CN108363050B - 一种基于机载LiDAR数据的堤防破坏检测方法 - Google Patents

一种基于机载LiDAR数据的堤防破坏检测方法 Download PDF

Info

Publication number
CN108363050B
CN108363050B CN201810131020.0A CN201810131020A CN108363050B CN 108363050 B CN108363050 B CN 108363050B CN 201810131020 A CN201810131020 A CN 201810131020A CN 108363050 B CN108363050 B CN 108363050B
Authority
CN
China
Prior art keywords
dike
embankment
slope
dyke
data
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.)
Active
Application number
CN201810131020.0A
Other languages
English (en)
Other versions
CN108363050A (zh
Inventor
沈定涛
张煜
叶松
曹波
宋丽
陈文龙
魏思奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changjiang River Scientific Research Institute Changjiang Water Resources Commission
Original Assignee
Changjiang River Scientific Research Institute Changjiang Water Resources Commission
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changjiang River Scientific Research Institute Changjiang Water Resources Commission filed Critical Changjiang River Scientific Research Institute Changjiang Water Resources Commission
Priority to CN201810131020.0A priority Critical patent/CN108363050B/zh
Publication of CN108363050A publication Critical patent/CN108363050A/zh
Application granted granted Critical
Publication of CN108363050B publication Critical patent/CN108363050B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Revetment (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)

Abstract

一种基于机载LiDAR数据的堤防破坏检测方法,其针对堤防巡查管理的实际需求,通过采集堤防机载LiDAR数据,再通过点云数据滤波,对地面点云插值生成高精度堤防DEM数据,在此基础上,利用高精度DEM生成堤防坡度图及其矢量化数据产品,再利用图斑融合操作剔除碎图斑,进而提取堤防堤顶、堤坡形态参数信息,结合堤防线数据,构造等距离堤防断面,通过堤防断面线与堤防堤顶堤坡求交,计算交点集,通过统计断面线处交点集数目从而实现断面线处堤防破坏检测。机载LiDAR生成的高精度DEM数据能够精细的表达地面形态变化,本发明可高效的探测到堤防破坏,可用于水利部门开展堤防巡查管理,极大提高堤防破坏检测的效率,具有很好的应用价值。

Description

一种基于机载LiDAR数据的堤防破坏检测方法
技术领域
本发明涉及水利信息技术领域,具体是一种基于机载LiDAR数据的堤防破坏检测方法。
背景技术
堤防是重要的防洪措施,我国目前已建堤防长度达到20余万公里,在防洪救灾中起到了重要作用。堤防通常由两部分组成,即堤顶和堤坡,其中堤顶是指堤防顶部的平坦表面,其横向宽度比堤基窄,堤坡是指堤防的两侧部分,其外边缘与地面持平,堤坡与堤顶组成堤防的堤身。有的现代化堤防也会在堤坡建有戗台,戗台为堤坡处一段平整的地面,其宽度通常比堤顶窄。堤防一侧通常是临水的,以抵御洪、潮侵袭,另一侧为人类活动区域。
堤防的规格、形制如堤防的最小高程、堤顶宽度、堤坡坡度等,通常都有一套设计规范,在中国,最新的堤防设计规范是发布于2013年的《堤防工程设计规范》国家标准(GB50286-2013)。堤防随着使用年限的延长,会因为受到洪水侵蚀、堤基下沉、人类活动等导致堤防防洪能力下降,主要表现在堤防高程下降、堤坡垮塌等等。
堤防管理是为了维护堤防工程完整,确保工程安全,充分发挥地方工程的防洪、排涝、抗风浪和风暴潮的作用,通过技术、经济、行政、法律的手段对堤防进行管理的工作。堤防工程的日常巡查管理应做好以下几方面:
(1)断面达标
堤防管理首先是堤防断面应当达到设计的标准,包括堤顶高程、堤顶宽度、边坡坡度、平整度、戗台高程、宽度、边坡等都应满足设计要求。
(2)结构稳定
对于断面达标的堤防,在设计洪水条件下,其结构还需满足安全稳定的要求,不能产生滑坡、渗透、塌陷、开裂等破坏现象而削弱堤防断面,影响堤防安全稳定。
一般来说,堤防的管理工作主要通过日常巡查开展,通过人工方式检查堤防的各处破坏及其存在的各种隐患,比较费时费力。特别是针对堤防破坏的检查,很多小的破坏很难通过人工观察方式察觉。
发明人在实现本发明的过程中经过研究发现:随着当前机载LiDAR(LightDetection And Ranging,激光探测与测量)技术的快速发展,通过机载LiDAR点云生成的高分辨率DEM数据,其高程误差可以控制在15cm,空间分辨率能够达到1m甚至0.5m,这为高精度堤防信息提取和稳定性分析提供了数据基础。为此,本发明利用堤防机载LiDAR数据,提出了一套从机载LiDAR数据提取堤防堤顶堤坡形态参数,并开展堤防破坏度检测的方法,该方法是一种半自动程序化方法,能很好协助人工现场开展堤防检测工作。
发明内容
本发明针对常规堤防检测需要人工实地探测,工作量大,效率低等缺点,提供一种基于机载LiDAR数据的堤防破坏检测方法,通过高精度DEM上对堤防破损的灵敏性,能够高效的实现大范围、高精度的堤防堤顶堤坡破损检测,可以很好解决当前堤防破坏检测所遇到的上述技术问题,满足高效、高精度和大范围堤防破坏检测的需求。
一种基于机载LiDAR数据的堤防破坏检测方法,包括如下步骤:
第一步、从堤防机载LiDAR数据分离出地面点云,生成高精度堤防DEM数据,基于高精度堤防DEM数据生成堤防坡度图;
第二步、根据堤顶堤坡形态特征,设定堤防堤顶堤坡坡度范围,对堤防坡度图进行分类,生成堤防坡度分类图;
第三步、对堤防坡度分类图进行栅格矢量化,生成堤防坡度分类矢量图;
第四步、设定多边形Eliminate规则,将堤防坡度分类矢量图中的无效碎图斑融合到大的多边形中;
第五步、将位于堤防外侧的不属于堤防堤顶堤坡区域的多边形图斑删除,最终得到堤防堤顶堤坡几何形态数据;
第六步、对堤防线数据等距离间隔提取采样点,在采样点处生成垂直于堤防线数据的堤防断面线数据;
第七步、堤防断面线数据与堤防堤顶堤坡几何形态数据求交点,并统计每个断面线处的交点类型及数量;
第八步,设定堤防破坏度判定条件,生成堤防破坏度分析统计图表。
进一步的,所述高精度堤防DEM数据是指DEM空间分辨率达到1米甚至更小,以满足堤防堤顶堤坡形态参数提取的基本要求。
进一步的,所述第二步中堤防坡度范围的设定参考《堤防工程设计规范》国家标准,针对不同等级堤防,设定不同的堤防堤顶堤坡坡度范围。
进一步的,所述第三步中对堤防坡度分类图进行栅格矢量化,生成堤防坡度分类矢量图,主要是对相邻网格且具有相同坡度类别的栅格单元集合生成矢量边界,以初步生成堤防堤顶和堤坡外轮廓。
进一步的,所述第四步中设定多边形Eliminate规则,将堤防坡度分类矢量图中的无效碎图斑融合到大的多边形中是对无效碎图斑进行剔除,所述碎图斑清除条件按照图斑面积设计,设定面积为100平方米,即图斑基本长宽为10米大小,则表示面积小于100平方米的图斑都会被融合到相邻面积更大的多边形中去。
进一步的,所述第五步中是采用人工删除方式将位于堤防外侧的不属于堤防堤顶堤坡区域的多边形图斑删除。
进一步的,第六步中的堤防线数据是指沿着堤防行进方向抽取的代表堤顶高程值最高的一连串线段,针对任一采样点,构建的堤防断面宽度设计为堤防平均宽度的1.5倍。
进一步的,所述第七步具体为:通过将每条断面线与堤防堤顶和堤坡多边形数据进行相交关系判定,若存在相交关系的,计算其交点数目,并统计每个断面的总体交点数目。
进一步的,所述第八步中设定堤防破坏度判定条件主要是指,针对断面分别于堤防堤顶和堤坡交点数目类型不同,构建交点数目的不同组合,进而判断堤防在断面处的破坏程度。
本发明的有益效果:
(1)机载LiDAR适合大面积堤防数据采集工作,一旦数据采集完成,堤防破损检测的工作就可以在室内完成。通过机载LiDAR生成的高精度DEM数据空间分辨率常常能够达到1米以上,堤防堤坡区域能生成很精细的局部微地形信息,对地面轻微变化也具有很好的敏感性,特别适用于堤防破损检测。
(2)提出了利用机载LiDAR数据开展堤防破坏检测的一整套流程及其方法。当前利用机载LiDAR开展堤防检测工作的还很少见,利用机载LiDAR数据的优势,本发明原创性的提出通过高精度LiDAR-DEM的坡度生成、地物图斑提取、图斑融合等操作可以很容易的得到堤防堤顶堤坡几何形态信息,再通过堤防断面线与堤顶堤坡相交关系判定,能够高效识别异常堤防区域。这在很大程度了降低了工作量,且能保证很好的检测准确度。
附图说明
图1是本发明一种基于机载LiDAR数据的堤防破坏检测方法其中一个实施例的流程示意图;
图2是某地区堤防LiDAR点云示例;
图3是某地区影像和堤防DEM数据示例;
图4是由于人类活动、侵蚀等造成堤防破坏局部图;
图5是堤防坡度示意图;
图6是堤防坡度分类示意图;
图7是堤防坡度分类图矢量化示意图;
图8是清除堤防坡度分类图碎图斑示意图;
图9是去除堤防坡度分类图外侧图斑后堤防堤顶堤坡示意图;
图10是局部堤防堤顶堤坡形态遭到破坏示意图;
图11是堤防断面线与堤防堤顶堤坡相交示意图;
图12是某地区一段堤防断面线与堤防堤顶堤坡相交示例;
图13是某地堤防堤顶堤坡破坏检测统计图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述。
图1所示为本发明一种基于机载LiDAR数据的堤防破坏检测方法其中一个实施例的流程示意图,图2给出了某地堤防机载LiDAR数据示例,图3给出了某地区的影像和堤防DEM数据示例,影像主要是用于对堤防现状进行对比说明,该DEM数据空间分辨率为1米,东西宽近50km,南北宽20km,堤防长度120km。图4给出了该堤防由于人类活动、侵蚀等造成堤防破坏导致DEM出现高程异常的示意图,本发明即是要利用机载LiDAR生成高精度DEM数据开展堤防破坏度检测的工作。
本发明实施例一种基于高分辨率数字地形的堤防线数据提取方法,如图1所示,其包括如下步骤:
第一步、从堤防机载LiDAR数据分离出地面点云,生成高精度堤防DEM数据,基于高精度DEM数据生成堤防坡度图;
从机载LiDAR中分离出地面点云,生成高精度堤防DEM数据,因为机载LiDAR数据采集设备通常会将堤防外侧大片不相关区域也采集到并生成点云,因此需要首先人工剔除堤防外侧非堤防区域点云,保留堤防区域点云数据,再采用滤波方法分离堤防地面点云,插值生成高精度堤防DEM。此处的“高精度”堤防DEM数据是指,DEM空间分辨率达到1米甚至更小,以满足堤防堤顶堤坡形态参数提取的基本要求。
图5即是通过高精度DEM生成的堤防坡度图,该图的空间分辨率为1米。该坡度图中最大坡度为68.87°,最小坡度为0°。
第二步、根据堤顶堤坡形态特征,设定堤防堤顶堤坡坡度范围,对堤防坡度图进行分类,生成堤防坡度分类图;
获取堤防每一区域的堤顶和堤坡参数信息是进行堤防稳定性分析的重要参考属性。按照《堤防工程设计规范》国家标准的规定,对土堤堤防而言,1级堤防堤顶宽度不宜小于8m,2级堤防堤顶宽度不宜小于6米,3级堤防堤顶宽度不宜小于3m;堤顶的坡度应向一侧或两侧倾斜,坡度宜采用2%~3%;1级、2级土堤的堤坡不宜陡于1:3(注:即坡度为18.43°)(GB 50286-2013)。
按照《堤防工程设计规范》国家标注对堤防堤坡不陡于18.43°的规定,将本示例堤防堤坡的坡度值容许上下10°的误差,即堤坡坡度为[8.43°,28.43°],同理,国家标准对堤顶的坡度要求为2%~3%,考虑堤防的建设现状,将示例堤防堤顶坡度设定为[0°,8.43°]之间。
按照上述对堤顶和堤坡的坡度范围分析,将坡度图中坡度分为三类:[0°,8.43°]、[8.43°,28.43°]和[28.43°,68.87°],得到了如图6所示的堤防分类栅格图。
第三步、对堤防坡度分类图进行栅格矢量化,生成堤防坡度分类矢量图;
直接基于栅格图矢量化工具,生成堤防坡度分类矢量图,如图7所示。
第四步、设定多边形Eliminate规则,将堤防坡度分类矢量图中的无效碎图斑融合到大的多边形中;
如图7所示可知,图中出现了较多的碎图斑,这些碎图斑面积一般小于100m2(10m×10m),主要是因为堤顶和堤坡上由于多年侵蚀和人工建设造成,通过Eliminate工具,将那些面积较大的图斑内部面积低于100m2碎图斑直接融合到大图斑中,得到融合后的堤防坡度矢量图,如图8所示。
第五步、将位于堤防外侧的不属于堤防堤顶堤坡区域的多边形图斑删除,最终得到堤防堤顶堤坡几何形态数据;
因为在生成堤防DEM的过程中,堤防外侧一些农田等非堤防区域也包含在了堤防DEM中,在生成坡度图时,这些区域的坡度也涵盖在[0°,8.43°]、[8.43°,28.43°]坡度范围中。如图8所示,在局部放大图中,位于堤防外侧的图斑与堤顶图斑都属于坡度范围为[0°,8.43°],该图斑实际上不是堤顶,是处于堤防外部的农田。因此,针对上述矢量化成果,需要剔除堤防外侧的这类图斑,以及坡度范围为[28.43°,68.87°]的图斑,得到最终包含堤顶和堤坡矢量数据如图9所示。
尽管堤防在正常区域能够提取出正确的堤顶堤坡形态参数,但是,因为受到水土侵蚀、人类活动等影响,仍然存在很多堤防形态被破坏的情形,如图10所示,在图10(a)中,因为在堤顶存在建筑物,堤防堤顶多边形出现“拐弯”现象,且建筑物区域的坡度也处于堤顶坡度范围;在图10(b)中,因为人类活动和水土侵蚀,堤顶宽度出现剧烈变化,堤顶过宽或过细;而在图10(c)中,由于人类活动对堤防破坏太大,不仅出现堤顶宽度过宽,而且导致堤防线变道,堤防在纵向上,出现多条堤顶和堤坡区域。
第六步、对堤防线数据等距离间隔提取采样点,在采样点处生成垂直于堤防线数据的堤防断面线数据。
堤防线数据间隔点采样需要根据实际需求来设计,一般而言采样点间隔和堤防断面线长度为堤防宽度1.5倍左右即可,本地区堤防平均宽度为30米左右,采样点间隔设计为50米,堤防断面线宽度设计为50米。
第七步、堤防断面线数据与堤防堤顶堤坡几何形态数据求交点,并统计每个断面线处的交点类型及数量。
已知堤防断面,进而可以计算断面处堤防横断面的高程变化。更直观的,就堤防破坏性而言,主要表现在堤顶宽度与标准值的偏差,以及堤顶和堤坡的破碎程度。而堤顶和堤坡的破碎程度主要存在的表现形式在于,堤顶区域出现符合堤坡坡度范围的区域,以及堤坡区域出现符合堤顶坡度范围的区域,这主要是因为侵蚀以及人的活动造成的。用断面线与堤防形态参数多边形数据相交,计算交点,并统计堤顶宽度、与堤顶多边形相交线段数目和堤坡多边形相交多边形数目。
如图11是断面线与堤防求交示例,图中最外侧线为堤防堤坡边缘。假定有两条断面线,分别于堤防形态矢量数据相交,一条相交于点A、B、C、D,一条相交于点E、F、G、H、I、J。在第一条断面线处,堤防形态正常,线段BC宽度即是堤顶堤顶宽度,且堤顶横断面数目为1个,即线段BC,而堤坡横断面数目为2个,即线段AB和CD。而对于第二条断面线而言,该处堤防出现异常形态,堤顶多边形与断面线求交出现2个横断面,即FG和HI,且堤顶宽度为线段EG和HI之和,而堤坡与横断面求交后则出现3个横断面,EF、GH和IJ。
图12即是按照上述求交方法提供的一段堤防断面线与堤防堤顶堤坡相交示意图。
第八步,设定堤防破坏度判定条件,生成堤防破坏度分析统计图表。
按照《堤防工程设计规范》国家标准的规定,1级土堤堤防堤顶宽度不宜小于8m,2级堤防堤顶宽度不宜小于6米,3级堤防堤顶宽度不宜小于3m。本发明提供的示例堤防为3级堤防,堤防宽度小于3米和大于8米都是不符合堤防建设标准的,前者主要是由于堤防侵蚀等作用造成,而后者多是由于人工开挖及构建房屋等活动造成。
在堤防未被破坏区域,断面线处堤顶区域相交线段数目应该为1个,堤坡区域相交线段数目应该为2个,当堤防出现破坏时,上述数字会发生变化。
以堤顶宽度、堤顶区域横断面数目和堤坡区域横断面数目三个参数统计堤防破坏程度,当堤顶宽度大于3m小于8m为正常,小于3m和大于8m为异常值;堤顶区域横断面数目1个为正常,否则为异常值;堤坡区域横断面数目2个为正常,否则为异常值。当某断面线处符合上述1条异常值时,堤防破坏状态为中等破坏,符合2条异常值时,堤防破坏状态为严重破坏,符合3条结果则判定为非常严重破坏,均为正常值则判定状态为正常。
本示例中堤防共生成断面线2401个,按照上述破坏度分析方法,堤防破坏检测统计表如表1所示,不同破坏度堤防区域占比如图13所示。正常堤防区域为931段,占比42%,可见研究区堤防有一半以上的区域存在不同程度的破坏。在这些破坏区域中,大部分处于中等程度的破坏,占比达到36%,非常严重的破坏区域达到8%。分析堤防影像图可知,引起堤防大面积受到破坏的原因主要还是人类活动导致,大量成片的房屋沿着堤防建设,这大大降低了堤防防洪水准,加强堤防的维护及加固势在必行。
表1某地堤防堤顶堤坡破坏检测统计表
Figure GDA0002256817590000091
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种基于机载LiDAR数据的堤防破坏检测方法,其特征在于包括如下步骤:
第一步、从堤防机载LiDAR数据分离出地面点云,生成高精度堤防DEM数据,基于高精度堤防DEM数据生成堤防坡度图;
第二步、根据堤顶堤坡形态特征,设定堤防堤顶堤坡坡度范围,对堤防坡度图进行分类,生成堤防坡度分类图;
第三步、对堤防坡度分类图进行栅格矢量化,生成堤防坡度分类矢量图;
第四步、设定多边形Eliminate规则,将堤防坡度分类矢量图中的无效碎图斑融合到大的多边形中;
第五步、将位于堤防外侧的不属于堤防堤顶堤坡区域的多边形图斑删除,最终得到堤防堤顶堤坡几何形态数据;
第六步、对堤防线数据等距离间隔提取采样点,在采样点处生成垂直于堤防线数据的堤防断面线数据;
第七步、堤防断面线数据与堤防堤顶堤坡几何形态数据求交点,并统计每个断面线处的交点类型及数量;
第八步,设定堤防破坏度判定条件,生成堤防破坏度分析统计图表。
2.如权利要求1所述的基于机载LiDAR数据的堤防破坏检测方法,其特征在于:所述高精度堤防DEM数据是指DEM空间分辨率达到1米甚至更小,以满足堤防堤顶堤坡形态参数提取的基本要求。
3.如权利要求1所述的基于机载LiDAR数据的堤防破坏检测方法,其特征在于:所述第二步中堤防坡度范围的设定参考《堤防工程设计规范》国家标准,针对不同等级堤防,设定不同的堤防堤顶堤坡坡度范围。
4.如权利要求1所述的基于机载LiDAR数据的堤防破坏检测方法,其特征在于:所述第三步中对堤防坡度分类图进行栅格矢量化,生成堤防坡度分类矢量图,主要是对相邻网格且具有相同坡度类别的栅格单元集合生成矢量边界,以初步生成堤防堤顶和堤坡外轮廓。
5.如权利要求1所述的基于机载LiDAR数据的堤防破坏检测方法,其特征在于:所述第四步中设定多边形Eliminate规则,将堤防坡度分类矢量图中的无效碎图斑融合到大的多边形中是对无效碎图斑进行剔除,所述碎图斑清除条件按照图斑面积设计,设定面积为100平方米,即图斑基本长宽为10米大小,则表示面积小于100平方米的图斑都会被融合到相邻面积更大的多边形中去。
6.如权利要求1所述的基于机载LiDAR数据的堤防破坏检测方法,其特征在于:所述第五步中是采用人工删除方式将位于堤防外侧的不属于堤防堤顶堤坡区域的多边形图斑删除。
7.如权利要求1所述的基于机载LiDAR数据的堤防破坏检测方法,其特征在于第六步中的堤防线数据是指沿着堤防行进方向抽取的代表堤顶高程值最高的一连串线段,针对任一采样点,构建的堤防断面宽度设计为堤防平均宽度的1.5倍。
8.如权利要求1所述的基于机载LiDAR数据的堤防破坏检测方法,其特征在于:所述第七步具体为:通过将每条断面线与堤防堤顶和堤坡多边形数据进行相交关系判定,若存在相交关系的,计算其交点数目,并统计每个断面的总体交点数目。
9.如权利要求1所述的基于机载LiDAR数据的堤防破坏检测方法,其特征在于:所述第八步中设定堤防破坏度判定条件主要是指,针对断面分别于堤防堤顶和堤坡交点数目类型不同,构建交点数目的不同组合,进而判断堤防在断面处的破坏程度。
CN201810131020.0A 2018-02-09 2018-02-09 一种基于机载LiDAR数据的堤防破坏检测方法 Active CN108363050B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810131020.0A CN108363050B (zh) 2018-02-09 2018-02-09 一种基于机载LiDAR数据的堤防破坏检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810131020.0A CN108363050B (zh) 2018-02-09 2018-02-09 一种基于机载LiDAR数据的堤防破坏检测方法

Publications (2)

Publication Number Publication Date
CN108363050A CN108363050A (zh) 2018-08-03
CN108363050B true CN108363050B (zh) 2020-05-19

Family

ID=63005399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810131020.0A Active CN108363050B (zh) 2018-02-09 2018-02-09 一种基于机载LiDAR数据的堤防破坏检测方法

Country Status (1)

Country Link
CN (1) CN108363050B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783925B (zh) * 2019-01-09 2023-09-19 安徽省水利水电勘测设计研究总院有限公司 一种基于AutoCAD的堤防绘图方法
CN113791412A (zh) * 2021-09-13 2021-12-14 中国电建集团贵阳勘测设计研究院有限公司 一种基于时移的堤防隐患排查方法
CN115761174B (zh) * 2022-11-18 2024-05-03 河海大学 一种基于激光雷达的堤防寿命监测方法、系统及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819023A (zh) * 2012-07-27 2012-12-12 中国地质大学(武汉) 基于LiDAR的复杂地质背景区滑坡识别的方法及系统
CN105242279A (zh) * 2015-07-30 2016-01-13 王植 一种基于激光雷达技术的滑坡体变化检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101003412B1 (ko) * 2010-08-31 2010-12-23 (주)동광지엔티 정밀도 저하율 임계치 검출을 이용한 항공 레이저 측량 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819023A (zh) * 2012-07-27 2012-12-12 中国地质大学(武汉) 基于LiDAR的复杂地质背景区滑坡识别的方法及系统
CN105242279A (zh) * 2015-07-30 2016-01-13 王植 一种基于激光雷达技术的滑坡体变化检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
The Extraction of Vegetation Points from LiDAR Using 3D Fractal Dimension Analyses;Haiquan Yang et al.;《Remote Sensing》;20151231;第7卷(第8期);第10815-10831页 *
一种面向海量数字高程模型数据的洪水淹没区快速生成算法;沈定涛等;《测绘学报》;20140630;第43卷(第6期);第645-652页 *

Also Published As

Publication number Publication date
CN108363050A (zh) 2018-08-03

Similar Documents

Publication Publication Date Title
CN108363050B (zh) 一种基于机载LiDAR数据的堤防破坏检测方法
AU2020104393A4 (en) Coastal Erosion Risk Evaluation Method
CN110020607B (zh) 一种基于空间分维理论寻找相似流域的方法
CN110610302B (zh) 一种基于固体物源子系统的泥石流危险性评估方法及装置
CN108959681A (zh) 一种基于点云数据的堰塞湖引流道设计方法
CN112861719B (zh) 一种基于多时相高分辨率遥感影像的海岸线提取方法
Van Tho Coastal erosion, river bank erosion and landslides in the Mekong Delta: Causes, effects and solutions
Pilarczyk et al. Experience and practices on flood control in Vietnam
Mou et al. Spatiotemporal differentiation and development process of tidal creek network morphological characteristics in the Yellow River Delta
Xu et al. Extraction and spatiotemporal evolution analysis of tidal flats in the Bohai Rim during 1984–2019 based on remote sensing
Chen et al. A risk analysis framework for transmission towers under potential pluvial flood-LiDAR survey and geometric modelling
Gao et al. Shoreline change due to global climate change and human activity at the Shandong Peninsula from 2007 to 2020
Néelz et al. Sub-grid scale parameterisation of 2D hydrodynamic models of inundation in the urban area
CN113935202B (zh) 一种基于激光雷达的河道演化预警方法
Leulmi et al. Assessment of the effect of land use and land cover (LULC) change on depth runoff: case study of Skikda floods event
Mukherjee et al. Coastal erosion and accretion at and around Digha in Medinipur District of West Bengal
Zhou et al. Coastal change detection along the Fire Island, US under the impact of Hurricane Sandy based on Lidar data
Kamal et al. Assessment of hydrological analysis using WMS versus Arc-GIS
KR101406010B1 (ko) 라이다 자료와 정사영상을 이용한 제방의 구성요소 분류 방법
Opekunova et al. Channel Deformations and Hazardous Processes of the Left-Bank Tributaries of The Angara River (Eastern Siberia). Water 2023, 15, 291
Zhou et al. Flood submergence simulation and risk analysis based on GIS in plain area
Bazhenova et al. Dynamical phases of intrasecular cycles of morphogenesis within the drainless lake basins of Dauria
Bharathvaj et al. Strom surge vulnerability and LU/LC change detection analysis–in the northern parts of Coramandal coast, Tamilnadu
Montreuil et al. Monitoring Intertidal Bars and 3D Coastal Mapping Using an Automatic Algorithm on a Lidar Dataset
Dasgupta Glacial lakes outburst floods GLOF in the Indian Himalayas—a geotechnical resilient exemplification of hazard assessment

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