CN113628341A - 基于倾斜摄影数据和lidar点云融合自动单体化建模的方法 - Google Patents
基于倾斜摄影数据和lidar点云融合自动单体化建模的方法 Download PDFInfo
- Publication number
- CN113628341A CN113628341A CN202111016626.8A CN202111016626A CN113628341A CN 113628341 A CN113628341 A CN 113628341A CN 202111016626 A CN202111016626 A CN 202111016626A CN 113628341 A CN113628341 A CN 113628341A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- umbrella
- dimensional
- aerial vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000004927 fusion Effects 0.000 title claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 239000000178 monomer Substances 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 239000004744 fabric Substances 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000000605 extraction Methods 0.000 abstract description 2
- 101100334009 Caenorhabditis elegans rib-2 gene Proteins 0.000 description 4
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法,包括包括以下步骤:S1、使用无人机和基站利用倾斜摄影测量技术获取监测区域的三维模型,得到三维模型数据;S2、使用机载LIDAR与三维激光扫描仪获取监测区域的点云数据;S3、对监测区域的点云数据和三维模型数据进行自动单体化建模,实现了对倾斜摄影数据和LIDAR点云数据单体化过程中对目标物矢量底面的自动提取,获取速度,降低了人力成本;通过基站的伞架装置实现了在非充电时间对于基站的保护,实现了在充电时对无人机的保护,从而提高了无人机的续航效果和保障了无人机的飞行安全,从而提高单体化建模的稳定性。
Description
技术领域:
本发明涉及一种单体化建模方法,特别涉及到一种基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法。
背景技术:
单体化是相对于倾斜摄影数据特点而言的,指的是我们想要单独管理的一个个对象,且是可以被选中的实体;即用鼠标点击独立的一个对象时可以高亮显示,可以附上属性信息。只有具备了单体化的能力,数据才可以被管理使用,而不仅仅是被用来浏览查看。对于人工建模而言,如3Dmax建的模型,单体化是一件很容易实现的事情。即在人工建模的过程中,自然会把需要单独管理的对象制作为单独的模型,与其它对象分离开。
对于倾斜摄影数据而言,它是连续的一张“皮”,所有地物都是连续的整体,不是分隔开来的。其建模机制在于首先从所拍摄的影像像对中生成稠密的点云,然后对点云进行抽稀,再构建三角网,最后贴上贴图。在这个过程中,是没有人工干预的。当前的建模算法并不会把建筑、地面、树木等地物区分出来,因此构建出来的是一个连续的Tin网。对于这样的数据,本身是无法选中单个建筑的,需要进行一定的中间处理才能实现单体化。而对于大多数实际应用而言,是需要能对建筑等地物进行单独的选中、赋予属性、查询属性等基本的GIS操作。因此,单体化成为倾斜摄影模型在GIS应用中绕不过的一个坎,是必须要解决的问题。
目前,倾斜摄影数据单体化有3种解决思路。第一种最直观的思路,就是用建筑物、道路、树木等对应的矢量面,对倾斜摄影模型进行切割,即把连续的三角面片网从物理上分割开,从而实现单体化。我们可以称之为“切割单体化”。第二种利用三角面片中每个顶点额外的存储空间,把对应的矢量面的ID值存储起来;即一个建筑所对应的三角面片的所有顶点,都存储了同一个ID值,从而实现在鼠标选中这个建筑时,通过判断ID值,将该建筑物呈现出高亮的效果,这个可以称之为“ID单体化”。第三种是在三维渲染的时候,动态的把对应的矢量面叠加到倾斜摄影模型上,通过间接的方式,矢量面范围内的建筑等物体高亮显示,从而实现可被单独选中的效果,这种由于是渲染时动态呈现的,可以称之为“动态单体化”。
本发明提出的单体化算法属于动态单体化范畴。目前传统的建筑物矢量底面的获取是通过已有DLG数据进行配准,此方法是最省事的,不过需要有数据基础。还有一种是通过对正射影像进行人工的矢量化方式来获取。自动化提取现在是一种新兴的获取方式,代表着未来的方向。
在倾斜摄影过程中离不开无人机的长时间运行,在进行大面积的倾斜摄影时,无人机的续航就成了问题,现有技术在特定的高处设置有供无人机充电续航的基站,但存在开放式的结构使得基站内部容易受到外界杂物如垃圾、羽毛等干扰,影响充电效果甚至与影响无人机的飞行安全。
发明内容
本发明的目的在于克服现有技术的不足之处,提供一种基于倾斜摄影数据和和LIDAR点云融合自动单体化建模的方法。
基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法,其特征在于,包括以下步骤:
S1、使用无人机和基站利用倾斜摄影测量技术获取监测区域的三维模型,得到三维模型数据;
S2、使用机载LIDAR与三维激光扫描仪获取监测区域的点云数据;
S3、对监测区域的点云数据和三维模型数据进行自动单体化建模。
其中,所述自动单体化建模方法包括以下子步骤:
S31对所述点云数据和三维建模数据进行预处理,剔除无效点,得到三维点云数据;
S32将三维点云数据映射到二维平面;
S33根据三维点云数据范围建立相应的平面网格,对三维点云数据平面网格进行快速遍历,计算每个网格的点密度,根据网格的点密度确定网格是否在轮廓线上;
S34从平面网格里提取出建筑物轮廓线;
S35结合GPU的可编程渲染管线,实现将轮廓线范围内的建筑物高亮显示。
其中,所述步骤S1中的基站装置包括底座、伞架装置、圆杆、充电装置和驱动装置,所述底座为圆形凹台,所述伞架装置包括伞骨、伞布、内支杆和锥形套,所述伞骨从上到下以此为第一伞骨、第二伞骨和第三伞骨,所述第三伞骨周向铰接在底座的边沿,所述第三伞骨和第二伞骨通过第一转动副铰接在一起,所述第二伞骨和第一伞骨通过第二转动副铰接在一起,所述第一伞骨的另一端铰接在上下贯通且大直径开口端向上的锥形套上,所述伞布设置在伞骨上,所述圆杆为中空杆,所述充电装置设置在圆杆内,所述充电装置包括充电端子,所述充电端子伸出圆杆,所述充电端子可采用现有技术中的金属充电极,所述圆杆设置在底座的中心,所述滑套和圆杆为可相对移动的联接,所述滑套和第二转动副之间铰接有内支杆,所述驱动装置设置在底座上。
其中,所述第一伞骨在第二转动副的作用下最多旋转到平行与水平面。
其中,所述步骤S1中的无人机具有差分定位功能,所述无人机设置有用于充电的导电杆条。
其中,所述驱动装置为丝杆驱动驱动滑套上下移动,所述滑套和所述驱动装置的丝杆滑动连接。
本发明的有益效果在于:通过公开的单体化建模方法,实现了对倾斜摄影数据和LIDAR点云数据单体化过程中对目标物矢量底面的自动提取,获取速度,降低了人力成本;
通过基站的伞架装置实现了在非充电时间对于基站的保护,实现了在充电时对无人机的保护,从而提高了无人机的续航效果和保障了无人机的飞行安全,从而提高单体化建模的稳定性。
附图说明:
图1是本发明的结构示意图
图2是本发明的充电状态结构示意图,
图3是本发明的伞架结构示意图,
其中,1、锥形套;2、第一伞骨;3、第二伞骨;4、第三伞骨;5、滑套;6、内支杆;7、充电端子;8、圆杆;9、驱动装置;10、底座;11、伞布。
具体实施方式
基于倾斜摄影数据和和LIDAR点云融合自动单体化建模的方法,其特征在于,包括以下步骤:
S1、使用无人机和基站利用倾斜摄影测量技术获取监测区域的三维模型,得到三维模型数据;
S2、使用机载LIDAR与三维激光扫描仪获取监测区域的点云数据;
S3、对监测区域的点云数据和三维模型数据进行自动单体化建模。
其中,所述自动单体化建模方法包括以下子步骤:
S31对所述点云数据和三维建模数据进行预处理,剔除无效点,得到三维点云数据;
S32将三维点云数据映射到二维平面;
S33根据三维点云数据范围建立相应的平面网格,对三维点云数据平面网格进行快速遍历,计算每个网格的点密度,根据网格的点密度确定网格是否在轮廓线上;
S34从平面网格里提取出建筑物轮廓线;
S35结合GPU的可编程渲染管线,实现将轮廓线范围内的建筑物高亮显示。
其中,所述步骤S1中的基站装置包括底座、伞架装置、圆杆、充电装置和驱动装置,所述底座为圆形凹台,所述伞架装置包括伞骨、伞布、内支杆和锥形套,所述伞骨从上到下以此为第一伞骨、第二伞骨和第三伞骨,所述第三伞骨周向铰接在底座的边沿,所述第三伞骨和第二伞骨通过第一转动副铰接在一起,所述第二伞骨和第一伞骨通过第二转动副铰接在一起,所述第一伞骨的另一端铰接在上下贯通且大直径开口端向上的锥形套上,所述伞布设置在伞骨上,所述圆杆为中空杆,所述充电装置设置在圆杆内,所述充电装置包括充电端子,所述充电端子伸出圆杆,所述充电端子可采用现有技术中的金属充电极,所述圆杆设置在底座的中心,所述滑套和圆杆为可相对移动的联接,所述滑套和第二转动副之间铰接有内支杆,所述驱动装置设置在底座上。
其中,所述第一伞骨在第二转动副的作用下最多旋转到平行与水平面。
其中,所述步骤S1中的无人机具有差分定位功能,所述无人机设置有用于充电的导电杆条。
其中,所述驱动装置为丝杆驱动驱动滑套上下移动,所述滑套和所述驱动装置的丝杆滑动连接。
工作原理:首先,无人机需利用自身携带的差分定位功能,作业返回时停留至如图1所示的基站上方,无人机底部的导电杆条由上至下缓慢***至锥形套1内,无人机停止运行,在重力的作用下,第一伞骨2、第二伞骨3和第三伞骨4沿着自身转动副旋转,从而驱动内支杆6使滑套5沿丝杆向下移动,直到导电杆条与滑杆上的充电端子7接触,充电端子7提供直流电,导电杆条将直流电经过全桥整流为无人机内部电路供电,充电过程基站的状态参阅图2,第一伞骨2在第二转动副203的作用下,平行于水平面,无人机被安置在第一伞骨2和第二伞骨3之间的伞布11之间,第一转动副304在上方彼此靠拢,第三伞骨4上设置的伞布11再次将基站的上表面覆盖起来,起到了很好的保护效果,充电完成后,驱动装置10驱动滑套5向上移动,带动内支杆相应运动动,在内支杆6的作用下,第一伞骨2、第二伞骨3和第三伞骨4沿着自身转动副旋转,直到基站恢复至一开始的状态。
Claims (6)
1.基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法,其特征在于,包括以下步骤:
S1、使用无人机和基站利用倾斜摄影测量技术获取监测区域的三维模型,得到三维模型数据;
S2、使用机载LIDAR与三维激光扫描仪获取监测区域的点云数据;
S3、对监测区域的点云数据和三维模型数据进行自动单体化建模。
2.根据权利要求1所述基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法,其特征在于,所述方法包括以下子步骤:
S31对所述点云数据和三维建模数据进行预处理,剔除无效点,得到三维点云数据;
S32将三维点云数据映射到二维平面;
S33根据三维点云数据范围建立相应的平面网格,对三维点云数据平面网格进行快速遍历,计算每个网格的点密度,根据网格的点密度确定网格是否在轮廓线上;
S34从平面网格里提取出建筑物轮廓线;
S35结合GPU的可编程渲染管线,实现将轮廓线范围内的建筑物高亮显示。
3.根据权利要求1所述的基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法,其特征在于:所述步骤S1中的基站装置包括底座、伞架装置、圆杆、充电装置和驱动装置,所述底座为圆形凹台,所述伞架装置包括伞骨、伞布、内支杆和锥形套,所述伞骨从上到下以此为第一伞骨、第二伞骨和第三伞骨,所述第三伞骨周向铰接在底座的边沿,所述第三伞骨和第二伞骨通过第一转动副铰接在一起,所述第二伞骨和第一伞骨通过第二转动副铰接在一起,所述第一伞骨的另一端铰接在上下贯通且大直径开口端向上的锥形套上,所述伞布设置在伞骨上,所述圆杆为中空杆,所述充电装置设置在圆杆内,所述充电装置包括充电端子,所述充电端子伸出圆杆,所述充电端子可采用现有技术中的金属充电极,所述圆杆设置在底座的中心,所述滑套和圆杆为可相对移动的联接,所述滑套和第二转动副之间铰接有内支杆,所述驱动装置设置在底座上。
4.根据权利要求3所述的一种基站,其特征在于:所述第一伞骨在第二转动副的作用下最多旋转到平行与水平面。
5.根据权利要求1所述的基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法,其特征在于:所述步骤S1中的无人机具有差分定位功能,所述无人机设置有用于充电的导电杆条。
6.根据权利要求3所述的一种基站,其特征在于:所述驱动装置为丝杆驱动驱动滑套上下移动,所述滑套和所述驱动装置的丝杆滑动连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111016626.8A CN113628341B (zh) | 2021-08-31 | 2021-08-31 | 基于倾斜摄影数据和lidar点云融合自动单体化建模的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111016626.8A CN113628341B (zh) | 2021-08-31 | 2021-08-31 | 基于倾斜摄影数据和lidar点云融合自动单体化建模的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113628341A true CN113628341A (zh) | 2021-11-09 |
CN113628341B CN113628341B (zh) | 2023-12-19 |
Family
ID=78388729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111016626.8A Active CN113628341B (zh) | 2021-08-31 | 2021-08-31 | 基于倾斜摄影数据和lidar点云融合自动单体化建模的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113628341B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115014224A (zh) * | 2022-05-27 | 2022-09-06 | 广东省核工业地质局测绘院 | 基于LiDAR点云与倾斜航空影像的地表形变监测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105391155A (zh) * | 2015-12-07 | 2016-03-09 | 北京航空航天大学 | 一种无人机巡检基站 |
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 |
CN108557104A (zh) * | 2018-01-12 | 2018-09-21 | 张赫 | 一种基于数据传输基站的无人机停泊充电平台 |
WO2019206483A1 (de) * | 2018-04-24 | 2019-10-31 | Viafly Gmbh | Unbemanntes flugsystem sowie luftfahrzeug für ein unbemanntes flugsystem und basisstation hierzu |
US20200001735A1 (en) * | 2018-07-02 | 2020-01-02 | Coretronic Intelligent Robotics Corporation | Monitoring system, base station and control method of a drone |
CN110901938A (zh) * | 2019-11-06 | 2020-03-24 | 合肥齐飞信息技术有限公司 | 一种无人机充电基站 |
CN111415409A (zh) * | 2020-04-15 | 2020-07-14 | 北京煜邦电力技术股份有限公司 | 一种基于倾斜摄影的建模方法、***、设备和存储介质 |
CN112927360A (zh) * | 2021-03-24 | 2021-06-08 | 广州蓝图地理信息技术有限公司 | 一种基于倾斜模型与激光点云数据融合的三维建模方法和*** |
CN113012205A (zh) * | 2020-11-17 | 2021-06-22 | 浙江华云电力工程设计咨询有限公司 | 一种基于多源数据融合的三维重建方法 |
CN113298947A (zh) * | 2021-04-28 | 2021-08-24 | 江苏省送变电有限公司 | 一种基于多源数据融合的变电站三维建模方法介质及*** |
-
2021
- 2021-08-31 CN CN202111016626.8A patent/CN113628341B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105391155A (zh) * | 2015-12-07 | 2016-03-09 | 北京航空航天大学 | 一种无人机巡检基站 |
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 |
CN108557104A (zh) * | 2018-01-12 | 2018-09-21 | 张赫 | 一种基于数据传输基站的无人机停泊充电平台 |
WO2019206483A1 (de) * | 2018-04-24 | 2019-10-31 | Viafly Gmbh | Unbemanntes flugsystem sowie luftfahrzeug für ein unbemanntes flugsystem und basisstation hierzu |
US20200001735A1 (en) * | 2018-07-02 | 2020-01-02 | Coretronic Intelligent Robotics Corporation | Monitoring system, base station and control method of a drone |
CN110901938A (zh) * | 2019-11-06 | 2020-03-24 | 合肥齐飞信息技术有限公司 | 一种无人机充电基站 |
CN111415409A (zh) * | 2020-04-15 | 2020-07-14 | 北京煜邦电力技术股份有限公司 | 一种基于倾斜摄影的建模方法、***、设备和存储介质 |
CN113012205A (zh) * | 2020-11-17 | 2021-06-22 | 浙江华云电力工程设计咨询有限公司 | 一种基于多源数据融合的三维重建方法 |
CN112927360A (zh) * | 2021-03-24 | 2021-06-08 | 广州蓝图地理信息技术有限公司 | 一种基于倾斜模型与激光点云数据融合的三维建模方法和*** |
CN113298947A (zh) * | 2021-04-28 | 2021-08-24 | 江苏省送变电有限公司 | 一种基于多源数据融合的变电站三维建模方法介质及*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115014224A (zh) * | 2022-05-27 | 2022-09-06 | 广东省核工业地质局测绘院 | 基于LiDAR点云与倾斜航空影像的地表形变监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113628341B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564647B (zh) | 一种建立虚拟三维地图的方法 | |
CN109934914B (zh) | 一种嵌入式城市设计场景仿真方法及*** | |
EP3726476A1 (en) | Object modeling movement method, apparatus and device | |
CN105354883B (zh) | 基于点云的3ds Max快速精细三维建模方法及*** | |
CN111080794B (zh) | 一种耕地现场边云协同的三维重建方法 | |
CN109242862B (zh) | 一种实时的数字表面模型生成方法 | |
CN111915726B (zh) | 一种架空输电线路三维场景的构建方法 | |
CN113012205A (zh) | 一种基于多源数据融合的三维重建方法 | |
CN106157354A (zh) | 一种三维场景切换方法及*** | |
CN106548516A (zh) | 三维漫游方法和装置 | |
CN109612445B (zh) | 一种基于无人机的WebGIS平台下高精度地形建立方法 | |
CN113192200B (zh) | 一种基于空三并行计算算法的城市实景三维模型的构建方法 | |
CN113643434B (zh) | 基于空地协同的三维建模方法、智能终端以及存储装置 | |
CN110660125B (zh) | 用于电力配网***的三维建模装置 | |
CN105005580B (zh) | 一种用于显示水库地形的方法及其装置 | |
CN107767454A (zh) | 一种实景三维移动快速建模方法、装置及*** | |
CN111247564A (zh) | 一种数字地表模型的构建方法及处理设备、*** | |
CN107170045B (zh) | 基于点云数据对变电站变压器进行建模的方法 | |
CN109000621A (zh) | 一种电网树障检测方法 | |
CN113628341A (zh) | 基于倾斜摄影数据和lidar点云融合自动单体化建模的方法 | |
CN112233056A (zh) | 一种多源数据的点云融合方法、装置和存储介质 | |
CN113379901A (zh) | 利用大众自拍全景数据建立房屋实景三维的方法及*** | |
CN114549956A (zh) | 一种深度学习辅助的倾斜模型建筑物外立面目标识别方法 | |
CN117115372A (zh) | 面向大范围大高差露天矿生产平面图快速绘制及更新方法 | |
CN110348067B (zh) | 一种气流表征物理参数提取方法及***、介质、设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231123 Address after: 519030, 6th floor, No. 118, Sitang Village, Hengqin, Zhuhai City, Guangdong Province Applicant after: Zhuhai Shangfang Clean Energy Technology Co.,Ltd. Address before: 330029 Ganjiang New District, Nanchang City, Jiangxi Province Applicant before: Spatiotemporal cloud Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |