CN110197210A - 一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法 - Google Patents
一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法 Download PDFInfo
- Publication number
- CN110197210A CN110197210A CN201910402618.3A CN201910402618A CN110197210A CN 110197210 A CN110197210 A CN 110197210A CN 201910402618 A CN201910402618 A CN 201910402618A CN 110197210 A CN110197210 A CN 110197210A
- Authority
- CN
- China
- Prior art keywords
- model
- analysis
- landscape
- image recognition
- oblique photograph
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000012800 visualization Methods 0.000 title claims abstract description 27
- 238000013461 design Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004381 surface treatment Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000004141 dimensional analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000004412 visual outcomes Effects 0.000 claims description 3
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000011002 quantification Methods 0.000 abstract description 2
- 230000036301 sexual development Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005422 blasting Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其通过借助无人机等平台实现的倾斜摄影测量模型具有成本低、速度快、风险小、精度高等多项优点，通过合理的数据处理和多软件配合，根据此设计方法能有效实现景观现状定量化统计与分类的可视化，也能实现景观现状定量可视化分析，该可视化方法具有很好的说服力和科学性，对景观设计的科学性与效率性发展具有重要的推动性作用。
Description
技术领域
本发明属于3d景观规划技术领域，具体涉及一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法。
背景技术
景观规划设计在国家提倡公园城市的背景下，尺度逐渐变得巨大，已经远远超出人能把控的范围，越来越需要准确直观的现状全信息模型作为辅助，通过鸟瞰视角的可视化方式将现状条件量化表达出来，能有效传递设计的依据，对景观规划设计的科学性设计与表达具有重要的意义
倾斜摄影技术随着无人机技术、GPS技术、相机技术的发展，逐渐在国防、测绘等领域得到长足发展，并且在商业化的推动下逐渐达到成本可接受的状态，但该技术的成果在景观规划设计行业还未有良好的应用，通过根据景观设计相关需求制定一套倾斜摄影成果高效合理的应用方法在未来规划设计过程中将发挥重要作用。
发明内容
本发明的目的在于：针对上述存在的问题，提供一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法。
为实现上述目的，本发明采用以下技术方案：一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其特征在于：具体包括以下步骤：
S1：根据景观设计划定的红线范围，通过坐标转换与投影，将红线放置于电子地图之上，并以此为依据初步划定倾斜摄影拍摄飞行范围；
S2：根据飞行范围划定无人机飞行航线，设定地面RTK校准点与检查点；
S3：将RTK校准点数据和无人机拍摄设备进行内业数据处理，得到初步现场数字模型；
S4：导出初步现场数字模型的正摄投影图栅格和导出带有贴图与地理信息的三维模型；
S5：在GIS软件中将正摄投影图进行“监督分类”，进行模型训练并且积累样本库，将分类结果根据目视结果进行“重分类”，导出具有分类属性的栅格图；
S6：将具有分类属性的栅格图导入三维设计软件中，由于三维模型和栅格图均具有地理信息，故平面位置一致；将栅格图的不同分类与三维模型进行交错，得到各个类型地物的部分；
S7：将拍摄成果照片采用TensorFlow训练集进行照片要素分类与数量统计，借助python进行语义分割，将分割成果用于模型交错，提高分割精度；
S8：结合三维模型设计软件的统计功能，编写“excel联动导出数量”的代码，将数据批量分类导出；
S9：在三维固定视角中，通过将各个要素进行高亮显示并且配合数据的方式实现完全自动化的初步现状定量可视化；
S10：结合各类平面分析的成果，通过叠加的方式与模型进行交错，并且以上述同样的三维固定视角，实现完整的景观现状定量可视化分析。
本发明所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其对经过步骤S3得到的初步现场数字模型进一步进行优化处理，具体为：
S31：通过RTK检查点，对初步现场数字模型进行精度校验，保证在一定测量规范精度内，如果无法保证，则重新运算模型或重新进行拍摄采样；
S32：将初步现场数字模型中的高程异常部分进行处理；
S33：在高程修正后的初步模型基础上，将模型根据软件和电脑所能承受能力，进行模型减面处理。
本发明所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其在所述步骤S32中，高程异常处理的具体方法为：保留周边正确高程信息，采用插值法进行推算高程，静止水面处理成统一标高，得到高程修正后的初步模型。
本发明所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其在所述步骤S33中，减面处理的具体方法为：优先减少角度变化小的区域，通常设置为0～15度之间。
本发明所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其在设计表达阶段，在模型中通过不同颜色和标注，通过选择最具代表性的无人机照片视角，现状图片与抽象标注进行同角度表达，从而达到感性分析与理性统计相结合。
本发明所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其在外部条件限制下无法进行倾斜建模时，可直接通过单张鸟瞰航拍照片，通过步骤S7直接进行照片要素分类与数量统计，该数量只能统计到可视范围内个数，以作为紧急条件下的补充方法。
本发明通过借助无人机等平台实现的倾斜摄影测量模型具有成本低、速度快、风险小、精度高等多项优点，通过合理的数据处理和多软件配合，根据此设计方法能有效实现景观现状定量化统计与分类的可视化，也能实现景观现状定量可视化分析，该可视化方法具有很好的说服力和科学性，对景观设计的科学性与效率性发展具有重要的推动性作用。
具体实施方式
下面对本发明作详细的说明。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例：一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，具体包括以下步骤：
S1：根据景观设计划定的红线范围，通过坐标转换与投影，将红线放置于google地图之上，并以此为依据初步划定倾斜摄影拍摄飞行范围。
S2：根据飞行范围划定无人机飞行航线，设定地面RTK校准点与检查点。
S3：将RTK校准点数据和无人机拍摄设备进行内业数据处理，得到初步现场数字模型。
其中，需对初步现场数字模型进一步进行优化处理，以提高最终模型精度，具体为：
S31：通过RTK检查点，对初步现场数字模型进行精度校验，保证在1:2000测量规范精度内，如果无法保证，则重新运算模型或重新进行拍摄采样。
S32：将初步现场数字模型中的高程异常部分进行处理，如初步现场数字模型中反射、阴影等部分，其高程异常处理的具体方法为：保留周边正确高程信息，采用插值法进行推算高程，静止水面处理成统一标高，得到高程修正后的初步模型。
S33：在高程修正后的初步模型基础上，将模型根据软件和电脑所能承受能力，进行模型减面处理，其减面处理的具体方法为：优先减少角度变化小的区域，通常设置为0～15度之间。
S4：导出初步现场数字模型的正摄投影图栅格（格式tif）和导出带有贴图与地理信息的三维模型（skp/3ds/obj等格式）。
S5：在GIS软件中将正摄投影图进行“监督分类”，进行模型训练并且积累样本库，将分类结果根据目视结果进行“重分类”，导出具有分类属性的栅格图。
S6：将具有分类属性的栅格图导入三维设计软件中，由于三维模型和栅格图均具有地理信息，故平面位置一致；将栅格图的不同分类与三维模型进行交错，得到各个类型地物的部分。
S7：将拍摄成果照片采用TensorFlow训练集进行照片要素分类与数量统计，包括但不限于树种、树木数量、道路、车辆数量、人数、建筑数量、水系，借助python进行语义分割，将分割成果用于模型交错，提高分割精度。
S8：结合三维模型设计软件的统计功能，编写“excel联动导出数量”的代码，将数据批量分类导出。
S9：在三维固定视角中，通过将各个要素进行高亮显示并且配合数据的方式实现完全自动化的初步现状定量可视化。
S10：结合“缓冲分析”、“径流分析”、“日照分析”等各类平面分析的成果，通过叠加的方式与模型进行交错，并且以上述同样的三维固定视角，实现完整的景观现状定量可视化分析。
S11：在设计表达阶段，在模型中通过不同颜色和标注，通过选择最具代表性的无人机照片视角，现状图片与抽象标注进行同角度表达，从而达到感性分析与理性统计相结合。
S12：在时间等外部条件限制下无法进行倾斜建模时，也可以直接通过单张鸟瞰航拍照片，通过步骤S7直接进行照片要素分类与数量统计，该数量只能统计到可视范围内个数，体积等信息无法得到，作为紧急条件下的补充方法。
其中，在步骤S1中，景观设计划定的红线范围是基于倾斜摄影来实现的，其划定方法具体包括以下步骤：
S1'：根据设计要求主要游览路径，用NASA提供的30m精度DEM模型在GIS中进行初步可视分析模拟，初步划定倾斜摄影拍摄飞行范围，其中，DEM模型为数字高程模型。
S2'：根据飞行范围划定无人机飞行航线，设定地面RTK校准点与检查点。
S3'：将RTK校准点数据和无人机拍摄设备进行内业数据处理，得到初步现场数字模型。
其中，需对初步现场数字模型进一步进行优化处理，以提高最终测量的精度，具体为：
S31'：通过RTK检查点，对初步现场数字模型进行精度校验，保证在1:2000测量规范精度内，如果无法保证，则重新运算模型或重新进行拍摄采样。
S32'：将初步现场数字模型中的高程异常部分进行处理，如初步现场数字模型中反射、阴影等部分，其高程异常处理的具体方法为：保留周边正确高程信息，采用插值法进行推算高程，静止水面处理成统一标高，得到高程修正后的初步模型。
S33'：在高程修正后的初步模型基础上，将模型根据软件和电脑所能承受能力，进行模型减面处理，其减面处理的具体方法为：优先减少角度变化小的区域，通常设置为0～15度之间。
S4'：将初步现场数字模型一份导出带有地理信息的DEM栅格图，如tiff格式的栅格图，一份导出带有贴图与地理信息的三维模型，如skp或3ds或obj等格式的三维模型。
S5'：在GIS软件中对DEM栅格图实行可视分析，得到具有地理信息的平面可视范围栅格图。
S6'：将可视范围栅格图导入三维设计软件中，由于三维模型和栅格图均具有地理信息，故平面位置一致；将栅格图中可视范围投影于三维模型上。
S7'：设置人视点动画路径，在三维模型中检验栅格可视范围的正确性；如果遇到不对之处，在三维模型中直接校正，由此得到景观可视范围。
最后，根据具体设计要求，可进一步增加具体设计因素进入划定红线的考虑之中，如拆迁、道路两侧距离等各类因素，最终获得合理的景观规划设计范围划定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其特征在于：具体包括以下步骤：
S1：根据景观设计划定的红线范围，通过坐标转换与投影，将红线放置于电子地图之上，并以此为依据初步划定倾斜摄影拍摄飞行范围；
S2：根据飞行范围划定无人机飞行航线，设定地面RTK校准点与检查点；
S3：将RTK校准点数据和无人机拍摄设备进行内业数据处理，得到初步现场数字模型；
S4：导出初步现场数字模型的正摄投影图栅格和导出带有贴图与地理信息的三维模型；
S5：在GIS软件中将正摄投影图进行“监督分类”，进行模型训练并且积累样本库，将分类结果根据目视结果进行“重分类”，导出具有分类属性的栅格图；
S6：将具有分类属性的栅格图导入三维设计软件中，由于三维模型和栅格图均具有地理信息，故平面位置一致；将栅格图的不同分类与三维模型进行交错，得到各个类型地物的部分；
S7：将拍摄成果照片采用TensorFlow训练集进行照片要素分类与数量统计，借助python进行语义分割，将分割成果用于模型交错，提高分割精度；
S8：结合三维模型设计软件的统计功能，编写“excel联动导出数量”的代码，将数据批量分类导出；
S9：在三维固定视角中，通过将各个要素进行高亮显示并且配合数据的方式实现完全自动化的初步现状定量可视化；
S10：结合各类平面分析的成果，通过叠加的方式与模型进行交错，并且以上述同样的三维固定视角，实现完整的景观现状定量可视化分析。
2.根据权利要求1所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其特征在于：对经过步骤S3得到的初步现场数字模型进一步进行优化处理，具体为：
S31：通过RTK检查点，对初步现场数字模型进行精度校验，保证在一定测量规范精度内，如果无法保证，则重新运算模型或重新进行拍摄采样；
S32：将初步现场数字模型中的高程异常部分进行处理；
S33：在高程修正后的初步模型基础上，将模型根据软件和电脑所能承受能力，进行模型减面处理。
3.根据权利要求2所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其特征在于：在所述步骤S32中，高程异常处理的具体方法为：保留周边正确高程信息，采用插值法进行推算高程，静止水面处理成统一标高，得到高程修正后的初步模型。
4.根据权利要求2所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其特征在于：在所述步骤S33中，减面处理的具体方法为：优先减少角度变化小的区域，通常设置为0～15度之间。
5.根据权利要求1所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其特征在于：在设计表达阶段，在模型中通过不同颜色和标注，通过选择最具代表性的无人机照片视角，现状图片与抽象标注进行同角度表达，从而达到感性分析与理性统计相结合。
6.根据权利要求1所述的基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法，其特征在于：在外部条件限制下无法进行倾斜建模时，可直接通过单张鸟瞰航拍照片，通过步骤S7直接进行照片要素分类与数量统计，该数量只能统计到可视范围内个数，以作为紧急条件下的补充方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910402618.3A CN110197210A (zh) | 2019-05-15 | 2019-05-15 | 一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910402618.3A CN110197210A (zh) | 2019-05-15 | 2019-05-15 | 一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110197210A true CN110197210A (zh) | 2019-09-03 |
Family
ID=67751441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910402618.3A Pending CN110197210A (zh) | 2019-05-15 | 2019-05-15 | 一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110197210A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111707239A (zh) * | 2020-07-09 | 2020-09-25 | 厦门大学 | 一种基于倾斜摄影实现村落历史建筑保护范围检测的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105469410A (zh) * | 2015-12-03 | 2016-04-06 | 广州市城市规划勘测设计研究院 | 一种基于gis的景观视域分析方法 |
| CN106023302A (zh) * | 2016-05-06 | 2016-10-12 | 刘进 | 一种移动通信终端及其实现三维重建的方法及服务器 |
-
2019
- 2019-05-15 CN CN201910402618.3A patent/CN110197210A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105469410A (zh) * | 2015-12-03 | 2016-04-06 | 广州市城市规划勘测设计研究院 | 一种基于gis的景观视域分析方法 |
| CN106023302A (zh) * | 2016-05-06 | 2016-10-12 | 刘进 | 一种移动通信终端及其实现三维重建的方法及服务器 |
Non-Patent Citations (2)
| Title |
|---|
| 冼梨萍: "《基于无人机倾斜摄影测量技术的三维景观模型实现》", 《山西农经》 * |
| 张飞兰: "《景观可视性定量计算方法的研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111707239A (zh) * | 2020-07-09 | 2020-09-25 | 厦门大学 | 一种基于倾斜摄影实现村落历史建筑保护范围检测的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110221311B (zh) | 基于tls和uav自动化提取高郁闭林分树高的方法 | |
| 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 | |
| CN104867180B (zh) | 一种集成uav与lidar的森林林分特征反演方法 | |
| CN109684929A (zh) | 基于多源遥感数据融合的陆生植物生态环境监测方法 | |
| CN111553245A (zh) | 基于机器学习算法和多源遥感数据融合的植被分类方法 | |
| CN107194989A (zh) | 基于无人机飞机航拍的交通事故现场三维重建系统及方法 | |
| CN111444872A (zh) | 一种丹霞地貌参数测量方法 | |
| US11532125B2 (en) | Three-dimensional model-based coverage path planning method for unmanned aerial vehicles | |
| CN107564046A (zh) | 一种基于点云与uav影像二次配准的建筑物轮廓精确提取方法 | |
| CN105758386A (zh) | 一种激光点云与航空影像集成的建筑物三维建模方法 | |
| CN107479065A (zh) | 一种基于激光雷达的林窗立体结构量测方法 | |
| CN115240087A (zh) | 基于双目立体视觉及激光点云的树障定位分析方法及系统 | |
| CN111189433A (zh) | 一种基于无人机航拍的岩溶峰林地貌参数测量方法 | |
| CN115406412A (zh) | 一种基于bim无人机测绘装置及测绘方法 | |
| CN111782739A (zh) | 地图更新方法及装置 | |
| CN111426303A (zh) | 一种岩溶坡立谷参数测量方法 | |
| CN115825984A (zh) | 一种基于激光点云的输电线路巡检系统及巡检方法 | |
| CN114200527B (zh) | 一种基于倾斜摄影的无人机航磁测量方法及系统 | |
| CN110188419A (zh) | 一种景观生态现状条件分析与定量规划设计的方法 | |
| CN110197210A (zh) | 一种基于倾斜摄影、图像识别实现景观现状定量可视化分析的方法 | |
| CN110298852A (zh) | 基于无人机影像色谱的地质界线自动提取方法 | |
| CN112711987B (zh) | 双激光雷达电力杆塔三维点云增强系统及方法 | |
| CN114897967B (zh) | 一种面向挖掘装备自主作业的物料形态识别方法 | |
| Liang et al. | Accuracy analysis of oblique photogrammetry measurement in 3D modeling of power line selection design | |
| CN110207668B (zh) | 基于无人机倾斜摄影的景观竖向分析与定量竖向设计方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190903 |
|
| WD01 | Invention patent application deemed withdrawn after publication |