CN110866973B - 空天库岸一体化应急勘测数据融合及集成显示系统及方法 - Google Patents

空天库岸一体化应急勘测数据融合及集成显示系统及方法 Download PDF

Info

Publication number
CN110866973B
CN110866973B CN201911035973.8A CN201911035973A CN110866973B CN 110866973 B CN110866973 B CN 110866973B CN 201911035973 A CN201911035973 A CN 201911035973A CN 110866973 B CN110866973 B CN 110866973B
Authority
CN
China
Prior art keywords
data
module
point cloud
underwater
fusion
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
CN201911035973.8A
Other languages
English (en)
Other versions
CN110866973A (zh
Inventor
季昊巍
罗先启
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Publication of CN110866973A publication Critical patent/CN110866973A/zh
Application granted granted Critical
Publication of CN110866973B publication Critical patent/CN110866973B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Computer Graphics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供了一种空天库岸一体化应急勘测数据融合及集成显示系统及方法，该系统包括：数据采集与传输模块、数据提取模块、数据管理模块、数据配准模块、数据拼接模块、数据分析与处理模块、数据融合模块、三维场景重建模块；所述数据提取模块：与所述数据采集与传输模块相连；所述数据管理模块：与所述数据提取模块连接；所述数据配准模块：与所述数据管理模块连接；所述数据拼接模块：与所述数据管理模块连接；所述数据分析与处理模块：与所述数据管理模块相连；所述数据融合模块模块：与数据分析与处理模块相连；所述三维场景重建模块：与数据分析与处理模块相连。本发明可快速、准确地对受灾区域的范围及状况进行详细勘测并得到勘测结果。

Description

空天库岸一体化应急勘测数据融合及集成显示系统及方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种空天库岸一体化应急勘测数据融合及集成显示系统及方法。
背景技术
滑坡、泥石流等大型地质灾害破坏力极强，经常造成大量经济损失和生命伤亡，因此，如何对其进行研究已经成为拱坝及近坝库岸长期安全稳定运行研究的热点问题。地质灾害研究的目的在于了解滑坡的形成机理和破坏方式，并对其长期稳定性进行预测，进而确定地质灾害的防治方法。为了对地质灾害的时空分布特征和位置形态进行表达，需要对地质灾害进行三维重建。
目前，在计算机信息技术、多源数据获取以及人工智能的推动下，无人机、三维激光扫描测深、多波束测深、侧扫声纳系统、浅剖系统等一批具有全覆盖、高效率、高精度设备在近坝库岸领域普及使用，使得高精度高分辨率地形地貌信息获取、导航和定位、浅表层探测和分类等领域得到长足发展，也为地质灾害体运动机理和稳定性的判断以及应急抢险救灾提供了科学支撑。其中多波束测深系统、侧扫声呐、浅层剖面仪、三维激光扫描仪能够满足部分小区域范围内地形地貌和地质分类覆盖。然而，这些设备获取的数据类型比较单一、无法反应真实的地质地貌信息，而且精度较差，无法满足对模型高精度的要求，严重影响了坝库岸的研究与应用。且现有技术以现场勘查为主，耗费大量人力物力，效率较低。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种空天库岸一体化滑坡快速应急勘测多源数据融合及集成显示系统及方法，其可以了解地质灾害的形成机理和破坏方式，并对其长期稳定性进行预测，进而确定地质灾害的防治方法。
本发明的技术方案如下：
一种空天库岸一体化应急勘测数据融合及集成显示系统，包括：数据采集与传输模块、数据提取模块、数据管理模块、数据配准模块、数据拼接模块、数据分析与处理模块、数据融合模块、三维场景重建模块；其中：
所述数据采集与传输模块：用于实时采集不同格式、不同来源的拱坝及近坝库岸勘测数据；
所述数据提取模块：与所述数据采集与传输模块相连，从所述数据采集与传输模块采集到的勘测数据中提取观测元数据与观测数据信息，建立相应的数据仓库系统；
所述数据管理模块：与所述数据提取模块连接，通过标准接口进行数据存取；
所述数据配准模块：与所述数据管理模块连接，通过建立地面控制点来寻找待配准点云数据和影像之间的同名点，将其作为特征点来分别计算其在现场坐标系和点云坐标系下的坐标，根据同名点的坐标建立点云数据和影像的对应像素的转换参数；
所述数据拼接模块：与所述数据管理模块连接，根据河流的主体走向，确定数据旋转角度，将点云数据整体旋转；然后，根据船载点云数据的空间几何特征提取水上水下分界线，然后，基于提取的水上水下分界线与水底河床数据，利用三种数学模型，进行空间拟合插值，达到水陆数据信息的融合，形成一套完整的勘测数据；
所述数据分析与处理模块：与所述数据管理模块相连，通过所述数据管理模块获取的数据，针对不同的数据采用不同原理进行解译分析，具体为至少包括对所获取的数据进行地理参考面的重建、定向、建立高程模型、正射影像，然后进行信息特征提取、变化检测、地物分类，以便于能够提前了解现场情况；
所述数据融合模块模块：与数据分析与处理模块相连，通过以三维激光扫描数据为基础，获取滑坡区域地形三维空间信息，再以航拍数据为辅助，对其进行纠正与填充处理，使得点云精度能够互补，从而得到两者融合之后精度较高的地形数据；
所述三维场景重建模块：与数据分析与处理模块相连，并根据获取的多源数据进行滑坡体水上水下三维地形地貌重建。
可选地，所述数据采集与传输模块中涉及的勘探数据包括：无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据。
可选地，所述数据提取模块的“提取”包含数据清洗、数据转换和数据聚集：通过解析边坡库岸勘测数据，从中提取观测元数据与观测数据信息，对这些数据进行必要的转换、标准化、集成，使其符合数据仓库系统的模型结构、空间标准和语义规范，基于SQL Server数据库管理系统和Arcgis空间数据引擎建立相应的数据仓库系统，实现无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据的统一管理。
可选地，所述数据拼接模块涉及水域相关的三维地理信息数据采集工作，分为水上和水下两个独立部分；水上部分至少包括RTK人工布设控制点、三维激光扫描仪、无人机航拍摄影；水下部分借助测量船，结合ROV，侧扫声呐，多波束测深系统采集水深数据。
可选地，所述数据融合模块包括以下几个方面的融合：
(1)位置姿态的融合：将动态差分GPS和惯性测量装置进行综合，不用地面控制点进行空三加密就可以获得较高精度的影像外方位元素，可以在传感器成像过程中实时测量传感器的位置和姿态；
(2)点云数据的融合：将三维激光扫描仪获取的水上点云数据和多波速获取的水下点云数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场点云数据，再进行渲染及建模等操作；
(3)影像数据融合：将无人机航拍获取及拼接好的的水上现场影像和侧扫声呐获取的现场水下影像数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场影像数据。
可选地，所述数据拼接模块涉及三种数学模型为：正交折线插值数学模型、二次曲线插值数学模型、倾斜折线插值数学模型。
一种基于上述系统的空天库岸一体化应急勘测数据融合及集成显示方法，包括如下步骤：
S1：所述数据采集与传输模块实时采集不同格式、不同来源的拱坝及近坝库岸勘测数据；
S2：所述数据提取模块从采集到的勘测数据中提取观测元数据与观测数据信息，建立相应的数据仓库系统；所述数据提取模块将提取到数据传输给所述数据管理模块；
S3：所述数据管理模块接收所述数据提取模块输出的数据，并将该些数据传输给所述数据配准模块、所述数据拼接模块、所述数据分析与处理模块；
S4：所述数据配准模块获取所述数据管理模块输出的数据，并通过建立地面控制点来寻找待配准点云数据和影像之间的同名点，将其作为特征点来分别计算其在现场坐标系和点云坐标系下的坐标，根据同名点的坐标建立点云数据和影像的对应像素的转换参数；
S5：所述数据拼接模块获取所述数据管理模块输出的数据，并且根据河流的主体走向，确定数据旋转角度，将点云数据整体旋转；然后，根据船载点云数据的空间几何特征提取水上水下分界线，然后，基于提取的水上水下分界线与水底河床数据，利用三种数学模型，进行空间拟合插值，达到水陆数据信息的融合，形成一套完整的勘测数据；
S6：所述数据分析与处理模块获取所述数据管理模块输出的数据，并对所获取的数据至少包括以下操作：对获取的数据进行地理参考面的重建、定向、建立高程模型、正射影像等，然后进行信息特征提取、变化检测、地物分类，以便于能够提前了解现场情况；所述数据分析与处理模块将分析处理后的数据传输给所述数据融合模块、所述三维场景重建模块；
S7：所述数据融合模块模块获取数据分析与处理模块输出的数据，并通过以三维激光扫描数据为基础，获取滑坡区域地形三维空间信息，再以航拍数据为辅助，对其进行纠正与填充处理，使得点云精度能够互补，从而得到两者融合之后精度较高的地形数据；
S8：所述三维场景重建模块获取所述数据分析与处理模块输出的数据，并根据获取的多源数据，进行滑坡体水上水下三维地形地貌重建。
可选地，步骤S1中，所述勘探数据包括：无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据。
可选地，步骤S2中，所述数据提取模块对获取的数据进行数据清洗、数据转换和数据聚集：通过解析边坡库岸勘测数据，从中提取观测元数据与观测数据信息，对这些数据进行必要的转换、标准化、集成，使其符合数据仓库系统的模型结构、空间标准和语义规范，基于SQL Server数据库管理系统和Arcgis空间数据引擎建立相应的数据仓库系统，实现无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据的统一管理。
可选地，步骤S5中，所述数据拼接模块涉及水域相关的三维地理信息数据采集工作，分为水上和水下两个独立部分；水上部分至少包括RTK人工布设控制点、三维激光扫描仪、无人机航拍摄影；水下部分借助测量船，结合ROV，侧扫声呐，多波束测深系统采集水深数据。
可选地，步骤S7中，所述数据融合模块包括以下几个方面的融合：
(1)位置姿态的融合：将动态差分GPS和惯性测量装置进行综合，不用地面控制点进行空三加密就可以获得较高精度的影像外方位元素，可以在传感器成像过程中实时测量传感器的位置和姿态；
(2)点云数据的融合：将三维激光扫描仪获取的水上点云数据和多波速获取的水下点云数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场点云数据，再进行渲染及建模等操作；
(3)影像数据融合：将无人机航拍获取及拼接好的的水上现场影像和侧扫声呐获取的现场水下影像数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场影像数据。
可选地，步骤S5中，所述数据拼接模块涉及三种数学模型为：正交折线插值数学模型、二次曲线插值数学模型、倾斜折线插值数学模型。
与现有技术相比，本发明具有如下的有益效果：
空天库岸一体化滑坡快速应急勘测多源数据融合及集成显示系统具有作业灵活、高效、精度高、受各类因素影响小等优点，能够针对滑坡现场进行勘测。将多源数据(平台——野外调查测量船、“空”-无人机、“天”-卫星定位系统、“库”-水下测量系统、“岸”-地面三维激光扫描仪)融合及集成显示，系统架构统一，性能稳定可靠，分布式系统间可实现无缝集成，互操作性强，快速、准确地对受灾区域的范围及状况进行详细勘测，能够在很短时间内得到勘测结果。
目前技术只能单一展现陆地或者水下数据特征，而本技术使用数据拼接模块，能够将陆地或者水下的单一数据进行合成为完整的现场数据，能够同时反应陆地和水下数据特征。
目前技术只能单一使用一种勘测数据，这种勘测数据本身存在一定的缺点(覆盖面小，精度差)，而本技术使用数据融合模块模块将这些多种技术进行融合，充分利用这些技术的优势并进行优势互补，有效地减小了单一技术带来的缺点的影响。
所述三维场景重建模块模块中使用的NURBS曲面拟合计算得到的平面比用其他平面拟合方法计算得到的平面中误差小，精度更高，三维场景重建速度更快。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明具体实施例一种空天库岸一体化应急勘测数据融合及集成显示系统的连接示意图；
图2是本发明具体实施例一种空天库岸一体化应急勘测数据融合及集成显示方法的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1，一种空天库岸一体化应急勘测数据融合及集成显示系统，包括：数据采集与传输模块、数据提取模块、数据管理模块、数据配准模块、数据拼接模块、数据分析与处理模块、数据融合模块、三维场景重建模块；其中：
所述数据采集与传输模块：用于实时采集不同格式、不同来源的拱坝及近坝库岸勘测数据。其中，所述数据采集与传输模块中涉及的勘探数据包括：无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据。所述三维激光扫描仪数据可通过云端传输到显示屏，同时存储至电脑。所述侧扫声纳数据可通过ROV(Remote OperatedVehicle，水下机器人)遥控线缆传输到显示屏，同时存储至电脑。
所述数据提取模块：与所述数据采集与传输模块相连，从所述数据采集与传输模块采集到的勘测数据中提取观测元数据与观测数据信息，建立相应的数据仓库系统。其中，所述数据提取模块的“提取”包含数据清洗、数据转换和数据聚集：通过解析边坡库岸勘测数据，从中提取观测元数据与观测数据信息，对这些数据进行必要的转换、标准化、集成，使其符合数据仓库系统的模型结构、空间标准和语义规范，基于SQL Server数据库管理系统和Arcgis空间数据引擎建立相应的数据仓库系统，实现无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据的统一管理。
所述数据管理模块：与所述数据提取模块连接，通过标准接口进行数据存取；所述 数据管理模块以边坡库岸勘测数据为对象，集数据存储、数据管理、数据分析处理和数据发 布共享为一体的数据管理系统，通过标准接口进行观测数据存取，实现数据共享及系统互 操作性。
所述数据配准模块：与所述数据管理模块连接，通过建立地面控制点来寻找待配准点云数据和影像之间的同名点，将其作为特征点来分别计算其在现场坐标系和点云坐标系下的坐标，根据同名点的坐标建立点云数据和影像的对应像素的转换参数，将影像数据和无人机数据进行对应，为后面的数据拼接等工作做准备。
所述数据拼接模块：与所述数据管理模块连接，根据河流的主体走向，确定数据旋转角度，将点云数据整体旋转；然后，根据船载点云数据的空间几何特征提取水上水下分界线，然后，基于提取的水上水下分界线与水底河床数据，利用三种数学模型，进行空间拟合插值，达到水陆数据信息的融合，形成一套完整的勘测数据。所述数据拼接模块涉及三种数学模型为：正交折线插值数学模型、二次曲线插值数学模型、倾斜折线插值数学模型。
所述数据拼接模块涉及水域相关的三维地理信息数据采集工作，分为水上和水下两个独立部分；水上部分至少包括RTK人工布设控制点、三维激光扫描仪、无人机航拍摄影；水下部分一般借助测量船，结合ROV，侧扫声呐，多波束测深系统等采集水深数据。
其中，RTK(Real-time kinematic，实时动态)载波相位差分技术，是实时处理两个测量站载波相位观测量的差分方法，将基准站采集的载波相位发给用户接收机，进行求差解算坐标。ROV是水下机器人。
所述数据分析与处理模块：与所述数据管理模块相连，通过所述数据管理模块获取的数据，针对不同的数据采用不同原理进行解译分析，并生成地形数据，如数字高程模型(Digital Elevation Model，DEM)，数字地面模型(Digital Terrain Model，DTM)等。具体为至少包括对所获取的数据进行地理参考面的重建、定向、建立高程模型、正射影像等，然后进行信息特征提取、变化检测、地物分类，以便于能够提前了解现场情况。
所述数据融合模块：与数据分析与处理模块相连，通过以三维激光扫描数据为基础，获取滑坡区域地形三维空间信息，再以航拍数据为辅助，对其进行纠正与填充处理，使得点云精度能够互补，从而得到两者融合之后精度较高的地形数据。
对于数据融合模块，三维激光扫描仪得到的点云数据具有高时间分辨率、高空间分辨率和测量精度均匀等特点，能够给出滑坡的位置、大小等分析数据，但是会受到现场地形影响导致不完整；无人机航拍得到的点云数据能够对现场地形进行较为全面的覆盖，同时不受地形影响，但是会受到海拔、气流、水流等因素影响使得其精度较低。因此，通过以三维激光扫描数据为基础，获取滑坡区域地形三维空间信息，再以航拍数据为辅助，对其进行纠正与填充处理，使得点云精度能够互补，从而得到两者融合之后精度较高的地形数据。
所述数据融合模块包括以下几个方面的融合：
(1)位置姿态的融合：将动态差分GPS和惯性测量装置进行综合，不用地面控制点进行空三加密就可以获得较高精度的影像外方位元素，可以在传感器成像过程中实时测量传感器的位置和姿态；
(2)点云数据的融合：将三维激光扫描仪获取的水上点云数据和多波速获取的水下点云数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场点云数据，再进行渲染及建模等操作；
(3)影像数据融合：将无人机航拍获取及拼接好的的水上现场影像和侧扫声呐获取的现场水下影像数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场影像数据。
利用C++语言编程进行格式分析，重新定义数据结构，将每一个无人机的原始数据写成一个可读取的文本文件。选取解码后的文本文件中有关参数进行统计计算，实现无人机原始数据自动格式解析、参数提取统计、质量检查、增益调整、斜距校正等功能，并能够在无人机数据瀑布图回放的同时进行镶嵌图的制作，得出数据的最终利用形式——无人机图像(Sidescan Sonar Image)。
融合无人机数据和三维激光点云的库岸边坡三维地形地貌精细化测量，即具有精确位置信息的三维激光点云，借助SURF计算所得的空间变换参数，以具有较高覆盖度的无人机数据图像为参考，对三维激光点云实施变换和重采样，实现无人机图像与多三维激光点云的精确匹配，也为无人机图像从三维激光点云中获得精确的位置信息。
所述三维场景重建模块：与数据分析与处理模块相连，并根据获取的多源数据进行滑坡体水上水下三维地形地貌重建。所述三维场景重建模块目的在于了解现场地形地貌，并对其长期稳定性进行预测，进而确定施工或者防治的方法，为了对现场的时空分布和内部结构特征进行表达，需要对拱坝及近坝库岸进行三维重建。
这里的“重建”通过以下过程实现：
主要基于NURBS技术来对曲面进行重建。NURBS曲面可采用有理分式方法表示为：
Figure BDA0002251270700000081
这里控制定点di，j(i＝0，1，......，m；j＝0，1，......，n)呈拓扑矩形阵列，形成一个控制网格。ωi，j是与定点di，j联系的权因子，规定四角顶点处用正权因子，即ω0，0、ωm，0、ω0，n、ωm，n＞0，其余ωi，j≥0ωi，j≥0且顺序k×1个权因子不同时为0。
Ni，k(u)(i＝0，1，......，m)和Nj，1(v)(i＝0，1，......，n)分别为u向k次和v向1次的规范B样条基。它们分别由u向和v向德节点矢量U＝[u0，u1，......，um+j+1]与V＝[u0，u1，......，un+1+1]按德布尔递推公式决定。控制网格的生成是重建NURBS曲面十分重要的一步。
在生成m×n的控制网格时，由于点云数据在沿x方向上的密度远大于沿y方向上密度，因而令n等于扫描路径的数目。沿x方向上控制点数m由用户设定，按上面的公式计算跨距S：
Figure BDA0002251270700000091
分子为右边界的点的x坐标减去左边界的x坐标。
在x方向上每隔跨距S取一点的坐标值作为控制点的坐标，从而生成m×n的均匀矩形控制网格。要确定一个NURBS曲面的形状，不光要知道控制点信息，还要知道节点向量和权值。为使NURBS曲面边界与点云数据边界具有更高的重合度，k阶NURBS曲面节点向量的前k+1个参数为0，最后k+1个参数为1。由于点云数据基本均匀分布，权值可以都设为1。在确定控制点网格、节点向量和权值后，就可以通过插值生成NURBS曲面。
如图2，一种基于上述系统的空天库岸一体化应急勘测数据融合及集成显示方法，其特征在于，包括如下步骤：
S1：所述数据采集与传输模块实时采集不同格式、不同来源的拱坝及近坝库岸勘测数据；
S2：所述数据提取模块从采集到的勘测数据中提取观测元数据与观测数据信息，建立相应的数据仓库系统；所述数据提取模块将提取到数据传输给所述数据管理模块；
S3：所述数据管理模块接收所述数据提取模块输出的数据，并将该些数据传输给所述数据配准模块、所述数据拼接模块、所述数据分析与处理模块；
S4：所述数据配准模块获取所述数据管理模块输出的数据，并通过建立地面控制点来寻找待配准点云数据和影像之间的同名点，将其作为特征点来分别计算其在现场坐标系和点云坐标系下的坐标，根据同名点的坐标建立点云数据和影像的对应像素的转换参数；
S5：所述数据拼接模块获取所述数据管理模块输出的数据，并且根据河流的主体走向，确定数据旋转角度，将点云数据整体旋转；然后，根据船载点云数据的空间几何特征提取水上水下分界线，然后，基于提取的水上水下分界线与水底河床数据，利用三种数学模型，进行空间拟合插值，达到水陆数据信息的融合，形成一套完整的勘测数据；
S6：所述数据分析与处理模块获取所述数据管理模块输出的数据，并对所获取的数据至少包括以下操作：对获取的数据进行地理参考面的重建、定向、建立高程模型、正射影像等，然后进行信息特征提取、变化检测、地物分类，以便于能够提前了解现场情况；所述数据分析与处理模块将分析处理后的数据传输给所述数据融合模块、所述三维场景重建模块；
S7：所述数据融合模块模块获取数据分析与处理模块输出的数据，并通过以三维激光扫描数据为基础，获取滑坡区域地形三维空间信息，再以航拍数据为辅助，对其进行纠正与填充处理，使得点云精度能够互补，从而得到两者融合之后精度较高的地形数据；
S8：所述三维场景重建模块获取所述数据分析与处理模块输出的数据，并根据获取的多源数据，进行滑坡体水上水下三维地形地貌重建。
步骤S1中，所述勘探数据包括：无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据。
步骤S2中，所述数据提取模块对获取的数据进行数据清洗、数据转换和数据聚集：通过解析边坡库岸勘测数据，从中提取观测元数据与观测数据信息，对这些数据进行必要的转换、标准化、集成，使其符合数据仓库系统的模型结构、空间标准和语义规范，基于SQLServer数据库管理系统和Arcgis空间数据引擎建立相应的数据仓库系统，实现无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据的统一管理。
步骤S5中，所述数据拼接模块涉及水域相关的三维地理信息数据采集工作，分为水上和水下两个独立部分；水上部分至少包括RTK人工布设控制点、三维激光扫描仪、无人机航拍摄影；水下部分借助测量船，结合ROV，侧扫声呐，多波束测深系统采集水深数据。
步骤S7中，所述数据融合模块包括以下几个方面的融合：
(1)位置姿态的融合：将动态差分GPS和惯性测量装置进行综合，不用地面控制点进行空三加密就可以获得较高精度的影像外方位元素，可以在传感器成像过程中实时测量传感器的位置和姿态；
(2)点云数据的融合：将三维激光扫描仪获取的水上点云数据和多波速获取的水下点云数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场点云数据，再进行渲染及建模等操作；
(3)影像数据融合：将无人机航拍获取及拼接好的的水上现场影像和侧扫声呐获取的现场水下影像数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场影像数据。
步骤S5中，所述数据拼接模块涉及三种数学模型为：正交折线插值数学模型、二次曲线插值数学模型、倾斜折线插值数学模型。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种空天库岸一体化应急勘测数据融合及集成显示系统，其特征在于，包括：数据采集与传输模块、数据提取模块、数据管理模块、数据配准模块、数据拼接模块、数据分析与处理模块、数据融合模块、三维场景重建模块；其中：所述数据采集与传输模块：用于实时采集不同格式、不同来源的拱坝及近坝库岸勘测数据；所述数据提取模块：与所述数据采集与传输模块相连，从所述数据采集与传输模块采集到的勘测数据中提取观测元数据与观测数据信息，建立相应的数据仓库系统；所述数据管理模块：与所述数据提取模块连接，通过标准接口进行数据存取；所述数据配准模块：与所述数据管理模块连接，通过建立地面控制点来寻找待配准点云数据和影像之间的同名点，将其作为特征点来分别计算其在现场坐标系和点云坐标系下的坐标,根据同名点的坐标建立点云数据和影像的对应像素的转换参数；所述数据拼接模块：与所述数据管理模块连接，根据河流的主体走向，确定数据旋转角度，将点云数据整体旋转；然后，根据船载点云数据的空间几何特征提取水上水下分界线，然后，基于提取的水上水下分界线与水底河床数据，利用三种数学模型，进行空间拟合插值，达到水陆数据信息的融合，形成一套完整的勘测数据；其中，三种数学模型为：正交折线插值数学模型、二次曲线插值数学模型、倾斜折线插值数学模型；所述数据分析与处理模块：与所述数据管理模块相连，通过所述数据管理模块获取的数据，针对不同的数据采用不同原理进行解译分析，具体为至少包括对所获取的数据进行地理参考面的重建、定向、建立高程模型、正射影像，然后进行信息特征提取、变化检测、地物分类，以便于能够提前了解现场情况；所述数据融合模块：与数据分析与处理模块相连，通过以三维激光扫描数据为基础，获取滑坡区域地形三维空间信息，再以航拍数据为辅助，对其进行纠正与填充处理，使得点云精度能够互补，从而得到两者融合之后精度较高的地形数据；所述三维场景重建模块：与数据分析与处理模块相连，并根据获取的多源数据进行滑坡体水上水下三维地形地貌重建。
2.如权利要求1所述的系统，其特征在于，所述数据采集与传输模块中涉及的勘测数据包括：无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据。
3.如权利要求2所述的系统，其特征在于，所述数据提取模块的“提取”包含数据清洗、数据转换和数据聚集：通过解析边坡库岸勘测数据，从中提取观测元数据与观测数据信息，对这些数据进行必要的转换、标准化、集成，使其符合数据仓库系统的模型结构、空间标准和语义规范，基于SQLServer数据库管理系统和Arcgis空间数据引擎建立相应的数据仓库系统，实现无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据的统一管理。
4.如权利要求1所述的系统，其特征在于，所述数据拼接模块涉及水域相关的三维地理信息数据采集工作，分为水上和水下两个独立部分；水上部分至少包括RTK人工布设控制点、三维激光扫描仪、无人机航拍摄影；水下部分借助测量船，结合ROV，侧扫声呐，多波束测深系统采集水深数据。
5.如权利要求1所述的系统，其特征在于，所述数据融合模块包括以下几个方面的融合：(1)位置姿态的融合：将动态差分GPS和惯性测量装置进行综合，不用地面控制点进行空三加密就可以获得较高精度的影像外方位元素，可以在传感器成像过程中实时测量传感器的位置和姿态；(2)点云数据的融合：将三维激光扫描仪获取的水上点云数据和多波速获取的水下点云数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场点云数据，再进行渲染及建模操作；(3)影像数据融合：将无人机航拍获取及拼接好的的水上现场影像和侧扫声呐获取的现场水下影像数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场影像数据。
6.一种基于权利要求1至5任一项所述系统的空天库岸一体化应急勘测数据融合及集成显示系统的方法，其特征在于，包括如下步骤：S1:所述数据采集与传输模块实时采集不同格式、不同来源的拱坝及近坝库岸勘测数据；S2:所述数据提取模块从采集到的勘测数据中提取观测元数据与观测数据信息，建立相应的数据仓库系统；所述数据提取模块将提取到数据传输给所述数据管理模块；S3:所述数据管理模块接收所述数据提取模块输出的数据，并将该些数据传输给所述数据配准模块、所述数据拼接模块、所述数据分析与处理模块；S4:所述数据配准模块获取所述数据管理模块输出的数据，并通过建立地面控制点来寻找待配准点云数据和影像之间的同名点，将其作为特征点来分别计算其在现场坐标系和点云坐标系下的坐标,根据同名点的坐标建立点云数据和影像的对应像素的转换参数；S5:所述数据拼接模块获取所述数据管理模块输出的数据，并且根据河流的主体走向，确定数据旋转角度，将点云数据整体旋转；然后，根据船载点云数据的空间几何特征提取水上水下分界线，然后，基于提取的水上水下分界线与水底河床数据，利用三种数学模型，进行空间拟合插值，达到水陆数据信息的融合，形成一套完整的勘测数据；其中，三种数学模型为：正交折线插值数学模型、二次曲线插值数学模型、倾斜折线插值数学模型S6:所述数据分析与处理模块获取所述数据管理模块输出的数据，并对所获取的数据至少包括以下操作：对获取的数据进行地理参考面的重建、定向、建立高程模型、正射影像，然后进行信息特征提取、变化检测、地物分类，以便于能够提前了解现场情况；所述数据分析与处理模块将分析处理后的数据传输给所述数据融合模块、所述三维场景重建模块；S7:所述数据融合模块获取数据分析与处理模块输出的数据，并通过以三维激光扫描数据为基础，获取滑坡区域地形三维空间信息，再以航拍数据为辅助，对其进行纠正与填充处理，使得点云精度能够互补，从而得到两者融合之后精度较高的地形数据；S8:所述三维场景重建模块获取所述数据分析与处理模块输出的数据，并根据获取的多源数据，进行滑坡体水上水下三维地形地貌重建。
7.如权利要求6所述的方法，其特征在于，步骤S1中，所述勘测数据包括：无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据。
8.如权利要求7所述的方法，其特征在于，步骤S2中，所述数据提取模块对获取的数据进行数据清洗、数据转换和数据聚集：通过解析边坡库岸勘测数据，从中提取观测元数据与观测数据信息，对这些数据进行必要的转换、标准化、集成，使其符合数据仓库系统的模型结构、空间标准和语义规范，基于SQLServer数据库管理系统和Arcgis空间数据引擎建立相应的数据仓库系统，实现无人机数据、三维激光扫描仪数据、多波束测深数据、侧扫声纳数据、浅剖数据的统一管理。
9.如权利要求6所述的方法，其特征在于，步骤S5中，所述数据拼接模块涉及水域相关的三维地理信息数据采集工作，分为水上和水下两个独立部分；水上部分至少包括RTK人工布设控制点、三维激光扫描仪、无人机航拍摄影；水下部分借助测量船，结合ROV，侧扫声呐，多波束测深系统采集水深数据。
10.如权利要求6所述的方法，其特征在于，步骤S7中，所述数据融合模块包括以下几个方面的融合：(1)位置姿态的融合：将动态差分GPS和惯性测量装置进行综合，不用地面控制点进行空三加密就可以获得较高精度的影像外方位元素，可以在传感器成像过程中实时测量传感器的位置和姿态；(2)点云数据的融合：将三维激光扫描仪获取的水上点云数据和多波速获取的水下点云数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场点云数据，再进行渲染及建模操作；(3)影像数据融合：将无人机航拍获取及拼接好的的水上现场影像和侧扫声呐获取的现场水下影像数据进行配准，统一到同一坐标系下；寻找两类数据中的同名特征点进行匹配，通过拼接将水上与水下数据整合成一套连续、完整的现场影像数据。
CN201911035973.8A 2019-08-23 2019-10-29 空天库岸一体化应急勘测数据融合及集成显示系统及方法 Active CN110866973B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2019107878607 2019-08-23
CN201910787860 2019-08-23

Publications (2)

Publication Number Publication Date
CN110866973A CN110866973A (zh) 2020-03-06
CN110866973B true CN110866973B (zh) 2023-04-18

Family

ID=69653698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911035973.8A Active CN110866973B (zh) 2019-08-23 2019-10-29 空天库岸一体化应急勘测数据融合及集成显示系统及方法

Country Status (1)

Country Link
CN (1) CN110866973B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476885B (zh) * 2020-04-03 2023-10-03 广东省文物考古研究所 考古多源数据融合方法、装置、设备和存储介质
CN112017227A (zh) * 2020-08-27 2020-12-01 上海交通建设总承包有限公司 点云融合生成的地形模型与潮汐数据混合可视化的方法
CN112256781B (zh) * 2020-10-23 2023-07-25 重庆同汇勘测规划有限公司 一种基于ArcGIS快速输出具有坡度值点云精度报告的方法
CN114120149B (zh) * 2021-11-09 2022-07-12 肇庆市城市规划设计院 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质
CN114323145A (zh) * 2021-12-31 2022-04-12 华南农业大学 一种基于多传感器信息融合的果园地形建模方法及系统
CN114926739B (zh) * 2022-05-26 2023-07-14 天津水运工程勘察设计院有限公司 内河航道水上水下地理空间信息无人化协同采集处理方法
CN116504032B (zh) * 2023-06-28 2023-09-22 湖南科技大学 一种基于实景三维的滑坡危险性监测预警方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745018A (zh) * 2014-02-11 2014-04-23 天津市星际空间地理信息工程有限公司 一种多平台点云数据融合方法
CN107796304A (zh) * 2017-09-07 2018-03-13 中铁二院工程集团有限责任公司 一种三维激光全景的铁路线路调绘方法
CN107943843A (zh) * 2017-10-31 2018-04-20 上海交通大学 水下边坡勘测多源数据融合及集成显示系统及方法
CN209181792U (zh) * 2019-01-22 2019-07-30 青岛秀山移动测量有限公司 一种用于潮间带一体化测绘的多传感器集成系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10048396B2 (en) * 2013-03-14 2018-08-14 Exxonmobil Upstream Research Company Method for region delineation and optimal rendering transform of seismic attributes

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745018A (zh) * 2014-02-11 2014-04-23 天津市星际空间地理信息工程有限公司 一种多平台点云数据融合方法
CN107796304A (zh) * 2017-09-07 2018-03-13 中铁二院工程集团有限责任公司 一种三维激光全景的铁路线路调绘方法
CN107943843A (zh) * 2017-10-31 2018-04-20 上海交通大学 水下边坡勘测多源数据融合及集成显示系统及方法
CN209181792U (zh) * 2019-01-22 2019-07-30 青岛秀山移动测量有限公司 一种用于潮间带一体化测绘的多传感器集成系统

Also Published As

Publication number Publication date
CN110866973A (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
CN110866973B (zh) 空天库岸一体化应急勘测数据融合及集成显示系统及方法
Brodie et al. Simultaneous mapping of coastal topography and bathymetry from a lightweight multicamera UAS
Lo Brutto et al. UAV platforms for cultural heritage survey: first results
Li et al. A comparative study of shoreline mapping techniques
Leedekerken et al. Mapping complex marine environments with autonomous surface craft
Li et al. A new analytical method for estimating Antarctic ice flow in the 1960s from historical optical satellite imagery
Beall et al. Bundle adjustment in large-scale 3d reconstructions based on underwater robotic surveys
CN114926739B (zh) 内河航道水上水下地理空间信息无人化协同采集处理方法
Charbonnier et al. Accuracy assessment of a canal-tunnel 3d model by comparing photogrammetry and laserscanning recording techniques
CN110986888A (zh) 一种航空摄影一体化方法
CN108253942B (zh) 一种提高倾斜摄影测量空三质量的方法
AGUILAR et al. 3D coastal monitoring from very dense UAV-Based photogrammetric point clouds
Mao et al. Precision evaluation and fusion of topographic data based on UAVs and TLS surveys of a loess landslide
CN111311747B (zh) 一种多传感器堰塞湖区一体化三维模型快速构建方法
Sari et al. 3D mapping based-on integration of UAV platform and ground surveying
Giuliano et al. Mapping Coastal Erosion of a Mediterranean Cliff with a Boat‐Borne Laser Scanner: Performance, Processing, and Cliff Erosion Rate
Singla et al. 3D building reconstruction and validation using high-resolution stereo data
CN114972672A (zh) 输电线路实景三维模型构建方法、装置、设备和存储介质
Bitelli et al. The potential of 3D techniques for Cultural Heritage object documentation
Woolard et al. Shoreline mapping from airborne lidar in Shilshole Bay, Washington
Scaioni et al. Monitoring of geological sites by laser scanning techniques
He et al. Volume measurement of sand carrier using uav-based mapping
XUE et al. Global 3d modeling and its evaluation for large-scale highway tunnel using laser range sensor
Kulur et al. The Effect of Pixel Size on the Accuracy of Orthophoto Production
Olalde et al. The importance of geometry combined with new techniques for augmented reality

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