CN102147250B - 一种数字线划图测图方法 - Google Patents
一种数字线划图测图方法 Download PDFInfo
- Publication number
- CN102147250B CN102147250B CN2011100094838A CN201110009483A CN102147250B CN 102147250 B CN102147250 B CN 102147250B CN 2011100094838 A CN2011100094838 A CN 2011100094838A CN 201110009483 A CN201110009483 A CN 201110009483A CN 102147250 B CN102147250 B CN 102147250B
- Authority
- CN
- China
- Prior art keywords
- characteristic curve
- buildings
- buildings outline
- outline characteristic
- curve
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种数字线划图测图方法,涉及测绘遥感领域,通过机载LIDAR设备校验飞行,实现对设备参数检校;根据机载LIDAR点云生成原理建立点云数据误差模型,根据整体平差获取参数改正值,实现对点云数据精度整体优化,获取精度优化后点云;进行地面和建筑物的滤波分类处理,获取地面点云和建筑物点云,根据地面点云构建数字地面模型;根据数字地面模型和POS辅助定位信息对航片进行空三加密,实现对航片定位定姿数据精度的整体优化,获取精度优化后的航片;精度优化后的点云和航片进行精确匹配;构建点云和航片融合模式测图环境,在融合模式测图环境下实现对矢量线划的半自动提取及剩余地物要素的全手工提取,生成数字线划图产品。
Description
技术领域
本发明涉及测绘遥感领域,特别涉及一种数字线划图测图方法。
背景技术
现有技术中的数字线划图测图方法,主要采用工程测量和传统航空摄影测量方法,但这些传统技术方法都存在明显的缺点和不足:
(1)工程测量存在工作量大、项目成本高、周期长和劳动强度大等多方面缺点,在大范围数字线划图测图项目中不具有经济可行性;
(2)传统航空摄影测量方法需要布设大量外业像控点、立体测图自动化程度低、生产效率低、项目周期长、在山区特别是林木覆盖地区测图精度差,在大比例尺数字线划图测图中存在很大的局限性。
所以在数字线划图测图过程中采用工程测量、传统航空摄影测量等方法时,不可避免地带来很多麻烦且效率低下。因此,现有技术中的数字线划图测图方法存在自动化程度低、生产效率低、项目成本高,开发周期长和产品精度低等多方面缺点。怎样在保证数字线划图测图产品质量的前提下,提高自动化程度和生产效率、降低项目成本,缩短开发周期成为本领域科技人员急待解决的问题。
发明内容
为了提高数字线划图测图产品质量、提高自动化程度、提高生产效率、降低项目成本和缩短开发周期,本发明提供了一种数字线划图测图方法,所述方法包括以下步骤:
(1)通过机载LIDAR设备的校验飞行,实现对设备参数的检校;
(2)根据机载LIDAR点云生成原理建立点云数据的误差模型,根据整体平差获取参数改正值,实现对点云数据精度的整体优化,获取精度优化后的点云;
(3)对所述精度优化后的点云进行地面和建筑物的滤波分类处理,获取地面点云和建筑物点云,并根据所述地面点云构建数字地面模型;
(4)根据所述数字地面模型和POS辅助定位信息对航片进行空三加密处理,实现对所述航片定位定姿数据精度的整体优化,获取精度优化后的航片;
(5)所述精度优化后的点云和所述精度优化后的航片进行精确匹配;
(6)构建所述精度优化后的点云和所述精度优化后的航片融合模式测图环境,在所述融合模式测图环境下实现对矢量线划的半自动提取及剩余地物要素的手工提取,生成数字线划图产品。
步骤(6)中所述在所述融合模式测图环境下实现对矢量线划的半自动提取,具体包括:
对建筑物外轮廓矢量线划进行半自动提取;
对线状地物边线矢量线划进行半自动提取。
所述对建筑物外轮廓矢量线划进行半自动提取,具体包括:
参考所述建筑物点云和所述地面点云确定建筑物外轮廓在像空间上的有效分析区;
在所述有效分析区内对建筑物外轮廓特征线进行提取;
建立所述建筑物外轮廓特征线分级候选库;
在所述融合模式测图环境下显示所述建筑物外轮廓特征线的分级结果,采用人工交互方式对所述建筑物外轮廓特征线分级候选库中的所述建筑物外轮廓特征线进行检查与编辑修改;
根据所述建筑物外轮廓特征线周围建筑物点云的高程信息和航片POS辅助定位信息,实现所述建筑物外轮廓特征线从二维像空间向三维物空间的转换;
根据所述建筑物外轮廓特征线、所述有效分析区中的建筑物点云和地面点云,采用分裂合并方法自动构建建筑物外轮廓拓扑关系,根据所述建筑物外轮廓拓扑关系,生成建筑物外轮廓,实现所述建筑物外轮廓矢量线划的半自动提取。
所述建立建筑物外轮廓特征线分级候选库,具体包括:
根据所述建筑物外轮廓特征线的有效长度、所述建筑物外轮廓特征线与建筑物主方向的偏角、所述建筑物外轮廓特征线两侧点云类别密度比,将所述建筑物外轮廓特征线划分为三级,分别为第一级建筑物外轮廓特征线、第二级建筑物外轮廓特征线和第三级建筑物外轮廓特征线。
所述根据建筑物外轮廓特征线的有效长度、所述建筑物外轮廓特征线与建筑物主方向的偏角、所述建筑物外轮廓特征线两侧点云类别密度比,将所述建筑物外轮廓特征线划分为三级,分别为第一级建筑物外轮廓特征线、第二级建筑物外轮廓特征线和第三级建筑物外轮廓特征线,具体包括:
1)判断所述建筑物外轮廓特征线的有效长度是否大于第一阈值,如果是,执行步骤2);如果否,所述建筑物外轮廓特征线为所述第三级建筑物外轮廓特征线;
2)判断所述建筑物外轮廓特征线与建筑物主方向的偏角是否大于第二阈值,如果是,执行步骤3);如果否,所述建筑物外轮廓特征线为所述第二级建筑物外轮廓特征线;
3)判断所述建筑物外轮廓特征线两侧点云类别密度是否大于第三阈值,如果是,执行步骤4);如果否,所述建筑物外轮廓特征线为所述第二级建筑物外轮廓特征线;
4)判断所述建筑物外轮廓特征线是否为女儿墙上对应特征线,如果不是,所述建筑物外轮廓特征线为所述第一级建筑物外轮廓特征线;如果是,判断所述建筑物外轮廓特征线是否为女儿墙外墙线,如果是,执行步骤5);如果否,执行步骤6);
5)所述建筑物外轮廓特征线为所述第一级建筑物外轮廓特征线;
6)所述建筑物外轮廓特征线为所述第三级建筑物外轮廓特征线。
所述在融合模式测图环境下显示建筑物外轮廓特征线的分级结果,采用人工交互方式对建筑物外轮廓特征线分级候选库中的建筑物外轮廓特征线进行检查与编辑修改,具体包括:
在所述融合模式测图环境下,显示所述建筑物外轮廓特征线分级候选库中的所述第一级建筑物外轮廓特征线,通过鼠标点选方式删除多余的所述第一级建筑物外轮廓特征线;对位置和方向错误的建筑物外轮廓特征线,通过鼠标修改和优化;对所述第一级建筑物外轮廓特征线进行弱化显示,突出显示所述第二级建筑物外轮廓特征线,对于提取正确且需要的所述第二级建筑物外轮廓特征线,通过鼠标捕捉高亮提示选择方式进行人工交互选取确定;对所述第二级建筑物外轮廓特征线进行弱化显示,突出显示所述第三级建筑物外轮廓特征线,对于提取正确且需要的所述第三级建筑物外轮廓特征线,通过鼠标捕捉高亮提示选择方式进行人工交互选取确定。
所述判断所述建筑物外轮廓特征线是否为女儿墙上对应特征线,具体为:
根据第四阈值在两条建筑物外轮廓特征线两侧建立缓冲区;
同时满足所述建筑物外轮廓特征线周围有平行的其它外轮廓特征线、两条建筑物外轮廓特征线间的垂直距离小于第五阈值以及两条建筑物外轮廓特征线间的像素平均值和所述缓冲区内的像素平均值之间的差值大于第六阈值。
所述方法还包括:
对于在所述有效分析区内没有提取到的剩余建筑物外轮廓特征线,采用鼠标在航片像空间中点击特征线两端的结点来提取特征线。
所述对线状地物边线矢量线划进行半自动提取,具体包括:
在人工鼠标点选的线状地物特征点引导下,在所述融合模式测图环境下实现线状地物特征线的半自动提取;
在影像杂音区内将半自动模式调整为全手工模式,实现对所述影像杂音区内特征线的全手工绘制;
根据线状地物特征线结点周围地面点云的高程信息和航片POS辅助定位信息,实现线状地物特征线从二维像空间向三维物空间的自动转换,生成线状地物的矢量线划成果。
所述在所述融合模式测图环境下实现线状地物特征线的半自动提取,具体包括:
在所述融合模式测图环境下选择线状地物特征线上的一个特征点,根据所述特征点、第七阈值,获取分析用缓冲分析区;
对所述分析用缓冲分析区内航片上的RGB值断面曲线或梯度断面曲线进行检验,获取RGB值断面曲线极值点或梯度断面曲线极值点,判断所述RGB值断面曲线极值点或所述梯度断面曲线极值点个数是否唯一,如果是,所述RGB值断面曲线极值点或所述梯度断面曲线极值点为选中的极值点;如果否,根据获取到的多个RGB值断面曲线极值点或梯度断面曲线极值点、以第八阈值为半径,获取过滤用缓冲分析区,提取所述过滤用缓冲分析区内的所有地面点云,获取所述地面点云的高程标准偏差值、强度标准偏差值,获取所述高程标准偏差值和所述强度标准偏差值的加权平均值,取最大和值对应的极值点作为所述选中的极值点;根据所述特征点、所述选中的极值点初始化snake曲线,使所述snake曲线增长。
本发明提供的技术方案有如下有益效果:
本发明提供了一种数字线划图测图方法,通过融合模式充分发挥了点云高程精度高、航片平面精度高的互补优势,提高了航测外业同等作业条件下内业数字线划图产品制作的整体精度,为大比例尺数字线划图测图提供了高效的生产技术解决方案。本发明变革了传统航空摄影测量立体测图模式下全手工测图的技术方案,提升了数字线划图测图的自动化水平,极大的提高了数字线划图测图的整体生产效率,有利于深化和拓展测绘行业应用深度和广度,具有很好的经济和社会效益。
附图说明
图1为本发明提供的数字线划图测图方法的流程图;
图2为本发明提供的对地物特征线的半自动提取的流程图;
图3为本发明提供的对建筑物外轮廓特征线进行半自动提取的流程图;
图4为本发明提供的建立建筑物外轮廓特征线分级候选库的示意图;
图5为本发明提供的对线状地物特征线进行半自动提取的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
为了提高数字线划图测图产品质量、提升自动化水平、提高生产效率、降低项目成本、缩短开发周期,本发明实施例提供了一种数字线划图测图方法,参见图1,详见下文描述:
101:通过机载LIDAR(Light Detection And Ranging,激光雷达)设备的校验飞行,实现对设备参数的检校;
其中,机载LIDAR设备的主要部件为激光传感器、数码相机和POS定位定姿系统。激光传感器需检校heading(航偏角)、roll(翻滚角)、pitch(俯仰角)三个参数;数码相机需校验heading、roll、pitch和相机畸变参数。对设备参数的检校需要外业测量地面控制点,采用专业数据处理和分析方法进行设备检校参数的解算,去除测量过程中的系统误差。激光传感器和数码相机的检校需根据实际需要,选取满足技术要求的检校场,通过激光传感器得到初始点云数据,通过数码相机得到航片,通过POS定位定姿系统获取需要的定位定姿数据,用于初始点云的解算和航片的方向定位。
102:根据机载LIDAR点云生成原理建立点云数据的误差模型,根据整体平差获取参数改正值,实现对点云数据精度的整体优化,获取精度优化后的点云;
其中,该步骤具体为:参考机载LIDAR点云生成原理,建立点云数据的误差模型,以点云条带相邻或交叉重叠区域的点云数据为参考,再参考少量地面控制点,根据整体平差获取空间坐标参数x、y、z和姿态参数heading、roll和pitch的改正值,通过获取到的参数改正值对参数进行改正,实现对初始点云数据精度的整体优化,获取到精度优化后的点云。
103:对精度优化后的点云进行地面和建筑物的滤波分类处理,获取地面点云和建筑物点云,并根据地面点云构建数字地面模型;
104:根据数字地面模型和POS辅助定位信息对航片进行空三加密处理,实现对航片定位定姿数据精度的整体优化,获取定位定姿精度优化后的航片;
其中,该步骤具体为:根据数字地面模型和POS辅助定位信息,内业采集测区航片重叠区域同名点,参考数字地面模型进行测区整体空三加密,根据空三加密整体平差结果对每张航片的POS辅助定位信息进行优化改正,去除局部偶然误差,实现对航片定位定姿数据精度的整体优化,获取精度优化后的航片。
105:精度优化后的点云和精度优化后的航片进行匹配;
其中,该步骤具体为:参考航片定位定姿数据,实现点云三维物空间向二维像空间的转换,实现点云和航片在二维像空间中的精确匹配。匹配中用到的数学基础为摄影测量学中的共线方程,该共线方程为:
x=-f(a1(X-Xs)+b1(Y-Ys)+c1(Z-Zs))/(a3(X-Xs)+b3(Y-Ys)+c3(Z-Zs))
y=-f(a2(X-Xs)+b2(Y-Ys)+c2(Z-Z s))/a3(X-Xs)+b3(Y-Ys)+c3(Z-Zs))
其中,a1=cos ψcos κ-sin ψsinωsin κ
a2=-cos ψsin κ-sin ψsinωcos κ
a3=-sin ψcosω
b1=cosωsin κ
b2=cosωcos κ
b3=-sinω
c1=sin ψcos κ+cos ψsinωsin κ
c2=-sinψsinκ+cos ψsinωcos κ
c3=cosψcos ω
其中,x、y为像点坐标,X、Y、Z为相应地面点坐标,Xs、Ys、Zs为投影中心在所取物方空间坐标系中的坐标,f为摄影机主距,ψ、ω、κ为摄影测量学中外方位元素对应的三个姿态定位角。
106:构建精度优化后的点云和精度优化后的航片融合模式测图环境,在融合模式测图环境下实现对矢量线划的半自动提取及剩余地物要素的手工提取,生成数字线划图产品。
参见图2,地物主要包括:建筑物和道路、水系及植被等线状地物。
参见图3,对地物矢量线划的半自动提取具体为:
1061:对建筑物外轮廓矢量线划进行半自动提取:
10611:参考建筑物点云和地面点云确定建筑物外轮廓在像空间上的有效分析区;
其中,该步骤具体为:根据建筑物点云和地面点云整体联合构建三角网模型,确定建筑物点云和地面点云之间的拓扑关系;在三角网模型内搜索符合要求的特征三角形并进行标记,获取物空间三角网模型内的建筑物外轮廓缓冲区;通过共线方程将三维空间中的建筑物外轮廓缓冲区转换到二维像空间中,转换到像空间中的建筑物外轮廓缓冲区即为有效分析区。其中,符合要求的特征三角形判断的参考基础为:三角形结点上同时有地面和建筑物两类激光点的三角形。建筑物外轮廓缓冲区从三维物方坐标系当二维像方坐标系转换的具体实现方法为:建筑物外轮廓缓冲区边线结点主要包括建筑物激光点和地面激光点;建筑物激光点不需处理,但地面激光点的高程值需参考与该地面激光点直接相连的建筑物激光点的高程进行赋值;最后采用三维物空间向二维像空间进行转换方法进行变换,转换后的建筑物外轮廓缓冲区即为有效分析区。
10612:在有效分析区内对建筑物外轮廓特征线进行提取;
该步骤具体为采用Canny算法在有效分析区内对航片上的建筑物外轮廓特征线进行提取,具体实现时还可采用其它方式进行建筑物外轮廓特征线的提取,例如:Sobel、Laplace算法等,具体实现时,本发明实施例对此不做限制。
10613:建立建筑物外轮廓特征线分级候选库;
其中,参见图4,该步骤具体为:根据建筑物外轮廓特征线的有效长度、建筑物外轮廓特征线与建筑物主方向的偏角、建筑物外轮廓特征线两侧点云类别密度比,将建筑物外轮廓特征线划分为三级,分别为第一级建筑物外轮廓特征线、第二级建筑物外轮廓特征线和第三级建筑物外轮廓特征线,具体包括:
1)判断建筑物外轮廓特征线的有效长度是否大于第一阈值,如果是,执行步骤2);如果否,该建筑物外轮廓特征线为第三级建筑物外轮廓特征线;
2)判断建筑物外轮廓特征线与建筑物主方向的偏角是否小于第二阈值,如果是,执行步骤3);如果否,该建筑物外轮廓特征线为第二级建筑物外轮廓特征线;
3)判断建筑物外轮廓特征线两侧点云类别密度是否大于第三阈值,如果是,执行步骤4);如果否,该建筑物外轮廓特征线为第二级建筑物外轮廓特征线;
4)判断建筑物外轮廓特征线是否为女儿墙上对应特征线,如果否,建筑物外轮廓特征线为第一级建筑物外轮廓特征线;如果是,判断建筑物外轮廓特征线是否为女儿墙外墙线,如果是,执行步骤5);如果否,执行步骤6);
5)建筑物外轮廓特征线为第一级建筑物外轮廓特征线;
6)建筑物外轮廓特征线为第三级建筑物外轮廓特征线。
其中,第一级建筑物外轮廓特征线为基本可参考使用的建筑物外轮廓特征线,后期仅需人工核查即可;第二级建筑物外轮廓特征线为后期人工辅助编辑时重点参考的候选特征线;第三级建筑物外轮廓特征线为信任度最差的建筑物外轮廓特征线,在最后阶段补漏时参考使用。
其中,判断建筑物外轮廓特征线是否为女儿墙上对应特征线,具体为:
根据第四阈值在两条建筑物外轮廓特征线两侧建立缓冲区;
同时满足建筑物外轮廓特征线周围有平行的其它外轮廓特征线、两条建筑物外轮廓特征线间的垂直距离小于第五阈值以及两条建筑物外轮廓特征线间的像素平均值和所述缓冲区内的像素平均值之间的差值大于第六阈值。
其中,第一阈值、第二阈值、第三阈值、第四阈值、第五阈值和第六阈值的取值主要根据测区建筑物的具体情况进行设定,具体实现时,本发明实施例对此不做限制。
10614:在融合模式测图环境下显示建筑物外轮廓特征线的分级结果,采用人工交互方式对建筑物外轮廓特征线分级候选库中的建筑物外轮廓特征线进行检查与编辑修改;
该步骤具体包括:在融合模式测图环境下,显示建筑物外轮廓特征线分级候选库中的第一级建筑物外轮廓特征线,通过鼠标点选方式删除多余的第一级建筑物外轮廓特征线;对位置和方向错误的建筑物外轮廓特征线,通过鼠标修改和优化;对第一级建筑物外轮廓特征线进行弱化显示,突出显示第二级建筑物外轮廓特征线,对于提取正确且需要的第二级建筑物外轮廓特征线,通过鼠标捕捉高亮提示选择方式进行人工交互选取确定;对第二级建筑物外轮廓特征线进行弱化显示,突出显示第三级建筑物外轮廓特征线,对于提取正确且需要的第三级建筑物外轮廓特征线,通过鼠标捕捉高亮提示选择方式进行人工交互选取确定。
本发明实施例还包括对于在有效分析区内没有提取到的剩余建筑物外轮廓特征线,采用鼠标在航片像空间中点击特征线两端的结点来提取特征线。
10615:根据建筑物外轮廓特征线周围建筑物点云的高程信息和航片POS辅助定位信息,实现建筑物外轮廓特征线从二维像空间向三维物空间的转换;
坐标转换公式以所述的摄影测量共线方程为基础,进行公式推导改进,公式具体如下:X=XP+(Z-ZP)(u/w)、Y=YP+(Z-ZP)(v/w)
其中,P为投影中心点;X、Y、Z为待转换点的物方空间三维坐标;XP、YP、ZP为点P的物方空间三维坐标;u、v、w为点P的像空间辅助坐标。
10616:根据建筑物外轮廓特征线、有效分析区中的建筑物点云和地面点云,采用分裂合并方法自动构建建筑物外轮廓拓扑关系,根据建筑物外轮廓拓扑关系,生成建筑物外轮廓,实现建筑物外轮廓矢量线划的半自动提取。
实际应用中,建筑物外轮廓特征线均为不连续的矢量线段,基本能表现出建筑物外轮廓位置和走向,但提取的均为断裂的特征线,需要构建拓扑关系使之形成一个封闭、特征线首尾相连的多边形。其中,该分裂合并方法具体为:
1、读取建筑物对应的建筑物点云和该建筑物周围的地面点云,读取所有的建筑物外轮廓特征线,计算以上所述点云对应的最小外包多边形,并以此多边形作为初始分析区域;
2、以建筑物外轮廓特征线长度作为下一步进行分裂操作的优先级排序标准,即越长的特征线越先进行分裂操作;
3、以建筑物外轮廓特征线作为二元分割的边界位置、以以上所述的优先级进行逐一分割处理,得到最终分割后的多个子多边形。子多边形的并集正好为初始分析区域;
4、对以上所述的子多边形进行属性判断,判断标准如下:
子多边形的属性分为建筑物和地面两类。对于子多边形中既包括建筑物点又包括地面点的子区域,以点的多少作为判断基础,该子多边形较多点的属性即为子多边形的属性,并对该子多边形进行标记。
5、合并所有相邻的建筑物类子多边形,合并后的最终建筑物区域多边形对应的外轮廓边界即为建筑物外轮廓。
1062:对线状地物特征边线矢量线划进行半自动提取;
参见图5,该步骤具体包括:
10621:在人工鼠标点选的线状地物特征点引导下,在融合模式测图环境下实现线状地物特征线的半自动提取;
10622:在影像杂音区内将半自动模式调整为全手工模式,实现对影像杂音区内特征线的全手工绘制;
10623:根据线状地物特征线结点周围地面点云的高程信息和航片POS辅助定位信息,实现线状地物特征线从二维像空间向三维物空间的自动转换,生成线状地物的矢量线划成果。
以上在融合模式测图环境下实现线状地物特征线的半自动提取,具体包括:
1、在融合模式测图环境下选择线状地物特征线上的一个特征点,根据特征点、第七阈值,获取分析用缓冲分析区;
该步具体为在融合模式测图环境下选择线状地物特征线上的一个特征点,将这一特征点作为种子点,以种子点为中心,以第七阈值为半径,获取所述分析用缓冲分析区。
2、对所述分析用缓冲分析区内航片上的RGB值断面曲线或梯度断面曲线进行检验,获取RGB值断面曲线极值点或梯度断面曲线极值点,判断RGB值断面曲线极值点或梯度断面曲线极值点个数是否唯一,如果是,RGB值断面曲线极值点或梯度断面曲线极值点为选中的极值点;如果否,根据获取到的多个RGB值断面曲线极值点或梯度断面曲线极值点、以第八阈值为半径,获取所述过滤用缓冲分析区,提取所述过滤用缓冲分析区内的所有地面点云,获取地面点云的高程标准偏差值、强度标准偏差值,获取高程标准偏差值和强度标准偏差值的加权平均值,取最大和值对应的极值点作为选中的极值点;根据特征点、选中的极值点初始化snake曲线,使snake曲线增长。
该步具体为根据特征点、选中的极值点初始化snake曲线S0,以曲线S0为基础,运用优化方式,可由曲线S0提取道路的轮廓线C0;如果曲线S0的长度可以增加,则生成一个可以使整条曲线S0增长的Ci曲线序列,其中i取整数。
其中,第七阈值和第八阈值根据实际应用的需要进行设定,具体实现时,本发明实施例对此不做限制。
其中,本发明实施例中的除等高线和高程注记点以外的所有地物要素的矢量线划从二维像空间向三维物空间的转换公式均按照所述的转换公式。其中,除等高线和高程注记点以外的地物要素主要包括:建筑物、道路、水系、植被等线状地物及其它不能半自动提取的地物要素。其它剩余地物包括:路灯、井盖等地物。
下面以一个具体的例子来验证本方法的可行性,详见下文描述:
传统摄影测量方法主要采用立体测图、全手工模式进行数字线划图测图,本发明实施例主要采用融合模式测图、半自动模式进行数字线划图测图。以天津市中心城区测区为例,为获取1∶2000比例尺数字线划图产品,传统摄影测量方法和本方法的航高均设计为1000米相对航高,试验结果如表1所示:
表1
采用的技术方法 | 相对航高 | 平面精度 | 高程精度 | 生产效率 |
传统摄影测量方法 | 1000米 | 0.4米 | 1米 | 0.2平方公里 |
本方法 | 1000米 | 0.3米 | 0.2米 | 0.8平方公里 |
通过表1中的数据统计,可以直接获知本方法的可行性,满足了实际应用中的需要。
综上所述,本发明实施例通过融合模式测图充分发挥了点云高程精度高、航片平面精度高的互补优势,提高了航测外业同等作业条件下内业数字线划图产品制作的整体精度,为大比例尺数字线划图测图提供了高效的生产技术解决方案。本发明实施例变革了传统航空摄影测量立体测图全手工模式测图的技术方法,提升了数字线划图测图的自动化水平,极大的提高了数字线划图测图的整体生产效率,有利于深化和拓展测绘行业应用深度和广度,具有很好的经济和社会效益。
Claims (7)
1.一种数字线划图测图方法,其特征在于,所述方法包括以下步骤:
(1)通过机载激光雷达LIDAR设备的校验飞行,实现对所述机载激光雷达LIDAR设备参数的检校;
(2)根据机载激光雷达LIDAR点云生成原理建立点云数据的误差模型,根据整体平差获取参数改正值,实现对点云数据精度的整体优化,获取精度优化后的点云;
(3)对所述精度优化后的点云进行地面和建筑物的滤波分类处理,获取地面点云和建筑物点云,并根据所述地面点云构建数字地面模型;
(4)根据所述数字地面模型和POS辅助定位信息对航片进行空三加密处理,实现对所述航片定位定姿数据精度的整体优化,获取精度优化后的航片;
(5)所述精度优化后的点云和所述精度优化后的航片进行精确匹配;
(6)构建所述精度优化后的点云和所述精度优化后的航片融合模式测图环境,在所述融合模式测图环境下实现对矢量线划的半自动提取及剩余地物要素的手工提取,生成数字线划图产品;
其中,步骤(6)中所述在所述融合模式测图环境下实现对矢量线划的半自动提取具体包括:
对建筑物外轮廓矢量线划进行半自动提取;
对线状地物边线矢量线划进行半自动提取;
其中,所述对建筑物外轮廓矢量线划进行半自动提取具体包括:
参考所述建筑物点云和所述地面点云确定建筑物外轮廓在像空间上的有效分析区;
在所述有效分析区内对建筑物外轮廓特征线进行提取;
建立所述建筑物外轮廓特征线分级候选库;
在所述融合模式测图环境下显示所述建筑物外轮廓特征线的分级结果,采用人工交互方式对所述建筑物外轮廓特征线分级候选库中的所述建筑物外轮廓特征线进行检查与编辑修改;
根据所述建筑物外轮廓特征线周围建筑物点云的高程信息和航片POS辅助定位信息,实现所述建筑物外轮廓特征线从二维像空间向三维物空间的转换;
根据所述建筑物外轮廓特征线、所述有效分析区中的建筑物点云和地面点云,采用分裂合并方法自动构建建筑物外轮廓拓扑关系,根据所述建筑物外轮廓拓扑关系,生成建筑物外轮廓,实现所述建筑物外轮廓矢量线划的半自动提取;
其中,所述对线状地物边线矢量线划进行半自动提取具体包括:
在人工鼠标点选的线状地物特征点引导下,在所述融合模式测图环境下实现线状地物特征线的半自动提取;
在影像杂音区内将半自动模式调整为全手工模式,实现对所述影像杂音区内特征线的全手工绘制;
根据线状地物特征线结点周围地面点云的高程信息和航片POS辅助定位信息,实现线状地物特征线从二维像空间向三维物空间的自动转换,生成线状地物的矢量线划成果。
2.根据权利要求1所述的数字线划图测图方法,其特征在于,所述建立建筑物外轮廓特征线分级候选库,具体包括:
根据所述建筑物外轮廓特征线的有效长度、所述建筑物外轮廓特征线与建筑物主方向的偏角、所述建筑物外轮廓特征线两侧点云类别密度比,将所述建筑物外轮廓特征线划分为三级,分别为第一级建筑物外轮廓特征线、第二级建筑物外轮廓特征线和第三级建筑物外轮廓特征线。
3.根据权利要求2所述的数字线划图测图方法,其特征在于,所述根据建筑物外轮廓特征线的有效长度、所述建筑物外轮廓特征线与建筑物主方向的偏角、所述建筑物外轮廓特征线两侧点云类别密度比,将所述建筑物外轮廓特征线划分为三级,分别为第一级建筑物外轮廓特征线、第二级建筑物外轮廓特征线和第三级建筑物外轮廓特征线,具体包括:
1)判断所述建筑物外轮廓特征线的有效长度是否大于第一阈值,如果是,执行步骤2);如果否,所述建筑物外轮廓特征线为所述第三级建筑物外轮廓特征线;
2)判断所述建筑物外轮廓特征线与建筑物主方向的偏角是否大于第二阈值,如果是,执行步骤3);如果否,所述建筑物外轮廓特征线为所述第二级建筑物外轮廓特征线;
3)判断所述建筑物外轮廓特征线两侧点云类别密度是否大于第三阈值,如果是,执行步骤4);如果否,所述建筑物外轮廓特征线为所述第二级建筑物外轮廓特征线;
4)判断所述建筑物外轮廓特征线是否为女儿墙上对应特征线,如果否,所述建筑物外轮廓特征线为所述第一级建筑物外轮廓特征线;如果是,判断所述建筑物外轮廓特征线是否为女儿墙外墙线,如果是,执行步骤5);如果否,执行步骤6);
5)所述建筑物外轮廓特征线为所述第一级建筑物外轮廓特征线;
6)所述建筑物外轮廓特征线为所述第三级建筑物外轮廓特征线。
4.根据权利要求1所述的数字线划图测图方法,其特征在于,所述在融合模式测图环境下显示建筑物外轮廓特征线的分级结果,采用人工交互方式对建筑物外轮廓特征线分级候选库中的建筑物外轮廓特征线进行检查与编辑修改,具体包括:
在所述融合模式测图环境下,显示所述建筑物外轮廓特征线分级候选库中的所述第一级建筑物外轮廓特征线,通过鼠标点选方式删除多余的所述第一级建筑物外轮廓特征线;对位置和方向错误的建筑物外轮廓特征线,通过鼠标修改和优化;对所述第一级建筑物外轮廓特征线进行弱化显示,突出显示所述第二级建筑物外轮廓特征线,对于提取正确且需要的所述第二级建筑物外轮廓特征线,通过鼠标捕捉高亮提示选择方式进行人工交互选取确定;对所述第二级建筑物外轮廓特征线进行弱化显示,突出显示所述第三级建筑物外轮廓特征线,对于提取正确且需要的所述第三级建筑物外轮廓特征线,通过鼠标捕捉高亮提示选择方式进行人工交互选取确定。
5.根据权利要求3所述的数字线划图测图方法,其特征在于,所述判断所述建筑物外轮廓特征线是否为女儿墙上对应特征线,具体为:
根据第四阈值在两条建筑物外轮廓特征线两侧建立缓冲区;
同时满足所述建筑物外轮廓特征线周围有平行的其它外轮廓特征线、所述两条建筑物外轮廓特征线间的垂直距离小于第五阈值以及所述两条建筑物外轮廓特征线间的像素平均值和所述缓冲区内的像素平均值之间的差值大于第六阈值。
6.根据权利要求1所述的数字线划图测图方法,其特征在于,所述方法还包括:
对于在所述有效分析区内没有提取到的剩余建筑物外轮廓特征线,采用鼠标在航片像空间中点击特征线两端的结点来提取特征线。
7.根据权利要求1所述的数字线划图测图方法,其特征在于,所述在所述融合模式测图环境下实现线状地物特征线的半自动提取,具体包括:
在所述融合模式测图环境下选择线状地物特征线上的一个特征点,将所述特征点作为种子点,以所述种子点为中心,以第七阈值为半径,获取所述分析用缓冲分析区;
对所述分析用缓冲分析区内对航片上的RGB值断面曲线或梯度断面曲线进行检验,获取RGB值断面曲线极值点或梯度断面曲线极值点,判断所述RGB值断面曲线极值点或所述梯度断面曲线极值点个数是否唯一,如果是,所述RGB值断面曲线极值点或所述梯度断面曲线极值点为选中的极值点;如果否,根据获取到的多个RGB值断面曲线极值点或梯度断面曲线极值点、以第八阈值为半径,获取一个圆作为过滤用缓冲分析区,提取所述过滤用缓冲分析区内的所有地面点云,获取所述地面点云的高程标准偏差值、强度标准偏差值,获取所述高程标准偏差值和所述强度标准偏差值的加权平均值,取最大和值对应的极值点作为所述选中的极值点;根据所述特征点、所述选中的极值点初始化snake曲线,使所述snake曲线增长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100094838A CN102147250B (zh) | 2010-09-13 | 2011-01-17 | 一种数字线划图测图方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102792454A CN101975952A (zh) | 2010-09-13 | 2010-09-13 | 一种机载lidar单片模式下的数字线划图半自动测图方法 |
CN201010279245.4 | 2010-09-13 | ||
CN2011100094838A CN102147250B (zh) | 2010-09-13 | 2011-01-17 | 一种数字线划图测图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102147250A CN102147250A (zh) | 2011-08-10 |
CN102147250B true CN102147250B (zh) | 2012-06-27 |
Family
ID=43575854
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102792454A Withdrawn CN101975952A (zh) | 2010-09-13 | 2010-09-13 | 一种机载lidar单片模式下的数字线划图半自动测图方法 |
CN2011100094838A Active CN102147250B (zh) | 2010-09-13 | 2011-01-17 | 一种数字线划图测图方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102792454A Withdrawn CN101975952A (zh) | 2010-09-13 | 2010-09-13 | 一种机载lidar单片模式下的数字线划图半自动测图方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN101975952A (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538820B (zh) * | 2011-12-13 | 2015-05-20 | 中国测绘科学研究院 | 一种航空遥感集成系统检校方法 |
CN102645209B (zh) * | 2012-04-24 | 2014-10-01 | 长江勘测规划设计研究有限责任公司 | 机载LiDAR点云和高分辨率影像进行空间点的联合定位方法 |
CN102706326B (zh) * | 2012-04-27 | 2014-01-01 | 北京市测绘设计研究院 | 光束法空中三角测量文件数据处理方法 |
CN102831646A (zh) * | 2012-08-13 | 2012-12-19 | 东南大学 | 一种基于扫描激光的大尺度三维地形建模方法 |
CN102855810B (zh) * | 2012-09-04 | 2015-04-01 | 绍兴文理学院 | 一种基于利用卫星影像图进行数字线划地图的方法 |
CN103837130B (zh) * | 2012-11-22 | 2016-04-20 | 香港理工大学 | 用于机载激光扫描系统的数据处理方法及装置 |
CN103076612B (zh) * | 2013-01-07 | 2014-06-11 | 河海大学 | 一种激光雷达与航空摄影结合的建筑物测绘方法 |
CN103268632B (zh) * | 2013-01-07 | 2015-12-09 | 河海大学 | 一种机载激光雷达扫描生成地形信息的方法 |
CN103106339A (zh) * | 2013-01-21 | 2013-05-15 | 武汉大学 | 同步航空影像辅助的机载激光点云误差改正方法 |
CN103217688B (zh) * | 2013-04-16 | 2015-02-18 | 铁道第三勘察设计院集团有限公司 | 一种基于不规则三角网机载激光雷达点云平差计算方法 |
CN103577612A (zh) * | 2013-11-22 | 2014-02-12 | 张越 | 电子调绘成果图的绘制方法和系统 |
CN104048618B (zh) * | 2014-06-16 | 2016-09-07 | 民政部国家减灾中心 | 一种损毁建筑检测方法 |
CN105678097B (zh) * | 2016-02-14 | 2018-06-01 | 华浩博达(北京)科技股份有限公司 | 数字高程模型自动化构建方法 |
CN106383831B (zh) * | 2016-08-26 | 2019-06-14 | 王立刚 | 一种dlg更新方法 |
CN108345822B (zh) * | 2017-01-22 | 2022-02-01 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法及装置 |
WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和系统 |
CN107449404B (zh) * | 2017-09-12 | 2019-12-06 | 中煤航测遥感集团有限公司 | Dlg数据采集方法及装置 |
CN110148218B (zh) * | 2017-11-02 | 2023-05-12 | 星际空间(天津)科技发展有限公司 | 一种大批量机载LiDAR点云数据整体优化的方法 |
CN109948104B (zh) * | 2019-02-21 | 2023-03-24 | 南京泛在地理信息产业研究院有限公司 | 基于LiDAR点云数据的多墓墩向心结构计算方法 |
CN110211230B (zh) * | 2019-05-07 | 2021-11-23 | 北京市测绘设计研究院 | 空间规划模型集成方法、装置、计算机设备和存储介质 |
CN110398246A (zh) * | 2019-07-15 | 2019-11-01 | 西安长庆科技工程有限责任公司 | 基于沙漠地区无人机航拍影像自动生成线划图的方法 |
CN111179428B (zh) * | 2019-12-31 | 2022-04-15 | 武汉中海庭数据技术有限公司 | 一种基于锁定平面的地物制作方法和装置 |
CN111652436B (zh) * | 2020-06-03 | 2023-04-18 | 中铁二院工程集团有限责任公司 | 一种基于等高线的施工便道自动选线方法 |
CN111721269B (zh) * | 2020-06-30 | 2021-01-05 | 扬州大学 | 一种小麦幼苗格局特征的量化评价方法 |
CN114475665B (zh) * | 2022-03-17 | 2024-07-02 | 北京小马睿行科技有限公司 | 自动驾驶车辆的控制方法、控制装置及自动驾驶系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1200801B1 (en) * | 1999-07-14 | 2004-05-12 | Cyra Technologies, Inc. | Methods for operating a laser scanner |
CN101604450A (zh) * | 2009-07-24 | 2009-12-16 | 武汉大学 | 集成影像与LiDAR数据提取建筑物轮廓的方法 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
-
2010
- 2010-09-13 CN CN2010102792454A patent/CN101975952A/zh not_active Withdrawn
-
2011
- 2011-01-17 CN CN2011100094838A patent/CN102147250B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1200801B1 (en) * | 1999-07-14 | 2004-05-12 | Cyra Technologies, Inc. | Methods for operating a laser scanner |
CN101604450A (zh) * | 2009-07-24 | 2009-12-16 | 武汉大学 | 集成影像与LiDAR数据提取建筑物轮廓的方法 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101975952A (zh) | 2011-02-16 |
CN102147250A (zh) | 2011-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102147250B (zh) | 一种数字线划图测图方法 | |
CN102074047B (zh) | 一种高精细城市三维建模方法 | |
KR101219767B1 (ko) | 수치지형도 작성을 위한 차량 모바일 매핑 시스템을 이용한 도로 레이어 현지조사 방법 | |
CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
CN107679441B (zh) | 基于多时相遥感影像阴影提取城市建筑物高度的方法 | |
CN103703490B (zh) | 用于产生三维特征数据的设备以及用于产生三维特征数据的方法 | |
CN109238239B (zh) | 基于航空摄影的数字测量三维建模方法 | |
CN103884321B (zh) | 一种遥感影像成图工艺 | |
CN104123730A (zh) | 基于道路特征的遥感影像与激光点云配准方法及系统 | |
CN108288059B (zh) | 一种基于高分辨率遥感技术的建筑垃圾监测方法 | |
CN109919237B (zh) | 点云处理方法及装置 | |
CN105447868B (zh) | 一种微小型无人机航拍数据的自动检查方法 | |
CN103247062B (zh) | 采集农田关键点测绘成图的方法 | |
CN103076612B (zh) | 一种激光雷达与航空摄影结合的建筑物测绘方法 | |
CN101915570B (zh) | 一种基于灭点的地面移动测量影像线段自动提取分类方法 | |
CN104376595A (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
CN111062958B (zh) | 一种城市道路要素提取方法 | |
CN112750135B (zh) | 一种无人机倾斜摄影测量像控点优化方法及系统 | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN103954970A (zh) | 一种地形要素采集方法 | |
CN103871072A (zh) | 基于投影数字高程模型的正射影像镶嵌线自动提取方法 | |
CN104657968A (zh) | 车载三维激光点云立面分类及轮廓线提取自动化方法 | |
CN111426303A (zh) | 一种岩溶坡立谷参数测量方法 | |
CN114065339A (zh) | 一种基于三维可视化模型的高塔建设选址方法 | |
CN103839286A (zh) | 一种对象语义约束的真正射影像优化采样方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C56 | Change in the name or address of the patentee | ||
CP01 | Change in the name or title of a patent holder |
Address after: 300384 Tianjin Huayuan Industrial Park Xiqing District Haitai green industry base M4 Patentee after: Interstellar space (Tianjin) Technology Development Co., Ltd. Address before: 300384 Tianjin Huayuan Industrial Park Xiqing District Haitai green industry base M4 Patentee before: Tianjin StarGIS Information Engineering Co., Ltd. |