CN111366172B - 数字高程模型的质量检测方法、装置和存储介质 - Google Patents
数字高程模型的质量检测方法、装置和存储介质 Download PDFInfo
- Publication number
- CN111366172B CN111366172B CN202010192563.0A CN202010192563A CN111366172B CN 111366172 B CN111366172 B CN 111366172B CN 202010192563 A CN202010192563 A CN 202010192563A CN 111366172 B CN111366172 B CN 111366172B
- Authority
- CN
- China
- Prior art keywords
- elevation model
- digital elevation
- vector
- quality
- digital
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 108
- 238000004458 analytical method Methods 0.000 claims abstract description 138
- 238000010586 diagram Methods 0.000 claims abstract description 78
- 238000013507 mapping Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000007689 inspection Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Manufacturing & Machinery (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种数字高程模型的质量检测方法、装置和存储介质,属于无人机航测领域。所述方法包括:获取测绘区域的待检测数字高程模型以及测绘区域的数字正射影像图;对数字高程模型进行水文分析得到水文分析矢量图;基于水文分析矢量图和数字正射影像图,对数字高程模型进行质量检测。本公开通过对数字高程模型进行水文分析得到水文分析矢量图,基于水文分析图中的矢量线以及该测绘区域的数字正射影像图中的影像数据,找出数字高程模型中高程数据出现错误的区域,完成对数字高程模型进行质量检测,可以快速准确地确定数字高程模型是否存在高程数据错误的区域,继而确定该数字高程模型的质量高低,提高数字高程模型的质量检测效率。
Description
技术领域
本公开涉及无人机航测领域,特别涉及一种数字高程模型的质量检测方法、装置和存储介质。
背景技术
无人机航测技术相对于传统航空摄影测绘方法具有机动性高、效率高、作业成本低等优势。因此,无人机航测技术广泛应用于地理测绘技术领域。通过无人机航测技术可以高效地获取测区内的数字线划地图、数字高程模型、数字正射影像图等产品。
数字高程模型是一定范围内规则格网点的平面坐标及其高程的数据集,主要是描述测区内的区域地貌形态的空间分布。由于无人机在航测过程中会受到环境因素的影响,导致数字高程模型的不一定精准,所以还需要对无人机航测得到的数字高程模型进行质量检测。相关技术中,主要通过内业刺点和外业实测相结合的方式对数字高程模型进行质量检测,即选取高程数据模型中的道路、房角等明显特征点,外业实际测量该明显特征点的高程数据,然后将实测得到的高程数据和数字高程模型进行分析对比,确定数字高程模型质量高低。
在实现本公开的过程中,发明人发现相关技术至少存在以下问题:由于目前的检测方法需要外出实际测量数字高程模型中所有容易出现问题的区域,这样效率比较低,不能快速对数字高程模型进行质量检测。
发明内容
本公开实施例提供了一种数字高程模型的质量检测方法、装置和存储介质。能够提高对数字高程模型的质量检测效率,所述技术方案如下:
一方面,提供了一种数字高程模型的质量检测方法,包括:获取测绘区域的待检测数字高程模型以及所述测绘区域的数字正射影像图;对所述数字高程模型进行水文分析得到水文分析矢量图;基于所述水文分析矢量图和数字正射影像图,对所述数字高程模型进行质量检测。
在本公开一些实施例中,所述基于所述水文分析矢量图和数字正射影像图,对所述数字高程模型进行质量检测,包括:基于相同的坐标系,将所述水文分析矢量图与所述数字正射影像图进行叠加,得到叠加图片;确定所述水文分析矢量图中的矢量线在所述叠加图片中对应的检测区域;基于所述矢量线和所述检测区域中的地理环境,确定所述数字高程模型的质量是否符合要求。
在本开一些实施例中,所述基于矢量线和所述检测区域中的地理环境,确定所述数字高程模型的质量是否符合要求,包括:若所述检测区域存在地表建筑物,确定所述数字高程模型的质量不符合要求。
在本开一些实施例中,所述基于矢量线和所述检测区域中的地理环境,确定所述数字高程模型的质量是否符合要求,包括:确定所述矢量线中的异常矢量线,所述异常矢量线包括直线型矢量线;根据所述异常矢量线对应的检测区域的地貌特征,确定所述数字高程模型的质量是否符合要求。
在本开一些实施例中,所述根据所述异常矢量线对应的检测区域的地貌特征,确定所述数字高程模型的质量是否符合要求,包括:若所述异常矢量线对应的检测区域为河流区域,则确定所述数字高程模型的质量不符合要求。
在本开一些实施例中,所述根据所述异常矢量线对应的检测区域的地貌特征,确定所述数字高程模型的质量是否符合要求,包括:若所述异常矢量线对应的检测区域为隐蔽区域、阴影遮蔽区域中至少一种区域,则获取所述异常矢量线对应的检测区域的高程数据;基于所述异常矢量线对应的检测区域的高程数据,确定所述数字高程模型的质量是否符合要求。
在本开一些实施例中,所述对所述数字高程模型进行水文分析得到水文分析矢量图,包括:将所述测绘区域的数字高程模型转换为栅格数据;将所述栅格数据输入到水文分析模型中,得到所述水文分析矢量图,所述水文分析模型包括填洼分析模块、流向分析模块、汇流累积量分析模块、河网提取分级模块和栅格河网矢量化模块,所述填洼分析模块用于对所述栅格数据中的凹陷区域进行洼地填充,得到无洼地栅格数据;所述流向分析模块用于对所述无洼地栅格数据进行水流方向分析,得到水流方向栅格数据;所述汇流累积量分析模块用于基于所述水流方向栅格数据计算所述测绘区域的汇流累积量,得到汇流累积量栅格数据;所述河网提取分级模块用于基于所述汇流累积量栅格数据提取河流网络,并对河流网络进行分级,得到河流网络栅格数据;所述栅格河网矢量化模块用于对所述河流网络栅格数据矢量化处理,得到所述水文分析矢量图。
另一方面,还提供了一种数字高程模型的质量检测装置,该装置包括:获取模块,用于获取测绘区域的待检测数字高程模型以及所述测绘区域的数字正射影像图;分析模块,用于对所述数字高程模型进行水文分析得到水文分析矢量图;确定模块,用于基于所述水文分析矢量图和数字正射影像图,对所述数字高程模型进行质量检测。
另一方面,还提供了一种数字高程模型的质量检测装置,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行计算机指令,从而执行如上述实施例中的所述数字高程模型的质量检测方法。
另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如上述实施例中的所述的数字高程模型的质量检测方法。
本公开实施例提供的技术方案带来的有益效果至少包括:
通过对数字高程模型进行水文分析得到水文分析矢量图,基于水文分析图中的矢量线以及该测绘区域的数字正射影像图中的影像数据,找出数字高程模型中高程数据出现错误的区域,完成对数字高程模型进行质量检测,可以快速准确地确定数字高程模型是否存在高程数据错误的区域,继而确定该数字高程模型的质量高低,提高检测数字高程模型质量的效率。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述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公开的一些实施例,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是本公开一示例性实施例提供的数字高程模型的质量检测方法的流程示意图;
图2是本公开另一实施例提供的数字高程模型的质量检测方法的流程示意图;
图3是本公开一示例性实施例提供的水文分析模型的结构示意图;
图4是本公开一示例性实施例提供的水文分析过程的流程示意图;
图5是本公开另一实施例提供的数字高程模型的质量检测方法的流程示意图;
图6是本公开一示例性实施例提供的水文分析矢量图的示意图;
图7是本公开一示例性实施例提供的叠加图片的示意图;
图8是本公开一示例性实施例提供的数字高程模型的质量检测装置的结构示意图;
图9是本公开一示例性实施例提供的数字高程模型的质量检测装置的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施方式作进一步地详细描述。
本公开实施例适用于对无人机航测的数字高程模型进行质量检测,该质量检测方法的执行主体可以是计算机设备,包括但不限于服务器、终端等。示例性地,终端包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
图1是本公开一示例性实施例提供的数字高程模型的质量检测方法的流程示意图,如图1所示,该方法包括以下步骤:
步骤S101:获取测绘区域的待检测数字高程模型以及测绘区域的数字正射影像图。
在本公开实施例中,数字高程模型(Digital Elevation Model,简称DEM)和数字正射影像图(Digital Orthophoto Map,简称DOM)是通过无人机航测技术对测绘区域进行地理测绘得到产品数据,可以从完成测绘任务的无人机中的数据存储设备中获取得到,数据存储设备例如可以是存储卡。在其他实施例中,也可以从测绘区域数据库中获取得到,该测绘区域数据库是为了保存各个测绘区域的数字高程模型和数字正射影像图建立的数据库。
步骤S102:对数字高程模型进行水文分析得到水文分析矢量图。
在本公开实施例中,对数字高程模型进行水文分析是利用水文分析工具从数字高程模型中提取该测绘区域的水流方向、汇流累积量、水流长度和河流网络等数据,再现该测绘区域水流的流动过程,得到该测绘区域的水文分析矢量图。例如在本公开实施例中,前述的水文分析工具例如可以是地理信息系统(Geographic Information System,简称GIS)。
步骤S103:基于水文分析矢量图和数字正射影像图,对数字高程模型进行质量检测。
在本公开实施例中,基于测绘区域的水文分析矢量图和测绘区域的数字正射影像图,可以确定水文分析矢量图中的矢量线以及矢量线在数字正射影像图中对应的区域,根据该区域的影像数据,分析这些区域是否为导致高程数据模型中的高程数据出现错误的错误区域,从而实现对数字高程模型进行质量检测。即根据数字高程模型中是否存在错误区域来确定数字高程模型的质量是否符合要求。
示例性地,错误区域可以是指河流、地表建筑物等区域,由于数字高程模型表征的是测绘区域的地理特征,所以需要测量河流底部的数据或地表建筑物底部的高程数据。无人机扫描在这些错误区域时,由于受到河流或者地表建筑物的影响,该错误区域的高程数据实际测量的是河流河面或者建筑物上方的高程数据,导致数字高程模型中该错误区域对应的高程数据出现错误。因此,数字高程模型的精度不高,质量较低。
通过对数字高程模型进行水文分析得到水文分析矢量图,基于水文分析图中的矢量线以及该测绘区域的数字正射影像图中的影像数据,找出数字高程模型中高程数据出现错误的区域,完成对数字高程模型进行质量检测,可以快速准确地确定数字高程模型是否存在高程数据错误的区域,继而确定该数字高程模型的质量高低,提高数字高程模型质量的检测效率。
图2是本公开另一实施例提供的数字高程模型的质量检测方法的流程示意图,如图2所示,该方法包括:
步骤S201:获取测绘区域的待检测数字高程模型以及测绘区域的数字正射影像图。
相关内容参见上述实施例中的步骤101。
步骤S202:对数字高程模型进行水文分析得到水文分析矢量图。
相关内容参见上述实施例中的步骤102。
在本公开一示例性实施例中,上述实施例中步骤S202包括以下步骤:将数字高程模型转换为栅格数据;将栅格数据输入到水文分析模型中,得到水文分析矢量图,水文分析模型包括填洼分析模块、流向分析模块、汇流累积量分析模块、河网提取分级模块和栅格河网矢量化模块。其中,填洼分析模块用于对栅格数据中的凹陷区域进行洼地填充,得到无洼地栅格数据。流向分析模块用于对无洼地栅格数据进行水流方向分析,得到水流方向栅格数据。汇流累积量分析模块用于基于水流方向栅格数据计算测绘区域的汇流累积量,得到汇流累积量栅格数据。河网提取分级模块用于基于汇流累积量栅格数据提取河流网络,并对河流网络进行分级,得到河流网络栅格数据。栅格河网矢量化模块用于对河流网络栅格数据矢量化处理,得到水文分析矢量图。
示例性地,通过地理信息系统中转换工具箱将测绘区域的数字高程模型转换为栅格数据,再将测绘区域的栅格数据输入到水文分析模型中,得到水文分析矢量图。该水文分析模型是通过地理信息系统中的模型构建器构建的,如图3所示,该水文分析模型依次包括填洼分析模块301、流向分析模块302、汇流累积量分析模块303、河网提取分级模块304和栅格河网矢量化模块305。
图4是本公开一示例性实施例提供的水文分析过程的流程示意图,如图4所示,将测绘区域的栅格数据输入到水文分析模型,水文分析模型中的各模块对栅格数据进行如下处理:
将DEM栅格数据输入到填洼分析模块301后,填洼分析模块301根据填充阈值对栅格数据中洼地进行填充,填充阈值的大小根据不同的实际情况确定的,例如,实际存在一个10的洼地,则填充阈值设置为10。在洼地填充过程中,洼地深度大于填充阈值的地方作为真实地形保留,不予填充,洼地深度小于填充阈值的地方进行填充。最后得到无洼地栅格数据。
将无洼地栅格数据输入到流向分析模块302后,分析模块302根据D8算法计算无洼地栅格数据每个栅格单元的水流方向,得到水流方向栅格数据。
将水流方向栅格数据输入到汇流累积量分析模块303,汇流累积量分析模块303根据水流方向栅格数据计算每个栅格单元的汇流累积量,得到汇流累积量栅格数据。
将汇流累积量栅格数据输入到河网提取分级模块304后,河网提取分级模块304根据河流提取阈值常量提取汇流累积量栅格数据中的河流网络特征,即提取汇流累积量超过河流提取阈值常量的栅格单元,河流提取阈值常量一般设置为800,根据河流网络特征确定测绘区域的河流网络。然后获取水流方向栅格数据,根据斯特拉勒分级法(简称Strahler分级法)和水流方向栅格数据对河流网络进行分级,得到河流网络栅格数据。
将河流网络栅格数据输入到栅格河网矢量化模块305后,栅格河网矢量化模块305获取水流方向栅格数据,根据水流方向栅格数据对河流网络栅格数据矢量化,得到水文分析矢量图。
通过水文分析模型就可以批量对数字高程模型进行水文分析,只需要将待检测的数字高程模型输入到水文分析模型中就可以得到水文分析矢量图,使复杂、机械的水文分析操作流程化、模块化,从而进一步提高对数字高程模型质量的检测效率。
步骤S203:基于相同的坐标系,将水文分析矢量图与数字正射影像图进行叠加,得到叠加图片。
在本公开实施例中,基于相同的坐标系,将水文分析矢量图和数字正射影像图进行叠加,即基于相同的平面坐标,将水文分析矢量图和数字正射影像图进行叠加后生成叠加图片。示例性地,相同的平面坐标是指水文分析矢量图的每一个点的横纵坐标的数值与数字正射影像图中该点的横纵坐标的数值相同。比如,水文分析图中的左下角的一个点的坐标和右下角的一个点的坐标分别与数字正射影像图的左下角的一个点的坐标和右下角的一个点的坐标相同,基于这两对相同坐标的点,将水文分析矢量图和数字正射影像图进行叠加后生成叠加图片。
步骤S204:确定水文分析矢量图中矢量线在叠加图片中对应的检测区域。
在本公开实施例中,矢量线是指水文分析矢量图中的矢量化河流网络线。根据水文分析矢量图中的矢量线确定叠加图片中对应的检测区域,该检测区域是指在矢量线穿过的区域,即矢量线两边的一定范围的区域,检测区域的范围可以根据矢量线对应平面坐标确定。示例性地,检测区域可以是矢量线上的每一个点作为圆心画出相同直径的圆,然后所有圆组成的区域。
步骤S205:基于矢量线和检测区域中的地理环境,确定数字高程模型的质量是否符合要求。
在本公开实施例中,根据测绘区域的数字正射影像图分析检测区域的地理环境,检测区域的地理环境是指测试区域中存在的自然地理环境和人文地理环境,例如,自然地理环境是指平原、河流等自然环境,人文地理环境是指广场、道路、房屋和桥梁等人文环境。根据测绘区域的水文分析矢量图中的矢量线和叠加图片中的检测区域的地理环境,确定数字高程模型的质量是否符合要求。
示例性地,若检测区域中存在房屋、厂房等地表建筑物,则说明无人机在测绘该检测区域的高程数据是房屋或者厂房顶部的高程数据,实际上需要测量房屋或者厂房底部的高程数据,数据高程模型中存在高程数据错误的区域,导致数字高程模型的精度不高,确定数字高程模型的质量不符合要求。若检测区域中存在是广场区域或者道路区域,则说明无人机测绘的检测区域的高程数据没有出现错误,确定数字高程模型的质量符合要求。若检测区域中存在河流,则说明无人机在测绘该检测区域的高程数据是河流河面的,实际上需要测量河流底部的高程数据,数据高程模型中存在高程数据错误的区域,导致数字高程模型的精度不高,确定数字高程模型的质量不符合要求,若检测区域中存在是平原,则说明无人机测绘的检测区域的高程数据没有出现错误,确定数字高程模型的质量符合要求。
在本公开一些实施例中,上述步骤S205包括:若检测区域存在地表建筑物,则确定数字高程模型的质量不符合要求。示例性地,地表建筑物是指住宅、厂房、大厦等建筑物,当检测区域存在住宅、厂房、大厦等建筑物时,这样建筑物影会影响无人机航测得到的数字高程模型,导致数高程模型的质量不符合要求。
通过将待检测的数字高程模型输入水文分析模型中,进行水文分析后生成水文分析矢量图,不需要人工对数字高程模型进行水文分析,适合于对大批量的待检测数字高程模型进行水文分析,能够提高数字高程模型进行水文分析的效率。在水文分析矢量图和数字正射影像图叠加后,根据矢量线和检测区域的地理环境,确定数字高程模型中的错误区域。可以快速确定数字高程模型中的错误区域,能够迅速准确地评定数字高程模型的质量高低,提高数字高程模型的质量的检查效率。
图5是本公开另一实施例提供的数字高程模型的质量检测方法的流程示意图,如图5所示,该方法包括:
步骤S501:获取测绘区域的待检测数字高程模型以及测绘区域的数字正射影像图。
相关内容参见上述实施例中的步骤101。
步骤S502:对数字高程模型进行水文分析得到水文分析矢量图。
相关内容参见上述实施例中的步骤102。
步骤S503:基于相同的坐标系,将水文分析矢量图与数字正射影像图进行叠加,得到叠加图片。
相关内容参见上述实施例中的步骤203。
步骤S504:确定水文分析矢量图中矢量线在叠加图片中对应的检测区域。
相关内容参见上述实施例中的步骤204。
步骤S505:确定矢量线中的异常矢量线,异常矢量线包括直线型矢量线。
在本公开实施例中,根据测绘区域的水文分析矢量图,确定矢量线中的异常矢量线,该异常矢量线可以是指水文分析矢量图中直线型矢量线,或者相对于其他矢量线来说,水文分析矢量图中比较笔直的矢量线。水文分析矢量图出现异常矢量线说明该异常矢量线对应的检测区域的高程数据可能出现异常。
图6是本公开一示例性实施例提供的水文分析矢量图的示意图。示例性地,如图6所示,异常矢量线可以是指标号为1的区域中比较笔直的矢量线,可以通过人工识别水文分析图中的异常矢量线,在其他实施例中,也可以通过图像识别技术识别水文分析图中的异常矢量线。
步骤S506:根据异常矢量线对应的检测区域的地貌特征,确定数字高程模型的质量是否符合要求。
在本公开实施例中,上述检测区域的地貌特征可以是指河流、隐蔽和阴影遮蔽等特征,即分析检测区域是否包括河流区域、隐蔽区域、阴影遮蔽区域中的至少一种区域。这些区域的存在都有可能导致数字高程模型中对应异常矢量线对应的区域出现异常,根据异常矢量线对应的检测区域是否存在河流区域、隐蔽区域、阴影遮蔽区域中的至少一种区域,来确定数字高程模型的质量是否符合要求。
在本公开一示例性实施例中,上述步骤S506包括:若异常矢量线对应的检测区域为河流区域,则确定数字高程模型的质量不符合要求。示例性地,图7是本公开一示例性实施例提供的叠加图片的示意图,如图7所示,图中方块填充区域为河流区域,图中菱形填充区域为岩石区域,图中其他区域为乔木区域。当异常矢量线对应的检测区域为河流区域时,说明无人机测绘该河流河面的高程数据,实际需要测绘的是该河流底部的高程数据,因此,数字高程模型中该检测区域对应的区域的高程数据一定出现错误,数字高程模型的质量不符合质量要求。
在本公开一示例性实施例中,上述步骤S506包括:若异常矢量线对应的检测区域为隐蔽区域、阴影遮蔽区域中至少一种区域,则获取所异常矢量线对应的检测区域的高程数据;基于异常矢量线对应的检测区域的高程数据,确定所述数字高程模型的质量是否符合要求。
示例性地,隐蔽区域一般是测绘区域中不容易被发现的区域,例如,山沟、坑道等区域,阴影遮蔽区域是测绘区域中由于树木或者其他物体遮挡的区域。当异常矢量线对应的检测区域为隐蔽区域、阴影遮蔽区域中至少一种区域时,由于隐蔽区域或者阴影遮蔽区域可能会影响无人机航测,这就说明该异常矢量线对应的检测区域的高程数据可能出问题,所以还需要获取该检测区域的实际高程数据,并与数字高程模型中的该区域的高程数据进行对比。若检测区域的实际高程数据与数字高程模型中的该区域的高程数据相同,确定该数字高程模型符合质量要求。若检测区域的实际高程数据与数字高程模型中的该区域的高程数据不相同,确定该数字高程模型不符合质量要求。
通过对测绘区域的待检测数字高程模型进行水文分析得到水文分析矢量图,基于测绘区域的水文分析矢量图和数字正射影像图,确定水文分析矢量图中的异常矢量线对应的数字正射影像图中的检测区域。根据异常矢量线的区域是否存在隐蔽区域、阴影遮挡区域、河流区域等区域,来确定数字高程模型是否存在错误区域,能够迅速准确地评定数字高程模型的质量高低,从而能够提高检测数字高程模型的质量高低的效率。
图8是本公开一示例性实施例提供的数字高程模型的质量检测装置的结构示意图,如图8所示,该装置包括:获取模块801、分析模块802和确定模块803。
获取模块801用于获取测绘区域的待检测数字高程模型以及测绘区域的数字正射影像图。分析模块802用于对数字高程模型进行水文分析得到水文分析矢量图。确定模块803用于基于水文分析矢量图和数字正射影像图,对数字高程模型进行质量检测。
在本公开一示例性实施例中,如图8所示,确定模块803包括:叠加子模块8031、第一确定子模块8032和第二确定子模8033。
叠加子模块8031用于基于相同的坐标系,将水文分析矢量图与数字正射影像图进行叠加,得到叠加图片。第一确定子模块8032用于确定水文分析矢量图中矢量线在叠加图片中对应的检测区域。第二确定子模块8033用于基于矢量线和检测区域中的地理环境,确定数字高程模型的质量是否符合要求。
在本公开实施例的一种可能的实施方式中,第二确定子模块803用于若检测区域存在地表建筑物,确定数字高程模型的质量不符合要求。
在本公开实施例的另一种可能的实施方式中,第二确定子模块803用于确定矢量线中的异常矢量线,异常矢量线包括直线型矢量线,根据异常矢量线对应的检测区域的地貌特征,确定数字高程模型的质量是否符合要求。
在本公开实施例的一种可能的实施方式中,第二确定子模块803用于若异常矢量线对应的检测区域为河流区域,则确定数字高程模型的质量不符合要求。
在本公开实施例的一种可能的实施方式中,第二确定子模块803用于若异常矢量线对应的检测区域为隐蔽区域、阴影遮蔽区域中至少一种区域,则获取异常矢量线对应的检测区域的高程数据,基于异常矢量线对应的检测区域的高程数据,确定数字高程模型的质量是否符合要求。
在本公开实施例的一种可能的实施方式中,获取模块801用于将测绘区域的数字高程模型转换为栅格数据,将栅格数据输入到水文分析模型中,得到水文分析矢量图。
图9是本公开一示例性实施例提供的数字高程模型的质量检测装置的结构示意图。如图9所示,该装置可以为计算机设备900。所述计算机设备900包括中央处理单元(CPU)901、包括随机存取存储器(RAM)902和只读存储器(ROM)903的系统存储器904,以及连接系统存储器904和中央处理单元901的系统总线905。所述计算机设备900还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)906,和用于存储操作系统913、应用程序914和其他程序模块915的大容量存储设备907。
所述基本输入/输出系统906包括有用于显示信息的显示器908和用于用户输入信息的诸如鼠标、键盘之类的输入设备909。其中所述显示器908和输入设备909都通过连接到系统总线905的输入输出控制器910连接到中央处理单元901。所述基本输入/输出系统906还可以包括输入输出控制器910以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器910还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备907通过连接到系统总线905的大容量存储控制器(未示出)连接到中央处理单元901。所述大容量存储设备907及其相关联的计算机可读介质为计算机设备900提供非易失性存储。也就是说,所述大容量存储设备907可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器904和大容量存储设备907可以统称为存储器。
根据本发明的各种实施例,所述计算机设备900还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备900可以通过连接在所述系统总线905上的网络接口单元911连接到网络912,或者说,也可以使用网络接口单元911来连接到其他类型的网络或远程计算机系统(未示出)。
所述存储器还包括一个或者一个以上的程序,所述一个或者一个以上程序存储于存储器中,中央处理器901通过执行该一个或一个以上程序来实现图1至图7所示的数字高程模型的质量检测方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由计算机设备的处理器执行以完成本发明各个实施例所示的数字高程模型的质量检测方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本公开的可选实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (6)
1.一种数字高程模型的质量检测方法,其特征在于,包括:
获取测绘区域的待检测数字高程模型以及所述测绘区域的数字正射影像图;
对所述数字高程模型进行水文分析得到水文分析矢量图;
基于相同的坐标系,将所述水文分析矢量图与所述数字正射影像图进行叠加,得到叠加图片;
确定所述水文分析矢量图中的矢量线在所述叠加图片中对应的检测区域;
基于所述矢量线和所述矢量线对应的检测区域中的地理环境,确定所述数字高程模型的质量是否符合要求;
其中,所述基于所述矢量线和所述矢量线对应的检测区域中的地理环境,确定所述数字高程模型的质量是否符合要求,包括:
若所述矢量线对应的检测区域存在地表建筑物,确定所述数字高程模型的质量不符合要求;或者,
所述基于所述矢量线和所述矢量线对应的检测区域中的地理环境,确定所述数字高程模型的质量是否符合要求,包括:
确定所述矢量线中的异常矢量线;若所述异常矢量线对应的检测区域为河流区域,则确定所述数字高程模型的质量不符合要求;若所述异常矢量线对应的检测区域为隐蔽区域、阴影遮蔽区域中至少一种区域,则获取所述异常矢量线对应的检测区域的实际高程数据,若所述异常矢量线对应的检测区域的实际高程数据与所述数字高程模型中对应的检测区域的高程数据不相同,确定所述数字高程模型的质量不符合要求。
2.根据权利要求1所述的质量检测方法,其特征在于,所述异常矢量线包括直线型矢量线。
3.根据权利要求1或2所述的质量检测方法,其特征在于,所述对所述数字高程模型进行水文分析得到水文分析矢量图,包括:
将所述测绘区域的数字高程模型转换为栅格数据;
将所述栅格数据输入到水文分析模型中,得到所述水文分析矢量图,所述水文分析模型包括填洼分析模块、流向分析模块、汇流累积量分析模块、河网提取分级模块和栅格河网矢量化模块,所述填洼分析模块用于对所述栅格数据中的凹陷区域进行洼地填充,得到无洼地栅格数据;所述流向分析模块用于对所述无洼地栅格数据进行水流方向分析,得到水流方向栅格数据;所述汇流累积量分析模块用于基于所述水流方向栅格数据计算所述测绘区域的汇流累积量,得到汇流累积量栅格数据;所述河网提取分级模块用于基于所述汇流累积量栅格数据提取河流网络,并对河流网络进行分级,得到河流网络栅格数据;所述栅格河网矢量化模块用于对所述河流网络栅格数据矢量化处理,得到所述水文分析矢量图。
4.一种数字高程模型的质量检测装置,其特征在于,包括:
获取模块,用于获取测绘区域的待检测数字高程模型以及所述测绘区域的数字正射影像图;
分析模块,用于对所述数字高程模型进行水文分析得到水文分析矢量图;
确定模块,基于相同的坐标系,将所述水文分析矢量图与所述数字正射影像图进行叠加,得到叠加图片;确定所述水文分析矢量图中的矢量线在所述叠加图片中对应的检测区域;基于所述矢量线和所述矢量线对应的检测区域中的地理环境,确定所述数字高程模型的质量是否符合要求;其中,所述基于所述矢量线和所述矢量线对应的检测区域中的地理环境,确定所述数字高程模型的质量是否符合要求,包括:若所述矢量线对应的检测区域存在地表建筑物,确定所述数字高程模型的质量不符合要求;或者,所述基于所述矢量线和所述矢量线对应的检测区域中的地理环境,确定所述数字高程模型的质量是否符合要求,包括:确定所述矢量线中的异常矢量线;若所述异常矢量线对应的检测区域为河流区域,则确定所述数字高程模型的质量不符合要求;若所述异常矢量线对应的检测区域为隐蔽区域、阴影遮蔽区域中至少一种区域,则获取所述异常矢量线对应的检测区域的实际高程数据,若所述异常矢量线对应的检测区域的实际高程数据与所述数字高程模型中对应的检测区域的高程数据不相同,确定所述数字高程模型的质量不符合要求。
5.一种数字高程模型的质量检测装置,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行计算机指令,从而执行如权利要求1-3任一项所述数字高程模型的质量检测方法。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使计算机执行如权利要求1-3任一项所述的数字高程模型的质量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192563.0A CN111366172B (zh) | 2020-03-18 | 2020-03-18 | 数字高程模型的质量检测方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192563.0A CN111366172B (zh) | 2020-03-18 | 2020-03-18 | 数字高程模型的质量检测方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111366172A CN111366172A (zh) | 2020-07-03 |
CN111366172B true CN111366172B (zh) | 2022-03-11 |
Family
ID=71204551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010192563.0A Active CN111366172B (zh) | 2020-03-18 | 2020-03-18 | 数字高程模型的质量检测方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111366172B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114372354B (zh) * | 2021-12-27 | 2024-07-05 | 华中科技大学 | 一种河网水系提取方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6985903B2 (en) * | 2002-01-25 | 2006-01-10 | Qualcomm, Incorporated | Method and system for storage and fast retrieval of digital terrain model elevations for use in positioning systems |
CN104123730B (zh) * | 2014-07-31 | 2016-09-14 | 武汉大学 | 基于道路特征的遥感影像与激光点云配准方法及系统 |
CN104732577B (zh) * | 2015-03-10 | 2017-11-07 | 山东科技大学 | 一种基于uav低空航测系统的建筑物纹理提取方法 |
CN107705362A (zh) * | 2017-10-11 | 2018-02-16 | 中煤航测遥感集团有限公司 | Dem精度检测方法和装置 |
CN107749080A (zh) * | 2017-11-07 | 2018-03-02 | 中科宇图科技股份有限公司 | 一种基于点云数据的dem快速处理方法 |
-
2020
- 2020-03-18 CN CN202010192563.0A patent/CN111366172B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111366172A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20070054593A (ko) | 단일한 이미지로부터 3차원 물체를 측량, 모델링 및맵핑하기 위한 시스템, 컴퓨터 프로그램 및 방법 | |
Sohn et al. | An implicit regularization for 3D building rooftop modeling using airborne lidar data | |
CN111340012A (zh) | 一种地质灾害解译方法、装置、终端设备 | |
CN112577470B (zh) | 一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统 | |
CN111080682A (zh) | 点云数据的配准方法及装置 | |
CN111256730A (zh) | 一种用于低空倾斜摄影测量技术的土方平衡修正计算方法 | |
CN113280764A (zh) | 基于多星协同技术的输变电工程扰动范围定量监测方法及系统 | |
CN117557681B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及装置 | |
CN111366172B (zh) | 数字高程模型的质量检测方法、装置和存储介质 | |
CN111982077B (zh) | 电子地图绘制方法、系统和电子设备 | |
Demir | Automated detection of 3D roof planes from Lidar data | |
CN113759348A (zh) | 一种雷达标定方法、装置、设备及存储介质 | |
Hlotov et al. | Accuracy assessment of external orientation elements for digital images obtained from UAVS using derivatives of implicitly specified functions | |
Höhle | The assessment of the absolute planimetric accuracy of airborne laserscanning | |
CN115357675B (zh) | 一种像控点标准化处理建设像控点数据库方法和系统 | |
CN113344866B (zh) | 一种点云综合精度评价方法 | |
Lee et al. | Strip adjustment of airborne laser scanner data using area-based surface matching | |
CN118274734B (zh) | 一种隧洞形变的分析方法、装置、设备及存储介质 | |
CN110647591A (zh) | 用于测试矢量地图的方法和装置 | |
CN111709432B (zh) | 复杂城市环境下InSAR地面点提取方法、装置、服务器及存储介质 | |
Alberti | GIS analysis of geological surfaces orientations: the qgSurf plugin for QGIS | |
Höhle et al. | A new method for checking the planimetric accuracy of Digital Elevation Models data derived by Airborne Laser Scanning | |
CN112985319B (zh) | 三维数字地球模型准确性检测方法、装置和存储介质 | |
Chio et al. | Airborne lidar planar roof point extraction using least‐squares fitting supervised by a posteriori variance estimation | |
Nicolau et al. | Harmonization of categorical maps by alignment processes and thematic consistency analysis |
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 |