CN111077535B - 一种激光雷达数据采集***及数据处理方法 - Google Patents
一种激光雷达数据采集***及数据处理方法 Download PDFInfo
- Publication number
- CN111077535B CN111077535B CN201911265809.6A CN201911265809A CN111077535B CN 111077535 B CN111077535 B CN 111077535B CN 201911265809 A CN201911265809 A CN 201911265809A CN 111077535 B CN111077535 B CN 111077535B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- area
- filtering
- data
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及数据采集和建模技术领域,具体涉及一种激光雷达数据采集***及数据处理方法,其中数据采集***包括数据采集装置和数据处理装置,数据采集装置至少用于获取待监测区域的激光点云数据以及该点云数据对应的坐标信息;数据处理装置至少包括噪点滤波单元和曲面生成单元,噪点滤波单元用于对激光点云数据进行滤波处理,去除激光点云数据中的噪声点,曲面生成单元用于根据去燥后激光点云数据以及对应的坐标信息生成三角曲面,三角曲面用于计算待监测区域的地理空间信息。通过本实施例的***和数据处理方法可以实现对矿山的地理信息进行实时监测,有助于矿山的开采和管理。
Description
技术领域
本发明涉及数据采集和建模技术领域,具体涉及一种激光雷达数据采集***及数据处理方法。
背景技术
随着现代科学技术的发展,尤其是近代的计算机人工智能、无线通讯技术、智能导航技术、自动化作业技术和人工智能技术突飞猛进式的发展,智能化矿山通常是指结合多门类的现代高新技术和自动化采矿设备,再辅以先进的数据管控***来提高矿山生产效率、作业安全以及经济效益。通过对作业区域动态实时信息数据收集处理和监控调配,把矿区生产管理提高到另外一个层次。因此,为了建成现代化的智能矿山,人工智能技术如专家***、神经网络、模糊逻辑、自适应模式识别、遗传算法等,以及全球定位导航(GNSS)技术、云计算(Cloud Computing)技术、4G/5G通信技术、激光识别技术、遥感技术、自动化技术等不同领域的科技都能在智能矿山的勘察设计、开采、计划、控制、管理等相关方面得到逐步应用。
作为完成矿山智能化的先决条件,数据的收集、处理、储藏是任何智能主体社区构建的第一步。实时的信息数据是智慧矿区的基础要素,有了最全面的信息才能做最正确的决策。只有不间断更新的空间数据和地信数据才能保证矿区智能化作业后的高效和安全,因此如何收集矿山待监测区域的各种数据信息并对相关数据信息进行处理,以实现对待监测区域的地理信息进行快速清晰的掌握是目前急需解决的技术问题。
发明内容
本发明提供一种激光雷达数据采集***及数据处理方法,旨在对矿山待监测区域进行数据自动化采集和处理,从而得到待监测区域的三角曲面模型,根据该三角曲面模型获取待监测区域的地理空间信息。
一种激光雷达数据采集***,包括数据采集装置和数据处理装置,所述数据采集装置至少用于获取待监测区域的激光点云数据以及该点云数据对应的坐标信息;
所述数据处理装置至少包括:
噪点滤波单元,用于对所述激光点云数据进行滤波处理,去除所述激光点云数据中的噪声点,得到去燥后的激光点云数据;
曲面生成单元,用于根据去燥后激光点云数据以及对应的坐标信息生成三角曲面;
其中,所述三角曲面用于计算待监测区域的地理空间信息。
其中,所述数据采集装置至少包括:
三维激光雷达,用于获取待监测区域的激光点云数据;
定位***,用于获取待监测区域的激光点云数据对应的坐标信息;
所述数据采集装置还包括摄影测量***,用于采集待监测区域的高清图像信息;
所述数据处理装置还包括三维建模单元,用于根据所述高清图像信息对所述待监测区域进行三维建模。
其中,所述噪点滤波单元包括直通滤波模块、体素滤波模块、统计滤波模块、条件滤波模块和半径滤波模块中的一种或多种:
所述直通滤波模块用于对所述激光点云数据进行直通滤波,去掉预设的直通滤波范围之外的噪声点和离群点;
所述体素滤波模块用于采用体素化网格法对直通滤波后的激光点云数据进行体素滤波,进一步去掉噪声点和离群点,同时采用体素化网格法对点云密集的区域进行下采样,得到过滤后的点云数据;
所述统计滤波模块用于采用预设的统计法对过滤后的点云数据进行统计滤波,进一步的去掉噪声点和离群点;
所述条件滤波模块用于采用预设条件对统计滤波后的点云数据进行进一步滤波,进一步去掉噪声点和离群点;
所述半径滤波模块用于采用预设的半径对条件滤波后的点云数据进行半径滤波,进一步去掉噪声点和离群点。
其中,所述数据采集装置还包括用于设置在所述三维激光雷达、定位***和摄影测量***上的第一通信模块,用于将获取的点云数据、点云数据对应的坐标信息以及高清图像信息通过无线和/或有线信号发送出去;
所述数据采集装置还包括用于设置在所述数据处理装置上的第二通信模块,用于接收所述第一通信模块发送的点云数据、点云数据对应的坐标信息以及高清图像信息。
其中,所述定位***包括:
区域定位***,用于采用区域定位的方法获取对应的点云数据在待监测区域的第一坐标信息;
全球定位***,用于采用全球定位的方法获取对应的点云数据在待监测区域的第二坐标信息;
所述数据处理装置还包括坐标融合单元,用于将所述第一坐标信息和第二坐标信息进行融合,得到点云数据对应的精确坐标信息。
一种激光雷达数据处理方法,包括:
获取待监测区域的激光点云数据以及该点云数据对应的坐标信息;
对所述激光点云数据进行滤波处理,去除所述激光点云数据中的噪声点,得到去燥后的激光点云数据;
根据去燥后激光点云数据以及对应的坐标信息采用规则格网三角曲面生成法生成三角曲面;
其中,所述三角曲面用于计算待监测区域的地理空间信息。
其中,所述获取待监测区域的激光点云数据包括:
分别获取同一测绘点不同高度处的点云数据,对不同高度处获取的点云数据进行拼接融合,得到在该测绘点的全幅激光点云数据;
获取多个测绘点的多个全幅激光点云数据进行拼接融合得到待监测区域的激光点云数据。
其中,所述获取待监测区域的激光点云数据以及该点云数据对应的坐标信息包括:
采用三维激光雷达获取待监测区域的激光点云数据;
采用定位***获取待监测区域的激光点云数据对应的坐标信息。
其中,所述获取待监测区域的激光点云数据包括:
分别获取同一测绘点不同高度处的点云数据,对不同高度处获取的点云数据进行拼接融合,得到在该测绘点的全幅激光点云数据;
获取多个测绘点的多个全幅激光点云数据进行拼接融合得到待监测区域的激光点云数据。
其中,所述对所述激光点云数据进行滤波处理,去除所述激光点云数据中的噪声点时采用的滤波方法至少包括以下中的一种或多种:
对所述激光点云数据进行直通滤波,去掉预设的直通滤波范围之外的噪声点和离群点;
采用体素化网格的方法对直通滤波后的激光点云数据进行体素滤波,进一步去掉噪声点和离群点,同时采用体素化网格的方法对点云密集的区域进行下采样,得到过滤后的点云数据;
采用预设的统计方法对过滤后的点云数据进行统计滤波,进一步的去掉噪声点和离群点;
采用预设条件对统计滤波后的点云数据进行进一步滤波,进一步去掉噪声点和离群点;
采用预设的半径对条件滤波后的点云数据进行半径滤波,进一步去掉噪声点和离群点。
其中,所述采用定位***获取待监测区域的激光点云数据对应的坐标信息包括:
采用区域定位的方法获取对应的点云数据在待监测区域的第一坐标信息;
采用全球定位的方法获取对应的点云数据在待监测区域的第二坐标信息;
将所述第一坐标信息和第二坐标信息进行融合,得到点云数据对应的精确坐标信息。
进一步的,该数据处理方法还包括:
采集待监测区域的高清图像信息;
根据所述高清图像信息对所述待监测区域进行三维建模。
依据上述激光雷达数据采集***和数据处理方法,可以实时的获取待监测区域的激光点云数据以及该点云数据对应的坐标信息,对该激光点云数据进行滤波去燥处理后,结合这些点云数据对应的坐标信息生成三角曲面,根据该三角曲面即可计算出待监测区域的地理空间信息。通过本实施例的***和数据处理方法可以实现对矿山的地理信息进行实时监测,有助于矿山的开采和管理。
附图说明
图1为本申请实施例的激光雷达数据采集***总体结构示意图;
图2为本申请实施例的数据处理装置结构示意图;
图3为本申请实施例的噪点滤波单元结构示意图;
图4为本申请实施例的点云数据分布示意图;
图5为本申请实施例的区域定位技术原理图;
图6为本申请实施例的全球定位技术原理图;
图7为本申请实施例的数据处理方法流程图;
图8为本申请实施例的点云数据和坐标信息获取方法流程图;
图9为本申请实施例的具体的坐标信息获取方法流程图;
图10为本申请实施例的点云数据获取方法示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
应用于智慧矿山的大数据、不间断、全天时、全天候、实时稳定的复合式地形数据采集***是我们此发明的核心设计理念。为了达到这一宗旨,激光扫描、彩色图像捕捉等机器视觉信息模块,集成了全球和区域定位模块和无线通信传输模块,加载于无人机或车辆等空地载具,并辅以高效智能的数据处理和展示软件模块。由于激光扫描技术自身的特殊性和灵活性,可以有多种备选方案用来嫁接激光扫描技术到无人矿区***内以完成对地形变化的相对性的实时捕捉,获取密集型点云数据。
本申请提供一种激光雷达数据采集***及数据处理方法,其中数据采集***包括复合式的数据采集装置、分阶式数据监控模式和数据处理模块,数据采集装置至少用于获取待监测区域的激光点云数据以及该点云数据对应的坐标信息;数据处理装置至少包括无人机遥感单元、车载式和平台式激光雷达扫描单元、点云数据拼接单元、地理信息融合单元、噪点滤波单元、曲面生成单元,无人机遥感单元通过单日多架次倾斜摄影和近地雷达扫描和中心化的数据处理方式来完成测区整体数据监测,车载雷达单元对无法进行无人机采集时段和区间进行高频次数据补充,固定雷达对地形变化频繁或数据实时性要求高区域进行不间断扫描采集,单位置多幅点云数据拼接单元利用多线程激光雷达的机械运动扩大扫描范围,采集到的若干幅点云数据整合完成实时定位和数据拼图从而提高点云数据的密度,地理信息融合单元主要用于将采集过程中激光雷达布设的地理位置信息融合到雷达采集的点云数据中使点云数据与实际地貌能匹配对应,噪点滤波单元将正射影像图和点云数据进行匹配与切割形成一套独立的自动去噪处理算法去除噪声点提高点云数据质量,曲面建模单元根据去噪和滤波后激光点云数据以及对应的坐标信息生成由完整地理信息耦合成的三角曲面,三角曲面用于计算待监测区域的地理空间信息。通过本实施例的***和数据处理方法可以实现对矿山的地理信息进行实时监测和反馈,提供矿区无人驾驶的高精度底层数据,有助于智慧无人矿山的开采和管理。
实施例一:
请参考图1和图2,本实施例提供一种激光雷达数据采集***,包括数据采集装置和数据处理装置4,数据采集装置用于获取待监测区域的激光点云数据以及该点云数据对应的坐标信息。数据处理装置4包括噪点滤波单元41和曲面生成单元42,其中,噪点滤波单元41用于对激光点云数据进行滤波处理,去除激光点云数据中的噪声点,得到去燥后的激光点云数据;曲面生成单元42用于根据去燥后激光点云数据以及对应的坐标信息采用规则格网三角曲面生成法生成三角曲面。其中,采用对应的算法根据三角曲面即可计算出待监测区域的地理空间信息,例如可以很方便地计算等高线、坡度坡向、山坡阴影等地理空间信息。
进一步的,数据处理装置4还包括图形滤波单元,用于利用图像识别和深度学习对去燥后的点云数据进行地表滤波处理,去除点云中非地表的数据,从而得到完整的地形数据图。
其中,本实施例的数据采集装置包括三维激光雷达11、定位***12和摄影测量***13;其中,该三维激光雷达11用于获取待监测区域的激光点云数据,该定位***12用于获取待监测区域的激光点云数据对应的坐标信息;摄影测量***13用于采集待监测区域的高清图像信息。本实施例的数据处理装置还包括三维建模单元43,三维建模单元43用于根据高清图像信息对待监测区域进行三维建模,采用相关的算法根据生成的三维模型即可得到待监测区域的地形信息,例如等高线、坡度坡向、山坡阴影等。
其中,在具体实施例时可以通过无人机、无人车等作为载体,装配上述三维激光雷达11、摄影测量***13和定位***12来获取对应的数据信息。
其中,本实施例的数据采集装置包括:
无人机光学镜头遥感,用于获取日间正摄图像和倾斜摄影建模;
无人机激光雷达扫描,用于获取鸟瞰视角的夜间激光点云数据;
移动式三维激光雷达,该移动式三维激光雷达为多线程式的,用于获取无人机无法采集的时段和区域的激光点云数据;
固定式三位激光雷达,即固态雷达,用于获取实时的对特定的频繁变化区域和高数据量需求的区域进行不间断见光点云数据。
具体的,在本实施例中,数据采集***的数据采集装置由多组不同类型三维激光雷达、高清相机、定位***和各式的载具组成,并根据应用场景的实际地形地貌进行选择性的优化组合布局。如下表1为各采集装置的功能特点。
点云数据的采集方式根据扫描仪的载体不同可衍生出多种方式,本实施例甄选了其中比较适合于矿区地形采集的手段。为了满足智慧矿山对数据更新频率和精度的要求,将多种数据采集相结合的方式,因为这种复合式的采集手段具备了以下几个明显的优势:1.相对低廉的核心扫描组件,相比较固定式扫描站需要的昂贵千米级扫描仪,车载的扫描仪因为其射程相对较短,价格相对低廉;2.通视角度良好,由于车载***的可移动性和便捷性,数据采集站点可沿固定路线作连续式数据采集或者选定视野角度良好区域来做采集点,从而保证了对作业平台核心区能做良好的监控与采集;3.受天气影响不大,不同于无人机载式的三维建模,地面式三维建模相对来说受风雨阻碍较小,能在非晴天维持正常运作;4.数据采集的频率和密度可因作业模式的改变而进行切换,通过安排不同数量级别和分配不同位置的扫描车来达成此目标。
表1
例如可以采用无人机倾斜摄影:小型多旋翼式加载高清摄像头,利用近地遥感技术中的倾斜摄影和摄影测量技术通过对矿区的变化比较频繁的区域作多架次的低空航拍。小型多旋翼无人机经济适用,且整个操作过程相当方便,能有效地完成对小型区域的高精度航测建模。可选取类似大疆精灵4这类成熟的商业无人机,配以低成本的2000万以上的工业相机和维持水平稳定的拍摄云台,辅以PIX4D的无人机专业航测规划软件就能完美的进行小范围高时效区域建模。整个无人机航拍的外野时间因为矿区的大小可控制在4-6小时,数据可由无线或移动硬盘的方式传输至工作站。预装有PIX4D航测数据处理软件的高性能工作站可以进行当日现时段的即时处理,生成规范的点云格式。因为整个矿山区域相对封闭,数据通常能在6-8小时内处理完毕,生成地形的点云数据。优点是技术手段的设备相对价格不高,处理技术和软件非常成熟,工业流程经过反复验证和打磨过。缺点是航测极易收到天气影响,且无法在夜间进行拍摄采集。
例如采用无人机扫描:复合式无人机加载激光测距(LIDAR)***,按拟定的飞行线路,对工作区域进行低空高频架次的空中俯视扫描。扫描仪可选用中距离近红外波(NIR)脉冲式扫描模块结合高清相机(自然图像模块)形成密度不小于10cm/点的密集点云数据。机载设备会因重量而酌情选取。优点是,覆盖区域大;不受场地大小和复杂程度影响;成本比较低。缺点是,数据采集不稳定,频率受气候天时影响;需要人为参与和起降场地;在空域受限区域无法使用;点云数据密集度不高。
例如采用固定式区域扫描:稳定在工作区域内和四周的扫描站,定时或不间断的对涵盖区域进行扫描建模,可根据需要不定期移动。复合扫描模块可选取大于300米扫描半径中远距离的可变频脉冲式扫描仪,在微光环境下工作的星光级数码相机和类FLIR的热成像镜头参数的红外镜头。为了能保证全矿山区域覆盖无死角,现场可架设多台固定式扫描设备。值得一提的是,此设备也适用于较为开阔的坑道或矿井结构。其优点是,数据采集稳定不受天时气候影响;采集频率极高,可满足智能矿区的一切需求;数据精度最高。
例如采用移动式车载扫描仪:直接在车载上加装扫描设备,对正在工作的区域进行不间断扫描。由于载体自身的体型,通常加载的扫描模组体型会受到一定的限制。而且设备在运行时有移动和震动的原因,直接架设在采矿设备上的扫描装置还不能保证采集数据的绝对准确性和稳定性。但是,移动式车载***可专门做避震和抬升等机械环节的升级来克服这些矿区常见的问题。当然,为了能让每个矿区设备能有自己的“视觉***”,有数台或者数十台车载扫描仪在矿区内进行蜂群式智能作业,根据数据的具体需求来改变扫描***各个站点的具体的排布和分配。此方案可作为无人矿区设备后期升级方案。优点,数据采集频率高;不受天时气候影响;可解决通视和视野覆盖问题。
对装备、个人、物资以及设施的地理位置信息的标记,是点云数据集成融合为大智慧矿山整体空间信息数据的一个基础条件。在基站和载具上加装区域定位***和全球定位***,能把控整个工作区域的个体的实时位置信息,并以此进行统筹规划处理,从而完成各类载具和传感器数据的地理数据统合。现今的空间定位导航技术大致可分为两大技术:区域定位***(Local Positioning System)和全球卫星定位导航***(Global NavigationSatellite System),其原理分别如图5和图6。
为了获取更全面,更精准、更快速、更稳定的位置信息,本实施例的定位***包括区域定位***和全球定位***,我们采取了合二为一的方式,将两种技术并列整合入矿区定位导航***,用以弥补单一技术的短板和不足。为了更好的利用固有设施和降低成本,定位导航的基站会尽量通信基站共用信号塔。
其中,区域定位***,用于采用区域定位的方法获取对应的点云数据在待监测区域的第一坐标信息;全球定位***,用于采用全球定位的方法获取对应的点云数据在待监测区域的第二坐标信息。另外,该定位***还包括坐标融合单元,用于将第一坐标信息和第二坐标信息进行融合,得到点云数据对应的精确坐标信息。
纯以精度来说,区域定位***和全球定位***两种技术都可以达到分米级别,所以差别不大。区域定位技术工作区内信号覆盖面积较广且更稳定。全球定位技术更为成熟全面,而且其位置信息以地球为参考系坐标,是有利于其空间信息的跨区域跨地界的整合。
区域定位***(LPS)暂定用超宽带(Ultra-Wide Band-Width)为信号源,到达时间差(TDOA)为原理的多基站定位***。到达时间差(TDOA)是通过检测信号到达两个基站的时间差来确定移动目标的位置,只需要基站之间进行时间同步,而没有目标和基站之间的时间同步要求。如果能采用三个不同的基站可以测到两个TDOA,移动站位于两个TDOA决定的双曲线的交点上。如果采用更多的基站则能提高数据的重复性,从而提高数据的精准度。
全球卫星定位导航***(GNSS)则采用架设地面GNSS信号纠正基站(CORS站)的坐标定位利用分差校正的模式(Differential GPS)。在位置已精确测定的已知点上配备一台GPS接收机作为基准站并和用户同时进行GPS观测,将得到的单点定位的结果与基准站坐标比较,求解出实时差分修正值,以广播或数据链传输方式,将差分修正值传送至附近GPS用户,以修正其GPS定位解,提高其局部范围内用户的定位精度。
为了增加全球定位***的安全性和稳定性,我们将采用有能接收和处理的多频道信号:GPS(美国定位***),GLONASS(俄罗斯定位***),北斗(中国定位***)的芯片组。这样也符合国家在民用事业上大力推广北斗***的政策。为了保证采集的空间点云数据的一致性,采集到的数据必须有精确的空间坐标,数据采集***必须包含定位***。第一阶段可采用全球定位***(GPS/北斗)下分差校正模式(Differential GPS)。在矿区架设CORS基站,给每个数据采集站装设对应的GPS/北斗卫星信号接收装置,这样可以保证每次采集的数据处于同一坐标系并能解算每批次点云数据的绝对坐标值(大地坐标系)。第二阶段,在完成区域定位***后,可增设区域坐标信号(暂定为超宽带UWB)接收装置,借以进一步提高空间数据的精度。
其中,在获取点云数据时,由于设备的精度、周围环境等因素,点云数据中将不可避免的出现一些噪点,只有在滤波预处理中将噪点、离群点、孔洞按照后续处理定制,才能更好的进行拼合,特征提取,曲面重建等操作。
如图4,可以很明显的看到图的右下方有很多离散的点,而这些噪声点对于我们后续的操作完全没有任何意义,甚至会产生不利的影响。对于三维扫描雷达获取的实测点云数据,主要考虑以下4种情况的噪点滤除:
1、点云数据密度不均匀;
2、因为遮挡等问题造成离群点需要去除;
3、大量数据需要下采样;
4、噪声数据需要去除。
本实施例中,主要通过条件滤波模块414和半径滤波模块415对实采点云数据进行滤波操作,去除孤立的噪点,提升点云数据质量。
如图3,在其他实施例中,该噪点滤波单元还包括直通滤波模块411、体素滤波模块412、统计滤波模块413、条件滤波模块414和半径滤波模块415中的一种或多种,通过这些滤波模块可以去除点云中的噪声和离群点,得到有用的点云数据,方便后续的三维建模和生成三角曲面。
其中,直通滤波模块411用于对激光点云数据进行直通滤波,去掉预设的直通滤波范围之外的噪声点和离群点。对于在空间分布有一定空间特征的点云数据,比如使用线结构光扫描的方式采集点云,沿z向分布较广,但x,y向的分布处于有限范围内。此时可使用直通滤波器,确定点云在x或y方向上的范围,可较快剪除离群点,达到第一步粗处理的目的。(在Z轴方向除去多余的点)。
体素滤波模块412用于采用体素化网格的方法对直通滤波后的激光点云数据进行体素滤波,进一步去掉噪声点和离群点,同时采用体素化网格的方法对点云密集的区域进行下采样,得到过滤后的点云数据。体素的概念类似于像素,使用包围盒将点云数据体素化,一般体素越密集的地方信息越多,噪音点及离群点可通过体素网格去除。另一方面如果使用高分辨率相机等设备对点云进行采集,往往点云会较为密集。过多的点云数量会对后续分割工作带来困难。体素滤波器可以达到向下采样同时不破坏点云本身几何结构的功能,采用的点云包括完整的地形信息。
其中,统计滤波模块413用于采用预设的统计方法对过滤后的点云数据进行统计滤波,进一步的去掉噪声点和离群点。考虑到离群点的特征,则可以定义某处点云小于某个密度,既点云无效,计算每个点到其最近的k个点平均距离。则点云中所有点的距离应构成高斯分布,给定均值与方差,可剔除3∑之外的点。
其中,条件滤波模块414用于采用预设条件对统计滤波后的点云数据进行进一步滤波,进一步去掉噪声点和离群点。条件滤波器通过设定滤波条件进行滤波,有点分段函数的味道,当点云在一定范围则留下,不在则舍弃。
其中,半径滤波模块415用于采用预设的半径对条件滤波后的点云数据进行半径滤波,进一步去掉噪声点和离群点。半径滤波模块415与统计滤波器相比更加简单粗暴,以某点为中心画一个圆计算落在该圆中点的数量,当数量大于给定值时,则保留该点,数量小于给定值则剔除该点。此算法运行速度快,依序迭代留下的点一定是最密集的。
其中,三维扫描设备可以快速获取被测物体的表面形状信息,其测量得到的海量三维点坐标数据称为点云。在三维物体数字化过程中,由于受测量设备测量范围的限制以及被测物体外形的复杂性等,三维检测一次只能得到物体某一部分表面的数据,要得到物体完整的形状信息,需要从不同角度使用多次定位进行测量,测量结果通过配准后才能重构出整个对象。对不同视角下测量得到的点云数据的拼接问题是该项目的一项重要研究内容。
受限于扫描设备本身的扫描范围,为了获取物体的全貌信息,扫描设备会从不同角度和位置对物体进行扫描。扫描过程中,软件标记扫描设备每次获取的点云数据的扫描角度和位置,待扫描完成后,本实施例的曲面生成单元42根据每个点云数据对应的角度和位置对点云数据进行整合,进而得到物体的全貌点云。
点云拼接实际上可以理解为:通过计算得到完美的坐标变换,将若干个处于不同视角下的点云数据经过旋转平移等刚性变换统一整合到指定坐标系之下的过程。其中最基本的操作是将一个点云数据经过旋转平移等刚性变换得到其在指定坐标系下的坐标表示,通过刚性转换将两个坐标系下的点云转换到同一坐标系下,进而实现点云拼接,曲面生成单元42根据融合后的激光点云数据以及对应的坐标信息采用规则格网三角曲面生成法生成三角曲面。
一般的,三角曲面的表示模型主要有规则格网模型、等高线模型和TIN模型等。规则格网模型将区域空间划分为若干个规则的格网单元,每个格网单元对应一个高程值,格网单元可以是正方形、矩形等规则图形;等高线模型利用一系列高程已知的等高线集合去描述实际地形,每一条等高线对应一个高程值;TIN模型利用区域内有限个离散的地面点将区域空间划分为相连的三角面网络,并利用这些三角面去描述实际地形。本实施例采用曲面生成单元42生成规则格网模型、等高线模型和TIN模型。
规则格网三角曲面在数学上可以表示为一个矩阵,非常便于计算机处理。根据规则格网三角曲面,可以很方便地计算等高线、坡度坡向、山坡阴影等地理空间信息,这也使得规则格网模型成为了三角曲面最广泛的表示模型,很多软件的三角曲面数据也都是以规则格网的数据形式提供的。因此,本项目利用由影像密集匹配获得的逐像素高精度离散地面点云,直接内插生成规则格网三角曲面。
本实施例采用的规则格网三角曲面快速生成方法的具体步骤为:
①计算规则格网三角曲面的地面范围,即以逐像素密集点云中各离散点平面坐标的最小值与最大值分别作为规则格网的左下角坐标(Xmin,Ymin)与右上角坐标(Xmax,Ymax)。
②根据格网三角曲面的地面范围和格网间距,确定规则格网各格网点的平面位置。对于规则格网中各格网点,在逐像素密集点云中寻找与该格网点平面距离最近的离散点,并计算两点的平面位置距离。若两点的平面位置距离小于1倍格网间距,则将该格网点的高程值设为找到的离散点对应的高程值;反之,则将该格网点的高程值设为无效值。遍历规则格网中的所有格网点,直到完成格网内所有点的高程值取值,即可快速生成规则格网三角曲面。
另外,本实施例的激光雷达数据采集***的应用会结合监测区域的实际情况来进行安排调整,例如矿山的地形分布可大致分为下列几个不同的工作面:采掘场、道路边坡、排土场、边梆。不同的作业面对数据的时效性有着不同的要求,通过组合不同的采集方式和采集频率来到达高效以及经济的采集方式。
例如对于采掘场,其作为地形变化最为频繁且没有规律的区域,采取使用固定式三维激光雷达进行探照灯式的实时监控扫描。扫描的频率可设置为以按小时为单位来进行,从而保证该区域的地形数据能以足够的频次来更新以保证作业的安全性。
例如对于排土场,其变化频繁但是相对频繁但又一定的规律性可采取半固定式扫描方式。由车载的三维扫描仪按照其工作面推进的速度来进行深入地推进。数据的更新可按照天为单位来进行。
例如对于道路边坡,其变化不频繁也无特定规律但是所站面积最大,约为矿山的70-80。因为道路边坡是相对稳定的采集区域,以5-7天为单位来进行数据才。可采取无人机加载三维激光扫面仪或者倾斜摄影的方式来进行。如若遇到雨雪大风天气无人机无法顺利工作,可用车载式扫描仪来进行替补工作。
例如边梆,其变化不频繁且由规律。矿山的边梆会根据实际的矿山挖掘工作量以及规划设计产量进行有层次和节奏的按部就班式的变动。由于其分布区域为矿山四周,较为广阔,以无人机倾斜摄影的方式按月为单位来进行更新是最为合理的方案。
通过以上分析可知采用本实施例提供的激光雷达数据采集***,可以自动采集矿山的点云数据、图像信息以及点云对应的精确位置信息,再通过噪点滤波单元41的去燥后,根据保留的点云数据和对应的位置信息生成法生成三角曲面,同时根据图像信息对待监测区域进行三维建模,通过生成的三角曲面和三维模型可以方便的计算矿山的地理空间信息,实现对矿山状态的实时掌握。
实施例二
本实施例提供一种一种激光雷达数据处理方法,如图7,包括:
步骤201:获取待监测区域的激光点云数据以及该点云数据对应的坐标信息;
步骤202:对激光点云数据进行滤波处理,去除所述激光点云数据中的噪声点,得到去燥后的激光点云数据;
步骤203:根据去燥后激光点云数据以及对应的坐标信息采用规则格网三角曲面生成法生成三角曲面。
其中,三角曲面用于计算待监测区域的地理空间信息。
其中,如图8,获取待监测区域的激光点云数据以及该点云数据对应的坐标信息包括:
步骤2011:采用三维激光雷达获取待监测区域的激光点云数据;
步骤2012:采用定位***获取待监测区域的激光点云数据对应的坐标信息。
其中,采用三维激光雷达获取待监测区域的激光点云数据包括:
分别获取同一测绘点不同的点云数据,对不同高度获取的点云数据进行拼接融合,得到在该测绘点的全幅激光点云数据;
获取多个测绘点的多个全幅激光点云数据进行拼接融合得到待监测区域的激光点云数据。
如图10所示,地面上待监测区域远大于激光雷达的扫描范围,为实现单台激光对地面待检测区域的全覆盖扫描,发明通过移动装置调整激光雷达的空间位置,从而扫描到不同区域,最后通过拼接融合点云数据实现单台激光雷达对地面待检测区域的全覆盖扫描。
具体的操作方法包括:
A:根据地貌形势及激光雷达测量范围选定合适测绘点,将激光雷达布设于测绘点;
B:测量激光雷达初始朝向与正北方向夹角(即激光雷达的方位角)α,记录激光雷达所在位置的GPS位置参量L;
C:记录激光雷达在当前扫描位置(1#)采集到的点云数据;
D:通过升降装置将激光雷达从1#扫描位置移动到2#扫描位置,记录激光雷达在当前扫描位置(2#)采集到的点云数据(根据激光雷达扫描范围可适当增加激光雷达的扫描位置,这里不再赘述);
E:以竖直方向为Z轴,根据不同扫描位置在Z轴坐标上的差异,对激光雷达在不同扫描位置获取的点云数据进行拼接融合操作得到激光雷达在单测绘点获取到的全幅点云数据Data1;
F:将当前测绘点的GPS位置参量L融合到激光雷达在单测绘点获取到的全幅点云数据Data1中,以实现测绘点云数据与实际地貌坐标的对应。
其中,对激光点云数据进行滤波处理,去除所述激光点云数据中的噪声点,得到去燥后的激光点云数据至少包括以下滤波方法中的一种或多种:
直通滤波法:对激光点云数据进行直通滤波,去掉预设的直通滤波范围之外的噪声点和离群点;
体素滤波法:采用体素化网格的方法对直通滤波后的激光点云数据进行体素滤波,进一步去掉噪声点和离群点,同时采用体素化网格的方法对点云密集的区域进行下采样,得到过滤后的点云数据;
统计滤波法:采用预设的统计方法对过滤后的点云数据进行统计滤波,进一步的去掉噪声点和离群点;
条件滤波法:采用预设条件对统计滤波后的点云数据进行进一步滤波,进一步去掉噪声点和离群点;
半径滤波法:采用预设的半径对条件滤波后的点云数据进行半径滤波,进一步去掉噪声点和离群点。
需要说明的是,上述滤波方法并无先后顺序之分,在其他实施例中也可以选用其中的几种滤波方法实现对点云数据的去燥处理。
其中,如图9,采用定位***获取待监测区域的激光点云数据对应的坐标信息包括:
步骤20111:采用区域定位的方法获取对应的点云数据在待监测区域的第一坐标信息;
步骤20112:采用全球定位的方法获取对应的点云数据在待监测区域的第二坐标信息;
步骤20113:将第一坐标信息和第二坐标信息进行融合,得到点云数据对应的精确坐标信息。
进一步的,该数据处理方法还包括:采集待监测区域的高清图像信息;
根据高清图像信息对所述待监测区域进行三维建模。
其中,本实施例的处理方法中的点云数据和精确位置信息的获取方法和实施例1中的相同,此处不再赘述。
通过以上分析可知采用本实施例提供的激光雷达数据处理方法,可以自动采集矿山的点云数据、图像信息以及点云对应的精确位置信息,再通过滤波去燥后,根据保留的点云数据和对应的位置信息生成法生成三角曲面,同时根据图像信息对待监测区域进行三维建模,通过生成的三角曲面和三维模型可以方便的计算矿山的地理空间信息,实现对矿山状态的实时掌握。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (8)
1.一种激光雷达数据采集***,包括数据采集装置和数据处理装置,其特征在于:所述数据采集装置至少用于获取待监测区域的激光点云数据以及该点云数据对应的坐标信息;
所述数据采集装置包括:
三维激光雷达,用于获取待监测区域的激光点云数据;
定位***,用于获取待监测区域的激光点云数据对应的坐标信息;
所述数据采集装置摄影测量***,用于采集待监测区域的高清图像信息;
所述定位***包括:
区域定位***,用于采用区域定位的方法获取对应的点云数据在待监测区域的第一坐标信息;所述的区域定位***采用超宽带为信号源、到达时间差为原理的多基站定位***;
全球定位***,用于采用全球定位的方法获取对应的点云数据在待监测区域的第二坐标信息;
所述数据处理装置包括:
噪点滤波单元,用于对所述激光点云数据进行滤波处理,去除所述激光点云数据中的噪声点,得到去噪后的激光点云数据;
三维建模单元,用于根据所述高清图像信息对所述待监测区域进行三维建模;
坐标融合单元,用于将所述第一坐标信息和第二坐标信息进行融合,得到点云数据对应的精确坐标信息;
曲面生成单元,将若干个处于不同视角下的点云数据经过旋转平移转换到指定坐标系,实现点云拼接,再根据融合后的激光点云数据以及对应的坐标信息生成三角曲面;三角曲面用于计算待监测区域的地理空间信息。
2.如权利要求1所述的激光雷达数据采集***,其特征在于,所述噪点滤波单元包括直通滤波模块、体素滤波模块、统计滤波模块、条件滤波模块和半径滤波模块中的一种或多种:
所述直通滤波模块用于对所述激光点云数据进行直通滤波,去掉预设的直通滤波范围之外的噪声点和离群点;
所述体素滤波模块用于采用体素化网格法对直通滤波后的激光点云数据进行体素滤波,进一步去掉噪声点和离群点,同时采用体素化网格法对点云密集的区域进行下采样,得到过滤后的点云数据;
所述统计滤波模块用于采用预设的统计法对过滤后的点云数据进行统计滤波,进一步的去掉噪声点和离群点;
所述条件滤波模块用于采用预设条件对统计滤波后的点云数据进行进一步滤波,进一步去掉噪声点和离群点;
所述半径滤波模块用于采用预设的半径对条件滤波后的点云数据进行半径滤波,进一步去掉噪声点和离群点。
3.如权利要求1所述的激光雷达数据采集***,其特征在于,所述数据采集装置还包括用于设置在所述三维激光雷达、定位***和摄影测量***上的第一通信模块,用于将获取的点云数据、点云数据对应的坐标信息以及高清图像信息通过无线和/或有线信号发送出去;
所述数据采集装置还包括用于设置在所述数据处理装置上的第二通信模块,用于接收所述第一通信模块发送的点云数据、点云数据对应的坐标信息以及高清图像信息。
4.利用权利要求1至3任意之一所述的激光雷达数据采集***实现的激光雷达数据处理方法,其特征在于,包括:
获取待监测区域的激光点云数据以及该点云数据对应的坐标信息;
对所述激光点云数据进行滤波处理,去除所述激光点云数据中的噪声点,得到去噪后的激光点云数据;
根据去噪后激光点云数据以及对应的坐标信息采用规则格网三角曲面生成法生成三角曲面;
其中,所述三角曲面用于计算待监测区域的地理空间信息。
5.如权利要求4所述的激光雷达数据处理方法,其特征在于,所述获取待监测区域的激光点云数据以及该点云数据对应的坐标信息包括:
采用三维激光雷达获取待监测区域的激光点云数据;
采用定位***获取待监测区域的激光点云数据对应的坐标信息;
其中,所述获取待监测区域的激光点云数据包括:
分别获取同一测绘点不同高度处的点云数据,对不同高度处获取的点云数据进行拼接融合,得到在该测绘点的全幅激光点云数据;
获取多个测绘点的多个全幅激光点云数据进行拼接融合得到待监测区域的激光点云数据。
6.如权利要求4所述的激光雷达数据处理方法,其特征在于,所述对所述激光点云数据进行滤波处理,去除所述激光点云数据中的噪声点时采用的滤波方法至少包括以下中的一种或多种:
对所述激光点云数据进行直通滤波,去掉预设的直通滤波范围之外的噪声点和离群点;
采用体素化网格的方法对直通滤波后的激光点云数据进行体素滤波,进一步去掉噪声点和离群点,同时采用体素化网格的方法对点云密集的区域进行下采样,得到过滤后的点云数据;
采用预设的统计方法对过滤后的点云数据进行统计滤波,进一步的去掉噪声点和离群点;
采用预设条件对统计滤波后的点云数据进行进一步滤波,进一步去掉噪声点和离群点;
采用预设的半径对条件滤波后的点云数据进行半径滤波,进一步去掉噪声点和离群点。
7.如权利要求6所述的激光雷达数据处理方法,其特征在于,采用定位***获取待监测区域的激光点云数据对应的坐标信息包括:
采用区域定位的方法获取对应的点云数据在待监测区域的第一坐标信息;
采用全球定位的方法获取对应的点云数据在待监测区域的第二坐标信息;
将所述第一坐标信息和第二坐标信息进行融合,得到点云数据对应的精确坐标信息。
8.如权利要求6所述的激光雷达数据处理方法,其特征在于,还包括:
采集待监测区域的高清图像信息;
根据所述高清图像信息对所述待监测区域进行三维建模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911265809.6A CN111077535B (zh) | 2019-12-11 | 2019-12-11 | 一种激光雷达数据采集***及数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911265809.6A CN111077535B (zh) | 2019-12-11 | 2019-12-11 | 一种激光雷达数据采集***及数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111077535A CN111077535A (zh) | 2020-04-28 |
CN111077535B true CN111077535B (zh) | 2022-03-01 |
Family
ID=70313761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911265809.6A Active CN111077535B (zh) | 2019-12-11 | 2019-12-11 | 一种激光雷达数据采集***及数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111077535B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111451468B (zh) * | 2020-05-11 | 2022-05-13 | 沈阳广泰真空科技有限公司 | 一种浇注过程的坩埚控制方法及装置 |
CN111784789B (zh) * | 2020-06-22 | 2024-03-08 | 上海米哈游天命科技有限公司 | 一种地貌生成方法、装置、计算机设备和存储介质 |
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 |
CN111738214B (zh) * | 2020-07-21 | 2020-11-27 | 中航金城无人***有限公司 | 一种激光点云中的无人机目标检测方法 |
CN112419512B (zh) * | 2020-10-13 | 2022-09-13 | 南昌大学 | 一种基于语义信息的空中三维模型修复***及方法 |
CN112729259A (zh) * | 2020-12-10 | 2021-04-30 | 华能伊敏煤电有限责任公司 | 一种露天矿三维模型智能化测绘方法 |
CN112700544A (zh) * | 2020-12-31 | 2021-04-23 | 镇江市勘察测绘研究院 | 一种用于矿坑地形的三维实景生成方法 |
CN112946680A (zh) * | 2021-02-01 | 2021-06-11 | 武汉徕得智能技术有限公司 | 一种机载激光雷达自主启停点云采集的方法 |
CN113447961B (zh) * | 2021-06-28 | 2023-10-27 | 深圳市木千科技有限公司 | 动态gps坐标纠偏方法 |
CN114596196A (zh) * | 2022-03-04 | 2022-06-07 | 北京百度网讯科技有限公司 | 点云数据的滤波方法和装置、设备以及存储介质 |
CN115420753A (zh) * | 2022-08-25 | 2022-12-02 | 哈尔滨工业大学 | 基于路面纹理测量的污染物分布状况测量方法 |
CN116051533A (zh) * | 2023-02-14 | 2023-05-02 | 国网江苏省电力有限公司泰州供电分公司 | 一种电力杆塔的施工质量检测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268935A (zh) * | 2014-09-18 | 2015-01-07 | 华南理工大学 | 一种基于特征的机载激光点云与影像数据融合***及方法 |
CN109024199A (zh) * | 2018-07-17 | 2018-12-18 | 上海华测导航技术股份有限公司 | 车载激光雷达***在公路改扩建勘测中的应用 |
CN109143257A (zh) * | 2018-07-11 | 2019-01-04 | 中国地质调查局西安地质调查中心 | 无人机机载雷达矿山开采土地变化监测***及方法 |
CN109945845A (zh) * | 2019-02-02 | 2019-06-28 | 南京林业大学 | 一种私家园林空间数字化测绘和三维可视化方法 |
CN110515054A (zh) * | 2019-08-23 | 2019-11-29 | 斯坦德机器人(深圳)有限公司 | 滤波方法和装置、电子设备、计算机存储介质 |
-
2019
- 2019-12-11 CN CN201911265809.6A patent/CN111077535B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268935A (zh) * | 2014-09-18 | 2015-01-07 | 华南理工大学 | 一种基于特征的机载激光点云与影像数据融合***及方法 |
CN109143257A (zh) * | 2018-07-11 | 2019-01-04 | 中国地质调查局西安地质调查中心 | 无人机机载雷达矿山开采土地变化监测***及方法 |
CN109024199A (zh) * | 2018-07-17 | 2018-12-18 | 上海华测导航技术股份有限公司 | 车载激光雷达***在公路改扩建勘测中的应用 |
CN109945845A (zh) * | 2019-02-02 | 2019-06-28 | 南京林业大学 | 一种私家园林空间数字化测绘和三维可视化方法 |
CN110515054A (zh) * | 2019-08-23 | 2019-11-29 | 斯坦德机器人(深圳)有限公司 | 滤波方法和装置、电子设备、计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111077535A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111077535B (zh) | 一种激光雷达数据采集***及数据处理方法 | |
Webster et al. | Three-dimensional thermal characterization of forest canopies using UAV photogrammetry | |
Dall’Asta et al. | Unmanned Aerial Systems and DSM matching for rock glacier monitoring | |
KR101793509B1 (ko) | 작물 모니터링을 위하여 무인 비행체의 자동 경로 산정을 통한 원격 관측 방법 및 그 시스템 | |
AU2021104249A4 (en) | Pesticide application method and system based on air-ground collaboration | |
CN101604018B (zh) | 高分辨率遥感影像数据处理方法及其*** | |
Piermattei et al. | Suitability of ground-based SfM–MVS for monitoring glacial and periglacial processes | |
CN110132238B (zh) | 用于地形影像数字高程模型的无人机测绘方法 | |
Li | Potential of high-resolution satellite imagery for national mapping products | |
CN114518104B (zh) | 基于动态遥感监测技术的国土测绘方法、***及存储介质 | |
CN102074047B (zh) | 一种高精细城市三维建模方法 | |
Lo Brutto et al. | UAV platforms for cultural heritage survey: first results | |
CN103745018B (zh) | 一种多平台点云数据融合方法 | |
CN107527328B (zh) | 一种兼顾精度与速度的无人机影像几何处理方法 | |
CN109612445B (zh) | 一种基于无人机的WebGIS平台下高精度地形建立方法 | |
CN115127510A (zh) | 一种水陆空三栖立体无人化多平台联动滑坡智能巡防*** | |
CN115423958A (zh) | 一种基于视觉三维重建的矿区可行驶区域边界更新方法 | |
Mao et al. | Precision evaluation and fusion of topographic data based on UAVs and TLS surveys of a loess landslide | |
CN117723029B (zh) | 一种适用于广域露天矿山的数据采集与建模方法及*** | |
CN117406778B (zh) | 一种基于地理空间数据的无人机激光雷达仿地飞行方法 | |
Kovanič et al. | Complex Methodology for Spatial Documentation of Geomorphological Changes and Geohazards in the Alpine Environment | |
CN113252009A (zh) | 一种基于无人机航测技术的土石方计算方法 | |
Bouziani et al. | Comparison assessment of digital 3D models obtained by drone-based lidar and drone imagery | |
KR102587445B1 (ko) | 드론을 이용하여 시계열정보가 포함된 3차원 지도의 제작 방법 | |
Perfetti et al. | Fisheye photogrammetry to generate low-cost DTMs |
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 |