CN111736136A - 一种机载激光点云航摄漏洞检测方法及系统 - Google Patents
一种机载激光点云航摄漏洞检测方法及系统 Download PDFInfo
- Publication number
- CN111736136A CN111736136A CN202010577933.2A CN202010577933A CN111736136A CN 111736136 A CN111736136 A CN 111736136A CN 202010577933 A CN202010577933 A CN 202010577933A CN 111736136 A CN111736136 A CN 111736136A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser point
- airborne laser
- band
- boundary
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- 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
- G01C11/04—Interpretation of pictures
-
- 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
-
- 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
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种机载激光点云航摄漏洞检测方法及系统。该机载激光点云航摄漏洞检测方法包括:获取机载激光点云数据集和对应的时间信息;基于机载激光点云数据集提取机载激光点云航带的边界点集;计算机载激光点云航带的宽度;基于机载激光点云航带的边界点集、机载激光点云航带的宽度和航带边界点对集,采用等比例法或整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域;将航带有效覆盖区域与测区范围进行叠加对比,确定测区范围内是否存在相对漏洞;基于机载激光点云数据集,采用格网法确定测区范围内是否存在绝对漏洞。本发明能够提高漏洞检测的效率和可靠性。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种机载激光点云航摄漏洞检测方法及系统。
背景技术
近年来激光雷达技术得到快速发展,设备的重量更轻、体积更小、精度更高,已被广泛应用于数字表面模型、数字高程模型、数字正射影像及三维模型的生产中。但是,受机载激光雷达主动成像方式的限制,其视场角较小、航高较低,航摄时受地形起伏、风力、地物镜面反射等因素的影响较大,易出现航摄漏洞区域,直接影响数据的使用。而当前常采用的人机交互式的激光点云航摄漏洞检测方法,效率低、可靠性与科学性差,已不能满足机载激光点云数据质量控制的需要。
发明内容
基于此,有必要提供一种机载激光点云航摄漏洞检测方法及系统,以提高漏洞检测的效率和可靠性。
为实现上述目的,本发明提供了如下方案:
一种机载激光点云航摄漏洞检测方法,包括:
获取机载激光点云数据集和对应的时间信息;
基于所述机载激光点云数据集提取机载激光点云航带的边界点集;
依据所述时间信息和所述机载激光点云航带的边界点集筛选航带边界点对集,并计算机载激光点云航带的宽度;
基于所述机载激光点云航带的边界点集、所述机载激光点云航带的宽度和所述航带边界点对集,采用等比例法或整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域;
将所述航带有效覆盖区域与测区范围进行叠加对比,确定所述测区范围内是否存在相对漏洞;
基于所述机载激光点云数据集,采用格网法确定所述测区范围内是否存在绝对漏洞。
可选的,所述将所述航带有效覆盖区域与测区范围进行叠加对此,确定所述测区范围是否存在相对漏洞,具体包括:
合并所有机载激光点云航带的有效覆盖区域,得到有效覆盖区域并集;
对测区范围进行外扩,得到扩展后测区范围;
叠加对比所述扩展后测区范围与所述有效覆盖区域并集,并判断所述扩展后测区范围内是否存在未被所述有效覆盖区域覆盖的区域,得到第一判断结果;
若所述第一判断结果为是,则存在相对漏洞,并将所述扩展后测区范围内未被所述有效覆盖区域覆盖的区域确定为相对漏洞区域;
若所述第一判断结果为否,则不存在相对漏洞。
可选的,所述基于所述机载激光点云数据集,采用格网法确定所述测区范围内是否存在绝对漏洞,具体包括:
对所述机载激光点云数据集进行拼接和融合处理,得到测区激光点云数据;
基于所述测区激光点云数据,依据设定格网间距生成栅格值均为零的空栅格数据集;
统计各格网内的激光点数,并依据所述激光点数为所述空栅格数据集赋值,得到测区点云密度图;
对测区范围进行外扩,得到扩展后测区范围;
将所述测区点云密度图中的零值像素设置为无效值,并将所述测区点云密度图与所述扩展后测区范围进行可视化叠加比对,确定所述测区范围内是否存在绝对漏洞。
可选的,所述对测区范围进行外扩,得到扩展后测区范围,具体包括:
由所述外扩值扩展所述测区范围,得到扩展后测区范围。
可选的,采用等比例法进行内缩处理,得到各机载激光点云航带的有效覆盖区域,具体包括:
依据所述航带边界点对集和最小点云航带重叠比例标准值计算等比例法内缩处理后的航带边界点对集中各激光点对的位置;
按照获取时间属性值对等比例法内缩处理后的航带边界点对集中的左侧边界点进行升序排列,得到第一序列;
按照获取时间属性值对等比例法内缩处理后的航带边界点对集中的右侧边界点进行降序排列,得到第二序列;
将所述第一序列和所述第二序列依次连接,生成机载激光点云航带的有效覆盖区域。
可选的,采用整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域,具体包括:
将所述机载激光点云航带的边界点集中的左侧边界点按照获取时间属性值进行升序排列,得到第三序列;
将所述机载激光点云航带的边界点集中的右侧边界点按照获取时间属性值进行降序排列,得到第四序列;
将所述第三序列和所述第四序列依次连接,生成多边形区域;
依据所述机载激光点云航带的宽度和最小点云航带重叠比例标准值计算各条机载激光点云航带的缓冲值;
基于所述缓冲值对所述多边形区域进行内缩处理,得到机载激光点云航带的有效覆盖区域。
可选的,所述基于所述机载激光点云数据集提取机载激光点云航带的边界点集,具体包括:
将所述机载激光点云数据集中航向边缘属性值为是且扫描角属性值的绝对值大于设定角度阈值的激光点构成的集合确定为机载激光点云航带的边界点集;所述机载激光点云航带的边界点集中扫描角属性值为负的激光点为左侧边界点,所述机载激光点云航带的边界点集中扫描角属性值为正的激光点为右侧边界点。
可选的,所述依据所述时间信息和所述机载激光点云航带的边界点集筛选航带边界点对集,并计算机载激光点云航带的宽度,具体包括:
将所述机载激光点云航带的边界点集中左侧边界点与右侧边界点的获取时间属性值的间隔值最小且所述间隔值小于设定时间阈值的边界点构成的集合确定为航带边界点对集;
计算所述航带边界点对集中各边界点对的平面欧氏距离,得到航带宽度集合;
确定所述航带宽度集合中的最大宽度、最小宽度和平均宽度,得到机载激光点云航带的宽度。
本发明还提供了一种机载激光点云航摄漏洞检测系统,包括:
数据获取模块,用于获取机载激光点云数据集和对应的时间信息;
边界点提取模块,用于基于所述机载激光点云数据集提取机载激光点云航带的边界点集;
第一计算模块,用于依据所述时间信息和所述机载激光点云航带的边界点集筛选航带边界点对集,并计算机载激光点云航带的宽度;
第二计算模块,用于基于所述机载激光点云航带的边界点集、所述机载激光点云航带的宽度和所述航带边界点对集,采用等比例法或整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域;
相对漏洞确定模块,用于将所述航带有效覆盖区域与测区范围进行叠加对比,确定所述测区范围内是否存在相对漏洞;
绝对漏洞确定模块,用于基于所述机载激光点云数据集,采用格网法确定所述测区范围内是否存在绝对漏洞。
可选的,所述相对漏洞确定模块,具体包括:
合并单元,用于合并所有机载激光点云航带的有效覆盖区域,得到有效覆盖区域并集;
外扩单元,用于对测区范围进行外扩,得到扩展后测区范围;
叠加比对单元,用于叠加对比所述扩展后测区范围与所述有效覆盖区域并集,并判断所述扩展后测区范围内是否存在未被所述有效覆盖区域覆盖的区域,得到第一判断结果;
相对漏洞确定单元,用于若所述第一判断结果为是,则存在相对漏洞,并将所述扩展后测区范围内未被所述有效覆盖区域覆盖的区域确定为相对漏洞区域;若所述第一判断结果为否,则不存在相对漏洞。
与现有技术相比,本发明的有益效果是:
本发明提出了一种机载激光点云航摄漏洞检测方法及系统,基于机载激光点云数据集提取机载激光点云航带的边界点集;计算机载激光点云航带的宽度;基于机载激光点云航带的边界点集、机载激光点云航带的宽度和航带边界点对集,采用等比例法或整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域;将航带有效覆盖区域与测区范围进行叠加对比,确定测区范围内是否存在相对漏洞;基于机载激光点云数据集,采用格网法确定测区范围内是否存在绝对漏洞。本发明能够自动化提取出航带的不规则矢量边界和航带有效覆盖区域,实现了激光点云漏洞检测的自动化、整体化、高效化、可视化,提高了漏洞检测的效率和可靠性,能够满足机载激光点云数据质量控制的需要。
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性的前提下,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机载激光点云航摄漏洞检测方法的流程图;
图2为本发明激光点云航带有效覆盖区域图;
图3为本发明激光点云航带边界图;
图4为本发明激光点云相对漏洞图;
图5为本发明激光点云绝对漏洞图;
图6为本发明实施例提供的机载激光点云航摄漏洞检测系统的结构图。
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、完整地描述,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做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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例一种机载激光点云航摄漏洞检测方法的流程图。
参见图1,本实施例的机载激光点云航摄漏洞检测方法,包括:
步骤101:获取机载激光点云数据集和对应的时间信息。
步骤102:基于所述机载激光点云数据集提取机载激光点云航带的边界点集。
步骤103:依据所述时间信息和所述机载激光点云航带的边界点集筛选航带边界点对集,并计算机载激光点云航带的宽度。
步骤104:基于所述机载激光点云航带的边界点集、所述机载激光点云航带的宽度和所述航带边界点对集,采用等比例法或整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域。
步骤105:将所述航带有效覆盖区域与测区范围进行叠加对比,确定所述测区范围内是否存在相对漏洞。
该步骤,具体包括:
1)合并所有机载激光点云航带的有效覆盖区域,得到有效覆盖区域并集。
2)对测区范围进行外扩,得到扩展后测区范围。
3)叠加对比所述扩展后测区范围与所述有效覆盖区域并集,并判断所述扩展后测区范围内是否存在未被所述有效覆盖区域覆盖的区域,得到第一判断结果。若所述第一判断结果为是,则存在相对漏洞,并将所述扩展后测区范围内未被所述有效覆盖区域覆盖的区域确定为相对漏洞区域;若所述第一判断结果为否,则不存在相对漏洞。
步骤106:基于所述机载激光点云数据集,采用格网法确定所述测区范围内是否存在绝对漏洞。
该步骤,具体包括:
1)对所述机载激光点云数据集进行拼接和融合处理,得到测区激光点云数据。
2)基于所述测区激光点云数据,依据设定格网间距生成栅格值均为零的空栅格数据集。
3)统计各格网内的激光点数,并依据所述激光点数为所述空栅格数据集赋值,得到测区点云密度图。
4)对测区范围进行外扩,得到扩展后测区范围。
5)将所述测区点云密度图中的零值像素设置为无效值,并将所述测区点云密度图与所述扩展后测区范围进行可视化叠加比对,确定所述测区范围内是否存在绝对漏洞。
其中,步骤104中采用整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域,具体包括:
将所述机载激光点云航带的边界点集中的左侧边界点按照获取时间属性值进行升序排列,得到第三序列;将所述机载激光点云航带的边界点集中的右侧边界点按照获取时间属性值进行降序排列,得到第四序列;将所述第三序列和所述第四序列依次连接,生成多边形区域;依据所述机载激光点云航带的宽度和最小点云航带重叠比例标准值计算各条机载激光点云航带的缓冲值;基于所述缓冲值对所述多边形区域进行内缩处理,得到机载激光点云航带的有效覆盖区域。
其中,步骤104中采用等比例法进行内缩处理,得到各机载激光点云航带的有效覆盖区域,具体包括:
依据所述航带边界点对集和最小点云航带重叠比例标准值计算等比例法内缩处理后的航带边界点对集中各激光点对的位置;按照获取时间属性值对等比例法内缩处理后的航带边界点对集中的左侧边界点进行升序排列,得到第一序列;按照获取时间属性值对等比例法内缩处理后的航带边界点对集中的右侧边界点进行降序排列,得到第二序列;将所述第一序列和所述第二序列依次连接,生成机载激光点云航带的有效覆盖区域。
其中,步骤102中基于所述机载激光点云数据集提取机载激光点云航带的边界点集,具体包括:
将所述机载激光点云数据集中航向边缘属性值为是且扫描角属性值的绝对值大于设定角度阈值的激光点构成的集合确定为机载激光点云航带的边界点集;所述机载激光点云航带的边界点集中扫描角属性值为负的激光点为左侧边界点,所述机载激光点云航带的边界点集中扫描角属性值为正的激光点为右侧边界点。
其中,步骤102中依据所述时间信息和所述机载激光点云航带的边界点集筛选航带边界点对集,并计算机载激光点云航带的宽度,具体包括:
将所述机载激光点云航带的边界点集中左侧边界点与右侧边界点的获取时间属性值的间隔值最小且所述间隔值小于设定时间阈值的边界点构成的集合确定为航带边界点对集;计算所述航带边界点对集中各边界点对的平面欧氏距离,得到航带宽度集合;确定所述航带宽度集合中的最大宽度、最小宽度和平均宽度,得到机载激光点云航带的宽度。
其中,步骤105和步骤106中,所述对测区范围进行外扩,得到扩展后测区范围,具体包括:
采用公式计算测区范围的外扩值;其中,e为测区范围的外扩值,TA为激光点云有效覆盖区域需超出测区范围的距离,Bj为采用等比例法或整体法内缩处理时得到的第j条机载激光点云航带的缓冲值;由所述外扩值扩展所述测区范围,得到扩展后测区范围。
在实际应用中,本实施中的机载激光点云航摄漏洞检测方法的具体实现过程如下:
步骤1:遍历激光点云数据集,基于机载激光点的“航线边缘”和“扫描角”属性值,提取机载激光点云航带的边界点集。
首先,遍历机载激光点云数据集,当机载激光点的“航线边缘”属性值为“是”且“扫描角”属性值的绝对值大于设定角度阈值Amin时,将该点提取出来放入航带的“边界点集”P={pi}i=1,N中,如提取出的边界点较多且密集,可基于激光点的获取时间将“边界点集”P抽稀,一般Amin可设置为5°。
然后,依据点云的“扫描角”属性值的正负,将“边界点集”P分类为“左侧边界点集”PL与“右侧边界点集”PR,一般情况下“扫描角”属性值为负的激光点可归入“左侧边界点集”PL,“扫描角”属性值为正的激光点归入“右侧边界点集”PR。
步骤2:利用激光点的获取时间信息,计算机载激光点云航带的宽度。
依次从步骤1所述的点云航带“左、右侧边界点集”PL与PR中,提取“获取时间”属性值间隔最小且间隔值小于设定时间阈值Tt的边界点对,计算两者的平面欧式距离,该距离即是航带这个位置的宽度并将该点对放入点对集M中。随后,统计提取航带宽度集合Wj中的最大宽度最小宽度平均宽度该设定时间阈值Tt主要用于保障提取的边界点对的连线垂直于飞行方向,以能够代表航带该位置的宽度,一般设定时间阈值Tt可设置为0.1秒。
步骤3:利用等比例法或整体法内缩处理机载激光点云航带边界点,计算机载激光点云航带的有效覆盖区域。
1)等比例内缩式计算机载激光点云航带有效覆盖区域的步骤如下:
首先,依据标准规范和技术设计书,获取最小点云航带重叠比例标准值k,k一般为13%。
然后,利用以下公式计算内缩后的激光点对P(x'iL,y'iL)与P(x'iR,y'iR)的位置,
其中,P(xiL,yiL)和P(xiR,yiR)为步骤2中的边界点对集M中的点对,如图2所示。
之后,利用激光点的“获取时间”属性值将内缩后的左侧边界点分别按升序排列,右侧边界点按降序排列。
2)整体法内缩式计算机载激光点云航带有效覆盖区域的步骤如下:
首先,利用激光点的“获取时间”属性值将步骤1中的“左侧边界点集”PL按升序排列,“右侧边界点集”PR中的边界点按降序排列。
最后,利用公式计算第j条激光点云航带的缓冲值WBj,并基于缓冲值WBj将点云航带边界WRj内缩为 即是以重叠度标准值k为基准的航带有效覆盖区,为步骤2中计算得到的值。计算缓冲值WBj时,也可根据需要采用步骤2中计算得到的航带最大宽度或最小宽度
步骤4:叠加比对航带有效覆盖区域和测区范围,检测机载激光点云是否存在相对漏洞。
然后,利用公式计算测区的外扩值e,并基于外扩值e扩展测区范围,其中,TA表示激光点云有效区域应超出测区范围的距离,TA值一般为500米。当并集R为所有构成的集合时,Bj为采用整体法内缩处理时得到的第j条机载激光点云航带的缓冲值,即WBj;当并集R为所有构成的集合时,Bj为采用等比例法或整体法内缩处理时得到的第j条机载激光点云航带的缓冲值,该方法下的缓冲值与WBj的计算公式相同。
最后,提取扩展后测区范围内未被航带有效覆盖区域R覆盖的区域,该区域即是测区相对漏洞,如图4所示。
步骤5:基于栅格化的点云密度图,检测机载激光点云是否存在绝对漏洞。
首先,基于空间位置拼接,融合处理测区内所有航带数据,生成“测区激光点云数据”L,所述航带数据为原始激光点云数据,与步骤1中的激光点云数据集一致。
然后,利用“测区激光点云”L的范围,依据设定的格网间距g,生成栅格值均为零的空栅格数据集I,格网间距g的值应根据设计书中对点云密度的要求确定。
之后,统计落在每个格网内的激光点数,并为相应栅格赋值,获得测区点云密度图D。
最后,将点云密度栅格图D的零值像素设置为无效值,并基于测区外扩距离值TA将测区外扩,可视化叠加比对点云密度栅格图和扩展后的测区范围,提取绝对漏洞区域,如图5所示。
本发明还提供了一种机载激光点云航摄漏洞检测系统,图6为本发明实施例提供的机载激光点云航摄漏洞检测系统的结构图。
参见图6,本实施例的机载激光点云航摄漏洞检测系统包括:
数据获取模块601,用于获取机载激光点云数据集和对应的时间信息。
边界点提取模块602,用于基于所述机载激光点云数据集提取机载激光点云航带的边界点集。
第一计算模块603,用于依据所述时间信息和所述机载激光点云航带的边界点集筛选航带边界点对集,并计算机载激光点云航带的宽度。
第二计算模块604,用于基于所述机载激光点云航带的边界点集、所述机载激光点云航带的宽度和所述航带边界点对集,采用等比例法或整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域。
相对漏洞确定模块605,用于将所述航带有效覆盖区域与测区范围进行叠加对比,确定所述测区范围内是否存在相对漏洞。
绝对漏洞确定模块606,用于基于所述机载激光点云数据集,采用格网法确定所述测区范围内是否存在绝对漏洞。
作为一种可选的实施方式,所述相对漏洞确定模块605,具体包括:
合并单元,用于合并所有机载激光点云航带的有效覆盖区域,得到有效覆盖区域并集。
外扩单元,用于对测区范围进行外扩,得到扩展后测区范围。
叠加比对单元,用于叠加对比所述扩展后测区范围与所述有效覆盖区域并集,并判断所述扩展后测区范围内是否存在未被所述有效覆盖区域覆盖的区域,得到第一判断结果。
相对漏洞确定单元,用于若所述第一判断结果为是,则存在相对漏洞,并将所述扩展后测区范围内未被所述有效覆盖区域覆盖的区域确定为相对漏洞区域;若所述第一判断结果为否,则不存在相对漏洞。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种机载激光点云航摄漏洞检测方法,其特征在于,包括:
获取机载激光点云数据集和对应的时间信息;
基于所述机载激光点云数据集提取机载激光点云航带的边界点集;
依据所述时间信息和所述机载激光点云航带的边界点集筛选航带边界点对集,并计算机载激光点云航带的宽度;
基于所述机载激光点云航带的边界点集、所述机载激光点云航带的宽度和所述航带边界点对集,采用等比例法或整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域;
将所述航带有效覆盖区域与测区范围进行叠加对比,确定所述测区范围内是否存在相对漏洞;
基于所述机载激光点云数据集,采用格网法确定所述测区范围内是否存在绝对漏洞。
2.根据权利要求1所述的一种机载激光点云航摄漏洞检测方法,其特征在于,所述将所述航带有效覆盖区域与测区范围进行叠加对此,确定所述测区范围是否存在相对漏洞,具体包括:
合并所有机载激光点云航带的有效覆盖区域,得到有效覆盖区域并集;
对测区范围进行外扩,得到扩展后测区范围;
叠加对比所述扩展后测区范围与所述有效覆盖区域并集,并判断所述扩展后测区范围内是否存在未被所述有效覆盖区域覆盖的区域,得到第一判断结果;
若所述第一判断结果为是,则存在相对漏洞,并将所述扩展后测区范围内未被所述有效覆盖区域覆盖的区域确定为相对漏洞区域;
若所述第一判断结果为否,则不存在相对漏洞。
3.根据权利要求1所述的一种机载激光点云航摄漏洞检测方法,其特征在于,所述基于所述机载激光点云数据集,采用格网法确定所述测区范围内是否存在绝对漏洞,具体包括:
对所述机载激光点云数据集进行拼接和融合处理,得到测区激光点云数据;
基于所述测区激光点云数据,依据设定格网间距生成栅格值均为零的空栅格数据集;
统计各格网内的激光点数,并依据所述激光点数为所述空栅格数据集赋值,得到测区点云密度图;
对测区范围进行外扩,得到扩展后测区范围;
将所述测区点云密度图中的零值像素设置为无效值,并将所述测区点云密度图与所述扩展后测区范围进行可视化叠加比对,确定所述测区范围内是否存在绝对漏洞。
5.根据权利要求1所述的一种机载激光点云航摄漏洞检测方法,其特征在于,采用等比例法进行内缩处理,得到各机载激光点云航带的有效覆盖区域,具体包括:
依据所述航带边界点对集和最小点云航带重叠比例标准值计算等比例法内缩处理后的航带边界点对集中各激光点对的位置;
按照获取时间属性值对等比例法内缩处理后的航带边界点对集中的左侧边界点进行升序排列,得到第一序列;
按照获取时间属性值对等比例法内缩处理后的航带边界点对集中的右侧边界点进行降序排列,得到第二序列;
将所述第一序列和所述第二序列依次连接,生成机载激光点云航带的有效覆盖区域。
6.根据权利要求1所述的一种机载激光点云航摄漏洞检测方法,其特征在于,采用整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域,具体包括:
将所述机载激光点云航带的边界点集中的左侧边界点按照获取时间属性值进行升序排列,得到第三序列;
将所述机载激光点云航带的边界点集中的右侧边界点按照获取时间属性值进行降序排列,得到第四序列;
将所述第三序列和所述第四序列依次连接,生成多边形区域;
依据所述机载激光点云航带的宽度和最小点云航带重叠比例标准值计算各条机载激光点云航带的缓冲值;
基于所述缓冲值对所述多边形区域进行内缩处理,得到机载激光点云航带的有效覆盖区域。
7.根据权利要求1所述的一种机载激光点云航摄漏洞检测方法,其特征在于,所述基于所述机载激光点云数据集提取机载激光点云航带的边界点集,具体包括:
将所述机载激光点云数据集中航向边缘属性值为是且扫描角属性值的绝对值大于设定角度阈值的激光点构成的集合确定为机载激光点云航带的边界点集;所述机载激光点云航带的边界点集中扫描角属性值为负的激光点为左侧边界点,所述机载激光点云航带的边界点集中扫描角属性值为正的激光点为右侧边界点。
8.根据权利要求1所述的一种机载激光点云航摄漏洞检测方法,其特征在于,所述依据所述时间信息和所述机载激光点云航带的边界点集筛选航带边界点对集,并计算机载激光点云航带的宽度,具体包括:
将所述机载激光点云航带的边界点集中左侧边界点与右侧边界点的获取时间属性值的间隔值最小且所述间隔值小于设定时间阈值的边界点构成的集合确定为航带边界点对集;
计算所述航带边界点对集中各边界点对的平面欧氏距离,得到航带宽度集合;
确定所述航带宽度集合中的最大宽度、最小宽度和平均宽度,得到机载激光点云航带的宽度。
9.一种机载激光点云航摄漏洞检测系统,其特征在于,包括:
数据获取模块,用于获取机载激光点云数据集和对应的时间信息;
边界点提取模块,用于基于所述机载激光点云数据集提取机载激光点云航带的边界点集;
第一计算模块,用于依据所述时间信息和所述机载激光点云航带的边界点集筛选航带边界点对集,并计算机载激光点云航带的宽度;
第二计算模块,用于基于所述机载激光点云航带的边界点集、所述机载激光点云航带的宽度和所述航带边界点对集,采用等比例法或整体法进行内缩处理,得到各机载激光点云航带的有效覆盖区域;
相对漏洞确定模块,用于将所述航带有效覆盖区域与测区范围进行叠加对比,确定所述测区范围内是否存在相对漏洞;
绝对漏洞确定模块,用于基于所述机载激光点云数据集,采用格网法确定所述测区范围内是否存在绝对漏洞。
10.根据权利要求9所述的一种机载激光点云航摄漏洞检测系统,其特征在于,所述相对漏洞确定模块,具体包括:
合并单元,用于合并所有机载激光点云航带的有效覆盖区域,得到有效覆盖区域并集;
外扩单元,用于对测区范围进行外扩,得到扩展后测区范围;
叠加比对单元,用于叠加对比所述扩展后测区范围与所述有效覆盖区域并集,并判断所述扩展后测区范围内是否存在未被所述有效覆盖区域覆盖的区域,得到第一判断结果;
相对漏洞确定单元,用于若所述第一判断结果为是,则存在相对漏洞,并将所述扩展后测区范围内未被所述有效覆盖区域覆盖的区域确定为相对漏洞区域;若所述第一判断结果为否,则不存在相对漏洞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010577933.2A CN111736136B (zh) | 2020-06-23 | 2020-06-23 | 一种机载激光点云航摄漏洞检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010577933.2A CN111736136B (zh) | 2020-06-23 | 2020-06-23 | 一种机载激光点云航摄漏洞检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111736136A true CN111736136A (zh) | 2020-10-02 |
CN111736136B CN111736136B (zh) | 2023-01-06 |
Family
ID=72650714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010577933.2A Active CN111736136B (zh) | 2020-06-23 | 2020-06-23 | 一种机载激光点云航摄漏洞检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111736136B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645203A (zh) * | 2012-05-18 | 2012-08-22 | 四川省科学城久利科技实业有限责任公司 | 基于机载激光雷达数据的电力线路交叉跨越测量方法 |
CN103413133A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 无序激光点云数据中自动提取电力线方法 |
CN103711050A (zh) * | 2013-12-31 | 2014-04-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
CN105205866A (zh) * | 2015-08-30 | 2015-12-30 | 浙江中测新图地理信息技术有限公司 | 基于密集点云的城市三维模型快速构建方法 |
US20160163205A1 (en) * | 2010-06-30 | 2016-06-09 | Primal Space Systems, Inc. | Visibility event navigation method and system |
CN106680798A (zh) * | 2017-01-23 | 2017-05-17 | 辽宁工程技术大学 | 一种机载lidar航带重叠区冗余辨识及消除方法 |
CN110008207A (zh) * | 2019-03-28 | 2019-07-12 | 武汉大学 | 基于密度直方图的机载LiDAR点云数据漏洞快速检测方法 |
CN110136138A (zh) * | 2019-04-02 | 2019-08-16 | 中国人民解放军61540部队 | 基于点云区域分割的自适应滤波方法 |
CN110132168A (zh) * | 2019-05-13 | 2019-08-16 | 苏州嘉奕晟中小企业科技咨询有限公司 | 一种三维激光点云数据处理系统 |
CN110516653A (zh) * | 2019-09-03 | 2019-11-29 | 武汉天擎空间信息技术有限公司 | 一种基于多光谱机载激光雷达点云数据的道路提取方法 |
CN111209828A (zh) * | 2019-12-31 | 2020-05-29 | 飞燕航空遥感技术有限公司 | 从机载激光雷达点云中提取建筑物屋顶点的方法和系统 |
-
2020
- 2020-06-23 CN CN202010577933.2A patent/CN111736136B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160163205A1 (en) * | 2010-06-30 | 2016-06-09 | Primal Space Systems, Inc. | Visibility event navigation method and system |
CN102645203A (zh) * | 2012-05-18 | 2012-08-22 | 四川省科学城久利科技实业有限责任公司 | 基于机载激光雷达数据的电力线路交叉跨越测量方法 |
CN103413133A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 无序激光点云数据中自动提取电力线方法 |
CN103711050A (zh) * | 2013-12-31 | 2014-04-09 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
CN105205866A (zh) * | 2015-08-30 | 2015-12-30 | 浙江中测新图地理信息技术有限公司 | 基于密集点云的城市三维模型快速构建方法 |
CN106680798A (zh) * | 2017-01-23 | 2017-05-17 | 辽宁工程技术大学 | 一种机载lidar航带重叠区冗余辨识及消除方法 |
CN110008207A (zh) * | 2019-03-28 | 2019-07-12 | 武汉大学 | 基于密度直方图的机载LiDAR点云数据漏洞快速检测方法 |
CN110136138A (zh) * | 2019-04-02 | 2019-08-16 | 中国人民解放军61540部队 | 基于点云区域分割的自适应滤波方法 |
CN110132168A (zh) * | 2019-05-13 | 2019-08-16 | 苏州嘉奕晟中小企业科技咨询有限公司 | 一种三维激光点云数据处理系统 |
CN110516653A (zh) * | 2019-09-03 | 2019-11-29 | 武汉天擎空间信息技术有限公司 | 一种基于多光谱机载激光雷达点云数据的道路提取方法 |
CN111209828A (zh) * | 2019-12-31 | 2020-05-29 | 飞燕航空遥感技术有限公司 | 从机载激光雷达点云中提取建筑物屋顶点的方法和系统 |
Non-Patent Citations (4)
Title |
---|
J.M.K. HORWOOD ET AL.: "Shallow angle LIDAR for wave measurement", 《EUROPE OCEANS 2005》 * |
李迁等: "基于机载LiDAR点云和建筑物轮廓线构建DSM的方法", 《国土资源遥感》 * |
王丽英 等: "一种机载Lidar点云缺失数据的填补方法", 《测绘通报》 * |
袁豹: "基于平面约束的机载LiDAR航带平差方法研究", 《测绘工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111736136B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
JP5817422B2 (ja) | 建物抽出装置、方法及びプログラム | |
CN104346608A (zh) | 稀疏深度图稠密化方法和装置 | |
CN105069843A (zh) | 一种面向城市三维建模的密集点云的快速提取方法 | |
JP6534296B2 (ja) | 3次元モデル生成装置、3次元モデル生成方法、及びプログラム | |
Kim et al. | Semiautomatic reconstruction of building height and footprints from single satellite images | |
CN106327576B (zh) | 一种城市场景重建方法及系统 | |
CN108629742B (zh) | 真正射影像阴影检测与补偿方法、装置及存储介质 | |
CN111458691B (zh) | 建筑物信息的提取方法、装置及计算机设备 | |
CN106952262A (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
CN114396875B (zh) | 一种基于深度相机垂直拍摄的长方形包裹体积测量方法 | |
CN116030208A (zh) | 一种真实无人机虚拟仿真输电线路场景搭建方法及系统 | |
JP2015125092A (ja) | 計測結果の整合性判定方法、及び計測結果の整合性判定装置 | |
KR101079475B1 (ko) | 포인트 클라우드 필터링을 이용한 3차원 도시공간정보 구축 시스템 | |
JP6146731B2 (ja) | 座標補正装置、座標補正プログラム、及び座標補正方法 | |
CN113920275A (zh) | 三角网格构建方法、装置、电子设备及可读存储介质 | |
KR101079531B1 (ko) | 포인트 클라우드 데이터를 이용한 도로 레이어 생성 시스템 | |
CN111736136B (zh) | 一种机载激光点云航摄漏洞检测方法及系统 | |
Ni et al. | Applications of 3d-edge detection for als point cloud | |
Boerner et al. | Brute force matching between camera shots and synthetic images from point clouds | |
US20130156295A1 (en) | Method of filtering a disparity mesh obtained from pixel images | |
CN116612097A (zh) | 一种基于表面缺陷图像的木材内部节子形态预测方法及系统 | |
CN114004740B (zh) | 基于无人机激光雷达点云的建筑物墙线提取方法 | |
CN115186526A (zh) | 基于无人机监测的特高压输电线路放电预警方法 | |
KR101114904B1 (ko) | 도화원도와 항공 레이저 측량 데이터를 이용한 도시공간정보 구축 시스템 및 그 방법 |
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 |