CN109163708A - 无人机大比例尺地形图房屋线的优化方法、装置与介质 - Google Patents

无人机大比例尺地形图房屋线的优化方法、装置与介质 Download PDF

Info

Publication number
CN109163708A
CN109163708A CN201810896616.XA CN201810896616A CN109163708A CN 109163708 A CN109163708 A CN 109163708A CN 201810896616 A CN201810896616 A CN 201810896616A CN 109163708 A CN109163708 A CN 109163708A
Authority
CN
China
Prior art keywords
alien invasion
projection
line
intersection point
large scale
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
Application number
CN201810896616.XA
Other languages
English (en)
Other versions
CN109163708B (zh
Inventor
杨光
张�荣
林鸿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Urban Planning Survey and Design Institute
Original Assignee
Guangzhou Urban Planning Survey and Design Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Urban Planning Survey and Design Institute filed Critical Guangzhou Urban Planning Survey and Design Institute
Priority to CN201810896616.XA priority Critical patent/CN109163708B/zh
Publication of CN109163708A publication Critical patent/CN109163708A/zh
Application granted granted Critical
Publication of CN109163708B publication Critical patent/CN109163708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G01C11/30—Interpretation of pictures by triangulation
    • G01C11/34—Aerial triangulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种无人机大比例尺地形图房屋线的优化方法、装置与介质，该方法，包括：根据多视倾斜影像，构建指定建筑的实景三维模型；从所述实景三维模型中相邻的外立面中各选取若干个点，并投影到预设的测量投影面上，得到相邻的所述外立面中选取的若干个点在所述投影平面上的投影点；根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点；根据所述投影线、所述投影交点之间的拓扑关系，连接所述投影线、所述投影交点，得到所述指定建筑的轮廓。上述方法能够依据多视倾斜影像，准确提取建筑的轮廓，提高建筑的测绘精度和效率。

Description

无人机大比例尺地形图房屋线的优化方法、装置与介质
技术领域
本发明涉及建筑测绘技术领域，具体涉及一种无人机大比例尺地形图房屋线的优化方法、装置与介质。
背景技术
地形图是一种重要的通用性地图，它是地物和地貌位置、形状等在特定水平面上的投影。具体来说，就是将地面上的地物和地貌沿铅垂线方向投影到投影面上，并按一定的比例尺缩绘而成。房屋作为重要地物，是各种地形图中的关键要素，其测绘的便捷性和精确性对于地形图至关重要。
近年来，采用无人机进行1：2000乃至1：500比例尺范围的大比例尺地形图测绘已成为全球测量领域内的热点研究。相较于传统地形图测绘方法，无人机大比例尺测绘具有自动化程度高、影像分辨率高、视角丰富等优点，在作业效率方面具有显著优势，也大大降低了外业强度。
大比例尺地形图中房屋线是由建筑外立面在投影面上的投影线构成的，因而房屋的测绘精度直接取决于其外立面及房屋边线的确定精度。然而，人工在立体影像上直接绘制房屋边线时，由于线性目标在视图中呈现尖角易产生较大的勾选偏差；同时，由于树木植被和其他地物的遮挡，大量房屋的基底、边线和角点等特征位置也并不能直接呈现在影像上，导致无法进行测绘。上述种种问题导致房屋测绘的精度不足、效率不高，并在很大程度上限制了无人机测制大比例尺地形图的推广和应用。
发明内容
基于此，本发明提供了一种无人机大比例尺地形图房屋线的优化方法、装置与存储介质，能够依据多视倾斜影像，准确提取建筑的轮廓，提高建筑的测绘精度和效率。
本发明实施例提供一种无人机大比例尺地形图房屋线的优化方法，包括：
根据多视倾斜影像，构建指定建筑的实景三维模型；
从所述实景三维模型中相邻的外立面中各选取若干个点，并投影到预设的测量投影面上，得到相邻的所述外立面中选取的若干个点在所述投影平面上的投影点；其中，所述外立面中选取的点数量大于2；
根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点；
根据所述投影线、所述投影交点之间的拓扑关系，连接所述投影线、所述投影交点，得到所述指定建筑的轮廓。
优选地，所述根据同一外立面对应的投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点，具体包括：
对同一外立面对应的若干个投影点进行直线拟合，得到投影直线；
计算相邻的所述外立面对应的投影直线的交点，作为所述投影交点；
连接同一外立面对应的两个投影交点，得到所述外立面的投影线。
优选地，所述根据多视倾斜影像，构建指定建筑的实景三维模型之前还包括：
根据所述多视倾斜影像的位置数据和姿态数据，对所述多视倾斜影像进行空中三角测量、几何校正、坐标转换以及影像拼接。
优选地，所述对同一外立面对应的若干个投影点进行直线拟合，得到投影直线，具体包括：
根据所述实景三维模型的外立面的相邻关系，对所述实景三维模型的外立面进行编号；
根据所述实景三维模型的外立面的编号顺序，依次采用最小二乘法对同一外立面对应的若干个投影点进行直线拟合，得到投影直线。
优选地，所述采用最小二乘法对同一外立面对应的若干个投影点进行直线拟合，得到投影直线，具体包括：
根据公式分别对k和b求偏导并取零，计算所述外立面对应的若干个投影点对应的两个统计参数；
其中，n为所述外立面对应的投影点的数量,n>2，(xi，yi)为第i个投影点的坐标,所述两个统计参数分别为：
根据所述两个统计参数以及公式计算直线方程参数；
其中,所述直线方程参数分别为：
根据所述直线方程参数，确定所述外立面对应的投影直线。
优选地，所述计算相邻的所述外立面对应的投影直线的交点，作为所述投影交点，具体包括：
根据公式计算相邻的所述外立面对应的投影直线的交点；
其中，所述交点坐标为ki、bi为第i个外立面对应的投影直线的直线方程参数；ki+1、bi+1为第i+1个外立面对应的投影直线的直线方程参数，第i+1个外立面与第i个外立面相邻。
优选地，所述的无人机大比例尺地形图房屋线的优化方法还包括：
依据影像拼接后的所述多视倾斜影像中局部区域地表所在的平面，采用城市平面坐标系或高斯投影平面坐标系建立相对于所述实景三维模型的测量投影面。
本发明实施例还提供了一种无人机大比例尺地形图房屋线的优化装置，包括：
三维模型构建模块，用于根据多视倾斜影像，构建指定建筑的实景三维模型；
投影模块，用于从所述实景三维模型中相邻的外立面中各选取若干个点，并投影到预设的测量投影面上，得到相邻的所述外立面中选取的若干个点在所述投影平面上的投影点；其中，所述外立面中选取的点数量大于2；
投影交点计算模块，用于根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点；
轮廓提取模块，用于根据所述投影线、所述投影交点之间的拓扑关系，连接所述投影线、所述投影交点，得到所述指定建筑的轮廓。
本发明实施例还提供了一种无人机大比例尺地形图房屋线的优化装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的无人机大比例尺地形图房屋线的优化方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的无人机大比例尺地形图房屋线的优化方法。
相对于现有技术，本发明实施例提供的一种无人机大比例尺地形图房屋线的优化方法的有益效果在于：所述无人机大比例尺地形图房屋线的优化方法，包括：根据多视倾斜影像，构建指定建筑的实景三维模型；从所述实景三维模型中相邻的外立面中各选取若干个点，并投影到预设的测量投影面上，得到相邻的所述外立面中选取的若干个点在所述投影平面上的投影点；根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点；根据所述投影线、所述投影交点之间的拓扑关系，连接所述投影线、所述投影交点，得到所述指定建筑的轮廓。上述方法能够依据多视倾斜影像，准确提取建筑的轮廓，提高建筑的测绘精度和效率。
附图说明
图1是本发明实施例提供的一种无人机大比例尺地形图房屋线的优化方法的流程图；
图2是建筑外立面投影示意图；
图3是建筑外立面的投影交点示意图；
图4是本发明实施例提供的一种无人机大比例尺地形图房屋线的优化装置的示意图。
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。
请参阅图1，其是本发明实施例所提供的一种无人机大比例尺地形图房屋线的优化方法的流程图，所述无人机大比例尺地形图房屋线的优化方法，包括：
S100：根据多视倾斜影像，构建指定建筑的实景三维模型；
S200：从所述实景三维模型中相邻的外立面中各选取若干个点，并投影到预设的测量投影面上，得到相邻的所述外立面中选取的若干个点在所述投影平面上的投影点；其中，所述外立面中选取的点数量大于2；
S300：根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点；
S400：根据所述投影线、所述投影交点之间的拓扑关系，连接所述投影线、所述投影交点，得到所述指定建筑的轮廓。
在本实施例中，外立面中各点的选取可以依据所述实景三维模型中的特征位置进行指定，也可以经由设计图、现场测量等方式直接获取和输入点位坐标。外立面中两点的选取的原则是位于相应的外立面上，且具有较高影像辨识度，便于点选。
依照所述投影线、所述投影交点之间拓扑关系即可连接形成为所述指定建筑的轮廓线，得到所述指定建筑的轮廓。如图2所示，建筑轮廓一般为封闭图形，并可以在建筑轮廓上加注建筑属性和层数等信息。
上述方法基于指定建筑对应的实景三维模型中外立面的特性直接进行外边线构造和投影，通过多个面的约束确保了边线的精确性、严密性和稳健性。且本方法技术适应性强，即使对于由于遮挡、视角等问题而在影像上无法直接看到的建筑特征线，也可以精确进行提取，实现准确提取建筑的轮廓，提高建筑测绘的效率、便捷性和精度。在无人机低空航测、地面或空中倾斜摄影测量、大比例尺地形图快速测制等相关领域具有广泛的应用前景。
在一种可选的实施例中，如图3所示，S300：根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点，具体包括：
对同一外立面对应的若干个投影点进行直线拟合，得到投影直线；
计算相邻的所述外立面对应的投影直线的交点，作为所述投影交点；
连接同一外立面对应的两个投影交点，得到所述外立面的投影线。
其中，建筑外立面上选取的各点，由于视角、测量或操作原因，必然存在一定的误差。只有合理地消除误差才能得到轮廓线的最优估计。在本实施例中，通过计算在所述测量投影面上各投影点到拟合后的投影直线的距离，计算公式为：当距离di大于特定的阈值ε，则说明投影点Pi存在较大误差，此时，将投影点Pi剔除。之后将消除误差后所保留下来的投影点重新进行直线拟合，以获得所述外立面对应的若投影直线。
在一种可选的实施例中，所述计算连接同一外立面对应的投影点的投影直线，具体包括：
根据所述实景三维模型的外立面的相邻关系，对所述实景三维模型的外立面进行编号；
根据所述实景三维模型的外立面的编号顺序，依次采用最小二乘法对同一外立面对应的若干个投影点进行直线拟合，得到投影直线。
在一种可选的实施例中，所述采用最小二乘法对同一外立面对应的若干个投影点进行直线拟合，得到投影直线，具体包括：
根据公式分别对k和b求偏导并取零，计算所述外立面对应的若干个投影点对应的两个统计参数；
其中，n为所述外立面对应的投影点的数量,n>2，(xi，yi)为第i个投影点的坐标,所述两个统计参数分别为：
根据所述两个统计参数以及公式计算直线方程参数；
其中,所述直线方程参数分别为：
根据所述直线方程参数，确定所述外立面对应的投影直线。
如图3所示，例如：所述外立面选取的各点分别为P1(x1，y1)、P2(x2，y2)；P3(x3，y3)、P4(x4，y4)、Pi(xi，yi)…Pn(xn，yn)；则根据所述外立面选取的各点的坐标，采用上述公式(2)，计算出所述外立面对应的若干个投影点对应的统计参数t1、t2、t3、t4，并联立公式(1)求出的统计参数和公式(1)计算出的统计参数，计算出直线方程参数k和b,根据直线方程参数k和b，可以确定所述外立面对应的投影直线为l:y＝kx+b。
建筑的外立面边线是由一个外立面与其两个相邻外立面形成的直线。在本实施例中，依据外立面的相邻关系，依次选取外立面上的n个点(n>2)，并采用上述公式对建筑所有具有轮廓特征的外立面求取外立面的投影直线，通过两个平面的约束，可以提高建筑测绘的精确性、严密性和稳健性。将需要处理的所有外立面依照它们之间的相邻关系进行编号，并按照编号顺序依次计算，可以避免错漏。
在一种可选的实施例中，S400：计算相邻的所述外立面对应的投影直线的交点，作为所述投影交点，具体包括：
根据公式计算相邻的所述外立面对应的投影直线的交点；
其中，所述交点坐标为ki、bi为第i个外立面对应的投影直线的直线方程参数；ki+1、bi+1为第i+1个外立面对应的投影直线的直线方程参数，第i+1个外立面与第i个外立面相邻。
在一种可选的实施例中，S100：根据多视倾斜影像，构建指定建筑的实景三维模型之前还包括：
根据所述多视倾斜影像的位置数据和姿态数据，对所述多视倾斜影像进行空中三角测量、几何校正、坐标转换以及影像拼接。
由于无人机航高较低、分辨率很高，受视角所限，针对房屋等大型建筑的测绘需通过多个测站的多角度影像采集才能完整覆盖，因此，需要采集指定建筑的多视倾斜影像，并依据多视倾斜影像的位置(GPS)数据和姿态(POS)数据采用通用方法进行空中三角测量、几何校正、坐标转换和影像拼接等预处理，生成具有数据量大、重叠度高和视角丰富的特点的影像数据，以使得构建的点云和实景三维模型处于与测量投影面处于同一空间直角坐标系中，便于后续的统一处理。
在一种可选的实施例中，所述无人机大比例尺地形图房屋线的优化方法还包括：
依据影像拼接后的所述多视倾斜影像中局部区域地表所在的平面，采用城市平面坐标系或高斯投影平面坐标系建立相对于所述实景三维模型的测量投影面。其中，所述测量投影面对应的高程基准面为似大地水准面。
大比例尺测图的坐标***采用平面和高程相分离的形式。在本实施例中，采用影像拼接后的所述多视倾斜影像中局部区域地表看作平面，采用平面坐标，例如城市平面坐标系或高斯投影平面坐标系，建立相对于所述实景三维模型的测量投影面。而大比例尺测图的高程基准面可采用城市高程基准或国家高程基准。优选地，在本实施例中采用似大地水准面作为高程基准面，z坐标轴是沿地面铅垂线的方向向上的由于建筑的外立面是可以表征建筑物外轮廓的多个平面，而这些外立面都是与铅垂线方向一致的，也即与z坐标轴是平行的。
请参阅图4，其是本发明实施例提供的一种无人机大比例尺地形图房屋线的优化装置的示意图，所述无人机大比例尺地形图房屋线的优化装置，装包括：
三维模型构建模块1，用于根据多视倾斜影像，构建指定建筑的实景三维模型；
投影模块2，用于从所述实景三维模型中相邻的外立面中各选取若干个点，并投影到预设的测量投影面上，得到相邻的所述外立面中选取的若干个点在所述投影平面上的投影点；其中，所述外立面中选取的点数量大于2；
投影交点计算模块3，用于根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点；
轮廓提取模块4，用于根据所述投影线、所述投影交点之间的拓扑关系，连接所述投影线、所述投影交点，得到所述指定建筑的轮廓。
在本实施例中，外立面中各点的选取可以依据所述实景三维模型中的特征位置进行指定，也可以经由设计图、现场测量等方式直接获取和输入点位坐标。外立面中两点的选取的原则是位于相应的外立面上，且具有较高影像辨识度，便于点选。
依照所述投影线、所述投影交点之间拓扑关系即可连接形成为所述指定建筑的轮廓线，得到所述指定建筑的轮廓。如图2所示，建筑轮廓一般为封闭图形，并可以在建筑轮廓上加注建筑属性和层数等信息。
上述方法基于指定建筑对应的实景三维模型中外立面的特性直接进行外边线构造和投影，通过多个面的约束确保了边线的精确性、严密性和稳健性。且本方法技术适应性强，即使对于由于遮挡、视角等问题而在影像上无法直接看到的建筑特征线，也可以精确进行提取，实现准确提取建筑的轮廓，提高建筑测绘的效率、便捷性和精度。在无人机低空航测、地面或空中倾斜摄影测量、大比例尺地形图快速测制等相关领域具有广泛的应用前景。
在一种可选的实施例中，如图3所示，投影交点计算模块3包括：
投影直线计算单元，用于对同一外立面对应的若干个投影点进行直线拟合，得到投影直线；
投影交点计算单元，用于计算相邻的所述外立面对应的投影直线的交点，作为所述投影交点；
投影线连接单元，用于连接同一外立面对应的两个投影交点，得到所述外立面的投影线。
其中，建筑外立面上选取的各点，由于视角、测量或操作原因，必然存在一定的误差。只有合理地消除误差才能得到轮廓线的最优估计。在本实施例中，通过计算在所述测量投影面上各投影点到拟合后的投影直线的距离，计算公式为：当距离di大于特定的阈值ε，则说明投影点Pi存在较大误差，此时，将投影点Pi剔除。之后将消除误差后所保留下来的投影点重新进行直线拟合，以获得所述外立面对应的若投影直线。
在一种可选的实施例中，所述投影直线计算单元包括：
编号单元，用于根据所述实景三维模型的外立面的相邻关系，对所述实景三维模型的外立面进行编号；
直线计算单元，用于根据所述实景三维模型的外立面的编号顺序，依次采用最小二乘法对同一外立面对应的若干个投影点进行直线拟合，得到投影直线。
在一种可选的实施例中，所述直线计算单元包括：
统计参数计算单元，用于根据公式分别对k和b求偏导并取零，计算所述外立面对应的若干个投影点对应的两个统计参数；
其中，n为所述外立面对应的投影点的数量,n>2，(xi，yi)为第i个投影点的坐标,所述两个统计参数分别为：
直线方程参数计算单元，用于根据所述两个统计参数以及公式计算直线方程参数；
其中,所述直线方程参数分别为：
投影直线确定单元，用于根据所述直线方程参数，确定所述外立面对应的投影直线。
如图3所示，例如：所述外立面选取的各点分别为P1(x1，y1)、P2(x2，y2)；P3(x3，y3)、P4(x4，y4)、Pi(xi，yi)…Pn(xn，yn)；则根据所述外立面选取的各点的坐标，采用上述公式(2)，计算出所述外立面对应的若干个投影点对应的统计参数t1、t2、t3、t4，并联立公式(1)求出的统计参数和公式(1)计算出的统计参数，计算出直线方程参数k和b,根据直线方程参数k和b，可以确定所述外立面对应的投影直线为l:y＝kx+b。
建筑的外立面边线是由一个外立面与其两个相邻外立面形成的直线。在本实施例中，依据外立面的相邻关系，依次选取外立面上的n个点(n>2)，并采用上述公式对建筑所有具有轮廓特征的外立面求取外立面的投影直线，通过两个平面的约束，可以提高建筑测绘的精确性、严密性和稳健性。将需要处理的所有外立面依照它们之间的相邻关系进行编号，并按照编号顺序依次计算，可以避免错漏。
在一种可选的实施例中，所述投影交点计算模块4，用于根据公式计算相邻的所述外立面对应的投影直线的交点；
其中，所述交点坐标为ki、bi为第i个外立面对应的投影直线的直线方程参数；ki+1、bi+1为第i+1个外立面对应的投影直线的直线方程参数，第i+1个外立面与第i个外立面相邻。
在一种可选的实施例中，所述无人机大比例尺地形图房屋线的优化装置包括：
数据预处理模块，用于根据所述多视倾斜影像的位置数据和姿态数据，对所述多视倾斜影像进行空中三角测量、几何校正、坐标转换以及影像拼接。
由于无人机航高较低、分辨率很高，受视角所限，针对房屋等大型建筑的测绘需通过多个测站的多角度影像采集才能完整覆盖，因此，需要采集指定建筑的多视倾斜影像，并依据多视倾斜影像的位置(GPS)数据和姿态(POS)数据采用通用方法进行空中三角测量、几何校正、坐标转换和影像拼接等预处理，生成具有数据量大、重叠度高和视角丰富的特点的影像数据，以使得构建的点云和实景三维模型处于与测量投影面处于同一空间直角坐标系中，便于后续的统一处理。
在一种可选的实施例中，所述无人机大比例尺地形图房屋线的优化装置包括：
投影面建立模块，用于依据影像拼接后的所述多视倾斜影像中局部区域地表所在的平面，采用城市平面坐标系或高斯投影平面坐标系建立相对于所述实景三维模型的测量投影面。其中，所述测量投影面对应的高程基准面为似大地水准面。
大比例尺测图的坐标***采用平面和高程相分离的形式。在本实施例中，采用影像拼接后的所述多视倾斜影像中局部区域地表看作平面，采用平面坐标，例如城市平面坐标系或高斯投影平面坐标系，建立相对于所述实景三维模型的测量投影面。而大比例尺测图的高程基准面可采用城市高程基准或国家高程基准。优选地，在本实施例中采用似大地水准面作为高程基准面，z坐标轴是沿地面铅垂线的方向向上的由于建筑的外立面是可以表征建筑物外轮廓的多个平面，而这些外立面都是与铅垂线方向一致的，也即与z坐标轴是平行的。
本发明实施例还提供了一种无人机大比例尺地形图房屋线的优化装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的无人机大比例尺地形图房屋线的优化方法。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述无人机大比例尺地形图房屋线的优化装置中的执行过程。例如，所述计算机程序可以被分割成图4所述无人机大比例尺地形图房屋线的优化装置的功能模块。
所述无人机大比例尺地形图房屋线的优化装置可以是手机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述无人机大比例尺地形图房屋线的优化装置可包括，但不仅限于，处理器、存储器。例如所述无人机大比例尺地形图房屋线的优化装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述无人机大比例尺地形图房屋线的优化装置的控制中心，利用各种接口和线路连接整个无人机大比例尺地形图房屋线的优化装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述无人机大比例尺地形图房屋线的优化装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述无人机大比例尺地形图房屋线的优化装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的无人机大比例尺地形图房屋线的优化方法。
相对于现有技术，本发明实施例提供的一种无人机大比例尺地形图房屋线的优化方法的有益效果在于：所述无人机大比例尺地形图房屋线的优化方法，包括：根据多视倾斜影像，构建指定建筑的实景三维模型；从所述实景三维模型中相邻的外立面中各选取若干个点，并投影到预设的测量投影面上，得到相邻的所述外立面中选取的若干个点在所述投影平面上的投影点；根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点；根据所述投影线、所述投影交点之间的拓扑关系，连接所述投影线、所述投影交点，得到所述指定建筑的轮廓。上述方法能够依据多视倾斜影像，准确提取建筑的轮廓，提高建筑的测绘精度和效率。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上是本发明的优选实施方式，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，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种无人机大比例尺地形图房屋线的优化方法，其特征在于，包括：
根据多视倾斜影像，构建指定建筑的实景三维模型；
从所述实景三维模型中相邻的外立面中各选取若干个点，并投影到预设的测量投影面上，得到相邻的所述外立面中选取的若干个点在所述投影平面上的投影点；其中，所述外立面中选取的点数量大于2；
根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点；
根据所述投影线、所述投影交点之间的拓扑关系，连接所述投影线、所述投影交点，得到所述指定建筑的轮廓。
2.如权利要求1所述的无人机大比例尺地形图房屋线的优化方法，其特征在于，所述根据同一外立面对应的投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点，具体包括：
对同一外立面对应的若干个投影点进行直线拟合，得到投影直线；
计算相邻的所述外立面对应的投影直线的交点，作为所述投影交点；
连接同一外立面对应的两个投影交点，得到所述外立面的投影线。
3.如权利要求1所述的无人机大比例尺地形图房屋线的优化方法，其特征在于，所述根据多视倾斜影像，构建指定建筑的实景三维模型之前还包括：
根据所述多视倾斜影像的位置数据和姿态数据，对所述多视倾斜影像进行空中三角测量、几何校正、坐标转换以及影像拼接。
4.如权利要求2所述的无人机大比例尺地形图房屋线的优化方法，其特征在于，所述对同一外立面对应的若干个投影点进行直线拟合，得到投影直线，具体包括：
根据所述实景三维模型的外立面的相邻关系，对所述实景三维模型的外立面进行编号；
根据所述实景三维模型的外立面的编号顺序，依次采用最小二乘法对同一外立面对应的若干个投影点进行直线拟合，得到投影直线。
5.如权利要求2或4所述的无人机大比例尺地形图房屋线的优化方法，其特征在于，所述采用最小二乘法对同一外立面对应的若干个投影点进行直线拟合，得到投影直线，具体包括：
根据公式分别对k和b求偏导并取零，计算所述外立面对应的若干个投影点对应的两个统计参数；
其中，n为所述外立面对应的投影点的数量,n>2，(xi，yi)为第i个投影点的坐标,所述两个统计参数分别为：
根据所述两个统计参数以及公式计算直线方程参数；
其中,所述直线方程参数分别为：
根据所述直线方程参数，确定所述外立面对应的投影直线。
6.如权利要求5所述的无人机大比例尺地形图房屋线的优化方法，其特征在于，所述计算相邻的所述外立面对应的投影直线的交点，作为所述投影交点，具体包括：
根据公式计算相邻的所述外立面对应的投影直线的交点；
其中，所述交点坐标为ki、bi为第i个外立面对应的投影直线的直线方程参数；ki+1、bi+1为第i+1个外立面对应的投影直线的直线方程参数，第i+1个外立面与第i个外立面相邻。
7.如权利要求3所述的无人机大比例尺地形图房屋线的优化方法，其特征在于，所述的无人机大比例尺地形图房屋线的优化方法还包括：
依据影像拼接后的所述多视倾斜影像中局部区域地表所在的平面，采用城市平面坐标系或高斯投影平面坐标系建立相对于所述实景三维模型的测量投影面。
8.一种无人机大比例尺地形图房屋线的优化装置，其特征在于，包括：
三维模型构建模块，用于根据多视倾斜影像，构建指定建筑的实景三维模型；
投影模块，用于从所述实景三维模型中相邻的外立面中各选取若干个点，并投影到预设的测量投影面上，得到相邻的所述外立面中选取的若干个点在所述投影平面上的投影点；其中，所述外立面中选取的点数量大于2；
投影交点计算模块，用于根据同一外立面对应的若干个投影点，计算所述外立面的投影线以及相邻的所述外立面的投影交点；
轮廓提取模块，用于根据所述投影线、所述投影交点之间的拓扑关系，连接所述投影线、所述投影交点，得到所述指定建筑的轮廓。
9.一种无人机大比例尺地形图房屋线的优化装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的无人机大比例尺地形图房屋线的优化方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的无人机大比例尺地形图房屋线的优化方法。
CN201810896616.XA 2018-08-08 2018-08-08 无人机大比例尺地形图房屋线的优化方法、装置与介质 Active CN109163708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810896616.XA CN109163708B (zh) 2018-08-08 2018-08-08 无人机大比例尺地形图房屋线的优化方法、装置与介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810896616.XA CN109163708B (zh) 2018-08-08 2018-08-08 无人机大比例尺地形图房屋线的优化方法、装置与介质

Publications (2)

Publication Number Publication Date
CN109163708A true CN109163708A (zh) 2019-01-08
CN109163708B CN109163708B (zh) 2021-09-10

Family

ID=64895130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810896616.XA Active CN109163708B (zh) 2018-08-08 2018-08-08 无人机大比例尺地形图房屋线的优化方法、装置与介质

Country Status (1)

Country Link
CN (1) CN109163708B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110889794A (zh) * 2019-09-30 2020-03-17 成都市市政工程设计研究院 一种市政道路征地房屋统计方法
CN112907724A (zh) * 2020-12-31 2021-06-04 河南工程学院 一种利用无人机倾斜摄影的建筑交互式自动成图方法
CN113994662A (zh) * 2019-06-20 2022-01-28 索尼集团公司 信息处理设备、信息处理方法、程序、投影设备和信息处理***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103162670A (zh) * 2013-04-01 2013-06-19 贵州省第二测绘院 一种大比例尺地形图测绘内业屋檐改正方法
CN103198494A (zh) * 2013-04-03 2013-07-10 武汉海达数云技术有限公司 一种基于建筑外轮廓线及激光点云的建筑立面提取方法
CN104697502A (zh) * 2015-01-09 2015-06-10 中国测绘科学研究院 基于最小二乘法的建筑物特征点坐标提取方法
CN106570468A (zh) * 2016-10-25 2017-04-19 中国人民解放军空军工程大学 一种重建LiDAR原始点云建筑物轮廓线的方法
CN106846494A (zh) * 2017-01-16 2017-06-13 青岛海大新星软件咨询有限公司 倾斜摄影三维建筑物模型自动单体化算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103162670A (zh) * 2013-04-01 2013-06-19 贵州省第二测绘院 一种大比例尺地形图测绘内业屋檐改正方法
CN103198494A (zh) * 2013-04-03 2013-07-10 武汉海达数云技术有限公司 一种基于建筑外轮廓线及激光点云的建筑立面提取方法
CN104697502A (zh) * 2015-01-09 2015-06-10 中国测绘科学研究院 基于最小二乘法的建筑物特征点坐标提取方法
CN106570468A (zh) * 2016-10-25 2017-04-19 中国人民解放军空军工程大学 一种重建LiDAR原始点云建筑物轮廓线的方法
CN106846494A (zh) * 2017-01-16 2017-06-13 青岛海大新星软件咨询有限公司 倾斜摄影三维建筑物模型自动单体化算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡湛等: "《一种基于激光点云数据的房屋轮廓线提取方法》", 《地理与地理信息科学》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113994662A (zh) * 2019-06-20 2022-01-28 索尼集团公司 信息处理设备、信息处理方法、程序、投影设备和信息处理***
CN113994662B (zh) * 2019-06-20 2024-04-16 索尼集团公司 信息处理设备及对应方法、***、介质和投影设备
CN110889794A (zh) * 2019-09-30 2020-03-17 成都市市政工程设计研究院 一种市政道路征地房屋统计方法
CN112907724A (zh) * 2020-12-31 2021-06-04 河南工程学院 一种利用无人机倾斜摄影的建筑交互式自动成图方法
CN112907724B (zh) * 2020-12-31 2023-08-04 河南工程学院 一种利用无人机倾斜摄影的建筑交互式自动成图方法

Also Published As

Publication number Publication date
CN109163708B (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN109238239B (zh) 基于航空摄影的数字测量三维建模方法
CN109186551A (zh) 倾斜摄影测量建筑物特征点提取方法、装置与存储介质
CN109059864A (zh) 无人机大比例尺地形图房屋外立面测绘方法、装置与介质
CN109269472A (zh) 倾斜摄影测量建筑物特征线提取方法、装置与存储介质
CN109033538A (zh) 一种基于实测结构面参数的裂隙岩体渗透张量的计算方法
CN109163708A (zh) 无人机大比例尺地形图房屋线的优化方法、装置与介质
US8600713B2 (en) Method of online building-model reconstruction using photogrammetric mapping system
CN113048980B (zh) 位姿优化方法、装置、电子设备及存储介质
CN112712596B (zh) 一种密集匹配点云建筑物结构化模型精细重建方法
CN106597416A (zh) 一种地面GPS辅助的LiDAR数据高程差的误差修正方法
CN109146990B (zh) 一种建筑轮廓的计算方法
CN108375985A (zh) 一种土地三维规划设计平台及其设计方法
CN108761468A (zh) 测绘方法及装置
CN110375712A (zh) 巷道断面提取方法、装置、设备及存储介质
KR20210041305A (ko) 차선 추출 장치 및 방법
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
CN111667569A (zh) 一种基于Rhino及Grasshopper的三维实景土方可视化精准测算方法
CN109341688A (zh) 一种基于构造顺序的地图调用定位算法
CN109255837A (zh) 一种用于激光雷达点云数据处理的高效b样条曲面的构造方法
CN116086411A (zh) 数字地形图生成方法、装置、设备和可读存储介质
CN107504959B (zh) 利用倾斜航空影像测量房屋墙基轮廓的方法
CN112665503B (zh) 一种基于三角剖分的农机作业面积测量方法和测量装置
CN104898106A (zh) 一种面向复杂地形机载激光雷达数据的地面点提取方法
CN103162670B (zh) 一种大比例尺地形图测绘内业屋檐改正方法
CN115628720A (zh) 一种智能三维地形图测绘方法及***

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