CN108010092A - 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 - Google Patents
一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 Download PDFInfo
- Publication number
- CN108010092A CN108010092A CN201711431061.3A CN201711431061A CN108010092A CN 108010092 A CN108010092 A CN 108010092A CN 201711431061 A CN201711431061 A CN 201711431061A CN 108010092 A CN108010092 A CN 108010092A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- building
- high density
- city high
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 15
- 230000005855 radiation Effects 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 7
- 241000195615 Volvox Species 0.000 claims description 6
- 238000005094 computer simulation Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 244000062793 Sorghum vulgare Species 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 3
- 235000019713 millet Nutrition 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000004069 differentiation Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 241000254032 Acrididae Species 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 241000256844 Apis mellifera Species 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- 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
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S20/00—Supporting structures for PV modules
- H02S20/20—Supporting structures directly fixed to an immovable object
- H02S20/22—Supporting structures directly fixed to an immovable object specially adapted for buildings
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Structural Engineering (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法,包括无人机低空数据采集、获取三维点云数据、筛选建筑主体点、种子区域选取、区域生长和点云面片分割、三维重建、建筑物几何模型、太阳辐射模拟和太阳能利用潜力评估步骤。本发明利用低空摄影测量获取城市高密度区的点云数据,通过参数化工具对点云数据进行语义区分和三维重建,获得单体化几何模型,从而在同平台内模拟分析建筑物屋顶和墙面的太阳能利用潜力大小和动态变化情况。
Description
技术领域
本发明属于太阳能利用潜力评估技术领域,特别是涉及一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法。
背景技术
随着能源危机的日益严重和城市化进程的快速发展,光伏与建筑一体化设计将成为城市发展太阳能的重要趋势。城市高密度区中不同高度的建筑密集分布,太阳辐射分布非常不均匀,尤其是建筑间的互相遮挡对太阳能利用影响很大。测算不同建筑表面可用的太阳辐射量并评估其太阳能利用潜力,对指导城市高密度区分布式光伏能源的安装,提高城市能源效率,优化能源结构有着重要的作用。
传统的太阳能利用潜力评估方法主要依赖于人为主观判断,然而太阳能辐射分布同时取决于时间、气候以及调查区域内建筑的相对空间位置关系。对于城市高密度区复杂多变的调查环境,简单的的考察和主观的推算显得难以应对。对于传统手工测量的方法,其分析效率较低,数据采集和后期处理脱离,难以满足需求。
目前,太阳能利用潜力评估的工作主要围绕机载LiDAR(Light Detection andRanging,激光探测雷达)点云数据进行,且大都处于研究阶段。其处理流程主要是通过原始点云数据生成数字表面模型(DSM),然后直接在DSM网格上进行阴影计算。然而,DSM具有明显的2.5D特性,不能对建筑立面进行很好的刻画,无法完成立面太阳辐射照度的计算。对于城市高密度区的复杂环境,仍需要对采集数据进行几何建模来确保太阳能利用潜力分析的质量和完整性。同时,LiDAR点云数据处理过程复杂,人工交互量大,获取大范围区域点云数据的成本较高,制作周期长,难以推广应用。
发明内容
本发明为了解决现有的技术问题,提出一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法。
本发明的目的通过以下技术方案实现:一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法,具体包括以下步骤:
步骤1、获取一城市高密度区域低空遥感影像数据,通过影像处理生成三维点云数据;
步骤2、基于所述三维点云数据所携带的信息,将建筑主体点云和非建筑主体点云区分开,得到筛选后的单体化三维点云数据;
步骤3、通过基于曲率和法向量的点云面片分割方法以及柱状模型建立,对单体化三维点云数据进行三维重建,得到单体化的城市高密度区建筑物几何模型;
步骤4、通过对单体化的城市高密度区建筑物几何模型进行计算机模拟,获取太阳辐射在建筑物表面的分布信息,对所述太阳辐射在建筑物表面的分布信息进行数据分析,通过数据分析的结果对该城市高密度区域进行太阳能利用潜力评估。
进一步地,所述的低空遥感影像数据是通过消费级多旋翼无人机和单相机倾斜摄影方法获得的高分辨率遥感影像数据。
进一步地,所述步骤2具体为:在参数化建模工具里通过volvox插件将点云模型中的色彩参数抽离,通过设定RGB值域来选取所需要的点和需要过滤掉的点。
进一步地,所述在参数化建模工具里通过volvox插件将点云模型中的色彩参数抽离,通过设定RGB值域来选取所需要的点和需要过滤掉的点;具体为:
(1)将点云模型P分解为仅含坐标信息的集合PXYZ和仅含颜色信息的集合PRGB;
(2)将PRGB再分解为三个表示R,G,B数值的独立的集合PR,PG,PB;
(3)根据三维点云数据的颜色分布和具体需要筛选物体的颜色,设定PR,PG,PB各自的阈值;
(4)根据PR,PG,PB的交集PR∩G∩B,从点云模型P过滤出需要的点集P0。
进一步地,所述步骤3具体为:通过KNN近邻算法找寻邻域点,为邻域点构建协方差矩阵,利用PCA主成分分析算法估计法向量和曲率来构建种子区域,再利用区域生长算法提取建筑物各面点云面片;构建点集P0与地平面方格之间的映射关系,取其中点云平均高度作为方格高度,得到建筑的柱状模型,对柱状模型进行平面拟合,得到单体化的城市高密度区建筑物几何模型。
本发明与现有技术相比,具有如下优点:
1、本发明充分利用了低空摄影测量技术快速、高效、低成本的获取调查区域内的三维信息的特点,通过消费级无人机和摄影测量软件的结合提供了一种低成本、低空域的城市高密度区数据采集方法。与传统手工测量相比,本发明采用无人机摄影测量技术,避免了人工操作的高耗时低效率,有效促进了数据采集的自动化,规范化。与LiDAR技术相比,本发明采用消费级多旋翼无人机,极大减少了数据的采集成本,具有较大的可操作性。
2、本发明采用基于曲率的点云分割和特征检测方法以及柱状模型重建对建筑物点云进行三维重建,获取建筑物几何模型。避免了传统方法提取建筑轮廓线后,较难确定不同轮廓线之间的拓扑关系的问题,具有较高的重建精度,能很好反映建筑物的几何结构特征。
3、本发明采用点云重建后的单体化建筑物几何模型进行城市高密度区太阳能利用潜力评估,避免了现有技术对于建筑物立面太阳能利用潜力的考虑不足,对于城市高密度区的太阳能利用潜力评估更具有综合性、精确性。
附图说明
图1为本发明基于低空摄影测量的城市高密度区太阳能利用潜力评估方法流程图。
具体实施方式
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,所描述的实施例仅仅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做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。
本发明利用低空摄影测量获取城市高密度区的点云数据,通过参数化工具对点云数据进行语义区分和三维重建,获得单体化几何模型,从而在同平台内模拟分析建筑物的屋顶和墙面获得的太阳能利用潜力大小和动态变化。
结合图1,本发明提出一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法,具体包括以下步骤:
步骤1、获取一城市高密度区域低空遥感影像数据,通过影像处理生成三维点云数据;所述的低空遥感影像数据是通过消费级多旋翼无人机和单相机倾斜摄影方法获得的高分辨率遥感影像数据。
使用消费级多旋翼无人机通过单相机倾斜摄影测量方法获取实验区域的倾斜摄影测量影像作为实验数据。上述单相机倾斜摄影测量方法为通过无人机搭载的单个高像素云台相机从前、后、左、右、垂直五个方向对地物进行拍摄。无人机航高100m,航向重叠率85%,旁向重叠率85%,相机倾斜角40°。利用Pix4Dmapper软件对采集到的实验区域影像进行初步处理、空三加密和密集匹配,获得实验区域三维点云数据,输出点云格式为.las。输出基面为World Geodetic System 1984,输出坐标体系WGS 84。
步骤2、基于所述三维点云数据所携带的信息,将建筑主体点云和非建筑主体点云区分开,得到筛选后的单体化三维点云数据;所述步骤2具体为:在参数化建模工具里通过volvox插件将点云模型中的色彩参数抽离,通过设定RGB值域来选取所需要的点和需要过滤掉的点。
所述在参数化建模工具grasshopper里通过volvox插件将点云模型中的色彩参数抽离,通过设定RGB值域来选取所需要的点和需要过滤掉的点;具体为:
(1)将点云模型P分解为仅含坐标信息的集合PXYZ和仅含颜色信息的集合PRGB;如果点云模型过大,可以首先通过设定点密度进行稀释;
(2)将PRGB再分解为三个表示R,G,B数值的独立的集合PR,PG,PB;
(3)根据三维点云数据的颜色分布和具体需要筛选物体的颜色,设定PR,PG,PB各自的阈值;
(4)根据PR,PG,PB的交集PR∩G∩B,从点云模型P过滤出需要的点集P0。
通过上述步骤,可以快速的将建筑主体点云和非主体的树木、地面点云等区分开,获得单体化三维点云数据。
步骤3、通过基于曲率和法向量的点云面片分割方法以及柱状模型建立,对单体化三维点云数据进行三维重建,得到单体化的城市高密度区建筑物几何模型;所述步骤3具体为:通过KNN近邻算法找寻邻域点,为邻域点构建协方差矩阵,利用PCA主成分分析算法估计法向量和曲率来构建种子区域,再利用区域生长算法提取建筑物各面点云面片;构建点集P0与地平面方格之间的映射关系,取其中点云平均高度作为方格高度,得到建筑的柱状模型,对柱状模型进行平面拟合,得到单体化的城市高密度区建筑物几何模型。
种子区域选取——对于某一点p,其邻域内所有点构造的协方差矩阵Cov为:
Cov(Pi,Pi)=E[(Pi-E[Pi]).(Pi-E[Pi])T]
式中,k表示该点邻域内点的数量;Pi表示邻域内的第i个点;表示该点邻域内所有点的重心。利用PCA主成分分析法得到其特征值λ0,λ1,λ2(λ0≤λ1≤λ2)和对应的特征向量V0,V1,V2,把最小的特征值λ0对应的特征向量V0作为该点的法向量。然后再通过计算点的曲率来选取种子区域;点的曲率为:
当σ小于曲率阈值σT时,就可以认为点p的邻域点在一个平面上,选取曲率σ所对应的邻域点作为符合要求的种子区域。
区域生长和点云面片分割——找到符合要求的种子区域后,即可获得初始平面参数。当点Pi到初始平面的距离小于距离阈值时,认为点Pi属于初始平面所在的平面,当没有点再满足到初始平面的距离小于距离阈值时,区域生长完毕,统计符合要求点的个数,并计算生长获得的面片的标准差,当标准差小于设定阈值时,认为面片提取完成,并符合提取要求。根据建筑立面面片与地平面G的交线得到建筑在地面的二维轮廓范围B。
三维重建——任意选择地平面G上一点作为原点,以地平面建立X-Y平面,以垂直地平面且指向建筑点云所在方向为Z方向,建立空间直角坐标系,并计算P0中点云在新坐标系下的坐标。在二维轮廓范围B的区域满铺相同大小方格G={g(i,j)丨1≤i≤m,1≤j≤n},其中m、n是区域内方格行列数。将P0中的点云投影到X-Y平面,可构成点集P0与方格之间存在的映射关系:对所有满足f(p)=g(i,j)的p,取其中点云平均高度(Z坐标)作为方格高度,若某方格无点云投影在其内,则该方格高度为0。对高度为0的方格,利用其邻近且位于B内部的方格高度进行插值,更新其高度,得到建筑的柱状模型。对柱状模型进行平面拟合,即可得到建筑平整的几何模型。
步骤4、通过对单体化的城市高密度区建筑物几何模型进行计算机模拟,获取太阳辐射在建筑物表面的分布信息,对所述太阳辐射在建筑物表面的分布信息进行数据分析,通过数据分析的结果对该城市高密度区域进行太阳能利用潜力评估。通过基于Grasshopper平台的HoneyBee工具集进行计算机模拟,获得城市高密度区域中太阳辐射在建筑物表面的分布强度、分布界面、分布时段和分布总量等分布信息,对城市高密度区域中太阳能辐射分布信息进行数据分析;根据数据分析结果,提出对城市高密度区域太阳能综合利用的指导和优化建议。
以上对本发明所提供的一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法,其特征在于:具体包括以下步骤:
步骤1、获取一城市高密度区域低空遥感影像数据,通过影像处理生成三维点云数据;
步骤2、基于所述三维点云数据所携带的信息,将建筑主体点云和非建筑主体点云区分开,得到筛选后的单体化三维点云数据;
步骤3、通过基于曲率和法向量的点云面片分割方法以及柱状模型建立,对单体化三维点云数据进行三维重建,得到单体化的城市高密度区建筑物几何模型;
步骤4、通过对单体化的城市高密度区建筑物几何模型进行计算机模拟,获取太阳辐射在建筑物表面的分布信息,对所述太阳辐射在建筑物表面的分布信息进行数据分析,通过数据分析的结果对该城市高密度区域进行太阳能利用潜力评估。
2.根据权利要求1所述的方法,其特征在于:所述的低空遥感影像数据是通过消费级多旋翼无人机和单相机倾斜摄影方法获得的高分辨率遥感影像数据。
3.根据权利要求2所述的方法,其特征在于:所述步骤2具体为:在参数化建模工具里通过volvox插件将点云模型中的色彩参数抽离,通过设定RGB值域来选取所需要的点和需要过滤掉的点。
4.根据权利要求3所述的方法,其特征在于:所述在参数化建模工具里通过volvox插件将点云模型中的色彩参数抽离,通过设定RGB值域来选取所需要的点和需要过滤掉的点;具体为:
(1)将点云模型P分解为仅含坐标信息的集合PXYZ和仅含颜色信息的集合PRGB;
(2)将PRGB再分解为三个表示R,G,B数值的独立的集合PR,PG,PB;
(3)根据三维点云数据的颜色分布和具体需要筛选物体的颜色,设定PR,PG,PB各自的阈值;
(4)根据PR,PG,PB的交集PR∩G∩B,从点云模型P过滤出需要的点集P0。
5.根据权利要求4所述的方法,其特征在于:所述步骤3具体为:通过KNN近邻算法找寻邻域点,为邻域点构建协方差矩阵,利用PCA主成分分析算法估计法向量和曲率来构建种子区域,再利用区域生长算法提取建筑物各面点云面片;构建点集P0与地平面方格之间的映射关系,取其中点云平均高度作为方格高度,得到建筑的柱状模型,对柱状模型进行平面拟合,得到单体化的城市高密度区建筑物几何模型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711431061.3A CN108010092B (zh) | 2017-12-26 | 2017-12-26 | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 |
US16/205,464 US10755098B2 (en) | 2017-12-26 | 2018-11-30 | Evaluation method of solar energy utilization potential in urban high-density areas based on low-altitude photogrammetry |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711431061.3A CN108010092B (zh) | 2017-12-26 | 2017-12-26 | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108010092A true CN108010092A (zh) | 2018-05-08 |
CN108010092B CN108010092B (zh) | 2018-11-13 |
Family
ID=62061399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711431061.3A Active CN108010092B (zh) | 2017-12-26 | 2017-12-26 | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10755098B2 (zh) |
CN (1) | CN108010092B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109459759A (zh) * | 2018-11-13 | 2019-03-12 | 中国科学院合肥物质科学研究院 | 基于四旋翼无人机激光雷达系统的城市地形三维重建方法 |
CN109492251A (zh) * | 2018-09-30 | 2019-03-19 | 上海宝冶集团有限公司 | 雪车雪橇赛道的bim参数化建模方法 |
CN109978791A (zh) * | 2019-03-28 | 2019-07-05 | 苏州市建设工程质量检测中心有限公司 | 一种基于倾斜摄影和三维激光扫描融合的桥梁监测方法 |
CN111639381A (zh) * | 2020-06-03 | 2020-09-08 | 江苏城乡建设职业学院 | 城市建筑太阳能资源评估信息系统及其工作方法 |
CN112199991A (zh) * | 2020-08-27 | 2021-01-08 | 广州中国科学院软件应用技术研究所 | 一种应用于车路协同路侧感知的仿真点云滤波方法和系统 |
CN114543841A (zh) * | 2022-02-25 | 2022-05-27 | 四川大学 | 环境因素对空三点云影响实验装置以及评估方法 |
CN114819450A (zh) * | 2021-09-22 | 2022-07-29 | 自然资源部国土卫星遥感应用中心 | 一种基于卫星遥感的区域建设分布式光伏潜力评估方法 |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658844B (zh) * | 2019-08-23 | 2022-06-14 | 中国南方电网有限责任公司超高压输电公司昆明局 | 一种特高压直流线路通道无人机监控方法及其系统 |
CN110969624B (zh) * | 2019-11-07 | 2023-08-01 | 哈尔滨工程大学 | 一种激光雷达三维点云分割方法 |
CN110879978A (zh) * | 2019-11-13 | 2020-03-13 | 广西中煤地质有限责任公司 | 一种无人机倾斜摄影三维模型的建筑轮廓线自动提取方法 |
CN110929322A (zh) * | 2019-11-19 | 2020-03-27 | 广东博智林机器人有限公司 | 一种建立bim模型与三维云模型之间的映射方法及系统 |
CN111145353B (zh) * | 2019-12-27 | 2023-05-23 | 华南理工大学 | 通过图像分割和网格特征点提取算法生成3d点云的方法 |
CN111260777B (zh) * | 2020-02-25 | 2023-08-04 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于倾斜摄影测量技术的建筑信息模型重构的方法 |
CN111458720B (zh) * | 2020-03-10 | 2023-06-30 | 中铁第一勘察设计院集团有限公司 | 复杂山区基于机载激光雷达数据的倾斜摄影建模方法 |
CN111414711B (zh) * | 2020-04-29 | 2023-08-15 | 武汉凌云建筑装饰工程有限公司 | 基于Rhino的网壳杆件和节点调整方法 |
CN111768487B (zh) * | 2020-06-11 | 2023-11-28 | 武汉市工程科学技术研究院 | 基于三维点云库的地质岩层数据三维重建系统及方法 |
CN111833451B (zh) * | 2020-07-13 | 2023-01-17 | 林嘉恒 | 一种区块化的可见光数据重组立体扫描重构的方法 |
CN112001078A (zh) * | 2020-08-22 | 2020-11-27 | 姚伟建 | 一种基于大数据的太阳能热水器智能分析管理系统 |
CN112150630A (zh) * | 2020-09-19 | 2020-12-29 | 北京首钢国际工程技术有限公司 | 用固定翼加多旋翼无人机解决工业园区高精度建模方法 |
CN112258649A (zh) * | 2020-10-27 | 2021-01-22 | 中国科学院空天信息创新研究院 | 一种基于光线投射的三维城市太阳辐射计算方法 |
CN112419504A (zh) * | 2020-11-23 | 2021-02-26 | 国网福建省电力有限公司 | 配电网设备倾斜摄影三维模型的单体化方法及存储介质 |
US20220180016A1 (en) * | 2020-12-09 | 2022-06-09 | Zesty.Ai, Inc. | Determining 3D Structure Features From DSM Data |
CN112927204B (zh) * | 2021-02-25 | 2022-09-20 | 同济大学 | 一种基于关键渗水点识别的路面渗水性能评估方法 |
CN113034627B (zh) * | 2021-03-30 | 2022-09-02 | 太原科技大学 | 基于几何重排的虚拟结构光3d点云压缩方法 |
CN113076591A (zh) * | 2021-04-30 | 2021-07-06 | 华南理工大学 | 基于模糊数学的建筑区域结构特征提取及震害预测方法 |
CN113487723B (zh) * | 2021-06-23 | 2023-04-18 | 武汉微景易绘科技有限公司 | 基于可量测全景三维模型的房屋在线展示方法及系统 |
CN113674417B (zh) * | 2021-07-23 | 2024-01-26 | 大连理工大学 | 一种基于无人机倾斜摄影的地震伤亡人员聚集区评估方法 |
CN113822999B (zh) * | 2021-09-22 | 2024-02-23 | 杭州趣村游文旅集团有限公司 | 一种数字乡村三维模型的建筑物分割方法 |
CN113885558B (zh) * | 2021-09-27 | 2023-07-04 | 湖南德森九创科技有限公司 | 一种大坝表面图像无人机自动安全采集方法和系统 |
CN114202981B (zh) * | 2021-12-10 | 2023-06-16 | 新疆工程学院 | 一种用于摄影测量实验的仿真平台 |
CN114139471A (zh) * | 2021-12-11 | 2022-03-04 | 福州大学 | 适用于cfd的城市街区三维模型构建和网格划分方法及系统 |
CN114004740B (zh) * | 2021-12-31 | 2022-04-12 | 山东融瓴科技集团有限公司 | 基于无人机激光雷达点云的建筑物墙线提取方法 |
CN114419231B (zh) * | 2022-03-14 | 2022-07-19 | 幂元科技有限公司 | 基于点云数据和ai技术的交通设施矢量识别提取分析系统 |
CN114662985B (zh) * | 2022-04-19 | 2022-12-27 | 佛山电力设计院有限公司 | 一种基于倾斜摄影建模的山区电力工程选址方法、设备和计算机可读存储介质 |
CN114842148B (zh) * | 2022-05-17 | 2024-04-05 | 河南工程学院 | 根据建筑立面特性的无人机倾斜摄影模型建筑单体化分割方法 |
CN115049925B (zh) * | 2022-06-07 | 2024-04-16 | 中国电建集团中南勘测设计研究院有限公司 | 田块田坎提取方法、电子设备及存储介质 |
CN115060343B (zh) * | 2022-06-08 | 2023-03-14 | 山东智洋上水信息技术有限公司 | 一种基于点云的河流水位检测系统、检测方法 |
CN114972675B (zh) * | 2022-07-07 | 2024-04-26 | 中国科学院东北地理与农业生态研究所 | 建筑物的三维点云简化方法 |
CN115019002B (zh) * | 2022-07-08 | 2022-12-16 | 滁州学院 | 一种基于倾斜摄影技术的城市区域垂直起降场选址方法 |
CN115115806B (zh) * | 2022-08-30 | 2022-11-22 | 北京飞渡科技有限公司 | 一种基于单基元解析的屋顶参数化重构方法及系统 |
CN115546266B (zh) * | 2022-11-24 | 2023-03-17 | 中国铁路设计集团有限公司 | 基于局部法向相关的多条带机载激光点云配准方法 |
CN115661378B (zh) * | 2022-12-28 | 2023-03-21 | 北京道仪数慧科技有限公司 | 建筑模型重建方法及系统 |
CN115994908B (zh) * | 2023-03-23 | 2023-06-02 | 北京四象爱数科技有限公司 | 一种光伏板热斑检测方法、设备及介质 |
CN116222411B (zh) * | 2023-04-06 | 2023-10-20 | 山东环宇地理信息工程有限公司 | 一种地表形变监测系统、监测方法及应用 |
CN116645485B (zh) * | 2023-06-02 | 2024-02-27 | 中交一公局第二工程有限公司 | 一种基于无人机倾斜摄影的古建筑模型构建方法 |
CN117372246B (zh) * | 2023-10-08 | 2024-03-22 | 北京市测绘设计研究院 | 一种基于滤波算法的倾斜摄影三维模型局部压平方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014110288A1 (en) * | 2013-01-11 | 2014-07-17 | CyberCity 3D, Inc. | A computer-implemented system and method for roof modeling and asset management |
CN103942420A (zh) * | 2014-04-08 | 2014-07-23 | 北京大学 | 一种建筑物尺度的太阳能快速估算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017044737A1 (en) * | 2015-09-11 | 2017-03-16 | Powerscout, Inc. | Spatial modeling and other data analytics enabled energy platform |
US10699444B2 (en) * | 2017-11-22 | 2020-06-30 | Apple Inc | Point cloud occupancy map compression |
-
2017
- 2017-12-26 CN CN201711431061.3A patent/CN108010092B/zh active Active
-
2018
- 2018-11-30 US US16/205,464 patent/US10755098B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014110288A1 (en) * | 2013-01-11 | 2014-07-17 | CyberCity 3D, Inc. | A computer-implemented system and method for roof modeling and asset management |
CN103942420A (zh) * | 2014-04-08 | 2014-07-23 | 北京大学 | 一种建筑物尺度的太阳能快速估算方法 |
Non-Patent Citations (2)
Title |
---|
YANG LV ET AL.: "3D modeling of tree crowns and its application in solar energy potential mapping for urban neighborhoods", 《2014 IEEE GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
张显峰 等: "顾及树木的城市三维建模及其在太阳能潜力评价中的应用", 《应用基础与工程科学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492251A (zh) * | 2018-09-30 | 2019-03-19 | 上海宝冶集团有限公司 | 雪车雪橇赛道的bim参数化建模方法 |
CN109459759A (zh) * | 2018-11-13 | 2019-03-12 | 中国科学院合肥物质科学研究院 | 基于四旋翼无人机激光雷达系统的城市地形三维重建方法 |
CN109459759B (zh) * | 2018-11-13 | 2020-06-30 | 中国科学院合肥物质科学研究院 | 基于四旋翼无人机激光雷达系统的城市地形三维重建方法 |
CN109978791A (zh) * | 2019-03-28 | 2019-07-05 | 苏州市建设工程质量检测中心有限公司 | 一种基于倾斜摄影和三维激光扫描融合的桥梁监测方法 |
CN111639381A (zh) * | 2020-06-03 | 2020-09-08 | 江苏城乡建设职业学院 | 城市建筑太阳能资源评估信息系统及其工作方法 |
CN112199991A (zh) * | 2020-08-27 | 2021-01-08 | 广州中国科学院软件应用技术研究所 | 一种应用于车路协同路侧感知的仿真点云滤波方法和系统 |
CN112199991B (zh) * | 2020-08-27 | 2024-04-30 | 广州中国科学院软件应用技术研究所 | 一种应用于车路协同路侧感知的仿真点云滤波方法和系统 |
CN114819450A (zh) * | 2021-09-22 | 2022-07-29 | 自然资源部国土卫星遥感应用中心 | 一种基于卫星遥感的区域建设分布式光伏潜力评估方法 |
CN114819450B (zh) * | 2021-09-22 | 2022-11-18 | 自然资源部国土卫星遥感应用中心 | 一种基于卫星遥感的区域建设分布式光伏潜力评估方法 |
CN114543841A (zh) * | 2022-02-25 | 2022-05-27 | 四川大学 | 环境因素对空三点云影响实验装置以及评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108010092B (zh) | 2018-11-13 |
US20190197311A1 (en) | 2019-06-27 |
US10755098B2 (en) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108010092B (zh) | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 | |
CN110570428B (zh) | 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统 | |
CN110111414B (zh) | 一种基于三维激光点云的正射影像生成方法 | |
CN110873565B (zh) | 用于城市场景重建的无人机实时路径规划方法 | |
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 | |
Sun et al. | Aerial 3D building detection and modeling from airborne LiDAR point clouds | |
WO2019242174A1 (zh) | 基于激光雷达的建筑结构自动测量及3d模型生成方法 | |
LU102117B1 (en) | Method and system for measuring mountain view visible area in city | |
CN111815776A (zh) | 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 | |
CN111091613A (zh) | 基于无人机航测的三维实景建模方法 | |
CN106157309B (zh) | 一种基于虚拟种子点的机载LiDAR地面点云滤波方法 | |
CN109242862B (zh) | 一种实时的数字表面模型生成方法 | |
CN112418245B (zh) | 基于城市环境物理模型的电磁发射点定位方法 | |
CN113066162B (zh) | 一种用于电磁计算的城市环境快速建模方法 | |
CN103093497A (zh) | 基于分层轮廓的lidar数据城市快速重建方法 | |
CN105354883A (zh) | 基于点云的3ds Max快速精细三维建模方法及系统 | |
CN105184250A (zh) | 一种电力走廊机载LiDAR点云数据的地物分类方法 | |
CN110889900A (zh) | 一种面向低空域三维建模及可视化的方法 | |
CN112070769A (zh) | 一种基于dbscan的分层点云分割方法 | |
CN111986322B (zh) | 一种基于结构分析的点云室内场景布局重建方法 | |
CN108765568A (zh) | 一种基于激光雷达点云的多层次建筑物快速三维重建方法 | |
CN103324916A (zh) | 基于建筑轮廓的车载和航空LiDAR数据配准方法 | |
CN104751479A (zh) | 基于tin数据的建筑物提取方法和装置 | |
CN109146990B (zh) | 一种建筑轮廓的计算方法 | |
CN111814715A (zh) | 一种地物分类方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |