CN111915721A - 一种基于激光点云的输电线路走廊建筑物平断面快速提取方法及系统 - Google Patents

一种基于激光点云的输电线路走廊建筑物平断面快速提取方法及系统 Download PDF

Info

Publication number
CN111915721A
CN111915721A CN202010738100.XA CN202010738100A CN111915721A CN 111915721 A CN111915721 A CN 111915721A CN 202010738100 A CN202010738100 A CN 202010738100A CN 111915721 A CN111915721 A CN 111915721A
Authority
CN
China
Prior art keywords
building
point cloud
laser point
transmission line
flat section
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
Application number
CN202010738100.XA
Other languages
English (en)
Other versions
CN111915721B (zh
Inventor
范亮
汤坚
王秋媚
秦若涵
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.)
Guangzhou Zhongke Zhi Tour Technology Co ltd
Original Assignee
Guangzhou Zhongke Zhi Tour Technology Co ltd
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 Guangzhou Zhongke Zhi Tour Technology Co ltd filed Critical Guangzhou Zhongke Zhi Tour Technology Co ltd
Priority to CN202010738100.XA priority Critical patent/CN111915721B/zh
Publication of CN111915721A publication Critical patent/CN111915721A/zh
Application granted granted Critical
Publication of CN111915721B publication Critical patent/CN111915721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/04—Architectural design, interior design

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于激光点云的输电线路走廊建筑物平断面快速提取方法及系统，该方法包括：获取建筑物的激光点云数据；判断激光点云数据是否已进行点云分类，根据判断结果自动执行第一线程或第二线程的平断面提取；其中，平断面提取包括对建筑物的平面轮廓提取和对建筑物高度赋值。根据本发明提供的方法及系统能够从数据源入手，结合科学合理的算法，建立最小多边形和高程拟合的方法，精确识别建筑物细微边角信息和高度差，为描绘建筑物平面轮廓、距离输电线路中心线位置、高度提供高精度的数据基础。

Description

一种基于激光点云的输电线路走廊建筑物平断面快速提取方 法及系统
技术领域
本发明涉及输电线路勘测技术领域，尤其涉及一种基于激光点云的输电线路走廊建筑物平断面快速提取方法及系统。
背景技术
输电线路平断面图是输电线路勘测的主要成果之一，在线路设计、施工及运行中起着举足轻重的作用。纵断面图是沿着线路中心线的剖面图，表示沿中心线的地形、被跨越物的位置和高程。平面图则表示沿线路中心线左右各20-50m宽地带的地形平面图。平面图和纵断面图都展成直线画在一张图上，简称平断面图。
现有技术主要通过在DOM(数字正射影像图Digital Orthophoto Map)采集输电线路走廊建筑物的轮廓信息，其中，采集建筑物信息主要依靠人工手动提取，通过在DOM描绘建筑物顶部轮廓，平移到建筑物墙角位置对齐，可见，建筑物平断面精度主要依赖于3D(DOM、DSM、DEM)数据建筑物信息的准确性，建筑物在DOM上有一定投影差，建筑物高度越高，投影差越大。而且在建筑物轮廓描绘，容易丢失细小边角信息，特别是高层建筑角点高程不一，投影导致背光面角点无法查看。加之个人操作习惯不一，容易忽略部分建筑物拐点，细小边角信息丢失更加严重。之后，再利用DSM(数字表面模型Digital Surface Model)与DEM(数字高程模型Digital Elevation Model)的差值赋予建筑物高度，在这一过程中需要人工频繁操作，且建筑物平断面误差大，影响三维优化选线的可靠性，最后展绘在输电线路平断面图上。可见，由于人工操作对提取的建筑物平断面的误差很大。
发明内容
本发明所要解决的技术问题在于，提供一种，能够从数据源入手，结合科学合理的算法，建立最小多边形和高程拟合的方法，精确识别建筑物细微边角信息和高度差，为描绘建筑物平面轮廓、距离输电线路中心线位置、高度提供高精度的数据基础。
为了解决上述技术问题，本发明第一方面公开了一种基于激光点云的输电线路走廊建筑物平断面快速提取方法，所述方法包括：获取建筑物的激光点云数据；判断所述激光点云数据是否已进行点云分类，根据判断结果自动执行第一线程或第二线程的平断面提取；其中，所述平断面提取包括对所述建筑物的平面轮廓提取和对所述建筑物高度赋值。
在一些实施方式中，所述根据判断结果自动执行第一线程或第二线程的平断面提取包括：当所述激光点云数据已进行云分类，则自动执行所述第一线程；其中，所述第一线程包括：读取所述激光点云数据的建筑物图层；根据预置的用于划分建筑物图层的算法将所述建筑物图层划分为多个基础建筑物；根据所述基础建筑物的轮廓特征生成与所述基础建筑物对应的最小多边形，实现对所述建筑物的平面轮廓的提取；提取所述基础建筑物格网相对高程值；将所述基础建筑物格网相对高程值的标准差与预置的阈值进行比对生成比对结果，根据所述比对结果对所述建筑物高度赋值。
在一些实施方式中，根据所述比对结果对所述建筑物高度赋值，包括：当所述比对结果为所述基础建筑物格网相对高程值的标准差超过预置的阈值，则计算所述基础建筑物格网相对高程值的频率分布；提取所述基础建筑物格网相对高程值的频率分布中最高频区段所有基础建筑物格网的相对高程值；获取所述最高频区段所有基础建筑格网的相对高程值的平均值，使用所述平均值对建筑物高度赋值。
在一些实施方式中，根据所述比对结果对所述建筑物高度赋值，包括：当所述比对结果为所述基础建筑物格网相对高程值的标准差未超过预置的阈值，则计算所述基础建筑物格网相对高程值的平均值，使用所述平均值对建筑物高度赋值。
在一些实施方式中，所述根据判断结果自动执行第一线程或第二线程的平断面提取包括：当所述激光点云数据未进行云分类，则自动执行所述第二线程；其中，所述第二线程包括：使用长方体范围框选取基础建筑物范围；根据预置的多个相对高度分别截取N个基础建筑物点云横剖面；将不同相对高度自动生成所述基础建筑物的N个参考轮廓，并对同一基础建筑物的N个参考轮廓经过并集计算，实现所述建筑物的平面轮廓提取；根据所述基础建筑物的方位顶点高度的差异选取所述基础建筑物的顶点；使用所述顶点的相对高程对建筑物高度赋值。
在一些实施方式中，所述点云分类包括：将所述激光点云数据划分为地面、杆塔、电力表、建筑物和树木中的一种或多种组合的图层。
根据本发明的第二个方面，公开了一种基于激光点云的输电线路走廊建筑物平断面快速提取系统，所述系统包括：激光点云数据获取模块，用于获取建筑物的激光点云数据；判断模块，用于判断所述激光点云数据是否已进行点云分类；第一线程模块，用于在判断为所述激光点云数据已进行云分类，自动执行第一线程的平断面提取；第二线程模块，用于在判断为所述激光点云数据未进行云分类，自动执行第二线程的平断面提取；其中，所述平断面提取包括对所述建筑物的平面轮廓提取和对所述建筑物高度赋值。
根据本发明的第三个方面，公开了一种用于生成输电线路平断面图的方法，所述方法包括：基于上述的方法提取平断面；将所述平断面展绘在激光点云，并与其他要素信息合并生成完整要素信息；根据所述完整要素信息生成输电线路平断面图。
在一些实施方式中，其他要素信息包括道路要素信息、河流要素信息、交叉跨越要素信息。
根据本发明的第四个方面，公开了一种用于生成输电线路平断面图的系统，所述系统包括：平断层提取模块，用于根据权利要求1-6任一项所述的方法提取平断面；要素整合模块，用于将所述平断面展绘在激光点云，并与其他要素信息合并生成完整要素信息；输电线路平断面图生成模块，用于根据所述完整要素信息生成输电线路平断面图。
与现有技术相比，本发明的有益效果在于：
实施本发明能够以激光点云数据为基础，激光点云数据在精度、分辨率方面远高于基于航测生产的3D数据(DOM、DEM、DSM)，在数据源上提高精度，规避航测数据固有的投影差缺陷。并且，从平面和纵断面两方面入手，最大程度上降低人工参与造成的误差；通过自动计算生成建筑物平面轮廓，避免手工绘制造成的边角信息的丢失，保证建筑物平面轮廓的精确性；克服了通过在DOM选取高程差参考点，在平面上无法直观不同点的相对高度差异，只能通过鼠标滑动和短暂记忆大致选取疑似最大相对高程点，将DSM-DEM得出的高度差手工录入系统，此过程增加人为误差产生概率的问题，通过自动计算建筑物高度信息，最大程度拟合建筑物实际高度，保证建筑物纵断面的精确度。综上所述，本发明从数据源入手，结合科学合理的算法，建立最小多边形和高程拟合的方法，精确识别建筑物细微边角信息和高度差，为描绘建筑物平面轮廓、距离输电线路中心线位置、高度提供高精度的数据基础。相比于单纯使用航测3D数据，能够大大提高数据源层面的精度，避免由于数据源投影差造成的建筑物信息的误差。进一步地，相对于纯手工描绘轮廓、选取高程点，能够提高建筑物信息采集的效率，同时大大减少作业过程造成的人为误差。
附图说明
图1为本发明实施例公开的一种基于激光点云的输电线路走廊建筑物平断面快速提取的流程示意图；
图2为本发明实施例公开的又一种基于激光点云的输电线路走廊建筑物平断面快速提取的第一线程的执行方法流程图；
图3为本发明实施例公开的一种基于激光点云的输电线路走廊建筑物平断面快速提取的第二线程的执行方法流程图；
图4为本发明实施例公开的一种基于激光点云的输电线路走廊建筑物平断面快速提取系统示意图；
图5为本发明实施例公开的一种用于生成输电线路平断面图的方法流程图；
图6为本发明实施例公开的一种用于生成输电线路平断面图系统示意图；
图7为本发明实施例公开的一种基于激光点云的输电线路走廊建筑物平断面快速提取的交互装置结构示意图。
具体实施方式
为了更好地理解和实施，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。
本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
本发明实施例公开了一种基于激光点云的输电线路走廊建筑物平断面快速提取及系统，能够以激光点云数据为基础，激光点云数据在精度、分辨率方面远高于基于航测生产的3D数据(DOM、DEM、DSM)，在数据源上提高精度，规避航测数据固有的投影差缺陷。并且，从平面和纵断面两方面入手，最大程度上降低人工参与造成的误差；通过自动计算生成建筑物平面轮廓，避免手工绘制造成的边角信息的丢失，保证建筑物平面轮廓的精确性；克服了通过在DOM选取高程差参考点，在平面上无法直观不同点的相对高度差异，只能通过鼠标滑动和短暂记忆大致选取疑似最大相对高程点，将DSM-DEM得出的高度差手工录入系统，此过程增加人为误差产生概率的问题，通过自动计算建筑物高度信息，最大程度拟合建筑物实际高度，保证建筑物纵断面的精确度。综上所述，本发明从数据源入手，结合科学合理的算法，建立最小多边形和高程拟合的方法，精确识别建筑物细微边角信息和高度差，为描绘建筑物平面轮廓、距离输电线路中心线位置、高度提供高精度的数据基础。相比于单纯使用航测3D数据，能够大大提高数据源层面的精度，避免由于数据源投影差造成的建筑物信息的误差。进一步地，相对于纯手工描绘轮廓、选取高程点，能够提高建筑物信息采集的效率，同时大大减少作业过程造成的人为误差。
实施例一
请参阅图1，图1为本发明实施例公开的一种基于激光点云的输电线路走廊建筑物平断面快速提取方法的流程示意图。其中，该基于激光点云的输电线路走廊建筑物平断面快速提取可以应用在工程图获取实施系统，本发明实施例不对应用的系统做限制。如图1所示，该基于激光点云的输电线路走廊建筑物平断面快速提取方法可以包括以下操作：
101、获取建筑物的激光点云数据。
由于激光点云数据在精度、分辨率方面远高于基于航测生产的3D数据(DOM、DEM、DSM)，在数据源上提高精度，规避航测数据固有的投影差缺陷，由此采用了激光点云数据作为基础数据源。其中，获取建筑物的激光点云数据的方式可以采用激光雷达扫描的方式获取示例性地，通过LiDAR(Light Detection and Ranging，激光探测及测距系统)获取，本发明并不局限于这一种获取方式，由包含有激光功能的获取方式都可作为本发明的保护范围。
102、判断激光点云数据是否已进行点云分类，根据判断结果自动执行第一线程或第二线程的平断面提取。
其中，平断面提取包括对建筑物的平面轮廓提取和对建筑物高度赋值，即可以达到从平面和纵断面两方面入手，最大程度上降低人工参与造成的误差。
103、当激光点云数据已进行云分类，则自动执行所述第一线程；其中，第一线程的执行方法流程图如图2所示，该第一线程包括：
201、读取激光点云数据的建筑物图层。
在激光云数据分类时，会自动将激光云数据划分为地面、杆塔、电力线、建筑物、树木等图层。根据不同图层的特征读取出建筑物图层。
202、根据预置的用于划分建筑物图层的算法将建筑物图层划分为多个基础建筑物。
其中，所述预置的用于划分建筑物图层的算法可以参照现有技术实现，由此可以自动将建筑物图层划分为多个基础的建筑物，并且按建筑物的编号规则进行编号。
203、根据基础建筑物的轮廓特征生成与基础建筑物对应的最小多边形，实现对建筑物的平面轮廓的提取。
由于不同的基础建筑物的轮廓特征不同，为了尽可能的提高建筑物轮廓的精度，自动对建筑物的轮廓边框进行缩小至可形成一最小的多边形，根据自适应性算法自动计算并生成建筑物平面轮廓，避免了手工绘制造成的边角信息的丢失，从而保证建筑物平面轮廓的精确性。
204、提取基础建筑物格网相对高程值。
其中，提取的方式可以通过写入算法实现，对每个基础建筑物的格网相对高程值进行自动化的提取。
205、将基础建筑物格网相对高程值的标准差与预置的阈值进行比对生成比对结果，根据比对结果对所述建筑物高度赋值。
其中，该预置的阈值为根据用户对建筑物的精度需求自行设定。具体实现为：当比对结果为基础建筑物格网相对高程值的标准差超过预置的阈值，则计算基础建筑物格网相对高程值的频率分布，再提取基础建筑物格网相对高程值的频率分布中最高频区段所有基础建筑物格网的相对高程值，之后计算最高频区段所有基础建筑格网的相对高程值的平均值，使用所述平均值对建筑物高度赋值。当比对结果为基础建筑物格网相对高程值的标准差未超过预置的阈值，则计算基础建筑物格网相对高程值的平均值，使用平均值对建筑物高度赋值。克服了现有技术通过在DOM选取高程差参考点，在平面上无法直观不同点的相对高度差异，只能通过鼠标滑动和短暂记忆大致选取疑似最大相对高程点，将DSM-DEM得出的高度差手工录入系统从而增加人为误差产生的问题。
104、当激光点云数据未进行云分类，则自动执行第二线程；其中，第二线程的执行方法流程图如图3所示，该第二线程包括：
301、使用长方体范围框选取基础建筑物范围。
由于采用的现有分类方式对一些激光点云数据无法正确分类或未来得及进行分类，那么此时就采用长方体范围框选取基础建筑物范围，从而减少多余信息的干扰。
302、根据预置的多个相对高度分别截取N个基础建筑物点云横剖面。
之后，根据预置的多个相对高度对基础建筑物点云横剖面进行截取，其中，预置的多个相对高度可以通过自定义的方式实现。
303、将不同相对高度自动生成基础建筑物的N个参考轮廓，并对同一基础建筑物的N个参考轮廓经过并集计算，实现建筑物的平面轮廓提取。
由此，可以根据需求通过自动计算生成建筑物平面轮廓，避免手工绘制造成的边角信息的丢失，保证建筑物平面轮廓的精确性。
304、根据基础建筑物的方位顶点高度的差异选取基础建筑物的顶点。
305、使用顶点的相对高程对建筑物高度赋值。
由于不同的建筑物具有不同的方位顶点，那么对于不同的方位顶点就有不同的处理方式，对于同一建筑物不同方位顶点高度差异较大，可选取多个顶点再计算多个顶点相对高程的平均值，再将平均值作为建筑物高度进行赋值处理。对于同一建筑物不同方位顶点高度差异不大，可仅选取一个顶点，将顶点相对高程作为建筑物高度进行赋值处理。由此，可以最大程度拟合建筑物实际高度，保证建筑物纵断面的精确度。
根据本实施例提供的方式，可以将激光点云数据作为基础，激光点云数据在精度、分辨率方面远高于基于航测生产的3D数据(DOM、DEM、DSM)，在数据源上提高精度，规避航测数据固有的投影差缺陷。并且，从平面和纵断面两方面入手，最大程度上降低人工参与造成的误差；通过自动计算生成建筑物平面轮廓，避免手工绘制造成的边角信息的丢失，保证建筑物平面轮廓的精确性；克服了通过在DOM选取高程差参考点，在平面上无法直观不同点的相对高度差异，只能通过鼠标滑动和短暂记忆大致选取疑似最大相对高程点，将DSM-DEM得出的高度差手工录入系统，此过程增加人为误差产生概率的问题，通过自动计算建筑物高度信息，最大程度拟合建筑物实际高度，保证建筑物纵断面的精确度。
实施例二
请参阅图4，图4为本发明实施例公开的一种基于激光点云的输电线路走廊建筑物平断面快速提取系统示意图。如图4所示，该基于激光点云的输电线路走廊建筑物平断面快速提取系统包括：
激光点云数据获取模块401，用于获取建筑物的激光点云数据。
判断模块402，用于判断激光点云数据是否已进行点云分类；
第一线程模块403，用于在判断为激光点云数据已进行云分类，自动执行第一线程的平断面提取。
第二线程模块404，用于在判断为激光点云数据未进行云分类，自动执行第二线程的平断面提取。
其中，平断面提取包括对所述建筑物的平面轮廓提取和对建筑物高度赋值。
由于激光点云数据在精度、分辨率方面远高于基于航测生产的3D数据(DOM、DEM、DSM)，在数据源上提高精度，规避航测数据固有的投影差缺陷，由此采用了激光点云数据作为基础数据源。其中，激光点云数据获取模块401获取建筑物的激光点云数据的方式可以采用激光雷达扫描的方式获取示例性地，通过LiDAR(Light Detection and Ranging，激光探测及测距系统)获取，本发明并不局限于这一种获取方式，由包含有激光功能的获取方式都可作为本发明的保护范围。
当激光点云数据已进行云分类，则自动执行所述第一线程模块403，该第一线程模块403的实现方式包括：读取激光点云数据的建筑物图层。在激光云数据分类时，会自动将激光云数据划分为地面、杆塔、电力线、建筑物、树木等图层。根据不同图层的特征读取出建筑物图层。根据预置的用于划分建筑物图层的算法将建筑物图层划分为多个基础建筑物。其中，预置的用于划分建筑物图层的算法可以参照现有技术实现，由此可以自动将建筑物图层划分为多个基础的建筑物，并且按建筑物的编号规则进行编号。根据基础建筑物的轮廓特征生成与基础建筑物对应的最小多边形，实现对建筑物的平面轮廓的提取。由于不同的基础建筑物的轮廓特征不同，为了尽可能的提高建筑物轮廓的精度，自动对建筑物的轮廓边框进行缩小至可形成一最小的多边形，根据自适应性算法自动计算并生成建筑物平面轮廓，避免了手工绘制造成的边角信息的丢失，从而保证建筑物平面轮廓的精确性。提取基础建筑物格网相对高程值。其中，提取的方式可以通过写入算法实现，对每个基础建筑物的格网相对高程值进行自动化的提取。将基础建筑物格网相对高程值的标准差与预置的阈值进行比对生成比对结果，根据比对结果对所述建筑物高度赋值。其中，该预置的阈值为根据用户对建筑物的精度需求自行设定。具体实现为：当比对结果为基础建筑物格网相对高程值的标准差超过预置的阈值，则计算基础建筑物格网相对高程值的频率分布，再提取基础建筑物格网相对高程值的频率分布中最高频区段所有基础建筑物格网的相对高程值，之后计算最高频区段所有基础建筑格网的相对高程值的平均值，使用所述平均值对建筑物高度赋值。当比对结果为基础建筑物格网相对高程值的标准差未超过预置的阈值，则计算基础建筑物格网相对高程值的平均值，使用平均值对建筑物高度赋值。克服了现有技术通过在DOM选取高程差参考点，在平面上无法直观不同点的相对高度差异，只能通过鼠标滑动和短暂记忆大致选取疑似最大相对高程点，将DSM-DEM得出的高度差手工录入系统从而增加人为误差产生的问题。
进一步地，当激光点云数据未进行云分类，则自动执行第二线程模块404；其中，第二线程模块404的执行方式包括：使用长方体范围框选取基础建筑物范围。由于采用的现有分类方式对一些激光点云数据无法正确分类或未来得及进行分类，那么此时就采用长方体范围框选取基础建筑物范围，从而减少多余信息的干扰。根据预置的多个相对高度分别截取N个基础建筑物点云横剖面。之后，根据预置的多个相对高度对基础建筑物点云横剖面进行截取，其中，预置的多个相对高度可以通过自定义的方式实现。将不同相对高度自动生成基础建筑物的N个参考轮廓，并对同一基础建筑物的N个参考轮廓经过并集计算，实现建筑物的平面轮廓提取。由此，可以根据需求通过自动计算生成建筑物平面轮廓，避免手工绘制造成的边角信息的丢失，保证建筑物平面轮廓的精确性。根据基础建筑物的方位顶点高度的差异选取基础建筑物的顶点。使用顶点的相对高程对建筑物高度赋值。由于不同的建筑物具有不同的方位顶点，那么对于不同的方位顶点就有不同的处理方式，对于同一建筑物不同方位顶点高度差异较大，可选取多个顶点再计算多个顶点相对高程的平均值，再将平均值作为建筑物高度进行赋值处理对于同一建筑物不同方位顶点高度差异不大，可仅选取一个顶点，将顶点相对高程作为建筑物高度进行赋值处理。由此，可以最大程度拟合建筑物实际高度，保证建筑物纵断面的精确度。
根据本实施例提供的系统，可以将激光点云数据作为基础，激光点云数据在精度、分辨率方面远高于基于航测生产的3D数据(DOM、DEM、DSM)，在数据源上提高精度，规避航测数据固有的投影差缺陷。并且，从平面和纵断面两方面入手，最大程度上降低人工参与造成的误差；通过自动计算生成建筑物平面轮廓，避免手工绘制造成的边角信息的丢失，保证建筑物平面轮廓的精确性；克服了通过在DOM选取高程差参考点，在平面上无法直观不同点的相对高度差异，只能通过鼠标滑动和短暂记忆大致选取疑似最大相对高程点，将DSM-DEM得出的高度差手工录入系统，此过程增加人为误差产生概率的问题，通过自动计算建筑物高度信息，最大程度拟合建筑物实际高度，保证建筑物纵断面的精确度。
实施例三
请参阅图5，图5为本发明实施例公开的一种用于生成输电线路平断面图的方法流程图。如图5所示，用于生成输电线路平断面图的方法包括：
501、基于图1的一种基于激光点云的输电线路走廊建筑物平断面快速提取方法提取平断面。
具体的实现方式可以参照图1描述，在此不进行赘述。
502、将平断面展绘在激光点云，并与其他要素信息合并生成完整要素信息。
其中，其他要素信息包括道路要素信息、河流要素信息、交叉跨越要素信息，本发明并不局限于罗列的这几种其他要素信息。整合的方式可以参照现有技术的图层整合进行实现。
503、根据完整要素信息生成输电线路平断面图。
根据本实施例公开的方法从数据源入手，结合科学合理的算法，建立最小多边形和高程拟合的方法，精确识别建筑物细微边角信息和高度差，为描绘建筑物平面轮廓、距离输电线路中心线位置、高度提供高精度的数据基础。相比于单纯使用航测3D数据，能够大大提高数据源层面的精度，避免由于数据源投影差造成的建筑物信息的误差。进一步地，相对于纯手工描绘轮廓、选取高程点，能够提高建筑物信息采集的效率，同时大大减少作业过程造成的人为误差，实现生成精确度极高的输电线路平断面图的效果。
实施例四
请参阅图6，如图6所示，公开了一种用于生成输电线路平断面图的系统示意图，该系统包括：
平断层提取模块601，用于基于图1的一种基于激光点云的输电线路走廊建筑物平断面快速提取方法提取平断面。
具体的实现方式可以参照图1描述，在此不进行赘述。
要素整合模块602，用于将平断面展绘在激光点云，并与其他要素信息合并生成完整要素信息。
其中，其他要素信息包括道路要素信息、河流要素信息、交叉跨越要素信息，本发明并不局限于罗列的这几种其他要素信息。整合的方式可以参照现有技术的图层整合进行实现。
输电线路平断面图生成模块603，用于根据完整要素信息生成输电线路平断面图。
根据本实施例公开的系统从数据源入手，结合科学合理的算法，建立最小多边形和高程拟合的方法，精确识别建筑物细微边角信息和高度差，为描绘建筑物平面轮廓、距离输电线路中心线位置、高度提供高精度的数据基础。相比于单纯使用航测3D数据，能够大大提高数据源层面的精度，避免由于数据源投影差造成的建筑物信息的误差。进一步地，相对于纯手工描绘轮廓、选取高程点，能够提高建筑物信息采集的效率，同时大大减少作业过程造成的人为误差，实现生成精确度极高的输电线路平断面图的效果。
实施例五
请参阅图7，图7是本发明实施例公开的一种基于激光点云的输电线路走廊建筑物平断面快速提取装置的结构示意图。如图7所示，该装置可以包括：
存储有可执行程序代码的存储器701；
与存储器701耦合的处理器702；
处理器702调用存储器701中存储的可执行程序代码，用于执行实施例一所描述的基于激光点云的输电线路走廊建筑物平断面快速提取。
实施例六
本发明实施例公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的基于激光点云的输电线路走廊建筑物平断面快速提取。
实施例七
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的基于激光点云的输电线路走廊建筑物平断面快速提取方法。
以上所描述的的实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于激光点云的输电线路走廊建筑物平断面快速提取方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种基于激光点云的输电线路走廊建筑物平断面快速提取方法，其特征在于，所述方法包括：
获取建筑物的激光点云数据；
判断所述激光点云数据是否已进行点云分类，根据判断结果自动执行第一线程或第二线程的平断面提取；
其中，所述平断面提取包括对所述建筑物的平面轮廓提取和对所述建筑物高度赋值。
2.根据权利要求1所述的基于激光点云的输电线路走廊建筑物平断面快速提取方法，其特征在于，所述根据判断结果自动执行第一线程或第二线程的平断面提取包括：
当所述激光点云数据已进行云分类，则自动执行所述第一线程；其中，所述第一线程包括：
读取所述激光点云数据的建筑物图层；
根据预置的用于划分建筑物图层的算法将所述建筑物图层划分为多个基础建筑物；
根据所述基础建筑物的轮廓特征生成与所述基础建筑物对应的最小多边形，实现对所述建筑物的平面轮廓的提取；
提取所述基础建筑物格网相对高程值；
将所述基础建筑物格网相对高程值的标准差与预置的阈值进行比对生成比对结果，根据所述比对结果对所述建筑物高度赋值。
3.根据权利要求2所述的基于激光点云的输电线路走廊建筑物平断面快速提取方法，其特征在于，根据所述比对结果对所述建筑物高度赋值，包括：
当所述比对结果为所述基础建筑物格网相对高程值的标准差超过预置的阈值，则计算所述基础建筑物格网相对高程值的频率分布；
提取所述基础建筑物格网相对高程值的频率分布中最高频区段所有基础建筑物格网的相对高程值；
获取所述最高频区段所有基础建筑格网的相对高程值的平均值，使用所述平均值对建筑物高度赋值。
4.根据权利要求2所述的基于激光点云的输电线路走廊建筑物平断面快速提取方法，其特征在于，根据所述比对结果对所述建筑物高度赋值，包括：
当所述比对结果为所述基础建筑物格网相对高程值的标准差未超过预置的阈值，则计算所述基础建筑物格网相对高程值的平均值，使用所述平均值对建筑物高度赋值。
5.根据权利要求1所述的基于激光点云的输电线路走廊建筑物平断面快速提取方法，其特征在于，所述根据判断结果自动执行第一线程或第二线程的平断面提取包括：
当所述激光点云数据未进行云分类，则自动执行所述第二线程；其中，所述第二线程包括：
使用长方体范围框选取基础建筑物范围；
根据预置的多个相对高度分别截取N个基础建筑物点云横剖面；
将不同相对高度自动生成所述基础建筑物的N个参考轮廓，并对同一基础建筑物的N个参考轮廓经过并集计算，实现所述建筑物的平面轮廓提取；
根据所述基础建筑物的方位顶点高度的差异选取所述基础建筑物的顶点；
使用所述顶点的相对高程对建筑物高度赋值。
6.根据权利要求1-5任一项所述的基于激光点云的输电线路走廊建筑物平断面快速提取方法，其特征在于，所述点云分类包括：将所述激光点云数据划分为地面、杆塔、电力表、建筑物和树木中的一种或多种组合的图层。
7.一种基于激光点云的输电线路走廊建筑物平断面快速提取系统，其特征在于，所述系统包括：
激光点云数据获取模块，用于获取建筑物的激光点云数据；
判断模块，用于判断所述激光点云数据是否已进行点云分类；
第一线程模块，用于在判断为所述激光点云数据已进行云分类，自动执行第一线程的平断面提取；
第二线程模块，用于在判断为所述激光点云数据未进行云分类，自动执行第二线程的平断面提取；
其中，所述平断面提取包括对所述建筑物的平面轮廓提取和对所述建筑物高度赋值。
8.一种用于生成输电线路平断面图的方法，其特征在于，所述方法包括：
基于权利要求1-6任一项所述的方法提取平断面；
将所述平断面展绘在激光点云，并与其他要素信息合并生成完整要素信息；
根据所述完整要素信息生成输电线路平断面图。
9.根据权利要求8所述的用于生成输电线路平断面图的方法，其特征在于，所述其他要素信息包括道路要素信息、河流要素信息、交叉跨越要素信息。
10.一种用于生成输电线路平断面图的系统，其特征在于，所述系统包括：
平断层提取模块，用于根据权利要求1-6任一项所述的方法提取平断面；
要素整合模块，用于将所述平断面展绘在激光点云，并与其他要素信息合并生成完整要素信息；
输电线路平断面图生成模块，用于根据所述完整要素信息生成输电线路平断面图。
CN202010738100.XA 2020-07-28 2020-07-28 一种基于激光点云的输电线路走廊建筑物平断面提取方法及系统 Active CN111915721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010738100.XA CN111915721B (zh) 2020-07-28 2020-07-28 一种基于激光点云的输电线路走廊建筑物平断面提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010738100.XA CN111915721B (zh) 2020-07-28 2020-07-28 一种基于激光点云的输电线路走廊建筑物平断面提取方法及系统

Publications (2)

Publication Number Publication Date
CN111915721A true CN111915721A (zh) 2020-11-10
CN111915721B CN111915721B (zh) 2024-01-26

Family

ID=73286414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010738100.XA Active CN111915721B (zh) 2020-07-28 2020-07-28 一种基于激光点云的输电线路走廊建筑物平断面提取方法及系统

Country Status (1)

Country Link
CN (1) CN111915721B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116538953A (zh) * 2023-05-08 2023-08-04 武汉纵横天地空间信息技术有限公司 一种立面目标智能检测方法、系统及可读存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6741642B1 (en) * 1998-04-03 2004-05-25 Tektronix, Inc. Enhanced constellation display for VSB television signals
US20060053342A1 (en) * 2004-09-09 2006-03-09 Bazakos Michael E Unsupervised learning of events in a video sequence
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
CN103198494A (zh) * 2013-04-03 2013-07-10 武汉海达数云技术有限公司 一种基于建筑外轮廓线及激光点云的建筑立面提取方法
CN103843284A (zh) * 2013-10-23 2014-06-04 华为技术有限公司 一种云应用的容灾方法、系统和装置
CN106022381A (zh) * 2016-05-25 2016-10-12 厦门大学 基于车载激光扫描点云的路灯杆自动提取技术
CN107238844A (zh) * 2017-06-30 2017-10-10 贵州电网有限责任公司输电运行检修分公司 基于激光点云雷达数据进行输电线路通道断面图制作方法
CN109086833A (zh) * 2018-08-20 2018-12-25 贵州电网有限责任公司 一种基于激光点云雷达数据的输电线路危险点计算方法
CN109102569A (zh) * 2018-06-13 2018-12-28 东莞时谛智能科技有限公司 一种重构脚部点云模型处理方法及系统
CN109147044A (zh) * 2017-09-19 2019-01-04 上海华测导航技术股份有限公司 一种基于点云数据进行输电塔及线路检测的系统
CN109390873A (zh) * 2018-11-30 2019-02-26 贵州电网有限责任公司 一种利用输电线路通道内点云数据来预测树障威胁的方法
CN110363861A (zh) * 2019-07-14 2019-10-22 南京林业大学 基于激光雷达点云的田地作物三维重构方法
CN110516570A (zh) * 2019-08-15 2019-11-29 东莞弓叶互联科技有限公司 一种基于视觉的垃圾分类识别方法和装置
CN111047698A (zh) * 2019-12-17 2020-04-21 中煤航测遥感集团有限公司 一种真正射影像采集方法
US20200151504A1 (en) * 2018-11-09 2020-05-14 International Business Machines Corporation Scalable Feature Classification for Laser Scanning Data and Digital Elevation Models

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6741642B1 (en) * 1998-04-03 2004-05-25 Tektronix, Inc. Enhanced constellation display for VSB television signals
US20060053342A1 (en) * 2004-09-09 2006-03-09 Bazakos Michael E Unsupervised learning of events in a video sequence
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
CN103198494A (zh) * 2013-04-03 2013-07-10 武汉海达数云技术有限公司 一种基于建筑外轮廓线及激光点云的建筑立面提取方法
CN103843284A (zh) * 2013-10-23 2014-06-04 华为技术有限公司 一种云应用的容灾方法、系统和装置
CN106022381A (zh) * 2016-05-25 2016-10-12 厦门大学 基于车载激光扫描点云的路灯杆自动提取技术
CN107238844A (zh) * 2017-06-30 2017-10-10 贵州电网有限责任公司输电运行检修分公司 基于激光点云雷达数据进行输电线路通道断面图制作方法
CN109147044A (zh) * 2017-09-19 2019-01-04 上海华测导航技术股份有限公司 一种基于点云数据进行输电塔及线路检测的系统
CN109102569A (zh) * 2018-06-13 2018-12-28 东莞时谛智能科技有限公司 一种重构脚部点云模型处理方法及系统
CN109086833A (zh) * 2018-08-20 2018-12-25 贵州电网有限责任公司 一种基于激光点云雷达数据的输电线路危险点计算方法
US20200151504A1 (en) * 2018-11-09 2020-05-14 International Business Machines Corporation Scalable Feature Classification for Laser Scanning Data and Digital Elevation Models
CN109390873A (zh) * 2018-11-30 2019-02-26 贵州电网有限责任公司 一种利用输电线路通道内点云数据来预测树障威胁的方法
CN110363861A (zh) * 2019-07-14 2019-10-22 南京林业大学 基于激光雷达点云的田地作物三维重构方法
CN110516570A (zh) * 2019-08-15 2019-11-29 东莞弓叶互联科技有限公司 一种基于视觉的垃圾分类识别方法和装置
CN111047698A (zh) * 2019-12-17 2020-04-21 中煤航测遥感集团有限公司 一种真正射影像采集方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MEI ZHOU: "A classification method for building detection based on LiDAR point clouds", 《2009 JOINT URBAN REMOTE SENSING EVENT》 *
丁薇;黄绪勇;谭向宇;彭晶;于辉;聂鼎;: "基于机载激光点云的输电线路走廊树障自动化检测方法", 测绘与空间地理信息, no. 11 *
王和平;邹彪;刘伟东;阙波;姜文东;: "基于高程投影的输电线路激光点云分类研究", 信息技术, no. 06 *
胡博: "一种输电线路平断面提取及精度分析方法", 《北京测绘》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116538953A (zh) * 2023-05-08 2023-08-04 武汉纵横天地空间信息技术有限公司 一种立面目标智能检测方法、系统及可读存储介质
CN116538953B (zh) * 2023-05-08 2024-01-30 武汉纵横天地空间信息技术有限公司 一种立面目标智能检测方法、系统及可读存储介质

Also Published As

Publication number Publication date
CN111915721B (zh) 2024-01-26

Similar Documents

Publication Publication Date Title
JP3910582B2 (ja) 三次元構造物形状の自動生成装置、自動生成方法、そのプログラム、及びそのプログラムを記録した記録媒体
US20220309201A1 (en) Artificial-intelligence-assisted method for providing urban design form and layout with improved wind environment
CN103871102B (zh) 一种基于高程点和道路轮廓面的道路三维精细建模方法
CN103701466A (zh) 基于特征保留的散乱点云压缩算法
US20150177414A1 (en) Method for calculating lightning stroke frequency interception area of structure and building under consideration of surrounding objects
Hofmann Analysis of TIN-structure parameter spaces in airborne laser scanner data for 3-D building model generation
CN115063557B (zh) 一种基于倾斜模型的建筑物智能提取方法及装置
CN109146990B (zh) 一种建筑轮廓的计算方法
CN113570665A (zh) 路沿提取的方法、装置及电子设备
CN115187648A (zh) 输电线路本体逆向建模方法、装置、电子设备及存储介质
CN112686945A (zh) 一种基于Web的三维地形表面积测量方法
CN109710994B (zh) 基于数字地球的机场障碍物限制面超限分析方法
CN111915721A (zh) 一种基于激光点云的输电线路走廊建筑物平断面快速提取方法及系统
CN113901551B (zh) 输电塔高低腿配置方法、装置、计算机设备和存储介质
CN111046475A (zh) 一种房屋建筑面积的计算方法、装置和存储介质
JP4217251B2 (ja) 三次元構造物形状の自動生成装置、自動生成方法、そのプログラム、及びそのプログラムを記録した記録媒体
CN111288977B (zh) 超高层建筑工程测量控制的监理方法
CN104614729A (zh) 一种激光雷达航带高程匹配质量分析方法
JP4592510B2 (ja) 立体地図画像生成装置および方法
CN111369604A (zh) 一种基于网格的地形特征点提取方法及处理终端
CN114449566B (zh) 射线路径损耗确定方法、装置及可读存储介质
CN116151421A (zh) 抽水蓄能电站选址方法、数据处理终端及可读存储介质
CN115391871A (zh) 商业用地自动布局方法、电子设备及存储介质
KR20230116513A (ko) 기지국의 설치 위치를 결정하는 방법 및 그 장치
CN114528305A (zh) 矢量数据更新范围确定方法、装置、电子设备及存储介质

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