CN117665841B - 一种地理空间信息采集测绘方法及装置 - Google Patents
一种地理空间信息采集测绘方法及装置 Download PDFInfo
- Publication number
- CN117665841B CN117665841B CN202410139366.0A CN202410139366A CN117665841B CN 117665841 B CN117665841 B CN 117665841B CN 202410139366 A CN202410139366 A CN 202410139366A CN 117665841 B CN117665841 B CN 117665841B
- Authority
- CN
- China
- Prior art keywords
- image
- mapping
- coordinates
- preset mapping
- preset
- 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 206
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000013519 translation Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000000844 transformation Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- 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
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
- G01C11/025—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures by scanning the object
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/21—Indexing scheme for image data processing or generation, in general involving computational photography
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种地理空间信息采集测绘方法，包括：获取预设测绘区域图像及扫描数据，进而对预设测绘区域图像及扫描数据进行预设处理；进行特征匹配，进而将预设测绘区域图像的特征映射到地理坐标系中；利用预设测绘区域图像的匹配特征和摄影设备数据包含的预设参数，计算地理空间的三维坐标；将预设测绘区域扫描数据与三维坐标进行配准，进而将配准后的预设测绘区域扫描数据与三维坐标进行融合，形成三维地理模型；对三维地理模型进行精度校准。本发明的一种地理空间信息采集测绘方法，能够提高环境适应性，且能够提供表面纹理信息和高密度空间坐标综合采集。
Description
技术领域
本发明涉及地理测绘技术领域，具体涉及一种地理空间信息采集测绘方法、装置、计算机介质及计算机。
背景技术
随着地理信息技术的发展，地理信息采集和测绘技术日益成熟，为各行各业提供了精准、高效的地理空间数据，目前，激光扫描、立体摄影测量技术在地理空间信息采集测绘技术中成为高精度、高效率的选择。
激光扫描技术是利用激光束扫描地物表面，通过接收激光反射的信息生成点云数据，然而，其对于表面纹理较弱或反射率低的区域可能无法提供足够的特征点，导致数据不完整；另一方面，立体摄影测量技术是利用两个或多个摄影机对同一目标进行拍摄，通过图像间的视差信息计算目标的三维坐标，然而，受到天气、光照等自然条件的制约，尤其是在远距离或平坦区域，其可能由于视差不足而难以准确计算目标的三维坐标。
因此，目前亟需一种能够提高环境适应性，且能够提供表面纹理信息和高密度空间坐标综合采集的地理空间信息采集的测绘方法。
发明内容
发明目的：为了克服以上不足，本发明的目的是提供一种地理空间信息采集测绘方法，其应用灵活，结合激光扫描和立体摄影测量技术，可以充分利用两者的优势，提供更全面、更精确的地理信息，且能够提高适应性，在不受天气条件限制的情况下，应对不同地理条件，实现全天候地理信息采集。
为解决上述技术问题，本发明提供了一种地理空间信息采集测绘方法，包括：
步骤S1：获取预设测绘区域图像及扫描数据，进而对所述预设测绘区域图像及扫描数据进行预设处理；
步骤S2：根据经过预设处理的预设测绘区域图像，进行特征匹配，进而将预设测绘区域图像的特征映射到地理坐标系中；
步骤S3：利用预设测绘区域图像的匹配特征和摄影设备数据包含的预设参数，计算地理空间的三维坐标；
步骤S4：将预设测绘区域扫描数据与三维坐标进行配准，进而将配准后的预设测绘区域扫描数据与三维坐标进行融合，形成三维地理模型；
步骤S5：对所述三维地理模型进行精度校准。
作为本发明的一种优选方式，在步骤S1中，所述方法还包括以下步骤：
步骤S10：对预设测绘区域进行多位置拍摄，获取包含不同位置的测绘图像；
步骤S11：利用激光束对预设测绘区域的地表进行扫描，获取预设测绘区域的扫描数据。
作为本发明的一种优选方式，在步骤S10中，所述方法还包括以下步骤：
步骤S100：对测绘图像进行灰度化处理：
，
其中，是灰度值，是红通道，是绿通道，是蓝通道；
步骤S101：对测绘图像进行直方图均衡化；
步骤S102：进行测绘图像的尺寸调整：
，
其中，是经过尺寸调整的测绘图像，是经过直方图均衡化的测
绘图像的像素值，是插值核函数。
作为本发明的一种优选方式，在步骤S101中，所述方法还包括以下步骤：
步骤S1010：计算经过灰度化的测绘图像的灰度直方图；
步骤S1011：归一化灰度直方图：
其中，是灰度直方图，是总像素数；
步骤S1012：计算归一化直方图的累积分布函数：
，
其中，是归一化直方图中灰度级别的概率；
步骤S1013：将累积分布函数均衡化映射：
，
其中，是是灰度级别的总数，和是测绘图像的行数和列数；
步骤S1014：将均衡化映射后的灰度级别应用到原始测绘图像的每个像素上，生成均衡化后的测绘图像：
，
其中，是原始测绘图像的像素值。
作为本发明的一种优选方式，在步骤S11中，所述方法还包括以下步骤：
步骤S110：采用高斯滤波去除扫描数据中的噪声点：
，
其中，是去噪后的扫描数据，是扫描数据原始坐标，是高斯滤波
器的标准差，控制高斯滤波器的窗口大小；
步骤S111：采用RANSAC的方法将扫描数据中的地面点云数据从整体点云数据中分离：
，
其中，是拟合地面的斜率，是拟合地面的截距；
步骤S112：通过GPS/IMU数据进行扫描数据的位置和姿态校正：
，
其中，是校正后的扫描数据的地理坐标，是原始扫描数据的本地坐标，是旋
转矩阵，是平移矩阵；
步骤S113：将扫描数据进行配准，使得若干扫描数据位于同一坐标系：
，
其中，是误差函数，是扫描数据的源点云，是扫描数据的目标点云。
作为本发明的一种优选方式，在步骤S2中，所述方法还包括以下步骤：
步骤S20：将预设测绘区域图像划分为若干个固定大小窗口的图像块；
步骤S21：计算每个图像块的均方差：
，
进而计算每个图像块的相关系数：
，
其中，是均方差，是图像块的像素值，是相关系数，、是图像块内
像素值的均值；
步骤S22：根据均方差、相关系数，进行特征匹配，生成匹配点对；
步骤S23：根据所述匹配点对，计算单应性矩阵：
，
其中，
，
映射公式为：
，
其中，是图像1，是图像2，是矩阵元素，是图像1的特征点坐标，是
图像2的特征点坐标。
作为本发明的一种优选方式，在步骤S3中，所述方法还包括以下步骤：
步骤S30：进行预设测绘区域图像校正，以确保预设测绘区域图像包含的多个测绘图像的特征点相互匹配；
步骤S31：在多个测绘图像中寻找匹配点对，进而计算多个预设测绘区域图像的视差信息：
，
其中，为测绘图像左侧位置，为测绘
图像右侧位置；
步骤S32：利用视差信息计算深度信息：
，
其中，是摄像设备之间的基线长度，是摄像设备的焦距；
步骤S33：进行预设测绘区域图像坐标到归一化平面坐标的转换：
，
，
进而根据深度信息，将预设测绘区域图像平面上的二维坐标转换为三维坐标：
，
，
，
其中，是预设测绘区域图像平面上的坐标，是预设测绘区域图像
中心点的坐标。
作为本发明的一种优选方式，将预设测绘区域扫描数据与三维坐标进行配准的方法包括：
步骤S40：最小化预设测绘区域扫描数据中点之间的匹配误差：
，
其中，是最小化，是预设测绘区域扫描数据中的点，是旋转矩阵，是对应
点在三维坐标中的位置；
步骤S41：选择初始的旋转矩阵：
，
进而根据预设测绘区域扫描数据中每个点，对进行配准；
步骤S42：通过上述的匹配误差，调整变换矩阵；
步骤S43：不断调整旋转矩阵和平移向量，使得预设测绘区域扫描数据与三维坐
标配准。
作为本发明的一种优选方式，形成三维地理模型的方法包括：
步骤S44：对配准后的预设测绘区域扫描数据和三维坐标进行加权平均，将预设测绘区域扫描数据与三维坐标融合：
，
其中，是融合数据，是预设测绘区域扫描数据，是权重，表示预设测绘
区域扫描数据在融合中的贡献度，是三维坐标；
步骤S45：根据融合后的预设测绘区域扫描数据与三维坐标，生成匹配的三维地理模型。
作为本发明的一种优选方式，在步骤S5中，所述方法还包括以下步骤：
步骤S50：获取已知真实地理信息提供的地理坐标，进而从三维地理模型中提取与已知真实地理信息提供的地理坐标匹配的点；
步骤S51：计算三维地理模型的点与已知真实地理信息之间的误差：
，
其中，是误差，是已知真实地理信息提供的地理坐标，是三维地理模型包含的三维地理信息的坐标；
步骤S52：根据所述误差，进行三维地理模型校准：
，
其中，是三维地理模型校准后的坐标，是三维地理模型原始坐标，是误差。
本发明还提供一种地理空间信息采集测绘装置，包括：
数据处理模块，用于获取预设测绘区域图像及扫描数据，进而对所述预设测绘区域图像及扫描数据进行预设处理；
坐标计算模块，用于根据经过预设处理的预设测绘区域图像，进行特征匹配，进而将预设测绘区域图像的特征映射到地理坐标系中；利用预设测绘区域图像的匹配特征和摄影设备数据包含的预设参数，计算地理空间的三维坐标；
模型融合模块，用于将预设测绘区域扫描数据与三维坐标进行配准，进而将配准后的预设测绘区域扫描数据与三维坐标进行融合，形成三维地理模型；
模型校准模块，用于对所述三维地理模型进行精度校准。
本发明的上述技术方案相比现有技术具有以下优点：
1、通过激光扫描技术提供高密度、高精度的地物表面数据，适用于复杂地形和建筑结构，不受天气、光照等自然条件的限制，可在不同环境下进行数据采集，能够穿透植被、建筑物等遮挡物，获取遮蔽区域的地理信息；
2、通过立体摄影测量技术提供纹理丰富、真实感强的地理信息，适用于大范围地理空间的高分辨率表达，通过多个摄影机，可以获取全景视角的图像，适用于大范围地理空间的高分辨率表达，使地理信息更具真实感；
3、将激光扫描技术与立体摄影测量技术相结合，能够提高***的适应性，应对不同地形、植被覆盖、建筑物等复杂条件，确保在各种环境中都能获取高质量的地理信息，进而获得更准确、精细的地理空间信息的三维地理模型。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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是本发明的地理空间信息采集测绘方法的流程图。
图2是本发明的预设测绘区域图像及扫描数据获取方法的流程图。
图3是本发明的预设测绘区域图像进行特征匹配方法的流程图。
图4是本发明的地理空间的三维坐标计算方法的流程图。
图5是本发明的扫描数据与三维坐标进行配准方法的流程图。
图6是本发明的三维地理模型形成方法的流程图。
图7是本发明的三维地理模型校准方法的流程图。
图8是本发明的测绘图像进行预处理方法的流程图。
图9是本发明的测绘图像进行直方图均衡化方法的流程图。
图10是本发明的扫描数据进行预处理方法的流程图。
图11是本发明的地理空间信息采集测绘装置的连接关系图。
说明书附图标记说明：
100、数据处理模块，101、坐标计算模块，102、模型融合模块，103、模型校准模块。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
参考图1所示，在一些实施例中，所涉及的一种地理空间信息采集测绘方法，采用激光扫描设备和至少两个摄像设备进行测绘，所述方法包括以下步骤：
步骤S1：获取预设测绘区域图像及扫描数据，进而对所述预设测绘区域图像及扫描数据进行预设处理。
具体而言，在步骤S1中，参考图2所示，所述方法包括以下步骤：
步骤S10：通过至少两个摄像设备对预设测绘区域进行多位置拍摄，以获取不同位置的测绘图像。
在实际的实施过程中，部署至少两个摄影机，且摄影机分别部署于不同位置，以模拟人眼的立体视觉效果，且摄影机的视野设置一定的重叠区域，以确保拍摄到相似的场景，然后通过部署的摄影机对同一目标进行拍摄，以获取不同位置的测绘图像。
步骤S11：通过激光扫描设备对预设测绘区域的地表进行扫描，获取预设测绘区域的扫描数据。
在实际的实施过程中，部署激光雷达传感器，搭载在飞行器（包括但不仅限于飞机、直升机、无人机等飞行设备）上，利用激光束测量预设测绘区域地表各点的坐标，以实现高精度扫描，获取预设测绘区域的扫描数据。
步骤S2：根据经过预设处理的预设测绘区域图像，进行特征匹配，进而将预设测绘区域图像的特征映射到地理坐标系中。
具体而言，在步骤S2中，参考图3所示，所述方法还包括以下步骤：
步骤S20：将预设测绘区域图像划分为若干个固定大小窗口的图像块。
步骤S21：计算每个图像块的均方差：
，
进而计算每个图像块的相关系数：
，
其中，是均方差，是图像块的像素值，是相关系数，、是图像块内
像素值的均值。
步骤S22：根据均方差、相关系数，进行特征匹配，生成匹配点对；
其中，均方差越小，匹配度越高，相关系数越接近1，匹配度越高。
步骤S23：根据所述匹配点对，计算单应性矩阵；
示例性的，假设有两张测绘图像，分别是图像1和图像2，这两张测绘图像重叠并且有一些共同的特征点，将图像1中的特征点映射到地理坐标系中，此过程为：
，
其中，
，
映射公式为：
，
其中，是图像1，是图像2，是矩阵元素，描述了图像1和图像2之间的映射关
系，是图像1的特征点坐标，是图像2的特征点坐标；单应性矩阵中的元素是通过
最小二乘法等方法计算得到的。
步骤S3：利用预设测绘区域图像的匹配特征和摄影设备数据包含的预设参数，计算地理空间的三维坐标。
具体而言，在步骤S3中，参考图4所示，所述方法还包括以下步骤：
步骤S30：进行预设测绘区域图像校正，以确保预设测绘区域图像包含的多个测绘图像的特征点相互匹配，
具体而言，通过对摄影机畸变进行校正，确保预设测绘区域图像中的特征点在多个图像中相互对应。
步骤S31：在多个测绘图像中寻找匹配点对，进而计算多个预设测绘区域图像的视差信息：
，
其中，为测绘图像左侧位置，为测绘
图像右侧位置；
步骤S32：利用视差信息计算深度信息：
，
其中，是摄像设备之间的基线长度，是摄像设备的焦距；深度和
视差之间的关系可以通过摄影机的内参（如焦距、主点坐标）、外参（摄影机位置、姿态等）以
及基线长度参数计算得到。
步骤S33：进行预设测绘区域图像坐标到归一化平面坐标的转换：
，
，
进而根据深度信息，将预设测绘区域图像平面上的二维坐标转换为三维坐标：
，
，
，
其中，是预设测绘区域图像平面上的坐标，是预设测绘区域图像
中心点的坐标。
步骤S4：将预设测绘区域扫描数据与三维坐标进行配准，进而将配准后的预设测绘区域扫描数据与三维坐标进行融合，形成三维地理模型；
具体而言，在步骤S4中，参考图5所示，将预设测绘区域扫描数据与三维坐标进行配准的方法包括：
步骤S40：采用Iterative Closest Point (ICP)点云配准算法，最小化预设测绘区域扫描数据中点之间的匹配误差：
，
其中，是最小化，是预设测绘区域扫描数据中的点，是旋转矩阵，是对应
点在三维坐标中的位置；
步骤S41：选择初始的旋转矩阵：
，
进而根据预设测绘区域扫描数据中每个点，对进行配准；
步骤S42：通过上述的匹配误差，调整变换矩阵；
步骤S43：不断调整旋转矩阵和平移向量，使得预设测绘区域扫描数据与三维坐
标准确对齐。
在步骤S4中，参考图6所示，形成三维地理模型的方法包括：
步骤S44：对配准后的预设测绘区域扫描数据和三维坐标进行加权平均，将预设测绘区域扫描数据与三维坐标融合：
，
其中，是融合数据，是预设测绘区域扫描数据，是权重，表示预设测绘
区域扫描数据在融合中的贡献度，通过调整权重，可以控制融合的结果，权重的取值范
围一般为[0,1]，其中0表示完全使用三维坐标数据，1表示完全使用扫描数据，即当
时，融合结果完全由三维坐标数据决定，当时，融合结果完全由扫描数据决定，是三维坐标。
步骤S45：根据融合后的预设测绘区域扫描数据与三维坐标，生成匹配的三维地理模型。
示例性的，假设预设测绘区域包含一个建筑物，扫描数据捕捉了建筑物的细节，初
始时，建筑物的扫描数据与已知的三维坐标可能存在位置偏差，通过ICP算法调整扫描数据
的位置和姿态，通过加权平均，可以调整权重，以便更多地考虑扫描数据或三维坐标，例
如，当建筑物的外部形状由扫描数据更好地表示时，可以增大的值，以强调激光扫描的细
节，反之，如果已知的三维坐标更为可靠，则可以减小的值，以强调准确位置的信息，通过
灵活调整权重，使扫描数据与已知的三维坐标准确对齐，以此生成准确位置和丰富细节的
三维地理模型。
步骤S5：对所述三维地理模型进行精度校准。
具体而言，在步骤S5中，参考图7所示，所述方法还包括以下步骤：
步骤S50：获取已知真实地理信息提供的地理坐标，进而从三维地理模型中提取与已知真实地理信息提供的地理坐标匹配的点；
步骤S51：计算三维地理模型的点与已知真实地理信息之间的误差：
，
其中，是误差，是已知真实地理信息提供的地理坐标，是三维地理模型包含的三维地理信息的坐标；
步骤S52：根据所述误差，进行三维地理模型校准：
，
其中，是三维地理模型校准后的坐标，是三维地理模型原始坐标，是误差。
示例性的，假设选取了几个地表点，它们的真实地理坐标由全球定位***（GPS）提
供，三维地理模型中包含这些点，计算这些点在三维地理模型的地理坐标与真实坐标之间
的误差，例如，对于一个地表点，计算其在三个方向上的误差，然后综合考虑所有
地表点的误差，进行误差的统计分析，确定了需要在三个方向上进行修正，然后通
过上述的校准公式，对该区域的坐标进行调整，使修正后的三维地理模型坐标更接近真实
地理信息。
在一些实施例中，在步骤S10中，参考图8所示，所述方法还包括以下步骤：
步骤S100：获得测绘图像后，对测绘图像进行灰度化处理：
，
其中，是灰度值，是红通道，是绿通道，是蓝通道。
具体而言，上述的是参考根据人眼对不同颜色敏感程度而
设定的，作业人员根据实际需求可以手动调整。
步骤S101：对测绘图像进行直方图均衡化；
具体而言，在进行直方图均衡化时，参考图9所示，所述方法包括以下步骤：
步骤S1010：计算经过灰度化的测绘图像的灰度直方图；
其中，对于灰度化后的测绘图像，统计每个灰度级别的像素数量；
步骤S1011：归一化灰度直方图：
，
其中，其中，是灰度直方图，是总像素数，将灰度直方图中每个灰度级别的
像素数量除以总像素数，得到归一化直方图，以此表示每个灰度级别在图像中的相对比例。
步骤S1012：计算归一化直方图的累积分布函数：
，
其中，是归一化直方图中灰度级别的概率；累积分布函数指从最低灰度级别
开始逐渐累积直方图。
步骤S1013：将累积分布函数映射到新的灰度范围，映射公式如下：
，
其中，是是灰度级别的总数，和是测绘图像的行数和列数；
步骤S1014：将均衡化映射后的灰度级别应用到原始测绘图像的每个像素上，生成均衡化后的测绘图像：
，
其中，是原始测绘图像的像素值。
在均衡化后的测绘图像中，原始直方图中过于集中的灰度级别将更均匀地分布在整个灰度范围内，从而提高了测绘图像的对比度。
步骤S102：进行测绘图像的尺寸调整。
在实际实施过程中，尺寸调整可以使用插值方法，其中本申请参考双线性插值，对于一个图像缩小的例子，插值公式为：
，
其中，是经过尺寸调整的测绘图像，是经过直方图均衡化的测
绘图像的像素值，是插值核函数。
在一些实施例中，在步骤S11中，参考图10所示，所述方法还包括以下步骤：
步骤S110：采用高斯滤波去除扫描数据中的噪声点：
，
其中，是去噪后的扫描数据，是扫描数据原始坐标，是高斯滤波
器的标准差，控制高斯滤波器的窗口大小。
步骤S111：采用RANSAC的方法将扫描数据中的地面点云数据从整体点云数据中分离：
，
其中，是拟合地面的斜率，是拟合地面的截距；
步骤S112：通过GPS/IMU数据进行扫描数据的位置和姿态校正：
，
其中，是校正后的扫描数据的地理坐标，是原始扫描数据的本地坐标，是旋
转矩阵，是平移矩阵；
步骤S113：将扫描数据进行配准，使得若干扫描数据位于同一坐标系：
，
其中，是误差函数，是扫描数据的源点云，是扫描数据的目标点云。
在实际实施过程中，旋转矩阵和平移矩阵是用于描述三维空间中刚体变换的
矩阵，它们通常用于坐标系之间的变换。
示例性的，旋转矩阵是一个正交矩阵，用于描述物体在三维空间中的旋转，对于
三维空间中的向量，经过旋转矩阵的作用，其新坐标，可以通
过以下公式计算：
，
其中，是旋转矩阵的元素。
示例性的，平移矩阵是一个描述空间中平移变换的矩阵，对于三维空间中的向量，经过平移矩阵的作用，其新坐标，可以通过以下公式计算：
，
其中，是平移矩阵的平移量。
在实际实施过程中中，通常使用刚体变换来描述位置和姿态的校正，刚体变换包括旋转和平移两个变换，可以通过以下公式表示：
，
通过这种变换保持了点中点之间的相对距离和角度关系。
在一些实施方式中，参考图11所示，本发明还提供一种地理空间信息采集测绘装置，包括：
数据处理模块，用于获取预设测绘区域图像及扫描数据，进而对所述预设测绘区域图像及扫描数据进行预设处理；
坐标计算模块，用于根据经过预设处理的预设测绘区域图像，进行特征匹配，进而将预设测绘区域图像的特征映射到地理坐标系中；利用预设测绘区域图像的匹配特征和摄影设备数据包含的预设参数，计算地理空间的三维坐标；
模型融合模块，用于将预设测绘区域扫描数据与三维坐标进行配准，进而将配准后的预设测绘区域扫描数据与三维坐标进行融合，形成三维地理模型；
模型校准模块，用于对所述三维地理模型进行精度校准。
在实际实施过程中，上述的一种地理空间信息采集测绘装置采用上述的一种地理空间信息采集测绘装置方法执行地理信息采集的测绘。
由此，在一些实施例中，本发明其中一方面还提供一种计算机介质，所述计算机介质上存储有计算机程序，所述计算机程序被处理器执行实现上述的一种地理空间信息采集测绘装置方法。
由此，在一些实施例中，本发明其中一方面还提供一种计算机，包括上述的一种计算机介质。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种地理空间信息采集测绘方法，其特征在于，包括以下步骤：
步骤S1：获取预设测绘区域图像及扫描数据，进而对所述预设测绘区域图像及扫描数据进行预设处理；
步骤S2：根据经过预设处理的预设测绘区域图像，进行特征匹配，进而将预设测绘区域图像的特征映射到地理坐标系中；
步骤S3：利用预设测绘区域图像的匹配特征和摄影设备数据包含的预设参数，计算地理空间的三维坐标；
步骤S4：将预设测绘区域扫描数据与三维坐标进行配准，进而将配准后的预设测绘区域扫描数据与三维坐标进行融合，形成三维地理模型；
步骤S5：对所述三维地理模型进行精度校准；
在步骤S2中，所述方法还包括以下步骤：
步骤S20：将预设测绘区域图像划分为若干个固定大小窗口的图像块；
步骤S21：计算每个图像块的均方差：
，
进而计算每个图像块的相关系数：
，
其中，是均方差，/>是图像块的像素值，/>是相关系数，/>、/>是图像块内像素值的均值；
步骤S22：根据均方差、相关系数，进行特征匹配，生成匹配点对；
步骤S23：根据所述匹配点对，计算单应性矩阵：
，
其中，
，
映射公式为：
，
其中，是图像1，/>是图像2，/>是矩阵元素，/>是图像1的特征点坐标，/>是图像2的特征点坐标；
在步骤S3中，所述方法还包括以下步骤：
步骤S30：进行预设测绘区域图像校正，以确保预设测绘区域图像包含的多个测绘图像的特征点相互匹配；
步骤S31：在多个测绘图像中寻找匹配点对，进而计算多个预设测绘区域图像的视差信息：
，
其中，为测绘图像左侧位置，/>为测绘图像右侧位置；
步骤S32：利用视差信息计算深度信息：
，
其中，是摄像设备之间的基线长度，/>是摄像设备的焦距；
步骤S33：进行预设测绘区域图像坐标到归一化平面坐标的转换：
，
，
进而根据深度信息，将预设测绘区域图像平面上的二维坐标转换为三维坐标：
，
，
，
其中，是预设测绘区域图像平面上的坐标，/>是预设测绘区域图像中心点的坐标；
在步骤S4中，所述方法还包括以下步骤：
步骤S40：最小化预设测绘区域扫描数据中点之间的匹配误差：
，
其中，是最小化，/>是预设测绘区域扫描数据中的点，/>是旋转矩阵，/>是对应点在三维坐标中的位置；
步骤S41：选择初始的旋转矩阵：
，
进而根据预设测绘区域扫描数据中每个点，对进行配准；
步骤S42：通过所述匹配误差，调整变换矩阵；
步骤S43：不断调整旋转矩阵和平移向量/>，使得预设测绘区域扫描数据与三维坐标配准；
步骤S44：对配准后的预设测绘区域扫描数据和三维坐标进行加权平均，将预设测绘区域扫描数据与三维坐标融合：
，
其中，是融合数据，/>是预设测绘区域扫描数据，/>是权重，表示预设测绘区域扫描数据在融合中的贡献度，/>是三维坐标；
步骤S45：根据融合后的预设测绘区域扫描数据与三维坐标，生成匹配的三维地理模型。
2.根据权利要求1所述的一种地理空间信息采集测绘方法，其特征在于，在步骤S1中，所述方法还包括以下步骤：
步骤S10：对预设测绘区域进行多位置拍摄，获取包含不同位置的测绘图像；
步骤S11：利用激光束对预设测绘区域的地表进行扫描，获取预设测绘区域的扫描数据。
3.根据权利要求2所述的一种地理空间信息采集测绘方法，其特征在于，在步骤S10中，所述方法还包括以下步骤：
步骤S100：对测绘图像进行灰度化处理：
，
其中，是灰度值，/>是红通道，/>是绿通道，/>是蓝通道；
步骤S101：对测绘图像进行直方图均衡化；
步骤S102：进行测绘图像的尺寸调整：
，
其中，是经过尺寸调整的测绘图像，/>是经过直方图均衡化的测绘图像的像素值，/>是插值核函数。
4.根据权利要求3所述的一种地理空间信息采集测绘方法，其特征在于，在步骤S101中，所述方法还包括以下步骤：
步骤S1010：计算经过灰度化的测绘图像的灰度直方图；
步骤S1011：归一化灰度直方图：
，
其中，是灰度直方图，/>是总像素数；
步骤S1012：计算归一化直方图的累积分布函数：
，
其中，是归一化直方图中灰度级别/>的概率；
步骤S1013：将累积分布函数均衡化映射：
，
其中，是灰度级别的总数，/>和/>是测绘图像的行数和列数；
步骤S1014：将均衡化映射后的灰度级别应用到原始测绘图像的每个像素上，生成均衡化后的测绘图像：
，
其中，是原始测绘图像的像素值。
5.根据权利要求2所述的一种地理空间信息采集测绘方法，其特征在于，在步骤S11中，所述方法还包括以下步骤：
步骤S110：采用高斯滤波去除扫描数据中的噪声点：
，
其中，是去噪后的扫描数据，/>是扫描数据原始坐标，/>是高斯滤波器的标准差，控制高斯滤波器的窗口大小；
步骤S111：采用RANSAC的方法将扫描数据中的地面点云数据从整体点云数据中分离：
，
其中，是拟合地面的斜率，/>是拟合地面的截距；
步骤S112：通过GPS/IMU数据进行扫描数据的位置和姿态校正：
，
其中，是校正后的扫描数据的地理坐标，/>是原始扫描数据的本地坐标，/>是旋转矩阵，/>是平移矩阵；
步骤S113：将扫描数据进行配准，使得若干扫描数据位于同一坐标系：
，
其中，是误差函数，/>是扫描数据的源点云，/>是扫描数据的目标点云。
6.根据权利要求1所述的一种地理空间信息采集测绘方法，其特征在于，在步骤S5中，所述方法还包括以下步骤：
步骤S50：获取已知真实地理信息提供的地理坐标，进而从三维地理模型中提取与已知真实地理信息提供的地理坐标匹配的点；
步骤S51：计算三维地理模型的点与已知真实地理信息之间的误差：
，
其中，是误差，/>是已知真实地理信息提供的地理坐标，是三维地理模型包含的三维地理信息的坐标；
步骤S52：根据所述误差，进行三维地理模型校准：
，
其中，是三维地理模型校准后的坐标，/>是三维地理模型原始坐标，/>是误差。
7.一种地理空间信息采集测绘装置，其特征在于，采用如权利要求1-6任一项所述的一种地理空间信息采集测绘方法进行地理空间信息采集，包括：
数据处理模块，用于获取预设测绘区域图像及扫描数据，进而对所述预设测绘区域图像及扫描数据进行预设处理；
坐标计算模块，用于根据经过预设处理的预设测绘区域图像，进行特征匹配，进而将预设测绘区域图像的特征映射到地理坐标系中；利用预设测绘区域图像的匹配特征和摄影设备数据包含的预设参数，计算地理空间的三维坐标；
模型融合模块，用于将预设测绘区域扫描数据与三维坐标进行配准，进而将配准后的预设测绘区域扫描数据与三维坐标进行融合，形成三维地理模型；
模型校准模块，用于对所述三维地理模型进行精度校准。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410139366.0A CN117665841B (zh) | 2024-02-01 | 2024-02-01 | 一种地理空间信息采集测绘方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410139366.0A CN117665841B (zh) | 2024-02-01 | 2024-02-01 | 一种地理空间信息采集测绘方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117665841A CN117665841A (zh) | 2024-03-08 |
| CN117665841B true CN117665841B (zh) | 2024-04-30 |
Family
ID=90066443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410139366.0A Active CN117665841B (zh) | 2024-02-01 | 2024-02-01 | 一种地理空间信息采集测绘方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117665841B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118089794B (zh) * | 2024-04-26 | 2024-07-09 | 北京航宇测通电子科技有限公司 | 一种基于多源信息的自适应多信息组合导航的仿真方法 |
| CN118168514A (zh) * | 2024-05-14 | 2024-06-11 | 南京苏测测绘科技有限公司 | 一种智能算法成像的水下断面测绘***及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109239725A (zh) * | 2018-08-20 | 2019-01-18 | 广州极飞科技有限公司 | 基于激光测距装置的地图测绘方法及终端 |
| 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 |
| CN114492070A (zh) * | 2022-02-14 | 2022-05-13 | 广东工贸职业技术学院 | 一种高精度测绘地理信息虚拟仿真技术与装置 |
| CN114998545A (zh) * | 2022-07-12 | 2022-09-02 | 深圳市水务工程检测有限公司 | 一种基于深度学习的三维建模阴影识别*** |
| CN115457222A (zh) * | 2022-09-14 | 2022-12-09 | 北京建筑大学 | 一种在地理信息***中地理配准三维模型的方法 |
| CN117237553A (zh) * | 2023-09-14 | 2023-12-15 | 广东省核工业地质局测绘院 | 一种基于点云图像融合的三维地图测绘*** |
-
2024
- 2024-02-01 CN CN202410139366.0A patent/CN117665841B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109239725A (zh) * | 2018-08-20 | 2019-01-18 | 广州极飞科技有限公司 | 基于激光测距装置的地图测绘方法及终端 |
| 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 |
| CN114492070A (zh) * | 2022-02-14 | 2022-05-13 | 广东工贸职业技术学院 | 一种高精度测绘地理信息虚拟仿真技术与装置 |
| CN114998545A (zh) * | 2022-07-12 | 2022-09-02 | 深圳市水务工程检测有限公司 | 一种基于深度学习的三维建模阴影识别*** |
| CN115457222A (zh) * | 2022-09-14 | 2022-12-09 | 北京建筑大学 | 一种在地理信息***中地理配准三维模型的方法 |
| CN117237553A (zh) * | 2023-09-14 | 2023-12-15 | 广东省核工业地质局测绘院 | 一种基于点云图像融合的三维地图测绘*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117665841A (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107316325B (zh) | 一种基于图像配准的机载激光点云与影像配准融合方法 | |
| CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
| CN117665841B (zh) | 一种地理空间信息采集测绘方法及装置 | |
| CN107563964B (zh) | 大面阵亚米级夜景遥感影像的快速拼接方法 | |
| AU2011312140B2 (en) | Rapid 3D modeling | |
| US7773799B2 (en) | Method for automatic stereo measurement of a point of interest in a scene | |
| CN107155341B (zh) | 三维扫描***和框架 | |
| CN110930508B (zh) | 二维光电视频与三维场景融合方法 | |
| JP3850541B2 (ja) | 高度計測装置 | |
| JP2003519421A (ja) | 任意の局面の受動的な体積画像の処理方法 | |
| EP2022007A2 (en) | System and architecture for automatic image registration | |
| CN111693025B (zh) | 一种遥感影像数据生成方法、***及设备 | |
| CN109118544B (zh) | 基于透视变换的合成孔径成像方法 | |
| WO2012126500A1 (en) | 3d streets | |
| Guo et al. | Mapping crop status from an unmanned aerial vehicle for precision agriculture applications | |
| CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
| CN110782498A (zh) | 一种视觉传感网络的快速通用标定方法 | |
| CN112348775A (zh) | 基于车载环视的路面坑塘检测***及方法 | |
| Hirschmüller et al. | Stereo vision based reconstruction of huge urban areas from an airborne pushbroom camera (HRSC) | |
| CN113415433A (zh) | 基于三维场景模型的吊舱姿态修正方法、装置和无人机 | |
| KR102159134B1 (ko) | 무인비행기를 이용한 비측량용 실시간 고해상도 정사지도 생성 방법 및 비측량용 실시간 고해상도 정사지도 생성 장치 | |
| CN114544006B (zh) | 一种基于环境光照条件的低空遥感影像校正***及方法 | |
| CN113963067B (zh) | 一种采用小靶标对大视场视觉传感器进行标定的标定方法 | |
| CN113345084B (zh) | 三维建模***及三维建模方法 | |
| CN112132971B (zh) | 三维人体建模方法、装置、电子设备和存储介质 |
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 |