CN112396699A - 一种基于无人机影像进行地块自动勾画的方法 - Google Patents

一种基于无人机影像进行地块自动勾画的方法 Download PDF

Info

Publication number
CN112396699A
CN112396699A CN202011376013.0A CN202011376013A CN112396699A CN 112396699 A CN112396699 A CN 112396699A CN 202011376013 A CN202011376013 A CN 202011376013A CN 112396699 A CN112396699 A CN 112396699A
Authority
CN
China
Prior art keywords
image data
point cloud
data
splicing
data set
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.)
Pending
Application number
CN202011376013.0A
Other languages
English (en)
Inventor
顾建宇
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.)
Changzhou Xingtu Surveying Technology Co ltd
Original Assignee
Changzhou Xingtu Surveying 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 Changzhou Xingtu Surveying Technology Co ltd filed Critical Changzhou Xingtu Surveying Technology Co ltd
Priority to CN202011376013.0A priority Critical patent/CN112396699A/zh
Publication of CN112396699A publication Critical patent/CN112396699A/zh
Pending legal-status Critical Current

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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Remote Sensing (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于无人机影像进行地块自动勾画的方法，基于设定的测绘路径，利用无人机获取所述测绘路径下的所有的地形数据，其中，所述地形数据包括图像数据集和对应的点云数据集；基于设定的拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正；利用插值法对所述点云数据集生成高斯模型，并对所述高斯模型的高斯曲面进行拟合后进行聚类，得到对应的高度数据；将校正后所述影像数据和所述点云数据集进行映射，并以点云渲染的方式，结合所述高度数据生成三维点云模型，以及根据地形边界线勾画出对应的地块。

Description

一种基于无人机影像进行地块自动勾画的方法
技术领域
本发明涉及测绘技术领域，尤其涉及一种基于无人机影像进行地块自动勾画的方法。
背景技术
现有的地块标记方法多采用人工标记的方式，即标记时的地块标记数据需要人工测量采集，然后将采集到的数据进行汇总，最终上传至系统中进行显示。这些人工采集到的标记数据通常是现场勘测得到的地块面积，过程较为繁琐，且十分浪费时间和资源，并且采集的效率还很低。
发明内容
本发明的目的在于提供一种基于无人机影像进行地块自动勾画的方法，提高对地块数据的采集效率。
为实现上述目的，本发明提供了一种基于无人机影像进行地块自动勾画的方法，包括以下步骤：
基于设定的测绘路径，利用无人机获取所述测绘路径下的所有的地形数据，其中，所述地形数据包括图像数据集和对应的点云数据集；
基于设定的拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正；
利用插值法对所述点云数据集生成高斯模型，并对所述高斯模型的高斯曲面进行拟合后进行聚类，得到对应的高度数据；
将校正后所述影像数据和所述点云数据集进行映射，并以点云渲染的方式，结合所述高度数据生成三维点云模型，以及根据地形边界线勾画出对应的地块。
其中，基于设定的拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正，包括：
将所述图像数据集中的所有图像数据按照获取时间的先后顺序进行排序；
对所有的所述图像数据进行特征提取，并输入卷积神经中进行训练，得到多个相邻时间点的多张所述图像数据之间的重合特征；
将所述重合特征作为拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正。
其中，将所述重合特征作为拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正，包括：
按照所述获取时间的先后顺序，将多个所述拼接点进行排序；
基于每一个所述获取时间对应的多张所述图像数据，根据所述拼接点进行拼接，得到单点拼接图像。
其中，基于每一个所述获取时间对应的多张所述图像数据，根据所述拼接点进行拼接，得到单点拼接图像之后，所述方法还包括：
根据所有的所述拼接点的排序，将所有的所述单点拼接图像进行拼接，得到对应的影像数据，以及对所述影像数据进行校正。
其中，利用插值法对所述点云数据集生成高斯模型，并对所述高斯模型的高斯曲面进行拟合后进行聚类，得到对应的高度数据，包括：
对所述点云数据集进行划分，利用插值法和形态学开运算进行计算后，并利用高斯滤波进行平滑处理后，得到高斯模型；
通过设定窗口识别所述高斯模型的局部阈值点，并利用最速下降法对所述高斯模型的参数进行计算，得到对应的高度数据。
其中，将校正后所述影像数据和所述点云数据集进行映射，并以点云渲染的方式，结合所述高度数据生成三维点云模型，以及根据地形边界线勾画出对应的地块，包括：
根据所述获取时间，将校正后的所述影像数据与所述点云数据集相互配准映射；
以点云渲染的方式，并结合所述高度数据，将得到的点云影像数据转换成三维点云模型，并根据地形边界线勾画出对应的地块。
本发明的一种基于无人机影像进行地块自动勾画的方法，基于设定的测绘路径，利用无人机获取所述测绘路径下的所有的地形数据，其中，所述地形数据包括图像数据集和对应的点云数据集；基于设定的拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正；利用插值法对所述点云数据集生成高斯模型，并对所述高斯模型的高斯曲面进行拟合后进行聚类，得到对应的高度数据；将校正后所述影像数据和所述点云数据集进行映射，并以点云渲染的方式，结合所述高度数据生成三维点云模型，以及根据地形边界线勾画出对应的地块。
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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的一种基于无人机影像进行地块自动勾画的方法的步骤示意图。
图2是本发明第二实施例提供的一种基于无人机影像进行地块自动勾画的方法的步骤示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请参阅图1，本发明第一实施例提供一种基于无人机影像进行地块自动勾画的方法，包括以下步骤：
S101、基于设定的测绘路径，利用无人机获取所述测绘路径下的所有的地形数据，其中，所述地形数据包括图像数据集和对应的点云数据集。
具体的，当得到设定的测绘路径后，控制无人机按照所述测绘路径进行测量和数据采集，所述无人机包括固定翼无人机、无人直升机和多旋翼无人机，而所述无人机上会搭载激光扫描设备和摄像机，其中，所述激光扫描设备和所述摄像机在进行数据采集前，需要进行时钟同步，使两者在相同时间下，同步进行数据采集过程，这样就能保证在无人机的同一个位置下，进行相同角度、相同高度和相同时间以及相同的环境下进行数据的采集，可以有效的减少外部环境造成的初始数据的测量误差，能够减少后期的地块划分的误差，而得到的地形数据包括多个图像数据和点云数据，分别将所述图像数据和所述点云数据进行汇总归纳，得到对应的图像数据集和所述点云数据集；当所述无人机上的所述摄像机和所述激光扫描设备采集到数据后，利用无线网络，将采集到的数据实时传输至本地计算机或者数据处理设备中，而所述摄像机在采集时，可以拍摄多张照片，也可以采用多个摄像机在不同角度下进行图像数据的采集，这样可以增加数据的丰富性，也可以避免因为数据采集的数量较少，导致无法进行地块区分，然后再次进行数据采集过程，造成时间和资源的浪费，也可提高效率。
S102、基于设定的拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正。
具体的，当本地数据处理设备接收到所述图像数据集后，将所述图像数据集中的所有图像数据按照获取时间的先后顺序进行排序，这样可以对每一组数据进行区分和排列，并且减少数据的分类时间，也便于与所述测绘路径进行重合验证；然后对所有的所述图像数据进行特征提取，其中，所述特征提取的详细方法为：将排序后的每组所述图像数据进行滤波去噪，然后在每组所述图像数据的内部中进行特征提取，得到初始特征，然后将所有的初始特征按照时间顺序输入卷积神经中进行训练，得到多个相邻时间点的多张所述图像数据之间的重合特征；其中，所述重合特征为相邻两个初始特征之间的衔接点或者重合点，将所述重合特征作为拼接点，按照所述获取时间的先后顺序，将多个所述拼接点进行排序，对所述图像数据集中的所有图像数据进行拼接，首先，按照所述初始特征，对每组包含的所有所述图像数据进行拼接，得到单点拼接图像；然后根据所有的所述拼接点的排序，将所有的所述单点拼接图像进行拼接，得到对应的影像数据，即能够得到按照所述测绘路径下的图像信息，进而可以得到一组完整的影像数据。还可以将拼接的顺序倒换过来，即先按照所述测绘路径，先按照拼接点的顺序，将多组所述图像数据依次根据对应的拼接点进行拼接，然后再按照所述初始特征，对每组所述图像数据进行拼接，同样也能得到一组完整的影像数据。
然后对所述影像数据进行校正，由于在拍摄所述图像数据时，会存在车辆、行人、路灯等干扰数据，因此需要将所述图像数据中的所有的干扰数据进行清理，同时对应清理所述点云数据集中对应的点云数据。并且还要对形成的所述影像数据进行检查，判断是否有盲区，即没有扫描到或者拍摄到的地方，对于盲区这种不可避免的偏差，则需要进行第二次的数据采集，然后对盲区进行数据填补，使测绘的数据尽量完善，影响结果。
S103、利用插值法对所述点云数据集生成高斯模型，并对所述高斯模型的高斯曲面进行拟合后进行聚类，得到对应的高度数据。
具体的，首先对所述点云数据集进行划分，分为非地面点和地面点，分别进行插值运算，得到数字地面模型(DSM)和数字高程模型(DEM)，两者作差值运算求得CHM；由于原始的CHM中存在黑色或灰色的“孔”洞，进而影响采集对象顶点的探测。对CHM模型表面进行形态学“开”运算，将CHM模型中的“孔”洞替换为指定范围或者邻域内点云高度最大值点(高度阈值)，形成CMM模型；运用高斯滤波方法对CMM模型进行线性平滑处理得到高斯模型。
然后，利用局部最大值法和最速下降法对高斯曲面进行拟合，得到对应的采集对象的位置及初步地块范围，固定窗口能准确地识别采集对象顶点，通过实验分析选用大小5×5的设定窗口可以找到高斯模型局部最大值点，使用高斯模型可消除伪局部最大值，减少采集对象识别中错误检测；然后利用最速下降法对高斯模型的参数进行计算。基于混合高斯模型的最小二维欧式距离聚类是将高程归一化点云进行距离迭代判断，划分临近点云归属情况，实现三维物体的准确分割。
S104、将校正后所述影像数据和所述点云数据集进行映射，并以点云渲染的方式，结合所述高度数据生成三维点云模型，以及根据地形边界线勾画出对应的地块。
具体的，根据所述获取时间，将校正后的所述影像数据与所述点云数据集相互配准映射；即根据所述获取时间，将相同时间下的所述影像数据和所述点云数据集中对应时刻下的点云数据进行配准映射，建立时间联系，得到影像点云数据，然后以点云渲染的方式，进行地物要素判读并采集得到点状、线状以及面状的地物要素，以全景影像的方式进行地物要素判读并采集得到全景影像上的地形图，利用三维点云模型中的点状、线状以及面状的地物要素勾画出建筑物水平截面的轮廓线；结合所述高度数据而将轮廓线拉伸从而构成建筑物模型；对影像数据进行纹理提取形成纹理贴图数据，利用纹理贴图数据对所建立的建筑物模型进行对应的纹理贴图处理，在三维模型中显示与其对应的贴图纹理，从而形成了三维模型，最后根据地形边界线即所述轮廓线勾画出对应的地块，并导入BIM软件系统中进行展示，同时还能根据获取的用户的输入数据，进行对应的地块展示，然后将得到的三维模型和勾画出的对应的地块进行保存，便于后续的查找与显示更新。直接利用了无人机获得的地形数据，节省了人工描绘、修补和地形参数的测量获取等操作，建模效率高，为建筑师了解和调查地块现状的有力保障。
请参阅图2，本发明第二实施例提供一种基于无人机影像进行地块自动勾画的方法，包括以下步骤：
S201、根据测绘范围，规划出无人机的测绘路径和多个拍摄点。
具体的，首先根据具体的测绘要求，确定对应的需要进行测绘的范围，然后根据测绘范围，规划出无人机的测绘路径，所述测绘路径最好是不重复，不交差，且能将测绘范围进行全部覆盖，并在所述测绘路径上设定多个拍摄点，所有的所述拍摄点覆盖的范围汇集起来，就是整个所述测绘范围，并且对所述拍摄点进行点位和标号，便于后期手机采集数据时，进行排序和分类。并且所述无人机上带有定位系统，便于实时掌握无人机的位置。
S202-S205的具体实时方式中描述的内容与本发明第一实施例中的S101-S104的具体实施方式中所描述的内容相同，此处不在赘述。
本发明的一种基于无人机影像进行地块自动勾画的方法，基于设定的测绘路径，利用无人机获取所述测绘路径下的所有的地形数据，其中，所述地形数据包括图像数据集和对应的点云数据集；基于设定的拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正；利用插值法对所述点云数据集生成高斯模型，并对所述高斯模型的高斯曲面进行拟合后进行聚类，得到对应的高度数据；将校正后所述影像数据和所述点云数据集进行映射，并以点云渲染的方式，结合所述高度数据生成三维点云模型，以及根据地形边界线勾画出对应的地块。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (6)

1.一种基于无人机影像进行地块自动勾画的方法，其特征在于，包括以下步骤：
基于设定的测绘路径，利用无人机获取所述测绘路径下的所有的地形数据，其中，所述地形数据包括图像数据集和对应的点云数据集；
基于设定的拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正；
利用插值法对所述点云数据集生成高斯模型，并对所述高斯模型的高斯曲面进行拟合后进行聚类，得到对应的高度数据；
将校正后所述影像数据和所述点云数据集进行映射，并以点云渲染的方式，结合所述高度数据生成三维点云模型，以及根据地形边界线勾画出对应的地块。
2.如权利要求1所述的一种基于无人机影像进行地块自动勾画的方法，其特征在于，基于设定的拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正，包括：
将所述图像数据集中的所有图像数据按照获取时间的先后顺序进行排序；
对所有的所述图像数据进行特征提取，并输入卷积神经中进行训练，得到多个相邻时间点的多张所述图像数据之间的重合特征；
将所述重合特征作为拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正。
3.如权利要求2所述的一种基于无人机影像进行地块自动勾画的方法，其特征在于，将所述重合特征作为拼接点，对所述图像数据集中的所有图像数据进行拼接，并对拼接后得到的影像数据进行校正，包括：
按照所述获取时间的先后顺序，将多个所述拼接点进行排序；
基于每一个所述获取时间对应的多张所述图像数据，根据所述拼接点进行拼接，得到单点拼接图像。
4.如权利要求3所述的一种基于无人机影像进行地块自动勾画的方法，其特征在于，基于每一个所述获取时间对应的多张所述图像数据，根据所述拼接点进行拼接，得到单点拼接图像之后，所述方法还包括：
根据所有的所述拼接点的排序，将所有的所述单点拼接图像进行拼接，得到对应的影像数据，以及对所述影像数据进行校正。
5.如权利要求1所述的一种基于无人机影像进行地块自动勾画的方法，其特征在于，利用插值法对所述点云数据集生成高斯模型，并对所述高斯模型的高斯曲面进行拟合后进行聚类，得到对应的高度数据，包括：
对所述点云数据集进行划分，利用插值法和形态学开运算进行计算后，并利用高斯滤波进行平滑处理后，得到高斯模型；
通过设定窗口识别所述高斯模型的局部阈值点，并利用最速下降法对所述高斯模型的参数进行计算，得到对应的高度数据。
6.如权利要求1所述的一种基于无人机影像进行地块自动勾画的方法，其特征在于，将校正后所述影像数据和所述点云数据集进行映射，并以点云渲染的方式，结合所述高度数据生成三维点云模型，以及根据地形边界线勾画出对应的地块，包括：
根据所述获取时间，将校正后的所述影像数据与所述点云数据集相互配准映射；
以点云渲染的方式，并结合所述高度数据，将得到的点云影像数据转换成三维点云模型，并根据地形边界线勾画出对应的地块。
CN202011376013.0A 2020-11-30 2020-11-30 一种基于无人机影像进行地块自动勾画的方法 Pending CN112396699A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011376013.0A CN112396699A (zh) 2020-11-30 2020-11-30 一种基于无人机影像进行地块自动勾画的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011376013.0A CN112396699A (zh) 2020-11-30 2020-11-30 一种基于无人机影像进行地块自动勾画的方法

Publications (1)

Publication Number Publication Date
CN112396699A true CN112396699A (zh) 2021-02-23

Family

ID=74605642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011376013.0A Pending CN112396699A (zh) 2020-11-30 2020-11-30 一种基于无人机影像进行地块自动勾画的方法

Country Status (1)

Country Link
CN (1) CN112396699A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393541A (zh) * 2021-06-17 2021-09-14 北京博创联动科技有限公司 一种地块面积计算方法、装置、计算机终端及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006099497A (ja) * 2004-09-30 2006-04-13 Seiko Epson Corp パノラマ画像の合成
CN108090957A (zh) * 2017-11-21 2018-05-29 中国建筑第八工程局有限公司 基于bim的测绘地形的方法
KR20180131932A (ko) * 2017-06-01 2018-12-11 충남대학교산학협력단 드론과 공간정보를 이용한 하천지형정보 생성 방법
WO2020103110A1 (zh) * 2018-11-22 2020-05-28 深圳市大疆创新科技有限公司 一种基于点云地图的图像边界获取方法、设备及飞行器
CN111536946A (zh) * 2020-05-22 2020-08-14 江苏普莱宁城市规划设计有限公司 一种城镇布局规划地形测绘方法
CN112150479A (zh) * 2020-09-03 2020-12-29 江苏东晟辉科技开发有限公司 基于高斯聚类的单木分割及树高和冠幅的提取方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006099497A (ja) * 2004-09-30 2006-04-13 Seiko Epson Corp パノラマ画像の合成
KR20180131932A (ko) * 2017-06-01 2018-12-11 충남대학교산학협력단 드론과 공간정보를 이용한 하천지형정보 생성 방법
CN108090957A (zh) * 2017-11-21 2018-05-29 中国建筑第八工程局有限公司 基于bim的测绘地形的方法
WO2020103110A1 (zh) * 2018-11-22 2020-05-28 深圳市大疆创新科技有限公司 一种基于点云地图的图像边界获取方法、设备及飞行器
CN111536946A (zh) * 2020-05-22 2020-08-14 江苏普莱宁城市规划设计有限公司 一种城镇布局规划地形测绘方法
CN112150479A (zh) * 2020-09-03 2020-12-29 江苏东晟辉科技开发有限公司 基于高斯聚类的单木分割及树高和冠幅的提取方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
何凯 等: "基于高斯曲面拟合的影像渐晕复原方法", 电子学报, no. 01, 15 January 2009 (2009-01-15), pages 67 - 71 *
刘银阳: "基于卷积神经网络的图像匹配算法研究", 中国优秀硕士学位论文全文数据库（电子期刊）, 15 March 2020 (2020-03-15), pages 138 - 1389 *
李峰 等: "改进坡度的LiDAR点云形态学滤波算法", 大地测量与地球动力学, vol. 32, no. 05, 15 October 2012 (2012-10-15), pages 128 - 132 *
李思潼: "基于局部特征提取的图像拼接系统", 电子世界, no. 14, 23 July 2018 (2018-07-23), pages 46 - 47 *
王枭: "无人机光学遥感图像配准方法研究", 中国优秀硕士学位论文全文数据库（电子期刊）, 15 July 2020 (2020-07-15), pages 028 - 79 *
王欣;陈传法;: "LiDAR森林冠层高度模型凹坑去除方法", 测绘科学, no. 12, 20 December 2016 (2016-12-20), pages 157 - 161 *
王濮: "基于机载LiDAR的森林单木识别研究", 中国优秀硕士学位论文全文数据库（电子期刊）, 15 February 2019 (2019-02-15), pages 136 - 1204 *
王轶夫 等: "机载LIDAR数据的树高识别算法与应用分析", 地球信息科学学报, vol. 16, no. 06, 17 October 2014 (2014-10-17), pages 958 - 964 *
赵映: "面向遥感图像的拼接技术研究", 中国优秀硕士学位论文全文数据库（电子期刊）, 15 February 2019 (2019-02-15), pages 140 - 1153 *
韩天庆: "结合SURF和分水岭分割的遥感影像镶嵌线提取", 中国优秀硕士学位论文全文数据库（电子期刊）, 15 February 2015 (2015-02-15), pages 008 - 211 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393541A (zh) * 2021-06-17 2021-09-14 北京博创联动科技有限公司 一种地块面积计算方法、装置、计算机终端及存储介质
CN113393541B (zh) * 2021-06-17 2022-02-15 北京博创联动科技有限公司 一种地块面积计算方法、装置、计算机终端及存储介质

Similar Documents

Publication Publication Date Title
CN113034689B (zh) 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质
CN108197583B (zh) 基于图割优化和影像结构特征的建筑物变化检测方法
KR102035030B1 (ko) 차선 정보를 이용한 자동 도화 방법
CN104123730A (zh) 基于道路特征的遥感影像与激光点云配准方法及系统
CN114518104A (zh) 基于动态遥感监测技术的国土测绘方法、系统及存储介质
CN116778105B (zh) 基于多精度三维测绘数据融合建模方法
CN107679458B (zh) 一种基于K-Means的道路彩色激光点云中道路标线的提取方法
CN112465970A (zh) 导航地图构建方法、装置、系统、电子装置和存储介质
CN114972646B (zh) 一种实景三维模型独立地物的提取与修饰方法及系统
CN114065339A (zh) 一种基于三维可视化模型的高塔建设选址方法
CN113378754B (zh) 一种工地裸土监测方法
CN115861409A (zh) 大豆叶面积测算方法、系统、计算机设备及存储介质
CN112396699A (zh) 一种基于无人机影像进行地块自动勾画的方法
CN112017057A (zh) 一种保险理赔处理方法及装置
CN110826364A (zh) 一种库位识别方法及装置
CN112561981A (zh) 一种融合影像信息的摄影测量点云滤波方法
CN109902607B (zh) 一种基于倾斜相机的城市自动优化建模系统
KR100981588B1 (ko) 특징점 픽셀의 크기와 방향 정보를 이용하는 벡터 변환에 기초한 도시공간 지리정보 생성 시스템
CN114742876B (zh) 一种土地视觉立体测量方法
CN115937673B (zh) 一种基于移动终端照片的地理要素快速变化发现方法
CN115908729A (zh) 三维实景构建方法、装置、设备及计算机可读存储介质
KR102195535B1 (ko) 모바일 매핑 시스템을 통해 획득한 차선 정보를 이용하여 자동으로 생성하는 수치지도제작시스템
Mudau et al. Towards development of a national human settlement layer using high resolution imagery: a contribution to SDG reporting
CN113781639A (zh) 一种大场景道路基础设施数字化模型快速构建方法
CN112308904B (zh) 一种基于视觉的建图方法、装置及车载终端

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