CN110889899B - 一种数字地表模型的生成方法及装置 - Google Patents
一种数字地表模型的生成方法及装置 Download PDFInfo
- Publication number
- CN110889899B CN110889899B CN201910974042.8A CN201910974042A CN110889899B CN 110889899 B CN110889899 B CN 110889899B CN 201910974042 A CN201910974042 A CN 201910974042A CN 110889899 B CN110889899 B CN 110889899B
- Authority
- CN
- China
- Prior art keywords
- building
- point cloud
- cloud data
- image
- 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
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
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种数字地表模型的生成方法及装置,利用分辨率为2‑6m的三个或三个以上影像组成多组立体像对,其中至少一个影像为高分辨率立体测绘卫星获取的异轨影像;根据多组立体像对,生成多视角点云数据;对多视角点云数据进行融合,提取建筑光学点云数据;利用建筑光学点云数据及少量激光雷达数据提取的建筑物高度,确定建筑物的实际高度;利用立体像对融合点云和建筑物高度,生成城区数字地表模型。本发明生成的数字地表模型不需要分辨率小于或等于1m的高分辨率影像,降低成本,并且利用建筑光学点云数据及激光雷达数据提取的建筑物高度来确定建筑物的实际高度,提高了数字地表模型的高度的精度,从而提高了数字地表模型的准确度。
Description
技术领域
本发明涉及地理信息技术领域,特别涉及一种数字地表模型的生成方法及装置。
背景技术
地理区域的地形模型可用于许多领域中,例如,地形模型可用于飞行模拟及用于计划军事任务。此外,人力结构(例如城市)的地形模型对蜂窝式天线放置、灾害准备及分析及绘图的应用是非常有帮助的。
目前正在使用用于制造地形模型的多种类型及方法,一个常见地形模型为数字表面模型(DSM)。数字地表模型可以由现有数字地形图生成,或者利用航空照片、光学卫星影像像对提取,或者使用激光扫描提取。现有卫星立体像对提取建筑物目标高度都是以影像像元为单位进行的,数字地表模型大多是通过点云利用插值算法生成。但是,当一个建筑区内的光学点云数量较少时,利用差值算法生成的数字地表模型的高度不准确,从而导致数字地表模型的准确度较低。
发明内容
本发明的目的在于提供一种数字地表模型的生成方法及装置,以解决现有的数字地表模型通过点云利用插值算法生成,当一个建筑区内的光学点云数量较少时,利用差值算法生成的数字地表模型的高度不准确,从而导致数字地表模型的准确度较低的问题。
第一方面,本发明提供了一种数字地表模型的生成方法,包括:
获取激光雷达数据提取的建筑物高度及三个或三个以上影像,其中,三个或三个以上所述影像均由高分辨率立体测绘卫星获取,且三个或三个以上影像中至少一个影像为高分辨率立体测绘卫星获取的异轨影像,三个或三个以上所述影像的分辨率为2-6m;
利用三个或三个以上所述影像,组成多组立体像对;
根据多组所述立体像对,生成多视角点云数据;
对所述多视角点云数据进行融合,提取建筑光学点云数据;
根据所述建筑光学点云数据及激光雷达数据提取的建筑物高度,确定每个建筑物的实际高度;
根据每个所述建筑物的实际高度,生成数字地表模型。
具体地,所述根据多组所述立体像对,生成多视角点云数据包括:
根据多组所述立体像对,获取每组所述立体像对中的一个影像的同名特征点;
根据每组所述立体像对中的一个影像的同名特征点,在所述立体像对中的另一个影像中查找到与所述同名特征点相匹配的同名匹配点;
根据所述同名特征点和同名匹配点的视差,计算得到相应地面点的高程;
获取多个地面控制点坐标;
利用多个所述地面控制点坐标对所述高程进行修正,得到优化后的高程;
根据所述优化后的高程,得到多视角点云数据。
具体地,所述根据所述建筑光学点云数据及激光雷达数据提取的建筑物高度,确定每个所述建筑物的实际高度包括:
根据所述建筑光学点云数据,得到每个建筑物的点云指数,所述点云指数包括所述建筑光学点云数据的高程的平均值、最大值、最小值及九个累积指数;
根据所述点云指数和激光雷达数据提取的建筑物高度,计算得到每个建筑物的点云指数分别对应的均方根误差及皮尔森相关系数;
判断所述均方根误差及皮尔森相关系数是否满足预设条件,将满足条件的均方根误差及皮尔森相关系数对应的建筑物的高程的点云指数确定为建筑物的实际高度。
具体地,所述对所述多视角点云数据进行融合,提取建筑光学点云数据包括:
对所述多视角点云数据进行融合,得到融合点云数据;
获取多光谱影像及对应的全色影像;
根据所述多光谱影像及对应的全色影像,生成Pansharp影像;
根据所述Pansharp影像,提取土地覆被数据及建筑物轮廓数据;
根据所述土地覆被数据及建筑物轮廓数据,对所述融合点云数据进行分类,得到建筑光学点云数据。
具体地,所述根据所述对所述多视角点云数据进行融合,提取建筑光学点云数据之后包括:
根据所述建筑光学点云数据及建筑物轮廓数据,确定每个建筑物的建筑光学点云数据的数量;
判断每个所述建筑物的建筑光学点云数据的数量是否大于预设数量,若是,则保留所述建筑物;若否,则去除所述建筑物。
第二方面,本发明提供了一种数字地表模型的生成装置,包括:
获取单元,用于获取激光雷达数据提取的建筑物高度及三个或三个以上影像,其中,三个或三个以上所述影像均由高分辨率立体测绘卫星获取,且三个或三个以上影像中至少一个影像为高分辨率立体测绘卫星获取的异轨影像,三个或三个以上所述影像的分辨率为2-6m;
立体像对生成单元,用于利用三个或三个以上所述影像,组成多组立体像对;
多视角点云数据生成单元,用于根据多组所述立体像对,生成多视角点云数据;
建筑光学点云数据提取单元,用于对所述多视角点云数据进行融合,提取建筑光学点云数据;
建筑物实际高度确定单元,用于根据所述建筑光学点云数据及激光雷达数据提取的建筑物高度,确定每个建筑物的实际高度;
数字地表模型生成单元,用于根据每个所述建筑物的实际高度,生成数字地表模型。
具体地,所述立体像对生成单元包括:
同名特征点获取模块,用于根据多组所述立体像对,获取每组所述立体像对中的一个影像的同名特征点;
查找模块,用于根据每组所述立体像对中的一个影像的同名特征点,在所述立体像对中的另一个影像中查找到与所述同名特征点相匹配的同名匹配点;
高程计算模块,用于根据所述同名特征点和同名匹配点的视差,计算得到相应地面点的高程;
地面控制点坐标获取模块,用于获取多个地面控制点坐标;
优化模块,用于利用多个所述地面控制点坐标对所述高程进行修正,得到优化后的高程;
多视角点云数据确定模块,用于根据所述优化后的高程,得到多视角点云数据。
具体地,所述建筑物实际高度确定单元包括:
点云指数确定模块,用于根据所述建筑光学点云数据,得到每个建筑物的点云指数,所述点云指数包括所述建筑光学点云数据的高程的平均值、最大值、最小值及九个累积指数;
计算模块,用于根据所述点云指数和激光雷达数据提取的建筑物高度,计算得到每个建筑物的点云指数分别对应的均方根误差及皮尔森相关系数;
建筑物实际高度确定模块,用于判断所述均方根误差及皮尔森相关系数是否满足预设条件,将满足条件的均方根误差及皮尔森相关系数对应的建筑物的点云指数确定为建筑物的实际高度。
具体地,所述建筑光学点云数据提取单元包括:
融合模块,用于对所述多视角点云数据进行融合,得到融合点云数据;
影像获取模块,用于获取多光谱影像及对应的全色影像;
Pansharp影像生成模块,用于根据所述多光谱影像及对应的全色影像,生成Pansharp影像;
提取模块,用于根据所述Pansharp影像,提取土地覆被数据及建筑物轮廓数据;
分类模块,用于根据所述土地覆被数据及建筑物轮廓数据,对所述融合点云数据进行分类,得到建筑光学点云数据。
具体地,所述装置还包括:
数量确定模块,用于根据所述建筑光学点云数据及建筑物轮廓数据,确定每个建筑物的建筑光学点云数据的数量;
建筑物筛选模块,用于判断每个所述建筑物的建筑光学点云数据的数量是否大于预设数量,若是,则保留所述建筑物;若否,则去除所述建筑物。
本发明实施例提供了一种数字地表模型的生成方法及装置,利用分辨率为2-6m的三个或三个以上影像组成多组立体像对,其中至少一个影像为高分辨率立体测绘卫星获取的异轨影像;根据多组立体像对,生成多视角点云数据;对多视角点云数据进行融合,提取建筑光学点云数据;根据建筑光学点云数据及少量激光雷达数据提取的建筑物高度,确定建筑物的实际高度;利用立体像对融合建筑光学点云数据和建筑物高度,生成城区数字地表模型。本发明生成的数字地表模型不需要分辨率小于或等于1m的高分辨率影像,降低成本,并且利用建筑光学点云数据及激光雷达数据提取的建筑物高度来确定建筑物的实际高度,提高了数字地表模型的高度的精度,从而提高了数字地表模型的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种数字地表模型的生成方法的流程图;
图2为步骤103的流程图;
图3为步骤105的流程图;
图4为步骤104的流程图;
图5为步骤105之后的流程图;
图6为本发明一实施例提供的一种数字地表模型的生成装置的结构示意图;
图7为立体成像对生成单元的结构示意图;
图8为建筑物实际高度确定单元的结构示意图;
图9为建筑光学点云数据提取单元的结构示意图;
图10为本发明另一实施例提供的一种数字地表模型的生成装置的结构示意图。
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、完整的描述,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作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。
第一方面,如图1所示,本发明的一实施例提供了一种数字地表模型的生成方法,包括:
步骤101:获取激光雷达数据提取的建筑物高度及三个或三个以上影像,其中,三个或三个以上影像均由高分辨率立体测绘卫星获取,且三个或三个以上影像中至少一个影像为高分辨率立体测绘卫星获取的异轨影像,三个或三个以上影像的分辨率为2-6m。
其中,高分率立体测绘卫星为ZY-3卫星,能获得同轨影像和异轨影像,在本实施例中为了组成立体相对,因此需要三个或三个以上影像,并且其中至少一个为异轨影像。例如,获取五个影像,这五个影像包括一个同轨正视影像n1,对应的前视影像与后视影像,以及一对异轨影像n2和n3。
步骤102:利用三个或三个以上影像,组成多组立体像对。
将多个影像进行两两组合形成多组立体像对,继续以上个步骤中的五个影像为例,将前视影像与后视影像进行组合,得到立体像对FB;将前视影像与正视影像n1组合,得到立体像对FN;将后视影像与正视影像n1进行组合,得到立体像对BN;将一对异轨影像n2和n3进行组合,得到立体像对NN01;将正视影像n1与异轨影像n2进行组合,得到立体像对NN02。
步骤103:根据多组立体像对,生成多视角点云数据。
步骤104:对多视角点云数据进行融合,提取建筑光学点云数据。
由于多视角点云数据中包括土地覆被对应的光学点云数据及建筑物对应的光学点云数据,因此,需要对多视角点云数据进行分类,提取建筑物对应的光学点云数据,即建筑光学点云数据。
步骤105:根据建筑光学点云数据及激光雷达数据提取的建筑物高度,确定每个建筑物的实际高度。
利用建筑光学点云数据及激光雷达数据提取的建筑物高度来确定建筑物的实际高度,提高了数字地表模型的高度的精度。
步骤106:根据每个建筑物的实际高度,生成数字地表模型。
本步骤可利用现有技术,即利用立体像对融合建筑光学点云数据和建筑物高度,生成指定区域的数字地表模型,不再赘述。
本发明实施例提供了利用分辨率为2-6m的三个或三个以上影像组成多组立体像对,其中至少一个影像为高分辨率立体测绘卫星获取的异轨影像;根据多组立体像对,生成多视角点云数据;对多视角点云数据进行融合,提取建筑光学点云数据;利用建筑光学点云数据及少量激光雷达数据提取的建筑物高度,确定建筑物的实际高度;利用立体像对融合建筑光学点云数据和建筑物高度,生成城区数字地表模型。本发明生成的数字地表模型不需要分辨率小于或等于1m的高分辨率影像,降低成本,并且利用建筑光学点云数据及激光雷达数据提取的建筑物高度来确定建筑物的实际高度,提高了数字地表模型的高度的精度,从而提高了数字地表模型的准确度。
在本发明的另一实施例中,如图2所示,上述实施例中的步骤103包括:
步骤201:根据多组立体像对,获取每组立体像对中的一个影像的同名特征点。
步骤202:根据每组立体像对中的一个影像的同名特征点,在立体像对中的另一个影像中查找到与同名特征点相匹配的同名匹配点。
具体地,同名特征点的匹配采用极线几何原理,即对于一个图像上的给定点,只需要在另一个图像上沿着其极线对其匹配点进行搜索,得到与同名特征点相匹配的同名匹配点。
步骤203:根据同名特征点和同名匹配点的视差,计算得到相应地面点的高程。
步骤204:获取多个地面控制点坐标。
地面控制点坐标的确定方式为:首先在全色波段影像上选择易于辨识的特征点,然后通过实地测定,确定地面控制点的x,y,z坐标信息。作业技术采用的是实时动态(Real-time kinematic,RTK)定位技术,这是一种基于载波相位观测值的定位技术,它能够实时地提供测站点在指定坐标系中的三维定位结果,并达到cm级精度。每个点平均采测10次,后期剔除误差大的点,并进行均值化处理。
步骤205:利用多个地面控制点坐标对高程进行修正,得到优化后的高程。
地面控制点坐标点进行有理函数模型的误差补偿,来对高程进行修正优化,以提高高程的准确性。
步骤206:根据优化后的高程,得到多视角点云数据。
在本发明的又一实施例中,如图3所示,上述实施例中的步骤105包括:
步骤301:根据建筑光学点云数据,得到每个建筑物的点云指数,点云指数包括建筑光学点云数据的高程的平均值、最大值、最小值及九个累积指数。
其中,九个累积指数为B10、B20、B30、B40、B50、B60、B70、B80和B90,九个累积指数的含义为相应的百分比的建筑点云数据的高程小于的某一特定值,例如,B10表示为10%的建筑点云数据的高程小于某一特定值,该特定值由建筑光学点云数据统计而得,如统计一个建筑物的所有建筑光学点云数据,其中10%的建筑点云数据的高程小于50m,则50m为B10的值,以此类推,B90表示为90%的建筑点云数据的高程小于某一特定值,该特定值由建筑光学点云数据统计而得。
步骤302:根据点云指数和激光雷达数据提取的建筑物高度,计算得到每个建筑物的点云指数分别对应的均方根误差及皮尔森相关系数。
其中,均方根误差计算公式为n是指参与建模的建筑物个数,是指第i个建筑物的激光雷达数据提取的建筑物高度,hi是指第i个建筑物对应的建筑物光学点云数据的高程的平均值、最大值、最小值及九个累积指数值得到的高度,i=1、2、3……n。
皮尔森相关系数可由现有技术的计算方法计算得到,本实施例不再赘述。
步骤303:判断均方根误差及皮尔森相关系数是否满足预设条件,将满足条件的均方根误差及皮尔森相关系数对应的建筑物的点云指数确定为建筑物的实际高度。
预设条件可由工作人员自行设置,一般情况下,均方根误差小于或等于3m,皮尔森相关系数大于0.9。利用均方根误差及皮尔森相关系数寻求最接近实际建筑物的高度,以提高数字地表模型的准确度。
在本发明的又一实施例中,如图4所示,上述实施例中的步骤104包括:
步骤401:对多视角点云数据进行融合,得到融合点云数据。
步骤402:获取多光谱影像及对应的全色影像。
步骤403:根据多光谱影像及对应的全色影像,生成Pansharp影像。
步骤404:根据Pansharp影像,提取土地覆被数据及建筑物轮廓数据。
步骤405:根据土地覆被数据及建筑物轮廓数据,对融合点云数据进行分类,得到建筑光学点云数据。
由于多视角点云数据中包括土地覆被对应的光学点云数据及建筑物对应的光学点云数据,因此,根据土地覆被数据及建筑轮廓数据需要对多视角点云数据进行分类,提取建筑物对应的光学点云数据,即建筑光学点云数据。
在本发明的又一实施例中,如图5所示,上述实施例步骤105之后还包括:
步骤501:根据建筑光学点云数据及建筑物轮廓数据,确定每个建筑物的建筑光学点云数据的数量。
步骤502:判断每个建筑物的建筑光学点云数据的数量是否大于预设数量,若是,则执行步骤503,若否,执行步骤504。
步骤503:保留建筑物。
步骤504:去除建筑物。
在本实施例中,由于为了保证数字地表模型的高度的准确度,建筑物的建筑光学点云的数量不能过少,因此,需要将建筑光学点云较少(一般为小于5个)的建筑物去除。
第二方面,如图6所示,本发明提供了一种数字地表模型的生成装置,包括:
获取单元601,用于获取激光雷达数据提取的建筑物高度及三个或三个以上影像,其中,三个或三个以上影像均由高分辨率立体测绘卫星获取,且三个或三个以上影像中至少一个影像为高分辨率立体测绘卫星获取的异轨影像,三个或三个以上影像的分辨率为2-6m;
立体像对生成单元602,用于利用三个或三个以上影像,组成多组立体像对;
多视角点云数据生成单元603,用于根据多组立体像对,生成多视角点云数据;
建筑光学点云数据提取单元604,用于对多视角点云数据进行融合,提取建筑光学点云数据;
建筑物实际高度确定单元605,用于根据建筑光学点云数据及激光雷达数据提取的建筑物高度,确定每个建筑物的实际高度;
数字地表模型生成单元606,用于根据每个建筑物的实际高度,生成数字地表模型。
本发明实施例提供了一种数字地表模型的生成装置,利用分辨率为2-6m的三个或三个以上影像组成多组立体像对,其中至少一个影像为高分辨率立体测绘卫星获取的异轨影像;根据多组立体像对,生成多视角点云数据;对多视角点云数据进行融合,提取建筑光学点云数据;利用建筑光学点云数据及少量激光雷达数据提取的建筑物高度,确定建筑物的实际高度;利用立体像对融合建筑光学点云数据和建筑物高度,生成数字地表模型。本发明生成的数字地表模型不需要分辨率小于或等于1m的高分辨率影像,降低成本,并且利用建筑光学点云数据及激光雷达数据提取的建筑物高度来确定建筑物的实际高度,提高了数字地表模型的高度的精度,从而提高了数字地表模型的准确度。
具体地,如图7所示,立体像对生成单元602包括:
同名特征点获取模块701,用于根据多组立体像对,获取每组立体像对中的一个影像的同名特征点;
查找模块702,用于根据每组立体像对中的一个影像的同名特征点,在立体像对中的另一个影像中查找到与同名特征点相匹配的同名匹配点;
高程计算模块703,用于根据同名特征点和同名匹配点的视差,计算得到相应地面点的高程;
地面控制点坐标获取模块704,用于获取多个地面控制点坐标;
优化模块705,用于利用多个地面控制点坐标对高程进行修正,得到优化后的高程;
多视角点云数据确定模块706,用于根据优化后的高程,得到多视角点云数据。
具体地,如图8所示,建筑物实际高度确定单元605包括:
点云指数确定模块801,用于根据建筑光学点云数据,得到每个建筑物的点云指数,点云指数包括建筑光学点云数据的高程的平均值、最大值、最小值及九个累积指数;
计算模块802,用于根据点云指数和激光雷达数据提取的建筑物高度,计算得到每个建筑物的点云指数分别对应的均方根误差及皮尔森相关系数;
建筑物实际高度确定模块803,用于判断均方根误差及皮尔森相关系数是否满足预设条件,将满足条件的均方根误差及皮尔森相关系数对应的建筑物的点云指数确定为建筑物的实际高度。
具体地,如图9所示,建筑光学点云数据提取单元604包括:
融合模块901,用于对多视角点云数据进行融合,得到融合点云数据;
影像获取模块902,用于获取多光谱影像及对应的全色影像;
Pansharp影像生成模块903,用于根据多光谱影像及对应的全色影像,生成Pansharp影像;
提取模块904,用于根据Pansharp影像,提取土地覆被数据及建筑物轮廓数据;
分类模块905,用于根据土地覆被数据及建筑物轮廓数据,对融合点云数据进行分类,得到建筑光学点云数据。
具体地,如图10所示,数字地表模型的生成装置还包括:
数量确定模块1001,用于根据建筑光学点云数据及建筑物轮廓数据,确定每个建筑物的建筑光学点云数据的数量;
建筑物筛选模块1002,用于判断每个建筑物的建筑光学点云数据的数量是否大于预设数量,若是,则保留建筑物;若否,则去除建筑物。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种数字地表模型的生成方法,其特征在于,包括:
获取激光雷达数据提取的建筑物高度及三个或三个以上影像,其中,三个或三个以上所述影像均由高分辨率立体测绘卫星获取,且三个或三个以上所述影像中至少一个影像为高分辨率立体测绘卫星获取的异轨影像,三个或三个以上影像的分辨率为2-6m;
利用三个或三个以上所述影像,组成多组立体像对;
根据多组所述立体像对,生成多视角点云数据;
对所述多视角点云数据进行融合,提取建筑光学点云数据;
根据所述建筑光学点云数据及激光雷达数据提取的建筑物高度,确定每个建筑物的实际高度;
根据每个所述建筑物的实际高度,生成数字地表模型。
2.根据权利要求1所述的方法,其特征在于,所述根据多组所述立体像对,生成多视角点云数据包括:
根据多组所述立体像对,获取每组所述立体像对中的一个影像的同名特征点;
根据每组所述立体像对中的一个影像的同名特征点,在所述立体像对中的另一个影像中查找到与所述同名特征点相匹配的同名匹配点;
根据所述同名特征点和同名匹配点的视差,计算得到相应地面点的高程;
获取多个地面控制点坐标;
利用多个所述地面控制点坐标对所述高程进行修正,得到优化后的高程;
根据所述优化后的高程,得到多视角点云数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述建筑光学点云数据及激光雷达数据提取的建筑物高度,确定每个建筑物的实际高度包括:
根据所述建筑光学点云数据,得到每个建筑物的点云指数,所述点云指数包括所述建筑光学点云数据的高程的平均值、最大值、最小值及九个累积指数;
根据所述点云指数和激光雷达数据提取的建筑物高度,计算得到每个建筑物的点云指数分别对应的均方根误差及皮尔森相关系数;
判断所述均方根误差及皮尔森相关系数是否满足预设条件,将满足条件的均方根误差及皮尔森相关系数对应的建筑物的点云指数确定为建筑物的实际高度。
4.根据权利要求1所述的方法,其特征在于,所述对所述多视角点云数据进行融合,提取建筑光学点云数据包括:
对所述多视角点云数据进行融合,得到融合点云数据;
获取多光谱影像及对应的全色影像;
根据所述多光谱影像及对应的全色影像,生成Pansharp影像;
根据所述Pansharp影像,提取土地覆被数据及建筑物轮廓数据;
根据所述土地覆被数据及建筑物轮廓数据,对所述融合点云数据进行分类,得到建筑光学点云数据。
5.根据权利要求4所述的方法,其特征在于,所述根据所述对所述多视角点云数据进行融合,提取建筑光学点云数据之后包括:
根据所述建筑光学点云数据及建筑物轮廓数据,确定每个建筑物的建筑光学点云数据的数量;
判断每个所述建筑物的建筑光学点云数据的数量是否大于预设数量,若是,则保留所述建筑物;若否,则去除所述建筑物。
6.一种数字地表模型的生成装置,其特征在于,包括:
获取单元,用于获取激光雷达数据提取的建筑物高度及三个或三个以上影像,其中,三个或三个以上所述影像均由高分辨率立体测绘卫星获取,且三个或三个以上影像中至少一个影像为高分辨率立体测绘卫星获取的异轨影像,三个或三个以上所述影像的分辨率为2-6m;
立体像对生成单元,用于利用三个或三个以上所述影像,组成多组立体像对;
多视角点云数据生成单元,用于根据多组所述立体像对,生成多视角点云数据;
建筑光学点云数据提取单元,用于对所述多视角点云数据进行融合,提取建筑光学点云数据;
建筑物实际高度确定单元,用于根据所述建筑光学点云数据及激光雷达数据提取的建筑物高度,确定每个建筑物的实际高度;
数字地表模型生成单元,用于根据每个所述建筑物的实际高度,生成数字地表模型。
7.根据权利要求6所述的装置,其特征在于,所述立体像对生成单元包括:
同名特征点获取模块,用于根据多组所述立体像对,获取每组所述立体像对中的一个影像的同名特征点;
查找模块,用于根据每组所述立体像对中的一个影像的同名特征点,在所述立体像对中的另一个影像中查找到与所述同名特征点相匹配的同名匹配点;
高程计算模块,用于根据所述同名特征点和同名匹配点的视差,计算得到相应地面点的高程;
地面控制点坐标获取模块,用于获取多个地面控制点坐标;
优化模块,用于利用多个所述地面控制点坐标对所述高程进行修正,得到优化后的高程;
多视角点云数据确定模块,用于根据所述优化后的高程,得到多视角点云数据。
8.根据权利要求6所述的装置,其特征在于,所述建筑物实际高度确定单元包括:
点云指数确定模块,用于根据所述建筑光学点云数据,得到每个建筑物的点云指数,所述点云指数包括所述建筑光学点云数据的高程的平均值、最大值、最小值及九个累积指数;
计算模块,用于根据所述点云指数和激光雷达数据提取的建筑物高度,计算得到每个建筑物的点云指数分别对应的均方根误差及皮尔森相关系数;
建筑物实际高度确定模块,用于判断所述均方根误差及皮尔森相关系数是否满足预设条件,将满足条件的均方根误差及皮尔森相关系数对应的建筑物的点云指数确定为建筑物的实际高度。
9.根据权利要求6所述的装置,其特征在于,所述建筑光学点云数据提取单元包括:
融合模块,用于对所述多视角点云数据进行融合,得到融合点云数据;
影像获取模块,用于获取多光谱影像及对应的全色影像;
Pansharp影像生成模块,用于根据所述多光谱影像及对应的全色影像,生成Pansharp影像;
提取模块,用于根据所述Pansharp影像,提取土地覆被数据及建筑物轮廓数据;
分类模块,用于根据所述土地覆被数据及建筑物轮廓数据,对所述融合点云数据进行分类,得到建筑光学点云数据。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
数量确定模块,用于根据所述建筑光学点云数据及建筑物轮廓数据,确定每个建筑物的建筑光学点云数据的数量;
建筑物筛选模块,用于判断每个所述建筑物的建筑光学点云数据的数量是否大于预设数量,若是,则保留所述建筑物;若否,则去除所述建筑物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910974042.8A CN110889899B (zh) | 2019-10-14 | 2019-10-14 | 一种数字地表模型的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910974042.8A CN110889899B (zh) | 2019-10-14 | 2019-10-14 | 一种数字地表模型的生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889899A CN110889899A (zh) | 2020-03-17 |
CN110889899B true CN110889899B (zh) | 2023-04-25 |
Family
ID=69746160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910974042.8A Active CN110889899B (zh) | 2019-10-14 | 2019-10-14 | 一种数字地表模型的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889899B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737790B (zh) * | 2020-05-12 | 2021-04-13 | 中国兵器科学研究院 | 仿真城市模型的构建方法和设备 |
CN113743155A (zh) * | 2020-05-28 | 2021-12-03 | 华为技术有限公司 | 一种构建物体的多细节层次模型的方法及计算机设备 |
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 |
CN113160064A (zh) * | 2020-12-03 | 2021-07-23 | 中国人民解放军战略支援部队航天工程大学 | 一种基于核线约束的多视角卫星影像相对误差补差方法 |
CN113989670B (zh) * | 2021-10-27 | 2022-07-12 | 北京四象爱数科技有限公司 | 一种电网输电线路林木障碍物高度快速提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530345A (zh) * | 2016-11-07 | 2017-03-22 | 江西理工大学 | 一种同机影像辅助下的建筑物三维激光点云特征提取方法 |
CN107967713A (zh) * | 2017-11-21 | 2018-04-27 | 泰瑞数创科技(北京)有限公司 | 基于空间点云数据的建筑物三维模型构建方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10127685B2 (en) * | 2015-12-16 | 2018-11-13 | Objectvideo Labs, Llc | Profile matching of buildings and urban structures |
-
2019
- 2019-10-14 CN CN201910974042.8A patent/CN110889899B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530345A (zh) * | 2016-11-07 | 2017-03-22 | 江西理工大学 | 一种同机影像辅助下的建筑物三维激光点云特征提取方法 |
CN107967713A (zh) * | 2017-11-21 | 2018-04-27 | 泰瑞数创科技(北京)有限公司 | 基于空间点云数据的建筑物三维模型构建方法和系统 |
Non-Patent Citations (2)
Title |
---|
何培培 等.基于线特征的城区激光点云与影像自动配准.光学学报.2015,第35卷(第05期),全文. * |
程效军 等.融合航空影像和LIDAR点云的建筑物探测及轮廓提取.中国激光.2016,第43卷(第05期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110889899A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889899B (zh) | 一种数字地表模型的生成方法及装置 | |
CN104931022B (zh) | 基于星载激光测高数据的卫星影像立体区域网平差方法 | |
CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
CN107886477B (zh) | 无人驾驶中立体视觉与低线束激光雷达的融合矫正方法 | |
Piermattei et al. | Suitability of ground-based SfM–MVS for monitoring glacial and periglacial processes | |
Dall’Asta et al. | Unmanned Aerial Systems and DSM matching for rock glacier monitoring | |
Zeybek | Accuracy assessment of direct georeferencing UAV images with onboard global navigation satellite system and comparison of CORS/RTK surveying methods | |
CN105160702A (zh) | 基于LiDAR点云辅助的立体影像密集匹配方法及系统 | |
JP2013171455A (ja) | 地図情報生成装置 | |
CN105547244A (zh) | 一种结合立体像对的激光高度计高程控制点生成方法 | |
CN114689015B (zh) | 一种提高光学卫星立体影像dsm高程精度的方法 | |
CN109100719A (zh) | 基于星载sar影像与光学影像的地形图联合测图方法 | |
CN111986074A (zh) | 一种真正射影像制作方法、装置、设备及存储介质 | |
Osama et al. | A digital terrain modeling method in urban areas by the ICESat-2 (Generating precise terrain surface profiles from photon-counting technology) | |
Bertin et al. | Geomorphic change detection using cost-effective structure-from-motion photogrammetry: Evaluation of direct georeferencing from consumer-grade UAS at Orewa beach (New Zealand) | |
Domazetovic et al. | Assessing the Vertical Accuracy of Worldview-3 Stereo-extracted Digital Surface Model over Olive Groves. | |
Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
Recla et al. | From Relative to Absolute Heights in SAR-based Single-Image Height Prediction | |
CN104915988A (zh) | 一种摄影测量密集点云生成方法 | |
CN111986320A (zh) | 面向智慧城市应用的dem与倾斜摄影模型空间贴合优化算法 | |
Papasaika et al. | Fusion of digital elevation models from various data sources | |
Susetyo et al. | Prototype of national digital elevation model in Indonesia | |
CN114494625A (zh) | 高精度地形图制作方法、装置和计算机设备 | |
Seong et al. | UAV Utilization for Efficient Estimation of Earthwork Volume Based on DEM | |
Sefercik et al. | Point-based and model-based geolocation analysis of airborne laser scanning data |
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 |