CN115861561B - 一种基于语义约束的等高线生成方法和装置 - Google Patents
一种基于语义约束的等高线生成方法和装置 Download PDFInfo
- Publication number
- CN115861561B CN115861561B CN202310160119.4A CN202310160119A CN115861561B CN 115861561 B CN115861561 B CN 115861561B CN 202310160119 A CN202310160119 A CN 202310160119A CN 115861561 B CN115861561 B CN 115861561B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- processed
- region
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于语义约束的等高线生成方法和装置,涉及地理测绘的技术领域,包括:获取待处理区域的图像序列;基于待处理区域的图像序列,生成待处理区域的点云数据,其中,点云数据携带有语义信息;基于语义信息和点云数据,生成待处理区域的DEM数据;利用待处理区域的DEM数据,提取出待处理区域的等高线,解决了现有的等高线生成方法的生成效率和精度较低的技术问题。
Description
技术领域
本发明涉及地理测绘的技术领域,尤其是涉及一种基于语义约束的等高线生成方法和装置。
背景技术
等高线是数字线划图中的重要要素内容,可以反映地形地貌的起伏变化,在各行各业中应用广泛,是不可或缺的基础地理信息要素。目前国内生产DEM 和等高线的方式均是基于传统立体采集方法,先采集等高线和高程点及特征线生成DEM数据,通过自动获取DEM数据生成等高线。
传统的立体采集方法在采集时必须配备专业的三维眼镜和输入设备,几乎完全依赖于立体视觉环境中的人工目视判断和手工绘制,工作量大,耗时较长,且基于DEM数据的生成没有考虑地形地势剧烈变化的问题,呈现效果不佳,生成点云数据和DEM等精度较低。
针对上述问题,还未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种基于语义约束的等高线生成方法和装置,以缓解了现有的等高线生成方法的生成效率和精度较低的技术问题。
第一方面,本发明实施例提供了一种基于语义约束的等高线生成方法,包括:获取待处理区域的图像序列;基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,其中,所述点云数据携带有语义信息;基于所述语义信息和所述点云数据,生成所述待处理区域的DEM数据;利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线。
进一步地,基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,包括:利用SIFT算子计算出所述图像序列中每个图像特征子;基于所述特征子和所述待处理区域的图像序列,构建所述待处理区域的初始点云数据;利用Segformer多语义分割模型对所述图像序列中每个图像进行分割,确定出每个图像中的各个像素点的语义信息;基于所述待处理区域的初始点云数据和所述每个图像中的各个像素点的语义信息,生成所述待处理区域的点云数据。
进一步地,基于所述特征子和所述待处理区域的图像序列,构建所述待处理区域的初始点云数据,包括:基于级联哈希算法,确定出所述待处理区域的图像序列中与所述特征子相匹配的特征点;基于各个图像对应的相机的目标信息,对所述特征点进行空间前方交会解算,确定出所述特征点的三维坐标信息,其中,所述目标信息包括:位置信息和姿态信息;利用目标数据和光束平差算法,对所述姿态信息和三维坐标信息进行优化,得到所述待处理区域的稀疏点云数据;利用PMVS算法,对所述稀疏点云数据进行处理,得到所述初始点云数据。
进一步地,基于所述待处理区域的初始点云数据和所述每个图像中的各个像素点的语义信息,生成所述待处理区域的点云数据,包括:对所述初始点云数据进行三角化处理,得到三角化后的初始点云数据;基于摄影测量学共线算法,确定出所述三角化后的初始点云数据中各个点云数据的二维坐标信息;基于所述三角化后的初始点云数据中各个点云数据的二维坐标信息和所述每个图像中的各个像素点的语义信息,确定出所述三角化后的初始点云数据中各个点云数据的语义信息;将所述三角化后的初始点云数据中各个点云数据的语义信息确定为语义标签配置给对应的三角化后的初始点云数据,得到所述待处理区域的点云数据。
进一步地,基于所述点云数据携带有语义信息,将所述待处理区域的点云数据转换为所述待处理区域的DEM数据,包括:利用均值算法,对所述点云数据进行去噪处理,得到第一点云数据;对所述第一点云数据进行分类处理和目标处理,得到第二点云数据,其中,所述分类处理包括:点云自动分类处理和人机交互分类处理,所述目标处理包括:添加断裂线处理,置平操作处理和补点处理;基于所述点云数据携带有语义信息和所述第二点云数据中的地面点,构建所述待处理区域的DEM数据。
进一步地,所述方法还包括:所述待处理区域的DEM数据进行成果检查,其中,所述成果检查包括:数学基础检查,格网间距检查,DEM 范围即起止点坐标正确性检查,数据完整性及明显高程异常检查,数据地表形态正确性检查,接边检查和DEM 高程误差精度检查。
进一步地,利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线,包括:基于所述待处理区域的地形类别和所述待处理区域的DEM数据,提取出所述待处理区域中各个地形类别的等高线;对所述待处理区域中各个地形类别的等高线进行修正和正确性检查,得到所述待处理区域的等高线。
第二方面,本发明实施例还提供了一种基于语义约束的等高线生成装置,包括:获取单元,用于获取待处理区域的图像序列;点云生成单元,用于基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,其中,所述点云数据携带有语义信息;DEM生成单元,用于基于所述语义信息和所述点云数据,生成所述待处理区域的DEM数据;等高线提取单元,用于利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线。
第三方面,本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面,本发明实施例还提供了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。
在本发明实施例中,通过获取待处理区域的图像序列;基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,其中,所述点云数据携带有语义信息;基于所述语义信息和所述点云数据,生成所述待处理区域的DEM数据;利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线,达到了在等高线生成过程中加入语义约束的目的,进而解决了现有的等高线生成方法的生成效率和精度较低的技术问题,从而实现了提高等高线生成方法的生成效率和精度的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于语义约束的等高线生成方法的流程图;
图2为本发明实施例提供的一种基于语义约束的等高线生成装置的示意图;
图3为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
实施例一:
根据本发明实施例,提供了一种基于语义约束的等高线生成方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种基于语义约束的等高线生成方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取待处理区域的图像序列;
需要说明的是,上述的图像序列为通过无人机或者激光雷达的方式获取图像序列。
步骤S104,基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,其中,所述点云数据携带有语义信息;
步骤S106,基于所述语义信息和所述点云数据,生成所述待处理区域的DEM数据;
步骤S108,利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线。
在本发明实施例中,通过获取待处理区域的图像序列;基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,其中,所述点云数据携带有语义信息;基于所述语义信息和所述点云数据,生成所述待处理区域的DEM数据;利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线,达到了在等高线生成过程中加入语义约束的目的,进而解决了现有的等高线生成方法的生成效率和精度较低的技术问题,从而实现了提高等高线生成方法的生成效率和精度的技术效果。
在本发明实施例中,步骤S104包括如下步骤:
步骤S201,利用SIFT算子计算出所述图像序列中每个图像特征子;
步骤S202,基于所述特征子和所述待处理区域的图像序列,构建所述待处理区域的初始点云数据;
步骤S203,利用Segformer多语义分割模型对所述图像序列中每个图像进行分割,确定出每个图像中的各个像素点的语义信息;
步骤S204,基于所述待处理区域的初始点云数据和所述每个图像中的各个像素点的语义信息,生成所述待处理区域的点云数据。
具体的,在本发明实施例中,步骤S202包括如下步骤:
基于级联哈希算法,确定出所述待处理区域的图像序列中与所述特征子相匹配的特征点;
基于各个图像对应的相机的目标信息,对所述特征点进行空间前方交会解算,确定出所述特征点的三维坐标信息,其中,所述目标信息包括:位置信息和姿态信息;
利用目标数据和光束平差算法,对所述姿态信息和三维坐标信息进行优化,得到所述待处理区域的稀疏点云数据;
利用PMVS算法,对所述稀疏点云数据进行处理,得到所述初始点云数据。
步骤S204包括如下步骤:
对所述初始点云数据进行三角化处理,得到三角化后的初始点云数据;
基于摄影测量学共线算法,确定出所述三角化后的初始点云数据中各个点云数据的二维坐标信息;
基于所述三角化后的初始点云数据中各个点云数据的二维坐标信息和所述每个图像中的各个像素点的语义信息,确定出所述三角化后的初始点云数据中各个点云数据的语义信息;
将所述三角化后的初始点云数据中各个点云数据的语义信息确定为语义标签配置给对应的三角化后的初始点云数据,得到所述待处理区域的点云数据。
在本发明实施例中,首先,利用SIFT算子计算图像序列中每一张影像的特征子并保存。
采用级联哈希算法给每个特征子赋上唯一码,并将图像序列中各影像与特征子进行匹配,确定出特征子对应的特征点,并建立不同影像上特征点之间的同名点关系。
以每张影像的低精度相机位置和姿态信息作为初值,利用摄影测量学的共线方程,通过空间前方交会解算,得到一组同名点对应的特征点三维坐标。
对上述相机位置和姿态、特征点二维和三维坐标,通过基于最小二乘原理的光束法平差来改进,得到每张影像更高精度的相机姿态信息(用旋转矩阵描述)和特征点三维坐标,形成三维的点云(即,稀疏点云数据)。
利用PMVS方法,对稀疏点云数据在局部光度一致性和全局可见性约束下,经过匹配、扩散、过滤生成带真实颜色的稠密三维点云(即,初始点云数据)。
基于Segformer的多语义分割模型分割图像,得到图像序列中各个图像的每个像素点的语义信息。
最后,对始点云数据进行三角化,依据摄影测量学的共线原理可以计算出每个三维点在相关影像上对应的二维坐标,由此得到二维点的语义标签进行消歧处理后分配给三维点,使得每个三维点都有自己的语义标签,得到带语义信息的稠密三维点云(即,待处理区域的点云数据)。
在本发明实施例中,步骤S106包括如下步骤:
利用均值算法,对所述点云数据进行去噪处理,得到第一点云数据;
对所述第一点云数据进行分类处理和目标处理,得到第二点云数据,其中,所述分类处理包括:点云自动分类处理和人机交互分类处理,所述目标处理包括:添加断裂线处理,置平操作处理和补点处理;
基于所述点云数据携带有语义信息和所述第二点云数据中的地面点,构建所述待处理区域的DEM数据。
对所述待处理区域的DEM数据进行成果检查,其中,所述成果检查包括:数学基础检查,格网间距检查,DEM 范围即起止点坐标正确性检查,数据完整性及明显高程异常检查,数据地表形态正确性检查,接边检查和DEM 高程误差精度检查。
在本发明实施例中,由于待处理区域的点云数据在影像上存在水面反射和建筑物镜面反射时,会存在明显的错误点,考虑到表达地形地貌的点与相邻的点在高度变化上存在连续性,因此采用均值滤波方法对点云进行处理,达到去除噪声的目的。
接着,根据实际情况,选择带有信息精确匹配的道路、河流、建筑等点云数据特殊处理,无论任何算法对点云进行自动分类都会存在少分、错分或不完全分类正确的现象,还需要人工干预来进一步达到点云分类正确。对于前期点云自动分类被错分、少分、或是难以区分的地物,必须在自动分类的基础上采用人工交互的方式手动将错误修改正确。调取点云自动分类成果,生成地表三角网,通过对不同区域三角网拉剖面的形式查看点云的高程信息,检查该区域是否存在地物或地形不连续、不平滑、漏洞或是同样地物高差较大的情况(即明显的“坑点”或“突出点”),从而判断此处点云有无错分或少分的现象。为了对地表细节部分的点云错分现象检查得更仔细,作业过程中要加入同时期DOM 或DLG 数据与同区域的点云三角网进行地形。
对照和辅助判断,逐片对不同的地形、地物进行识别,使用点云人工分类工具把错分或少分的点采用迭代算法按照正确的地物类型局部分离到相应的点云类别中,以提高人工分类最终成果的准确度。
然后,通过添加断裂线和对有水的河流、水渠、湖泊、水库、池塘等依据水位进行置平操作以及补点,得到待处理区域的DEM数据,解决了点云无法表现出真实地形的情况,从而保证了DEM 的准确性。
最后,对待处理区域的DEM数据进行数学基础检查、格网间距检查、DEM 范围即起止点坐标正确性检查、数据完整性及明显高程异常检查、数据地表形态正确性检查、以及接边检查、DEM 高程中误差精度检查等成果检查。
在本发明实施例中,步骤S106包括如下步骤:
基于所述待处理区域的地形类别和所述待处理区域的DEM数据,提取出所述待处理区域中各个地形类别的等高线;
对所述待处理区域中各个地形类别的等高线进行修正和正确性检查,得到所述待处理区域的等高线。
在本发明实施例中,根据语义信息将等高线自动提取划分为多块来自动生成,如居民区、水系、林地等。
根据不同的地形类别,配置不同的参数,如优化最小面积参数避免平地局部起伏或者房屋高程起伏造成的等高线漏斗圈现象,折角可有效减少因高程相近造成的等高线倒角、凸角等明显与实际不符的起伏趋势,光滑系数则可有效平滑等高线折角,消除自相交等,从而满足不同地形类别中等高线的数据要求。
利用局部串接、整形、打断等编辑工具对等高线的不合理表达、点线矛盾以及等高线与地物间的关系等进行修编。等高线的检查内容包括高程正确性检查,等高线编码正确性检查,图形精度检查,拓扑检查( 如伪节点、打折和悬挂等) 以及点线矛盾检查,得到待处理区域的等高线。
在本发明实施例中,通过无人机或者激光雷达的方式获取图片序列,基于深度学***差中增加语义约束,进一步提高生成点云和DEM的精度,在生成DEM时首先判断地形类别(平地、丘陵地、山地等),通过调整生成等高线的参数生成等高线,然后对生成的等高线进行编辑,提高等高线生成的精度,从而提高了生产效率。
实施例二:
本发明实施例还提供了一种基于语义约束的等高线生成装置,该基于语义约束的等高线生成装置用于执行本发明实施例上述内容所提供的方法,以下是本发明实施例提供的装置的具体介绍。
如图2所示,图2为上述基于语义约束的等高线生成装置的示意图,该基于语义约束的等高线生成装置包括:
获取单元10,用于获取待处理区域的图像序列;
点云生成单元20,用于基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,其中,所述点云数据携带有语义信息;
DEM生成单元30,用于基于所述语义信息和所述点云数据,生成所述待处理区域的DEM数据;
等高线提取单元40,用于利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线。
在本发明实施例中,通过获取待处理区域的图像序列;基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,其中,所述点云数据携带有语义信息;基于所述语义信息和所述点云数据,生成所述待处理区域的DEM数据;利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线,达到了在等高线生成过程中加入语义约束的目的,进而解决了现有的等高线生成方法的生成效率和精度较低的技术问题,从而实现了提高等高线生成方法的生成效率和精度的技术效果。
实施例三:
本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
参见图3,本发明实施例还提供一种电子设备100,包括:处理器50,存储器51,总线52和通信接口53,所述处理器50、通信接口53和存储器51通过总线52连接;处理器50用于执行存储器51中存储的可执行模块,例如计算机程序。
其中,存储器51可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器51用于存储程序,所述处理器50在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中,或者由处理器50实现。
处理器50可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51,处理器50读取存储器51中的信息,结合其硬件完成上述方法的步骤。
实施例四:
本发明实施例还提供了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运行时执行上述实施例一中所述方法的步骤。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种基于语义约束的等高线生成方法,其特征在于,包括:
获取待处理区域的图像序列;
基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,其中,所述点云数据携带有语义信息;
基于所述语义信息和所述点云数据,生成所述待处理区域的DEM数据;
利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线;
其中,基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,包括:
利用SIFT算子计算出所述图像序列中每个图像特征子;
基于所述特征子和所述待处理区域的图像序列,构建所述待处理区域的初始点云数据;
利用Segformer多语义分割模型对所述图像序列中每个图像进行分割,确定出每个图像中的各个像素点的语义信息;
基于所述待处理区域的初始点云数据和所述每个图像中的各个像素点的语义信息,生成所述待处理区域的点云数据;
其中,基于所述特征子和所述待处理区域的图像序列,构建所述待处理区域的初始点云数据,包括:
基于级联哈希算法,确定出所述待处理区域的图像序列中与所述特征子相匹配的特征点;
基于各个图像对应的相机的目标信息,对所述特征点进行空间前方交会解算,确定出所述特征点的三维坐标信息,其中,所述目标信息包括:位置信息和姿态信息;
利用所述目标信息和光束平差算法,对所述姿态信息和三维坐标信息进行优化,得到所述待处理区域的稀疏点云数据;
利用PMVS算法,对所述稀疏点云数据进行处理,得到所述初始点云数据。
2.根据权利要求1所述的方法,其特征在于,基于所述待处理区域的初始点云数据和所述每个图像中的各个像素点的语义信息,生成所述待处理区域的点云数据,包括:
对所述初始点云数据进行三角化处理,得到三角化后的初始点云数据;
基于摄影测量学共线算法,确定出所述三角化后的初始点云数据中各个点云数据的二维坐标信息;
基于所述三角化后的初始点云数据中各个点云数据的二维坐标信息和所述每个图像中的各个像素点的语义信息,确定出所述三角化后的初始点云数据中各个点云数据的语义信息;
将所述三角化后的初始点云数据中各个点云数据的语义信息确定为语义标签配置给对应的三角化后的初始点云数据,得到所述待处理区域的点云数据。
3.根据权利要求1所述的方法,其特征在于,基于所述点云数据携带有语义信息,将所述待处理区域的点云数据转换为所述待处理区域的DEM数据,包括:
利用均值算法,对所述点云数据进行去噪处理,得到第一点云数据;
对所述第一点云数据进行分类处理和目标处理,得到第二点云数据,其中,所述分类处理包括:点云自动分类处理和人机交互分类处理,所述目标处理包括:添加断裂线处理,置平操作处理和补点处理;
基于所述点云数据携带有语义信息和所述第二点云数据中的地面点,构建所述待处理区域的DEM数据。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
对所述待处理区域的DEM数据进行成果检查,其中,所述成果检查包括:数学基础检查,格网间距检查,DEM 范围即起止点坐标正确性检查,数据完整性及明显高程异常检查,数据地表形态正确性检查,接边检查和DEM 高程误差精度检查。
5.根据权利要求1所述的方法,其特征在于, 利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线,包括:
基于所述待处理区域的地形类别和所述待处理区域的DEM数据,提取出所述待处理区域中各个地形类别的等高线;
对所述待处理区域中各个地形类别的等高线进行修正和正确性检查,得到所述待处理区域的等高线。
6.一种基于语义约束的等高线生成装置,其特征在于,包括:
获取单元,用于获取待处理区域的图像序列;
点云生成单元,用于基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,其中,所述点云数据携带有语义信息;
DEM生成单元,用于基于所述语义信息和所述点云数据,生成所述待处理区域的DEM数据;
等高线提取单元,用于利用所述待处理区域的DEM数据,提取出所述待处理区域的等高线;
其中,基于所述待处理区域的图像序列,生成所述待处理区域的点云数据,包括:
利用SIFT算子计算出所述图像序列中每个图像特征子;
基于所述特征子和所述待处理区域的图像序列,构建所述待处理区域的初始点云数据;
利用Segformer多语义分割模型对所述图像序列中每个图像进行分割,确定出每个图像中的各个像素点的语义信息;
基于所述待处理区域的初始点云数据和所述每个图像中的各个像素点的语义信息,生成所述待处理区域的点云数据;
其中,基于所述特征子和所述待处理区域的图像序列,构建所述待处理区域的初始点云数据,包括:
基于级联哈希算法,确定出所述待处理区域的图像序列中与所述特征子相匹配的特征点;
基于各个图像对应的相机的目标信息,对所述特征点进行空间前方交会解算,确定出所述特征点的三维坐标信息,其中,所述目标信息包括:位置信息和姿态信息;
利用所述目标信息和光束平差算法,对所述姿态信息和三维坐标信息进行优化,得到所述待处理区域的稀疏点云数据;
利用PMVS算法,对所述稀疏点云数据进行处理,得到所述初始点云数据。
7.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器用于存储支持处理器执行权利要求1至5任一项所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
8.一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,其特征在于,计算机程序被处理器运行时执行上述权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310160119.4A CN115861561B (zh) | 2023-02-24 | 2023-02-24 | 一种基于语义约束的等高线生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310160119.4A CN115861561B (zh) | 2023-02-24 | 2023-02-24 | 一种基于语义约束的等高线生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115861561A CN115861561A (zh) | 2023-03-28 |
CN115861561B true CN115861561B (zh) | 2023-05-30 |
Family
ID=85658792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310160119.4A Active CN115861561B (zh) | 2023-02-24 | 2023-02-24 | 一种基于语义约束的等高线生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861561B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363983A (zh) * | 2018-03-06 | 2018-08-03 | 河南理工大学 | 一种基于无人机影像与重建点云的城市植被分类方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020103109A1 (zh) * | 2018-11-22 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 一种地图生成方法、设备、飞行器及存储介质 |
CN112069856B (zh) * | 2019-06-10 | 2024-06-14 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及*** |
CN112101066B (zh) * | 2019-06-17 | 2024-03-08 | 商汤集团有限公司 | 目标检测方法和装置及智能驾驶方法、设备和存储介质 |
CN110806175B (zh) * | 2019-11-20 | 2021-04-30 | 中国有色金属长沙勘察设计研究院有限公司 | 一种基于三维激光扫描技术的干滩监测方法 |
CN114842438B (zh) * | 2022-05-26 | 2024-06-14 | 重庆长安汽车股份有限公司 | 用于自动驾驶汽车的地形检测方法、***及可读存储介质 |
-
2023
- 2023-02-24 CN CN202310160119.4A patent/CN115861561B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363983A (zh) * | 2018-03-06 | 2018-08-03 | 河南理工大学 | 一种基于无人机影像与重建点云的城市植被分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115861561A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9189862B2 (en) | Outline approximation for point cloud of building | |
CN112927370A (zh) | 三维建筑物模型构建方法、装置、电子设备及存储介质 | |
JP2008298631A (ja) | 地図変化検出装置、地図変化検出方法およびプログラム | |
CN113570665A (zh) | 路沿提取的方法、装置及电子设备 | |
Zhang et al. | Lidar-guided stereo matching with a spatial consistency constraint | |
CN115082699B (zh) | 一种轮廓形状提取方法、装置、电子设备及存储介质 | |
CN115797592A (zh) | 一种基于倾斜摄影三维模型自动生成建筑物体块的方法和装置 | |
CN114332134A (zh) | 一种基于密集点云的建筑物立面提取方法和装置 | |
CN115641415A (zh) | 基于卫星影像生成三维场景的方法、装置、设备及介质 | |
Javadnejad et al. | An assessment of UAS-based photogrammetry for civil integrated management (CIM) modeling of pipes | |
CN111982077B (zh) | 电子地图绘制方法、***和电子设备 | |
CN111260714B (zh) | 一种洪涝受灾评估方法、装置、设备及计算机存储介质 | |
Rau | A line-based 3D roof model reconstruction algorithm: Tin-merging and reshaping (TMR) | |
CN115861561B (zh) | 一种基于语义约束的等高线生成方法和装置 | |
Zhu et al. | Triangulation of well-defined points as a constraint for reliable image matching | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、***、电子设备及介质 | |
CN111583406A (zh) | 杆塔脚基点坐标计算方法、装置及终端设备 | |
CN114972672B (zh) | 输电线路实景三维模型构建方法、装置、设备和存储介质 | |
CN116543109A (zh) | 三维重建中孔洞填补方法及*** | |
Widyaningrum et al. | Extraction of building roof edges from LiDAR data to optimize the digital surface model for true orthophoto generation | |
CN111476308B (zh) | 基于先验几何约束的遥感影像分类方法、装置和电子设备 | |
CN114444185A (zh) | 原位标注的识别方法、装置及电子设备 | |
CN114494625A (zh) | 高精度地形图制作方法、装置和计算机设备 | |
Yu et al. | Mid-and Short-Term Monitoring of Sea Cliff Erosion based on Structure-from-Motion (SfM) Photogrammetry: Application of Two Differing Camera Systems for 3D Point Cloud Construction | |
CN115858519B (zh) | 一种dem平整方法和装置 |
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 |