CN111311747B - 一种多传感器堰塞湖区一体化三维模型快速构建方法 - Google Patents
一种多传感器堰塞湖区一体化三维模型快速构建方法 Download PDFInfo
- Publication number
- CN111311747B CN111311747B CN202010050466.8A CN202010050466A CN111311747B CN 111311747 B CN111311747 B CN 111311747B CN 202010050466 A CN202010050466 A CN 202010050466A CN 111311747 B CN111311747 B CN 111311747B
- Authority
- CN
- China
- Prior art keywords
- model
- triangular
- data
- bounding box
- dimensional model
- 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
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种多传感器堰塞湖区一体化三维模型快速构建方法,可以更好的适应堰塞湖抢险救灾的三维建模需求,根据获取的多源异构数据快速构建精细化的三维模型,并利用自适应包围盒细分方法实现两个模型之间的快速一体化无缝融合,可以解决异构模型之间的快速精确融合难题,提升精度,减少时间,比较适应堰塞湖的抢险救灾的要求。
Description
技术领域
本发明涉及地理信息技术领域,具体涉及一种多传感器堰塞湖区一体化三维模型快速构建方法。
背景技术
在堰塞湖抢险救灾的大型工程中,需要事先对堰塞湖区进行测绘作业。由于堰塞湖区的特殊地理环境,往往要求测绘仪器具有适应恶劣的交通条件和快速远距离测量的能力。在此限制下,现有的堰塞湖测量仪器依然包括无人机、三维激光扫描、LiDAR、卫星等多个选项,而不同数据各自构建的模型互相独立,融合存在诸多技术难题。因而,如何从上述多种测量仪器摄取的数据中快速构建一体化的精确堰塞湖三维模型,却缺少成熟的解决方案。
堰塞湖区的三维模型应该包含滑坡体、堰塞体、水底地形、地表和水面构成。其中包含了随滑坡发生前后动态变化的滑坡体、堰塞体和水面,静态的水下地形和地表。为了构建高精度的堰塞湖模型,为抢险救灾提供精确的可视化模型和数值分析计算模型,根据不同位置的特征和各种测量工具的特长,采用的数据获取方式不同,通常无人机倾斜摄影、LiDAR、RTK、多波束测深等方式结合完成,数据结构模型不同,采用的构建方法不同,精度也不同,同时构建的模型的边界无法完全吻合,模型之间很难完全融合,这也正是构建具有精确可视化特征的一体化三维模型的难点所在。
国内外正在研究的堰塞湖区三维模型构建方法主要包括两种,一种是采用手动软件进行求交计算匹配的方法,修改一个模型的相交部分,保证两个模型之间的面是重叠的,中间没有缝隙,这样手动修改的工作量大,而且完全依赖其他商业软件;另外一种方法是根据测量的边界,然后修改两个模型,保证两个模型的边界都能无缝贴合,这种方法手动工作量大,还需要现场工作的配合,应用场景狭窄,不能满足堰塞湖场景下的快速,高精度计算模型的需求。
发明内容
针对现有技术中的上述不足,本发明提供的一种多传感器堰塞湖区一体化三维模型快速构建方法解决了国内外现有研究方案中无法对多种传感探测设备摄取的堰塞湖区信息进行快速准确的一体化三维建模的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种多传感器堰塞湖区一体化三维模型快速构建方法,包括以下步骤:
S1、通过多传感器探测设备对堰塞湖区进行探测,得到多源异构数据;
S2、通过数字格式转换软件,对多源异构数据进行格式转换,得到仅包含数字正射影像DOM图格式和数字高程模型DEM数据格式的预处理多源数据;
S3、根据预处理多源数据,采用Delaunay三角网剖分算法,构建不规则三角网TIN模型;
S4、将不规则三角网TIN模型进行融合,得到堰塞湖区一体化三维模型。
进一步地,步骤S1中的多源异构数据包括:滑坡残留体的点云和影像数据,堰塞体、滑坡体和地表的数字正射影像DOM图,堰塞体、滑坡体和地表的数字正射影像DEM图,地表点云数据和水底地形点云数据。
进一步地,所述步骤S1包括以下步骤:
S11、通过三维激光扫描仪扫描滑坡残留体,得到滑坡残留体的点云和影像数据;
S12、采用无人机倾斜摄影技术,通过无人机拍摄堰塞体、滑坡体和地表,得到堰塞体、滑坡体和地表的数字正射影像DOM图和DEM图;
S13、采用无人机倾斜摄影技术或机载激光雷达LiDAR扫描技术,通过无人机探测地表,得到地表点云数据;
S14、采用无人船多波速测探技术,通过无人船探测堰塞湖区水底地形,得到水底地形点云数据。
上述进一步方案的有益效果为:三维激光扫描仪轻量化、高精度(毫米级)、长测程的测量,而且通常可以满足高山峡谷区滑坡面的少侧面扫描区域要求,相比其他技术精度更高,效率更高,数据处理更快;无人机技术成本低、速度快、精度高、适应山区情况。机载激光雷达具有快速、非接触、适合峡谷山区的地形数据获取;而无人船安全适应堰塞湖的危险情况、测量精度高、船体小操作简单。
进一步地,所述步骤S3包括以下步骤:
S31、对预处理多源数据中的数字高程模型DEM数据的网络结构进行编排,统一为不规则三角网TIN模型;
S32、根据不规则三角网TIN模型的所有三角网的三维空间范围,计算所有三角形单一外长方体AABB包围盒的长a、宽b和高c,同时记录包围盒B的长x、宽y和高z;
S33、将包围盒B的长x按2d长度进行等距切分,包围盒B的宽y按2e长度进行等距切分,包围盒B的高z按2f长度进行等距切分,其中d为三角形单一外长方体AABB包围盒长a的均值,e为三角形单一外长方体AABB包围盒宽b的均值,f为三角形单一外长方体AABB包围盒高c的均值,得到N个子包围盒;
S34、将不规则三角网TIN模型中的所有三角形包围盒分别与N个子包围盒求交,得到三角形包围盒和子包围盒的相交关系;
S35、根据三角形包围盒和子包围盒的相交关系,去除没有与任何三角形包围盒相交的子包围盒;
S36、对三角形包围盒和剩余的子包围盒按面积从大到小的顺序进行混合求交,得到M条交线;
S37、比较两个交线的端点是否重复,然后有序连接将M条交线进行封闭,得到封闭环形交线;
S38、根据封闭环形交线,将交线点加入已有三角网,重构不规则三角网TIN模型。
进一步地:步骤S4包括以下步骤:
S41、以重构后相交的不规则三角网TIN模型的封闭交线为边界,剔除出模型边界外多余的模型三角形,得到滑坡体、地形、堰塞体和水下地形模型;
S42、将滑坡体、地形、堰塞体和水下地形模型进行合并,并记录相邻拓扑关系,得到初始堰塞湖区一体化三维模型;
S43、根据初始堰塞湖区一体化三维模型的坐标,利用得到的数字正射影像DOM图进行纹理映射贴图,得到最终的堰塞湖区一体化三维模型。
本发明提供的方法可以更好的适应堰塞湖抢险救灾的三维建模需求,根据获取的多源异构数据快速构建精细化的三维模型,并利用自适应包围盒细分方法实现两个模型之间的快速一体化无缝融合,可以解决异构模型之间的快速精确融合难题,提升精度,减少时间,比较适应堰塞湖的抢险救灾的要求。
附图说明
图1为一种多传感器堰塞湖区一体化三维模型快速构建方法流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,在本发明的一个实施例中,一种多传感器堰塞湖区一体化三维模型快速构建方法,包括以下步骤:
S1、通过多传感器探测设备对堰塞湖区进行探测,得到多源异构数据;
S2、通过数字格式转换软件,对多源异构数据进行格式转换,得到仅包含数字正射影像DOM图格式和数字高程模型DEM数据格式的预处理多源数据;
S3、根据预处理多源数据,采用Delaunay三角网剖分算法,构建不规则三角网TIN模型;
S4、将不规则三角网TIN模型进行融合,得到堰塞湖区一体化三维模型。
步骤S1中的多源异构数据包括:滑坡残留体的点云和影像数据,堰塞体、滑坡体和地表的数字正射影像DOM图,堰塞体、滑坡体和地表的数字正射影像DEM图,地表点云数据和水底地形点云数据。
步骤S1包括以下步骤:
S11、通过三维激光扫描仪扫描滑坡残留体,得到滑坡残留体的点云和影像数据;
S12、采用无人机倾斜摄影技术,通过无人机拍摄堰塞体、滑坡体和地表,得到堰塞体、滑坡体和地表的数字正射影像DOM图和DEM图;
S13、采用无人机倾斜摄影技术或机载激光雷达LiDAR扫描技术,通过无人机探测地表,得到地表点云数据;
S14、采用无人船多波速测探技术,通过无人船探测堰塞湖区水底地形,得到水底地形点云数据。
三维激光扫描仪轻量化、高精度(毫米级)、长测程的测量,而且通常可以满足高山峡谷区滑坡面的少侧面扫描区域要求,相比其他技术精度更高,效率更高,数据处理更快;无人机技术成本低、速度快、精度高、适应山区情况。机载激光雷达具有快速、非接触、适合峡谷山区的地形数据获取;而无人船安全适应堰塞湖的危险情况、测量精度高、船体小操作简单。
所述步骤S3包括以下步骤:
S31、对预处理多源数据中的数字高程模型DEM数据的网络结构进行编排,统一为不规则三角网TIN模型;
S32、根据不规则三角网TIN模型的所有三角网的三维空间范围,计算所有三角形单一外长方体AABB包围盒的长a、宽b和高c,同时记录包围盒B的长x、宽y和高z;
S33、将包围盒B的长x按2d长度进行等距切分,包围盒B的宽y按2e长度进行等距切分,包围盒B的高z按2f长度进行等距切分,其中d为三角形单一外长方体AABB包围盒长a的均值,e为三角形单一外长方体AABB包围盒宽b的均值,f为三角形单一外长方体AABB包围盒高c的均值,得到N个子包围盒;
S34、将不规则三角网TIN模型中的所有三角形包围盒分别与N个子包围盒求交,得到三角形包围盒和子包围盒的相交关系;
S35、根据三角形包围盒和子包围盒的相交关系,去除没有与任何三角形包围盒相交的子包围盒;
S36、对三角形包围盒和剩余的子包围盒按面积从大到小的顺序进行混合求交,得到M条交线;
S37、比较两个交线的端点是否重复,然后有序连接将M条交线进行封闭,得到封闭环形交线;
S38、根据封闭环形交线,将交线点加入已有三角网,重构不规则三角网TIN模型。
步骤S4包括以下步骤:
S41、以重构后相交的不规则三角网TIN模型的封闭交线为边界,剔除出模型边界外多余的模型三角形,得到滑坡体、地形、堰塞体和水下地形模型;
S42、将滑坡体、地形、堰塞体和水下地形模型进行合并,并记录相邻拓扑关系,得到初始堰塞湖区一体化三维模型;
S43、根据初始堰塞湖区一体化三维模型的坐标,利用得到的数字正射影像DOM图进行纹理映射贴图,得到最终的堰塞湖区一体化三维模型。
本发明提供的方法可以更好的适应堰塞湖抢险救灾的三维建模需求,根据获取的多源异构数据快速构建精细化的三维模型,并利用自适应包围盒细分方法实现两个模型之间的快速一体化无缝融合,可以解决异构模型之间的快速精确融合难题,提升精度,减少时间,比较适应堰塞湖的抢险救灾的要求。
Claims (4)
1.一种多传感器堰塞湖区一体化三维模型快速构建方法,其特征在于,包括以下步骤:
S1、通过多传感器探测设备对堰塞湖区进行探测,得到多源异构数据;
S2、通过数字格式转换软件,对多源异构数据进行格式转换,得到仅包含数字正射影像DOM图格式和数字高程模型DEM数据格式的预处理多源数据;
S3、根据预处理多源数据,采用Delaunay三角网剖分算法,构建不规则三角网TIN模型;
步骤S3包括以下步骤:
S31、对预处理多源数据中的数字高程模型DEM数据的网络结构进行编排,统一为不规则三角网TIN模型;
S32、根据不规则三角网TIN模型的所有三角网的三维空间范围,计算所有三角形单一外长方体AABB包围盒的长a、宽b和高c,同时记录包围盒B的长x、宽y和高z;
S33、将包围盒B的长x按2d长度进行等距切分,包围盒B的宽y按2e长度进行等距切分,包围盒B的高z按2f长度进行等距切分,其中d为三角形单一外长方体AABB包围盒长a的均值,e为三角形单一外长方体AABB包围盒宽b的均值,f为三角形单一外长方体AABB包围盒高c的均值,得到N个子包围盒;
S34、将不规则三角网TIN模型中的所有三角形包围盒分别与N个子包围盒求交,得到三角形包围盒和子包围盒的相交关系;
S35、根据三角形包围盒和子包围盒的相交关系,去除没有与任何三角形包围盒相交的子包围盒;
S36、对三角形包围盒和剩余的子包围盒按面积从大到小的顺序进行混合求交,得到M条交线;
S37、比较两个交线的端点是否重复,然后有序连接将M条交线进行封闭,得到封闭环形交线;
S38、根据封闭环形交线,将交线点加入已有三角网,重构不规则三角网TIN模型;
S4、将不规则三角网TIN模型进行融合,得到堰塞湖区一体化三维模型。
2.根据权利要求1所述的多传感器堰塞湖区一体化三维模型快速构建方法,其特征在于,所述步骤S1中的多源异构数据包括:滑坡残留体的点云和影像数据,堰塞体、滑坡体和地表的数字正射影像DOM图,堰塞体、滑坡体和地表的数字正射影像DEM图,地表点云数据和水底地形点云数据。
3.根据权利要求2所述的多传感器堰塞湖区一体化三维模型快速构建方法,其特征在于,所述步骤S1包括以下步骤:
S11、通过三维激光扫描仪扫描滑坡残留体,得到滑坡残留体的点云和影像数据;
S12、采用无人机倾斜摄影技术,通过无人机拍摄堰塞体、滑坡体和地表,得到堰塞体、滑坡体和地表的数字正射影像DOM图和DEM图;
S13、采用无人机倾斜摄影技术或机载激光雷达LiDAR扫描技术,通过无人机探测地表,得到地表点云数据;
S14、采用无人船多波速测探技术,通过无人船探测堰塞湖区水底地形,得到水底地形点云数据。
4.根据权利要求1所述的多传感器堰塞湖区一体化三维模型快速构建方法,其特征在于,所述步骤S4包括以下步骤:
S41、以重构后相交的不规则三角网TIN模型的封闭交线为边界,剔除出模型边界外多余的模型三角形,得到滑坡体、地形、堰塞体和水下地形模型;
S42、将滑坡体、地形、堰塞体和水下地形模型进行合并,并记录相邻拓扑关系,得到初始堰塞湖区一体化三维模型;
S43、根据初始堰塞湖区一体化三维模型的坐标,利用得到的数字正射影像DOM图进行纹理映射贴图,得到最终的堰塞湖区一体化三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010050466.8A CN111311747B (zh) | 2020-01-17 | 2020-01-17 | 一种多传感器堰塞湖区一体化三维模型快速构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010050466.8A CN111311747B (zh) | 2020-01-17 | 2020-01-17 | 一种多传感器堰塞湖区一体化三维模型快速构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311747A CN111311747A (zh) | 2020-06-19 |
CN111311747B true CN111311747B (zh) | 2022-02-11 |
Family
ID=71161406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010050466.8A Active CN111311747B (zh) | 2020-01-17 | 2020-01-17 | 一种多传感器堰塞湖区一体化三维模型快速构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311747B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116642468B (zh) * | 2023-05-31 | 2024-05-17 | 交通运输部天津水运工程科学研究所 | 基于无人机航空摄影和无人船水上水下一体化扫描方法 |
CN116976679B (zh) * | 2023-09-20 | 2023-12-29 | 航天宏图信息技术股份有限公司 | 堰塞湖溃坝预警方法、装置、电子设备及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
CN109993832A (zh) * | 2019-04-11 | 2019-07-09 | 中国矿业大学 | 一种综采工作面煤层精细化三维模型的构建方法 |
-
2020
- 2020-01-17 CN CN202010050466.8A patent/CN111311747B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
CN109993832A (zh) * | 2019-04-11 | 2019-07-09 | 中国矿业大学 | 一种综采工作面煤层精细化三维模型的构建方法 |
Non-Patent Citations (2)
Title |
---|
基于Terra Vista的流域地形三维建模方法;张尚弘 等;《水力发电学报》;20060630;第25卷(第3期);全文 * |
汶川地震灾区堰塞湖溃决洪水淹没过程三维可视化;冶运涛 等;《水力发电学报》;20110228;第30卷(第1期);摘要,正文第1-7节,图1 * |
Also Published As
Publication number | Publication date |
---|---|
CN111311747A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rossi et al. | Combining nadir and oblique UAV imagery to reconstruct quarry topography: methodology and feasibility analysis | |
Chen et al. | High-resolution monitoring of beach topography and its change using unmanned aerial vehicle imagery | |
Ajayi et al. | Modelling farmland topography for suitable site selection of dam construction using unmanned aerial vehicle (UAV) photogrammetry | |
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 | |
CN113607135B (zh) | 一种用于路桥施工领域的无人机倾斜摄影测量方法 | |
CN109143257A (zh) | 无人机机载雷达矿山开采土地变化监测系统及方法 | |
CN113570527B (zh) | 水上水下三维点云的融合方法 | |
KR20210077390A (ko) | 시계열 드론 영상을 활용한 연안지역 침식 퇴적 변화 분석 방법 | |
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 | |
CN106412526A (zh) | 警用倾斜摄影实景三维平台系统及其接口系统 | |
Hansman et al. | Workflow: From photo-based 3-D reconstruction of remotely piloted aircraft images to a 3-D geological model | |
Julzarika | Utilization of LAPAN Satellite (TUBSAT, A2, and A3) in supporting Indonesia’s potential as maritime center of the world | |
Pepe et al. | 4D geomatics monitoring of a quarry for the calculation of extracted volumes by tin and grid model: Contribute of UAV photogrammetry | |
CN114411867B (zh) | 一种挖掘工程作业结果的三维图形渲染展示方法及装置 | |
CN115909091A (zh) | 一种基于无人机三维扫描实景建模的土方量计算方法 | |
Aziz et al. | Terrain slope analyses between terrestrial laser scanner and airborne laser scanning | |
Harrap et al. | An overview of LIDAR: collection to application | |
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 | |
White | Utilization of LIDAR and NOAA's vertical datum transformation tool (VDatum) for shoreline delineation | |
CN103177255B (zh) | 一种基于多分辨率数字高程模型的潮间带提取方法 | |
Wang et al. | Research on Side-Slope Monitoring by Integrating Terrestrial Laser Scanning and UAV-Based Photogrammetry | |
Partama et al. | Validation of high-resolution and simple river monitoring technique using UAV-SFM Method | |
Ma | Real Terrain Simulation based on Point Cloud of Water Area and Land Area | |
Picu | Updating geospatial data by creating a high resolution digital surface model | |
Qiang et al. | The study on earthwork calculation of open-pit mine based on three-dimensional laser scanning technology |
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 |