CN117387580B - 一种基于倾斜摄影大比例尺地形图的测绘方法及*** - Google Patents
一种基于倾斜摄影大比例尺地形图的测绘方法及*** Download PDFInfo
- Publication number
- CN117387580B CN117387580B CN202311703505.XA CN202311703505A CN117387580B CN 117387580 B CN117387580 B CN 117387580B CN 202311703505 A CN202311703505 A CN 202311703505A CN 117387580 B CN117387580 B CN 117387580B
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- value
- partition
- mapping
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005192 partition Methods 0.000 claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 57
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 238000005070 sampling Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 18
- 238000012876 topography Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 12
- 238000012216 screening Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000009616 inductively coupled plasma Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- 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
-
- 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
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Computer Graphics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于倾斜摄影大比例尺地形图的测绘方法及***,涉及地形图测绘技术领域,该***包括数据采集模块、数据处理模块、三维重建模块、地形分析模块、分区评估模块以及对比执行模块;其技术要点为:利用分区评估模块和对比执行模块进行配合操作,对三维模型进行分区检测,综合考虑对应分区下的各个数据因素,得到一个能够不仅初步反映对应分区测绘图形精度的值,还能够通过与评估阈值mol做出对比,根据对比结果筛选出没有满足测绘要求的分区,并对该部门分区进行针对性的二次测算,直至对应分区的图像精度评估值满足要求,实现提高了测绘后地形图的整体质量,并加快了测绘工作的效率。
Description
技术领域
本发明涉及地形图测绘技术领域,具体为一种基于倾斜摄影大比例尺地形图的测绘方法及***。
背景技术
地形图测绘是通过测量和记录地面的形状、高程和其他地理特征,然后将其绘制在地图上的过程,它为人们提供了一个准确的地形描述,包括山脉、河流、湖泊、森林、道路、建筑物等,地形图测绘通常使用各种测量技术,如测量仪器、卫星遥感、激光测距仪等,以获取准确的地面数据,这些数据经过处理和分析后,可以用于制作地形图,提供给各行业和领域使用,如土地规划、灾害管理、军事作战规划等;在倾斜摄影中,大比例尺指的是摄影中所拍摄的地面面积与摄影测量相机上一个单位长度的比例关系,换句话说,大比例尺意味着摄影地图上的物体被放大,更多的细节可以被看到,一般来说,大比例尺的地图适用于需要更高精度和更详细信息的地图应用,例如城市规划、工程设计和建筑测量等领域。
现有申请公布号为CN112833861A,名称为一种基于倾斜摄影大比例尺地形图的测绘方法和测绘***的中国专利中指出的技术方案包括:收集待测区域的资料,并根据所述资料规划测绘线路;根据所述测绘线路在所述待测区域内布设像控点,并按照测量规范对所述像控点进行处理,所述像控点包括常规像控点和特殊像控点;基于所述测绘线路进行无人机航飞倾斜摄影,采集所述待测区域的地形数据;将所述地形数据输入建模平台进行三维建模处理并合成所述待测区域大比例的三维地形图;对所述各个步骤进行误差控制和精度检查,该方案减少测绘,以提高精度,但都是对测绘过程中进行误差控制的,根据规范和要求保证测量精度,需要对测绘区域进行全面监测和控制,此过程会大大增加测绘作业的工作量。
结合上述专利和现有技术,传统在利用倾斜摄影技术进行地图测绘时,通常也都是应对较为平坦的区域,利用搭载摄像头的无人机进行巡航式的拍摄,只需保证无人机和摄像头的稳定和工作正常即可顺利完成对地势平坦区域的测绘,避免凹凸地形增加地图测绘时的计算量,同时也避免影响测绘精度,在对地势平坦区域完成地图测绘的精度计算时,若是对整个区域的各个点位均进行测绘处理,采用过于精细的精度检测方式则会增加测绘工作量,从而降低最终完成地图测绘的工作效率。
发明内容
针对现有技术的不足,本发明提供了一种基于倾斜摄影大比例尺地形图的测绘方法及***,在将采集的点云数据搭建成三维模型后,能够初步实现对整个区域地形图的测绘,利用分区评估模块和对比执行模块进行配合操作,对三维模型进行分区检测,综合考虑对应分区下的各个数据因素,得到一个能够不仅初步反映对应分区测绘图形精度的值,还能够通过与评估阈值mol做出对比,根据对比结果筛选出没有满足测绘要求的分区,并对该部门分区进行针对性的二次测算,直至对应分区的图像精度评估值满足要求,实现提高了测绘后地形图的整体质量,并加快了测绘工作的效率,解决了背景技术中提出的问题。
为实现以上目的,本发明通过以下技术方案予以实现:
一种基于倾斜摄影大比例尺地形图的测绘***,包括:
数据采集模块,获取配备倾斜摄像设备的无人机捕获的待测绘区域的地面点云数据;
数据处理模块,对获取的点云数据进行预处理;
三维重建模块,根据点云数据,通过点云配准和密度控制算法转化为三维模型;
地形分析模块,对三维模型进行地形分析,获取地形数据以标注至三维模型对应的位置处;
分区评估模块,对待测绘区域进行等分处理,形成n个分区,并获取各个分区的评估参数,依据经过无量纲化处理后的评估参数,搭建数据分析模型,生成对应分区下的图像精度评估值;
比对执行模块,按照分区对应编号的顺序,将各个分区下的图像精度评估值均与预设的评估阈值mol进行对比,若是差值未超过10,则不做响应,若是差值超过10,则发出一级预警信号,并执行重新获取对应分区下的地面点云数据策略,直至不做响应为止。
进一步的,在数据处理模块中,预处理包括数据清洗、数据过滤、数据配准以及数据采样。
进一步的,在三维重建模块中,形成三维模型的具体过程如下:
点云配准:对预处理后的点云数据进行初始配准,将若干点云数据集的坐标对齐到同一坐标系下,使用点云配准算法来寻找对齐变换;
密度控制:对配准后的点云数据使用体素格子算法来控制密度;
三维重建:利用配准后的、经过密度控制的点云数据,进行三维重建,且三维重建的方法为体素法,将空间划分为体素网格,根据点云数据在体素内的密度和属性信息,生成三维模型。
进一步的,在地形分析模块中,地形数据包括地面高程值、地面坡度值、地面坡向、地形曲率以及等高线。
进一步的,在分区评估模块中,评估参数包括点云采样密度值、数据点平均分辨率以及均方根误差值,点云采样密度值的获取方式为:不同分区的点云采样密度通过每平方米拥有的点的数量来进行衡量;数据点平均分辨率的获取方式为:选取对应分区下至少三个数据点,获取各个数据点的分辨率,并对各个数据点的分辨率进行求和后得出平均值,该平均值即为数据点平均分辨率。
进一步的,均方跟误差值的获取方式如下:
S101、获取一组参考数据,参考数据是通过联网后的数据源得到的;
S102、获取与参考数据对应的测量数据,测量数据则是通过倾斜摄像设备获取的;
S103、对每个对应的测量点,计算测量值和参考值之间的差异,通过相减得到差异值;
S104、将每个差异值平方,得到平方差;
S105、将所有平方差相加,得到的值除以测量点的数量,得到平均平方差;
S106、将平均平方差开方,即可得到对应分区的均方根误差。
进一步的,生成对应分区下的图像精度评估值,所依据的公式如下:
;
式中,表示点云采样密度值,/>表示数据点平均分辨率,/>表示均方根误差值,/>分别为点云采样密度值、数据点平均分辨率以及均方跟误差值的预设比例系数,且/>,G为常数修正系数,t=/>,t表示每个分区的编号,n表示对应编号的数量,即分区的数量,/>为正整数。
一种基于倾斜摄影大比例尺地形图的测绘方法,包括如下步骤:
步骤一、获取配备倾斜摄像设备的无人机捕获的待测绘区域的地面点云数据;
步骤二、对获取的点云数据进行预处理,包括数据清洗、数据过滤、数据配准以及数据采样,数据清洗:去除噪点、离群点和无效数据;数据过滤:根据需要筛选点云数据,如根据密度、高程或颜色进行过滤;数据配准:将若干点云数据集进行配准,使它们在同一坐标系下对齐;数据采样:根据需求对点云数据进行降采样,以减少数据量并加快后续处理速度;
步骤三、根据点云数据,通过点云配准和密度控制算法转化为三维模型;
点云配准:对预处理后的点云数据进行初始配准,将若干点云数据集的坐标对齐到同一坐标系下,使用点云配准算法来寻找对齐变换;
密度控制:对配准后的点云数据使用体素格子算法来控制密度;
三维重建:利用配准后的、经过密度控制的点云数据,进行三维重建,且三维重建的方法为体素法,将空间划分为体素网格,根据点云数据在体素内的密度和属性信息,生成三维模型;
步骤四、对三维模型进行地形分析,获取地形数据以标注至三维模型对应的位置处;
步骤五、对待测绘区域进行等分处理,形成n个分区,并获取各个分区的评估参数,依据经过无量纲化处理后的评估参数,搭建数据分析模型,生成对应分区下的图像精度评估值;
步骤六、按照分区对应编号的顺序,将各个分区下的图像精度评估值均与预设的评估阈值mol进行对比,若是差值未超过10,则不做响应,若是差值超过10,则发出一级预警信号,并执行依据步骤一重新获取对应分区下的地面点云数据策略,直至不做响应为止。
本发明提供了一种基于倾斜摄影大比例尺地形图的测绘方法及***,具备以下有益效果:
在将采集的点云数据搭建成三维模型后,能够初步实现对整个区域地形图的测绘,利用分区评估模块和对比执行模块进行配合操作,对三维模型进行分区检测,综合考虑对应分区下的各个数据因素,得到一个能够不仅初步反映对应分区测绘图形精度的值,即图像精度评估值,还能够通过与评估阈值mol做出对比,根据对比结果筛选出没有满足测绘要求的分区,并对该部门分区进行针对性的二次测算,直至对应分区的图像精度评估值/>满足要求,实现提高了测绘后地形图的整体质量,从而保证测绘地图各个位置精度的一致性,在一定程度上还加快了测绘工作的效率。
附图说明
图1为本发明一种基于倾斜摄影大比例尺地形图的测绘***的模块化结构示意图;
图2为本发明一种基于倾斜摄影大比例尺地形图的测绘方法的整体流程示意图。
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、完整的描述,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。
实施例1:请参阅图1,本实施例提供一种基于倾斜摄影大比例尺地形图的测绘***,该***包括数据采集模块、数据处理模块、三维重建模块、地形分析模块、分区评估模块以及对比执行模块,且整个测绘***应用于平原地区,方便捕获到准确地面或地形数据,在一定程度上能够保证测绘***的准确性;
其中,数据采集模块,获取利用配备倾斜摄像设备的无人机捕获的待测绘区域的地面点云数据;在实际运行中,无人机的飞行轨迹覆盖待测绘的区域,从而实现对整个测绘区域进行图像采集,无人机上配备的倾斜摄像设备包括倾斜摄像机或激光扫描仪,无人机及其获取的点云数据均可通过无线传输技术,例如5G通讯传输,远程发送至测绘***内。
数据处理模块,对获取的点云数据进行预处理,且预处理包括数据清洗、数据过滤、数据配准以及数据采样;其中,数据清洗:去除噪点、离群点和无效数据;数据过滤:根据需要筛选点云数据,如根据密度、高程或颜色进行过滤;数据配准:将若干点云数据集进行配准,使它们在同一坐标系下对齐;数据采样:根据需求对点云数据进行降采样,以减少数据量并加快后续处理速度。
三维重建模块,根据预处理后的点云数据,通过点云配准和密度控制算法转化为三维模型,形成三维模型的具体过程如下:
点云配准:对预处理后的点云数据进行初始配准,将若干点云数据集的坐标对齐到同一坐标系下,使用点云配准算法(如ICP、特征匹配)来寻找最佳的对齐变换,使点云数据集之间对应点的误差最小化,迭代优化配准过程,直到达到预设的准确度和稳定性要求;
密度控制:对配准后的点云数据进行密度控制,以控制生成的三维模型的细节程度和资源消耗,使用体素格子算法或光栅化算法来控制密度,通过预设合适的采样率、格子大小或像素密度,选择性地保留或丢弃点云数据,以达到控制密度的效果;
需要说明的是:ICP算法是通过迭代优化的方式寻找两个点云之间的最佳对应关系,从而实现配准,特征匹配算法则是通过提取点云的关键特征点或特征描述子,在不同点云之间进行特征匹配,从而实现配准,本申请中实际运用的则是ICP算法;
体素格子算法是将三维空间划分为体素格子,并根据点云在格子内的密度进行采样,从而控制生成的三维模型的密度;光栅化算法则是将点云数据投影到二维平面上,再根据投影结果的像素密度进行采样,以控制生成的三维模型的密度,本申请中实际运用的则是体素格子算法;
总结而言,点云配准算法用于将若干点云数据集进行准确的位置对齐,而密度控制算法用于控制生成的三维模型的密度,这些算法的具体选择和实现方式可能因应用场景的不同而有所变化;
三维重建:利用配准后的、经过密度控制的点云数据,进行三维重建,且三维重建的方法包括体素法或表面重建法;体素法将空间划分为体素(三维像素)网格,根据点云数据在体素内的密度和属性信息,生成三维模型;表面重建法则根据点云数据点的几何属性,构建三角网格来表示三维模型,本申请实际选用的则是体素法。
地形分析模块,对三维模型进行地形分析,获取地形数据以标注至三维模型对应的位置处,例如地形数据中的坡度数据,则标注于三维模型对应山坡的坡面上;
地形数据包括地面高程值、地面坡度值、地面坡向、地形曲率以及等高线;
地面高程测量:对三维模型中的每个点进行高程测量,获取地面点的高程信息,具体使用插值方法,如反距离加权插值,克里金插值来估算非测量点的高程值;
坡度计算:坡度是地表在某一点上的斜率倾斜程度的度量,坡度是通过计算每个点的高程变化来实现,计算邻域内点的高程差异,并利用三角函数计算出每个点的坡度;
坡向计算:坡向是地面在某一点上的最大斜率方向,通过计算邻域内点的高程差异,结合方向余弦公式,计算出每个点的坡向;
地形曲率计算:地形曲率表示地面的曲率变化程度,通过计算每个点周围的高程梯度来估计地形曲率,常用的方法包括最小二乘拟合和方向导数法中的任一种;
等高线生成:通过插值法根据测量的高程数据,确定若干等高值线,并在三维模型上绘制出等高线,生成等高线需使用像邻近点插值、B样条曲线插值中的任一种;
分区评估模块,对待测绘区域进行等分处理,形成n个分区,并获取各个分区的评估参数,且评估参数包括点云采样密度值、数据点平均分辨率以及均方根误差值,依据经过无量纲化处理后的评估参数,搭建数据分析模型,生成对应分区下的图像精度评估值;
该处n个分区的数量根据实际地形的情况进行设定,若是地形起伏较多,则可设置较多的分区,若是地势平坦,则可设置较少的分区,分区的具体数量不定;
点云采样密度值的获取方式为:不同分区的点云采样密度可以通过每平方米拥有的点的数量来进行衡量;例如,某个分区的点云密度为1000个点/平方米,而另一个分区的密度为500个点/平方米,由于无人机在飞行过程中的稳定和性能无法保持恒定,容易受到多方因素,例如环境变换的影响,从而导致并不是每个分区对应的点云密度均保持一致,故各个分区点云采样密度值均会存在一定程度的偏差;
数据点平均分辨率的获取方式为:选取对应分区下至少三个数据点,获取各个数据点的分辨率,并对各个数据点的分辨率进行求和后求出平均值,该平均值即为数据点平均分辨率,不同的分辨率可以表示对应地面图像的精度;
均方跟误差值的获取方式如下:
S101、获取一组参考数据,参考数据是通过实地测量、其他高精度地形数据或联网后认可的数据源得到的,例如地图软件中得到的数据即为认可的数据源;
S102、获取与参考数据对应的测量数据,测量数据则是通过倾斜摄像设备获取的;
S103、对每个对应的测量点,计算测量值和参考值之间的差异,通过相减得到差异值;
S104、将每个差异值平方,得到平方差;
S105、将所有平方差相加,得到的值除以测量点的数量,得到平均平方差;
S106、将平均平方差开方,即可得到对应分区的均方根误差。
生成对应分区下的图像精度评估值,所依据的公式如下:
;
式中,表示点云采样密度值,/>表示数据点平均分辨率,/>表示均方根误差值,/>分别为点云采样密度值、数据点平均分辨率以及均方跟误差值的预设比例系数,且/>,G为常数修正系数,其具体值可由用户调整设置,或者由分析函数拟合生成,t=/>,t表示每个分区的编号,n表示对应编号的数量,即分区的数量,/>为正整数;
需要说明的是:对于各个分区的编号选定,按照从左往右,从上往下的既定顺序进行编号,且该编号方式也是常规的方式,上述公式中对点云采样密度值、数据点平均分辨率以及均方根误差值进行加权平均计算得出,由于均方跟误差值与最终图像精度评估值成反比,故需要设计为/>,均方根误差值越大,则图像精度评估值/>越小,对应的图像精度也越低,点云采样密度值、数据点平均分辨率均与图像精度评估值/>成正比,点云采样密度值、数据点平均分辨率越大,则图像精度评估值/>越大,对应的图像精度也越高,将加权平均计算得出的值与常数修正系数G相乘,完成对该值的修正,确保最终得到图像精度评估值/>的准确性;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数,也可说是根据实际进行预设规定的,只要不影响参数与量化后数值的比例关系即可,对于其他公式中说明的预设比例系数、常数修正系数中,也同样采取上述的说明;
比对执行模块,按照分区对应编号的顺序,将各个分区下的图像精度评估值均与预设的评估阈值mol进行对比,若是差值未超过10,则表示对应分区图像测绘后的精度满足要求,***不做响应,若是差值超过10,则表示对应区图像测绘后的精度不满足要求,则发出一级预警信号,并执行重新获取对应分区下的地面点云数据策略,直至***不做响应为止;上述差值临界点为10的设定是根据实际测算获知的,针对本申请所应用的平原地区场景,该差值临界点为10的设定较为合理,对于不同的应用场景,如起伏不定的地区,则该差值临界点数值的设定则根据实际测算改变。
通过采用上述技术方案:在将采集的点云数据搭建成三维模型后,利用分区评估模块和对比执行模块进行配合操作,对三维模型进行分区检测,综合考虑对应分区下的各个数据因素,得到一个能够不仅初步反映对应分区测绘图形精度的值,即图像精度评估值,还能够通过与评估阈值mol做出对比,根据对比结果筛选出没有满足测绘要求的分区,并对该部门分区进行针对性的二次测算,便于提高测绘后地形图的整体质量。
实施例2:请参阅图1,以实施例1为基础,本实施例提供一种基于倾斜摄影大比例尺地形图的测绘方法,包括如下步骤:
步骤一、获取配备倾斜摄像设备的无人机捕获的待测绘区域的地面点云数据;
步骤二、对获取的点云数据进行预处理,包括数据清洗、数据过滤、数据配准以及数据采样,数据清洗:去除噪点、离群点和无效数据;数据过滤:根据需要筛选点云数据,如根据密度、高程或颜色进行过滤;数据配准:将若干点云数据集进行配准,使它们在同一坐标系下对齐;数据采样:根据需求对点云数据进行降采样,以减少数据量并加快后续处理速度;
步骤三、根据点云数据,通过点云配准和密度控制算法转化为三维模型;
点云配准:对预处理后的点云数据进行初始配准,将若干点云数据集的坐标对齐到同一坐标系下,使用点云配准算法来寻找对齐变换;
密度控制:对配准后的点云数据使用体素格子算法来控制密度;
三维重建:利用配准后的、经过密度控制的点云数据,进行三维重建,且三维重建的方法为体素法,将空间划分为体素网格,根据点云数据在体素内的密度和属性信息,生成三维模型;
步骤四、对三维模型进行地形分析,获取地形数据以标注至三维模型对应的位置处;
步骤五、对待测绘区域进行等分处理,形成n个分区,并获取各个分区的评估参数,依据经过无量纲化处理后的评估参数,搭建数据分析模型,生成对应分区下的图像精度评估值;
步骤六、按照分区对应编号的顺序,将各个分区下的图像精度评估值均与预设的评估阈值mol进行对比,若是差值未超过10,则不做响应,若是差值超过10,则发出一级预警信号,并执行依据步骤一重新获取对应分区下的地面点云数据策略,直至不做响应为止。
在申请中,所述涉及到的若干个公式均是去量纲后取其数值计算,而所述公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到,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,或者计算机软件和电子硬件的结合来实现。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。
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,既可以位于一个地方,或者也可以分布到若干网络单元上。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。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (5)
1.一种基于倾斜摄影大比例尺地形图的测绘***,包括:
数据采集模块,获取配备倾斜摄像设备的无人机捕获的待测绘区域的地面点云数据;
数据处理模块,对获取的点云数据进行预处理,其特征在于:
三维重建模块,根据点云数据,通过点云配准和密度控制算法转化为三维模型;
地形分析模块,对三维模型进行地形分析,获取地形数据以标注至三维模型对应的位置处;
分区评估模块,对待测绘区域进行等分处理,形成n个分区,并获取各个分区的评估参数,依据经过无量纲化处理后的评估参数,搭建数据分析模型,生成对应分区下的图像精度评估值;
在分区评估模块中,评估参数包括点云采样密度值、数据点平均分辨率以及均方根误差值,点云采样密度值的获取方式为:不同分区的点云采样密度通过每平方米拥有的点的数量来进行衡量;数据点平均分辨率的获取方式为:选取对应分区下至少三个数据点,获取各个数据点的分辨率,并对各个数据点的分辨率进行求和后得出平均值,该平均值即为数据点平均分辨率;
均方跟误差值的获取方式如下:
S101、获取一组参考数据,参考数据是通过联网后的数据源得到的;
S102、获取与参考数据对应的测量数据,测量数据则是通过倾斜摄像设备获取的;
S103、对每个对应的测量点,计算测量值和参考值之间的差异,通过相减得到差异值;
S104、将每个差异值平方,得到平方差;
S105、将所有平方差相加,得到的值除以测量点的数量,得到平均平方差;
S106、将平均平方差开方,即可得到对应分区的均方根误差;
生成对应分区下的图像精度评估值,所依据的公式如下:
;
式中,表示点云采样密度值,/>表示数据点平均分辨率,/>表示均方根误差值,分别为点云采样密度值、数据点平均分辨率以及均方跟误差值的预设比例系数,且/>,G为常数修正系数,t=/>,t表示每个分区的编号,n表示对应编号的数量,即分区的数量,/>为正整数;
比对执行模块,按照分区对应编号的顺序,将各个分区下的图像精度评估值均与预设的评估阈值mol进行对比,若是差值未超过10,则不做响应,若是差值超过10,则发出一级预警信号,并执行重新获取对应分区下的地面点云数据策略,直至不做响应为止。
2.根据权利要求1所述的一种基于倾斜摄影大比例尺地形图的测绘***,其特征在于:在数据处理模块中,预处理包括数据清洗、数据过滤、数据配准以及数据采样。
3.根据权利要求2所述的一种基于倾斜摄影大比例尺地形图的测绘***,其特征在于:在三维重建模块中,形成三维模型的具体过程如下:
点云配准:对预处理后的点云数据进行初始配准,将若干点云数据集的坐标对齐到同一坐标系下,使用点云配准算法来寻找对齐变换;
密度控制:对配准后的点云数据使用体素格子算法来控制密度;
三维重建:利用配准后的、经过密度控制的点云数据,进行三维重建,且三维重建的方法为体素法,将空间划分为体素网格,根据点云数据在体素内的密度和属性信息,生成三维模型。
4.根据权利要求3所述的一种基于倾斜摄影大比例尺地形图的测绘***,其特征在于:在地形分析模块中,地形数据包括地面高程值、地面坡度值、地面坡向、地形曲率以及等高线。
5.一种基于倾斜摄影大比例尺地形图的测绘方法,使用权利要求1至4中的任一种所述***,其特征在于,包括如下步骤:
步骤一、获取配备倾斜摄像设备的无人机捕获的待测绘区域的地面点云数据;
步骤二、对获取的点云数据进行预处理,包括数据清洗、数据过滤、数据配准以及数据采样;
步骤三、根据点云数据,通过点云配准和密度控制算法转化为三维模型;
步骤四、对三维模型进行地形分析,获取地形数据以标注至三维模型对应的位置处;
步骤五、对待测绘区域进行等分处理,形成n个分区,并获取各个分区的评估参数,依据经过无量纲化处理后的评估参数,搭建数据分析模型,生成对应分区下的图像精度评估值;
步骤六、按照分区对应编号的顺序,将各个分区下的图像精度评估值均与预设的评估阈值mol进行对比,若是差值未超过10,则不做响应,若是差值超过10,则发出一级预警信号,并执行依据步骤一重新获取对应分区下的地面点云数据策略,直至不做响应为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311703505.XA CN117387580B (zh) | 2023-12-13 | 2023-12-13 | 一种基于倾斜摄影大比例尺地形图的测绘方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311703505.XA CN117387580B (zh) | 2023-12-13 | 2023-12-13 | 一种基于倾斜摄影大比例尺地形图的测绘方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117387580A CN117387580A (zh) | 2024-01-12 |
CN117387580B true CN117387580B (zh) | 2024-02-13 |
Family
ID=89468852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311703505.XA Active CN117387580B (zh) | 2023-12-13 | 2023-12-13 | 一种基于倾斜摄影大比例尺地形图的测绘方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117387580B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117994461B (zh) * | 2024-04-02 | 2024-06-11 | 济南市勘察测绘研究院 | 一种基于激光点云数据的地表三维模型构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112833861A (zh) * | 2021-01-08 | 2021-05-25 | 浙江省国土勘测规划有限公司 | 一种基于倾斜摄影大比例尺地形图的测绘方法和测绘*** |
CN116539004A (zh) * | 2023-05-04 | 2023-08-04 | 中国人民解放军国防科技大学 | 一种采用无人机测绘的通信线路工程勘察设计方法与*** |
CN116576825A (zh) * | 2023-05-18 | 2023-08-11 | 国核电力规划设计研究院有限公司 | 目标位地形图测量方法及装置 |
-
2023
- 2023-12-13 CN CN202311703505.XA patent/CN117387580B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112833861A (zh) * | 2021-01-08 | 2021-05-25 | 浙江省国土勘测规划有限公司 | 一种基于倾斜摄影大比例尺地形图的测绘方法和测绘*** |
CN116539004A (zh) * | 2023-05-04 | 2023-08-04 | 中国人民解放军国防科技大学 | 一种采用无人机测绘的通信线路工程勘察设计方法与*** |
CN116576825A (zh) * | 2023-05-18 | 2023-08-11 | 国核电力规划设计研究院有限公司 | 目标位地形图测量方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117387580A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410256B (zh) | 基于互信息的点云与影像自动高精度配准方法 | |
CN111598823B (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
Deliry et al. | Accuracy of unmanned aerial systems photogrammetry and structure from motion in surveying and mapping: a review | |
CN102506824B (zh) | 一种城市低空无人机***生成数字正射影像图的方法 | |
CN111709981A (zh) | 特征线融合的激光点云与模拟图像的配准方法 | |
CN105046251B (zh) | 一种基于环境一号卫星遥感影像的自动正射校正方法 | |
CN117387580B (zh) | 一种基于倾斜摄影大比例尺地形图的测绘方法及*** | |
CN110046563B (zh) | 一种基于无人机点云的输电线路断面高程修正方法 | |
CN112446844B (zh) | 一种基于点云特征提取与配准融合方法 | |
CN112862966B (zh) | 地表三维模型构建方法、装置、设备及存储介质 | |
Guo et al. | Extraction of dense urban buildings from photogrammetric and LiDAR point clouds | |
KR102050995B1 (ko) | 공간좌표의 신뢰성 평가 장치 및 방법 | |
Yang et al. | Airborne LiDAR and photogrammetric point cloud fusion for extraction of urban tree metrics according to street network segmentation | |
CN111006645A (zh) | 基于运动与结构重建的无人机测绘方法 | |
Sani et al. | 3D reconstruction of building model using UAV point clouds | |
Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
CN116994012A (zh) | 一种基于生态修复的图斑匹配***及匹配方法 | |
Heng Siong et al. | The Application of Smartphone Based Structure From Motion (Sfm) Photogrammetry in Ground Volume Measurement | |
Bai et al. | Application of unmanned aerial vehicle multi-vision image 3D modeling in geological disasters | |
JP4231279B2 (ja) | デジタル画像処理装置 | |
Parente et al. | Uncertainty in landslides volume estimation using DEMs generated by airborne laser scanner and photogrammetry data | |
He et al. | Volume measurement of sand carrier using uav-based mapping | |
Ye et al. | Gaussian mixture model of ground filtering based on hierarchical curvature constraints for airborne lidar point clouds | |
Koç San | Approaches for automatic urban building extraction and updating from high resolution satellite imagery | |
Barazzetti | Sliver removal in object-based change detection from VHR satellite images |
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 |