CN105678097A - 数字高程模型自动化构建方法 - Google Patents

Abstract

本发明提供了数字高程模型自动化构建方法，包括以下步骤：S1、导入构建DEM的DSM，并对导入的DSM进行测区分块，生成原始矢量数据源；S2、选取人工地物基准点，并根据人工地物基准点对原始矢量数据源进行矢量提取，得到矢量数据；S3、对矢量数据进行平面编辑，并将经过平面编辑的矢量数据进行测区合并，生成矢量数据源；S4、对矢量数据源进行滤波处理和插值处理，生成DEM。本发明通过人工选取少量基准点，并以该基准点进行矢量数据的自动化提取，有效的保证了构建的数字高程模型具有高精度，同时还大幅度的减少了人工工作量，保证数字高程模型的准确性，以及通过平滑滤波，能够更好的反应微地貌的地形特征。

Description

数字高程模型自动化构建方法

技术领域

本发明涉及数字高程模型技术领域，具体涉及一种数字高程模型自动化构建方法。

背景技术

数字摄影测量(Basicconceptofdigitalphotogrammetry)是基于数字影像和摄影测量的基本原理，其是具体应用计算机技术、数字影像处理、影像匹配、模式识别等多学科的理论与方法来实现的，为通过提取所摄对象以数字方式表达的几何与物理信息的摄影测量学的分支学科。

在应用中，通常利用数字摄影测量技术来进行生产高精度的数字高程模型(DigitalElevationModel，DEM)和数字正射影像图(DigitalOrthophotoMap，DOM)，以此来满足各行各业对于数字地图的需求。

目前，基于数字摄影测量的工作站来生产DEM的方法主要有以下三种：

第一种方法为：在线核实采样后，根据相对定向得到的影像，匹配点与矢量采集的特征点线数据，自动进行影像立体相关匹配，并获得像方DEM，再通过编辑匹配点，使像方DEM点切准地面，然后构建不规则三角网(TriangulatedIrregularNetwork，TIN)，通过内插方式来生成DEM；

第二种方法为：将立体模型下采集的等高线、高程注记点、特征数据等矢量数据构建TIN，并内插TIN数据来生成DEM；

第三种方法为：采用完全自动关联的方式，自动生成具有大范围的DEM，并进一步的将大范围的DEM裁切为图幅DEM。

然而，目前常用的三种DEM的构建方法都存在其不足之处，具体的说：

第一种方法和第三种方法原理基本相似，其最大的不同点在于第一种方法在生成DEM过程中加入了特征数据，进而提高了地貌的特征及细节的表达能力，因而有利于提高数据精度，但其人工编辑工作量巨大；第二种方法需要人工在立体模型下进行特征点线的编辑，同样也需要大量的人工编辑工作；第三种方法通过计算机全自动反复滤波的方式，为大区域直接生成DEM，并自动裁切为图幅DEM，不需要人工的参与，生产效率较高，但采用这种方法生成的DEM由于受反复滤波和自动匹配误差的影响，会影响生成的DEM的精度，造成构建的DEM精度差，无法满足对于DEM的高精度要求。

因此，如何提供一种更加方便的进行DEM自动化构建，同时有效的保证构建的DEM具有良好的精准度的方法就成为了亟待解决的问题。

发明内容

本发明提供了一种数字高程模型自动化构建方法，具有应用方便的优点，通过自动化矢量数据提取的方法来进行DEM构建，有效的节省了人工工作量，缩短了DEM构建的生产周期，能够进一步的满足数据时效性的要求。

本发明的数字高程模型自动化构建方法，包括以下步骤：

S1、导入构建DEM的DSM，并对导入的DSM进行测区分块，生成原始矢量数据源；

S2、选取人工地物基准点，并根据人工地物基准点对原始矢量数据源进行矢量提取，得到矢量数据；

S3、对矢量数据进行平面编辑，并将经过平面编辑的矢量数据进行测区合并，生成矢量数据源；

S4、对矢量数据源进行滤波处理和插值处理，生成DEM。

优选的，步骤S1中还包括：对DSM进行预插值处理，生成预览DSM，并对预览DSM进行预览显示。

优选的，步骤S2中矢量数据包括水体矢量数据和人工地物矢量数据；其中，水体矢量数据根据水体特征提取；人工地物矢量数据根据人工地物基准点提取。

进一步优选的，水体特征包括水体像素值、水体纹理信息、水体高程信息、水体面积信息。

优选的，步骤S3中平面编辑分析矢量数据，改正矢量数据中误提取数据，并补充提取缺失的矢量数据。

优选的，步骤S4中滤波处理过滤去除矢量数据源中非地形信息的数字高程模型。

优选的，步骤S4中插值处理根据约束条件对矢量数据源进行插值。

优选的，矢量数据源包括五个矢量图层；五个矢量图层为城市特征线、城市特征面、河流、湖泊和山区植被。

本发明的数字高程模型自动化构建方法，通过人工选取少量基准点，并以该基准点进行矢量数据的自动化提取，有效的保证了构建的数字高程模型具有高精度，同时还大幅度的减少了人工工作量，保证数字高程模型的准确性，以及通过平滑滤波，能够更好的反应微地貌的地形特征。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明数字高程模型自动化构建方法的一个实施例的流程图。

图2为本发明数字高程模型自动化构建方法的一个实施例的矢量数据自动提取总体效果图。

图3为本发明数字高程模型自动化构建方法的一个实施例的水体矢量数据自动提取效果图。

图4为本发明数字高程模型自动化构建方法的一个实施例的测区分块示意图。

图5为本发明数字高程模型自动化构建方法的一个实施例的人工地物基准点选取示意图。

图6为本发明数字高程模型自动化构建方法的一个实施例的矢量数据提取示意图。

图7为本发明数字高程模型自动化构建方法的一个实施例的平面编辑示意图。

图8为本发明数字高程模型自动化构建方法的一个实施例的DEM数据示意图。

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、完整地描述，显然，所描述的实施例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作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。

图1为本发明数字高程模型自动化构建方法的一个实施例的流程图。

如图1所示，本实施例中采用本发明数字高程模型自动化构建方法具体包括以下步骤：

S1、导入构建DEM的DSM，并对导入的DSM进行测区分块，生成原始矢量数据源。

具体的，数字表面模型(DigitalSurfaceModel，DSM)为数字摄影测量中生成的数据。

将用于构建DEM的DSM导入至用于处理数据的处理器中，以便进行DEM的构建。

由于数字摄影测量技术在工作的过程中会产生大量的数据，即DSM，且需要进行DEM构建的DSM的测区较大时，例如测区中数据量超过500G时，由于数据处理器性能的限制，会严重的影响DEM构建的效率，因此，需要对导入的DSM进行测区分块，将较大的测区相应的划分为单个的小测区，以此生成原始矢量数据源，并对划分后具有小测区的原始矢量数据源进行单独的矢量提取，能够有效的提高DEM的构建速度。

进一步的，步骤S1中还包括：对DSM进行预插值处理，生成预览DSM，并对预览DSM进行预览显示。

在根据DSM进行DEM构建的初期，将DSM数据导入后，为了使得初始数据能够更加清晰、明确的展示在用户面前，需要对初始的DSM数据进行显示。

然而，由于DSM中可能存在不连续、缺漏数据等问题存在，因此，为了使得显示出的DSM更加的完整、平滑，需要对DSM数据进行预插值处理，通过向DSM中插入无效值来平滑其内部数据，生成预览DSM，并将预览DSM进行预览显示，以便查看。

其中，生成的预览DSM主要用于预览显示使用，而不对其进行进一步的处理。

S2、选取人工地物基准点，并根据人工地物基准点对原始矢量数据源进行矢量提取，得到矢量数据。

具体的，由于即使对DSM进行了测区分块，但实际上每个测区中还是包含了大量的DSM数据，如直接对测区中DSM进行矢量提取的话，很可能会由于测区中没有相应的基准参考，而使得矢量提取的精确度无法得到有效的保证。

因此，需要对原始矢量数据源进行人工地物基准点的选取，以通过人工地物基准点作为矢量提取时人工地物的基准点来辅助矢量提取的进行，并保证矢量提取的人工地物矢量数据具有良好的准确性。

进一步的，人工地物基准点的选取需要处于平面地区的像素高程上，而不应选在高程突变地区的位置上，同时还应保证人工地物基准点应在测区中均匀分布，以便进一步的保证矢量提取的精确度。

对原始矢量数据源进行矢量提取后得到的矢量数据可分为人工地物矢量数据和水体矢量数据。

对于人工地物矢量数据，对原始矢量数据源根据人工地物及基准点进行矢量提取时，可根据人工地物的特征按照坡度蔓延法则来生成掩码数据，并根据掩码数据来进一步的提取人工地物矢量数据。

同时，进行人工地物矢量数据提取时，还可根据人工地物的高程特征、形状、面积等特征来结合人工地物基准点来进行，以使得提取的人工地物矢量数据更加的准确。

而对于水体矢量数据，在对原始矢量数据源中水体体征信息的矢量提取过程中，通过水体体征信息来进行矢量提取，能够有效的保证水体体征信息的提取具有良好的准确性。

其中，水体体征信息具体可包括水体像素值、水体纹理信息、水体高程信息、水体面积信息等信息，以此来辅助水体矢量数据的提取。

进一步的，对水体体征信息设定的同时，还可针对水体体征信息进行矢量膨胀范围的设定，通过设定的矢量膨胀范围能够保证在进行水体矢量数据提取的过程中，矢量数据能够有效的、完全的覆盖水体所处的范围，进一步的保证水体矢量数据采集的准确性。

进一步的，原始矢量数据源中共包括五个矢量图层；五个矢量图层为城市特征线、城市特征面、河流、湖泊和山区植被，通过针对原始矢量数据源中提取的不同矢量数据，将其进行分类后存放至相应的矢量图层中。

S3、对矢量数据进行平面编辑，并将经过平面编辑的矢量数据进行测区合并，生成矢量数据源。

具体的，将步骤S2中生成的矢量数据进行平面编辑，并在平面编辑后进行测区合并，使得矢量数据恢复成为一个整体的测区，使矢量数据具有统一的整体。

进一步的，平面编辑的过程具体针对矢量数据进行矢量数据的建立、删除、编辑等基本操作，以及还包括针对矢量数据进行节点编辑、膨胀范围设定、矢量数据合并、矢量数据分割等高级编辑操作，以便改正矢量数据中误提取数据，并补充提取缺失的矢量数据，使得经过平面编辑的矢量数据能够更加准确的反映出高程信息。

其中，平面编辑可通过工作人员进行手工选取，以便能够使平面编辑处理的过程更加贴近矢量数据的实际情况，保证矢量数据的平面编辑更加准确，即，平面编辑可根据工作人员的相关经验参数来进行选取。

由于矢量数据源是根据原始矢量数据源通过矢量提取来获得的，因此矢量数据源具有与原始矢量数据源中相同结构，具体为包括五个矢量图层，即为：城市特征线、城市特征面、河流、湖泊和山区植被，其在每个不同的矢量图层中存取不同的数量数据。

在对经过平面编辑的矢量数据进行测区合并的过程中，需要按矢量数据所处的不同的矢量图层进行相对应的合并，例如城市特征线与城市特征线矢量数据的合并；城市特征面与城市特征面矢量数据的合并；河流与河流矢量数据的合并；湖泊与湖泊矢量数据的合并；以及山区植被层与山区植被层矢量数据的合并，以便保证生成的矢量数据源更加准确。

S4、对矢量数据源进行滤波处理和插值处理，生成DEM。

具体的，对生成的矢量数据源进行滤波处理，由于DSM中包含了地表建筑物、桥梁、树木等多种地物高程模型，而DEM中实际上仅包括地形高程模型，而并不包含地物高程模型，因此需要对DSM中的地物高程模型进行去除，以便获得具有更准确，具有更高精度的DEM。

同时，为了使生成的DEM在显示时更加平滑、顺畅，还需要对矢量数据源进行插值处理，并且，在进行插值处理的过程中还需要根据约束条件对插值处理的过程进行约束，使得在插值的过程中，自动将矢量人工地物进行滤除，生成高精度的DEM数据。

图2为本发明数字高程模型自动化构建方法的一个实施例的矢量数据自动提取总体效果图；图3为本发明数字高程模型自动化构建方法的一个实施例的水体矢量数据自动提取效果图；图4为本发明数字高程模型自动化构建方法的一个实施例的测区分块示意图；图5为本发明数字高程模型自动化构建方法的一个实施例的人工地物基准点选取示意图；图6为本发明数字高程模型自动化构建方法的一个实施例的矢量数据提取示意图；图7为本发明数字高程模型自动化构建方法的一个实施例的平面编辑示意图；图8为本发明数字高程模型自动化构建方法的一个实施例的DEM数据示意图。

以下为一个实施例运用本发明的数字高程模型自动化构建方法进行DEM构建的具体示例。

针对某地进行DEM构建。

首先，通过数字摄影测量采集该地地表高程信息，并生成DSM。

其次，将该地DSM导入DEM构建处理器中进行DEM构建。

具体的，先将DSM区域进行测区分块，以便DSM进行后续的分块处理，图4所示的即为本实施例运用本发明数字高程模型自动化构建方法的测区分块示意图。

通过本发明的方法进行水体矢量数据提取的效果如图3所示，图3中详细的显示出采用本发明针对水体进行水体矢量数据采集的效果。

人工选取种子点，图5所示即为本实施例采用本发明数字高程模型自动化构建方法的人工地物基准点选取示意图，每个测区都均匀的选取一定数量的种子点。

并且，根据人工选取的种子点信息，并结合人工地物的具体特征，如形状、纹理、颜色等信息，以此来进行人工地物的矢量提取。

图7所示即为本实施例采用为本发明数字高程模型自动化构建方法的平面编辑示意图，以自动化提取的矢量数据进行人工编辑修改，以修正误提取的人工地物信息，直至达到理想的效果为止。

将分测区提取的矢量结果进行测区合并，根据五个矢量图层分别进行测区矢量图层的合并，合并为一个矢量数据源，以便进行DSM数据的整体过滤。

最终，本实施例通过采用本发明的方法进行矢量提取的效果如图2所示，且图2中显示了针对该地全部矢量数据采集的效果。图3为针对图2显示的矢量提取效果中水体矢量数据提取的局部放大图，通过图3能够看出，通过本发明进行矢量提取时，水体矢量数据能够有效的区分并提取出来。

最终，通过本发明构建成DEM。

进一步具体的说，如图4、5、6、7、8所示为上述实施例构建DEM构建过程中具体的参数设定：

如图4所示，对导入的DSM进行测区分块，本实施例中具体测区分块的参数为：分块行数为5、分块列数为2。

针对河流、湖泊等水体矢量数据矢量提取的参数设置为过滤面积为100、显著性为0.12、膨胀范围为3像素，并进行自动过滤。

如图5所示，本实施例中，针对不同的测区的实际情况进行人工地物基准点的选取，在人工地物较为密集的测区中，选取5个以上的人工地物基准点，例如选取6个人工地物基准点；在人工地物较为稀疏以及水体范围的测区中，选取2～3个人工地物基准点。

设定人工地物矢量自动提取参数，蔓延阈值为0.3米、膨胀范围为3像素、过滤面积9，并根据人工地物基准点结合人工地物的高程特性、形状、面积等特征提取人工地物矢量数据。

同时，根据水体矢量数据矢量提取的参数提取水体矢量数据。

矢量数据提取的结果如图6所示。

对提取完成的矢量数据进行平面编辑，平面编辑的过程示意图如图7所示。

对经过平面编辑的矢量数据设定约束条件并进行滤波处理和插值处理，约束条件为羽化范围0米、输出分辨率0.3米。

并最终根据约束条件生成DEM，生成的DEM如图8所示。

本实施例采用本发明的数字高程模型自动化构建方法有效的减少了90％以上的人工工作量，保证了数字高程模型构建具有较高的效率，同时通过平滑滤波处理，使得构建的DEM能够更好的、更准确的反应该地的地形特征，保证构建的DEM具有更高的精度。

本发明的数字高程模型自动化构建方法，通过人工选取少量基准点，并以该基准点进行矢量数据的自动化提取，有效的保证了构建的数字高程模型具有高精度，同时还大幅度的减少了人工工作量，保证数字高程模型的准确性，以及通过平滑滤波，能够更好的反应微地貌的地形特征。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种数字高程模型自动化构建方法，其特征在于，包括以下步骤：

S1、导入构建DEM的DSM，并对导入的所述DSM进行测区分块，生成原始矢量数据源；

S2、选取人工地物基准点，并根据所述人工地物基准点对所述原始矢量数据源进行矢量提取，得到矢量数据；

S3、对所述矢量数据进行平面编辑，并将经过平面编辑的所述矢量数据进行测区合并，生成矢量数据源；

S4、对所述矢量数据源进行滤波处理和插值处理，生成DEM。

2.根据权利要求1所述的数字高程模型自动化构建方法，其特征在于，

所述步骤S1中还包括：

对所述DSM进行预插值处理，生成预览DSM，并对所述预览DSM进行预览显示。

3.根据权利要求1所述的数字高程模型自动化构建方法，其特征在于，

所述步骤S2中矢量数据包括水体矢量数据和人工地物矢量数据；

其中，所述水体矢量数据根据水体特征提取；

所述人工地物矢量数据根据所述人工地物基准点提取。

4.根据权利要求3所述的数字高程模型自动化构建方法，其特征在于，

所述水体特征包括水体像素值、水体纹理信息、水体高程信息、水体面积信息。

5.根据权利要求1所述的数字高程模型自动化构建方法，其特征在于，

所述步骤S3中平面编辑分析所述矢量数据，改正所述矢量数据中误提取数据，并补充提取缺失的所述矢量数据。

6.根据权利要求1所述的数字高程模型自动化构建方法，其特征在于，

所述步骤S4中滤波处理过滤去除所述矢量数据源中非地形信息的数字高程模型。

7.根据权利要求1所述的数字高程模型自动化构建方法，其特征在于，

所述步骤S4中插值处理根据约束条件对所述矢量数据源进行插值。

8.根据权利要求1所述的数字高程模型自动化构建方法，其特征在于，

所述矢量数据源包括五个矢量图层；

五个所述矢量图层为城市特征线、城市特征面、河流、湖泊和山区植被。