CN110880202B - 一种三维地形模型创建方法、装置、设备及存储介质 - Google Patents
一种三维地形模型创建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110880202B CN110880202B CN201911214445.9A CN201911214445A CN110880202B CN 110880202 B CN110880202 B CN 110880202B CN 201911214445 A CN201911214445 A CN 201911214445A CN 110880202 B CN110880202 B CN 110880202B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- pit body
- target pit
- lidar
- target
- 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
Images
Classifications
-
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种三维地形模型创建方法、装置、设备及介质,方法包括:对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云;依据曲率特征拟合算法对目标坑体点云进行点云内插,更新目标坑体点云,并依据更新后的目标坑体点云生成地形曲面;对通过机载相机获取的影像图片提取点特征;依据目标坑体点云和点特征进行配准,得到三维地形模型。本方法通过依据曲率特征拟合算法对目标坑体点云进行点云内插,得到点云密度更大的目标坑体点云;利用更新后的目标坑体点云提高生成地形曲面的准确度,提高机载LiDAR点云数据和影像图片的配准准确度,提高三维地形模型的重现效果。
Description
技术领域
本发明涉及机载激光雷达领域,特别涉及一种三维地形模型创建方法、装置、设备及计算机可读存储介质。
背景技术
随着机载激光雷达技术的高速发展,使用无人机搭载激光雷达***实现三维地形模型的构建,进而实现地形探测的技术方案越来越成熟。机载激光雷达(LiDAR,LightDetection And Ranging)***通过发射和接收激光脉冲,能够直接快速得到地表密集的高精度三维点坐标,即机载LiDAR点云数据,利用机载LiDAR点云数据生成地形曲面,再通过机载相机获取对应的影像图片,通过将机载LiDAR点云数据和影像图片的特征点进行配准,得到三维地形模型,即附着表示地形颜色的三维地形模型。
但是,在实际操作中,往往由于通过机载激光雷达获取到的机载LiDAR点云数据的数量不够多,使得生成的地形曲面不够准确,模型不具备纹理,导致利用机载LiDAR点云数据和影像图片进行的配准效果不够准确,进而导致三维地形模型不准。
因此,如何提高机载LiDAR点云数据和影像图片的配准的准确度,提高三维地形模型的重现效果,是本领域技术人员目前需要解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种三维地形模型创建方法,能够提高机载LiDAR点云数据和影像图片的配准的准确度,提高三维地形模型的重现效果;本发明的另一目的是提供一种三维地形模型创建装置、设备及计算机可读存储介质,均具有上述有益效果。
为解决上述技术问题,本发明提供一种三维地形模型创建方法,包括:
对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云;
依据曲率特征拟合算法对所述目标坑体点云进行点云内插,更新所述目标坑体点云,并依据所述更新后的目标坑体点云生成地形曲面;
对通过机载相机获取的影像图片提取点特征;
依据所述目标坑体点云和所述点特征进行配准,得到三维地形模型。
优选地,在所述依据曲率特征拟合算法对所述目标坑体点云进行点云内插,更新所述目标坑体点云,并依据所述更新后的目标坑体点云生成地形曲面之后,进一步包括:
根据所述地形曲面计算所述目标坑体的土方量。
优选地,所述对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云的过程,具体为:
通过移动通信网络实时获取利用机载LiDAR获取的所述LiDAR点云数据;
对所述LiDAR点云数据进行滤波,提取出地面点,并圈选得到所述目标坑体点云;
所述对通过机载相机获取的影像图片提取点特征的过程,具体为:
利用所述移动通信网络实时获取通过所述机载相机获取的所述影像图片,并对所述影像图片进行提取点特征。
优选地,所述影像图片具体为通过机载倾斜相机获取的影像图片。
优选地,所述LiDAR点云数据和所述影像图片具体为依据同步控制技术控制所述机载LiDAR和所述机载倾斜相机同步获取所述LiDAR点云数据和所述影像图片。
优选地,所述LiDAR点云数据具体为利用固定翼搭载小型机载LiDAR获取所述LiDAR点云数据。
为解决上述技术问题,本发明还提供一种三维地形模型创建装置,包括:
点云提取模块,用于对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云;
地形曲面生成模块,用于依据曲率特征拟合算法对所述目标坑体点云进行点云内插,更新所述目标坑体点云,并依据所述更新后的目标坑体点云生成地形曲面;
特征点提取模块,用于对通过机载相机获取的影像图片提取点特征;
配准模块,用于依据所述目标坑体点云和所述点特征进行配准,得到三维地形模型。
为解决上述技术问题,本发明还提供一种三维地形模型创建设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一种三维地形模型创建方法的步骤。
为解决上述技术问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种三维地形模型创建方法的步骤。
本发明提供的一种三维地形模型创建方法,首先对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云;然后依据曲率特征拟合算法对目标坑体点云进行点云内插,更新目标坑体点云,并依据更新后的目标坑体点云生成地形曲面;对通过机载相机获取的影像图片提取点特征;再依据目标坑体点云和点特征进行配准,得到三维地形模型。可见,本方法能够在目标坑体点云稀疏的情况下,通过依据曲率特征拟合算法对目标坑体点云进行点云内插,得到点云密度更大的目标坑体点云;因此,能够利用更新后的目标坑体点云提高生成地形曲面的准确度,提高机载LiDAR点云数据和影像图片的配准准确度,提高三维地形模型的重现效果。
为解决上述技术问题,本发明还提供了一种三维地形模型创建装置、设备及计算机可读存储介质,均具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种三维地形模型创建方法的流程图;
图2为本发明实施例提供的一种机载激光雷达***的示意图;
图3为本发明实施例提供的一种三维地形模型创建装置的结构图;
图4为本发明实施例提供的一种三维地形模型创建设备的结构图。
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做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。
本发明实施例的核心是提供一种三维地形模型创建方法,能够提高机载LiDAR点云数据和影像图片的配准的准确度,提高三维地形模型的重现效果;本发明的另一核心是提供一种三维地形模型创建装置、设备及计算机可读存储介质,均具有上述有益效果。
为了使本领域技术人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
图1为本发明实施例提供的一种三维地形模型创建方法的流程图。如图1所示,一种三维地形模型创建方法包括:
S10:对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云。
首先,通过在无人机上搭载机载LiDAR,利用无人机上的任务规划和载荷显控计算机接收地面数据终端分发的飞机导航数据,实时显控无人机的当前位置,并计算出航线参数,再通过地面数据终端将计算出的航线参数上传给无人机,以控制无人机在目标地形上空飞行,在飞行过程中利用机载LiDAR获取LiDAR点云数据。
需要说明的是,在通过机载LiDAR采集到LiDAR点云数据之后,需要先对LiDAR点云数据进行预处理操作,以避免噪声点云等对建模结果的干扰。
需要说明的是,由于自然地形表面常附有大量的植被或者其他物体,因此需要剔除表示植被或者其他物体的冗余点云数据,得到仅表示地形表面的点云数据。具体的,根据点云高程分布特点,基于高程投影方法对LiDAR点云数据进行滤波,并提取出地面点,点云滤波是将LiDAR点云数据中地面点与非地面点分类的过程;再从地面点中圈选得出目标坑体点云,目标坑体点云即表示目标位置处的地形表面对应的点云数据。
S20:依据曲率特征拟合算法对目标坑体点云进行点云内插,更新目标坑体点云,并依据更新后的目标坑体点云生成地形曲面。
具体的,在本实施例中,依据曲率特征拟合算法计算目标坑体点云的曲率特征,再依据曲率特征对目标坑体点云进行点云内插,即,在当前的目标坑体点云的基础上,不改变目标坑体本身的曲率特征,进行点云内插,得到点云密度更大的目标坑体点云,并利用该目标坑体点云更新原来的目标坑体点云;然后,利用更新后的目标坑体点云进行曲面拟合,得到地形曲面。
S30:对通过机载相机获取的与目标坑体点云对应的影像图片提取点特征。
需要说明的是,在本实施例中,需要利用无人机搭载记载相机获取与目标坑体点云对应的目标地形的影像图片,然后提取出影像图片的面特征,并进一步提取点特征。需要说明的是,可以是利用SIFT算子等方式提取影像图片中的点特征,本实施例对此不做限定。
S40:依据目标坑体点云和点特征进行配准,得到三维地形模型。
需要说明的是,获取到目标坑体点云对应的影像图片的点特征之后,则依据目标坑体点云和点特征进行配准,将表示实际空间位置中的同一点相对应,实现在根据目标坑体点云得到地形曲面的基础上,增加通过影像图片获取的对应的地形表面的颜色特征,得到附着有地形颜色的三维地形模型。根据实验证明,按照本实施例的方法,能够使得匹配精度优于5cm。
本发明实施例提供的一种三维地形模型创建方法,首先对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云;然后依据曲率特征拟合算法对目标坑体点云进行点云内插,更新目标坑体点云,并依据更新后的目标坑体点云生成地形曲面;对通过机载相机获取的影像图片提取点特征;再依据目标坑体点云和点特征进行配准,得到三维地形模型。可见,本方法能够在目标坑体点云稀疏的情况下,通过依据曲率特征拟合算法对目标坑体点云进行点云内插,得到点云密度更大的目标坑体点云;因此,能够利用更新后的目标坑体点云提高生成地形曲面的准确度,提高机载LiDAR点云数据和影像图片的配准准确度,提高三维地形模型的重现效果。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,在依据曲率特征拟合算法对目标坑体点云进行点云内插,更新目标坑体点云,并依据更新后的目标坑体点云生成地形曲面之后,进一步包括:
根据地形曲面计算目标坑体的土方量。
具体的,在本实施例中,是在利用更新后的目标坑体点云生成地形曲面之后,根据得出的地形曲面的形状类型,选择相适应的计算方式,进一步计算该目标坑体对应的土方量。需要说明的是,目前比较常用的几种计算土方量的方法有:方格网法、等高线法、断面法、DTM法、区域土方量平衡法和平均高程法等。并且,根据地形曲面选择对应的计算方式,如,当地形复杂起伏变化较大,或地狭长、挖填深度较大且不规则的地段,可以选择横断面法进行土方量计算。
可见,本实施例中,通过进一步根据地形曲面计算目标坑体的土方量,能够进一步便于工程实施,进一步提升用户的使用体验。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云的过程,具体为:
通过移动通信网络实时获取利用机载LiDAR获取的LiDAR点云数据;
对LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云;
对通过机载相机获取的影像图片提取点特征的过程,具体为:
利用移动通信网络实时获取通过机载相机获取的影像图片,并对影像图片进行提取点特征。
需要说明的是,现有技术中,一般是通过无人机采集LiDAR点云数据和影像图片,并实时存储于无人机上的存储装置中,在无人机落地以后,再从该存储装置中拷贝出LiDAR点云数据和影像图片进行创建三维地形模型的操作。
本实施例中,通过进一步在无人机上设置移动通信***,在无人机采集到LiDAR点云数据和影像图片之后,便通过移动通信***,利用移动通信网络将采集到的LiDAR点云数据和影像图片实时传输至地面数据处理终端,在地面数据处理终端实现三维地形模型的创建操作。需要说明的是,本实施例对移动通信网络的类型不做限定,例如可以是2G/3G/4G/5G移动网络,根据实际需求进行选择。
因此,本实施例通过移动通信网络实时获取利用机载LiDAR获取的LiDAR点云数据和利用机载相机获取的影像图片,因此能够在地面数据处理终端进行实时的三维地形建模操作,大大提高创建三维地形模型的实时性。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,影像图片具体为通过机载倾斜相机获取的影像图片。
需要说明的是,相较于现有技术中通常利用单曲相机以垂直角度拍摄目标地形的影像图片,使得创建出的三维地形模型为顶部附着有颜色的三维地形模型。在本实施例中,影像图片具体为通过机载倾斜相机获取的,即,通过在(同一飞行平台)同一无人机上搭载多台传感器,同时从一个垂直、四个倾斜等五个不同的视角同步采集影像,获取到丰富的目标地形的顶面及侧视的高分辨率纹理。
因此,本实施例不仅能够真实地反映地形情况,高精度地获取目标地形的纹理信息,而且能够为三维地形模型的侧面附着有对应的地形颜色,进一步提高三维地形模型的显示效果,提升用户的使用体验。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,LiDAR点云数据和影像图片具体为依据同步控制技术控制机载LiDAR和机载倾斜相机同步获取LiDAR点云数据和影像图片。
需要说明的是,在本实施例中,通过将机载LiDAR和机载倾斜相机与组合惯导单元相连,利用同步控制技术控制机载LiDAR和机载倾斜相机同步获取LiDAR点云数据和影像图片。具体的,通过获取到准确的机载LiDAR和机载倾斜相机获取目标地形的LiDAR点云和影像图片时的空间位置,并将计算出的同步性均值反馈给综合处理器,通过综合处理器触发对机载LiDAR和机载倾斜相机进行主动控制,得到定位准确的的LiDAR点云和影像图片。
具体的,请参考如图2提供的一种机载激光雷达***的示意图,本实施例中,将机载LiDAR1采集的LiDAR点云数据和机载倾斜相机2拍摄的影像图片存储于数据存储设备4中。更具体的,机载倾斜相机2将拍摄的五个视角的影像图片存储于第一数据存储设备中,通过综合处理器3在地面倾斜相机显控台完成对机载倾斜相机的控制;在设置好带宽后,利用机载LiDAR1完成对目标地形的扫描并将扫描得到的LiDAR点云数据存储到第二数据存储设备中,通过综合处理器3在地面激光雷达显控台完成对机载LiDAR1的控制。
具体的,通过Camera Link接口将机载倾斜相机2采集的影像图片传递给机载数据终端5,通过光纤接口将机载LiDAR1采集到的LiDAR点云数据传递给机载数据终端5;以通过机载数据终端5如移动通信***将LiDAR点云数据和影像图片传输给地面数据处理终端7,以实现实时的三维建模操作。地面数据处理终端7与载荷显控模块8、任务规划模块9和链路监控模块10相连,以实现对无人机的监控管理。同时,通过异步RS422接口将无人机自身的状态信息传递给飞控***(图中未示出)并接收其遥控指令,通过RS422总线将位置姿态测量***6的飞机状态导航信息发送给综合处理器3,并将其转发至无人机中相应的处理设备,实现飞行轨迹的控制。
因此,本实施例的方法,能够进一步提高获取到的LiDAR点云数据和影像图片的匹配程度,进一步提高三维地形模型的精确度。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,LiDAR点云数据具体为利用固定翼搭载小型机载LiDAR获取LiDAR点云数据。
在实际操作中,在对高山峡谷地区进行三维地形建模时,一般利用固定翼搭载中/大型机载LiDAR来采集对应的LiDAR点云数据。而本实施例中,优选地使用固定翼搭载小型机载LiDAR获取LiDAR点云数据。需要说明的是,固定翼航速快、航高相对较高,更适合于在高山峡谷地区飞行;并且,小型机载LiDAR的重量一般低于1.5kg,而中/大型机载LiDAR的重量一般为5-7kg,此外,中/大型机载LiDAR的造价远远高于小型机载LiDAR。
因此,通过本实施例的方法能够相对降低采集LiDAR点云数据的成本。
上文对于本发明提供的一种三维地形模型创建方法的实施例进行了详细的描述,本发明还提供了一种与该方法对应的三维地形模型创建装置、设备及计算机可读存储介质,由于装置、设备及计算机可读存储介质部分的实施例与方法部分的实施例相互照应,因此装置、设备及计算机可读存储介质部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
图3为本发明实施例提供的一种三维地形模型创建装置的结构图,如图3所示,一种三维地形模型创建装置包括:
点云提取模块31,用于对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云;
地形曲面生成模块32,用于依据曲率特征拟合算法对目标坑体点云进行点云内插,更新目标坑体点云,并依据更新后的目标坑体点云生成地形曲面;
特征点提取模块33,用于对通过机载相机获取的影像图片提取点特征;
配准模块34,用于依据目标坑体点云和点特征进行配准,得到三维地形模型。
本发明实施例提供的三维地形模型创建装置,具有上述三维地形模型创建方法的有益效果。
作为优选的实施方式,进一步包括:
计算模块,用于根据地形曲面计算目标坑体的土方量。
图4为本发明实施例提供的一种三维地形模型创建设备的结构图,如图4所示,一种三维地形模型创建设备包括:
存储器41,用于存储计算机程序;
处理器42,用于执行计算机程序时实现如上述三维地形模型创建方法的步骤。
本发明实施例提供的三维地形模型创建设备,具有上述三维地形模型创建方法的有益效果。
为解决上述技术问题,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述三维地形模型创建方法的步骤。
本发明实施例提供的计算机可读存储介质,具有上述三维地形模型创建方法的有益效果。
以上对本发明所提供的三维地形模型创建方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
Claims (9)
1.一种三维地形模型创建方法,其特征在于,包括:
对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云;
依据曲率特征拟合算法对所述目标坑体点云进行点云内插,更新所述目标坑体点云,并依据所述更新后的目标坑体点云生成地形曲面;
对通过机载相机获取的影像图片提取点特征;
依据所述目标坑体点云和所述点特征进行配准,得到三维地形模型;
所述目标坑体点云具体为目标位置处的地形表面对应的点云数据;
所述依据曲率特征拟合算法对所述目标坑体点云进行点云内插的过程,包括:
在所述目标坑体点云的基础上,不改变所述目标坑体点云对应的目标坑体的曲率特征,进行点云内插,以得到点云密度更大的所述目标坑体点云。
2.根据权利要求1所述的方法,其特征在于,在所述依据曲率特征拟合算法对所述目标坑体点云进行点云内插,更新所述目标坑体点云,并依据所述更新后的目标坑体点云生成地形曲面之后,进一步包括:
根据所述地形曲面计算所述目标坑体的土方量。
3.根据权利要求1所述的方法,其特征在于,所述对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云的过程,具体为:
通过移动通信网络实时获取利用机载LiDAR获取的所述LiDAR点云数据;
对所述LiDAR点云数据进行滤波,提取出地面点,并圈选得到所述目标坑体点云;
所述对通过机载相机获取的影像图片提取点特征的过程,具体为:
利用所述移动通信网络实时获取通过所述机载相机获取的所述影像图片,并对所述影像图片进行提取点特征。
4.根据权利要求1所述的方法,其特征在于,所述影像图片具体为通过机载倾斜相机获取的影像图片。
5.根据权利要求4所述的方法,其特征在于,所述LiDAR点云数据和所述影像图片具体为依据同步控制技术控制所述机载LiDAR和所述机载倾斜相机同步获取所述LiDAR点云数据和所述影像图片。
6.根据权利要求1所述的方法,其特征在于,所述LiDAR点云数据具体为利用固定翼搭载小型机载LiDAR获取所述LiDAR点云数据。
7.一种三维地形模型创建装置,其特征在于,包括:
点云提取模块,用于对通过机载LiDAR获取的LiDAR点云数据进行滤波,提取出地面点,并圈选得到目标坑体点云;
地形曲面生成模块,用于依据曲率特征拟合算法对所述目标坑体点云进行点云内插,更新所述目标坑体点云,并依据所述更新后的目标坑体点云生成地形曲面;
特征点提取模块,用于对通过机载相机获取的影像图片提取点特征;
配准模块,用于依据所述目标坑体点云和所述点特征进行配准,得到三维地形模型;
所述目标坑体点云具体为目标位置处的地形表面对应的点云数据;
所述依据曲率特征拟合算法对所述目标坑体点云进行点云内插的过程,包括:
在所述目标坑体点云的基础上,不改变所述目标坑体点云对应的目标坑体的曲率特征,进行点云内插,以得到点云密度更大的所述目标坑体点云。
8.一种三维地形模型创建设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述的三维地形模型创建方法的步骤。
9.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的三维地形模型创建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214445.9A CN110880202B (zh) | 2019-12-02 | 2019-12-02 | 一种三维地形模型创建方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214445.9A CN110880202B (zh) | 2019-12-02 | 2019-12-02 | 一种三维地形模型创建方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110880202A CN110880202A (zh) | 2020-03-13 |
CN110880202B true CN110880202B (zh) | 2023-03-21 |
Family
ID=69730323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911214445.9A Active CN110880202B (zh) | 2019-12-02 | 2019-12-02 | 一种三维地形模型创建方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110880202B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111551956B (zh) * | 2020-06-28 | 2022-05-20 | 重庆地质矿产研究院 | 基于机载激光雷达的一种地质灾害探测识别方法 |
CN112052788B (zh) * | 2020-09-03 | 2024-04-02 | 深圳市道通智能航空技术股份有限公司 | 基于双目视觉的环境感知方法、装置及无人飞行器 |
CN116664790B (zh) * | 2023-07-26 | 2023-11-17 | 昆明人为峰科技有限公司 | 基于无人机测绘的三维地形分析***及方法 |
CN116754039B (zh) * | 2023-08-16 | 2023-10-20 | 四川吉埃智能科技有限公司 | 地面坑体土方量检测方法 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006083297A2 (en) * | 2004-06-10 | 2006-08-10 | Sarnoff Corporation | Method and apparatus for aligning video to three-dimensional point clouds |
CN103017739A (zh) * | 2012-11-20 | 2013-04-03 | 武汉大学 | 基于激光雷达点云与航空影像的真正射影像的制作方法 |
CN103744086A (zh) * | 2013-12-23 | 2014-04-23 | 北京建筑大学 | 一种地面激光雷达与近景摄影测量数据的高精度配准方法 |
CN204078073U (zh) * | 2014-09-17 | 2015-01-07 | 江西洪都航空工业集团有限责任公司 | 一种飞机发动机安装结构 |
CN104392484A (zh) * | 2014-11-13 | 2015-03-04 | 中国科学院深圳先进技术研究院 | 一种三维树木建模方法及装置 |
CN104574303A (zh) * | 2014-12-26 | 2015-04-29 | 河海大学 | 基于空间聚类的机载LiDAR点云地面滤波方法 |
CN106126834A (zh) * | 2016-06-28 | 2016-11-16 | 西安交通大学 | 一种基于惯导角度量测的轨道平面最佳线形确定算法 |
CN106600617A (zh) * | 2016-12-29 | 2017-04-26 | 中科宇图科技股份有限公司 | 基于曲率从Lidar点云数据提取建筑物轮廓线的方法 |
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
CN107102339A (zh) * | 2017-04-28 | 2017-08-29 | 上海华测导航技术股份有限公司 | 一种地面线数据的自动生成方法 |
CN107274376A (zh) * | 2017-07-10 | 2017-10-20 | 南京埃斯顿机器人工程有限公司 | 一种工件三维点云数据平滑滤波方法 |
CN107316325A (zh) * | 2017-06-07 | 2017-11-03 | 华南理工大学 | 一种基于图像配准的机载激光点云与影像配准融合方法 |
EP3291138A1 (en) * | 2016-09-02 | 2018-03-07 | Delphi Technologies, Inc. | Automated-vehicle 3d road-model and lane-marking definition system |
CN107832681A (zh) * | 2017-10-16 | 2018-03-23 | 福州大学 | 联合LiDAR点云和同步遥感影像的森林单木树高估算方法 |
CN108555464A (zh) * | 2018-06-29 | 2018-09-21 | 华中科技大学 | 一种大型复杂曲面动态聚焦激光加工方法及*** |
CN109916227A (zh) * | 2017-12-13 | 2019-06-21 | 中电科特种飞机***工程有限公司 | 一种反无人机控制***及方法 |
CN110285805A (zh) * | 2019-06-28 | 2019-09-27 | 北京航空航天大学 | 一种数据空洞的自适应插值/分割处理方法 |
CN110375668A (zh) * | 2019-07-08 | 2019-10-25 | 西北农林科技大学 | 基于点云数据的黄土坡面微地形曲面重构方法 |
CN110415342A (zh) * | 2019-08-02 | 2019-11-05 | 深圳市唯特视科技有限公司 | 一种基于多融合传感器的三维点云重建装置与方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020164067A1 (en) * | 2001-05-02 | 2002-11-07 | Synapix | Nearest neighbor edge selection from feature tracking |
WO2018140748A1 (en) * | 2017-01-26 | 2018-08-02 | The Regents Of The University Of Michigan | Localization using 2d maps which capture vertical structures in 3d point data |
US11340632B2 (en) * | 2018-03-27 | 2022-05-24 | Uatc, Llc | Georeferenced trajectory estimation system |
-
2019
- 2019-12-02 CN CN201911214445.9A patent/CN110880202B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006083297A2 (en) * | 2004-06-10 | 2006-08-10 | Sarnoff Corporation | Method and apparatus for aligning video to three-dimensional point clouds |
CN103017739A (zh) * | 2012-11-20 | 2013-04-03 | 武汉大学 | 基于激光雷达点云与航空影像的真正射影像的制作方法 |
CN103744086A (zh) * | 2013-12-23 | 2014-04-23 | 北京建筑大学 | 一种地面激光雷达与近景摄影测量数据的高精度配准方法 |
CN204078073U (zh) * | 2014-09-17 | 2015-01-07 | 江西洪都航空工业集团有限责任公司 | 一种飞机发动机安装结构 |
CN104392484A (zh) * | 2014-11-13 | 2015-03-04 | 中国科学院深圳先进技术研究院 | 一种三维树木建模方法及装置 |
CN104574303A (zh) * | 2014-12-26 | 2015-04-29 | 河海大学 | 基于空间聚类的机载LiDAR点云地面滤波方法 |
CN106126834A (zh) * | 2016-06-28 | 2016-11-16 | 西安交通大学 | 一种基于惯导角度量测的轨道平面最佳线形确定算法 |
EP3291138A1 (en) * | 2016-09-02 | 2018-03-07 | Delphi Technologies, Inc. | Automated-vehicle 3d road-model and lane-marking definition system |
CN106600617A (zh) * | 2016-12-29 | 2017-04-26 | 中科宇图科技股份有限公司 | 基于曲率从Lidar点云数据提取建筑物轮廓线的方法 |
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
CN107102339A (zh) * | 2017-04-28 | 2017-08-29 | 上海华测导航技术股份有限公司 | 一种地面线数据的自动生成方法 |
CN107316325A (zh) * | 2017-06-07 | 2017-11-03 | 华南理工大学 | 一种基于图像配准的机载激光点云与影像配准融合方法 |
CN107274376A (zh) * | 2017-07-10 | 2017-10-20 | 南京埃斯顿机器人工程有限公司 | 一种工件三维点云数据平滑滤波方法 |
CN107832681A (zh) * | 2017-10-16 | 2018-03-23 | 福州大学 | 联合LiDAR点云和同步遥感影像的森林单木树高估算方法 |
CN109916227A (zh) * | 2017-12-13 | 2019-06-21 | 中电科特种飞机***工程有限公司 | 一种反无人机控制***及方法 |
CN108555464A (zh) * | 2018-06-29 | 2018-09-21 | 华中科技大学 | 一种大型复杂曲面动态聚焦激光加工方法及*** |
CN110285805A (zh) * | 2019-06-28 | 2019-09-27 | 北京航空航天大学 | 一种数据空洞的自适应插值/分割处理方法 |
CN110375668A (zh) * | 2019-07-08 | 2019-10-25 | 西北农林科技大学 | 基于点云数据的黄土坡面微地形曲面重构方法 |
CN110415342A (zh) * | 2019-08-02 | 2019-11-05 | 深圳市唯特视科技有限公司 | 一种基于多融合传感器的三维点云重建装置与方法 |
Non-Patent Citations (10)
Title |
---|
An efficient registration algorithm based on spin image for LiDAR 3D point cloud models;He, Yuqing;Mei, Yuangang;《NEUROCOMPUTING》;20150303;第151卷;全文 * |
DEM插值算法适应性研究;张锦明;《CNKI》;20130615;全文 * |
DIGITAL ELEVATION MODELING VIA CURVATURE INTERPOLATION FOR LIDAR DATA;Kim, Hwamog;Willers, Jeffrey L.;Kim, Seongjai;《ELECTRONIC JOURNAL OF DIFFERENTIAL EQUATIONS》;20161231;全文 * |
LiDAR点云预处理方法研究;刘晓亮,陈晓轩,安瑶军;《测绘技术装备》;20181231;第20卷(第4期);全文 * |
半空域覆盖波束成形阵列及射频前端研究;石豪胜;《CNKI》;20180215;全文 * |
基于Hough变换的点云数据直线特征提取研究;张云鹏;《矿山测量》;20191015;第47卷(第5期);全文 * |
基于惯导角度量测的轨道平面最佳线形参数估计算法;李晓雯,元向辉,周春翔.;《计算机应用》;20161231;第36卷(第12期);全文 * |
基于无人机LiDAR数据的公路路面监测和平整度评价方法研究;高仁强,张显峰,孙权,孙敏,赵庆展.;《应用基础与工程科学学报》;20181231;第26卷(第4期);全文 * |
基于边缘检测滤波的机载激光雷达点云数据处理;魏浩翰,何立恒,李杰;《森林工程》;20131231;第29卷(第6期);全文 * |
机载LiDAR地形特征信息快速提取;刘智敏,杨安秀,宿殿鹏;《大地测量与地球动力学》;20181231;第38卷(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110880202A (zh) | 2020-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110880202B (zh) | 一种三维地形模型创建方法、装置、设备及存储介质 | |
KR102001728B1 (ko) | 스테레오 카메라 드론을 활용한 무기준점 3차원 위치좌표 취득 방법 및 시스템 | |
CN104637370B (zh) | 一种摄影测量与遥感综合教学的方法及*** | |
CN108701373B (zh) | 基于无人机航拍的三维重建方法、***及装置 | |
CN111629193B (zh) | 一种实景三维重建方法及*** | |
CN107194989B (zh) | 基于无人机飞机航拍的交通事故现场三维重建***及方法 | |
KR102007567B1 (ko) | 스테레오 드론 및 이를 이용하는 무기준점 토공량 산출 방법과 시스템 | |
Udin et al. | Assessment of photogrammetric mapping accuracy based on variation flying altitude using unmanned aerial vehicle | |
CN111275750B (zh) | 基于多传感器融合的室内空间全景图像生成方法 | |
CN110221603A (zh) | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 | |
CN111091613A (zh) | 基于无人机航测的三维实景建模方法 | |
EP3803273A1 (en) | Techniques for real-time mapping in a movable object environment | |
CN110503080A (zh) | 基于无人机倾斜摄影辅助排污口的调查方法 | |
CA2649916A1 (en) | Apparatus and method for automatic airborne lidar data processing and mapping using data obtained thereby | |
CN113607135A (zh) | 一种用于路桥施工领域的无人机倾斜摄影测量方法 | |
CN108955645A (zh) | 应用于通信铁塔智能巡检的三维建模方法及装置 | |
CN112652065A (zh) | 三维社区建模方法、装置、计算机设备及存储介质 | |
KR102567800B1 (ko) | 드론을 이용한 3차원 지도 제작 방법 | |
KR102262120B1 (ko) | 드론 경로 제공 방법 | |
CN113608234A (zh) | 一种城市数据采集*** | |
CN115825067A (zh) | 一种基于无人机的地质信息采集方法、***及电子设备 | |
CN111006645A (zh) | 基于运动与结构重建的无人机测绘方法 | |
CN117152371B (zh) | 一种三维地形测绘方法及*** | |
CN110780313A (zh) | 一种无人机可见光立体测量采集建模方法 | |
CN109163718A (zh) | 一种面向建筑群的无人机自主导航方法 |
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 |