CN106683132A - 一种高精细城市三维建模方法 - Google Patents
一种高精细城市三维建模方法 Download PDFInfo
- Publication number
- CN106683132A CN106683132A CN201510758923.8A CN201510758923A CN106683132A CN 106683132 A CN106683132 A CN 106683132A CN 201510758923 A CN201510758923 A CN 201510758923A CN 106683132 A CN106683132 A CN 106683132A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- city
- vehicle
- airborne lidar
- digital
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种高精细城市三维建模方法。涉及建模领域,其特征是:首先,采用机载LIDAR获取测区高精度的三维激光点云和高分辨率的数码航片,快速提取高精度的数字高程模型、数字正射影象产品,并进行建筑物的高精细建模,制作城市三维电子沙盘和三维建筑物体框模型场景;其次,采用车载移动激光扫描测量完成测区道路两侧城市场景的高密集激光点云和高分辨率数码照片获取,参考机载LIDAR成果进行车载数据质量优化,之后可对城市各类小品要素快速进行三维建模;最后,对机载LIDAR和车载移动激光扫描测量获取的三维数字模型成果进行集成,从而大大提高了城市三维建模的质量和工作效率,可大大降低项目开发成本。
Description
一、技术领域
本发明涉及三维建模技术领域,特别是一种高精细城市三维建模方法。
二、技术背景
传统的城市三维建模,主要采用地形图、传统航空摄影测量、卫星遥感影象、工程测量、地面激光扫描等传统测绘手段进行城市三维建模。但上述种种技术都有其明显的缺点和不足:
(1)采用地形图建模,需要城区具有现势性强的大比例尺数字线划图,通过目估或人工量测获取建筑物高后进行建模。该方法存在地物高程信息缺乏、建筑物模型高程精度差、屋顶精细度差等问题;
(2)采用传统航空摄影测量,需要在构建的立体像对中进行量测,不仅提取的模型高程精度差,更存在建模效率非常低的问题;
(3)采用卫星遥感影象建模时,由于影象地面空间分辨率较低,提取的模型特别是建筑物模型,精度和精细度都非常差,不能满足高精细三维数字城市建模的应用要求;
(4)采用工程测量进行城市场景建模,存在劳动强度大、工作效率低、数字化程度低、开发成本高等多方面缺点;
(5)采用地面激光扫描建模时,存在劳动强度大、工作效率低、不适合大范围三维城市场景建模等问题。
所以在三维数字城市信息化工程建设中采用传统的地形图、传统航空摄影测量、卫星遥感影象、工程测量和地面激光扫描测量等方法时,不可避免地带来很多麻烦且效率低下。因此,以上技术存在开发效率低、成本高,周期长,建模精细度差等缺点。如何快速获取城市大面积高精细的三维数字模型,构建高精细三维虚拟城市场景,提高工程开发效率,降低项目开发成本和周期,成为本领域科技人员急待解决的问题。
三、发明内容
为了克服现有传统测绘技术在三维数字城市建设中存在的多方面问题,提高工作效率,本发明的目的是提供一种集成机载LIDAR和车载移动激光扫描测量技术的高精细三维城市场景构建方法。它在保证城市三维建模精度和精细度的前提下,可显著降低项目开发成本、缩短项目周期、克服现有传统测绘技术存在的众多缺点。
本发明的目的是这样实现的:一种高精细城市三维建模方法,其中:该方法包括如下步骤:
采用机载LIDAR完成城区航测成果的获取;
基于机载LIDAR制作高精度的数字高程模型、数字正射影象产品,并集成机载LIDAR中点云和航片数据的各自优势进行建筑物的高精细建模,制作城市三维电子沙盘和三维建筑物体框模型场景;
采用车载移动激光扫描测量完成城区道路两侧城市场景的高密集激光点云和高分辨率数码照片获取,参考机载LIDAR成果进行车载数据质量优化,之后可对城市各类小品要素进行位置、尺寸的三维量测,并快速进行要素的三维建模;
进行机载LIDAR和车载移动激光扫描测量获取的三维数字模型成果的集成。
本发明的目的是这样实现的:一种高精细城市三维建模方法,其中建筑物体框三维建模的方法如下:
通过对机载LIDAR设备进行精确检校和航片空三加密处理,实现点云和航片的高精度匹配;
通过点云实现建筑物屋顶面片的高精度拟合,提取建筑物屋顶面片;
通过航片参考实现模型边界的优化和模型细节的修改,制作完成建筑物三维体框模型。
本发明的目的是这样实现的:一种高精细城市三维建模方法,其中基于机载LIDAR数据及成果的车载激光扫描测量数据质量控制和精度优化方法如下:
参考同测区的机载LIDAR点云数据,确定车载移动激光扫描测量数据的高程误差,进行高程值修改;
参考同测区的机载LIDAR建筑物体框模型成果,对车载移动激光扫描数据的精度进行核查,确定平面偏移值,进行平面精度优化。
本发明的目的是这样实现的:一种高精细城市三维建模方法,其中基于车载移动激光扫描测量的城市道路两侧小品要素的建模方法如下:
对车载设备特别是数码相机进行精确检校,实现照片与点云的精确匹配;
参考精确分类后的地面激光点云,采用高程差值方法城市小品要素激光点云分类,确定各类小品要素及位置;
参考精确匹配的数码照片,进行点云实体要素的识别和判断,确定小品类型和形态;
参考对应点云,通过剖面表现等方式表现小品的位置和三维形态,进行尺寸量测和三维建模。
本项发明与现有技术相比具有以下优点:
(1)快速的数据采集和建模效率:
相比于传统航空摄影测量,机载LIDAR不需要地面像控点,对飞行时间段的要求不太苛刻,数据处理的自动化程度高,这些特点决定了机载LIDAR具有快速高效进行城市三维空间数据采集和建模的生产效率。
相比于工程测量、地面激光扫描测量,车载移动激光扫描测量技术可快速获取城区各类道路两侧高精度、高密集的三维激光点云和高分辨率的数码照片,通过自动的点云滤波分类后,可快速实现城市各类小品要素的精确定位、地物识别、三维量测、提取和建模工作,数据采集和建模效率比传统方法提高好几倍。
(2)城市三维建模精度和精细程度高:
与传统航空摄影测量和卫星遥感技术相比,机载LIDAR可同步获取高精度、高密集的三维激光点云和高分辨率的数码照片,通过对激光点云进行地面和建筑物的分类处理,可制作完成数字高程模型,高程精度可达10cm。通过建筑物屋顶点云高精度的拟合建筑物屋顶面片后,可参考高精度匹配的数码照片确定建筑物的特征边线位置,并进行模型细节的修改优化。因此,机载LIDAR提取的数字高程模型精度高、建筑物体框模型平面和高程精度都很高。
车载移动激光扫描获取的点云平面精度可达到25cm以内,高程精度可达到15cm以内,地物经过测量扫描后的点云点间距可达到5-10cm左右,可逼真表现地物的三维形态,结合高分辨率数码照片后,可进行城市小品要素的高精细三维建模。
(3)项目开发成本相对较低
由于不需要外业像控点、数据处理的自动化程度高、三维建模的整体生产效率高等特点,机载LIDAR进行城市三维建模的项目开发成本相对要低。并且,车载移动激光扫描测量采用驾车方式即可完成城区所有道路的测量,且内业的数据处理自动化程度高。根据统计分析,车载移动激光扫描测量进行城市小品要素三维建模的效率要比传统工程测量方法高5-10倍。因此,集成机载LIDAR和车载移动激光扫描测量技术的城市三维建模方法,可极大的节省项目开发成本。
四、具体实施方式
集成机载LIDAR和车载移动激光扫描测量技术构建三维数字城市虚拟场景,与传统技术方法存在很大区别,主要体现在:
一种高精细城市三维建模方法,其中:该方法包括如下步骤:
采用机载LIDAR完成城区航测成果的获取;
基于机载LIDAR制作高精度的数字高程模型、数字正射影象产品,并集成机载LIDAR中点云和航片数据的各自优势进行建筑物的高精细建模,制作城市三维电子沙盘和三维建筑物体框模型场景;
采用车载移动激光扫描测量完成城区道路两侧城市场景的高密集激光点云和高分辨率数码照片获取,参考机载LIDAR成果进行车载数据质量优化,之后可对城市各类小品要素进行位置、尺寸的三维量测,并快速进行要素的三维建模;
进行机载LIDAR和车载移动激光扫描测量获取的三维数字模型成果的集成。
本发明的目的是这样实现的:一种高精细城市三维建模方法,其中建筑物体框三维建模的方法如下:
通过对机载LIDAR设备进行精确检校和航片空三加密处理,实现点云和航片的高精度匹配;
通过点云实现建筑物屋顶面片的高精度拟合,提取建筑物屋顶面片;
通过航片参考实现模型边界的优化和模型细节的修改,制作完成建筑物三维体框模型。
本发明的目的是这样实现的:一种高精细城市三维建模方法,其中基于机载LIDAR数据及成果的车载激光扫描测量数据质量控制和精度优化方法如下:
参考同测区的机载LIDAR点云数据,确定车载移动激光扫描测量数据的高程误差,进行高程值修改;
参考同测区的机载LIDAR建筑物体框模型成果,对车载移动激光扫描数据的精度进行核查,确定平面偏移值,进行平面精度优化。
本发明的目的是这样实现的:一种高精细城市三维建模方法,其中基于车载移动激光扫描测量的城市道路两侧小品要素的建模方法如下:
对车载设备特别是数码相机进行精确检校,实现照片与点云的精确匹配;
参考精确分类后的地面激光点云,采用高程差值方法城市小品要素激光点云分类,确定各类小品要素及位置;
参考精确匹配的数码照片,进行点云实体要素的识别和判断,确定小品类型和形态;
参考对应点云,通过剖面表现等方式表现小品的位置和三维形态,进行尺寸量测和三维建模。
下面以一个具体实施案例来进行说明:
充分利用机载LIDAR和车载移动激光扫描技术获取的原始测绘成果进行城市三维建模。机载LIDAR航测技术主要用于构建大范围城市三维场景对应的大比例尺数字高程模型、数字正射影象和建筑物三维体框模型,形成城市三维场景的主框架;车载移动激光扫描技术主要用于获取城市道路两侧城市小品要素的高精细建模,用于进行城市细节场景的精细建模。两种技术手段优势互补,可制作完成高精细的城市三维场景。
1、通过安置在飞机上的机载LIDAR设备,在空中从同一高度不同摄影站,获取城区高密集的三维激光点云和高分辨率的数码照片。其中,激光点云的点间距要求在0.8米以内,航片的航向重叠应达到60%以上,旁向重叠应达到30%以上,可得到城市地形地貌、建筑物模型丰富的空间三维信息。
2、基于机载LIDAR的大范围城市场景三维建模。根据机载LIDAR获取的高密集激光点云和高分辨率数码航片,获取城市高精度的数字高程模型、数字正射影象和建筑物三维体框模型,形成城市三维场景的主框架。
(1)数字高程模型产品的制作。根据获取的城市高密集三维激光点云数据,采用基于高程特征的规则格网点云滤波分类方法,提取出地面类的激光点云,进行三角网模型构建,内插后形成高精度数字高程模型。
(2)数字正射影象产品的制作。根据以上地面点构成的数字高程模型,参考高精度定位定资信息,通过整体平差方法提取空三加密控制点,并对相机参数进行优化。之后,对原始数码航片进行数字微分纠正,得到覆盖地表的微分纠正影象,同时确定微分纠正影象的拼接方案,采用标准图幅裁切方法制作数字正射影象产品。
(3)建筑物体框三维建模。参考已分类后的地面点,采用基于点云法向量一致性和面积阈值约束的建筑物屋顶点云分类算法,自动进行建筑物屋顶点云的分类。
同时,采用基于法向量的阈值约束算法进行建筑物屋顶面片点的聚类分割,形成建筑物屋顶面片的矢量线框。
参考高精度匹配的数码航片,对提取的建筑物模型边界进行调整,并进行建筑物模型细节要素的修改,制作完成高精细的建筑物体框模型。
3、通过安置在汽车顶上的车载移动激光扫描设备,沿道路行驶测量获取道路两侧的高精细三维激光点云和高分辨率的数码照片,要求获取的激光点云平面精度小于25cm,高程精度小于15cm,数码照片能连续覆盖道路测区的三维地理环境。
4、基于车载移动激光扫描测量技术的道路两侧城市小品要素高精细建模。与机载LIDAR点云的地面滤波分类方法一致,针对车载数据的实际特点进行算法参数的调整,对地面激光点云进行自动分类。同时,参考地面点云,采用高程差值方法进行道路两侧非地面点的分类处理。同时,参考高精度匹配的数码照片进行城市各类小品要素的识别,并结合点云和照片完成小品要素的精确量测和三维建模。
(1)参考地面点分类成果和高程差值特征,自动提取出非地面地物的激光点云,确定各类小品要素的位置;
(2)参考高精度匹配的数码照片,对自动提取的各类小品要素进行识别,辅助判断,确定地物类型和形态;
(3)对小品要素进行剖面显示,量测地物的三维尺寸结构,并进行精确三维建模。
5、外业实地拍照,进行建筑物纹理高精度贴附和局部细节场景的优化修改。参考建筑物每个面片形态,确定需要裁切的对应纹理。如纹理为通用型纹理,则从纹理库中选择对应材质进行贴附;如纹理为非通用型纹理,则从实拍照片中进行提取,进行质量优化,加入纹理库,并进行材质贴附。
Claims (4)
1.一种高精细城市三维建模方法,其特征是:该方法包括如下步骤:
采用机载LIDAR完成城区航测成果的获取;
基于机载LIDAR制作高精度的数字高程模型、数字正射影象产品,并集成机载LIDAR中点云和航片数据的各自优势进行建筑物的高精细建模,制作城市三维电子沙盘和三维建筑物体框模型场景;
采用车载移动激光扫描测量完成城区道路两侧城市场景的高密集激光点云和高分辨率数码照片获取,参考机载LIDAR成果进行车载数据质量优化,之后可对城市各类小品要素进行位置、尺寸的三维量测,并快速进行要素的三维建模;
进行机载LIDAR和车载移动激光扫描测量获取的三维数字模型成果的集成。
2.根据权利要求1所述的一种高精细城市三维建模方法,其特征是:其中建筑物体框三维建模的方法如下:
通过对机载LIDAR设备进行精确检校和航片空三加密处理,实现点云和航片的高精度匹配;
通过点云实现建筑物屋顶面片的高精度拟合,提取建筑物屋顶面片;
通过航片参考实现模型边界的优化和模型细节的修改,制作完成建筑物三维体框模型。
3.根据权利要求1所述的一种高精细城市三维建模方法,其特征是:其中基于机载LIDAR数据及成果的车载激光扫描测量数据质量控制和精度优化方法如下:
参考同测区的机载LIDAR点云数据,确定车载移动激光扫描测量数据的高程误差,进行高程值修改;
参考同测区的机载LIDAR建筑物体框模型成果,对车载移动激光扫描数据的精度进行核查,确定平面偏移值,进行平面精度优化。
4.根据权利要求1所述的一种高精细城市三维建模方法,其特征是:其中基于车载移动激光扫描测量的城市道路两侧小品要素的建模方法如下:
对车载设备特别是数码相机进行精确检校,实现照片与点云的精确匹配;
参考精确分类后的地面激光点云,采用高程差值方法城市小品要素激光点云分类,确定各类小品要素及位置;
参考精确匹配的数码照片,进行点云实体要素的识别和判断,确定小品类型和形态;
参考对应点云,通过剖面表现等方式表现小品的位置和三维形态,进行尺寸量测和三维建模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510758923.8A CN106683132A (zh) | 2015-11-10 | 2015-11-10 | 一种高精细城市三维建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510758923.8A CN106683132A (zh) | 2015-11-10 | 2015-11-10 | 一种高精细城市三维建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106683132A true CN106683132A (zh) | 2017-05-17 |
Family
ID=58863561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510758923.8A Pending CN106683132A (zh) | 2015-11-10 | 2015-11-10 | 一种高精细城市三维建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106683132A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563958A (zh) * | 2017-08-23 | 2018-01-09 | 广州视源电子科技股份有限公司 | 全息图像转换方法和系统 |
CN107610223A (zh) * | 2017-09-20 | 2018-01-19 | 广东电网有限责任公司机巡作业中心 | 基于LiDAR点云的电力塔三维重建方法 |
CN108021766A (zh) * | 2017-12-21 | 2018-05-11 | 长春明轩文化传媒有限公司 | 一种数字城市中建筑的虚拟现实场景生成方法及装置 |
CN108986207A (zh) * | 2018-06-29 | 2018-12-11 | 广东星舆科技有限公司 | 一种基于真实路面数据的道路及沿线建筑仿真建模方法 |
CN109859315A (zh) * | 2018-12-20 | 2019-06-07 | 浙江省第二测绘院 | 一种三维影像的地表植被分离方法 |
CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
CN111862327A (zh) * | 2020-07-16 | 2020-10-30 | 广州安廷数字技术有限公司 | 一种巡检机器人三维城市建模方法 |
CN112595258A (zh) * | 2020-11-23 | 2021-04-02 | 扆亮海 | 基于地面激光点云的地物轮廓提取方法 |
CN113284239A (zh) * | 2021-04-26 | 2021-08-20 | 广州九舞数字科技有限公司 | 一种关于智慧城市的电子沙盘制作方法及装置 |
-
2015
- 2015-11-10 CN CN201510758923.8A patent/CN106683132A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563958B (zh) * | 2017-08-23 | 2021-01-22 | 广州视源电子科技股份有限公司 | 全息图像转换方法和系统 |
CN107563958A (zh) * | 2017-08-23 | 2018-01-09 | 广州视源电子科技股份有限公司 | 全息图像转换方法和系统 |
CN107610223A (zh) * | 2017-09-20 | 2018-01-19 | 广东电网有限责任公司机巡作业中心 | 基于LiDAR点云的电力塔三维重建方法 |
CN107610223B (zh) * | 2017-09-20 | 2020-09-25 | 广东电网有限责任公司机巡作业中心 | 基于LiDAR点云的电力塔三维重建方法 |
CN108021766A (zh) * | 2017-12-21 | 2018-05-11 | 长春明轩文化传媒有限公司 | 一种数字城市中建筑的虚拟现实场景生成方法及装置 |
CN108986207A (zh) * | 2018-06-29 | 2018-12-11 | 广东星舆科技有限公司 | 一种基于真实路面数据的道路及沿线建筑仿真建模方法 |
CN108986207B (zh) * | 2018-06-29 | 2023-05-23 | 广东星舆科技有限公司 | 一种基于真实路面数据的道路及沿线建筑仿真建模方法 |
CN109859315A (zh) * | 2018-12-20 | 2019-06-07 | 浙江省第二测绘院 | 一种三维影像的地表植被分离方法 |
CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
CN111862327A (zh) * | 2020-07-16 | 2020-10-30 | 广州安廷数字技术有限公司 | 一种巡检机器人三维城市建模方法 |
CN112595258A (zh) * | 2020-11-23 | 2021-04-02 | 扆亮海 | 基于地面激光点云的地物轮廓提取方法 |
CN113284239A (zh) * | 2021-04-26 | 2021-08-20 | 广州九舞数字科技有限公司 | 一种关于智慧城市的电子沙盘制作方法及装置 |
CN113284239B (zh) * | 2021-04-26 | 2022-02-11 | 广州九舞数字科技有限公司 | 一种关于智慧城市的电子沙盘制作方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101976467A (zh) | 一种集成机载lidar和车载移动激光扫描技术的高精细三维城市场景构建方法 | |
CN106683132A (zh) | 一种高精细城市三维建模方法 | |
CN113034689B (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
CN102074047B (zh) | 一种高精细城市三维建模方法 | |
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 | |
CN110221603A (zh) | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 | |
CN103884321B (zh) | 一种遥感影像成图工艺 | |
CN104952107A (zh) | 基于车载LiDAR点云数据的桥梁三维重建方法 | |
Gruen et al. | Joint processing of UAV imagery and terrestrial mobile mapping system data for very high resolution city modeling | |
KR101425576B1 (ko) | 정밀한 광역 축척 모형 제작을 위한 3차원 데이터 획득 및 가공 방법 | |
KR20110027522A (ko) | 영상데이터와 라이다데이터의 기하학적 정합방법 및 그 장치 | |
CN111426303A (zh) | 一种岩溶坡立谷参数测量方法 | |
Sun et al. | Building displacement measurement and analysis based on UAV images | |
CN114283070B (zh) | 融合无人机影像与激光点云的地形断面制作方法 | |
CN109489547A (zh) | 一种堆渣体堆渣量动态变化的监测方法 | |
CN114943890A (zh) | 采用无人机载激光点云的变电站场地平整识别方法 | |
Yang et al. | Airborne LiDAR and photogrammetric point cloud fusion for extraction of urban tree metrics according to street network segmentation | |
Boonpook et al. | UAV-based 3D urban environment monitoring | |
CN112561981A (zh) | 一种融合影像信息的摄影测量点云滤波方法 | |
CN115984721A (zh) | 基于倾斜摄影和图像识别技术实现乡村风貌管理的方法 | |
Huang et al. | Integration of mobile laser scanning data with UAV imagery for very high resolution 3D city modeling | |
Elaksher et al. | Refinement of digital elevation models in urban areas using breaklines via a multi-photo least squares matching algorithm | |
Chen et al. | 3D model construction and accuracy analysis based on UAV tilt photogrammetry | |
Altyntsev et al. | UAV aerial survey: accuracy estimation for automatically generated dense digital surface model and orthothoto plan | |
An | Accuracy assessment of 3D point clouds generated by photogrammetry from different distances |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170517 |
|
WD01 | Invention patent application deemed withdrawn after publication |