CN112308907B - 用飞行器对坡体进行近景摄影测量的航线规划方法 - Google Patents

用飞行器对坡体进行近景摄影测量的航线规划方法 Download PDF

Info

Publication number
CN112308907B
CN112308907B CN202010416660.3A CN202010416660A CN112308907B CN 112308907 B CN112308907 B CN 112308907B CN 202010416660 A CN202010416660 A CN 202010416660A CN 112308907 B CN112308907 B CN 112308907B
Authority
CN
China
Prior art keywords
slope
gradient
grid
elevation
acquisition
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
CN202010416660.3A
Other languages
English (en)
Other versions
CN112308907A (zh
Inventor
王峰
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.)
Nanjing Weibo Intelligent Control Technology Co ltd
Original Assignee
Nanjing Weibo Intelligent Control 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 Nanjing Weibo Intelligent Control Technology Co ltd filed Critical Nanjing Weibo Intelligent Control Technology Co ltd
Priority to CN202010416660.3A priority Critical patent/CN112308907B/zh
Publication of CN112308907A publication Critical patent/CN112308907A/zh
Application granted granted Critical
Publication of CN112308907B publication Critical patent/CN112308907B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • 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
    • G06T17/05—Geographic models
    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种利用飞行器对倾斜地面进行摄影测量时的航线规划方法,这种方法是：首先导入被测区域点云模型，再根据导入的被测区域点云模型得到被测区域的三维边界，输入预先确定的分辨率GSD和包括传感器分辨率(传感器横向像素数量PX和传感器纵向像素数量PY)、像元尺寸a及镜头焦距f的图像采集设备系统参数，以及预期采样重叠度OverLap(百分数)，再依据公式得到的坡度和坡向设定飞行器的飞行参数。本发明可圆满解决利用飞行器对倾斜地面进行摄影测量的问题。

Description

用飞行器对坡体进行近景摄影测量的航线规划方法
技术领域
本发明涉及一种利用飞行器，特别是无人机，对倾斜地面进行摄影测量时的航线规划方法，特别是一种对坡体进行近景摄影测量的航线规划的方法，这里所述的坡体是指对被测区中与水平面倾斜或垂直位置的区域，例如边坡、危岩体、滑坡体、矿坑、矿山等，以及其它复杂结构体的近景摄影测量的采集航线规划的方法。
背景技术
随着近年来无人机在航空摄影测量行业中的应用逐步广泛，对精度的要求也越来越高。常规的无人机航测的航线规划软件或者方法主要针对平行于水平面或者平行于水平面上的一些物体进行摄影采集，如2018111382370的中国发明专利申请公开的“一种无人机巡检航路中航高参数的确定方法” ，其技术方案是：事先依据所用的巡检设备参数及精度要求预先确定出无人机理论飞行高度，同时事先导入与巡检线路的经纬度相融合的现场地形图，得到巡检线路内各坐标点的海拔高度值，沿航路方向按事先确定的距离进行采样得出各采样点的高度值，依据巡检区域内各采样点坐标的海拔高度值与无人机理论高度之和确定出巡检坐标的航高参数。本发明的方法可以使其航高变化较为平缓，大大幅度地降低无人机飞行的升降频率，同时可使飞行器的飞行轨迹与地形最大限度地吻合。但目前的解决方法中没有针对立面（与水平面垂直或有一定夹角）的精细航空摄影测量的航线规划方法。然而现实中有这方面的需求，例如对建筑的精细建模、古建筑保护、坝体位移沉降或易发生地质灾害的立面松散地质结构进行测量或监测。众所周知，需要精细的航测采集，需要将采集设备仿照测绘面的走向、角度与结构在保持相对恒定的距离的基础上尽可能贴近测绘面进行采集，且要求在整个测量原始影像的采集过程中保持相对恒定的采集距离和重叠度，但现有技术中没有相应的解决方法，目前传统使用的方法是依据卫星相片或者其他带有地理数据的栅格影像或矢量影像进行手工绘制，该方法易出错而且在测绘的立面结构复杂的情况下无法完全仿照测绘面进行贴近航线的设计。
发明内容
本发明提供一种可解决现有技术无法解决的用飞行器对坡体进行近景摄影测量的航线规划方法。
本发明的航线规划方法是：首先导入被测区域点云模型，这里所述的点云模型可以是任一种由固定采样距离的点构成的模型，即每个点都对应真实的地理坐标和高程，或是DSM或DEM的高程网格、实景模型，或是等高线模型及同时包含地理坐标和高程数据的任一种模型，再根据导入的被测区域点云模型得到被测区域的三维边界，输入预先确定的分辨率GSD和包括传感器分辨率、像元尺寸a及镜头焦距f的图像采集设备系统参数，以及预期采样重叠度百分数，其中，传感器分辨率包括传感器横向像素数量/>和传感器纵向像素数量/>，依据公式/>得到相对距离L相对；依据公式LH＝Px×(1-OverLap)×GSD得到航向采集的L H间隔距离，即航向采集间距，依据公式LW＝PY×(1-OverLap)×GSD得到出旁向采集的间隔距离L W，即旁向采集间距，选取查找测区点云模型中的某一确定点为坐标原点，建立笛氏坐标系，以航向采集间距作为采样的长度单位延横坐标从原点向两侧延伸进行标记至点云外包的横向边缘；同理以旁向采集间距延纵坐标从原点向两侧延伸进行标记至点云外包的纵向边缘；以平行与横纵坐标轴的线连接在测区点云模型的外包范围内对所有的标记完成对整个外包区域的网格化分割，提取每个分割网格所包含的点云数据，依据现有的各种可计算出坡度和坡向的公式得到相应网格的坡度和坡向，根据所得到的坡度和坡向设定飞行器的飞行参数，可参见附图1给出的本发明运作的逻辑框图。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法是用公式和来计算出坡向Slope和坡度Aspcet。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法中，导入的点云模型依据项目需求进行包含但不限于去噪、抽稀、平差、滤波、压平、拟合预处理。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，以测区点云模型的左下角的点作为坐标原点，以大地投影坐标的东向作为笛氏系的横轴，北方向作为笛氏系的纵轴；以航向采集间距作为采样的长度单位延横坐标从原点开始进行标记至点云外包范围的最东侧，同理以旁向采集间距延纵坐标从原点开始进行标记至点云外包范围的最北侧，以平行与横纵坐标轴的线连接在测区点云模型的外包范围内所有的标记完成对整个外包区域的网格化分割。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，对点云模型进行的三维边界提取，应用计算包围体的算法提取获取边界的包围体，并由包围体的边界坐标的集合得到测区的三维边界多边形。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，计算包围体算法采用凹壳算法或凸壳算法。所述的这些算法参见：https://my.oschina.net/ pangyuke/blog/754603，或https://blog.csdn.net/weixin_41061962/article/details/ 79924979、或https://blog.csdn.net/john_bian/article/details/85221039或https:// blog.csdn.net/yewei11/article/details/49560407、或http://www.cghhu.cn/blog/er- wei-dian-ji-ao-bao-suan-fa-jie-shao/。在以上计算中涉及到的滚球算法（模拟一个固定半径的球在离散坐标点的边缘进行滚动，如果2个相邻边缘坐标点小于球的直径则认为该坐标点为边缘坐标点，如大于球的直径则球往内部掉落直到发现让球不发生掉落的2个相邻坐标点并记为边缘坐标，这是一个已成熟的算法）；在这一算法中，“球的半径参数α越大，边界多边形越接近凸包，α越小，越接近凹包，”，这个参数α是需要调整的，后述本发明的实施例中针对大部分情况是用α=0.2来获得算法效率和结果的优化选择。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，依据航向采样间距、旁向采样间距对获取的三维边界进行网格化分割，其分割方法可只仅使用边界多边形平面的x，y坐标进行网格化分割，并计算得到各网格的坡度与坡向。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，首先按计算出每个分割网格的坡度，式中L为旁向采集间距，θ为坡度角，当分割网格的坡度小于坡度阈值时则将坡度坡向的计算成果与该采集面的质心点坐标记录到航点预生产文件中，如坡度大于坡度阈值则对该分割网格进行再次分割，如二次分割后所得所有面的坡度仍大于阈值，则继续进行分割直到所有的分割网格符合坡度阈值的要求后再按前述方式处理，所述的坡度阈值为/>。/>公式的含义为当旁向重叠率设置为80%时，依据建模的需要其旁向重叠率不应低于60%，则可以用比例公式计算出在最小旁向重叠率为60%时所对应的坡面长度。
上述内容中，坡度阈值可以通过航线采集间隔进行计算。该值主要以最小重叠度作为计算依据，如坡度增加后，较高的位置和旁向上的另一条相邻航线的重叠度会下降。设置最小可接受的旁向重叠度例如60%，可通过公式计算出如果以原始80%重叠度所覆盖的旁向范围即旁向采集间隔，当存在坡度的时候，由于旁向采集间距是依据y轴进行计算的，也就是说是投影距离而非坡面的距离，坡面的距离应该为旁向采集间距L与坡度θ进行三角计算得到的坡面在旁向的长度为，而坡面长度的阈值需满足/>即可，也就是说通过公式变化可计算坡度阈值/>，计算可得该阈值角度约为41.41°。在具体的项目种可能需要全程保持更稳定的重叠度，该阈值会依据更高的最小旁向重叠度，例如70%时依据公式计算坡度阈值应为约28.96°。坡度阈值的计算只用于判断该分割网格是否需要二次分割，如大于坡度阈值则说明需要进行二次分割，但是二次分割怎么分，分多少还是需要用坡面长度的公式计算出坡面长度再和坡面阈值相除后向上取整得到需要二次分割成多少块，再依据后面计算的高程阈值进行二次分割，这个分割可以以等分的形式进行；
当对每一分割网格进行坡度计算后，凡超过坡度阈值的分割网格都需进行再次乃至更多次的分割。二次分割的目的是当分割网格中的采集面的坡度较大时，将采集面再进行分割，这样才能保证坡度较大甚至是垂直面依然可以保证镜头正对采集面且采集的数据完整。该二次分割的方法为高程阈值法。其工作模式为输入分割网格范围内所有的点云模型中点的数据，建立坡度计算窗口计算坡度，如果坡度大于阈值例如说以上示例所计算的坡度阈值41.41°则需要进行二次分割，也就是说针对该分割网格只采集单张影像是不足的情况，需要进行二次分割后对该分割网格进行多位置采集，以保证分割网格中的面采集完整。高程阈值法其实就是依据坡度θ和旁向采样间距L可通过三角公式计算得到该分割面投影的高程阈值，依据这个高程阈值对该分割面的高程覆盖范围（最低高程与最高高程之差）进行二次分割，二次分割后会得到若干小的分割区块，对这些分割区块分别再进行坡度计算后分别计算对应的航点。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，再次分割的方法为平面二分法，即：压平该分割网格内所有点将分割网格内三维布局的点去掉高程数值只保留x，y数值后依据该分割网格质心点作为原点，坡向的矢量方向作为纵轴，与坡向方向顺时针旋转90度作为横轴建立新的分割坐标系，依据横轴将该分割网格内的所有点分割成两个独立的网格并重新提取相应点的绝对高程数据并记录。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，二次分割的方法为高程阈值法，即：建立坡度坡向的计算窗口，计算该分割网格的坡度，统计分割网格中所有点的高程信息，通过去噪处理后计算该网格的高程差值即该分割网格所覆盖的高程范围，将高程范围与计算得到的坡度使用三角计算得到拟合为平面的坡面在坡向方向的长度，再依据计算所得旁向采样间距作为分割单位对坡面长度进行多次分割，即分割的数量为坡面长度除旁向采用间距后向上取整。
本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，也可采用将测区的点云模型的所有点的x，y，z的三维坐标导入进行立体的网格化分割，并计算得到各网格的坡度与坡向。
优选地，前述本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，首先按计算出每个分割网格的坡度，式中L为旁向采集间距，θ为坡度角，当分割网格的坡度小于坡度阈值时则将坡度坡向的计算成果与该采集面的质心点坐标记录到航点预生产文件中，如坡度大于坡度阈值则对该分割网格进行再次分割，如二次分割后所得所有面的坡度仍大于阈值，则继续进行分割直到所有的分割网格符合坡度阈值的要求后再按前述方式处理，所述的坡度阈值为/>。
优选地，本发明的用飞行器对坡体进行近景摄影测量的航线规划方法，二次分割的方法为高程阈值法，即：建立坡度坡向的计算窗口，计算该分割网格的坡度，统计分割网格中所有点的高程信息，通过去噪处理后计算该网格的高程差值即该分割网格所覆盖的高程范围，将高程范围与计算得到的坡度使用三角计算得到拟合为平面的坡面在坡向方向的长度，再依据计算所得旁向采样间距作为分割单位对坡面长度进行多次分割，即分割的数量为坡面长度除旁向采用间距后向上取整。
显然，本发明提供了两种分割方法：
第一种分割方法是只带入了点云模型的x， y平面坐标，这种方法针对的是坡度变化较小的情况，这一分割方法分割出来的网格并没有考虑地表高程起伏对面的影响。二次分割的目的是当分割网格中的采集面的坡度较大时，将采集面再进行分割，这样才能保证坡度较大甚至是垂直面依然可以保证镜头正对采集面且采集的数据完整。其工作模式为输入分割网格范围内所有的点云模型中点的数据，建立坡度计算窗口计算坡度，如果坡度大于阈值例如说41.41°则需要进行二次分割，也就是说针对该分割网格只采集单张影像是不足的情况，需要进行二次分割后对该分割网格进行多位置采集，以保证分割网格中的面采集完整。这一种分割方法是一种不是很普适性而且取巧的办法，但便于容易让人理解，高程阈值法其实就是依据坡度θ和旁向采样间距L可通过三角公式计算得到该分割面投影的高程阈值，依据这个高程阈值对该分割面的高程覆盖范围（最低高程与最高高程之差）进行二次分割，二次分割后会得到若干小的分割区块，对这些分割区块分别再进行坡度计算后分别计算对应的航点；
第一种分割方法中，初始网格分割的时候是只带入了点云模型的x， y平面坐标，并没有带入高程z，进而分割出来的网格并没有考虑地表高程起伏对面的影响，例如说当高程起伏较大也就是说坡度较陡的时候，单个平面分割网格中所对应真实的面会相对与投影到x，y平面坐标中面积会大很多，二次分割的目的是当分割网格中的采集面的坡度较大时，将采集面再进行分割，这样才能保证坡度较大甚至是垂直面依然可以保证镜头正对采集面且采集的数据完整。其工作模式为输入分割网格范围内所有的点云模型中点的数据，建立坡度计算窗口计算坡度，如果坡度大于阈值例如说41.41°则需要进行二次分割也就是说针对该分割网格只采集单张影像是不足的，需要进行二次分割后对该分割网格进行多位置采集以保证分割网格中的面采集完整。
第二种分割方法是针对对于高程起伏较大也就是说坡度较陡的地形，这种情况下单个平面分割网格中所对应真实的面会相对与投影到x，y平面坐标中面积会大很多，此时分割时应引入高程z参数。其具体的做法与前类似。
本发明具体采用的两种分割方法是一种二分法，当然也可使用其它的方法进行分割。虽然二分法是一种不是很普适性而且取巧的办法，并且较容易理解和操作，因此可作为一种优选的方法。另外，高程阈值法其实就是依据坡度θ和旁向采样间距L，再利用三角公式计算，得到该分割面投影的高程阈值，依据这个高程阈值对该分割面的高程覆盖范围（最低高程与最高高程之差）进行二次分割，二次分割后会得到若干小的分割区块，对这些分割区块分别再进行坡度计算后分别计算对应的航点。
本发明方法在对坡体进行近景摄影测量的航线规划上具有明显的优势。众所周知，需要得到最佳的采集效果，在采集的时候采集设备的焦平面应正对测绘面。而传统的针对坡体的影像采集， 并没有考虑坡度和坡向的因素，导致采集的相对距离和重叠度会发生较大的变化，这种变化最后的建模运算是不合理的，会导致最后的模型精度降低以及增加结构表述的误差。对于高程变化较大的位置进行二次分割采集也是本发明的创新点所在。在坡度过大的时候，如不通过计算的方式确定坡面长度并依据坡面长度和旁向采样间距进行分割，很容易导致旁向重叠度的极度下降甚至于单张照片无法覆盖需要采集的坡面部分，其原因在于复杂结构的坡面，会存在较大且离散的坡度变化，传统的方法其一是将坡面投影到水平面上依据设定的航向采样间距、旁向采样间距来计算航点位置；其二是依据坡面与坡向的平均值将整个坡面拟合成一个平面再依据设定的航向采样间距、旁向采样间距来计算航点。传统方法的第二方法对比第一方法存在一定的优势，即是考虑了坡度对旁向采样间距的影响，但是比较本发明的方法，其通过有限的特征点的采集将坡面拟合为一个平面，这个算法针对结构简单的人工修筑边坡是可以适用的，但是应用在结构变化无规律且离散的例如伴随巨大岩石滑坡体、喀斯特地貌的天坑等结构体时，拟合的平面会将很多非常离散的较大高差的结构抹平，这是不利于高精度的采集需求。本发明所提供的方法，完美解决了以上的问题。通过对坡面的网格状分割进行每个采集航点所需要采集的坡面的确定。通过坡面坡向的计算，来设置无人机的采集航点的采集俯仰角与航向角来保证采集的影像正对采集面。通过对每个分割网格的计算判断来确定单张影像采集是否能覆盖采集面，如不能覆盖再依据算法进行若干次的二次分割直到能够在保证采集相对距离、航向旁向重叠度、正对采集面的航向角及俯仰角都可以完整的将该分割网格完全覆盖。
附图说明
图1为本发明工作流程示意框图。图2为 alpha shape算法成果示例图。图3 使用alpha shape算法得到点云文件的外包范围示意图。图4 为依据外包范围建立分割网格的示意图。图5为依据外包范围建立的一次分割网格示意图。图6为一个3X3的窗口示意图。图7为依据分割网格计算采集该网格的航点位置示意图。图8 为坡度较大时采集单张照片无法覆盖整个坡面的示意图。图9 为使用高程阈值法对坡度较大的分割网格的二次分割后采集航点示例图。图10 为针对不同坡度以及通过高程阈值法进行二次分割后的采集航点示例图。图11 为针对不同坡度以及通过高程阈值法进行二次分割后的采集航点示例图。图12为针对单个分割面依据高程阈值法将该分割面依据高程等分为3个二次分割面并分别反算出针对这3个二次分割面的采集航点示意图。
具体实施方式
本发明以下结合实施例进行详细的说明。
实施例1（参考图1）
1、导入被测区域点云模型，依据现有的Concave Hull（凹壳）算法进行点云的外包边缘的查找。参见附图2，图中的点为导入的点云文件所展示的坐标点，而多边形边界线为使用凹壳算法得到的点云的外包边缘。
针对图中部分区域的点云数据通过Concave Hull算法获得的外包边缘，见附图3。
2、输入预期分辨率GSD，采集设备的系统参数包括传感器分辨率（传感器分辨率包括传感器横向像素数量和传感器纵向像素数量/>）、像元尺寸a、镜头焦距f，依据公式可计算相对距离/>。
3、输入预期采样重叠度百分数，后依据公式/>可计算出航向采集的间隔距离即航向采集间距，依据公式/>可计算出旁向采集的间隔距离，在高精度建模场景中一般需要较高的重叠度，在实际应用中默认将重叠度设置在80%。
4、查找测区点云模型的左下角的点作为坐标原点，以大地投影坐标的东向作为横轴，北方向作为纵轴建立坐标系。以航向采集间距作为采样的长度单位延横坐标从原点开始进行标记至点云外包范围的最东侧，同理以旁向采集间距延纵坐标从原点开始进行标记至点云外包范围的最北侧，以平行与横纵坐标轴的线连接在测区点云模型的外包范围内所有的标记完成对整个外包区域的网格化分割。经网格化分割后的结果见附图4与附图5。
5、更优选的是在网格化分割之前先对坡向进行计算后依据坡向的矢量方向作为纵轴，顺时针旋转90度为横轴重建坐标系对分割网格进行偏转后获得更优化的网格化分割方案。
6、提取每个分割网格所包含的点云数据依据公式计算该网格的坡度和坡向。坡度计算一般采用拟合曲面法。拟合曲面一般采用二次曲面，即建立3×3的计算窗口，依据公式对坡度和坡向进行计算。参见附图6。
图6中每个窗口的中心为一个高程点，如图6所示中心点e的坡度和坡向的计算公式如下：，/>。其中：/>为坡度，/>为坡向，/>为X方向的坡度，/>为Y方向的坡度。关于/>、/>的计算方法可采用但不限于以下的公式进行计算：/>、。上式中的/>为窗口之间的单位长度。在使用点云模型进行运算时需以分割网格的几何中心点作为窗口中心，以旁向采样间距的1/3作为/>将分割面切分成一个3×3的窗口，统计每个窗口所包含的点的平均高程值而得到每个窗口的高程值。
7、当该分割网格的坡度小于预设的坡度阈值时（该阈值依据最后成果的相对精度要求进行设定，一般设置为41.41）计算该网格的算术中心点，以该中心点作为计算采集该分割网格的航点计算参考，依据该中心点作为坐标系的原点，坡向的矢量方向为纵轴，垂直于坡度角为竖轴建立空间直角坐标系，依据在步骤2中计算的相对采样距离作为竖轴上航点与原点间的距离经过三角计算推算出航点在大地坐标系中的空间位置参数。由此得到的简单坡体的航点推算示例参见附图7。
8、当分割网格的坡度大于预设的坡度阈值时，针对该坡面只采集一张影像会无法覆盖到整个面，如图8所示。这时需将分割网格进行二次分割。分割方法以平面二分法作为示例进行说明。平面二分法的分割成果如图9所示。其具体的做法是：首先提取坡面所有点的高程，经过去噪处理后，计算该分割面内最高高程和最低高程的差值，求得其中点位置的高程值，将低于该高程值和高于该高程值的点分别提取出来形成2个子点云集合，对着两个子点云集合分别建立计算窗口进行坡度坡向的计算，并依据在步骤2中计算的相对采样距离作为竖轴上航点与原点间的距离经过三角计算推算出航点在大地坐标系中的空间位置参数。
用高程阈值法进行二次分割，使用高程阈值法可更好的处理更为陡峭的甚至与地面夹角大于90°的结构体且保持足够稳定的旁向重叠度和更正对测绘面的采集俯仰角，在此不再累述。
9、将所有生成的采集航点顺序连接或更优化的是通过最短路径算法连接所有的航点形成航线。图10所示为一个复杂坡体的其中一个剖面的最终航点成果示意图。
由图10可以看出，从左至右的4块分割网格的坡度值是小于阈值的，无需进行二次分割，而第5块分割网格的坡度值大于阈值并进行了平面二分法的分割操作。所有的采集航点上 相机本身的纵轴方向始终是延坡向方向而采集的俯仰角始终与坡面垂直且保持一致的相对距离，由此可达到再整个采集任务中，所有采集的影像都是正对需要采集的分割网格中的坡面且相对距离保持恒定，这是摄影测量中最佳的采集角度。无论坡面的走向是连续多角度上升抑或是下降，都可以计算出针对每个分割网格中的坡面的最佳采集角度且保证足够的重叠度。对于陡坡面的进行二次分割后的分别采集更能够完全避免由于高程的极大的离散上升或下降导致无法采集或者采集重叠度不足的情况。
图11为使用本发明方法的45°斜视模型，可以很直观的展示再采集过程中依据坡面的坡度和坡向对采集航点与采集俯仰角的适应性调整的效果。
该方法彻底避免了由于特殊的坡体结构导致以传统正射或倾斜的采集方式造成的无法精确控制相对距离和采集角度，导致影像数据漏采、偏采和采集重叠度过低的问题。
实施例2
以下对二次分割的高程阈值法进行实施例说明：
本实施例假定经分割后的网格通过坡度计算大于坡度阈值，在实施高程阈值法的二次分割包含如下步骤：
1、统计该分割网格的所有点的高程，通过冒泡排序法可得到最大高程Hmax与最小高程Hmin，可计算出高程差值Hdiff＝Hmax-Hmin；
2、假设之前计算出的该分割网格的坡度为，旁向采样间距为/>，可依据公式计算出高程阈值/>计算出高程阈值为0.84m，假设Hdiff＝2.1m则依据公式分割数量/>为2.5，经向上取整后可得二次分割数量为3。
3、依据计算的二次分割数量可将分割网格的点云依据高程均分为3个子集，每个子集覆盖的高程范围依据可得到高程分割常数为0.7m即第一分割区域的高程范围为Hmin～Hmin+0.7，第二分割区域的高程范围为Hmin+0.7～Hmin+1.4，第三分割区域的高程为Hmin+1.4～Hmax；
依据上述生产的3个二次分割区域分别计算出相对应的航点，参见图12所示。

Claims (10)

1.一种用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于：首先导入被测区域点云模型，这里所述的点云模型是任一种由固定采样距离的点构成的模型，即每个点都对应真实的地理坐标和高程，或是DSM或DEM的高程网格、实景模型，或是等高线模型及同时包含地理坐标和高程数据的任一种模型，再根据导入的被测区域点云模型得到被测区域的三维边界，输入预先确定的分辨率GSD和包括传感器分辨率、像元尺寸a及镜头焦距f的图像采集设备系统参数，以及预期采样重叠度百分数，其中，传感器分辨率包括传感器横向像素数量/>和传感器纵向像素数量/>，依据公式/>得到相对距离L相对；依据公式/>得到航向采集的L H间隔距离，即航向采集间距，依据公式/>得到出旁向采集的间隔距离L W，即旁向采集间距，选取查找测区点云模型中的某一确定点为坐标原点，建立笛氏坐标系，以航向采集间距作为采样的长度单位延横坐标从原点向两侧延伸进行标记至点云外包的横向边缘；同理以旁向采集间距延纵坐标从原点向两侧延伸进行标记至点云外包的纵向边缘；以平行与横纵坐标轴的线连接在测区点云模型的外包范围内对所有的标记完成对整个外包区域的网格化分割，提取每个分割网格所包含的点云数据，依据公式/>和来计算出坡向Slope和坡度Aspcet，根据所得到的坡度和坡向设定飞行器的飞行参数；
其中：为坡度，/>为坡向，/>为X方向的坡度，/>为Y方向的坡度；、/>；上式中的/>为窗口之间的单位长度；在使用点云模型进行运算时需以分割网格的几何中心点作为窗口中心，以旁向采样间距的1/3作为/>将分割面切分成一个3×3的窗口，统计每个窗口所包含的点的平均高程值而得到每个窗口的高程值；
依据航向采样间距、旁向采样间距对获取的三维边界进行网格化分割，其分割方法使用边界多边形平面的x，y坐标进行网格化分割，并计算得到各网格的坡度与坡向；
依据坡面长度公式计算出每个分割网格的坡度长度，式中L为旁向采集间距，θ为坡度角，当分割网格的坡面长度小于坡度阈值时则将坡度坡向的计算成果与该采集面的质心点坐标记录到航点预生产文件中，如该分割网格的坡面长度大于坡度阈值则对该分割网格进行再次分割，如二次分割后所得所有面的坡面长度仍大于阈值，则继续进行分割直到所有的分割网格符合坡面长度阈值的要求后再将坡度坡向的计算成果与该采集面的质心点坐标记录到航点预生产文件中，所述的坡度阈值为/>,该阈值可依据采集的需求进行调整。
2.根据权利要求1所述的用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于导入的点云模型依据项目需求进行包含但不限于去噪、抽稀、平差、滤波、压平、拟合预处理。
3.根据权利要求2所述用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于以测区点云模型的左下角的点作为坐标原点，以大地投影坐标的东向作为笛氏系的横轴，北方向作为笛氏系的纵轴；以航向采集间距作为采样的长度单位延横坐标从原点开始进行标记至点云外包范围的最东侧，同理以旁向采集间距延纵坐标从原点开始进行标记至点云外包范围的最北侧，以平行与横纵坐标轴的线连接在测区点云模型的外包范围内所有的标记完成对整个外包区域的网格化分割。
4.根据权利要求3所述的用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于对点云模型进行的三维边界提取，应用计算包围体的算法提取获取边界的包围体，并由包围体的边界坐标的集合得到测区的三维边界多边形。
5.根据权利要求4所述的用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于计算包围体算法采用凹壳算法或凸壳算法。
6.根据权利要求5所述的用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于二次分割的方法为平面二分法，即：压平该分割网格内所有点将分割网格内三维布局的点去掉高程数值只保留x，y数值后依据该分割网格质心点作为原点，坡向的矢量方向作为纵轴，与坡向方向顺时针旋转90度作为横轴建立新的分割坐标系，依据横轴将该分割网格内的所有点分割成两个独立的网格并重新提取相应点的绝对高程数据并记录。
7.根据权利要求6所述的用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于二次分割的方法为高程阈值法，即：建立坡度坡向的计算窗口，计算该分割网格的坡度，统计分割网格中所有点的高程信息，通过去噪处理后计算该网格的高程差值即该分割网格所覆盖的高程范围，将高程范围与计算得到的坡度使用三角计算得到拟合为平面的坡面在坡向方向的长度，再依据计算所得旁向采样间距作为分割单位对坡面长度进行多次分割，即分割的数量为坡面长度除旁向采用间距后向上取整。
8.根据权利要求1至3所述的用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于将测区的点云模型的所有点的x，y，z的三维坐标导入进行立体的网格化分割，并计算得到各网格的坡面长度与坡向。
9.根据权利要求6所述的用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于首先按计算出每个分割网格的坡度，式中L为旁向采集间距，θ为坡度角，当分割网格的坡度小于坡度阈值时则将坡度坡向的计算成果与该采集面的质心点坐标记录到航点预生产文件中，如坡度大于坡度阈值则对该分割网格进行再次分割，如二次分割后所得所有面的坡度仍大于阈值，则继续进行分割直到所有的分割网格符合坡度阈值的要求后再将坡度坡向的计算成果与该采集面的质心点坐标记录到航点预生产文件中，所述的坡度阈值为/>。
10.根据权利要求9所述的用飞行器对坡体进行近景摄影测量的航线规划方法，其特征在于二次分割的方法为高程阈值法，即：建立坡度坡向的计算窗口，计算该分割网格的坡度，统计分割网格中所有点的高程信息，通过去噪处理后计算该网格的高程差值即该分割网格所覆盖的高程范围，将高程范围与计算得到的坡度使用三角计算得到拟合为平面的坡面在坡向方向的长度，再依据计算所得旁向采样间距作为分割单位对坡面长度进行多次分割，即分割的数量为坡面长度除旁向采用间距后向上取整。
CN202010416660.3A 2020-05-18 2020-05-18 用飞行器对坡体进行近景摄影测量的航线规划方法 Active CN112308907B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010416660.3A CN112308907B (zh) 2020-05-18 2020-05-18 用飞行器对坡体进行近景摄影测量的航线规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010416660.3A CN112308907B (zh) 2020-05-18 2020-05-18 用飞行器对坡体进行近景摄影测量的航线规划方法

Publications (2)

Publication Number Publication Date
CN112308907A CN112308907A (zh) 2021-02-02
CN112308907B true CN112308907B (zh) 2024-05-24

Family

ID=74336476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010416660.3A Active CN112308907B (zh) 2020-05-18 2020-05-18 用飞行器对坡体进行近景摄影测量的航线规划方法

Country Status (1)

Country Link
CN (1) CN112308907B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114577191B (zh) * 2022-05-06 2022-07-12 成都纵横通达信息工程有限公司 基于地理空间信息数据的测绘数据采集方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100949788B1 (ko) * 2009-11-06 2010-03-30 주식회사 범아엔지니어링 항공레이저 측량 자료의 품질검사 방법
WO2011070927A1 (ja) * 2009-12-11 2011-06-16 株式会社トプコン 点群データ処理装置、点群データ処理方法、および点群データ処理プログラム
RU2014134358A (ru) * 2014-08-21 2016-03-20 Федеральное государственное бюджетное учреждение "ВЫСОКОГОРНЫЙ ГЕОФИЗИЧЕСКИЙ ИНСТИТУТ" (ФГБУ ВГИ) Способ идентификации конвективных ячеек в облаках
CN110111414A (zh) * 2019-04-10 2019-08-09 北京建筑大学 一种基于三维激光点云的正射影像生成方法
CN110398246A (zh) * 2019-07-15 2019-11-01 西安长庆科技工程有限责任公司 基于沙漠地区无人机航拍影像自动生成线划图的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100949788B1 (ko) * 2009-11-06 2010-03-30 주식회사 범아엔지니어링 항공레이저 측량 자료의 품질검사 방법
WO2011070927A1 (ja) * 2009-12-11 2011-06-16 株式会社トプコン 点群データ処理装置、点群データ処理方法、および点群データ処理プログラム
RU2014134358A (ru) * 2014-08-21 2016-03-20 Федеральное государственное бюджетное учреждение "ВЫСОКОГОРНЫЙ ГЕОФИЗИЧЕСКИЙ ИНСТИТУТ" (ФГБУ ВГИ) Способ идентификации конвективных ячеек в облаках
CN110111414A (zh) * 2019-04-10 2019-08-09 北京建筑大学 一种基于三维激光点云的正射影像生成方法
CN110398246A (zh) * 2019-07-15 2019-11-01 西安长庆科技工程有限责任公司 基于沙漠地区无人机航拍影像自动生成线划图的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
单机倾斜摄影方式的无人机航线设计;魏铼;胡卓玮;陈天博;胡顺强;陈诚;赵文吉;;测绘科学;20180124(第06期);第147-155页 *
基于特征融合的林下环境点云分割;樊丽;刘晋浩;黄青青;;北京林业大学学报;20160524(第05期);第133-138页 *

Also Published As

Publication number Publication date
CN112308907A (zh) 2021-02-02

Similar Documents

Publication Publication Date Title
CN105844629B (zh) 一种大场景城市建筑物立面点云自动分割方法
CN102506824B (zh) 一种城市低空无人机系统生成数字正射影像图的方法
CN111444872B (zh) 一种丹霞地貌参数测量方法
US20090154793A1 (en) Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors
CN109255808B (zh) 基于倾斜影像的建筑物纹理提取方法和装置
CN111649723B (zh) 面向复杂地形的贴近摄影三维航迹与姿态规划方法及装置
ITMI20090941A1 (it) Metodo di restituzione fotogrammetrica assistita da nuvola di punti e relativo apparato.
CN111044018A (zh) 一种对立面进行航空摄影测量航线规划的方法
CN111540052B (zh) 一种铁路沿线危岩落石的快速定位及三维重建方法
KR101549155B1 (ko) 라이다 자료를 활용한 구조물의 직선경계 추출방법
CN114877838B (zh) 一种基于车载激光扫描系统的道路几何特征检测方法
CN109146990B (zh) 一种建筑轮廓的计算方法
CN111426303A (zh) 一种岩溶坡立谷参数测量方法
Cefalu et al. Image based 3D Reconstruction in Cultural Heritage Preservation.
CN112308907B (zh) 用飞行器对坡体进行近景摄影测量的航线规划方法
KR101078238B1 (ko) 항공 레이저 측량의 점군 집합을 활용한 하천 지역 내 3차원 인공 제방선 추출 방법
CN111006645A (zh) 基于运动与结构重建的无人机测绘方法
US20240005599A1 (en) Data normalization of aerial images
CN112254713B (zh) 一种面向高大密集建筑群的无人机倾斜摄影参数确定方法
CN113744393B (zh) 一种多层级边坡滑坡变化监测方法
CN115900655A (zh) 一种巡检航线规划方法
Gonçalves et al. Planar projection of mobile laser scanning data in tunnels
CN116385686B (zh) 基于不规则倾斜摄影的实景三维模型重建方法及系统
CN105737802B (zh) 基于体感摄影技术的堆积剖面空间结构信息分析方法
Lim et al. Topographic Survey and Modelling Using Photogrammetry: A Comparison against Electronic Distance Measurement (EDM) Method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230413

Address after: Room 626, Huajian building, No. 148, Xinhua Road, Dachang street, Jiangbei new area, Nanjing, Jiangsu 210000

Applicant after: Nanjing Weibo Intelligent Control Technology Co.,Ltd.

Address before: 610000 31-1503, phase 3, Vanke charming city, Wanke Road, outside the east 5 section of East Third Ring Road, Chenghua District, Chengdu City, Sichuan Province

Applicant before: Wang Feng

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant