具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合附图以及具体实施例来详细说明本发明,在此本发明的示意性实施例以及说明用来解释本发明,但并不作为对本发明的限定。
实施例1:
图1为本实施例提供的多平台点云数据融合方法的流程示意图,如图所示,该方法如下步骤:
S1数据采集:通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据,得到不同精度、不同密度、不同方位的原始数据;
S2 数据预处理:将采集到的原始数据分别进行预处理,得到预处理后的点云数据;
S3数据融合:将预处理后的点云数据进行精度对比,并以精度较高的点云数据为依据,对精度较低的数据进行纠正分析,获取点云数据转换模型,并进行纠正融合。
如图3所示,一种多平台点云数据融合方法,其中所述数据采集具体步骤为:
S1.1)采集前的准备:
A)测线规划,针对不同平台的特点进行相应的数据采集路线规划、航线设计;
B)地面GNSS基站的选取和架设:根据所需精度与测量区域内GNSS观测环境GNSS基站覆盖半径为5公里;
C)设备检校:在进行数据采集前需要对移动平台上搭载的数据采集设备和固定式地面激光扫描设备进行检校;
S1.2)数据采集的过程为:
A)在地面GNSS基站处设有对卫星信号进行接收存储的GNSS接收机;其中:地面GNSS基站上设置的接收机需在移动平台进行数据采集前30分钟内进行工作,在移动平台完成数据采集后30分钟内停止工作;
B)按照规划测线利用选取的移动平台搭载数据采集设备进行数据采集;其中所述移动平台为:飞行器、车辆。
在具体实施例中:分别采用飞行器和车辆作为移动平台。在飞行器上安装有一台数据采集设备,其采集设备的采集角度为50度。在车辆上安装有两台数据采集设备,其数据采集设备的采集角度均为360度,两台数据采集设备的采集角度的交叉点范围为75度。
如图4所示,一种多平台点云数据融合方法,所述数据预处理具体步骤为:
S2.1)单数据源匹配优化:将原始数据按照各自的采集方式进行管理和匹配优化处理;具体实施例中:将飞行器上安装的数据采集设备获取的原始数据进行航带间、架次间的数据匹配优化处理;将车辆上安装的数据采集设备获取的原始数据进行匹配优化处理;将地面激光扫描设备获取的原始数据进行数据匹配优化处理;
S2.2)滤波去噪处理:分别将三组优化后的数据进行滤波去噪处理,得到三组点云数据。
具体实施例中:对获取的原始数据进行数据平差处理。
具体实施例中:对获取的原始数据进行数据接边处理优化。
具体实施例中:对获取的原始数据进行数据匹配处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中:可以对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
一种多平台点云数据融合方法,其中所述数据融合具体步骤为:
S3.1)数据分析:对不同来源的点云数据进行分析,建立数据模型;
S3.2)融合:根据数据分析后得到的模型对点云数据进行融合;
所述数据分析包括精度分析、对比分析;所述模型包括纠正模型、更新模型;
其中
所述精度分析:对不同来源的点云数据进行精度分析,并建立精度纠正模型;
所述纠正:根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合;
所述对比分析:对不同时间获取的点云数据进行变化分析;
所述更新:根据更新模型对变化区域内的数据进行更新。
如图5所示,对不同采集方式获取点云数据间融合的具体处理步骤为:
1)根据轨迹线的解算精度或地面控制点判定不同采集方式获取的点云数据的精度;
2)将精度较高的点云数据作为参考,提取纠正点,根据纠正点建立纠正模型;
3)将多幅纠正模型中的共同纠正点进行拼接,获取整体纠正模型;
4)根据纠正模型对精度较差的点云数据进行纠正分析;
5)通过构建数字表面模型检查数据融合精度。
如图6所示,对不同时间获取点云数据间融合的具体处理步骤为:
1)根据点云数据的采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况;
2)根据检测后点云数据变化范围提取纠正点,生成更新模型;
3)根据更新模型对精度较差的点云数据进行更新;
4)通过构建数字表面模型检查数据融合精度。
下面以一个更具体的细节方面的例子对上述内容加以说明。如图1所示,本实施例为:
对约500平方公里范围内地区进行点云数据采集。对所采取的路线进行路线规划,由于考虑到不同时段GNSS信号差异及地物遮挡因素,为保证获取最优的数据成果,采用飞行器和车辆作为移动平台,在移动平台上架设数据采集设备进行数据采集,同时根据所需精度与测量区域内观测环境架设GNSS基站,且基站覆盖半径为30公里。此外,在移动平台存在数据采集盲区的区域利用地面激光扫描设备进行数据补充采集,在移动平台开始采集前,先对移动平台上架设的采集设备进行设备检校,获取准确的检校参数。
在具体实施例中:分别采用飞行器从空中对需要采集的区域进行数据采集,采用车辆沿测区内道路对需要采集的区域进行数据采集,通过地面激光扫描设备对固定点位区周边区域进行数据采集。
在具体实施例中:分别采用飞行器和车辆作为移动平台。在飞行器上安装有一台数据采集设备,其采集设备的采集角度为50度。在车辆上安装有两台数据采集设备,其数据采集设备的采集角度均为360度,两台数据采集设备的采集角度的交叉点范围为75度。地面激光扫描设备数据采集角度为360度。
然后进行外业扫描测量:
由地面GNSS基站对卫星信号进行接收、存储;地面GNSS基站上需在搭载有数据采集设备的移动平台进行数据采集作业前10分钟开始工作,数据采集作业结束后15分钟结束工作。
由于考虑到不同时段GNSS信号差异及地物遮挡因素,为保证获取最优的数据成果,在以车辆为移动平台进行数据采集时分别对双向车道进行了单向的两次测量;考虑到保证数据覆盖完整性要求,特选取行车道和应急车道分别作为路线进行测量数据采集。由于考虑到白天车道上车辆较多,特选取在夜间进行测量数据采集。
由于考虑到天气及成果精度要求因素,为保证获取最优的数据成果,在以飞行器为移动平台进行数据采集时为提高单个脉冲能量,降低激光发射脉冲频率至50kHz,为保证扫描线边缘数据精度,限定扫描角度为40度进行测量数据采集。
通过车辆和飞行器和地面激光扫描设备获取到3组目标区域不同方位的原始三维数据,这三组原始三维数据的精度、密度不同。
将三组原始数据分别进行预处理。
首先对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理;使测区内航带间、子测区间点云数据匹配满足要求,然后进行航带间点云冗余数据去除,最后将去除冗余后的数据进行滤波去噪处理,得到精准的点云数据并存储。
然后对车辆上搭载的数据采集设备采集到的原始数据进行匹配优化处理;使两台采集设备获取的点云匹配满足要求,然后综合利用两次测量采集到的点云数据进行冗余去除,得到本次采集范围内的有效数据;最后将上述数据进行滤波去噪处理,得到精准的点云数据并存储。
最后将固定式地面激光扫描设备采集到的原始数据进行匹配优化处理;使多个连续测站采集的点云数据匹配满足要求,最后将匹配后的数据进行滤波去噪处理,得到精准的点云数据并存储。
具体实施例中:对获取的原始数据进行数据平差处理。
具体实施例中:对获取的原始数据进行数据接边处理优化。
具体实施例中:对获取的原始数据进行数据匹配处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
按照规划路线,将500平方公里范围内的数据进行区域划分,数据采集设备以车辆为载体采集的数据沿行进路线按150米*150米格网进行分幅管理,数据采集设备以飞行器为载体采集的数据按1公里*1公里格网进行分幅管理,固定式地面激光扫描设备采集的数据以点间距3厘米采样的基础上按3米*3米格网进行分幅管理,然后进行数据纠正,纠正后按500米*500米格网进行管理。具体实施例中:首先,按照划分的区域,将该区域内的数据根据轨迹线的解算精度或控制点判定通过飞行器、车辆和固定式地面激光扫描设备获取的三组点云数据的精度,并以精度较高的点云数据作为参考,对另外两组数据精度较低的点云数据进行纠正分析,提取纠正点,并根据纠正点生成纠正模型;然后,根据纠正模型对另外两组点云数据中精度较差的数据进行纠正分析;最后,通过构建数字表面模型检查数据融合精度。
当出现就该500平方公里范围内通过车辆或飞行器在不同时期进行数据采集的情况时。首先,根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后,提取变化区域内的现势性高的点云数据,并利用其对同区域原有数据进行替换,最后通过构建数字表面模型检查数据融合精度,得到测区范围内最具现势性的数据。
实施例2:
图2为本实施例提供的多平台点云数据融合方法的流程示意图,如图所示,该方法如下步骤:
S1数据采集:通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据,得到不同精度、不同密度、不同方位的原始数据;
S2数据预处理:将采集到的原始数据分别进行预处理,得到预处理后的点云数据;
S3数据融合:将预处理后的点云数据进行精度对比,并以精度较高的点云数据为依据,对精度较低的数据进行纠正分析,获取点云数据转换模型,并进行纠正融合;
S4数据组织管理:对融合后的点云数据进行关键点提取,并对关键点进行工程化组织管理。
如图3所示,一种多平台点云数据融合方法,其中所述数据采集具体步骤为:
S1.1)采集前的准备:
A)测线规划,针对不同平台的特点进行相应的数据采集路线规划、航线设计;
B)地面GNSS基站的选取和架设:根据所需精度与测量区域内GNSS观测环境GNSS基站覆盖半径为5公里;
C)设备检校:在进行数据采集前需要对移动平台上搭载的数据采集设备和固定式地面激光扫描设备进行检校;
S1.2)数据采集的过程为:
A)在地面GNSS基站处设有对卫星信号进行接收存储的GNSS接收机;其中:地面GNSS基站上设置的接收机需在移动平台进行数据采集前30分钟内进行工作,在移动平台完成数据采集后30分钟内停止工作;
B)按照规划测线利用选取的移动平台搭载数据采集设备进行数据采集;其中所述移动平台为:飞行器、车辆、船舶。
在具体实施例中:分别采用船舶、飞行器和车辆作为移动平台。在船舶上安装有两台数据采集设备,其采集设备的采集角度为360度,两台数据采集设备的采集角度的交叉点范围为35度。在飞行器上安装有一台数据采集设备,其采集设备的采集角度为50度。在车辆上安装有两台数据采集设备,其数据采集设备的采集角度均为360度,两台数据采集设备的采集角度的交叉点范围为75度。
如图4所示,一种多平台点云数据融合方法,所述数据预处理具体步骤为:
S2.1)单数据源匹配优化:将原始数据按照各自的采集方式进行管理和匹配优化处理;具体实施例中:将船舶上安装的数据采集设备获取的原始数据进行数据匹配优化处理;将飞行器上安装的数据采集设备获取的原始数据进行航带间、架次间的数据匹配优化处理;将车辆上安装的数据采集设备获取的原始数据进行匹配优化处理;将地面激光扫描设备获取的原始数据进行数据匹配优化处理;
S2.2)滤波去噪处理:分别将四组优化后的数据进行滤波去噪处理,得到四组点云数据。
具体实施例中:对获取的原始数据进行数据平差处理。
具体实施例中:对获取的原始数据进行数据接边处理优化。
具体实施例中:对获取的原始数据进行数据匹配处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中:可以对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
一种多平台点云数据融合方法,其中所述数据融合具体步骤为:
S3.1)数据分析:对不同来源的点云数据进行分析,建立数据模型;
S3.2)融合:根据数据分析后得到的模型对点云数据进行融合;
所述数据分析包括精度分析、对比分析;所述模型包括纠正模型、更新模型;
其中
所述精度分析:对不同来源的点云数据进行精度分析,并建立精度纠正模型;
所述纠正:根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合;
所述对比分析:对不同时间获取的点云数据进行变化分析;
所述更新:根据更新模型对变化区域内的数据进行更新。
如图5所示,对不同采集方式获取点云数据间融合的具体处理步骤为:
1)根据轨迹线的解算精度或地面控制点判定不同采集方式获取的点云数据的精度;
2)将精度较高的点云数据作为参考,提取纠正点,根据纠正点建立纠正模型;
3)将多幅纠正模型中的共同纠正点进行拼接,获取整体纠正模型;
4)根据纠正模型对精度较差的点云数据进行纠正分析;
5)通过构建数字表面模型检查数据融合精度。
如图6所示,对不同时间获取点云数据间融合的具体处理步骤为:
1)根据点云数据的采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况;
2)根据检测后点云数据变化范围提取纠正点,生成更新模型;
3)根据更新模型对精度较差的点云数据进行更新;
4)通过构建数字表面模型检查数据融合精度。
如图7所示,一种多平台点云数据融合方法,其中所述数据组织管理具体步骤为:
S5.1)关键点提取:对融合后的点云数据进行关键点提取,减少数据的存储量;
S5.2)数据划分:将提取的点云数据按照适用性进行数据划分;
S5.3)数据管理:对划分后的点云数据进行编码、位置信息确定。
具体实施例中:点云数据的划分形式为分块划分,按照测量规范标准分幅处理。
具体实施例中:点云数据的划分形式为分街区划分,按照建筑街区分幅处理。
具体实施例中:点云数据的划分形式为分建筑体划分,精细建模时按照建筑物分栋划分处理。
下面以一个更具体的细节方面的例子对上述内容加以说明。如图2所示,本实施例为:
对约300平方公里的地区进行基础地理信息点云数据采集和定期数据更新。在该地区需要获取地物和地貌三维数据。对所采取的路线进行测线规划,由于考虑到不同时段GNSS信号差异及地物遮挡因素,为保证获取最优的数据成果,采用船舶、飞行器和车辆作为移动平台,在移动平台上架设数据采集设备进行数据采集,同时根据所需精度与测量区域内观测环境,架设GNSS基站且基站覆盖半径为15公里。此外,在移动平台存在数据采集盲区的区域利用地面激光扫描设备进行数据补充采集。
在移动平台开始采集前,先对移动平台上架设的采集设备进行设备检校,获取准确的检校参数。
在具体实施例中:分别采用船舶上设有的数据采集器对河面以及河岸两侧进行数据采集,采用飞行器从空中对需要采集的区域进行数据采集,采用车辆沿测区内道路对需要采集的区域进行数据采集,通过地面激光扫描设备对固定点位区周边区域进行数据采集。
在具体实施例中:在船舶上安装有2台数据采集设备,其采集设备的采集角度为360度,两台数据采集设备的采集角度的交叉点范围为35度。在飞行器上安装有一台数据采集设备,其采集设备的采集角度为170度。在车辆上安装有两台数据采集设备,其数据采集设备的采集角度均为360度,两台数据采集设备的采集角度的交叉点范围为75度。地面激光扫描设备数据采集角度为360度。
然后进行外业扫描测量:
由地面GNSS基站对卫星信号进行接收、存储;地面GNSS基站上需在搭载有数据采集设备的移动平台进行数据采集作业前30分钟开始工作,数据采集作业结束后30分钟结束工作。
由于考虑到不同时段GNSS信号差异及地物遮挡因素,为保证获取最优的数据成果,在以船舶为移动平台进行数据采集时分别对航道进行单向的两次测量;在以车辆为移动平台进行数据采集时分别对双向车道进行单向的两次测量;考虑到保证数据覆盖完整性要求,特选取行车道和应急车道分别作为路线进行测量数据采集。由于考虑到白天车道上车辆较多,特选取在夜间进行测量数据采集。
由于考虑到天气及成果精度要求因素,为保证获取最优的数据成果,在以飞行器为移动平台进行数据采集时为提高单个脉冲能量,降低激光发射脉冲频率至50kHz,为保证扫描线边缘数据精度,限定扫描角度为40度进行测量数据采集。
通过船舶、车辆和飞行器和地面激光扫描设备获取到四组目标区域不同方位的原始三维数据,这四组原始三维数据的精度、密度不同。
将四组原始数据分别进行预处理。
首先对船舶上搭载的数据采集设备采集到的原始数据进行匹配优化处理,使两台采集设备获取的点云匹配满足要求,然后综合利用两次测量采集到的点云数据进行冗余去除,得到本次采集范围内的有效数据;最后将上述数据进行滤波去噪处理,得到精准的点云数据并存储。
然后对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理;使测区内航带间、子测区间点云数据匹配满足要求,然后进行航带间点云冗余数据去除,最后将去除冗余后的数据进行滤波去噪处理,得到精准的点云数据并存储。
然后对车辆上搭载的数据采集设备采集到的原始数据进行匹配优化处理;使两台采集设备获取的点云匹配满足要求,然后综合利用两次测量采集到的点云数据进行冗余去除,得到本次采集范围内的有效数据;最后将上述数据进行滤波去噪处理,得到精准的点云数据并存储。
最后将固定式地面激光扫描设备采集到的原始数据进行匹配优化处理;使多个连续测站采集的点云数据匹配满足要求,最后将匹配后的数据进行滤波去噪处理,得到精准的点云数据并存储。
具体实施例中:对获取的原始数据分别进行数据平差处理。
具体实施例中:对获取的原始数据进行数据接边处理优化。
具体实施例中:对获取的原始数据进行数据匹配处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
按照规划路线,将300平方公里范围内的数据进行区域划分,数据采集设备以船舶及车辆为载体采集的数据沿行进路线按150米*300米格网进行分幅管理,数据采集设备以飞行器为载体采集的数据按1公里*1公里格网进行分幅管理,固定式地面激光扫描设备采集的数据以点间距2-5厘米采样的基础上按3米*3米格网进行分幅管理,然后进行数据纠正,纠正后按500米*500米格网进行管理。具体实施例中:首先,按照划分的区域,将该区域内的数据根据轨迹线的解算精度或控制点判定通过船舶、飞行器、车辆和固定式地面激光扫描设备获取的四组点云数据的精度,并以精度较高的点云数据作为参考,对另外三组数据精度较低的点云数据进行纠正分析,提取纠正点,并根据纠正点生成纠正模型;然后,根据纠正模型对另外三组点云数据中精度较差的数据进行纠正分析;最后,通过构建数字表面模型检查数据融合精度。
当出现就该300平方公里范围内通过车辆或飞行器在不同时期进行数据采集的情况时。首先,根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后,提取变化区域内的现势性高的点云数据,并利用其对同区域原有数据进行替换,最后通过构建数字表面模型检查数据融合精度,得到测区范围内最具现势性的数据。
将融合后的数据进行数据组织管理。
关键点提取:对融合后的点云数据进行关键点提取,减少数据的存储量;
数据划分:将提取的点云数据按照适用性进行数据划分;
数据管理:对划分后的点云数据进行编码、位置信息确定。
具体实施例中:点云数据的划分形式为分块划分,按照测量规范标准分幅处理。,按照测量规范标准分幅处理。
具体实施例中:点云数据的划分形式为分街区划分,按照建筑街区分幅处理。
具体实施例中:点云数据的划分形式为分建筑体划分,精细建模时按照建筑物分栋划分处理。
实施例3:
图2为本实施例提供的多平台点云数据融合方法的流程示意图,如图所示,该方法如下步骤:
S1数据采集:通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据,得到不同精度、不同密度、不同方位的原始数据;
S2数据预处理:将采集到的原始数据分别进行预处理,得到预处理后的点云数据;
S3数据融合:将预处理后的点云数据进行精度对比,并以精度较高的点云数据为依据,对精度较低的数据进行纠正分析,获取点云数据转换模型,并进行纠正融合;
S4数据组织管理:对融合后的点云数据进行关键点提取,并对关键点进行工程化组织管理。
如图3所示,一种多平台点云数据融合方法,其中所述数据采集具体步骤为:
S1.1)采集前的准备:
A)测线规划,针对不同平台的特点进行相应的数据采集路线规划、航线设计;
B)地面GNSS基站的选取和架设:根据所需精度与测量区域内GNSS观测环境GNSS基站覆盖半径为5公里;
C)设备检校:在进行数据采集前需要对移动平台上搭载的数据采集设备和固定式地面激光扫描设备进行检校;
S1.2)数据采集的过程为:
A)在地面GNSS基站处设有对卫星信号进行接收存储的GNSS接收机;其中:地面GNSS基站上设置的接收机需在移动平台进行数据采集前30分钟内进行工作,在移动平台完成数据采集后30分钟内停止工作;
B)按照规划测线利用选取的移动平台搭载数据采集设备进行数据采集;其中所述移动平台为:飞行器。
在具体实施例中:采用飞行器作为移动平台。其采集设备的采集角度为160度。
如图4所示,一种多平台点云数据融合方法,所述数据预处理具体步骤为:
S2.1)单数据源匹配优化:将原始数据按照各自的采集方式进行管理和匹配优化处理;具体实施例中:将飞行器上安装的数据采集设备获取的原始数据进行航带间、架次间的数据匹配优化处理;
S2.2)滤波去噪处理:分别将两组优化后的数据进行滤波去噪处理,得到两组点云数据。
具体实施例中:对获取的原始数据进行数据平差处理。
具体实施例中:对获取的原始数据进行数据接边处理优化。
具体实施例中:对获取的原始数据进行数据匹配处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的任意两组进行处理。
具体实施例中:可以对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
一种多平台点云数据融合方法,其中所述数据融合具体步骤为:
S3.1)数据分析:对不同来源的点云数据进行分析,建立数据模型;
S3.2)融合:根据数据分析后得到的模型对点云数据进行融合;
所述数据分析包括精度分析、对比分析;所述模型包括纠正模型、更新模型;
其中
所述精度分析:对不同来源的点云数据进行精度分析,并建立精度纠正模型;
所述纠正:根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合;
所述对比分析:对不同时间获取的点云数据进行变化分析;
所述更新:根据更新模型对变化区域内的数据进行更新。
如图5所示,对不同采集方式获取点云数据间融合的具体处理步骤为:
1)根据轨迹线的解算精度或地面控制点判定不同采集方式获取的点云数据的精度;
2)将精度较高的点云数据作为参考,提取纠正点,根据纠正点建立纠正模型;
3)将多幅纠正模型中的共同纠正点进行拼接,获取整体纠正模型;
4)根据纠正模型对精度较差的点云数据进行纠正分析;
5)通过构建数字表面模型检查数据融合精度。
如图6所示,对不同时间获取点云数据间融合的具体处理步骤为:
1)根据点云数据的采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况;
2)根据检测后点云数据变化范围提取纠正点,生成更新模型;
3)根据更新模型对精度较差的点云数据进行更新;
4)通过构建数字表面模型检查数据融合精度。
如图7所示,一种多平台点云数据融合方法,其中所述数据组织管理具体步骤为:
S5.1)关键点提取:对融合后的点云数据进行关键点提取,减少数据的存储量;
S5.2)数据划分:将提取的点云数据按照适用性进行数据划分;
S5.3)数据管理:对划分后的点云数据进行编码、位置信息确定。
具体实施例中:点云数据的划分形式为分块划分,按照测量规范标准分幅处理。
具体实施例中:点云数据的划分形式为分街区划分,按照建筑街区分幅处理。
具体实施例中:点云数据的划分形式为分建筑体划分,精细建模时按照建筑物分栋划分处理。
下面以一个更具体的细节方面的例子对上述内容加以说明。如图2所示,本实施例为:
对一段范围在600平方公里的地区进行点云数据采集,在该地区需要获取地物和地貌三维数据。对所采取的路线进行路线规划,由于考虑到不同时段GNSS信号差异及地物遮挡因素,为保证获取最优的数据成果,采用飞行器作为移动平台,在移动平台上架设数据采集设备进行数据采集,同时根据所需精度与测量区域内观测环境,架设GNSS基站且基站覆盖半径为20公里。此外,在移动平台存在数据采集盲区的区域利用地面激光扫描设备进行数据补充采集。
在移动平台开始采集前,先对移动平台上架设的采集设备进行设备检校,获取准确的检校参数,同时对地面激光扫描设备进行检校。
在具体实施例中:采用飞行器从空中对需要采集的区域进行数据采集,通过固定GNSS基站上架设的地面激光扫描设备对固定点位区域进行数据采集。
在具体实施例中:在飞行器上安装有一台数据采集设备,其采集设备的采集角度为160度。地面激光扫描设备数据采集角度为360度。
然后进行外业扫描测量:
由地面GNSS基站对卫星信号进行接收、存储;地面GNSS基站上需在搭载有数据采集设备的移动平台进行数据采集前作业前20分钟开始工作,数据采集作业结束后20分钟结束工作。
由于考虑到天气及成果精度要求因素,为保证获取最优的数据成果,在以飞行器为移动平台进行数据采集时为提高单个脉冲能量,降低激光发射脉冲频率至50kHz,为保证扫描线边缘数据精度,限定扫描角度为40度进行测量数据采集。
通过飞行器和GNSS基站上架设的地面激光扫描设备获取到两组目标区域不同方位的原始三维数据,这两组原始三维数据的精度、密度不同。
将两组原始数据分别进行预处理。
对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理;使测区内航带间、子测区间点云数据匹配满足要求,然后进行航带间点云冗余数据去除,最后将去除冗余后的数据进行滤波去噪处理,得到精准的点云数据并存储。
将固定式地面激光扫描设备采集到的原始数据进行匹配优化处理;使多个连续测站采集的点云数据匹配满足要求,最后将匹配后的数据进行滤波去噪处理,得到精准的点云数据并存储。
具体实施例中:对获取的原始数据进行数据平差处理。
具体实施例中:对获取的原始数据进行数据接边处理优化。
具体实施例中:对获取的原始数据进行数据匹配处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
按照规划路线,将600平方公里范围内的数据进行区域划分,数据采集设备以飞行器为载体采集的数据按1公里*1公里格网进行分幅管理,固定式地面激光扫描设备采集的数据以点间距2厘米采样的基础上按3米*3米格网进行分幅管理,然后进行数据纠正,纠正后按500米*500米格网进行管理。具体实施例中:首先,按照划分的区域,将该区域内的数据根据轨迹线的解算精度或控制点判定通过飞行器和固定式地面激光扫描设备获取的两组点云数据的精度,并以精度较高的点云数据作为参考,对另一组数据精度较低的点云数据进行纠正分析,提取纠正点,并根据纠正点生成纠正模型;然后,根据纠正模型对另一组点云数据中精度较差的数据进行纠正分析;最后,通过构建数字表面模型检查数据融合精度。
当出现就该600平方公里范围内通过飞行器在不同时期进行数据采集的情况时。首先,根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后,提取变化区域内的现势性高的点云数据,并利用其对同区域原有数据进行替换,最后通过构建数字表面模型检查数据融合精度,得到测区范围内最具现势性的数据。
将融合后的数据进行数据组织管理。
关键点提取:对融合后的点云数据进行关键点提取,减少数据的存储量;
数据划分:将提取的点云数据按照适用性进行数据划分;
数据管理:对划分后的点云数据进行编码、位置信息确定。
具体实施例中:点云数据的划分形式为分块划分,按照测量规范标准分幅处理。,按照测量规范标准分幅处理。
具体实施例中:点云数据的划分形式为分街区划分,按照建筑街区分幅处理。
具体实施例中:点云数据的划分形式为分建筑体划分,精细建模时按照建筑物分栋划分处理。
实施例4:
图1为本实施例提供的多平台点云数据融合方法的流程示意图,如图所示,该方法如下步骤:
S1数据采集:通过架设在不同平台上的数据采集设备获取目标区域内地物、地貌三维数据,得到不同精度、不同密度、不同方位的原始数据;
S2数据预处理:将采集到的原始数据分别进行预处理,得到预处理后的点云数据;
S3数据融合:将预处理后的点云数据进行精度对比,并以精度较高的点云数据为依据,对精度较低的数据进行纠正分析,获取点云数据转换模型,并进行纠正融合。
如图3所示,一种多平台点云数据融合方法,其中所述数据采集具体步骤为:
S1.1)采集前的准备:
A)测线规划,针对不同平台的特点进行相应的数据采集路线规划、航线设计;
B)设备检校:在进行数据采集前需要对移动平台上搭载的数据采集设备进行检校;
C)设备检校:在进行数据采集前需要对移动平台上搭载的数据采集设备进行检校;
S1.2)数据采集的过程为:
按照规划测线利用选取的移动平台搭载数据采集设备进行数据采集;其中所述移动平台可为:飞行器、车辆。
在具体实施例中:分别采用飞行器和车辆作为移动平台。在飞行器上安装有一台数据采集设备,其采集设备的采集角度为150度。在车辆上安装有两台数据采集设备,其数据采集设备的采集角度均为360度,两台数据采集设备的采集角度的交叉点范围为50度。
如图4所示,一种多平台点云数据融合方法,所述数据预处理具体步骤为:
S2.1)单数据源匹配优化:将原始数据按照各自的采集方式进行管理和匹配优化处理;具体实施例中:将飞行器上安装的数据采集设备获取的原始数据进行航带间、架次间的数据匹配优化处理;将车辆上安装的数据采集设备获取的原始数据进行匹配优化处理;
S2.2)滤波去噪处理:分别将两组优化后的数据进行滤波去噪处理,得到两组点云数据。
具体实施例中:对获取的原始数据进行数据平差处理。
具体实施例中:对获取的原始数据进行数据接边处理优化。
具体实施例中:对获取的原始数据进行数据匹配处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
一种多平台点云数据融合方法,其中所述数据融合具体步骤为:
S3.1)数据分析:对不同来源的点云数据进行分析,建立数据模型;
S3.2)融合:根据数据分析后得到的模型对点云数据进行融合;
所述数据分析包括精度分析、对比分析;所述模型包括纠正模型、更新模型;
其中
所述精度分析:对不同来源的点云数据进行精度分析,并建立精度纠正模型;
所述纠正:根据精度分析后得到的纠正模型对数据精度较低的点云数据进行纠正并融合;
所述对比分析:对不同时间获取的点云数据进行变化分析;
所述更新:根据更新模型对变化区域内的数据进行更新。
如图5所示,对不同采集方式获取点云数据间融合的具体处理步骤为:
1)根据轨迹线的解算精度或地面控制点判定不同采集方式获取的点云数据的精度;
2)将精度较高的点云数据作为参考,提取纠正点,根据纠正点建立纠正模型;
3)将多幅纠正模型中的共同纠正点进行拼接,获取整体纠正模型;
4)根据纠正模型对精度较差的点云数据进行纠正分析;
5)通过构建数字表面模型检查数据融合精度。
如图6所示,对不同时间获取点云数据间融合的具体处理步骤为:
1)根据点云数据的采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况;
2)根据检测后点云数据变化范围提取纠正点,生成更新模型;
3)根据更正模型对精度较差的点云数据进行更新;
4)通过构建数字表面模型检查数据融合精度。
下面以一个更具体的细节方面的例子对上述内容加以说明。如图1所示,本实施例为:
对一段约为200平方公里范围内地区进行点云数据采集,在该地区设有地物和地貌。对所采取的路线进行路线规划,为保证获取最优的数据成果,采用飞行器从空中对需要采集的区域进行数据采集,采用车辆沿测区内道路对需要采集的区域进行数据采集。
在移动平台开始采集前,先对移动平台上架设的采集设备进行设备检校。
在具体实施例中:分别采用飞行器从空中对需要采集的区域进行数据采集,采用车辆从路面对需要采集的区域进行数据采集。
在具体实施例中:分别采用飞行器和车辆作为移动平台。在飞行器上安装有一台数据采集设备,其采集设备的采集角度为150度。在车辆上安装有两台数据采集设备,其数据采集设备的采集角度均为360度,两台数据采集设备的采集角度的交叉点范围为50度。
然后进行外业扫描测量:
为保证获取最优的数据成果,在以车辆为移动平台进行数据采集时分别对双向车道进行了单向的两次测量;考虑到保证数据覆盖完整性要求,特选取行车道和应急车道分别作为路线进行测量数据采集
由于考虑到天气及地物遮挡因素,为保证获取最优的数据成果,在以飞行器为移动平台进行数据采集时降低激光发射脉冲频率至70kHz,增加单个激光脉冲能量,进行测量数据采集。
通过车辆和飞行器获取到两组目标区域不同方位的原始三维数据,这两组原始三维数据的精度、密度不同。
将两组原始数据分别进行预处理。
对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理;使测区内航带间、子测区间点云数据匹配满足要求,然后进行航带间点云冗余数据去除,最后将去除冗余后的数据进行滤波去噪处理,得到精准的点云数据并存储。
对车辆上搭载的数据采集设备采集到的原始数据进行匹配优化处理;使两台采集设备获取的点云匹配满足要求,然后综合利用两次测量采集到的点云数据进行冗余去除,得到本次采集范围内的有效数据;最后将上述数据进行滤波去噪处理,得到精准的点云数据并存储。
具体实施例中:对获取的原始数据进行数据平差处理。
具体实施例中:对获取的原始数据进行数据接边处理优化。
具体实施例中:对获取的原始数据进行数据匹配处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
按照规划路线,将200平方公里范围内的数据进行区域划分,数据采集设备以车辆为载体采集的数据沿行进路线按150米*150米格网进行分幅管理,数据采集设备以飞行器为载体采集的数据按1公里*1公里格网进行分幅管理,然后进行数据纠正,纠正后按500米*500米格网进行管理。具体实施例中:首先,按照划分的区域,将该区域内的数据根据轨迹线的解算精度判定通过飞行器、车辆上搭载的激光扫描设备获取的两组点云数据的精度,并以精度较高的点云数据作为参考,对另一组数据精度较低的点云数据进行纠正分析,提取纠正点,并根据纠正点生成纠正模型;然后,根据纠正模型对另一组点云数据中精度较差的数据进行纠正分析;最后,通过构建数字表面模型检查数据融合精度。
当出现就该200平方公里范围内通过车辆或飞行器在不同时期进行数据采集的情况时。首先,根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后,提取变化区域内的现势性高的点云数据,并利用其对同区域原有数据进行替换,最后通过构建数字表面模型检查数据融合精度,得到测区范围内最具现势性的数据。
由此可见:
本发明实施例中的多平台点云数据融合方法可以满足:
1、多平台激光点云数据融合弥补了各平台采集点云的方位缺陷,融合获取360度全方位的激光点云数据,为数据生产提供全方位的基础资料;
2、本发明实现了多平台、多时段采集点云数据的融合管理,实现了多时空、多平台数据一体化;
3、该技术为三维体框模型制作带来了全新的数据支持,促进了逼真、精细的建模。
虽然通过实施例描绘了本发明实施例,本领域普通技术人员知道,本发明有许多变形和变化而不脱离本发明的精神,希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。