CN105783810A - 基于无人机摄影技术的工程土方量测量方法 - Google Patents

Abstract

本发明提供一种基于无人机摄影技术的工程土方量测量方法，其包括如下步骤：S1、点云数据获取；S2、对获取的点云数据进行预处理；S3、利用积分法进行土方量计算。本发明的基于无人机摄影技术的工程土方量测量方法测算精度高，工作效率好，可节约大量的人工成本。具体地，本发明的工程土方量测量方法采集原地表面密集点云高程数据和积分法计算土方量，该方法用少量像控点经过摄影测量解算，生成覆盖测区的密集点云数据，根据设定的土方测量边界和设计标高，用积分可获得精确的测量结果。

Description

基于无人机摄影技术的工程土方量测量方法

技术领域

本发明涉及一种土方量测量方法，尤其涉及一种基于无人机摄影技术的工程土方量测量方法。

背景技术

为了合理安排工程进度，准确计算工程费用，提高工程质量，通常需要高效、准确地计算土方量。工程土方测量是测绘工程应用中一个重要的组成部分，在土木工程建设中土方测量的准确性，直接影响工程的成本和进度，甚至是产生工程纠纷的主要因素，因此土方测量的质量在工程建设中起着至关重要的作用。

在土方量测量过程中，需要首先对土方量测量数据进行采集，然后根据采集的数据进行土方量计算。

目前，常用的土方测量数据采集方法有水准仪测量法、全站仪测量法、GPSRTK测量法、以及三维激光扫描测量法。

其中，水准仪对地形起伏大、方格网布设困难的测区该方法就不适应了，同时，该方法的测量精度受方格网的密度的影响，方格网越密，精度就越高，相比其他土方测量法，其测量精度低，成本更高。

全站仪测量法具有操作简单，仪器要求低等优点，适合测量面积较小和通视良好的测区，但一旦测区面积大和测区通视不好时，使用该方法测量时工作非常繁琐，且工作效率低下。

GPSRTK测量法是当前土方测量中应用较多的一种方法，该方法不受距离和通视限制，且测量速度快、精度高，可全天候、全天时测量。但RTK信号受水面、高压线、树木、建筑物等影响，此时该方法就不适应了。

三维激光扫描测量法作为一种新的技术，具有采集速度快、密度大、精度高、非接触和测量范围广等优点，但是由于该方法对于大区域的数据采集耗时较长，且三维扫描仪的价格十分昂贵，使之在一般土方工程当中应用较少。

进一步地，目前，常用的土方量计算方法包括：方格网法、断面法以及数字地面模型法。

然而，上述各计算方法中，还存在如下缺陷：方格网法土方测量要求测量格网节点的高程，这就需要预先进行方格网布设，然后再测量其节点高程，大大增加了工作量；断面法计算土方量的测量工作量一般较大，其精度与断面的间距和断面上高程点的选取有关使用数字地面模型法，使得外业作业人员工作量更大、强度更高。

因此，针对上述问题，有必要提出进一步的解决方案。

发明内容

本发明的目的在于提供一种基于无人机摄影技术的工程土方量测量方法，以克服现有技术中存在的不足。

为实现上述发明目的，本发明提供一种基于无人机摄影技术的工程土方量测量方法，其包括如下步骤：

S1、点云数据获取；

所述步骤S1包括：

S11、在测区范围内布设像控点，并测量所述布设像控点的坐标值；

S12、根据布设的像控点，利用无人机获取航摄影像数据；

S13、对获取的影像数据、以及POS数据和像控数据进行处理，得到点云数据；

S2、对获取的点云数据进行预处理；

所述步骤S2包括：

S21、对获取的点云数据进行格网化，形成格网化的点集数组；

S22、对格网化后形成的点集数组中的待定点进行平滑滤波；

S23、将测区范围分隔为多个凸多边形，并对测区范围的边界进行统一编码；

S3、利用积分法进行土方量计算；

所述步骤S3包括：

S31、判断点集数组中的各点与测区范围的位置关系，当点云在任一凸多边形的内部或边界上时，对其对应的立方体体积进行计算；

S32、基于步骤S31的计算结果，针对挖方和填方对应的土方量进行积分求和。

作为本发明的基于无人机摄影技术的工程土方量测量方法的改进，所述步骤S11具体包括：

根据测区范围向外扩展一定距离，测区范围按照9点法布设像控点，使用GPSRTK测量或全站仪精确测量布设像控点的坐标值。

作为本发明的基于无人机摄影技术的工程土方量测量方法的改进，所述步骤S12具体包括：

根据布设的像控点，设计无人机的航线，使其进行横纵双向重复飞行，以获取航摄影像数据。

作为本发明的基于无人机摄影技术的工程土方量测量方法的改进，所述步骤S13具体包括：

将获取的影像数据、以及POS数据和像控数据导入数字摄影测量工作站完成空三计算和密集点云生成，设置合理的点云输出间距，得到点云数据。

作为本发明的基于无人机摄影技术的工程土方量测量方法的改进，所述步骤S21具体包括：

获取测区边界平面坐标最大和最小值，并对其分别进行向上和向下取整到十位为(X_Max，Y_Max)、(X_Min，Y_Min)，然后按公式(1)根据设定的格网间距D计算网格行列数(R、C)，

最后，按公式(2)对点云CP进行格网化，求取其所在的格网行列号，进而存储在点集GCP_r，c(r＝1，...，R；c＝1，...，C)中，所有的点集GCP_r，c共同构成点集数组GCP；

其中，Pi为点云CP中的第i个点。

作为本发明的基于无人机摄影技术的工程土方量测量方法的改进，所述步骤S22具体包括：

设P为格网化后的点集数组GCP中的待定点，其所在的格网行列行为(i，j)，在相邻格网(i-1，j-1)、(i-1，j)、(i-1，j+1)、(i，j-1)、(i，j)、(i，j+1)、(i+1，j-1)、(i+1，j)、(i+1，j+1)中，求以P为圆心，半径为R的邻域内的所有点N，然后求得点P与其邻域内所有点的最大和最小梯度，按照公式(3)对待定点的高程值进行平滑处理，完成平滑滤波；

$\left\{\begin{array}{c}{Z}_P=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{Z}_{N_k},T_{Max}-T_{Min}>T_h\\ Z_P=Z_P,T_{Max}-T_{Min}\≤T_h\end{array}\right.---\left(3\right)$

其中，Z_P为点P的高程值，为邻域N内的第k点的高程值，T_Max、T_Min为最大和最小梯度，T_h为阈值，n为邻域N内点的个数。

作为本发明的基于无人机摄影技术的工程土方量测量方法的改进，所述步骤S23中，按照“点号，X坐标，Y坐标，下一相邻点点号，凸多边形编号”的格式对测区范围的边界进行统一编码。

作为本发明的基于无人机摄影技术的工程土方量测量方法的改进，所述步骤S31中，各点与测区范围的位置关系包括：

(1)点在凸多边形内；

对于点在凸多边形内部时，采用角度和判别法，即图多边形内的点与多边形顶点的夹角和等于360度，对应的计算公式(4)为：

∠P₁QP₂+∠P₂QP₃+...+∠P_n-1QP_n+∠P_nQP₁＝360°(4)

其中，P₁，P₂，...，P_n为凸多边形的顶点；

(2)点在凸多边形边上；

对于点在凸多边形边上时，采用公式(5)进行判断：

$(X_{P_1}-X_Q)(Y_{P_2}-Y_Q)-(X_{P_2}-X_Q)(Y_{P_1}-Y_Q)=0---\left(5\right)$

其中，(XQ，YQ)是Q点的坐标，是多边形顶点P1的坐标， 是多边形顶点P2的坐标；

(3)点在凸多边形顶点上；

对于点在凸多边形顶点上时，采用公式(6)进行判断；

$\left\{\begin{array}{c}{X}_Q\∈(X_{P_1},X_{P_2},...,X_{P_n})\\ Y_Q\∈(Y_{P_1},Y_{P_2},...,Y_{P_n})\end{array}\right.---\left(6\right)$

其中，(XQ，YQ)是Q点的坐标，i＝1，2，...，n，n是凸多边形顶点数；

(4)点在凸多边形外；

对于点在凸多边形外部时，采用角度和判别法，即图多边形外的点与多边形顶点的夹角和小于360度，对应的计算公式(7)为：

∠P₁QP₂+∠P₂QP₃+...+∠P_n-1QP_n+∠P_nQP₁＜360°(7)

其中，P₁，P₂，...，P_n为凸多边形的顶点。

作为本发明的基于无人机摄影技术的工程土方量测量方法的改进，所述步骤S31中，

当点云在任一凸多边形的内部或边界上时，按照公式(8)，进行立方体体积计算；

V＝L²ΔH(8)

其中，V为体积，L为点云间距，ΔH为点与设计标高的高程差。

作为本发明的基于无人机摄影技术的工程土方量测量方法的改进，所述步骤S32中，

针对挖方和填方对应的土方量，将计算得到的各个立方体体积，按公式(9)进行累加求和，最终求得测区的挖填土方量。

与现有技术相比，本发明的有益效果是：本发明的基于无人机摄影技术的工程土方量测量方法测算精度高，工作效率好，可节约大量的人工成本。具体地，本发明的工程土方量测量方法采集原地表面密集点云高程数据和积分法计算土方量，该方法用少量像控点经过摄影测量解算，生成覆盖测区的密集点云数据，根据设定的土方测量边界和设计标高，用积分可获得精确的测量结果。

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地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，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为本发明的基于无人机摄影技术的工程土方量测量方法的方法流程示意图；

图2为本发明中进行点云平滑滤波的示意图；

图3为本发明中对测区范围进行凸多边形化处理时的示意图；

图4为本发明中进行立方体积分法土方计算时的原理图；

图5为判断点集数组中的各点与测区范围的位置关系时，点在凸多边形内时的示意图；

图6为判断点集数组中的各点与测区范围的位置关系时，点在凸多边形外时的示意图；

图7为判断点集数组中的各点与测区范围的位置关系时，点在凸多边形边上时的示意图；

图8为判断点集数组中的各点与测区范围的位置关系时，点在凸多边形顶点上时的示意图；

图9为对比试验中测区范围的示意图，其中黑线所围区域即为测区范围；

图10为对比试验中，以CORSRTK碎布测量采集的高程点分布情况示意图；

图11为对比试验中，采用无人机航测法获取的点云分布情况示意图；

图12为对比试验中，耗时对比示意图；

图13为对比试验中，计算速度对比示意图；

图14为对比试验中，土方相对误差示意图。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

如图1所示，本发明的基于无人机摄影技术的工程土方量测量方法包括如下步骤：

S1、点云数据获取；

S2、对获取的点云数据进行预处理；

S3、利用积分法进行土方量计算。

所述步骤S1中，主要采用无人机航空摄影测量的方法，获取原地表点云的高程。然后，分别进行像控点布设测量、航摄影像获取、航测数据处理。所述步骤S1包括：

S11、在测区范围内布设像控点，并测量所述布设像控点的坐标值。

具体地，所述步骤S11包括：根据测区范围向外扩展一定距离，测区范围按照9点法布设像控点，使用GPSRTK测量或全站仪精确测量布设像控点的坐标值。同时，要求像控点应布设在没有高程落差、成像反差大、特征明显的地物点上。

S12、根据布设的像控点，利用无人机获取航摄影像数据。

具体地，所述步骤S12包括：根据布设的像控点，设计无人机的航线，使其进行横纵双向重复飞行，以获取高质量、高重叠度的航摄影像数据。

S13、对获取的影像数据、以及POS数据和像控数据进行处理，得到点云数据。

具体地，所述步骤S13包括：将获取的影像数据、以及POS数据和像控数据导入数字摄影测量工作站完成空三计算和密集点云生成，设置合理的点云输出间距，得到点云数据。其中，所述POS数据为对应无人机传感器的姿态参数数据。

所述步骤S2中，对获取的点云数据进行预处理的目的在于，对点云数据中高程异常值的平滑滤波以及测区边界线的规则编码。所述步骤S2包括：

S21、对获取的点云数据进行格网化，形成格网化的点集数组。

为了加速点云高程异常值的平滑滤波，首先对其进行格网化处理。

具体地，进行格网化处理时，首先，获取测区边界平面坐标最大和最小值，并对其分别进行向上和向下取整到十位为(X_Max，Y_Max)、(X_Min，Y_Min)，然后按公式(1)根据设定的格网间距D计算网格行列数(R、C)，

最后，按公式(2)对点云CP进行格网化，求取其所在的格网行列号，进而存储在点集GCP_r，c(r＝1，...，R；c＝1，...，C)中，所有的点集GCP_r，c共同构成点集数组GCP；

其中，Pi为点云CP中的第i个点。

S22、对格网化后形成的点集数组中的待定点进行平滑滤波。

摄影测量自动化获取点云数据时，常常因影像匹配异常会出现极少量的高程异常点。点云平滑滤波的目的是滤除点云中高程异常的点，获得高纯度的准确高程值，提高土方计算的精度。

如图2所示，具体地，进行平滑滤波时，设P为格网化后的点集数组GCP中的待定点，其所在的格网行列行为(i，j)，在相邻格网(i-1，j-1)、(i-1，j)、(i-1，j+1)、(i，j-1)、(i，j)、(i，j+1)、(i+1，j-1)、(i+1，j)、(i+1，j+1)中，求以P为圆心，半径为R的邻域内的所有点N，然后求得点P与其邻域内所有点的最大和最小梯度，按照公式(3)对待定点的高程值进行平滑处理，完成平滑滤波；

$\left\{\begin{array}{c}{Z}_P=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{Z}_{N_k},T_{Max}-T_{Min}>T_h\\ Z_P=Z_P,T_{Max}-T_{Min}\≤T_h\end{array}\right.---\left(3\right)$

其中，Z_P为点P的高程值，为邻域N内的第k点的高程值，T_Max、T_Min为最大和最小梯度，T_h为阈值，n为邻域N内点的个数。

S23、将测区范围分隔为多个凸多边形，并对测区范围的边界进行统一编码。

如图3所示，本发明提出的边界识别算法是基于凸多边形的，所以需对测区边界范围线进行凸多边形化处理。作为一种实施方式，P1，P2，...，P11为测区边界线顶点，该边界既不是凸多边形也不是凹多边形，虚线P4P11和P8P11将测区分割成三个凸多边形P1P2P3P4P11、P4P5P6P7P8P11和P8P9P10P11。

同时，为了体现各顶点之间的拓扑关系，即点与点之间的相邻关系和凸多边形与凸多边形之间的邻接关系，本发明中，采用的编码格式为“点号，X坐标，Y坐标，下一相邻点点号，凸多边形编号”。具体地，边界线的拓扑编码如表1所示：

表1

结合图4所示，所述步骤S3中，土方计算是以体积积分思想为原理，把测区整体看作是点云中各个点组成的细分立方体组成的，每个立方体的高为点云高程与设计标高的差ΔH，底面为边长为点云间距L的正方形，故积分单元的体积为V＝SΔH＝L²ΔH，累加求得所有的立方体体积和。当点云间距L足够小时，所得到的立方体体积和即为测区土方量。具体地，所述步骤S3包括：

S31、判断点集数组中的各点与测区范围的位置关系，当点云在任一凸多边形的内部或边界上时，对其对应的立方体体积进行计算。

其中，各点与测区范围的位置关系包括：

(1)点在凸多边形内；

如图5所示，对于点在凸多边形内部时，采用角度和判别法，即图多边形内的点与多边形顶点的夹角和等于360度，对应的计算公式(4)为：

∠P₁QP₂+∠P₂QP₃+...+∠P_n-1QP_n+∠P_nQP₁＝360°(4)

其中，P₁，P₂，...，P_n为凸多边形的顶点。

(2)点在凸多边形边上；

如图6所示，对于点在凸多边形边上时，采用公式(5)进行判断：

$(X_{P_1}-X_Q)(Y_{P_2}-Y_Q)-(X_{P_2}-X_Q)(Y_{P_1}-Y_Q)=0---\left(5\right)$

其中，(XQ，YQ)是Q点的坐标，是多边形顶点P1的坐标， 是多边形顶点P2的坐标。

(3)点在凸多边形顶点上；

如图7所示，对于点在凸多边形顶点上时，采用公式(6)进行判断；

$\left\{\begin{array}{c}{X}_Q\∈(X_{P_1},X_{P_2},...,X_{P_n})\\ Y_Q\∈(Y_{P_1},Y_{P_2},...,Y_{P_n})\end{array}\right.---\left(6\right)$

其中，(XQ，YQ)是Q点的坐标，i＝1，2，...，n，n是凸多边形顶点数。

(4)点在凸多边形外；

如图8所示，对于点在凸多边形外部时，采用角度和判别法，即图多边形外的点与多边形顶点的夹角和小于360度，对应的计算公式(7)为：

∠P₁QP₂+∠P₂QP₃+...+∠P_n-1QP_n+∠P_nQP₁＜360°(7)

其中，P₁，P₂，...，P_n为凸多边形的顶点。

S32、基于步骤S31的计算结果，针对挖方和填方对应的土方量进行积分求和。

具体地，针对挖方和填方对应的土方量，将计算得到的各个立方体体积，按公式(9)进行累加求和，最终求得测区的挖填土方量。

下面结合对比试验，对本发明的基于无人机摄影技术的工程土方量测量方法的技术效果进行论证说明。

(1)原地表高程数据采集测量方法对比实验

如图9所示，以传统RTK野外测量方法为对比试验，分别利用本发明的测量方法和传统RTK野外测量方法对同一测区进行数据采集，获取实验数据，并采用相同的计算方法计算土方量。

如图10、11所示，具体地，上述测区的实验范围约为6700m²。图10是以CORSRTK碎布测量采集的高程点分布情况，其高程点个数为245个，采点间距约为5m，共花费人工6小时。图11是采用无人机航测法获取的点云分布情况，其高程点个数为42539个，间距为0.4m，共花费人工2小时。

表2为进行两种土方测量实验的数据对比情况，其中，土方量计算均采用CASS7.0成图软件进行，且设计标高设置为0m。

表2

从而，上述实验结果表明：

1)采用CASS7.0DTM算法，对同一区域，分别用无人机航测法获取的点云高程数据以及用传统RTK测量方法获取的离散点高程数据进行土方量的计算，土方量误差为135.2m3，相对误差为1.09％，满足工程土方测量的规范要求；

2)采用两种测量土方在精度上是相当的，但采用无人机航测法花费的人工为RTK法的三分之一，更加节约人力、财力；

3)对于大面的土方测量工程来说，采用无人机航测法土方测量效率更高、成本更低。

(2)土方计算算法对比实验

为验证本发明提出的基于无人机航测点云的积分土方量计算算法的准确性和科学性，分别采用CASS7.0成图系统中的DTM法和本发明中土方计算对同一数据进行对比实验，计算结果具体见表3所示。

表3

由表3可知，本发明提出的土方计算算法相对于CASS7.0系统的DTM算法，具有速度快、可处理的点云数据量大、计算结果精确可靠等优点，特别是当低空无人机摄影测量获取大量密集点云数据时，采用CASS7.0系统将无法进行计算，采用本发明算法则可以很好的完成计算。

结合图12、13所示，本发明土方量计算的速度有明显的提高，其速度比一般为几倍，且随着点云间距变小、数据量增大，其耗时更是几何倍增长，说明本发明测量方法的高效性。在获得较好的计算速度的同时，本发明的测量方法计算土方量的结果与采用CASS系统的DTM法较差很小。

进一步如图14所示，本发明的测量方法相对误差仅为一两个百分点，进一步说明采用本发明的测量方法的可靠性和科学性。

综上，上述实验结果表明：

1)本发明的土方量测量方法，可以获得与DTM法相当的计算精度，能很好的替代DTM法来进行海量点云数据的土方计算；

2)本发明的土方量测量方法具有较高的效率，不仅采集原地表点高程数据人工成本低，土方计算速度是传统计算方法的数倍，特别是针对数据量大的情况，其优势更加明显。

综上所述，本发明的基于无人机摄影技术的工程土方量测量方法测算精度高，工作效率好，可节约大量的人工成本。具体地，本发明的工程土方量测量方法采集原地表面密集点云高程数据和积分法计算土方量，该方法用少量像控点经过摄影测量解算，生成覆盖测区的密集点云数据，根据设定的土方测量边界和设计标高，用积分可获得精确的测量结果。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种基于无人机摄影技术的工程土方量测量方法，其特征在于，所述工程土方量测量方法包括如下步骤：

S1、点云数据获取；

所述步骤S1包括：

S11、在测区范围内布设像控点，并测量所述布设像控点的坐标值；

S12、根据布设的像控点，利用无人机获取航摄影像数据；

S13、对获取的影像数据、以及POS数据和像控数据进行处理，得到点云数据；

S2、对获取的点云数据进行预处理；

所述步骤S2包括：

S21、对获取的点云数据进行格网化，形成格网化的点集数组；

S22、对格网化后形成的点集数组中的待定点进行平滑滤波；

S23、将测区范围分隔为多个凸多边形，并对测区范围的边界进行统一编码；

S3、利用积分法进行土方量计算；

所述步骤S3包括：

S31、判断点集数组中的各点与测区范围的位置关系，当点云在任一凸多边形的内部或边界上时，对其对应的立方体体积进行计算；

S32、基于步骤S31的计算结果，针对挖方和填方对应的土方量进行积分求和。

2.根据权利要求1所述的基于无人机摄影技术的工程土方量测量方法，其特征在于，所述步骤S11具体包括：

根据测区范围向外扩展一定距离，测区范围按照9点法布设像控点，使用GPSRTK测量或全站仪精确测量布设像控点的坐标值。

3.根据权利要求1所述的基于无人机摄影技术的工程土方量测量方法，其特征在于，所述步骤S12具体包括：

根据布设的像控点，设计无人机的航线，使其进行横纵双向重复飞行，以获取航摄影像数据。

4.根据权利要求1所述的基于无人机摄影技术的工程土方量测量方法，其特征在于，所述步骤S13具体包括：

将获取的影像数据、以及POS数据和像控数据导入数字摄影测量工作站完成空三计算和密集点云生成，设置合理的点云输出间距，得到点云数据。

5.根据权利要求1所述的基于无人机摄影技术的工程土方量测量方法，其特征在于，所述步骤S21具体包括：

获取测区边界平面坐标最大和最小值，并对其分别进行向上和向下取整到十位为(X_Max，Y_Max)、(X_Min，Y_Min)，然后按公式(1)根据设定的格网间距D计算网格行列数(R、C)，

最后，按公式(2)对点云CP进行格网化，求取其所在的格网行列号，进而存储在点集GCP_r，c(r＝1，...，R；c＝1，...，C)中，所有的点集GCP_r，c共同构成点集数组GCP；

其中，Pi为点云CP中的第i个点。

6.根据权利要求1所述的基于无人机摄影技术的工程土方量测量方法，其特征在于，所述步骤S22具体包括：

设P为格网化后的点集数组GCP中的待定点，其所在的格网行列行为(i，j)，在相邻格网(i-1，j-1)、(i-1，j)、(i-1，j+1)、(i，j-1)、(i，j)、(i，j+1)、(i+1，j-1)、(i+1，j)、(i+1，j+1)中，求以P为圆心，半径为R的邻域内的所有点N，然后求得点P与其邻域内所有点的最大和最小梯度，按照公式(3)对待定点的高程值进行平滑处理，完成平滑滤波；

$\left\{\begin{array}{c}{Z}_P=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{Z}_{N_k},T_{Max}-T_{Min}>T_h\\ Z_P=Z_P,T_{Max}-T_{Min}\≤T_h\end{array}\right.---\left(3\right)$

其中，Z_P为点P的高程值，为邻域N内的第k点的高程值，T_Max、T_Min为最大和最小梯度，T_h为阈值，n为邻域N内点的个数。

7.根据权利要求1所述的基于无人机摄影技术的工程土方量测量方法，其特征在于，所述步骤S23中，按照“点号，X坐标，Y坐标，下一相邻点点号，凸多边形编号”的格式对测区范围的边界进行统一编码。

8.根据权利要求1所述的基于无人机摄影技术的工程土方量测量方法，其特征在于，所述步骤S31中，各点与测区范围的位置关系包括：

(1)点在凸多边形内；

对于点在凸多边形内部时，采用角度和判别法，即图多边形内的点与多边形顶点的夹角和等于360度，对应的计算公式(4)为：

∠P₁QP₂+∠P₂QP₃+...+∠P_n-1QP_n+∠P_nQP₁＝360°(4)

其中，P₁，P₂，...，P_n为凸多边形的顶点；

(2)点在凸多边形边上；

对于点在凸多边形边上时，采用公式(5)进行判断：

$(X_{P_1}-X_Q)(Y_{P_2}-Y_Q)-(X_{P_2}-X_Q)(Y_{P_1}-Y_Q)=0---\left(5\right)$

其中，(XQ，YQ)是Q点的坐标，是多边形顶点P1的坐标， 是多边形顶点P2的坐标；

(3)点在凸多边形顶点上；

对于点在凸多边形顶点上时，采用公式(6)进行判断；

$\left\{\begin{array}{c}{X}_Q\∈(X_{P_1},X_{P_2},...,X_{P_n})\\ Y_Q\∈(Y_{P_1},Y_{P_2},...,Y_{P_n})\end{array}\right.---\left(6\right)$

其中，(XQ，YQ)是Q点的坐标，i＝1，2，...，n，n是凸多边形顶点数；

(4)点在凸多边形外；

对于点在凸多边形外部时，采用角度和判别法，即图多边形外的点与多边形顶点的夹角和小于360度，对应的计算公式(7)为：

∠P₁QP₂+∠P₂QP₃+...+∠P_n-1QP_n+∠P_nQP₁＜360°(7)

其中，P₁，P₂，...，P_n为凸多边形的顶点。

9.根据权利要求1所述的基于无人机摄影技术的工程土方量测量方法，其特征在于，所述步骤S31中，

当点云在任一凸多边形的内部或边界上时，按照公式(8)，进行立方体体积计算；

V＝L²ΔH(8)

其中，V为体积，L为点云间距，ΔH为点与设计标高的高程差。

10.根据权利要求9所述的基于无人机摄影技术的工程土方量测量方法，其特征在于，所述步骤S32中，

针对挖方和填方对应的土方量，将计算得到的各个立方体体积，按公式(9)进行累加求和，最终求得测区的挖填土方量。