二精度参考值；
第三异度获得单元，用于计算获得所述第一精度参考值和所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；以及，
第三地形图精度获得单元，用于根据所述差异度获得所述待检测地形图的精度。
在又一个优选的实施例中，所述点云获得模块61，具体包括：
原始点云接收单元，用于接收第一扫描设备扫描所述待检测地形图所描述的对象所生成的至少三个原始点云；以及，
点云拼接单元，用于对所述至少三个原始点云进行拼接，获得所述点云；
所述点云拼接单元，具体包括：
点云粗拼接子单元，用于根据所述至少三个原始点云中相邻的原始点云的相同特征点，对所述至少三个原始点云进行拼接，获得粗拼接点云；
点云划分子单元，用于将所述粗拼接点云划分为至少一个点云单元；
点云单元参数获得子单元，用于计算获得每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量；以及，
点云细拼接子单元，用于根据每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量，对所述粗拼接点云中的点进行拼接调整，获得所述点云。
进一步地，所述基于点云的地形图精度的检测装置，还包括：
第一待检测点云点获取模块，用于从所述点云中获取至少一个待检测点云点；
第一实测大地坐标获得模块，用于接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
第一点云精度获得模块，用于将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；以及，
第一循环模块，用于当判断所述点云精度小于预设的精度阈值时，重新对所述粗拼接点云进行划分，获得至少一个新的点云单元，并根据每个所述新的点云单元的单元重心点坐标及对应的单元拟合平面法向量对所述粗拼接点云中的点进行拼接调整，获得新的所述点云，直至所述点云的点云精度不小于所述精度阈值。
在又一个优选的实施例中，所述基于点云的地形图精度的检测装置，还包括：
第二待检测点云点获取模块，用于从所述点云中获取至少一个待检测点云点；
第二实测大地坐标获得模块，用于接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
第二点云精度获得模块，用于将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；以及，
第二循环模块，用于当判断所述点云精度小于预设的精度阈值时，重新将所述点云从所述站心坐标系中转换至所述大地坐标系中，获得新的所述点云中的各个点的大地坐标，直至所述点云精度不小于所述精度阈值。
本发明实施例提供的基于点云的地形图精度的检测装置，通过将实测获得的与待检测地形图相对应的点云与该待检测地形图进行比较计算，获得该待检测地形图的精度，并判断该待检测地形图的精度是否满足精度要求，从而实现对地形图精度的检测。由于整个精度检测过程均由***自动完成，因此能够大大简化该过程中检测人员所需要进行的操作，提高检测效率，且由于该过程极少需要人工的介入，因此能够提高检测结果的准确度。另外，通过对所获得的点云进行拼接处理，且在拼接过程中先进行粗拼接后再进行细拼接以减少拼接累积误差，因此能够减少后续的精度检测过程中的数据运算量，且能够保证所获得的点云与所扫描的对象具有较高的符合度，从而进一步提高地形图精度检测过程的效率和检测结果的准确度。通过对经过坐标系转换的点云的点云精度进行检测，保证了经过坐标系转换后的点云的正确性，从而保证了检测结果的正确性。
以上所述是本发明的优选的实施例，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (14)
1.一种基于点云的地形图精度的检测方法，其特征在于，包括：
获得与待检测地形图所描述的对象相对应的点云；其中，所述点云建立于站心坐标系中；
将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标；
根据所述点云中的各个点的大地坐标，计算获得第一精度参考值；
将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度；
判断所述待检测地形图的精度是否大于预设的阈值，若是，则确认所述待检测地形图通过精度测试，若否，则确认所述待检测地形图未通过精度测试。
2.如权利要求1所述的基于点云的地形图精度的检测方法，其特征在于，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值，具体包括：
根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
分别根据每个所述待检测点云切片中的各个点的大地坐标，对每个所述待检测点云切片进行直线拟合，并将直线拟合所获得的拟合直线的交点设置为对应的待检测点云切片的拟合特征点；
将每个所述拟合特征点的大地坐标设置为所述第一精度参考值；
则所述将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度，具体包括：
将每个所述待检测特征点的大地坐标设置为所述第二精度参考值；
计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；
计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
3.如权利要求1所述的基于点云的地形图精度的检测方法，其特征在于，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值，具体包括：
根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
分别根据每个所述待检测点云切片中的各个点的大地坐标，计算获得每个所述点云切片的切片重心点及每个所述切片重心点的高程值；
将每个所述切片重心点的高程值设置为所述第一精度参考值；
则所述将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度，具体包括：
计算获得每个所述待检测特征点的高程值，并将每个所述待检测特征点的高程值设置为所述第二精度参考值；
计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；
计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
4.如权利要求1所述的基于点云的地形图精度的检测方法，其特征在于，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值，具体包括：
根据地形图中的待检测线段，获得所述点云中的第一点云点和第二点云点；其中，所述第一点云点与所述待检测线段的第一端点相对应；所述第二点云点与所述待检测线段的第二端点相对应；
计算所述第一点云点和所述第二点云点之间的距离，获得所述第一精度参考值；
则所述将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度，具体包括：
计算所述第一端点与所述第二端点之间的距离，获得所述第二精度参考值；
计算获得所述第一精度参考值和所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；
根据所述差异度获得所述待检测地形图的精度。
5.如权利要求1所述的基于点云的地形图精度的检测方法，其特征在于，所述获得与待检测地形图所描述的对象相对应的点云，具体包括：
接收第一扫描设备扫描所述待检测地形图所描述的对象所生成的至少三个原始点云；
对所述至少三个原始点云进行拼接，获得所述点云；
所述对所述至少三个原始点云进行拼接，获得所述点云，具体包括：
根据所述至少三个原始点云中相邻的原始点云的相同特征点，对所述至少三个原始点云进行拼接，获得粗拼接点云；
将所述粗拼接点云划分为至少一个点云单元；
计算获得每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量；
根据每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量，对所述粗拼接点云中的点进行拼接调整，获得所述点云。
6.如权利要求5所述的基于点云的地形图精度的检测方法，其特征在于，在所述将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标之后，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值之前，还包括：
从所述点云中获取至少一个待检测点云点；
接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；
当判断所述点云精度小于预设的精度阈值时，重新对所述粗拼接点云进行划分，获得至少一个新的点云单元，并根据每个所述新的点云单元的单元重心点坐标及对应的单元拟合平面法向量对所述粗拼接点云中的点进行拼接调整，获得新的所述点云，直至所述点云的点云精度不小于所述精度阈值。
7.如权利要求1所述的基于点云的地形图精度的检测方法，其特征在于，在所述将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标之后，所述根据所述点云中的各个点的大地坐标，计算获得第一精度参考值之前，还包括：
从所述点云中获取至少一个待检测点云点；
接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；
当判断所述点云精度小于预设的精度阈值时，重新将所述点云从所述站心坐标系中转换至所述大地坐标系中，获得新的所述点云中的各个点的大地坐标，直至所述点云精度不小于所述精度阈值。
8.一种基于点云的地形图精度的检测装置，其特征在于，包括：
点云获得模块，用于获得与待检测地形图所描述的对象相对应的点云；其中，所述点云建立于站心坐标系中；
坐标系转换模块，用于将所述点云转换至大地坐标系中，获得所述点云中的各个点的大地坐标；
精度参考值获得模块，用于根据所述点云中的各个点的大地坐标，计算获得第一精度参考值；
地形图精度获得模块，用于将所述第一精度参考值与待检测地形图的第二精度参考值进行对比，计算获得所述待检测地形图的精度；以及，
精度判断模块，用于判断所述待检测地形图的精度是否大于预设的阈值，若是，则确认所述待检测地形图通过精度测试，若否，则确认所述待检测地形图未通过精度测试。
9.如权利要求8所述的基于点云的地形图精度的检测装置，其特征在于，所述精度参考值获得模块，具体包括：
第一待检测点云切片获得单元，用于根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
拟合特征点获得单元，用于分别根据每个所述待检测点云切片中的各个点的大地坐标，对每个所述待检测点云切片进行直线拟合，并将直线拟合所获得的拟合直线的交点设置为对应的待检测点云切片的拟合特征点；以及，
第一参考值获得单元，用于将每个所述拟合特征点的大地坐标设置为所述第一精度参考值；
则所述地形图精度获得模块，具体包括：
第二参考值获得单元，用于将每个所述待检测特征点的大地坐标设置为所述第二精度参考值；
第一差异度获得单元，用于计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；以及，
第一地形图精度获得单元，用于计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
10.如权利要求8所述的基于点云的地形图精度的检测装置，其特征在于，所述精度参考值获得模块，具体包括：
第二待检测点云切片获得单元，用于根据所述待检测地形图中的待检测特征点，对所述点云进行切割，获得至少一个待检测点云切片；其中，所述待检测特征点与所述待检测点云切片具有一一对应关系；
切片重心点高程值获得单元，用于分别根据每个所述待检测点云切片中的各个点的大地坐标，计算获得每个所述点云切片的切片重心点及每个所述切片重心点的高程值；以及，
第三参考值获得单元，用于将每个所述切片重心点的高程值设置为所述第一精度参考值；
则所述地形图精度获得模块，具体包括：
第四参考值获得单元，用于计算获得每个所述待检测特征点的高程值，并将每个所述待检测特征点的高程值设置为所述第二精度参考值；
第二异度获得单元，用于计算获得每个所述第一精度参考值与对应的所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；以及，
第二地形图精度获得单元，用于计算所述差异度的平均值，并根据所述平均值获得所述待检测地形图的精度。
11.如权利要求8所述的基于点云的地形图精度的检测装置，其特征在于，所述精度参考值获得模块，具体包括：
点云点获得单元，用于根据地形图中的待检测线段，获得所述点云中的第一点云点和第二点云点；其中，所述第一点云点与所述待检测线段的第一端点相对应；所述第二点云点与所述待检测线段的第二端点相对应；以及，
第五参考值获得单元，用于计算所述第一点云点和所述第二点云点之间的距离，获得所述第一精度参考值；
则所述地形图精度获得模块，具体包括：
第六参考值获得单元，用于计算所述第一端点与所述第二端点之间的距离，获得所述第二精度参考值；
第三异度获得单元，用于计算获得所述第一精度参考值和所述第二精度参考值之间的差异度；其中，所述差异度为互差值或者中误差值；以及，
第三地形图精度获得单元，用于根据所述差异度获得所述待检测地形图的精度。
12.如权利要求8所述的基于点云的地形图精度的检测装置，其特征在于，所述点云获得模块，具体包括：
原始点云接收单元，用于接收第一扫描设备扫描所述待检测地形图所描述的对象所生成的至少三个原始点云；以及，
点云拼接单元，用于对所述至少三个原始点云进行拼接，获得所述点云；
所述点云拼接单元，具体包括：
点云粗拼接子单元，用于根据所述至少三个原始点云中相邻的原始点云的相同特征点，对所述至少三个原始点云进行拼接，获得粗拼接点云；
点云划分子单元，用于将所述粗拼接点云划分为至少一个点云单元；
点云单元参数获得子单元，用于计算获得每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量；以及，
点云细拼接子单元，用于根据每个所述点云单元的单元重心点坐标及对应的单元拟合平面法向量，对所述粗拼接点云中的点进行拼接调整，获得所述点云。
13.如权利要求12所述的基于点云的地形图精度的检测装置，其特征在于，所述基于点云的地形图精度的检测装置，还包括：
第一待检测点云点获取模块，用于从所述点云中获取至少一个待检测点云点；
第一实测大地坐标获得模块，用于接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
第一点云精度获得模块，用于将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；以及，
第一循环模块，用于当判断所述点云精度小于预设的精度阈值时，重新对所述粗拼接点云进行划分，获得至少一个新的点云单元，并根据每个所述新的点云单元的单元重心点坐标及对应的单元拟合平面法向量对所述粗拼接点云中的点进行拼接调整，获得新的所述点云，直至所述点云的点云精度不小于所述精度阈值。
14.如权利要求8所述的基于点云的地形图精度的检测装置，其特征在于，所述基于点云的地形图精度的检测装置，还包括：
第二待检测点云点获取模块，用于从所述点云中获取至少一个待检测点云点；
第二实测大地坐标获得模块，用于接收第二扫描设备检测的每个所述待检测点云点的实测大地坐标；
第二点云精度获得模块，用于将每个所述待检测点云点的大地坐标与对应的所述实测大地坐标进行对比，计算获得所述点云的点云精度；以及，
第二循环模块，用于当判断所述点云精度小于预设的精度阈值时，重新将所述点云从所述站心坐标系中转换至所述大地坐标系中，获得新的所述点云中的各个点的大地坐标，直至所述点云精度不小于所述精度阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710042372.4A CN106846308B (zh) | 2017-01-20 | 2017-01-20 | 基于点云的地形图精度的检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710042372.4A CN106846308B (zh) | 2017-01-20 | 2017-01-20 | 基于点云的地形图精度的检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106846308A true CN106846308A (zh) | 2017-06-13 |
| CN106846308B CN106846308B (zh) | 2019-08-20 |
Family
ID=59120021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710042372.4A Active CN106846308B (zh) | 2017-01-20 | 2017-01-20 | 基于点云的地形图精度的检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106846308B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944018A (zh) * | 2017-12-11 | 2018-04-20 | 江苏省测绘工程院 | 一种基于激光点云数据的矢量地图位置精度自动质检方法 |
| CN108304578A (zh) * | 2018-03-02 | 2018-07-20 | 网易（杭州）网络有限公司 | 地图数据的处理方法、介质、装置和计算设备 |
| CN109238243A (zh) * | 2018-08-08 | 2019-01-18 | 湖南省地质测绘院 | 一种基于倾斜摄影的测量方法、***、存储介质及设备 |
| CN109376791A (zh) * | 2018-11-05 | 2019-02-22 | 北京旷视科技有限公司 | 深度算法精度计算方法、装置、电子设备、可读存储介质 |
| CN110378904A (zh) * | 2018-07-09 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 对点云数据进行分割的方法和装置 |
| CN109186777B (zh) * | 2018-09-26 | 2020-06-09 | 北京空间机电研究所 | 基于在轨推扫的红外图像的非均匀校正方法、装置、***及应用 |
| CN111721283A (zh) * | 2019-03-18 | 2020-09-29 | 深圳市速腾聚创科技有限公司 | 定位算法的精度检测方法、装置、计算机设备和存储介质 |
| CN111858808A (zh) * | 2020-07-17 | 2020-10-30 | 重庆市勘测院 | 基于海量实测点的地形图特征地物精度自动评价方法 |
| CN112070870A (zh) * | 2020-07-31 | 2020-12-11 | 广州景骐科技有限公司 | 点云地图评估方法、装置、计算机设备和存储介质 |
| CN112116549A (zh) * | 2019-06-03 | 2020-12-22 | 北京京东叁佰陆拾度电子商务有限公司 | 用于评估点云地图精度的方法和装置 |
| CN113643236A (zh) * | 2021-07-06 | 2021-11-12 | 青岛市勘察测绘研究院 | 一种面向实景三维模型的几何精度评价方法 |
| CN113763570A (zh) * | 2020-06-01 | 2021-12-07 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
| CN114937130A (zh) * | 2022-06-15 | 2022-08-23 | 广州市城市规划勘测设计研究院 | 一种地形图测绘方法、装置、设备及存储介质 |
| CN116109632A (zh) * | 2023-04-11 | 2023-05-12 | 成都飞机工业（集团）有限责任公司 | 一种飞机表面几何精度检测方法、装置、设备及介质 |
| CN117848302A (zh) * | 2024-03-07 | 2024-04-09 | 山东省物化探勘查院 | 一种实时地形智能测绘方法及*** |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102620721A (zh) * | 2012-03-14 | 2012-08-01 | 广东省公路勘察规划设计院股份有限公司 | 一种基于精细数字地面模型的公路测设方法 |
| CN103791890A (zh) * | 2014-01-28 | 2014-05-14 | 河海大学 | 一种滩涂湿地地形快速测量的遥感遥测方法 |
| CN104075691A (zh) * | 2014-07-09 | 2014-10-01 | 广州市城市规划勘测设计研究院 | 基于cors和icp算法的地面激光扫描仪快速测量地形的方法 |
| CN104658039A (zh) * | 2015-02-12 | 2015-05-27 | 南京市测绘勘察研究院有限公司 | 一种城市数字地图三维建模制作方法 |
| CN105702151A (zh) * | 2016-03-31 | 2016-06-22 | 百度在线网络技术（北京）有限公司 | 一种室内地图构建方法及装置 |
| CN105761206A (zh) * | 2014-12-16 | 2016-07-13 | 富泰华工业（深圳）有限公司 | 点云拼接方法及*** |
| CN106023311A (zh) * | 2016-05-09 | 2016-10-12 | 黄河勘测规划设计有限公司 | 提高三维地形生成精度的方法 |
| CN106097444A (zh) * | 2016-05-30 | 2016-11-09 | 百度在线网络技术（北京）有限公司 | 高精地图生成方法和装置 |
-
2017
- 2017-01-20 CN CN201710042372.4A patent/CN106846308B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102620721A (zh) * | 2012-03-14 | 2012-08-01 | 广东省公路勘察规划设计院股份有限公司 | 一种基于精细数字地面模型的公路测设方法 |
| CN103791890A (zh) * | 2014-01-28 | 2014-05-14 | 河海大学 | 一种滩涂湿地地形快速测量的遥感遥测方法 |
| CN104075691A (zh) * | 2014-07-09 | 2014-10-01 | 广州市城市规划勘测设计研究院 | 基于cors和icp算法的地面激光扫描仪快速测量地形的方法 |
| CN105761206A (zh) * | 2014-12-16 | 2016-07-13 | 富泰华工业（深圳）有限公司 | 点云拼接方法及*** |
| CN104658039A (zh) * | 2015-02-12 | 2015-05-27 | 南京市测绘勘察研究院有限公司 | 一种城市数字地图三维建模制作方法 |
| CN105702151A (zh) * | 2016-03-31 | 2016-06-22 | 百度在线网络技术（北京）有限公司 | 一种室内地图构建方法及装置 |
| CN106023311A (zh) * | 2016-05-09 | 2016-10-12 | 黄河勘测规划设计有限公司 | 提高三维地形生成精度的方法 |
| CN106097444A (zh) * | 2016-05-30 | 2016-11-09 | 百度在线网络技术（北京）有限公司 | 高精地图生成方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 姬长英等: "基于点云图的农业导航中障碍物检测方法", 《农业工程学报》 * |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107944018A (zh) * | 2017-12-11 | 2018-04-20 | 江苏省测绘工程院 | 一种基于激光点云数据的矢量地图位置精度自动质检方法 |
| CN108304578A (zh) * | 2018-03-02 | 2018-07-20 | 网易（杭州）网络有限公司 | 地图数据的处理方法、介质、装置和计算设备 |
| CN108304578B (zh) * | 2018-03-02 | 2020-08-21 | 杭州易现先进科技有限公司 | 地图数据的处理方法、介质、装置和计算设备 |
| CN110378904B (zh) * | 2018-07-09 | 2021-10-01 | 北京京东尚科信息技术有限公司 | 对点云数据进行分割的方法和装置 |
| CN110378904A (zh) * | 2018-07-09 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 对点云数据进行分割的方法和装置 |
| CN109238243B (zh) * | 2018-08-08 | 2020-07-24 | 湖南省地质测绘院 | 一种基于倾斜摄影的测量方法、***、存储介质及设备 |
| CN109238243A (zh) * | 2018-08-08 | 2019-01-18 | 湖南省地质测绘院 | 一种基于倾斜摄影的测量方法、***、存储介质及设备 |
| CN109186777B (zh) * | 2018-09-26 | 2020-06-09 | 北京空间机电研究所 | 基于在轨推扫的红外图像的非均匀校正方法、装置、***及应用 |
| CN109376791A (zh) * | 2018-11-05 | 2019-02-22 | 北京旷视科技有限公司 | 深度算法精度计算方法、装置、电子设备、可读存储介质 |
| CN111721283B (zh) * | 2019-03-18 | 2023-08-15 | 深圳市速腾聚创科技有限公司 | 定位算法的精度检测方法、装置、计算机设备和存储介质 |
| CN111721283A (zh) * | 2019-03-18 | 2020-09-29 | 深圳市速腾聚创科技有限公司 | 定位算法的精度检测方法、装置、计算机设备和存储介质 |
| CN112116549A (zh) * | 2019-06-03 | 2020-12-22 | 北京京东叁佰陆拾度电子商务有限公司 | 用于评估点云地图精度的方法和装置 |
| CN113763570B (zh) * | 2020-06-01 | 2024-05-10 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
| CN113763570A (zh) * | 2020-06-01 | 2021-12-07 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
| CN111858808A (zh) * | 2020-07-17 | 2020-10-30 | 重庆市勘测院 | 基于海量实测点的地形图特征地物精度自动评价方法 |
| CN111858808B (zh) * | 2020-07-17 | 2023-10-31 | 重庆市勘测院 | 基于海量实测点的地形图特征地物精度自动评价方法 |
| CN112070870A (zh) * | 2020-07-31 | 2020-12-11 | 广州景骐科技有限公司 | 点云地图评估方法、装置、计算机设备和存储介质 |
| CN113643236B (zh) * | 2021-07-06 | 2022-05-17 | 青岛市勘察测绘研究院 | 一种面向实景三维模型的几何精度评价方法 |
| CN113643236A (zh) * | 2021-07-06 | 2021-11-12 | 青岛市勘察测绘研究院 | 一种面向实景三维模型的几何精度评价方法 |
| CN114937130A (zh) * | 2022-06-15 | 2022-08-23 | 广州市城市规划勘测设计研究院 | 一种地形图测绘方法、装置、设备及存储介质 |
| CN116109632A (zh) * | 2023-04-11 | 2023-05-12 | 成都飞机工业（集团）有限责任公司 | 一种飞机表面几何精度检测方法、装置、设备及介质 |
| CN116109632B (zh) * | 2023-04-11 | 2023-07-21 | 成都飞机工业（集团）有限责任公司 | 一种飞机表面几何精度检测方法、装置、设备及介质 |
| CN117848302A (zh) * | 2024-03-07 | 2024-04-09 | 山东省物化探勘查院 | 一种实时地形智能测绘方法及*** |
| CN117848302B (zh) * | 2024-03-07 | 2024-05-28 | 山东省物化探勘查院 | 一种实时地形智能测绘方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106846308B (zh) | 2019-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106846308B (zh) | 基于点云的地形图精度的检测方法和装置 | |
| CN104075691B (zh) | 地面激光扫描仪测量地形的方法 | |
| CN111724477A (zh) | 一种多源数据融合构建多层次三维地形模型方法 | |
| CN106127771B (zh) | 基于激光雷达lidar点云数据获取隧道正射影像***及方法 | |
| CN102645203B (zh) | 基于机载激光雷达数据的电力线路交叉跨越测量方法 | |
| CN102506824B (zh) | 一种城市低空无人机***生成数字正射影像图的方法 | |
| CN109556569B (zh) | 地形图测绘方法及装置 | |
| CN105136054B (zh) | 基于地面三维激光扫描的构筑物精细变形监测方法及*** | |
| CN110398246A (zh) | 基于沙漠地区无人机航拍影像自动生成线划图的方法 | |
| CN106500674B (zh) | 一种基于市政工程的测绘方法 | |
| CN109238239A (zh) | 基于航空摄影的数字测量三维建模方法 | |
| CN104933223A (zh) | 一种输电线路通道数字化测绘方法 | |
| CN109682303A (zh) | 基于bim技术的曲线pc轨道梁精密三维检测方法 | |
| CN103940410A (zh) | 一种超高倍放大成图的数字航空摄影测量方法 | |
| CN112270750B (zh) | 一种溶洞水上水下一体化三维模型重建方法 | |
| CN104732870B (zh) | 制作大比例尺地图的测量方法及*** | |
| CN112465966A (zh) | 一种集倾斜摄影测量与三维激光扫描的陡崖三维建模方法 | |
| CN109961510A (zh) | 一种基于三维点云重构技术的高切坡地质快速编录方法 | |
| CN104729529B (zh) | 地形图测量***误差判断的方法和*** | |
| CN114898053A (zh) | 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法 | |
| CN110186436A (zh) | 基于建筑信息化模型的水下地形测量成图***及方法 | |
| CN113819894A (zh) | 利用高精度倾斜摄影模型的野外地质勘察点线放样方法 | |
| CN109035365A (zh) | 一种高分辨率影像的镶嵌处理方法 | |
| CN115861201A (zh) | 一种基于车载移动测量***的测绘成果精度评价方法 | |
| CN105279305B (zh) | 一种地面三维激光扫描技术测站选取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |