CN118212370A - 基于点云数据的地形分析方法及装置、电子设备、介质 - Google Patents
基于点云数据的地形分析方法及装置、电子设备、介质 Download PDFInfo
- Publication number
- CN118212370A CN118212370A CN202410391358.5A CN202410391358A CN118212370A CN 118212370 A CN118212370 A CN 118212370A CN 202410391358 A CN202410391358 A CN 202410391358A CN 118212370 A CN118212370 A CN 118212370A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- missing
- array
- determining
- ground
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000003491 array Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000012876 topography Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- ADTDNFFHPRZSOT-PVFUSPOPSA-N ram-330 Chemical compound C([C@H]1N(CC2)C)C3=CC=C(OC)C(OC)=C3[C@]32[C@@]1(O)CC[C@@H](OC(=O)OCC)C3 ADTDNFFHPRZSOT-PVFUSPOPSA-N 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本公开提供了一种基于点云数据的地形分析方法及装置、电子设备、介质,本公开首先获取两个时间段内的点云数组,并分别提取其中的地面点云;之后确定点云投影平面,并分别将两组地面点云投影到该点云投影平面上,得到投影网格;之后根据投影网格确定缺失点云以及被缺失点云;对集中度高的缺失点云进行分组,并确定对应的塌方区域,以及,对集中度高的被缺失点云进行分组,并确定对应的填方区域;之后,根据塌方区域的边界确定塌方区域的体积,根据填方区域的边界确定填方区域的体积;最后输出各区域的边界以及体积。
Description
技术领域
本公开涉及激光点云数据处理领域,尤其涉及地形检测技术领域,公开了一种基于点云数据的地形分析方法及装置、电子设备、介质。
背景技术
目前基于激光雷达扫描的点云处理技术应用较为广泛,点云被广泛应用于三维重建、物体识别、姿态估计等任务中。其中,三维重建是点云技术的一个重要应用方向,其通过对场景中的点云进行处理,可以得到场景的三维模型。此外,点云技术还被应用于机器人领域。机器人可以通过点云数据来感知周围环境,从而实现自主导航和避障。
但是,目前点云在传统行业还处于起步阶段,更是缺乏***的解决方案,例如,各行业地形变化分析,特别是多期数据对比场景中人工介入的程度较高,智能化程度不高,且存在以下两个问题:1、处在根据了解情况和经验出结论的现状,缺乏有效科学快速的方式分析地形变化。2、想要更精准的数据就需要人工现场实地考察,并多期整理,工作量非常大,且人员安全性得不到保障。
发明内容
本公开至少提供了一种基于点云数据的地形分析方法及装置、电子设备、介质,以解决以上至少一个技术问题。
根据本公开的一方面,提供了一种基于点云数据的地形分析方法,包括:
获取在第一时间段内对目标区域进行激光扫描得到的第一点云数组,以及,在第二时间段内对所述目标区域进行激光扫描得到的第二点云数组;分别提取所述第一点云数组和所述第二点云数组中的地面点云,得到第一地面点云数组和第二地面点云数组;其中,所述第一时间段早于所述第二时间段;
根据所述第一地面点云数组和第二地面点云数组确定点云主方向,并根据所述点云主方向确定点云投影平面;分别将所述第一地面点云数组和第二地面点云数组投影到所述点云投影平面上,得到投影网格;根据得到的投影网格,确定第二地面点云数组相对于第一地面点云数组的缺失点云,以及,确定第二地面点云数组相对于第一地面点云数组的被缺失点云;
利用聚类分组的方法,确定缺失点云的集中度,并将集中度高于预设集中度的缺失点云分割为多个缺失点云数组,以及,利用聚类分组的方法,确定被缺失点云的集中度,并将集中度高于所述预设集中度的被缺失点云分割为多个被缺失点云数组;
确定各缺失点云数组对应的区域边界,得到多个塌方区域,以及,确定各被缺失点云数组对应的区域边界,得到多个填方区域;
针对所述多个塌方区域和所述多个填方区域中的每个区域,将该区域分割为多个网格,并将没有点云的网格填充低点,利用填充后的网格构建三角网,叠加三角网中各三角柱体的体积,得到该区域的体积;
输出各塌方区域的区域边界以及体积;
输出各填方区域的区域边界以及体积。
在一种可能的实施方式中,所述点云主方向包括电力线小号塔到大号塔的延伸方向。
在一种可能的实施方式中,所述根据得到的投影网格,确定第二地面点云数组相对于第一地面点云数组的缺失点云,包括:
对比第一地面点云数组和第二地面点云数组对应的投影网格,将第一地面点云数组存在,并且第二地面点云数组不存在的投影网格对应的点云作为缺失点云;
确定第一地面点云数组的各投影网格中的最大高程值减去第二地面点云数组中对应的投影网格中的最大高程值的第一差值,并将第一差值大于第一预设阈值的投影网格对应的点云作为缺失点云。
在一种可能的实施方式中,所述确定第二地面点云数组相对于第一地面点云数组的被缺失点云,包括:
对比第一地面点云数组和第二地面点云数组的投影网格,将第二地面点云数组存在,并且第一地面点云数组不存在的投影网格对应的点云作为被缺失点云;
确定第二地面点云数组的各投影网格中的最大高程值减去第一地面点云数组中对应的投影网格中的最大高程值的第二差值,并将第二差值大于第二预设阈值的投影网格对应的点云作为被缺失点云。
在一种可能的实施方式中,上述基于点云数据的地形分析方法还包括:
针对所述多个塌方区域和所述多个填方区域中的每个区域,确定该区域距离正方向起始侧的距离;
按照距离从小到大的顺序,将各个区域的进行排序。
在一种可能的实施方式中,上述基于点云数据的地形分析方法还包括:
确定各投影网格的方位,以及,确定各投影网格的索引。
在一种可能的实施方式中,所述确定各缺失点云数组对应的区域边界,得到多个塌方区域,以及,确定各被缺失点云数组对应的区域边界,得到多个填方区域,包括:
针对每个缺失点云数组,根据该缺失点云数组中的点云的坐标,确定该缺失点云数组对应的凸多边形边界点,并利用确定的凸多边形边界点,确定该缺失点云数组对应的区域边界,得到塌方区域;
针对每个被缺失点云数组,根据该被缺失点云数组中的点云的坐标,确定该被缺失点云数组对应的凸多边形边界点,并利用确定的凸多边形边界点,确定该被缺失点云数组对应的区域边界,得到填方区域。
根据本公开的另一方面,提供了一种基于点云数据的地形分析装置,包括:
点云处理模块,用于获取在第一时间段内对目标区域进行激光扫描得到的第一点云数组,以及,在第二时间段内对所述目标区域进行激光扫描得到的第二点云数组;分别提取所述第一点云数组和所述第二点云数组中的地面点云,得到第一地面点云数组和第二地面点云数组;其中,所述第一时间段早于所述第二时间段;
变形区域初步确定模块,用于根据所述第一地面点云数组和第二地面点云数组确定点云主方向,并根据所述点云主方向确定点云投影平面;分别将所述第一地面点云数组和第二地面点云数组投影到所述点云投影平面上,得到投影网格;根据得到的投影网格,确定第二地面点云数组相对于第一地面点云数组的缺失点云,以及,确定第二地面点云数组相对于第一地面点云数组的被缺失点云;
点云分割模块,用于利用聚类分组的方法,确定缺失点云的集中度,并将集中度高于预设集中度的缺失点云分割为多个缺失点云数组,以及,利用聚类分组的方法,确定被缺失点云的集中度,并将集中度高于所述预设集中度的被缺失点云分割为多个被缺失点云数组;
变形区域确定模块,用于确定各缺失点云数组对应的区域边界,得到多个塌方区域,以及,确定各被缺失点云数组对应的区域边界,得到多个填方区域;
变形区域处理模块,用于针对所述多个塌方区域和所述多个填方区域中的每个区域,将该区域分割为多个网格,并将没有点云的网格填充低点,利用填充后的网格构建三角网,叠加三角网中各三角柱体的体积,得到该区域的体积;
输出模块,用于输出各塌方区域的区域边界以及体积;以及,输出各填方区域的区域边界以及体积。
根据本公开的另一方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器在执行所述计算机程序时实现上述任一项所述的方法。
根据本公开的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法。
本公开的基于点云数据的地形分析方法及装置、电子设备、介质,首先获取两个时间段内的点云数组,并分别提取其中的地面点云;之后确定点云投影平面,并分别将两组地面点云投影到该点云投影平面上,得到投影网格;之后根据投影网格确定缺失点云以及被缺失点云;对集中度高的缺失点云进行分组,并确定对应的塌方区域,以及,对集中度高的被缺失点云进行分组,并确定对应的填方区域;之后,根据塌方区域的边界确定塌方区域的体积,根据填方区域的边界确定填方区域的体积;最后输出各区域的边界以及体积。本公开提供了基于点云的地形分析方案,能够高效、精准的得到地形变化分析结果,解决了人为分析地形变化所存在的高度现场作业、考察不安全、,效率低等问题;同时本公开提供了清晰的分析结果,通用的分析结果输出方式,能够支持多平台呈现分析成果,能够得到更广泛的应用。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开基于点云数据的地形分析方法的流程图;
图2是根据本公开基于点云数据的地形分析装置的结构示意图;
图3是根据本公开的电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开出于目前地形分析方案中存在的自动化程度低、人工作业强度大、安全性差以及准确性、效率均低的缺陷,提供了一种基于点云数据的地形分析方法及装置、电子设备、介质,本公开的方案基于不同时期的点云数据进行地形变化的情况分析,提高地形变化情况分析的效率,减轻人工现场作业的工作量,提高分析结果的准确性、人员作业的安全性以及作业的自动化程度。
下面通过具体的实施例对本公开的技术方案进行说明。
如图1所示,为本实施例的基于点云数据的地形分析方法的流程图,本实施例的执行主体为具备数据处理能力的计算设备或部件,具体的本实施例的方法可以包括如下步骤:
S110、获取在第一时间段内对目标区域进行激光扫描得到的第一点云数组,以及,在第二时间段内对所述目标区域进行激光扫描得到的第二点云数组;分别提取所述第一点云数组和所述第二点云数组中的地面点云,得到第一地面点云数组和第二地面点云数组;其中,所述第一时间段早于所述第二时间段。
上述第一时间段可以是历史的某一时间段,上述第二时间段可以是当前的一个时间段。上述目标区域即研究区域,也就是需要进行地形变化分析的区域。
具体地,可以通过无人机搭载激光雷达扫描***扫描研究区域,采集研究区域的两期点云数据。
激光雷达扫描***采集到点云数据包含了研究区域的所有物体,包括可用和不可用的部分,甚至是噪点,在得到原始点云数据后需要对这些点云数据进行分类,也就是标记点云块或区域所代表的内容。根据分类可以过滤无用点,把有用部分进行抽取分割,得到可利用的点云数据,即上述地面点云。
其中,分类方法可以是人工手动分类,或者根据点云聚类模式或点云块形状进行自动分类,分类好后可以进行人工修补。
S120、根据所述第一地面点云数组和第二地面点云数组确定点云主方向,并根据所述点云主方向确定点云投影平面;分别将所述第一地面点云数组和第二地面点云数组投影到所述点云投影平面上,得到投影网格;根据得到的投影网格,确定第二地面点云数组相对于第一地面点云数组的缺失点云,以及,确定第二地面点云数组相对于第一地面点云数组的被缺失点云。
本步骤,首先读取所述第一地面点云数组和第二地面点云数组,之后根据第一地面点云数组和第二地面点云数组确定点云主方向,点云主方向可以为电力线小号塔到大号塔的延伸方向,这里,电力线小号塔为编号小的电力线塔杆,大号塔为编号大的电力线塔杆。
上述点云投影平面即为点云主方向XY平面,此步骤可以包括各点云的高程值。此外,此步骤还可以计算各投影网格的方位,以及,计算各投影网格的索引,并获取各投影网格中投影点云的最大高程值。
这里可以利用如下步骤确定缺失点云:对比第一地面点云数组和第二地面点云数组对应的投影网格,将第一地面点云数组存在,并且第二地面点云数组不存在的投影网格对应的点云作为缺失点云。这里的缺失点云可以称为塌方点云。
这里可以利用如下步骤确定被缺失点云:对比第一地面点云数组和第二地面点云数组的投影网格,将第二地面点云数组存在,并且第一地面点云数组不存在的投影网格对应的点云作为被缺失点云。这里的被缺失点云也可以称为填方点云。
S130、利用聚类分组的方法,确定缺失点云的集中度,并将集中度高于预设集中度的缺失点云分割为多个缺失点云数组,以及,利用聚类分组的方法,确定被缺失点云的集中度,并将集中度高于所述预设集中度的被缺失点云分割为多个被缺失点云数组。
此步骤,分别对缺失点云和被缺失点云相对集中的部分分成若干组,这些组对应地形变化区域。具体地,此步骤通过建立基于聚类的分组方法,获取缺失点云和被缺失点云的点云集中度,通过辨识点云集中度将缺失点云和被缺失点云中相对集中的部分进行分组,划分成若干个点云数组,这些点云数组对应地形变化区域。
S140、确定各缺失点云数组对应的区域边界,得到多个塌方区域,以及,确定各被缺失点云数组对应的区域边界,得到多个填方区域。
具体可以利用如下步骤确定塌方区域和填方区域:
针对每个缺失点云数组,根据该缺失点云数组中的点云的坐标,确定该缺失点云数组对应的凸多边形边界点,并利用确定的凸多边形边界点,确定该缺失点云数组对应的区域边界,得到塌方区域。针对每个被缺失点云数组,根据该被缺失点云数组中的点云的坐标,确定该被缺失点云数组对应的凸多边形边界点,并利用确定的凸多边形边界点,确定该被缺失点云数组对应的区域边界,得到填方区域。
上述塌方区域和填方区域均为地形变化区域。
此步骤还可以包括:针对所述多个塌方区域和所述多个填方区域中的每个区域,确定该区域距离正方向起始侧的距离,并按照距离从小到大的顺序,将各个区域的进行排序。上述正方向起始侧为最小号的电力线塔杆处。
此步骤通过算法获取各地形变化区域的凸多边形边界点,并基于此确定区域边界;然后可以通过空间分析确定每个地形变化区域距离正方向起始侧的距离,并按从小到大的顺序,将地形变化区域或地形变化区域的标识符进行排序。
步骤S120-S140实现了:提取计算第二时间段采集的地面点云相对第一时间段采集的地面点云缺失的点云数据,并基于此确定塌方区域;提取计算第一时间段采集的地面点云相对第二时间段采集的地面点云缺失的点云数据,并基于此确定填方区域。
S150、针对所述多个塌方区域和所述多个填方区域中的每个区域,将该区域分割为多个网格,并将没有点云的网格填充低点,利用填充后的网格构建三角网,叠加三角网中各三角柱体的体积,得到该区域的体积;
S160、输出各塌方区域的区域边界以及体积;以及,输出各填方区域的区域边界以及体积。
此步骤,可以将各地形变化区域的区域边界以shp文件的形式输出,以便在各大三维软件、***、场景中呈现。
本实施例可以通过无人机搭载激光雷达扫描***得到多期点云数组,之后对多期点云数组进行分类提取地面点云,之后对比两期地面点云的点云变化,提取出变化的点云,对变化的点云进行分析识别得到地形变化区域。
在一些实施例中,还可以利用如下步骤确定缺失点云:确定第一地面点云数组的各投影网格中的最大高程值减去第二地面点云数组中对应的投影网格中的最大高程值的第一差值,并将第一差值大于第一预设阈值的投影网格对应的点云作为缺失点云。
在一些实施例中,还可以利用如下步骤确定被缺失点云:确定第二地面点云数组的各投影网格中的最大高程值减去第一地面点云数组中对应的投影网格中的最大高程值的第二差值,并将第二差值大于第二预设阈值的投影网格对应的点云作为被缺失点云。
基于相同的发明构思,本公开提供了一种基于点云数据的地形分析装置,该装置的部件执行的步骤与上述方法相同或相似,因此类似的地方不在赘述、如图2所示,本实施例的基于点云数据的地形分析装置包括:
点云处理模块210,用于获取在第一时间段内对目标区域进行激光扫描得到的第一点云数组,以及,在第二时间段内对所述目标区域进行激光扫描得到的第二点云数组;分别提取所述第一点云数组和所述第二点云数组中的地面点云,得到第一地面点云数组和第二地面点云数组;其中,所述第一时间段早于所述第二时间段。
变形区域初步确定模块220,用于根据所述第一地面点云数组和第二地面点云数组确定点云主方向,并根据所述点云主方向确定点云投影平面;分别将所述第一地面点云数组和第二地面点云数组投影到所述点云投影平面上,得到投影网格;根据得到的投影网格,确定第二地面点云数组相对于第一地面点云数组的缺失点云,以及,确定第二地面点云数组相对于第一地面点云数组的被缺失点云。
点云分割模块230,用于利用聚类分组的方法,确定缺失点云的集中度,并将集中度高于预设集中度的缺失点云分割为多个缺失点云数组,以及,利用聚类分组的方法,确定被缺失点云的集中度,并将集中度高于所述预设集中度的被缺失点云分割为多个被缺失点云数组。
变形区域确定模块240,用于确定各缺失点云数组对应的区域边界,得到多个塌方区域,以及,确定各被缺失点云数组对应的区域边界,得到多个填方区域。
变形区域处理模块250,用于针对所述多个塌方区域和所述多个填方区域中的每个区域,将该区域分割为多个网格,并将没有点云的网格填充低点,利用填充后的网格构建三角网,叠加三角网中各三角柱体的体积,得到该区域的体积。
输出模块260,用于输出各塌方区域的区域边界以及体积;以及,输出各填方区域的区域边界以及体积。
在一些实施例中,所述点云主方向包括电力线小号塔到大号塔的延伸方向。
在一些实施例中,所述变形区域初步确定模块220在根据得到的投影网格,确定第二地面点云数组相对于第一地面点云数组的缺失点云时,具体用于:
对比第一地面点云数组和第二地面点云数组对应的投影网格,将第一地面点云数组存在,并且第二地面点云数组不存在的投影网格对应的点云作为缺失点云;
确定第一地面点云数组的各投影网格中的最大高程值减去第二地面点云数组中对应的投影网格中的最大高程值的第一差值,并将第一差值大于第一预设阈值的投影网格对应的点云作为缺失点云。
在一些实施例中,所述变形区域初步确定模块220在确定第二地面点云数组相对于第一地面点云数组的被缺失点云时,具体用于:
对比第一地面点云数组和第二地面点云数组的投影网格,将第二地面点云数组存在,并且第一地面点云数组不存在的投影网格对应的点云作为被缺失点云;
确定第二地面点云数组的各投影网格中的最大高程值减去第一地面点云数组中对应的投影网格中的最大高程值的第二差值,并将第二差值大于第二预设阈值的投影网格对应的点云作为被缺失点云。
在一些实施例中,变形区域确定模块240还用于:
针对所述多个塌方区域和所述多个填方区域中的每个区域,确定该区域距离正方向起始侧的距离;
按照距离从小到大的顺序,将各个区域的进行排序。
在一些实施例中,变形区域初步确定模块220还用于:
确定各投影网格的方位,以及,确定各投影网格的索引。
在一些实施例中,所述变形区域确定模块240在确定各缺失点云数组对应的区域边界,得到多个塌方区域,以及,确定各被缺失点云数组对应的区域边界,得到多个填方区域时,用于:
针对每个缺失点云数组,根据该缺失点云数组中的点云的坐标,确定该缺失点云数组对应的凸多边形边界点,并利用确定的凸多边形边界点,确定该缺失点云数组对应的区域边界,得到塌方区域;
针对每个被缺失点云数组,根据该被缺失点云数组中的点云的坐标,确定该被缺失点云数组对应的凸多边形边界点,并利用确定的凸多边形边界点,确定该被缺失点云数组对应的区域边界,得到填方区域。
根据本公开的实施例,本公开还提供了一种电子设备、一种计算机可读存储介质。
图3示出了可以用来实施本公开的实施例的示例电子设备300的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图3所示,设备300包括计算单元310,其可以根据存储在只读存储器(ROM)320中的计算机程序或者从存储单元380加载到随机访问存储器(RAM)330中的计算机程序,来执行各种适当的动作和处理。在RAM330中,还可存储设备300操作所需的各种程序和数据。计算单元310、ROM 320以及RAM 330通过总线340彼此相连。输入/输出(I/O)接口350也连接至总线340。
设备300中的多个部件连接至I/O接口350,包括:输入单元360,例如键盘、鼠标等;输出单元370,例如各种类型的显示器、扬声器等;存储单元380,例如磁盘、光盘等;以及通信单元390,例如网卡、调制解调器、无线通信收发机等。通信单元390允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元310可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元310的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元310执行上文所描述的各个方法和处理。例如,在一些实施例中,上文任一方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元380。在一些实施例中,计算机程序的部分或者全部可以经由ROM320和/或通信单元390而被载入和/或安装到设备300上。当计算机程序加载到RAM330并由计算单元310执行时,可以执行上文描述的任一方法的一个或多个步骤。备选地,在其他实施例中,计算单元310可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上文描述的任一方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种基于点云数据的地形分析方法,其特征在于,包括:
获取在第一时间段内对目标区域进行激光扫描得到的第一点云数组,以及,在第二时间段内对所述目标区域进行激光扫描得到的第二点云数组;分别提取所述第一点云数组和所述第二点云数组中的地面点云,得到第一地面点云数组和第二地面点云数组;其中,所述第一时间段早于所述第二时间段;
根据所述第一地面点云数组和第二地面点云数组确定点云主方向,并根据所述点云主方向确定点云投影平面;分别将所述第一地面点云数组和第二地面点云数组投影到所述点云投影平面上,得到投影网格;根据得到的投影网格,确定第二地面点云数组相对于第一地面点云数组的缺失点云,以及,确定第二地面点云数组相对于第一地面点云数组的被缺失点云;
利用聚类分组的方法,确定缺失点云的集中度,并将集中度高于预设集中度的缺失点云分割为多个缺失点云数组,以及,利用聚类分组的方法,确定被缺失点云的集中度,并将集中度高于所述预设集中度的被缺失点云分割为多个被缺失点云数组;
确定各缺失点云数组对应的区域边界,得到多个塌方区域,以及,确定各被缺失点云数组对应的区域边界,得到多个填方区域;
针对所述多个塌方区域和所述多个填方区域中的每个区域,将该区域分割为多个网格,并将没有点云的网格填充低点,利用填充后的网格构建三角网,叠加三角网中各三角柱体的体积,得到该区域的体积;
输出各塌方区域的区域边界以及体积;
输出各填方区域的区域边界以及体积。
2.根据权利要求1所述的方法,其特征在于,所述点云主方向包括电力线小号塔到大号塔的延伸方向。
3.根据权利要求1所述的方法,其特征在于,所述根据得到的投影网格,确定第二地面点云数组相对于第一地面点云数组的缺失点云,包括:
对比第一地面点云数组和第二地面点云数组对应的投影网格,将第一地面点云数组存在,并且第二地面点云数组不存在的投影网格对应的点云作为缺失点云;
确定第一地面点云数组的各投影网格中的最大高程值减去第二地面点云数组中对应的投影网格中的最大高程值的第一差值,并将第一差值大于第一预设阈值的投影网格对应的点云作为缺失点云。
4.根据权利要求1所述的方法,其特征在于,所述确定第二地面点云数组相对于第一地面点云数组的被缺失点云,包括:
对比第一地面点云数组和第二地面点云数组的投影网格,将第二地面点云数组存在,并且第一地面点云数组不存在的投影网格对应的点云作为被缺失点云;
确定第二地面点云数组的各投影网格中的最大高程值减去第一地面点云数组中对应的投影网格中的最大高程值的第二差值,并将第二差值大于第二预设阈值的投影网格对应的点云作为被缺失点云。
5.根据权利要求1所述的方法,其特征在于,还包括:
针对所述多个塌方区域和所述多个填方区域中的每个区域,确定该区域距离正方向起始侧的距离;
按照距离从小到大的顺序,将各个区域的进行排序。
6.根据权利要求1所述的方法,其特征在于,还包括:
确定各投影网格的方位,以及,确定各投影网格的索引。
7.根据权利要求1所述的方法,其特征在于,所述确定各缺失点云数组对应的区域边界,得到多个塌方区域,以及,确定各被缺失点云数组对应的区域边界,得到多个填方区域,包括:
针对每个缺失点云数组,根据该缺失点云数组中的点云的坐标,确定该缺失点云数组对应的凸多边形边界点,并利用确定的凸多边形边界点,确定该缺失点云数组对应的区域边界,得到塌方区域;
针对每个被缺失点云数组,根据该被缺失点云数组中的点云的坐标,确定该被缺失点云数组对应的凸多边形边界点,并利用确定的凸多边形边界点,确定该被缺失点云数组对应的区域边界,得到填方区域。
8.一种基于点云数据的地形分析装置,其特征在于,包括:
点云处理模块,用于获取在第一时间段内对目标区域进行激光扫描得到的第一点云数组,以及,在第二时间段内对所述目标区域进行激光扫描得到的第二点云数组;分别提取所述第一点云数组和所述第二点云数组中的地面点云,得到第一地面点云数组和第二地面点云数组;其中,所述第一时间段早于所述第二时间段;
变形区域初步确定模块,用于根据所述第一地面点云数组和第二地面点云数组确定点云主方向,并根据所述点云主方向确定点云投影平面;分别将所述第一地面点云数组和第二地面点云数组投影到所述点云投影平面上,得到投影网格;根据得到的投影网格,确定第二地面点云数组相对于第一地面点云数组的缺失点云,以及,确定第二地面点云数组相对于第一地面点云数组的被缺失点云;
点云分割模块,用于利用聚类分组的方法,确定缺失点云的集中度,并将集中度高于预设集中度的缺失点云分割为多个缺失点云数组,以及,利用聚类分组的方法,确定被缺失点云的集中度,并将集中度高于所述预设集中度的被缺失点云分割为多个被缺失点云数组;
变形区域确定模块,用于确定各缺失点云数组对应的区域边界,得到多个塌方区域,以及,确定各被缺失点云数组对应的区域边界,得到多个填方区域;
变形区域处理模块,用于针对所述多个塌方区域和所述多个填方区域中的每个区域,将该区域分割为多个网格,并将没有点云的网格填充低点,利用填充后的网格构建三角网,叠加三角网中各三角柱体的体积,得到该区域的体积;
输出模块,用于输出各塌方区域的区域边界以及体积;以及,输出各填方区域的区域边界以及体积。
9.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器在执行所述计算机程序时实现权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410391358.5A CN118212370A (zh) | 2024-04-02 | 2024-04-02 | 基于点云数据的地形分析方法及装置、电子设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410391358.5A CN118212370A (zh) | 2024-04-02 | 2024-04-02 | 基于点云数据的地形分析方法及装置、电子设备、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118212370A true CN118212370A (zh) | 2024-06-18 |
Family
ID=91455265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410391358.5A Pending CN118212370A (zh) | 2024-04-02 | 2024-04-02 | 基于点云数据的地形分析方法及装置、电子设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118212370A (zh) |
-
2024
- 2024-04-02 CN CN202410391358.5A patent/CN118212370A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3852008A2 (en) | Image detection method and apparatus, device, storage medium and computer program product | |
CN112652036B (zh) | 道路数据的处理方法、装置、设备及存储介质 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
CN111539347B (zh) | 用于检测目标的方法和装置 | |
CN113947188A (zh) | 目标检测网络的训练方法和车辆检测方法 | |
CN113971723B (zh) | 高精地图中三维地图的构建方法、装置、设备和存储介质 | |
CN113724388B (zh) | 高精地图的生成方法、装置、设备以及存储介质 | |
CN113506368B (zh) | 地图数据融合方法、装置、电子设备、介质和程序产品 | |
CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN113569912A (zh) | 车辆识别方法、装置、电子设备及存储介质 | |
CN113569911A (zh) | 车辆识别方法、装置、电子设备及存储介质 | |
CN112862017A (zh) | 点云数据的标注方法、装置、设备和介质 | |
CN116596750A (zh) | 一种点云处理方法、装置、电子设备及存储介质 | |
CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
CN113379884B (zh) | 地图渲染方法、装置、电子设备、存储介质以及车辆 | |
CN115457152A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
CN113516013B (zh) | 目标检测方法、装置、电子设备、路侧设备和云控平台 | |
CN118212370A (zh) | 基于点云数据的地形分析方法及装置、电子设备、介质 | |
US20200242819A1 (en) | Polyline drawing device | |
CN114119990A (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN112988932A (zh) | 高精地图标注方法、装置、设备、可读存储介质及产品 | |
CN117739993B (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
CN114882461B (zh) | 设备环境识别方法、装置、电子设备和自动驾驶车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |