CN108956392B - 一种潮滩沉积物类型的无人机识别方法 - Google Patents
一种潮滩沉积物类型的无人机识别方法 Download PDFInfo
- Publication number
- CN108956392B CN108956392B CN201810732086.5A CN201810732086A CN108956392B CN 108956392 B CN108956392 B CN 108956392B CN 201810732086 A CN201810732086 A CN 201810732086A CN 108956392 B CN108956392 B CN 108956392B
- Authority
- CN
- China
- Prior art keywords
- roughness
- area
- point cloud
- particle size
- unmanned aerial
- 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.)
- Expired - Fee Related
Links
- 239000013049 sediment Substances 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000002245 particle Substances 0.000 claims abstract description 38
- 238000011160 research Methods 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 238000004439 roughness measurement Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000008021 deposition Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003921 particle size analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/303—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces using photoelectric detection means
Landscapes
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种潮滩沉积物类型的无人机识别方法，选取潮滩无植被覆盖滩面区域为研究区，在研究区内选取多个采样点，采集各个采样点的沉积物样品；测定每个沉积物样品的中值粒径；在监测区域内规划无人机飞行航线，从四个不同方向相机镜头分别倾斜45度角各飞行一次，飞行方向两两相互垂直；将研究区域内采集的无人机航摄相片导入三维建模软件建立该区域的三维模型，即可得到该区域的三维点云数据；计算三维点云粗糙度，利用统计回归分析沉积物样品中值粒径数据与点云粗糙度数据，构建中值粒径反演模型。本发明的有益效果是具有定时、定点、高精度获取研究区域遥感影像的独特优势。
Description
技术领域
本发明属于无人机技术领域，涉及一种利用SFM算法重建三维点云，计算点云粗糙度，分析粗糙度与中值粒径关系，从而获取沉积物中值粒径的方法。
背景技术
潮滩是一种重要的低平海岸地貌，在我国及其他沿海国家有着广阔的分布。潮滩沉积物特征研究对海岸工程建设和海岸湿地保护等工作有直接而关键的影响，具有重要的研究价值。潮滩泥沙输运受颗粒粒径、形状和密度等多种特性的影响，其中以粒径的影响最为重要。因此，粒度分析作为一种沉积学研究方法被广泛应用于沉积环境、沉积作用及物质运动方式研究。研究潮滩表层沉积物粒度参数及其空间分布规律对于认识潮滩的地貌演化、沉积特征、水动力作用过程、水沙关系以及颗粒态物质运动特性等具有重要意义，是研究潮滩动态变化的基础数据。
关于粒度参数中的粒径的研究，韩国的专家Joo-Hyung Ryu在此方面有很大的建树。他曾经撰写了一篇论文，专门探讨极限粒径的问题，所谓的极限粒径系指常规卫星影像所能识别的最小的粒径，一旦监测对象小于该粒径，在遥感反演其含量时就显得力所不及，模型上直接表现为极地的相关性。为保证光谱和粒径之间较高的相关性，Ryu甚至提出极限粒径的值应该更高，应定为250μm，若使用62.5μm作为极限粒径，在反演沉积物含量时需要引入其他参数。这篇文章发表于2004年，该观点在10年之前毫无问题，但是遥感学科在数据采集技术方向的发展已是日新月异，不仅亚米级的卫星数据越来越多，甚至近几年出现了以小型无人机为代表的厘米级遥感数据，高精数据的普及为突破极限粒径的限制提供了可能。
发明内容
本发明的目的在于提供一种潮滩沉积物类型的无人机识别方法，本发明解决了人工跑滩测量和卫星遥感测量效率低、不准确的问题。
本发明所采用的技术方案是按照以下步骤进行：
(1)土壤样品采集：选取潮滩无植被覆盖滩面区域为研究区，在研究区内选取多个采样点，采集各个采样点的沉积物样品；
(2)颗粒分析：测定每个沉积物样品的中值粒径；
(3)无人机采集数据：在监测区域内规划无人机飞行航线，从四个不同方向相机镜头分别倾斜45度角各飞行一次，飞行方向两两相互垂直；
(4)三维点云建立：将研究区域内采集的无人机航摄相片导入三维建模软件建立该区域的三维模型，即可得到该区域的三维点云数据；
(5)三维点云粗糙度计算：计算三维点云粗糙度，计算核半径为0.27m左右；
(6)利用统计回归分析沉积物样品中值粒径数据与点云粗糙度数据，构建中值粒径反演模型。
进一步，步骤(1)中采样点不少于40处。
进一步，步骤(2)中利用Mastersizer 3000激光粒度分析仪进行颗粒分析。
进一步，步骤(5)中利用Cloudcompare软件计算三维点云粗糙度。
进一步，步骤(6)中反演模型：通过Cloud Compare对三维点云的计算，得到度量粗糙度的三个参数：粗糙度高度，给定地区海拔标准差的两倍，均方根高度，分析粗糙度度量参数与样品粒径之间的线性关系，选取线性关系最强的粗糙度度量参数，建立反演模型。
进一步，反演模型的校准方法：使用潮滩沉积物粗糙度数据的平均值和标准偏差，建立3000个粗糙度值的对数正态概率分布,以rh(粗糙度高度)为粗糙度参数,随后，将rh与D50(中值粒径)相关的回归模型应用于随机粗糙度分布的每个rh值，然后得出3000WolmanD50的匹配分布,在这些模拟的D50样本中引入与回归模型的残差标准误差相等的高斯随机误差,随后随机抽取成对的rh-D50数据，然后重复运行回归，以了解回归方程的斜率系数如何随着样本数的变化而变化,该模拟重复1000次,分析图像得出所需的校正点数。
本发明的有益效果是通过无人机系统获取点云数据，集成现代低空遥感和摄影测量技术，具有定时、定点、高精度获取研究区域遥感影像的独特优势。
附图说明
图1是本发明潮滩沉积物类型的无人机识别方法流程示意图；
图2是本发明在实际应用中的分精度级处理结果图。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明潮滩沉积物类型的无人机识别方法流程如图1所示，包括以下步骤：
(1)土壤样品采集：选取潮滩无植被覆盖滩面区域为研究区，在研究区内选取多个采样点，采集各个采样点的沉积物样品；其中采样点不少于40处。
(2)颗粒分析：利用Mastersizer 3000激光粒度分析仪测定每个沉积物样品的中值粒径；
(3)无人机采集数据：在监测区域内规划无人机飞行航线，从四个不同方向相机镜头分别倾斜45度角各飞行一次，飞行方向两两相互垂直；
(4)三维点云建立：将研究区域内采集的无人机航摄相片导入三维建模软件建立该区域的三维模型，即可得到该区域的三维点云数据；
(5)三维点云粗糙度计算：计算三维点云粗糙度，计算核半径为0.27m左右；利用Cloudcompare软件计算三维点云粗糙度。
(6)利用统计回归分析沉积物样品中值粒径数据与点云粗糙度数据，构建中值粒径反演模型：中值粒径数据：将采集的土壤样品放入采样袋内带入实验室，利用Mastersizer 3000激光粒度分析仪测定每个样品的中值粒径；
粗糙度数据：使用Agisoft PhotoScan工作流及其自定义算法，生成SfM点云，使用Cloud Compare对每个UAS-SfM点云进行过滤，使之平滑。并利用其提供的SOR(统计异常值移除)和噪声滤波器来消除错误点：前者从3D点云中删除异常值，后者是低通滤波器，重新移动远离拟合的点，并利用Cloudcompare软件计算点云粗糙度相关参数(粗糙高度，两倍标准差，高度的均方根)，计算核半径为0.27m；
反演模型：通过Cloud Compare对三维点云的计算，得到度量粗糙度的三个参数：粗糙度高度，给定地区海拔标准差(2σz)的两倍，均方根高度(RMSH)。分析粗糙度度量参数与样品粒径之间的线性关系，选取线性关系最强的粗糙度度量参数，建立粗糙度粒径反演模型。
反演模型的校准：使用潮滩沉积物粗糙度数据的平均值和标准偏差，建立3000个粗糙度值的对数正态概率分布(以rh为粗糙度参数)。随后，将rh与D50相关的回归模型应用于随机粗糙度分布的每个rh值，然后得出3000Wolman D50的匹配分布。考虑到粗糙度D50拟合的不确定性的影响，在这些模拟的D50样本中引入与回归模型的残差标准误差相等的高斯随机误差。随后随机抽取成对的rh-D50数据，然后重复运行回归，以了解回归方程的斜率系数如何随着样本数的变化而变化。该模拟重复1000次。分析图像得出所需的校正点数。图2是本发明在实际应用中的分精度级处理结果图。
以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (1)
1.一种潮滩沉积物类型的无人机识别方法，其特征在于按照以下步骤进行：
（1）土壤样品采集：选取潮滩无植被覆盖滩面区域为研究区，在研究区内选取多个采样点，采集各个采样点的沉积物样品；
（2）颗粒分析：测定每个沉积物样品的中值粒径；
（3）无人机采集数据：在监测区域内规划无人机飞行航线，从四个不同方向相机镜头分别倾斜45度角各飞行一次，飞行方向两两相互垂直；
（4）三维点云建立：将研究区域内采集的无人机航摄相片导入三维建模软件建立该区域的三维模型，即可得到该区域的三维点云数据；
（5）三维点云粗糙度计算：计算三维点云粗糙度，计算核半径为0.27m左右；
利用统计回归分析沉积物样品中值粒径数据与点云粗糙度数据，构建中值粒径反演模型；所述反演模型的校准方法：使用潮滩沉积物粗糙度数据的平均值和标准偏差，建立3000个粗糙度值的对数正态概率分布,以rh为粗糙度参数,随后，将rh与D50相关的回归模型应用于随机粗糙度分布的每个rh值，然后得出3000Wolman D50的匹配分布,在这些模拟的D50样本中引入与回归模型的残差标准误差相等的高斯随机误差,随后随机抽取成对的rh-D50数据，然后重复运行回归，以了解回归方程的斜率系数如何随着样本数的变化而变化,该模拟重复1000次,分析图像得出所需的校正点数；
所述步骤（1）中采样点不少于40处；
所述步骤（2）中利用Mastersizer 3000激光粒度分析仪进行颗粒分析；
所述步骤（5）中利用Cloudcompare软件计算三维点云粗糙度；
所述步骤（6）中反演模型：通过Cloud Compare对三维点云的计算，得到度量粗糙度的三个参数：粗糙度高度，给定地区海拔标准差的两倍，均方根高度，分析粗糙度度量参数与样品粒径之间的线性关系，选取线性关系最强的粗糙度度量参数，建立反演模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810732086.5A CN108956392B (zh) | 2018-07-05 | 2018-07-05 | 一种潮滩沉积物类型的无人机识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810732086.5A CN108956392B (zh) | 2018-07-05 | 2018-07-05 | 一种潮滩沉积物类型的无人机识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108956392A CN108956392A (zh) | 2018-12-07 |
| CN108956392B true CN108956392B (zh) | 2020-11-20 |
Family
ID=64486028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810732086.5A Expired - Fee Related CN108956392B (zh) | 2018-07-05 | 2018-07-05 | 一种潮滩沉积物类型的无人机识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108956392B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111750808B (zh) * | 2020-06-28 | 2021-09-14 | 电子科技大学 | 基于激光雷达扫描仪的地表粗糙度获取方法 |
| CN112966726B (zh) * | 2020-08-25 | 2022-04-22 | 山东省科学院海洋仪器仪表研究所 | 一种基于光谱技术的近海沉积物粒径大小分类方法 |
| CN114253287A (zh) * | 2021-11-05 | 2022-03-29 | 广东省国土资源测绘院 | 基于潮汐分析的潮间带无人机航线规划方法、终端及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0006381D0 (en) * | 2000-03-16 | 2000-05-03 | Univ Loughborough | Analysing data |
| CN105136628A (zh) * | 2015-07-31 | 2015-12-09 | 中国石油天然气股份有限公司 | 三角洲沉积遥感探测方法及装置 |
| CN106442233A (zh) * | 2016-09-21 | 2017-02-22 | 南京信息工程大学 | 利用卫星数据估测海水悬浮颗粒物粒径的混合型新方法 |
| CN106767687A (zh) * | 2017-02-22 | 2017-05-31 | 河海大学 | 一种利用遥感含水量测量滩涂高程的方法 |
| CN107064068A (zh) * | 2017-01-12 | 2017-08-18 | 杭州师范大学 | 一种浑浊水体颗粒有机碳浓度的遥感反演方法 |
| CN108050994A (zh) * | 2017-11-28 | 2018-05-18 | 河海大学 | 基于倾斜摄影三维重建技术的淤泥质潮滩地形演变方法 |
-
2018
- 2018-07-05 CN CN201810732086.5A patent/CN108956392B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0006381D0 (en) * | 2000-03-16 | 2000-05-03 | Univ Loughborough | Analysing data |
| CN105136628A (zh) * | 2015-07-31 | 2015-12-09 | 中国石油天然气股份有限公司 | 三角洲沉积遥感探测方法及装置 |
| CN106442233A (zh) * | 2016-09-21 | 2017-02-22 | 南京信息工程大学 | 利用卫星数据估测海水悬浮颗粒物粒径的混合型新方法 |
| CN107064068A (zh) * | 2017-01-12 | 2017-08-18 | 杭州师范大学 | 一种浑浊水体颗粒有机碳浓度的遥感反演方法 |
| CN106767687A (zh) * | 2017-02-22 | 2017-05-31 | 河海大学 | 一种利用遥感含水量测量滩涂高程的方法 |
| CN108050994A (zh) * | 2017-11-28 | 2018-05-18 | 河海大学 | 基于倾斜摄影三维重建技术的淤泥质潮滩地形演变方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于主成分分析法的戈壁地表砾石粒径遥感估测模型研究;姚爱冬 等;《中国沙漠》;20140930;第34卷(第05期);1215-1221 * |
| 黄渤海悬浮颗粒物粒径的遥感反演研究;陈亚慧 等;《光学学报》;20150930;第35卷(第09期);0901008-1-0901008-10 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108956392A (zh) | 2018-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zeybek et al. | Point cloud filtering on UAV based point cloud | |
| Iizuka et al. | Estimating tree height and diameter at breast height (DBH) from digital surface models and orthophotos obtained with an unmanned aerial system for a Japanese cypress (Chamaecyparis obtusa) forest | |
| CN105160192B (zh) | 基于M5‑LocalR的TRMM卫星降雨数据降尺度方法 | |
| CN108956392B (zh) | 一种潮滩沉积物类型的无人机识别方法 | |
| CN112434617B (zh) | 一种基于多源遥感数据的森林生物量变化监测方法及系统 | |
| CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
| CN111649763B (zh) | 一种基于重力灯塔建立的潜艇导航方法及系统 | |
| CN108182724B (zh) | 一种高精度城市热岛检测方法、设备及存储设备 | |
| CN114491927A (zh) | 城市生态环境气土水耦合模拟预报方法 | |
| CN106597416A (zh) | 一种地面GPS辅助的LiDAR数据高程差的误差修正方法 | |
| CN107122606A (zh) | 基于卫星高度计数据的海平面变化趋势计算方法及装置 | |
| CN107479045B (zh) | 基于全波形激光雷达点云数据剔除低矮植被的方法及系统 | |
| CN112285808B (zh) | 一种aphrodite降水数据的降尺度方法 | |
| St-Onge et al. | Estimating the height and basal area at individual tree and plot levels in Canadian subarctic lichen woodlands using stereo Worldview-3 images | |
| Chen et al. | Nondestructive estimation of the above-ground biomass of multiple tree species in boreal forests of china using terrestrial laser scanning | |
| Zeybek et al. | Investigation of landslide detection using radial basis functions: a case study of the Taşkent landslide, Turkey | |
| Hupy et al. | Modeling streamflow and sediment loads with a photogrammetrically derived UAS digital terrain model: Empirical evaluation from a fluvial aggregate excavation operation | |
| Abate et al. | Integrated close range remote sensing techniques for detecting, documenting, and interpreting lost medieval settlements under canopy: the case of Altanum (RC, Italy) | |
| Bi et al. | Multi-View Analysis of High-Resolution Geomorphic Features in Complex Mountains Based on UAV–LiDAR and SfM–MVS: A Case Study of the Northern Pit Rim Structure of the Mountains of Lufeng, China | |
| Barrile et al. | Analysis of hydraulic risk territories: comparison between LIDAR and other different techniques for 3D modeling | |
| CN110310370B (zh) | 一种gps与srtm点面融合的方法 | |
| Cățeanu et al. | ALS for terrain mapping in forest environments: An analysis of LiDAR filtering algorithms | |
| CN111125937B (zh) | 基于时空加权回归模型近地面大气细颗粒物浓度估算方法 | |
| CN111444824A (zh) | 一种基于无人机技术的植被空间分布格局调查方法及植被分类方法 | |
| Partama et al. | A simple and empirical refraction correction method for UAV-based shallow-water photogrammetry |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201120 Termination date: 20210705 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |