CN112461205B - 基于无人机倾斜摄影测量的铁路既有线横断面制作方法 - Google Patents
基于无人机倾斜摄影测量的铁路既有线横断面制作方法 Download PDFInfo
- Publication number
- CN112461205B CN112461205B CN202011261315.3A CN202011261315A CN112461205B CN 112461205 B CN112461205 B CN 112461205B CN 202011261315 A CN202011261315 A CN 202011261315A CN 112461205 B CN112461205 B CN 112461205B
- Authority
- CN
- China
- Prior art keywords
- section
- cross
- line
- dimensional
- aerial vehicle
- 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
Links
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种基于无人机倾斜摄影测量的铁路既有线横断面制作方法,包括在研究区布设平面高程控制点,并获取控制点的三维坐标和全研究区的无人机精细化倾斜摄影影像;对获取的无人机精细化倾斜摄影影像进行数据处理,生成高精度实景三维模型;基于得到的高精度实景三维模型,制作既有铁路三维中线;根据制作的既有铁路三维中线和得到的密集匹配点云构建每个横断面的矢量折线图;将得到的每个横断面上的矢量折线图与所述高精度实景三维模型相叠加进行实景三维模型的横断面核查与调整;根据调整后的实景三维模型的横断面进行横断面数据输出与图形绘制。有效解决了铁路营业线天窗时间短、上线困难的问题,大幅提升了外业工作效率。
Description
技术领域
本发明涉及铁路工程勘测和运营维护领域,特别是涉及一种基于无人机倾斜摄影测量的铁路既有线横断面制作方法,具体包括无人机倾斜摄影测量、影像密集匹配、点云滤波及分类、实景三维模型重建、横断面采集、横断面核查及调整等。
背景技术
随着中国铁路建设的高速高质量发展,中国铁路建设及运维的里程和覆盖范围不断增加,截止2020年底我国铁路营运里程将超过14万公里,其中高铁约4万公里;按照国家铁路发展规划,到2035年中国铁路运营里程将达到20万公里,其中高铁超过7万公里。为了提升铁路运量和保障铁路运营安全,每年铁路部门都需要对部分铁路进行既有线复测、电气化改造及扩能增二线等工作,既有铁路横断面测量是其中的一项重要测绘工作,主要任务是测出设计需要的各中线桩处的横向地面起伏情况,并按一定的比例尺绘制出横断面图。横断面图主要用于土石方量计算、线路调整设计及施工放样等;横断面的施测密度和宽度,应根据地形、地质情况和设计需要而定。
传统的既有线横断面测量采用经纬仪视距法、经纬仪斜距法、水准仪法、光电测距法及GPS-RTK等方式,这些方式主要依靠人工外业实测、作业效率低,并且会存在由于横断面线上特征点采集密度不足而引起的精度较差情况;另外,这些作业方式在既有铁路非营业上可以适用,但是铁路营业线天窗时间有限,且存在着安全性差、上线困难的难题。机载激光雷达技术的应用,在一定程度上改进了横断面采集的作业模式,但是在既有线路面范围内(如路肩以上范围)精度仍存在一定问题,例如点云密度和精度无法满足轨顶高程的测量要求,因此,在机载激光雷达辅助既有线测绘项目中,横断面的采集方式一般采用路肩以外采用激光雷达数据测量与路肩以内人工测量相结合的方式。车载激光雷达技术的应用虽然可以解决路肩以上测量精度的问题,但是由于扫描范围窄的限制,路肩以外也需人工辅助测量,并且同样存在天窗时间短、上线困难的问题。近年来,随着无人机技术的飞速发展,无人机航摄系统凭借其操控简单、使用灵活、性价比高的特点,在测绘行业和铁路行业的应用优势日渐凸显,应用范围也在不断拓宽,使得基于无人机倾斜摄影测量的铁路既有线横断面制作成为了可能,但是目前仍没有出现成型的技术和方法。
发明内容
有鉴于此,本发明为解决公知技术中存在的技术问题提供一种基于无人机倾斜摄影测量的铁路既有线横断面制作方法,基于该方法能够高效高精度制作铁路既有线各中线桩横断面,为后续线路土石方量计算、线路调整设计及施工放样提供基础数据,大幅减少了外业工作量,并能够有效提高铁路既有线横断面测量的安全性。
本发明一方面的实施例中提供一种基于无人机倾斜摄影测量的铁路既有线横断面制作方法,包括以下步骤:
S1、在研究区布设平面高程控制点,并获取控制点的三维坐标和全研究区的无人机精细化倾斜摄影影像;
S2、对获取的无人机精细化倾斜摄影影像进行数据处理,生成高精度实景三维模型;其中,在进行数据处理时包括对无人机倾斜摄影获取的影像进行空中三角测量,将测量结果与相对应的无人机影像进行逐像素密集匹配,获得高精度影像密集匹配点云;对高精度影像密集匹配点云进行处理得到高精度实景三维模型;
S3、基于得到的高精度实景三维模型,制作既有铁路三维中线;
S4、根据制作的既有铁路三维中线和S2中得到的密集匹配点云构建每个横断面的矢量折线图;
S5、将得到的每个横断面上的矢量折线图与所述高精度实景三维模型相叠加进行实景三维模型的横断面核查与调整;
S6、根据调整后的实景三维模型的横断面进行横断面数据输出与图形绘制。
优选的,在S1中布设平面高程控制点时,采用按照布设规则进行规律布设;所述布设规则按照铁路线路走向和地形起伏特点制定。
在上述任意一项实施例中优选的,在S1中,在获取控制点的三维坐标时,包括采用全站仪或GPS测量控制点标志的平面坐标;采用高程拟合或水准测量方式测量该控制点的高程坐标;将同一控制点的平面坐标与高程坐标相结合,得到三维坐标。
在上述任意一项实施例中优选的,在S2中,利用无人机数据处理软件和获取控制点的三维坐标,对高分辨无人机数码影像进行空中三角测量,获得影像的精确外方位元素。
在上述任意一项实施例中优选的,在S2中,在对高精度影像密集匹配点云进行处理,得到高精度实景三维模型时包括以下步骤:
S201、对影像点云数据进行滤波,剔除匹配错误的粗差点得到滤波后的密集点云;
S202、对滤波后的密集点云通过自动化分类和人工交互分类的方式进行分类处理,选取将非地面点类别,进行剔除;
S203、对因剔除了非地面点而造成的漏空区域,利用该区域其周围的地面点构建三角网内插进行填补;
S204、将空中三角测量结果与填补后的密集点云相结合,进行高精度实景三维模型重建;对重建后的实景三维模型进行修饰编辑,将实景三维建模中出现的噪声点、毛刺和悬浮物进行清除和修补,输出几何精度和纹理特征质量合格的实景三维模型。
在上述任意一项实施例中优选的,在S3中,制作既有铁路三维中线时,包括以下步骤:
S301、利用特征提取算法得到双轨轨道特征点;
S302、基于双轨轨道特征点,构建三角网内插得到线路中心线特征点三维坐标,并对线路中心线特征点进行粗差剔除和冗余点剔除,得到精化后的线路中心线特征点三维坐标;
S303、基于精化后的线路中心线特征点三维坐标,分段利用最小二乘平差算法进行线路中心线拟合,完成既有铁路三维中线提取;
S304、根据外业实测或台账上记录里程值的明显地物标识点,从S204中的实景三维模型中量测每个地物标识点的三维坐标,通过将所有地物标识点的三维坐标和里程值对铁路三维中线进行里程丈量和平差处理,完成既有铁路三维中线的里程丈量和标识。
在上述任意一项实施例中优选的,在S4中,构建每个横断面的矢量折线图时,包括以下步骤:
S401、根据得到的既有铁路三维中线,制作横断面采集要求表;
S402、根据得到的横断面采集要求表,制作每个中线桩里程处的横断面线;
S403、根据S2中得到的高精度影像密集匹配点云构建三角网;
S404、通过三角网内插的方式获得横断面线所经过的每个地形变化特征点的三维坐标;
S405、利用这些地形变化特征点构建每个横断面的矢量折线。
在上述任意一项实施例中优选的,在S5中,进行实景三维模型的横断面核查与调整时,包括结合实景三维模型的纹理目视判别,将关键的地形变化特征点匹配相应的属性;所述属性至少包括以下几种砟肩、路肩、房边、坎上、坎下。
在上述任意一项实施例中优选的,在S6中,进行横断面数据输出时,包括以下步骤:
S601、提取所述每个横断面的矢量折线图中的地形变化特征点的三维坐标;
S602、将提取到的特征点的三维坐标,按照规定格式输出为断面数据表;
S603、利用图形绘制软件将断面数据表,绘制成横断面矢量图形。
进一步,所述规定格式为:
断面名称、中线桩名称、中线桩里程、中线桩高程;
第一地形变化特征点名称、第一地形变化特征点平面偏距,第一地形变化特征点高程、属性;
第二地形变化特征点名称、第二地形变化特征点平面偏距,第二地形变化特征点高程、属性;
按照特征点数量以此类推。
本申请实施例提供的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,相比于现有技术至少具有以下优点:
1、本发明采用基于无人机倾斜摄影测量和铁路既有线线位两侧布设控制标的作业方式,有效解决了营业线天窗时间短、上线困难的问题,大幅提升了外业工作效率。
2、本发明采用利用滤波分类后影像密集点云自动采集横断面与利用铁路既有线实景三维模型对横断面核查调整相结合的方式进行横断面的制作,充分利用了密集点云密度高精度高的特征,以及实景三维模型纹理丰富、可视化程度高的特性,大幅提升了横断面图的精度可靠性。
3,采用无人机高精度倾斜摄影测量的方式,有效解决了既有线路面范围内(如路肩以上范围)的高差特征难以分辨的问题,并兼顾了线路以外规定宽度范围内的数据采集精度,保证了横断面采集的数据完整性,无需二次作业。
4、本发明在保证横断面精度的同时,有效减少传统铁路既有线横断面图外业测量工作量,并大幅提高了作业效率和作业安全性,具有很大的实际应用和推广价值。
附图说明
图1所示为本申请一实施例提供的一种基于无人机倾斜摄影测量的铁路既有线横断面制作方法的流程图。
图2所示为本申请一实施例提供的基于无人机倾斜摄影测量的铁路既有线横断面制作方法中横断面示意图。
图3所示为本申请一实施例提供的基于无人机倾斜摄影测量的铁路既有线横断面制作方法中复线铁路横断面示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
此外,在示例性实施例中,因为相同的参考标记表示具有相同结构的相同部件或相同方法的相同步骤,如果示例性地描述了一实施例,则在其他示例性实施例中仅描述与已描述实施例不同的结构或方法。
在整个说明书及权利要求书中,当一个部件描述为“连接”到另一部件,该一个部件可以“直接连接”到另一部件,或者通过第三部件“电连接”到另一部件。此外,除非明确地进行相反的描述,术语“包括”及其相应术语应仅理解为包括所述部件,而不应该理解为排除任何其他部件。
如图1所示,一种基于无人机倾斜摄影测量的铁路既有线横断面制作方法,包括以下步骤:
S1、在研究区布设平面高程控制点,并获取控制点的三维坐标和全研究区的无人机精细化倾斜摄影影像;
S2、对获取的无人机精细化倾斜摄影影像进行数据处理,生成高精度实景三维模型;其中,在进行数据处理时包括对无人机倾斜摄影获取的影像进行空中三角测量,将测量结果与相对应的无人机影像进行逐像素密集匹配,获得高精度影像密集匹配点云;对高精度影像密集匹配点云进行处理得到高精度实景三维模型;
S3、基于得到的高精度实景三维模型,制作既有铁路三维中线;
S4、根据制作的既有铁路三维中线和S2中得到的密集匹配点云构建每个横断面的矢量折线图;
S5、将得到的每个横断面上的矢量折线图与所述高精度实景三维模型相叠加进行实景三维模型的横断面核查与调整;
S6、根据调整后的实景三维模型的横断面进行横断面数据输出与图形绘制。
在本申请提供的实施例中,本发明采用基于无人机倾斜摄影测量和铁路既有线线位两侧布设控制标的作业方式,有效解决了营业线天窗时间短、上线困难的问题,大幅提升了外业工作效率。
优选的,在S1中布设平面高程控制点时,采用按照布设规则进行规律布设;所述布设规则按照铁路线路走向和地形起伏特点制定。
进一步,在获取控制点的三维坐标时,包括采用全站仪或GPS等测量控制点标志的平面坐标;采用高程拟合或水准测量方式测量该控制点的高程坐标;将同一控制点的平面坐标与高程坐标相结合,得到三维坐标。
在无人机航飞之前,在研究区按照铁路线路走向、横断面采集宽度要求和地形起伏特点,进行精细化倾斜摄影航线敷设;利用多旋翼无人机集成轻量化惯性导航系统(POS),搭载倾斜相机,按预设航线进行航摄,保证下视影像的航向重叠度大于80%、旁向重叠度大于70%,既有线上影像地面分辨率(GSD)优于2厘米。
在S2中,进行空中三角测量时,首先,通过光束法平差获得精确的影像外方位元素;然后利用无人机数据处理软件如Pix4d、Godwork及ContextCaptur等和获取控制点的三维坐标;对高分辨无人机数码影像进行空中三角测量。
进一步,在S2中,在对高精度影像密集匹配点云进行处理,得到高精度实景三维模型时包括以下步骤:
S201、对影像点云数据进行滤波,剔除匹配错误的粗差点得到滤波后的密集点云;
S202、对滤波后的密集点云进行自动化分类和人工交互分类的方式进行分类处理,选取非地面点类别,进行剔除;例如将植被和房屋等非地面点分到其他类别里进行剔除;
S203、对剔除了非地面点而造成的漏空区域,利用该区域其周围的地面点构建三角网内插进行填补;
S204、将空中三角测量结果与填补后的密集点云相结合,进行高精度实景三维模型重建;对重建后的实景三维模型进行修饰编辑,将实景三维建模中出现的噪声点、毛刺和悬浮物进行清除和修补,输出几何精度和纹理特征质量合格的实景三维模型。
本发明采用利用滤波分类后影像密集点云自动采集横断面与利用铁路既有线实景三维模型对横断面核查调整相结合的方式进行横断面的制作,充分利用了密集点云密度高精度高的特征,以及实景三维模型纹理丰富、可视化程度高的特性,大幅提升了横断面图的精度可靠性。
在S3中,制作既有铁路三维中线时,包括以下步骤:
S301、利用特征提取算法得到双轨轨道特征点;
S302、基于双轨轨道特征点,构建三角网内插得到线路中心线特征点三维坐标,并对线路中心线特征点进行粗差剔除和冗余点剔除,得到精化后的线路中心线特征点三维坐标;
S303、基于精化后的线路中心线特征点三维坐标,分段利用最小二乘平差算法进行线路中心线拟合,完成既有铁路三维中线提取;
S304、根据外业实测或台账上记录里程值的明显地物标识点,从S204中的实景三维模型中量测每个地物标识点的三维坐标,通过将所有地物标识点的三维坐标和里程值对铁路三维中线进行里程丈量和平差处理,完成既有铁路三维中线的里程丈量和标识。
其中,地物标识点可以为界碑、在本申请的一个是实施例中具体过程如下所述:
步骤3-1,既有铁路三维中线提取;基于上述步骤得到的实景三维模型,首先,利用特征提取算法得到双轨轨道特征点三维坐标,左轨道特征点记为LPt1(X,Y,Z)、LPt2(X,Y,Z)…LPti(X,Y,Z)…LPtn(X,Y,Z),右轨上特征点记为RPt1(X,Y,Z)、RP2(X,Y,Z)…RPi(X,Y,Z)…RPn(X,Y,Z);然后,基于双轨轨道特征点构建三角网内插得到线路中心线特征点三维坐标,并对线路中心线特征点进行粗差剔除和冗余点剔除,得到精化后的线路中心线特征点三维坐标,记为OPt1(X,Y,Z)、OPt2(X,Y,Z)…OPti(X,Y,Z)…OPtn(X,Y,Z);最后,基于精化后的线路中心线特征点三维坐标分段(按台账或者相应算法分成多个直线段和曲线段)利用最小二乘平差算法进行线路中心线拟合,从而完成既有铁路三维中线提取。对于复线铁路,分别按上述方法提取各上下行铁路线路三维中线。
步骤3-2,既有铁路三维中线里程丈量;具体为在上述得到的实景三维模型上量测铁路既有线外业实测过里程值的特征点(K1、K2…Ki…Kn)的三维坐标,利用这些特征点的里程值和三维坐标对铁路三维中线进行里程丈量和平差处理,从而实现整个铁路三维中线的里程丈量和标识。
在本申请另一个实施例中,在S4中,构建每个横断面的矢量折线图时,包括以下步骤:
S401、根据得到的既有铁路三维中线,制作横断面采集要求表,
S402、根据得到的横断面采集要求表,制作每个中线桩里程处的横断面线;
S403、根据S2中得到的高精度影像密集匹配点云构建三角网;
S404、通过三角网内插的方式获得横断面线所经过的每个地形变化特征点的三维坐标;
S405、利用这些地形变化特征点构建每个横断面的矢量折线。
在一个具体的实施例中,根据专业设计需要制作横断面采集要求表,表中需要包含待测横断面的中线桩里程、待测横断面(以中线分界,面向大里程分左右侧)的左侧宽度和右侧宽度等内容。
在进行横断面自动采集时;首先,利用上述得到的横断面采集要求表制作表中每个中线桩里程处(中桩里程处坐标为DKi+j(X,Y,Z))的横断面线(中线的平面垂线),编号如:Li+j,示意图如图2所示;然后,基于前述得到的高精度影像密集匹配点云构建三角网,再然后通过三角网内插的方式获得横断面线所经过的每个地形变化特征点的平面坐标和高程值(即三维坐标);最后,利用这些地形变化特征点构建每个横断面的矢量折线图。
在S5中,进行实景三维模型的横断面核查与调整时,对存在问题的折线段及特征点进行调整,使得矢量折线图与实景三维模型更加贴合;特别是砟肩以上部分,由于铁轨本身的高度较小,在横断面图上不易分辨,可以将砟肩两侧直接连线拉直,不突出显示铁轨的形状;另外还包括结合实景三维模型的纹理目视判别,将关键的地形变化特征点赋予相应的属性;所述属性至少包括以下几种砟肩、路肩、房边、坎上、坎下。
如图3所示,在S6中,进行横断面数据输出时,包括以下步骤:
S601、提取所述每个横断面的矢量折线图中的地形变化特征点(矢量折线的节点)的三维坐标;DPt1(X,Y,Z)、DPt2(X,Y,Z)…DPti(X,Y,Z)…DPtn(X,Y,Z)。
S602、将提取到的特征点的三维坐标,按照规定格式输出为断面数据表;
S603、利用图形绘制软件将断面数据表,绘制成横断面矢量图形。
进一步,所述规定格式为:
断面名称、中线桩名称、中线桩里程、中线桩高程;
第一地形变化特征点名称、第一地形变化特征点平面偏距,第一地形变化特征点高程、属性;
第二地形变化特征点名称、第二地形变化特征点平面偏距,第二地形变化特征点高程、属性;
按照地形变化特征点数量以此类推。
具体格式为:
横断面Li+j的中线桩DKi+j的里程,中线桩DKi+j的高程;
特征点DPt1的平面偏距(该特征点与中线桩的平面距离),特征点DPt1的高程,属性
特征点DPti的平面偏距(该特征点与中线桩的平面距离),特征点DPti的高程,属性
特征点DPtn的平面偏距(该特征点与中线桩的平面距离),特征点DPtn的高程,属性。
(备注:平距的正负号,按面向线位大里程分左右,中线左侧为负数,右侧为正数。)
采用无人机高精度倾斜摄影测量的方式,有效解决了既有线路面范围内(如路肩以上范围)的高差特征难以分辨的问题,并兼顾了线路以外规定宽度范围内的数据采集精度,保证了横断面采集的数据完整性,无需二次作业。
本发明在保证横断面精度的同时,有效减少传统铁路既有线横断面图外业测量工作量,并大幅提高了作业效率和作业安全性,具有很大的实际应用和推广价值。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,包括以下步骤:
S1、在研究区布设平面高程控制点,并获取控制点的三维坐标和全研究区的无人机精细化倾斜摄影影像;
S2、对获取的无人机精细化倾斜摄影影像进行数据处理,生成高精度实景三维模型;其中,在进行数据处理时包括对无人机倾斜摄影获取的影像进行空中三角测量,将测量结果与相对应的无人机影像进行逐像素密集匹配,获得高精度影像密集匹配点云;对高精度影像密集匹配点云进行处理得到高精度实景三维模型;
S3、基于得到的高精度实景三维模型,制作既有铁路三维中线;
S4、根据制作的既有铁路三维中线和S2中得到的密集匹配点云构建每个横断面的矢量折线图;
S5、将得到的每个横断面上的矢量折线图与所述高精度实景三维模型相叠加进行实景三维模型的横断面核查与调整;
S6、将得到的每个横断面上的矢量折线图与所述高精度实景三维模型相叠加进行实景三维模型的横断面核查与调整。
2.根据权利要求1所述的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,在S1中布设平面高程控制点时,采用按照布设规则进行规律布设;所述布设规则按照铁路线路走向和地形起伏特点制定。
3.根据权利要求1所述的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,在S1中,在获取控制点的三维坐标时,包括采用全站仪或GPS测量控制点标志的平面坐标;采用高程拟合或水准测量方式测量该控制点的高程坐标;将同一控制点的平面坐标与高程坐标相结合,得到三维坐标。
4.根据权利要求1所述的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,在S2中,利用无人机数据处理软件和获取控制点的三维坐标,对高分辨无人机数码影像进行空中三角测量,获得影像的精确外方位元素。
5.根据权利要求1所述的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,在S2中,在对高精度影像密集匹配点云进行处理,得到高精度实景三维模型时包括以下步骤:
S201、对影像点云数据进行滤波,剔除匹配错误的粗差点得到滤波后的密集点云;
S202、对滤波后的密集点云通过自动化分类和人工交互分类的方式进行分类处理,选取非地面点类别,进行剔除;
S203、对因剔除了非地面点而造成的漏空区域,利用该区域其周围的地面点构建三角网内插进行填补;
S204、将空中三角测量结果与填补后的密集点云相结合,进行高精度实景三维模型重建;对重建后的实景三维模型进行修饰编辑,将实景三维建模中出现的噪声点、毛刺和悬浮物进行清除和修补,输出几何精度和纹理特征质量合格的实景三维模型。
6.根据权利要求5所述的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,在S3中,制作既有铁路三维中线时,包括以下步骤:
S301、利用特征提取算法得到双轨轨道特征点;
S302、基于双轨轨道特征点,构建三角网内插得到线路中心线特征点三维坐标,并对线路中心线特征点进行粗差剔除和冗余点剔除,得到精化后的线路中心线特征点三维坐标;
S303、基于精化后的线路中心线特征点三维坐标,分段利用最小二乘平差算法进行线路中心线拟合,完成既有铁路三维中线提取;
S304、根据外业实测或台账上记录里程值的明显地物标识点,从S204 中的实景三维模型中量测每个地物标识点的三维坐标,通过将所有地物标识点的三维坐标和里程值对铁路三维中线进行里程丈量和平差处理,完成既有铁路三维中线的里程丈量和标识。
7.根据权利要求1所述的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,在S4中,构建每个横断面的矢量折线图时,包括以下步骤:
S401、根据得到的既有铁路三维中线,制作横断面采集要求表;
S402、根据得到的横断面采集要求表,制作每个中线桩里程处的横断面线;
S403、根据S2中得到的高精度影像密集匹配点云构建三角网;
S404、通过三角网内插的方式获得横断面线所经过的每个地形变化特征点的三维坐标;
S405、利用地形变化特征点构建每个横断面的矢量折线。
8.根据权利要求1所述的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,在S5中,进行实景三维模型的横断面核查与调整时,包括结合实景三维模型的纹理目视判别,将关键的地形变化特征点赋予相应的属性;所述属性至少包括以下几种砟肩、路肩、房边、坎上、坎下。
9.根据权利要求1所述的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,在S6中,进行横断面数据输出时,包括以下步骤:
S601、提取所述每个横断面的矢量折线图中的地形变化特征点的三维坐标;
S602、将提取到的特征点的三维坐标,按照规定格式输出为断面数据表;
S603、利用图形绘制软件将断面数据表,绘制成横断面矢量图形。
10.根据权利要求9所述的基于无人机倾斜摄影测量的铁路既有线横断面制作方法,其特征在于,所述规定格式为:
断面名称、中线桩名称、中线桩里程、中线桩高程;
第一地形变化特征点名称、第一地形变化特征点平面偏距,第一地形变化特征点高程、属性;
第二地形变化特征点名称、第二地形变化特征点平面偏距,第二地形变化特征点高程、属性;
按照地形变化特征点数量以此类推。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011261315.3A CN112461205B (zh) | 2020-11-12 | 2020-11-12 | 基于无人机倾斜摄影测量的铁路既有线横断面制作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011261315.3A CN112461205B (zh) | 2020-11-12 | 2020-11-12 | 基于无人机倾斜摄影测量的铁路既有线横断面制作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112461205A CN112461205A (zh) | 2021-03-09 |
CN112461205B true CN112461205B (zh) | 2022-08-30 |
Family
ID=74826804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011261315.3A Active CN112461205B (zh) | 2020-11-12 | 2020-11-12 | 基于无人机倾斜摄影测量的铁路既有线横断面制作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112461205B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113155098B (zh) * | 2021-04-20 | 2022-08-09 | 中国铁路设计集团有限公司 | 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法 |
CN113137949B (zh) * | 2021-05-06 | 2022-11-01 | 山东省路桥工程设计咨询有限公司 | 基于功能差异性公路中桩和横断面简便测量方法 |
CN113670258B (zh) * | 2021-08-24 | 2023-06-09 | 广东省水利电力勘测设计研究院有限公司 | 一种水利工程断面制作方法 |
CN113763550B (zh) * | 2021-08-26 | 2024-04-26 | 上海市政工程设计研究总院(集团)有限公司 | 一种基于三维数据的断面自动化生产方法 |
CN113706698B (zh) * | 2021-10-25 | 2022-01-25 | 武汉幻城经纬科技有限公司 | 实景三维道路重建方法及装置、存储介质、电子设备 |
CN114140459B (zh) * | 2021-12-09 | 2023-04-07 | 中铁二院工程集团有限责任公司 | 基于原始激光点云的铁路横断面测量方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101314932A (zh) * | 2008-07-16 | 2008-12-03 | 张小虎 | 一种轨道几何参数的摄像测量方法 |
CN106197378A (zh) * | 2016-08-25 | 2016-12-07 | 中国十七冶集团有限公司 | 一种采用无人机测量的路基 |
CN108278967A (zh) * | 2017-12-12 | 2018-07-13 | 陕西铁道工程勘察有限公司 | 基于点云数据的既有铁路轨中坐标和轨面高程提取方法 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
CN111783190A (zh) * | 2020-06-12 | 2020-10-16 | 中国二十冶集团有限公司 | 基于倾斜摄影技术的道路土方量计算方法 |
CN111899332A (zh) * | 2020-06-29 | 2020-11-06 | 国网辽宁省电力有限公司建设分公司 | 一种基于倾斜摄影测量技术的架空输电线路三维设计方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334278B (zh) * | 2008-08-05 | 2011-06-08 | 中国水电顾问集团华东勘测设计研究院 | 一种数码遥感地质测绘的方法及装置 |
CN101540020B (zh) * | 2009-04-01 | 2012-09-26 | 江西省交通设计院 | 一种公路三维选线方法 |
CN101814102B (zh) * | 2010-03-16 | 2011-12-28 | 中交第二公路勘察设计研究院有限公司 | 一种基于高分辨卫星影像的公路测设方法 |
US9230453B2 (en) * | 2013-05-21 | 2016-01-05 | Jan Lee Van Sickle | Open-ditch pipeline as-built process |
CN106123851A (zh) * | 2016-08-03 | 2016-11-16 | 中国十七冶集团有限公司 | 一种基于无人机的路基横断面测量方法 |
CN106123866B (zh) * | 2016-08-31 | 2018-10-19 | 中国铁路设计集团有限公司 | 基于航测技术的铁路既有线里程放样方法 |
CN107796304B (zh) * | 2017-09-07 | 2019-12-03 | 中铁二院工程集团有限责任公司 | 一种三维激光全景的铁路线路调绘方法 |
US10482655B2 (en) * | 2017-11-20 | 2019-11-19 | Here Global B.V. | Method and apparatus for providing a tile-based digital elevation model |
CN109211202B (zh) * | 2018-09-21 | 2020-12-18 | 长安大学 | 一种基于无人机的高速公路边坡巡查的路径优化方法 |
CN111854692A (zh) * | 2019-04-26 | 2020-10-30 | 李涛 | 一种在道路测设中的无人机影像匹配点云的测量方法 |
CN110986773B (zh) * | 2019-12-17 | 2021-09-28 | 安徽开源路桥有限责任公司 | 一种基于无人机拍摄测量工程土方量的方法 |
CN111429498B (zh) * | 2020-03-26 | 2022-08-30 | 中国铁路设计集团有限公司 | 一种基于点云和影像融合技术的铁路营业线三维中线制作方法 |
-
2020
- 2020-11-12 CN CN202011261315.3A patent/CN112461205B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101314932A (zh) * | 2008-07-16 | 2008-12-03 | 张小虎 | 一种轨道几何参数的摄像测量方法 |
CN106197378A (zh) * | 2016-08-25 | 2016-12-07 | 中国十七冶集团有限公司 | 一种采用无人机测量的路基 |
CN108278967A (zh) * | 2017-12-12 | 2018-07-13 | 陕西铁道工程勘察有限公司 | 基于点云数据的既有铁路轨中坐标和轨面高程提取方法 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
CN111783190A (zh) * | 2020-06-12 | 2020-10-16 | 中国二十冶集团有限公司 | 基于倾斜摄影技术的道路土方量计算方法 |
CN111899332A (zh) * | 2020-06-29 | 2020-11-06 | 国网辽宁省电力有限公司建设分公司 | 一种基于倾斜摄影测量技术的架空输电线路三维设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112461205A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112461205B (zh) | 基于无人机倾斜摄影测量的铁路既有线横断面制作方法 | |
CN108181635B (zh) | 一种用于输电线路交叉跨越分析的激光点云分类方法 | |
CN101914890B (zh) | 一种基于机载激光测量的公路改扩建勘测方法 | |
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 | |
CN113806897B (zh) | 一种基于三维gis技术的电力工程建设决策优化方法 | |
CN102074047B (zh) | 一种高精细城市三维建模方法 | |
CN111444872B (zh) | 一种丹霞地貌参数测量方法 | |
CN103217688B (zh) | 一种基于不规则三角网机载激光雷达点云平差计算方法 | |
CN114859374B (zh) | 基于无人机激光点云和影像融合的新建铁路交叉测量方法 | |
CN106887020A (zh) | 一种基于LiDAR点云的道路纵横断面获取方法 | |
CN113362469B (zh) | 综合城市建筑信息和地层结构的盾构隧道施工预警方法 | |
CN113570527B (zh) | 水上水下三维点云的融合方法 | |
CN107944018A (zh) | 一种基于激光点云数据的矢量地图位置精度自动质检方法 | |
CN111062958B (zh) | 一种城市道路要素提取方法 | |
CN102620721A (zh) | 一种基于精细数字地面模型的公路测设方法 | |
CN114283070B (zh) | 融合无人机影像与激光点云的地形断面制作方法 | |
CN111667569B (zh) | 一种基于Rhino及Grasshopper的三维实景土方可视化精准测算方法 | |
CN111426303A (zh) | 一种岩溶坡立谷参数测量方法 | |
CN111854692A (zh) | 一种在道路测设中的无人机影像匹配点云的测量方法 | |
CN112857329B (zh) | 铁路既有线岔心测量方法、系统、存储介质及电子设备 | |
CN117607893A (zh) | 基于无人机非接触测量的铁路既有线复测方法 | |
KR102642117B1 (ko) | Uav의 3차원 비행경로 설정방법 | |
CN114742793B (zh) | 一种基于工程测绘的监测校正方法 | |
CN107545601B (zh) | 一种架空输电线路树高断面自动生成方法 | |
CN110807832A (zh) | 一种基于地面三维扫描仪的电力线自动提取方法 |
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 |