CN111678502B - 基于无人机航测影像提取冻土灾害信息的方法 - Google Patents

基于无人机航测影像提取冻土灾害信息的方法 Download PDF

Info

Publication number
CN111678502B
CN111678502B CN202010517277.7A CN202010517277A CN111678502B CN 111678502 B CN111678502 B CN 111678502B CN 202010517277 A CN202010517277 A CN 202010517277A CN 111678502 B CN111678502 B CN 111678502B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
aerial survey
elevation
frozen soil
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
CN202010517277.7A
Other languages
English (en)
Other versions
CN111678502A (zh
Inventor
杨久春
王让虎
张树文
孙琦惠
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.)
Northeast Institute of Geography and Agroecology of CAS
Original Assignee
Northeast Institute of Geography and Agroecology of CAS
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 Northeast Institute of Geography and Agroecology of CAS filed Critical Northeast Institute of Geography and Agroecology of CAS
Priority to CN202010517277.7A priority Critical patent/CN111678502B/zh
Publication of CN111678502A publication Critical patent/CN111678502A/zh
Application granted granted Critical
Publication of CN111678502B publication Critical patent/CN111678502B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements

Abstract

本发明涉及一种基于无人机航测影像提取冻土灾害信息的方法，方法包括以下步骤：步骤一、布设地面控制点并采集三维坐标信息数据；步骤二、采集无人机航测影像数据；步骤三、拼接无人机航测影像并进行几何校正与空间配准；步骤四、识别基于无人机航测地表高程变化的冻胀丘和融沉区域；步骤五、识别基于无人机航测影像地表景观信息的冻胀裂缝。本发明基于最新的无人机遥感技术，充分利用无人机航测定位精度高和地表景观解析度高的优势，实现了冻土灾害类型与范围等信息的提取。

Description

基于无人机航测影像提取冻土灾害信息的方法
技术领域
本发明涉及冻土灾害信息提取领域，特别涉及一种基于无人机航测影像提取冻土灾害信息的方法。
技术背景
多年冻土分布广泛，约占全球陆地总面积的1/4，占我国国土面积的1/5。分布在我国的冻土对外界环境极为敏感，冻土灾害风险较大，制约冻土区重大工程建设。目前面临的主要冻土灾害包括融沉、冻胀丘、冻土斜坡等。传统的实地调查、探地雷达技术和现代卫星遥感技术对冻土灾害监测的方法，都具有明显的缺点和不足：
1、冻土灾害一般发生在气候寒冷之时，加之冻土区人迹稀少，定期实地调查需要大量人力和时间，周期长，成本高，并且存在很多难以人工到达的区域，很难全面覆盖。
2、探地雷达技术易受到树木、金属、电磁信号等的干扰，进而造成成果图像出现较为密集的土层分界线、较大程度的重叠和混乱及探测深度有限等冻土灾害解释和信息提取上的困难。虽然钻探、坑探等传统冻土勘测方式可以有效弥补探地雷达勘测技术的这些缺陷，但存在破坏冻土环境、探测效率低、勘测费用高昂等问题。
3、卫星遥感技术受限于卫星重访周期、空间分辨率、云量等因素影响。由于冻土灾害类型在空间范围上差异较大，从几厘米到几十米，并且主要与水热相关，所以低分辨率卫星影像很难提取冻土灾害信息。而高分辨率的卫星影像随着空间和时间分辨率的提高，价格倍增。另外，卫星影像易受到云量和地形阴影的影响。
所以在冻土灾害调查和监测过程中采用传统的实地调查、探地雷达、卫星遥感等方法时，不可避免地面临成本高，周期长，受云量和地形阴影影响大，安全性差等缺点。所以现在急需在保持航测精度，保证影像高解析度的同时，使其成本低、重访周期短、安全性高、覆盖全面。
发明内容
本发明为克服现有方法在提取冻土灾害信息过程中，成本高，周期长，受云量和地形阴影影响大，安全性差等缺点，提供了一种基于无人机航测影像的冻土灾害信息提取方法。
本发明涉及一种基于无人机航测影像提取冻土灾害信息的方法，方法包括以下步骤：
步骤一、布设地面控制点并采集三维坐标信息数据；
步骤二、采集无人机航测影像数据；
步骤三、拼接无人机航测影像并进行几何校正与空间配准；
步骤四、识别基于无人机航测地表高程变化的冻胀丘和融沉区域；
步骤五、识别基于无人机航测影像地表景观信息的冻胀裂缝。
进一步地，步骤一中，布设地面控制点时采用圆形图案作为控制点，并且圆形直径尺寸至少是影像分辨率的10倍；采集圆形图案圆心对应地理三维坐标信息，分别为经度、纬度和高程，得到三维坐标信息数据。
进一步地，步骤二中，采集无人机航测影像数据时，无人机按照规划航线，设置80％的航向重叠度和70％的旁向重叠度，以及50-120m的飞行高度，并多次采集无人机航测影像，每次采用相同的航测参数，采集时间为分冻土冻结和融化时期，得到无人机航测影像数据。
进一步地，步骤三中，结合地面控制点及其实测的地理三维坐标信息，对无人机航测影像进行拼接和几何校正，所述地面控制点至少在5张单幅无人机航测影像上出现，采用同名地面控制点进行多次无人机航测影像的空间配准。
进一步地，步骤四中，基于无人机航测影像生成的正射影像，区分植被和非植被地表，进行二值化处理。非植被地表对应的数字表面模型的高程即是其真实高程，用以生成厘米分辨率的数字高程模型，对无人机航测影像生成的数字表面模型(DSM)进行高程校正，获取整个研究区厘米分辨率的数字高程模型(DEM)。
进一步地，步骤四中，采用地图代数减法运算，多次获取无人机航测的地表高程差数据。
进一步地，步骤四中，基于获取的高程差栅格数据，采用阈值分割法提取冻土灾害中冻胀丘和融沉灾害类型，然后识别出冻胀丘和融沉区域；
冻胀丘区域满足以下条件：
VHeight≥Th (1)
融沉区域满足以下条件：
VHeight≤-Th (2)
Figure BDA0002530566280000021
式中VHeight是高程差，单位为米(m)；Th是阈值，单位为米(m)，式(3)中t2为后一次航拍，
Figure BDA0002530566280000022
为后一次航拍的高程，t1为前一次航拍，
Figure BDA0002530566280000023
为前一次航拍的高程，单位为米(m)。
进一步地，步骤五中，利用无人机航测生成的正射影像，采用目视解译的方法，在野外实地调查建立冻胀裂缝解译标志，并将冻胀裂缝的边缘线数字化，最后提取到冻胀裂缝矢量数据，用以识别冻胀裂缝。
有益效果：
本发明提供了一种基于无人机航测影像的冻土灾害信息提取方法，即通过无人机航测影像获得地表高程和地表景观，进行多次飞行获得地表高程和地表景观的变化，从而提取冻胀丘、融沉、冻胀裂缝等冻土灾害信息。相比现有技术，本发明基于最新的无人机遥感技术，充分利用无人机航测定位精度高和地表景观解析度高的优势，实现了冻土灾害类型与范围等信息的提取，可以低成本、快速、安全、全面地监测冻土灾害发生与分布状况，为冻土灾害风险评价与冻土区工程布设的决策制定提供技术支持。
附图说明
图1为本发明无人机航测影像的冻土灾害信息提取流程图。
图2为本发明试验区无人机航测高程变化示意图。
图3为本发明基于高程变化识别的冻胀丘及其地面验证示意图。
图4为本发明基于无人机航测影像的地表景观示意图。
图5为本发明基于地表景观图目视解译的冻胀裂缝与地面验证示意图。
具体实施方式
本发明一种基于无人机航测影像提取冻土灾害信息的方法，方法包括以下步骤：
步骤一、布设地面控制点并采集三维坐标信息数据；布设地面控制点时采用圆形图案作为控制点，并且圆形直径尺寸至少是影像分辨率的10倍；采集圆形图案圆心对应地理三维坐标信息，分别为经度、纬度和高程，得到三维坐标信息数据。
步骤二、采集无人机航测影像数据；采集无人机航测影像数据时，无人机按照规划航线，设置80％的航向重叠度和70％的旁向重叠度，以及50-120m的飞行高度，并多次采集无人机航测影像，每次采用相同的航测参数，采集时间为分冻土冻结和融化时期，得到无人机航测影像数据。
步骤三、拼接无人机航测影像并进行几何校正与空间配准；结合地面控制点及其实测的地理三维坐标信息，对无人机航测影像进行拼接和几何校正，所述地面控制点至少在5张单幅无人机航测影像上出现，采用同名地面控制点进行多次无人机航测影像的空间配准。
步骤四、识别基于无人机航测地表高程变化的冻胀丘和融沉区域；基于无人机航测影像生成的正射影像，区分植被和非植被地表，进行二值化处理。非植被地表对应的数字表面模型的高程即是其真实高程，用以生成厘米分辨率的数字高程模型，对无人机航测影像生成的数字表面模型(DSM)进行高程校正，获取整个研究区厘米分辨率的数字高程模型(DEM)。基于获取的高程差栅格数据，采用阈值分割法提取冻土灾害中冻胀丘和融沉灾害类型，然后识别出冻胀丘和融沉区域；
冻胀丘区域满足以下条件：
VHeight≥Th (1)
融沉区域满足以下条件：
VHeight≤-Th (2)
Figure BDA0002530566280000041
式中VHeight是高程差，单位为米(m)；Th是阈值，单位为米(m)，式(3)中t2为后一次航拍，
Figure BDA0002530566280000042
为后一次航拍的高程，t1为前一次航拍，
Figure BDA0002530566280000043
为前一次航拍的高程，单位为米(m)。
步骤五、识别基于无人机航测影像地表景观信息的冻胀裂缝。利用无人机航测生成的正射影像，采用目视解译的方法，在野外实地调查建立冻胀裂缝解译标志，并将冻胀裂缝的边缘线数字化，最后提取到冻胀裂缝矢量数据，用以识别冻胀裂缝。
实施例
本实施例结合附图对本发明作进一步的说明。本实施例的试验区位于黑龙江省大兴安岭地区加格达奇市区以北距离33km的一处区域(50°41′4″N，124°18′19″E)，是常年冻土分布区，人迹罕至，草地覆盖。本实施例的基于无人机航测影像提取冻土灾害信息的方法，具体步骤如下：
步骤一、布设地面控制点并采集三维坐标信息数据
根据试验区的范围(长约140m，宽约150m)和地面高程起伏情况(高差5～6m)，在试验区四角和中心位置布设地面控制点。地面控制点采用圆形图案，依据直径至少是影像分辨率的10倍的原则，试验时采用120mm的红色圆盘衬于A4白色卡纸制成，垂直两次对折红色圆盘，以精准找到圆心位置。然后，利用实时动态(Real-Time Kinematic,RTK)测量仪器采集地面控制点圆心位置的三维坐标信息，包括经度、维度和高程。三维坐标信息来自黑龙江省测绘地理信息局的连续运行卫星定位服务参考站(Continuously Operating ReferenceStation,CORS)接收站网络，精度达到厘米级。
本实施例中RTK测量仪器型号为：合众思壮(UniStrong)G970Ⅱ，但不限于此；
本实施例中地面控制点三维坐标信息来自于黑龙江省测绘地理信息局的连续运行卫星定位服务参考站接收站网络(HLJCORS)，但不限于此。
步骤二、采集无人机航测影像数据
选择天气晴朗、低空无云雾、风速小于8m/s、能见度大于5km，太阳高度角大于45°时开展野外航拍。首先组装无人机电池、遥控器电池。然后依据试验区地表情况和无人机的续航能力，对研究区进行分区，规划航线，设定80％的航向重叠度和70％的旁向重叠度。根据试验区地形起伏情况，将无人机飞行高度设定为100m，飞行速度5m/s，镜头垂直向下朝向地面拍摄。操控无人机沿规划航线飞行，并逐个分区采集无人机航测影像。对于本实施例试验区，分别在冻土开始冻结时期的2018年9月20日，和冻土开始融化之初的2019年4月13日，采用相同的无人机飞行参数采集两次无人机航测影像。
本实施例中无人机航测平台为大疆精灵4RTK(DJ Phantom4 RTK)，但不限于此。
步骤三、拼接无人机航测影像并进行几何校正与空间配准
无人机航测完成后，利用Pix4DMapper软件进行图像拼接处理，并利用步骤一布设的地面控制点的地面测量三维坐标信息进行航测影像的几何校正和地理空间投影转换，最后生成厘米分辨率正射影像和数字表面模型(Digital Surface Model,DSM)。此步骤中选择地面控制点时应注意，所选择的地面控制点应在至少5张航测影像上出现。依据同名地面控制点，对试验区两次无人机航测影像进行空间配准。
步骤四、识别基于无人机航测地表高程变化的冻胀丘和融沉区域
利用Pix4DMapper软件，基于无人机航测影像生成的正射影像，区分出植被与非植被地表，并进行二值化处理。利用非植被景观区域的真实高程，生成厘米分辨率的数字高程模型(Digital Elevation Model,DEM)，对无人机航测影像生成的数字表面模型(DSM)进行高程校正，获取试验区厘米分辨率的数字高程模型(DEM)。
利用ArcGIS10.2软件中Raster Calculator工具，对试验区两次无人机航测后获取的数字高程模型进行地图代数减法运算，获取试验区冻土冻结与融化时期的地表高程差(VHeight)。
以中国东北地区冻土灾害对输油管道影响为参考依据，实验结果表明：管径914mm且管壁厚度12.5mm的输油管道在不同油压下的最大允许差异性融沉变形范围最小，介于0.066-0.795m，因此本实施例使用阈值分割法，以高程差0.066m作为阈值，利用ArcGIS10.2软件中地图代数工具的CON命令，提取发生在2018年9月至2019年4月之间冻胀丘和融沉这两类冻土灾害类型。冻胀丘区域满足VHeight≥0.066，融沉区域满足VHeight≤-0.066。根据实地调查结果进行验证。按照栅格数量和栅格单元大小，可统计冻胀丘和融沉冻土灾害类型的面积、宽度、长度、高度/深度等信息。
本实施例中区分植被与非植被地表类型的操作是采用Pix4DMapper软件，但不限于此。
步骤五、识别基于无人机航测影像地表景观信息的冻胀裂缝
在对试验区野外实地调查过程中，建立冻胀裂缝的影像解译标志。利用无人机航测影像生成的正射影像，采用目视解译方法识别冻胀裂缝，在ArcGIS10.2软件中，建立线状矢量数据图层，利用数字化方法提取冻胀裂缝的边缘线。不足两个像元宽度的冻胀裂缝，以线状要素表示。提取完成后，利用ArcGIS10.2软件中Feature To Polygon命令将线状矢量数据转换为面状矢量数据，统计冻胀裂缝的面积、宽度、长度等信息。根据实地调查结果进行验证。
结合上述实施例可以说明本发明涉及的基于无人机航测影像的冻土灾害信息提取方法，可以有效地提取冻土区域冻土灾害类型及其面积等信息，同时通过冻土灾害类型分布图可以有效地监测冻土冻融发生与演变趋势，为冻土灾害风险评价与冻土区工程布设的决策制定提供技术支持。
上述实施例仅为本发明具体实施的说明，本发明并不限于该实施例的地点和时间，凡在不脱离本发明构思的情况下，依据本申请所做的等效修饰和现有技术添加均视为本发明权利要求的范畴。

Claims (1)

1.一种基于无人机航测影像提取冻土灾害信息的方法，其特征在于，该方法包括以下步骤：
步骤一、布设地面控制点并采集三维坐标信息数据；
步骤二、采集无人机航测影像数据；
步骤三、拼接无人机航测影像并进行几何校正与空间配准；
步骤四、识别基于无人机航测地表高程变化的冻胀丘和融沉区域；
步骤五、识别基于无人机航测影像地表景观信息的冻胀裂缝；
其中，步骤一中，布设地面控制点时采用圆形图案作为控制点，并且圆形直径尺寸至少是影像分辨率的10倍；采集圆形图案圆心对应地理三维坐标信息，分别为经度、纬度和高程，得到三维坐标信息数据；
步骤二中，采集无人机航测影像数据时，无人机按照规划航线，设置80%的航向重叠度和70%的旁向重叠度，以及50-120m的飞行高度，并多次采集无人机航测影像，每次采用相同的航测参数，采集时间为分冻土冻结和融化时期，得到无人机航测影像数据；
步骤三中，结合地面控制点及其实测的地理三维坐标信息，对无人机航测影像进行拼接和几何校正，所述地面控制点至少在5张单幅无人机航测影像上出现，采用同名地面控制点进行多次无人机航测影像的空间配准；
步骤四中，基于无人机航测影像生成的正射影像，区分植被和非植被地表，进行二值化处理；非植被地表对应的数字表面模型的高程即是其真实高程，用以生成厘米分辨率的数字高程模型，对无人机航测影像生成的数字表面模型（DSM）进行高程校正，获取整个研究区厘米分辨率的数字高程模型（DEM）；
步骤四中，采用地图代数减法运算，多次获取无人机航测的地表高程差数据；
步骤四中，基于获取的高程差栅格数据，采用阈值分割法提取冻土灾害中冻胀丘和融沉灾害类型，然后识别出冻胀丘和融沉区域；
冻胀丘区域满足以下条件：
VHeight≥Th （1）
融沉区域满足以下条件：
VHeight≤-Th （2）
Figure 938868DEST_PATH_IMAGE001
（3）
式中V Height是高程差，单位为米（m）；Th是阈值，单位为米（m），式（3）中t 2 为后一次航拍，
Figure 75451DEST_PATH_IMAGE002
为后一次航拍的高程，t 1 为前一次航拍，
Figure 728018DEST_PATH_IMAGE003
为前一次航拍的高程，单位为米（m）；
步骤五中，利用无人机航测生成的正射影像，采用目视解译的方法，在野外实地调查建立冻胀裂缝解译标志，并将冻胀裂缝的边缘线数字化，最后提取到冻胀裂缝矢量数据，用以识别冻胀裂缝。
CN202010517277.7A 2020-06-09 2020-06-09 基于无人机航测影像提取冻土灾害信息的方法 Active CN111678502B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010517277.7A CN111678502B (zh) 2020-06-09 2020-06-09 基于无人机航测影像提取冻土灾害信息的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010517277.7A CN111678502B (zh) 2020-06-09 2020-06-09 基于无人机航测影像提取冻土灾害信息的方法

Publications (2)

Publication Number Publication Date
CN111678502A CN111678502A (zh) 2020-09-18
CN111678502B true CN111678502B (zh) 2022-06-14

Family

ID=72454148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010517277.7A Active CN111678502B (zh) 2020-06-09 2020-06-09 基于无人机航测影像提取冻土灾害信息的方法

Country Status (1)

Country Link
CN (1) CN111678502B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112923904B (zh) * 2021-01-26 2022-09-23 四川融鑫信息科技有限公司 面向多无人机协同摄影测量的地质灾害隐患探测方法
CN116385883B (zh) * 2023-04-13 2024-01-05 珠江水利委员会珠江水利科学研究院 基于无人机山体阴影区植被覆盖度修正方法、设备和介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104006791A (zh) * 2014-05-06 2014-08-27 国家基础地理信息中心 基于多源遥感影像的城市地区高程维度变化信息提取方法
CN104091369A (zh) * 2014-07-23 2014-10-08 武汉大学 一种无人机遥感影像建筑物三维损毁检测方法
CN104992455A (zh) * 2015-07-29 2015-10-21 中国神华能源股份有限公司 塌陷坑检测方法及装置
CN105427377A (zh) * 2015-11-03 2016-03-23 武汉地大信息工程股份有限公司 一种基于无人机的地质灾害数据采集处理方法及装置
CN106504192A (zh) * 2016-10-21 2017-03-15 云南电网有限责任公司电力科学研究院 一种输电线路走廊地质灾害勘探影像处理方法及系统
CN106969751A (zh) * 2017-03-13 2017-07-21 西安科技大学 一种基于无人机遥感的采煤地表沉陷量监测计算的方法
GB2561329A (en) * 2016-12-05 2018-10-17 Gaist Solutions Ltd Method and system for creating images
CN109269645A (zh) * 2018-09-06 2019-01-25 西北农林科技大学 一种基于无人机可见光和热红外遥感的大田玉米冠层温度提取方法
CN110223386A (zh) * 2019-06-10 2019-09-10 河南科技大学 一种基于多源无人机遥感数据融合的数字地形建模方法
CN110440761A (zh) * 2019-09-18 2019-11-12 中国电建集团贵州电力设计研究院有限公司 一种无人机航空摄影测量数据的处理方法
CN110503604A (zh) * 2019-07-31 2019-11-26 武汉大学 一种基于高精度pos的航空面阵影像实时正射拼接方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2498378C1 (ru) * 2012-06-21 2013-11-10 Александр Николаевич Барышников Способ получения изображения земной поверхности с движущегося носителя и устройство для его осуществления

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104006791A (zh) * 2014-05-06 2014-08-27 国家基础地理信息中心 基于多源遥感影像的城市地区高程维度变化信息提取方法
CN104091369A (zh) * 2014-07-23 2014-10-08 武汉大学 一种无人机遥感影像建筑物三维损毁检测方法
CN104992455A (zh) * 2015-07-29 2015-10-21 中国神华能源股份有限公司 塌陷坑检测方法及装置
CN105427377A (zh) * 2015-11-03 2016-03-23 武汉地大信息工程股份有限公司 一种基于无人机的地质灾害数据采集处理方法及装置
CN106504192A (zh) * 2016-10-21 2017-03-15 云南电网有限责任公司电力科学研究院 一种输电线路走廊地质灾害勘探影像处理方法及系统
GB2561329A (en) * 2016-12-05 2018-10-17 Gaist Solutions Ltd Method and system for creating images
CN106969751A (zh) * 2017-03-13 2017-07-21 西安科技大学 一种基于无人机遥感的采煤地表沉陷量监测计算的方法
CN109269645A (zh) * 2018-09-06 2019-01-25 西北农林科技大学 一种基于无人机可见光和热红外遥感的大田玉米冠层温度提取方法
CN110223386A (zh) * 2019-06-10 2019-09-10 河南科技大学 一种基于多源无人机遥感数据融合的数字地形建模方法
CN110503604A (zh) * 2019-07-31 2019-11-26 武汉大学 一种基于高精度pos的航空面阵影像实时正射拼接方法
CN110440761A (zh) * 2019-09-18 2019-11-12 中国电建集团贵州电力设计研究院有限公司 一种无人机航空摄影测量数据的处理方法

Also Published As

Publication number Publication date
CN111678502A (zh) 2020-09-18

Similar Documents

Publication Publication Date Title
Carvajal-Ramírez et al. Virtual reconstruction of damaged archaeological sites based on Unmanned Aerial Vehicle Photogrammetry and 3D modelling. Study case of a southeastern Iberia production area in the Bronze Age
KR101859947B1 (ko) 무인 항공기를 이용한 재해위험 저수지의 정밀안전진단평가를 위한 데이터베이스 구축 시스템 및 방법
Akgul et al. Evaluation of UAV-and GNSS-based DEMs for earthwork volume
KR101940313B1 (ko) 항공레이저측량 자료처리와 공간분석 기법을 사용한 태양광 발전소 적정 위치 선정 방법
CN111444872B (zh) 一种丹霞地貌参数测量方法
Haas et al. Quantification and analysis of geomorphic processes on a recultivated iron ore mine on the Italian island of Elba using long-term ground-based lidar and photogrammetric SfM data by a UAV
CN111678502B (zh) 基于无人机航测影像提取冻土灾害信息的方法
KR20210117243A (ko) 시계열 드론 영상을 활용한 연안지역 침식 퇴적 변화 분석 방법
Lai et al. The territory-wide airborne light detection and ranging survey for the Hong Kong Special Administrative Region
CN111426303A (zh) 一种岩溶坡立谷参数测量方法
CN116645789A (zh) 一种基于无人机测绘的土地自然灾害预警管控系统
Gonçalves et al. Monitoring Local Shoreline Changes by Integrating UASs, Airborne LiDAR, Historical Images and Orthophotos.
CN113532509A (zh) 一种基于空天地立体技术的大规模高陡边坡监测方法
Nikolakopoulos et al. UAVs for the rapid assessment of the damages in the coastal zone after a storm
Berrocoso et al. Determination of geomorphological and volumetric variations in the 1970 land volcanic craters area (Deception Island, Antarctica) from 1968 using historical and current maps, remote sensing and GNSS
Brook et al. Monitoring active landslides in the Auckland region utilising UAV/structure-from-motion photogrammetry
Liu et al. Architecture planning and geo-disasters assessment mapping of landslide by using airborne LiDAR data and UAV images
Yaprak et al. The role of unmanned aerial vehicles in monitoring rapidly occurring landslides
CN116299442A (zh) 开采诱发地表形变监测方法、装置、电子设备及存储介质
CN115638772A (zh) 基于无人机影像数据提取高山峡谷区滑坡灾害信息的方法
Al Mansoori et al. Photogrammetric techniques and UAV for drainage pattern and overflow assessment in mountainous Terrains-Hatta/UAE
Herzog et al. Capturing complex star dune dynamics—repeated highly accurate surveys combining multitemporal 3D topographic measurements and local wind data
Kuzmić et al. Modern geodetic methods with application in the environmental management and its protection
Haas et al. Quantification and analysis of geomorphic processes on a recultivated iron ore mine on the Italian island Elba using long-time ground-based LIDAR and photogrammetric data by an UAV
Peitzsch et al. Detecting snow depth changes in avalanche path starting zones using uninhabited aerial systems and structure from motion photogrammetry

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