CN112233056A - 一种多源数据的点云融合方法、装置和存储介质 - Google Patents
一种多源数据的点云融合方法、装置和存储介质 Download PDFInfo
- Publication number
- CN112233056A CN112233056A CN202011109519.5A CN202011109519A CN112233056A CN 112233056 A CN112233056 A CN 112233056A CN 202011109519 A CN202011109519 A CN 202011109519A CN 112233056 A CN112233056 A CN 112233056A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- target area
- sub
- target
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 16
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 34
- 238000005259 measurement Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 14
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明提供一种多源数据的点云融合方法、装置和存储介质,方案包括:获取点云数据,将所述目标区域划分为至少两个子目标区域;确定每一子目标区域对应的点云数据;然后对每一子目标区域对应的点云数据进行分类,获取每个子目标区域对应的目标点云数据,基于每个子目标区域对应的目标点云数据对所述目标区域进行三维建模。由于在本方案中构建三维模型是,所采用的都是各个子目标区域对应的精度最高的点云数据,因此,构建得到的三维模型具有较高的精度。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种多源数据的点云融合方法、装置和存储介质。
背景技术
国内外专家学者对多源数据融合建模技术进行了深入研究,并获得了一定的成果。例如,El-Hakim等在2009年同样利用激光扫描技术和摄影测量技术对意大利的彭波萨修道院进行三维重建;Ma和Hu等基于LiDAR技术获取目标物数据信息并对目标物轮廓进行重建,通过融合LiDAR和影像数据进行精细化三维建模。在国内也有很多专家学者对此进行了研究,程亮等集成LiDAR数据与航空影像,通过LiDAR数据与多视轮廓集成生成三维轮廓线的方案,构建目标建筑物三维模型;林承达等在LiDAR数据中提取目标物的初始边界,利用航空影像中的边界特征对目标物初始边界进行精化,从而完成目标建筑物的三维重建工作。但是目前融合技术只是单纯利用不同建模技术的形成的点云的叠加,这样不仅会造成数据的冗余,也会降低模型的精度。
发明内容
有鉴于此,本发明实施例提供一种多源数据的点云融合方法、装置和存储介质,以实现对目标对象进行高精度的三维建模。
为实现上述目的,本发明实施例提供如下技术方案:
一种多源数据的点云融合方法,包括:
获取点云数据,所述点云数据包括基于不同方式对目标区域进行采集得到的点云数据;
将所述目标区域划分为至少两个子目标区域;
确定每一子目标区域对应的点云数据;
基于点云数据的标识信息对每一子目标区域对应的点云数据进行分类;
获取每个子目标区域对应的目标点云数据,所述目标点云数据为所述子目标区域对应的不同类型的点云数据中,精度最高的类型的点云数据;
基于每个子目标区域对应的目标点云数据对所述目标区域进行三维建模。
可选的,上述多源数据的点云融合方法中,所述基于不同方式对目标区域进行采集得到的点云数据,包括:
采用三维激光扫描仪对所述目标区域进行扫描得到的激光点云数据,记为第一点云数据;
通过贴近摄影测量对目标区域进行图像拍摄得到的点云数据,记为第二点云数据;
通过倾斜摄影测量对目标区域进行图像拍摄得到的点云数据,记为第三点云数据。
可选的,上述多源数据的点云融合方法中,所述第一点云数据的精度大于所述第二点云数据的精度,所述第二点云数据的精度大于第三点云数据的精度。
可选的,上述多源数据的点云融合方法中,采用三维激光扫描仪对所述目标区域进行扫描得到的激光点云数据,包括:
获取三维激光扫描仪在各个站点上对所述目标区域进行扫描得到的激光点云数据;
对各个所述站点对应的激光点云数据进行拼接,得到与所述目标区域对应的激光点云数据。
可选的,上述多源数据的点云融合方法中,所述通过贴近摄影测量对目标区域进行图像拍摄得到的点云数据,包括:
采用无人机图像采集设备基于预设的航线对所述目标区域进行贴近摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点;
通过倾斜摄影测量对目标区域进行图像拍摄得到的点云数据,包括:
采用无人机图像采集设备基于预设的航线对所述目标区域进行倾斜摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点。
一种多源数据的点云融合装置,包括:
点云数据采集单元,用于获取点云数据,所述点云数据包括基于不同方式对目标区域进行采集得到的点云数据;
点云数据提取单元,用于将所述目标区域划分为至少两个子目标区域,确定每一子目标区域对应的点云数据,基于点云数据的标识信息对每一子目标区域对应的点云数据进行分类,获取每个子目标区域对应的目标点云数据,所述目标点云数据为所述子目标区域对应的不同类型的点云数据中,精度最高的类型的点云数据;
三维重建单元,基于每个子目标区域对应的目标点云数据对所述目标区域进行三维建模。
可选的,上述多源数据的点云融合装置中,所述点云数据采集单具体用于:
获取采用三维激光扫描仪对所述目标区域进行扫描得到的激光点云数据,记为第一点云数据;
获取通过贴近摄影测量对目标区域进行图像拍摄得到的点云数据,记为第二点云数据;
获取通过倾斜摄影测量对目标区域进行图像拍摄得到的点云数据,记为第三点云数据。
可选的,上述多源数据的点云融合装置中,所述第一点云数据的精度大于所述第二点云数据的精度,所述第二点云数据的精度大于第三点云数据的精度。
可选的,上述多源数据的点云融合装置中,点云数据采集单元,具体用于:
获取三维激光扫描仪在各个站点上对所述目标区域进行扫描得到的激光点云数据;对各个所述站点对应的激光点云数据进行拼接,得到与所述目标区域对应的激光点云数据;
获取采用无人机图像采集设备基于预设的航线对所述目标区域进行贴近摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点;
采用无人机图像采集设备基于预设的航线对所述目标区域进行倾斜摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点。
一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,
以执行上述任一项所述的多源数据的点云融合方法中的步骤。
基于上述技术方案,本发明实施例提供的上述方案,方案包括:获取点云数据,将所述目标区域划分为至少两个子目标区域;确定每一子目标区域对应的点云数据;然后对每一子目标区域对应的点云数据进行分类,获取每个子目标区域对应的目标点云数据,基于每个子目标区域对应的目标点云数据对所述目标区域进行三维建模。由于在本方案中构建三维模型是,所采用的都是各个子目标区域对应的精度最高的点云数据,因此,构建得到的三维模型具有较高的精度。
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,下面将对实施例或现有技术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发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的多源数据的点云融合方法的流程示意图;
图2为本申请实施例通开的一种子目标区域所包含的点云数据的筛选示意图;
图3为本申请实施例公开的多源数据的点云融合装置的结构示意图。
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。
目前融合技术只是单纯利用不同建模技术的形成的点云的叠加,这样不仅会造成数据的冗余,也会降低模型的精度。
申请人研究发现,地面三维激光扫描可以获取视场角范围内的高精度点云数据,但是存在三维激光顶部扫描盲区和影像获取视角不够的缺陷;无人机倾斜摄影技术可以获取建筑物顶部的几何及纹理信息,但是较难获得全方位无信息盲点的倾斜影像,在狭小区域和精度上存在很多局限性。贴近摄影测量可以获取复杂区域和细节区域的信息,考虑其数据的高精度和建模效率,通常只用于局部场景。由于三种建模方式在生产过程中都产生点云数据,这就为数据的融合提供了可能。
本方案中的空-地多源数据的点云融合算法的三维建模技术,首先是将倾斜摄影测量技术,地面三维激光扫描技术,贴近摄影测量技术相结合,将各自形成的点云数据利用点云融合算法进行处理,将融合后的点云进行重建,最终完成三维模型构建。
参见图1,本申请实施例公开的一种多源数据的点云融合方法,包括:
步骤S101:获取点云数据,所述点云数据包括基于不同方式对目标区域进行采集得到的点云数据;
在本申请实施例公开的技术方案中,所述点云数据可以为采用多种不同类型采集手段采集到的点云数据,例如,在本方案中,所述点云数据可以包括:通过地面三维激光扫描获取到的高精度点云数据,通过无人机倾斜摄影技术获取到的点云数据,以及通过贴近摄影测量获取到的点云数据,即所述点云数据可以包括:采用三维激光扫描仪对所述目标区域进行扫描得到的激光点云数据;通过贴近摄影测量对目标区域进行图像拍摄得到的点云数据;通过倾斜摄影测量对目标区域进行图像拍摄得到的点云数据,在本方案中,为了方便下文介绍,分别将这三种手段采集到的点云数据依次记为第一点云数据、第二点云数据和第三点云数据,在获取所述第一点云数据时,具体过程为:首先根据目标区域的范围和区域的结构确定所需扫描的整体范围、视场角的大小、扫描站点的分布,并对所有站点进行联测,以保证坐标系统的统一;然后再利用架设在站点的三维激光扫描仪对区域进行扫描;最后对扫描后获得的点云数据进行去噪,拼接,形成三维激光点云数据,即,第一点云数据,在获取所述第二点云数据和第三点云数据时,具体过程为:首先根据目标区域的范围合理规划无人机航线,并利用三维激光扫描仪对应的站点作为航测的像控点;然后再利用搭载多镜头的无人机按照规划好的航线进行自主飞行,获取所述目标区域的多视影像;然后对数据进行预处理,并对数据进行倾斜摄影测量和贴近摄影测量,从而获取密集点云数据,即,第二点云数据和第三点云数据。
步骤S102:将所述目标区域划分为至少两个子目标区域;
在本方案中,可以将所需构建三维模型的目标区域划分为多个子目标区域,在采用不同的手段获取点云数据时,会存在采用多种不同的手段获取同一个子目标区域的点云数据的情况;
步骤S103:确定每一子目标区域对应的点云数据;
在本步骤中,在将所述目标区域划分为不同的子目标区域后,获取每个子目标区域对应的点云数据,具体的,可以通过坐标比较的确定与所述子目标区域对应的点云数据,即,每个点云数据均对应有各自的坐标信息,获取坐标信息属于所述子目标区域的点云数据。
步骤S104:基于点云数据的标识信息对每一子目标区域对应的点云数据进行分类;
在本方案中,会为没一点云数据配置一个用于表示该点云数据的采集手段的标识信息,通过该标识信息可确定点云数据的类型,即获取手段,当采用不同的手段获取目标区域的点云数据时,对于同一子目标区域而言,可能会采用多种不同的手段对该子目标区域进行点云数据采集,在本步骤中,在获取到同一子目标区域对应的所有的点云数据时,基于获取手段不同,对这些点云数据进行分类;例如,将其分为通过地面三维激光扫描获取到的高精度点云数据,通过无人机倾斜摄影技术获取到的点云数据,以及通过贴近摄影测量获取到的点云数据。
步骤S105:获取每个子目标区域对应的目标点云数据,所述目标点云数据为所述子目标区域对应的不同类型的点云数据中,精度最高的类型的点云数据;
本领域技术人员公知的是,采用不同的技术获取同一目标的点云数据时,不同的采集手段所对应的采集到的点云数据的精度不同,例如,点云数据的精度排序为地面三维激光扫描仪(第一点云数据)>贴近摄影测量(第二点云数据)>倾斜摄影测量(第三点云数据),即A(las地面三维激光扫描仪得到的目标对象的点云数据的精度)>B(las贴近摄影测量得到的目标对象的点云数据的精度)>C(las倾斜摄影测量得到的点云数据的精度)。本方案中在某一子目标区域S内(根据区域的特点设置不同的尺度),如果同时存在多种采用不同手段获取到的点云数据时,例如三维激光点云数据A,贴近摄影测量点云数据B,倾斜摄影测量点云数据C中,可以基于精度对这些点云数据进行排序,获取该子目标区域对应的精度最高的点云数据。以所述三维激光点云数据A,贴近摄影测量点云数据B,倾斜摄影测量点云数据C为例,同一子目标区域对应的点云数据的类型可以包括图2所示的四种情形:
情形1:如果子目标区域S内同时存在三维激光点云数据A,贴近摄影测量点云数据B,倾斜摄影测量点云数据C三类数据,则只保留点云数据A。
情形2:如果子目标区域S内同时存在三维激光点云数据A,贴近摄影测量点云数据B两类数据,则只保留点云数据A。
情形3:如果子目标区域S内同时存在三维激光点云数据B,贴近摄影测量点云数据C两类数据,则只保留点云数据B。
情形4:如果子目标区域S内同时存在三维激光点云数据A,贴近摄影测量点云数据C两类数据,则只保留点云数据A。
步骤S106:基于每个子目标区域对应的目标点云数据对所述目标区域进行三维建模;
在获取到各个子目标区域对应的目标点云数据后,将这些目标点云数据将融合后导入三维建模软件中,在进行三维重建时需考虑数据量的大小和工作站的性能,合理设置瓦片的大小,最终完成三维模型的构建,由于在本方案中构建三维模型时,所采用的都是各个子目标区域对应的精度最高的点云数据,因此,构建得到的三维模型具有较高的精度。
本实施例中,公开了一种多源数据的点云融合装置,装置中的各个单元的具体工作内容,请参见上述方法实施例的内容,下面对本发明实施例提供的多源数据的点云融合装置进行描述,下文描述的多源数据的点云融合装置与上文描述的多源数据的点云融合方法可相互对应参照。
参见图3,本申请实施例公开的多源数据的点云融合装置,包括:
点云数据采集单元100,用于获取点云数据,所述点云数据包括基于不同方式对目标区域进行采集得到的点云数据;
点云数据提取单元200,用于将所述目标区域划分为至少两个子目标区域,确定每一子目标区域对应的点云数据,基于点云数据的标识信息对每一子目标区域对应的点云数据进行分类,获取每个子目标区域对应的目标点云数据,所述目标点云数据为所述子目标区域对应的不同类型的点云数据中,精度最高的类型的点云数据;
三维重建单元300,基于每个子目标区域对应的目标点云数据对所述目标区域进行三维建模。
与上述方法相对应,所述点云数据采集单100具体用于:
获取采用三维激光扫描仪对所述目标区域进行扫描得到的激光点云数据,记为第一点云数据;
获取通过贴近摄影测量对目标区域进行图像拍摄得到的点云数据,记为第二点云数据;
获取通过倾斜摄影测量对目标区域进行图像拍摄得到的点云数据,记为第三点云数据。
与上述方法相对应,所述第一点云数据的精度大于所述第二点云数据的精度,所述第二点云数据的精度大于第三点云数据的精度。
与上述方法相对应,点云数据采集单元,具体用于:
获取三维激光扫描仪在各个站点上对所述目标区域进行扫描得到的激光点云数据;对各个所述站点对应的激光点云数据进行拼接,得到与所述目标区域对应的激光点云数据;
获取采用无人机图像采集设备基于预设的航线对所述目标区域进行贴近摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点;
采用无人机图像采集设备基于预设的航线对所述目标区域进行倾斜摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点。
对应于上述方法,本申请还公开了一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行本申请上述任一项所述的多源数据的点云融合方法中的步骤。
为了描述的方便,描述以上系统时以功能分为各种模块分别描述。当然,在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种多源数据的点云融合方法,其特征在于,包括:
获取点云数据,所述点云数据包括基于不同方式对目标区域进行采集得到的点云数据;
将所述目标区域划分为至少两个子目标区域;
确定每一子目标区域对应的点云数据;
基于点云数据的标识信息对每一子目标区域对应的点云数据进行分类;
获取每个子目标区域对应的目标点云数据,所述目标点云数据为所述子目标区域对应的不同类型的点云数据中,精度最高的类型的点云数据;
基于每个子目标区域对应的目标点云数据对所述目标区域进行三维建模。
2.根据权利要求1所述的多源数据的点云融合方法,其特征在于,所述基于不同方式对目标区域进行采集得到的点云数据,包括:
采用三维激光扫描仪对所述目标区域进行扫描得到的激光点云数据,记为第一点云数据;
通过贴近摄影测量对目标区域进行图像拍摄得到的点云数据,记为第二点云数据;
通过倾斜摄影测量对目标区域进行图像拍摄得到的点云数据,记为第三点云数据。
3.根据权利要求2所述的多源数据的点云融合方法,其特征在于,所述第一点云数据的精度大于所述第二点云数据的精度,所述第二点云数据的精度大于第三点云数据的精度。
4.根据权利要求2所述的多源数据的点云融合方法,其特征在于,采用三维激光扫描仪对所述目标区域进行扫描得到的激光点云数据,包括:
获取三维激光扫描仪在各个站点上对所述目标区域进行扫描得到的激光点云数据;
对各个所述站点对应的激光点云数据进行拼接,得到与所述目标区域对应的激光点云数据。
5.根据权利要求4所述的多源数据的点云融合方法,其特征在于,所述通过贴近摄影测量对目标区域进行图像拍摄得到的点云数据,包括:
采用无人机图像采集设备基于预设的航线对所述目标区域进行贴近摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点;
通过倾斜摄影测量对目标区域进行图像拍摄得到的点云数据,包括:
采用无人机图像采集设备基于预设的航线对所述目标区域进行倾斜摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点。
6.一种多源数据的点云融合装置,其特征在于,包括:
点云数据采集单元,用于获取点云数据,所述点云数据包括基于不同方式对目标区域进行采集得到的点云数据;
点云数据提取单元,用于将所述目标区域划分为至少两个子目标区域,确定每一子目标区域对应的点云数据,基于点云数据的标识信息对每一子目标区域对应的点云数据进行分类,获取每个子目标区域对应的目标点云数据,所述目标点云数据为所述子目标区域对应的不同类型的点云数据中,精度最高的类型的点云数据;
三维重建单元,基于每个子目标区域对应的目标点云数据对所述目标区域进行三维建模。
7.根据权利要求6所述的多源数据的点云融合装置,其特征在于,所述点云数据采集单具体用于:
获取采用三维激光扫描仪对所述目标区域进行扫描得到的激光点云数据,记为第一点云数据;
获取通过贴近摄影测量对目标区域进行图像拍摄得到的点云数据,记为第二点云数据;
获取通过倾斜摄影测量对目标区域进行图像拍摄得到的点云数据,记为第三点云数据。
8.根据权利要求7所述的多源数据的点云融合装置,其特征在于,所述第一点云数据的精度大于所述第二点云数据的精度,所述第二点云数据的精度大于第三点云数据的精度。
9.根据权利要求7所述的多源数据的点云融合装置,其特征在于,点云数据采集单元,具体用于:
获取三维激光扫描仪在各个站点上对所述目标区域进行扫描得到的激光点云数据;对各个所述站点对应的激光点云数据进行拼接,得到与所述目标区域对应的激光点云数据;
获取采用无人机图像采集设备基于预设的航线对所述目标区域进行贴近摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点;
采用无人机图像采集设备基于预设的航线对所述目标区域进行倾斜摄影测量,所述航线中包括所述站点,并将所述站点作为测量过程中的像控点。
10.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于处理器进行加载,
以执行权利要求1至5任一项所述的多源数据的点云融合方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011109519.5A CN112233056B (zh) | 2020-10-16 | 2020-10-16 | 一种多源数据的点云融合方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011109519.5A CN112233056B (zh) | 2020-10-16 | 2020-10-16 | 一种多源数据的点云融合方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112233056A true CN112233056A (zh) | 2021-01-15 |
CN112233056B CN112233056B (zh) | 2024-03-12 |
Family
ID=74117762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011109519.5A Active CN112233056B (zh) | 2020-10-16 | 2020-10-16 | 一种多源数据的点云融合方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233056B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298947A (zh) * | 2021-04-28 | 2021-08-24 | 江苏省送变电有限公司 | 一种基于多源数据融合的变电站三维建模方法介质及系统 |
CN113343016A (zh) * | 2021-06-01 | 2021-09-03 | 中国计量大学 | 一种监管建筑材料的系统及方法 |
CN115984827A (zh) * | 2023-03-06 | 2023-04-18 | 安徽蔚来智驾科技有限公司 | 点云感知方法、计算机设备及计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997040342A2 (en) * | 1996-04-24 | 1997-10-30 | Cyra Technologies, Inc. | Integrated system for imaging and modeling three-dimensional objects |
US20080221843A1 (en) * | 2005-09-01 | 2008-09-11 | Victor Shenkar | System and Method for Cost-Effective, High-Fidelity 3D-Modeling of Large-Scale Urban Environments |
KR100973052B1 (ko) * | 2009-04-24 | 2010-07-30 | 서울시립대학교 산학협력단 | 라이다데이터를 이용한 디지털 항공영상의 자동 정합기법 |
JP2013096745A (ja) * | 2011-10-28 | 2013-05-20 | Hokuriku Kosoku Co Ltd | 三次元モデルの作成方法 |
CN105758386A (zh) * | 2014-12-15 | 2016-07-13 | 广州蓝图地理信息技术有限公司 | 一种激光点云与航空影像集成的建筑物三维建模方法 |
CN108241871A (zh) * | 2017-12-27 | 2018-07-03 | 华北水利水电大学 | 基于多特征的激光点云与影像融合数据分类方法 |
CN108375367A (zh) * | 2018-01-25 | 2018-08-07 | 中铁第四勘察设计院集团有限公司 | 结合地面激光雷达和倾斜摄影的工点勘察方法及系统 |
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 |
CN111458720A (zh) * | 2020-03-10 | 2020-07-28 | 中铁第一勘察设计院集团有限公司 | 复杂山区基于机载激光雷达数据的倾斜摄影建模方法 |
-
2020
- 2020-10-16 CN CN202011109519.5A patent/CN112233056B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997040342A2 (en) * | 1996-04-24 | 1997-10-30 | Cyra Technologies, Inc. | Integrated system for imaging and modeling three-dimensional objects |
US20080221843A1 (en) * | 2005-09-01 | 2008-09-11 | Victor Shenkar | System and Method for Cost-Effective, High-Fidelity 3D-Modeling of Large-Scale Urban Environments |
KR100973052B1 (ko) * | 2009-04-24 | 2010-07-30 | 서울시립대학교 산학협력단 | 라이다데이터를 이용한 디지털 항공영상의 자동 정합기법 |
JP2013096745A (ja) * | 2011-10-28 | 2013-05-20 | Hokuriku Kosoku Co Ltd | 三次元モデルの作成方法 |
CN105758386A (zh) * | 2014-12-15 | 2016-07-13 | 广州蓝图地理信息技术有限公司 | 一种激光点云与航空影像集成的建筑物三维建模方法 |
CN108241871A (zh) * | 2017-12-27 | 2018-07-03 | 华北水利水电大学 | 基于多特征的激光点云与影像融合数据分类方法 |
CN108375367A (zh) * | 2018-01-25 | 2018-08-07 | 中铁第四勘察设计院集团有限公司 | 结合地面激光雷达和倾斜摄影的工点勘察方法及系统 |
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 |
CN111458720A (zh) * | 2020-03-10 | 2020-07-28 | 中铁第一勘察设计院集团有限公司 | 复杂山区基于机载激光雷达数据的倾斜摄影建模方法 |
Non-Patent Citations (1)
Title |
---|
祖立辉: "融合多源数据的三维建模方法及精度分析", 《北京测绘》, vol. 34, no. 3, pages 347 - 351 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298947A (zh) * | 2021-04-28 | 2021-08-24 | 江苏省送变电有限公司 | 一种基于多源数据融合的变电站三维建模方法介质及系统 |
CN113298947B (zh) * | 2021-04-28 | 2023-10-03 | 江苏省送变电有限公司 | 一种基于多源数据融合的变电站三维建模方法介质及系统 |
CN113343016A (zh) * | 2021-06-01 | 2021-09-03 | 中国计量大学 | 一种监管建筑材料的系统及方法 |
CN115984827A (zh) * | 2023-03-06 | 2023-04-18 | 安徽蔚来智驾科技有限公司 | 点云感知方法、计算机设备及计算机可读存储介质 |
CN115984827B (zh) * | 2023-03-06 | 2024-02-02 | 安徽蔚来智驾科技有限公司 | 点云感知方法、计算机设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112233056B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059608B (zh) | 一种物体检测方法、装置、电子设备和存储介质 | |
CN108763287B (zh) | 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法 | |
CN112233056B (zh) | 一种多源数据的点云融合方法、装置和存储介质 | |
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
Habib et al. | Generation of complex polyhedral building models by integrating stereo-aerial imagery and lidar data | |
CN105427377A (zh) | 一种基于无人机的地质灾害数据采集处理方法及装置 | |
CN107730519A (zh) | 一种人脸二维图像到人脸三维重建的方法及系统 | |
CN110533768B (zh) | 一种仿真交通场景生成方法及系统 | |
US11443452B2 (en) | Using spatial filter to reduce bundle adjustment block size | |
CN117315146B (zh) | 基于跨尺度多源数据的三维模型的重建方法及存储方法 | |
CN114065339A (zh) | 一种基于三维可视化模型的高塔建设选址方法 | |
CN104751479A (zh) | 基于tin数据的建筑物提取方法和装置 | |
CN114119902A (zh) | 一种基于无人机倾斜三维模型的建筑物提取方法 | |
CN113643254A (zh) | 一种无人机激光点云高效采集处理方法 | |
CN114782947A (zh) | 输配电线路点云匹配方法、点云匹配系统及存储介质 | |
Li et al. | New methodologies for precise building boundary extraction from LiDAR data and high resolution image | |
Rüther et al. | Challenges in heritage documentation with terrestrial laser scanning | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、系统、电子设备及介质 | |
CN115937466A (zh) | 一种融合gis的三维模型生成方法、系统及存储介质 | |
CN110580468A (zh) | 一种基于影像匹配点云的单木结构参数提取的方法 | |
CN115830234A (zh) | 一种输电线路建模用点云处理方法及处理系统 | |
CN113240755B (zh) | 基于街景图像与车载激光融合的城市场景构图方法及系统 | |
CN113362458B (zh) | 模拟多视角成像的三维模型解译方法、终端及存储介质 | |
KR102587445B1 (ko) | 드론을 이용하여 시계열정보가 포함된 3차원 지도의 제작 방법 | |
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 |
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 |