CN113034689B - 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 - Google Patents

Abstract

本发明公开了一种基于激光点云的地形三维模型及地形图构建方法及系统、存储介质，该方法首先获取作业区域地形的激光点云数据；根据采集的激光点云数据按照预设高程阈值进行处理得到数字高程模型；然后获取同一作业区域地形的数字正射影像数据；最后将数字高程模型与数字正射影像数据融合生成数字地形三维模型。该模型拟合作业区域地形地面的地面高程值，并根据该地面高程值将该区域的目标物体拟合为地面高程值，形成平滑过渡的地形三维模型，该方法便于在该区域上进行规划设计，同时又可以将规划设计的效果展示在该地形三维模型上，从而使得规划设计效果形象生动，节约了规划设计的时间，提高了规划设计的效率。

Description

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

技术领域

本发明涉及DEM数据地图制作技术领域，特别是一种基于激光点云的地形三维模型及地形图构建方法及系统、存储介质。

背景技术

目前，数字高程模型(Digital Elevation Model)，简称DEM，是通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达)，国内外对于DEM的表达展开了广泛研究，当前DEM数据的配色通常采用地理信息科学(GIS，GeographicInformation System)软件进行计算机辅助制图，DEM数据是用一组有序数值阵列形式表示地面高程的一种实体地面模型，建立DEM的方法有多种。从数据源及采集方式讲有：(1)直接从地面测量,所涉及的仪器有水平导轨、测针、测针架和相对高程测量板等构件，也可以用GPS、全站仪、野外测量等高端仪器；(2)根据航空或航天影像，通过摄影测量途径获取,如立体坐标仪观测及空三加密法、解析测图、数字摄影测量等等；(3)从现有地形图上采集，如格网读点法、数字化仪手扶跟踪及扫描仪半自动采集然后通过内插生成DEM等方法。

当今智能技术行业中三维地图创建必不可少。激光雷达是近年来在三维地图创建过程中备受关注的智能硬件，利用激光雷达构建现实世界模型相比于视觉建图无需进行深度还原，故而具有更高的精确度与计算效率。现有基于点云数据的地图构建技术，往往仅从点云数据的几何特性出发提取特征点并进行匹配构建三维模型，导致可移动的车辆、行人等加入到地图模型中，影响地图模型的精确度。机载激光雷达作为一种新型测绘工具，因具有分辨率高、探测范围广、能够穿越植被遮挡获取地面点坐标等特点，已广泛应用于各种测绘实际生产中，因激光扫描系统可以记录多重回波数据，在一般裸露地表、房屋面等地物表面，激光无法穿透，会记录单次回波的三维坐标点位数据，在植被区，域激光能穿透部分植被，会出现落在植被表面和地表面的多次回波数据，其获得的激光点云数据是包含地物及地表的三维坐标点数据。

点云数据除了具有几何位置以外，有的还有颜色信息。颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息(RGB)赋予点云中对应的点。强度信息的获取是激光扫描仪接收装置采集到的回波强度，此强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量，激光波长有关。在现有技术中地形图的绘制一般是同以下几种方式进行：1.现场用全站仪、rtk等把点数据采集回来，然后连线，采集的数据是非常稀少的，而且每个点还需要备注测量的是什么，还需要现场绘制草图；2.正射影像直接勾绘平面，高程在dem或者点云上单独采集，最后现场调绘；3.直接在点云或者倾斜模型上绘制，但是倾斜模型成本比较高，精度相对较差，林地不能直接采集地面高程。

发明内容

有鉴于此，本发明的目的在于提供一种基于激光点云的地形三维模型及地形图构建方法及系统、存储介质，该方法在激光点云数据构成的三维实景模型上进行处理高效快速生成数字地形三维模型。

为达到上述目的，本发明提供如下技术方案：

本发明提供的基于激光点云结合数字高程模型的地形三维模型制图方法，包括以下步骤：

获取作业区域地形的激光点云数据；

根据采集的激光点云数据按照预设高程阈值进行处理得到数字高程模型；

获取同一作业区域地形的数字正射影像数据；

将数字高程模型与数字正射影像数据融合生成数字地形三维模型。

进一步，所述数字高程模型是按照以下步骤得到的：

获取原始激光点云数据并进行噪点处理和过滤处理得到点云数据；

去除点云数据中的孤立点数据；

对去除孤立点的点云数据进行分类，并得到地面点云数据和非地面点云数据，所述非地面点云数据包括房屋点云数据、植被点云数据、桥梁点云数据和水域点云数据；

过滤掉非地面点云数据，得到地面点数据；

对地面点云数据进行二次去噪点和点云厚度降低处理；；

按照预设高程阈值采集不同种类的点云数据并生成数字高程数据。

进一步，所述点云数据进行分类是按照以下步骤进行的：

所述点云数据进行分类是通过神经网络进行的，所述神经网络是使用多组训练数据训练出的，所述多组中的训练数据中每一组训练数据均包括不同种类点云数据和用来标识该不同种类点云数据的高程值的标识信息；获取所述模型的输出信息，其中，所述输出信息包括所述不同种类点云数据的高程值。

进一步，所述地面点数据还包括以下步骤：

判断地面点数据是否为水面或房屋空洞；如果是，则利用插点法回填点云数据；如果否，则保留地面点数据。

进一步，所述数字正射影像数据还包括以下步骤：

对同一作业区域地形的数字正射影像数据进行剪裁处理。

进一步，所述数字地形三维模型是按照以下步骤生成的：

获取数字高程模型中坐标信息和高程信息；

获取数字正射影像数据中坐标信息和影像信息；

按照数字高程模型与数字正射影像数据中一一对应的坐标信息将影像信息与高程信息叠加生成数字地形三维模型。

进一步，所述数字高程模型是通过软件ArcGIs进行处理得到的数字高程模型，具体步骤如下：

首先创建LAS数据集，创建引用一个或多个LAS文件和可选表面约束要素的LAS数据集；然后对LAS数据集进行转栅格处理，使用存储在LAS数据集所引用的激光雷达点中的高程值创建栅格，根据作图比例尺选择适当的采样类型及采样值；最后与数字正射影像数据中在相同的坐标系进行投影。

本发明提供的种地形图绘制方法，包括以下步骤：

利用权利要求1-7任一项所述的基于激光点云结合数字高程模型的地形三维模型制图方法得到数字地形三维模型；

获取作业区域的采集地形特征点三维坐标；

结合数字地形三维模型的正射影像数据绘制平面线形数据；

结合数字地形三维模型中的高程信息绘制地形特征点三维坐标数据；

在数字地形三维模型输出作业区域三维地形图。

本发明提供的基于激光点云结合数字高程模型的地形三维模型制图系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。

本发明提供的存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。

本发明的有益效果在于：

本发明提供的基于激光点云的数字地形三维模型制图方法及系统、存储介质，该方法首先获取作业区域地形的激光点云数据；根据采集的激光点云数据按照预设高程阈值进行处理得到数字高程模型；然后获取同一作业区域地形的数字正射影像数据；最后将数字高程模型与数字正射影像数据融合生成数字地形三维模型。该模型拟合作业区域地形地面的地面高程值，并根据该地面高程值将该区域的目标物体拟合为地面高程值，保持与该区域的纹理、光照信息近似的区域的纹理、光照信息，从而形成平滑过渡的地形三维模型，该地形三维模型在高程值上与相邻区域的高程值相同，纹理、光照信息与相邻区域的纹理、光照信息近似，相当于在该区域将高出地表的建筑物、电杆或树木等物体移除，保留了该区域地形的原始面貌，便于在该区域上进行规划设计，同时又可以将规划设计的效果展示在该地形三维模型上，从而使得规划设计效果形象生动，节约了规划设计的时间，提高了规划设计的效率。

同时，利用数字地形三维模型来绘制大比例尺地形图，该方法将繁琐的外业碎部点采集工作转化为内业三维模型加点，克服了地形图绘制外业数据采集效率低下、成本高的问题，野外作业中的现场采集是需要将采集仪器架设在野外，有些作业区域的野外环境条件也十分恶劣，甚至部分外业区域是危险区域，存在安全隐患等问题，这些情况都不利于信号采集，而本方法通过高新技术快速如无人机方式采集，然后再将采集的信号传输到室内仪器设备上，对采集数据进行处理，并制作地形图，为城市规划建设服务。大大提高测绘人员的工作效率、减少人身安全事故的发生、提升测绘人员的幸福指数，使测绘过程更加简化、安全。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为基于激光点云的数字地形三维模型制图方法流程图。

图2为原始点云中提取出地面点效果图。

图3为三维模型中获取田坎高程示意图。

图4为三维模型辅助判定陡坎走向示意图。

图5为等高线地形图在三维模型中的显示情况示意图。

图6为激光点云原始数据示意图。

图7为激光点云过滤后数据示意图。

图8为激光点云着色后数据示意图。

图9为数字高程模型示意图。

图10为正射影像示意图。

图11为三维地表模型示意图。

图12为地形图成果示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

实施例1

如图1所示，图1为基于激光点云结合数字高程模型制图方法流程图，包括以下步骤：

获取原始激光点云数据，并进行噪点删除处理，生成.las格式的点云数据；

本实施例提供的原始激光点云数据是通过无人机加载激光雷达采集得到，该无人机根据预设线路飞行，预设线路可以根据作业区域的地形分别设置；在飞行过程拍摄野外环境的原始激光点云数据，由于外界的干扰或者无人机飞行过程不稳定因素的影响，原始激光点云数据中存在许多噪点，因此需要对原始激光点云数据进行预处理，删除噪点数据，得到.las格式的点云数据。

对删除噪点的原始激光点云数据进行过滤得到数字点云数据：

本实施例的点云过滤处理是采用软件Terrasolid进行；首先将点云数据进行过滤，即删除孤立的点数据，所述孤立的点数据的过滤处理，就是过滤掉远低于地面的孤立点及少部分手动清理不完全的噪点；

将孤立的点云数据进行过滤处理后的点云数据进行分类，并得到地面点云数据和非地面点云数据，所述非地面点云数据包括房屋点云数据、植被点云数据、桥梁点云数据、水域数据等，过滤掉非地面点云数据，得到地面点数据；

对地面点云数据进行拟合处理，由于机载雷达扫描特性，地面点云数据存在一定厚度，通过拟合处理压薄点云厚度，得到中间层地面点云数据；

本实施例提供的二次去噪点以及降低点云厚度，可以提升点云精度，由于第一次去噪分类，是大方向的去噪分类，并不够精细，所以采用了第二次去噪点，使得去噪更为精准。

对中间层地面点云数据进行抽稀处理，将中间层地面点云数据进行抽稀处理，删除多余点，降低点云密度，缓解DEM生成过程中计算机运行压力。

利用经过过滤、分类、抽稀处理的点云数据在高程值上按照设置的预设高程阈值提取符合地面数据高程值的点云数据，如果大于预设高程阈值，则按照预设高程阈值对点云数据进行拟合，如果小于或等于预设高程阈值，则保持原来的点云数据高程值拟合点云数据；根据分割后的点云数据生成数字高程模型。

本实施例提供的点云数据的分类是通过神经网络获得的，所述神经网络是使用多组训练数据训练出来的，所述多组中的训练数据中每一组训练数据均包括不同种类点云数据和用来标识该不同种类点云数据的高程值的标识信息；获取所述模型的输出信息，其中，所述输出信息包括所述不同种类点云数据的高程值，本实施例提供预设高程阈值也可以根据实际情况，根据经验设置。

其中，神经网络需要的数据是从采集的点云数据中分别提取的多组训练数据和识别数据，多组训练数据包括房屋点云数据、植被点云数据、桥梁点云数据、水域数据等中的一种数据或多种数据的组合。训练数据中有一部分进行了标识具有标识信息，标识信息分别对点云数据中的房屋点云数据、植被点云数据、桥梁点云数据、水域数据进行标识。

本实施例提供的数字高程模型与现有技术中的数字高程模型终端高程值不同，现有技术中的高程值是反映了该作用区域内的点云数据绝对高程值，现有的高程值是地面点到高度起算面的垂直距离。绝对高程(或称海拔)，是指地面点沿垂线方向至大地水准面的距离。通俗点说，如果起算面是海平面，则高程为海拔高程，也就是绝对高程；而本实施例提供的高程值是在此基础上按照一定的规则或比例，或者根据地面物的类别进行一定程度的压缩，具有相当于地面点有适当的高程的数据，是一种相对高程模型，该高程模型中的高程反映的是地面的高程值，通过略去地面物的高程，得到的高程值是反映地面高低起伏的高程值，或者不同作业区域的数字高程模型。

本实施例数字高程模型采用软件Terrasolid进行处理得到.jas格式的数字高程模型。

如图2所示，数字高程模型DEM生成：本实施例数字高程模型DEM的生成采用软件ArcGIs进行，首先创建LAS数据集，创建引用一个或多个LAS文件和可选表面约束要素的LAS数据集；然后对LAS数据集进行转栅格处理，使用存储在LAS数据集所引用的激光雷达点中的高程值创建栅格，根据作图比例尺选择适当的采样类型及采样值；最后定义投影：使用此工具定义一个与DOM相同的坐标系。本实施例输出数据为.GIF格式DEM数据。

本实施例中数字高程模型DEM生成是通过设置点云数据中的高程值来实现的，所述高程值可以采用统一高程值对区域内DEM格网点高程统一赋值置平，也可以根据区域内不同目标采用不同的高程值进行置平，比如由于海洋、湖泊、水库、房屋、树木、电杆等不同，置平时高程赋值也需要不同设置，生成的数字高程模型符合实际地表形态。

根据点云数据将不同区域的点云数据进行分类，判断每一类的特征，根据每一类的特征确定不同的高程值，分别对各类的DEM格网点高程赋值置平，得到数字高程模型DEM。

本实施例中采集的点云数据存储于数据库中，所述数据库存储有采集区域地形的地理坐标位置、纹理、光照信息以及该位置的高程值，在数字高程模型DEM生成过程中，分别调用采集区域地形在该地理坐标位置所对应的高程值以及相邻区域的高程值，并根据这些高程值判断该区域的目标物体类别，在根据该目标物体类别与地面坐标之间的关系，生成拟合该区域地形地面的地面高程值，并根据该地面高程值将该区域的目标物体替换为地面高程值，保持与该区域的纹理、光照信息近似的区域的纹理、光照信息，从而形成平滑过渡的地形三维模型，该地形三维模型在高程值上与相邻区域的高程值相同，纹理、光照信息与相邻区域的纹理、光照信息近似，相当于在该区域将高出地表的建筑物、电杆或树木等物体移除，保留了该区域地形的原始面貌。

本实施例在获取数字高程地面数据过程中删除非地面点云数据时，可以采用以下步骤来实现：

将点云数据按照位置坐标在高度值方向翻转，得到由倒置点云数据构成的地面层数据；

根据地面层数据拟合计算由相邻三个坐标点构成的矢量三角形的拟合面积；

判断地面点数据是否为水面或房屋空洞数据；如果是，则利用插点法回填点云数据；如果否，则保留地面点数据；

本实施例提供的方法在水面在激光扫描时，光线容易被水吸收了，所以对应水面区域的没有点云数据，对应房屋扫描得到被房屋覆盖的地面没有反射信号，也会形成点云数据空洞，或者点云稀少或缺失的部分也会形成点云数据空洞，这些空洞点云数据可以采用增加插点法回填点云；也可以使用人工方式进行点云回填。

本实施例提供的数据库存储的参考数字高程模型或位置的三维表面模型可以获得每个图像像素的高程值。

如图3所示，获取同一作业区域地形的数字正射影像数据DOM，本实施例是经过正射影像生产软件直接生产的.GIF格式的真正射影像；

对同一作业区域地形的数字正射影像数据进行剪裁处理，本实施例DOM剪裁处理采用软件ArcGIs来实现，通过该软件按照项目范围剪裁原始正射影像；最后得到.GIF格式的DOM数据。

如图4所示，生成数字地形三维模型：根据DEM数据中的高程信息与DOM数据中的影像信息生成OGSB三维立体模型，本实施例采用软件iData来实现，最后输出.osgb格式的数字地形三维模型。

实施例2

本实施例提供的方法是基于Lidar系统所获取的点云数据，通过激光点云数据处理专用软件Terrasolid全自动过滤地物点，保留地面点以生成高精度DEM，在此基础上结合正射影像数据，生成拉伸三维模型应用于大比例尺地形图测绘，用传统测量方法进行精度验证分析，结果表明激光点云建模应用在1：500地形图测绘中平面和高程精度均能满足规范要求。

如图1所示，首先建立三维模型数据，整体步骤如下：使用验收合格的激光雷达点云数据进行点云预处理、点云分类(提取地面点)、构建TIN等操作，生成高精度DEM数据，再叠加相同投影正射影像数据进行拉伸建模，得到三维模型成果数据，最好利用三维模型绘制地形图。

其中，点云预处理的具体步骤如下：在实际的点云数据采集过程中，由于航线规划的局限性，部分凸出物体会对扫描激光形成遮挡，造成扫描盲区，形成数据空洞。并且由于扫描设备测量范围有限，对于大范围场景，不能一次性进行完整测量，必须多次扫描测量，因此扫描结果往往是分区块存在，区块边缘点精度较低，不能满足使用要求。同时由仪器的系统误差和被测对象的物理特性的不同，在测量过程中不可避免地混有不合理的噪声点。所以需要对激光点云数据进行补洞、简化以及去噪等预处理。

点云分类的具体步骤如下：要想得到高精度的DEM数据，关键技术是对原始激光点云数据进行分类处理，即过滤掉非地面的点云数据，如房屋、植被、桥梁等，以得到精确的地面点数据，同时还应保证地面点云密度足以达到建模需求。本实施例采用Terrasolid和MicroStation V8为操作平台，通过合理的参数设置，最大限度获得准确全面的地面点数据。

地面点的获取方法是先对原始点云数据进行初步高程重建，即为平坦操作和倒顶转换预设合理的参数。其中Max building size为最大建筑物尺寸，其设置可根据测区建筑物的尺寸进行设定；Terrain angle为地面最大垂角，可根据测区地形设置适当值，一般为88或89；Iteration angle为判断地面点位数据的跌代角度,此处分为两种情况处理，当过滤区域为林地、灌木等区域时一般设置为6°左右，过滤出地面点作为绘制等高线使用，当过滤区域为耕地、水田等区域时，一般设置在18°左右，以便保留更多地形特征点用于构建精细化DEM使用；Iteration distance为跌代垂距一般山地为1.6或更大，平地为1.4或更小；最后本文与其他过滤方式不同的是取消Reduce iteration设置即不设置停止计算条件，目的是当遇到陡坎时不会终止计算，能保留更全面的地形特征。如图2所示，图2为原始点云中提取出地面点效果图。

三维模型构建具体步骤如下：在去除了落在植被和建筑物上的激光点云数据后进行地面高程重建，可以获取制作DEM的地面数据。利用ArcGIS软件可以直接将LAS格式激光点云数据进行构建TIN处理，为保证覆盖整个测区范围，可适当向图幅外围延伸，可在ArcGIS软件界面初步检查TIN完整性、连续性以及部分高程异常情况，合格后直接导出tif格式DEM成果。最后结合同区域相同投影的正射影像数据，利用Idata软件可直接生成OSGB格式的三维模型数据成果。

本实施例得到的地形三维模型上用iData软件可以进行地形图绘制，作业方式是平面位置和高程信息部能同时采集，这种方式目前还没有采用这种方式在三维模型上进行地形图绘制。

本实施例在地形三维模型上绘制地形图时，采用以下方式：确定在地形三维模型的绘制起点；拾取鼠标当前的鼠标点和鼠标移动方向；在以鼠标点为中心点设置绘制预设区域，在获取位于绘制预设区域内的地形图数据，获取绘制预设区域内地形图数据的正射图像数据，根据正射图像数据识别出需要绘制的地形图特征，如识别出正射图像中陡坎，可以通过图像边沿识别算法将正射图像中的边沿分割处理，然后获取边沿对应的坐标位置，沿边沿移动鼠标位置绘制需要绘制的地形特征，重复拾取鼠标当前的鼠标坐标点和鼠标移动方向，比如需要在地形三维模型上绘制沿标志物的轮廓线时，可以在绘制预设区域内提取该标志物的轮廓线，并通过高亮显示方式输出轮廓线，以适于更加明显的引导鼠标的引导方向，在鼠标移动的过程中，实时拾取鼠标坐标点，并与标志物轮廓线相邻坐标进行比较，当鼠标坐标点与相邻坐标差值达到预设阈值时，输出提示信号，提醒适当调整鼠标位置，以便更佳让鼠标贴合标志物的轮廓线。

实施例3

本实施例利用得到的地形三维模型绘制大比例尺地形图过，以南川区木凉镇云都湖、漱玉湖片区1：500地形图测绘项目为例进行说明绘制地形图的过程：

测区概况：本次测区位于南川区木凉镇云都湖、漱玉湖片区，面积约21.6平方公里。测区为山区地形，地形复杂，起伏较大，要求成图比例尺1：500，考虑到测区地形情况，采用飞马V100无人机搭载4200万像素高清数码相机，获取测区正射影像数据；大黄蜂搭载华测AS-900HL超长距离激光扫描系统，获取测区激光点云数据。

点云数据获取：本测区范围约21.6平方公里，选取测区空旷位置铺设黑白相间的标靶作为像控点及检核点，共布设像控点60个、检核点14个；采用飞马无人机管家自动规划航线，满足重叠度要求，获取影像数据共5308张；按照平均航高100米、航间距150米规划激光雷达航线，共获取激光雷达点云数据约51亿点，点云密度约120点/㎡。

如图2所示，图2从原始点云中提取出地面点效果图，图中沿树林底部方向连续点为地面点数据。

采用Pix4Dmapper软件进行内业数据处理，主要处理步骤包括像控点的选刺、空中三角测量、正射影像生成，处理激光点云数据，获取地形三维模型。

测图应用：在Idata软件中绘制地形图的过程中，同时加载正射影像数据及三维模型数据，先在三维模型上采用外业碎部点采集的方式采集地形特征点三维坐标，再结合正射影像绘制平面线形，正射影像有时无法反应地形起伏情况，此时需结合三维模型辅助判断地形起伏、陡坎走向，从而达到绘制正确地形的目的，同时对于灌木林地区域，可直接利用模型自动生成等高线。

如图3所示，图3为三维模型中获取田坎高程示意图，图3中.828和.78均为田坎的高程值。图4为三维模型辅助判定陡坎走向示意图，正射影像中无法反应的隐蔽区域陡坎走向，可通过三维模型辅助绘制。陡坎走向地形图在三维中的显示情况，图中黑色线条为陡坎走向示意图，且线条中标注有地形图绘制的专用符合(本图中未示出)，绘制是通过鼠标在需要标定的坐标点确定位置，然后移动鼠标，根据鼠标移动方向和在下一个需要确定的标注点，拟合出陡坎的走向，直到所有需要标注的点确定完毕，最后得到陡坎走向地形图。本实施例提供的各种地形图的绘制，都是按照GB/T 20257.1-2017国家基本比例尺地图图式第1部分：1：500；1：1000；1：2000地形图图式进行绘制，其中的地形图图例符号均符合地形图的常用图式。

图5为等高线地形图在三维模型中的显示情况示意图。

测图成果分析：为了检验基于激光点云建模的1：500地形图测绘的可行性与精度，在测区范围内均匀分布选取14个平坦区域点作为检核点，量测精度与像控点一致，平面精度为±0.02m，高程精度为±0.03m，所有检核点事先均使用油漆做了标识。量测获取检核点的三维坐标数据(X_i，Y_i，Z_i)，并以此为准确值，在正射影像和三维模型中提取检核点的三维坐标(X_j，Y_j，Z_j)，即可求得坐标值残差(ΔX，ΔY，ΔZ)

判断点位精度的值为平面点位中误差m_p、高程点位中误差m_h，其计算公式为

式中，n为检核点数量。

统计结果为：平面点位中误差m_p＝0.05m，最大点位误差为JH02号点的0.085m；高程中误差m_h＝0.067m，最大点位误差为JH12号点的0.11m。依据《工程测量规范》(GB 50026-2007)要求图上点位中误差0.8mm，对应1：500测图所要求的平面中误差限差为0.4m，高程中误差为1/3等高距，对应1：500测图所要求的高程中误差为0.167m，精度比对结果如表1所示。由此可知，基于激光点云建模的1：500地形图测绘平面和高程精度均能满足规范要求。

表1点位精度比较表m

本实施例提供的地形图绘制方法，激光点云建模应用在1：500地形图测绘中平面和高程精度均能满足规范要求。随着航摄影像采集方案的优化以及机载激光雷达技术的不断进步，激光点云建模辅助大比例尺地形图测绘将具有更加广阔的应用场景。

实施例4

如图6-12所示，本实施例从获取的原始点云数据开始到最终得到能绘制地形图的整个过程描述本方法的过程，具体如下：如图6所示，图6为激光点云原始数据示意图，图中数据为原始激光点云数据，包括噪点和杂点数据，需要进行过滤才能在后期处理正确使用；如图7所示，图7为激光点云过滤后数据示意图，通过过滤处理将原始点云数据变成了符合要求的点云数据；如图8所示，图8为激光点云着色后数据示意图，为每个点云配合颜色得到着色点云数据；如图9所示，图9为数字高程模型示意图，数字高程模型中是作用区域规则格网点的平面坐标和高程数据集，反映该区域地貌形态的空间分布；如图10所示，图10为正射影像示意图，正射影像数据是采用正射像片制作的格网平面图；如图11所示，图11为三维地表模型示意图，本图是将高程模型和正射影像融合形成的地表三维模型，该模型既有精度高的坐标数据和地表地貌数据；如图12所示，图12为地形图成果示意图，该图中的线条为等高线。

综上所述，本实施例提供地形图绘制方法通过在前期采集数据的基础上，利用将数字高程模型和正射影像数据融合形成三维地表模型，可以通过数字高程模型的地图数据确定需要地形图绘制的具体坐标位置，通过正射影像数据显示出各坐标位置对应的地形影像数据，从而直观显示出绘制的地形图真实地形图像，因此本实施例提供的方法不仅提供了绘制的地形图的精度，还增强了绘制的地形图的地貌，具体比较如下表所示：

实施例5

本实施例提供的基于激光点云结合数字高程模型的地形三维模型制图系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。

同时还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (10)

1.基于激光点云的地形三维模型构建方法，其特征在于：包括以下步骤：

获取作业区域地形的激光点云数据；

根据采集的激光点云数据按照预设高程阈值进行处理得到数字高程模型；

获取同一作业区域地形的数字正射影像数据；

将数字高程模型与数字正射影像数据融合生成数字地形三维模型；

还包括以下步骤：

确定在地形三维模型的绘制起点；拾取鼠标当前的鼠标点和鼠标移动方向；在以鼠标点为中心点设置绘制预设区域，在获取位于绘制预设区域内的地形图数据，获取绘制预设区域内地形图数据的正射图像数据，根据正射图像数据识别出需要绘制的地形图特征，通过图像边沿识别算法将正射图像中的边沿分割处理，然后获取边沿对应的坐标位置，沿边沿移动鼠标位置绘制需要绘制的地形特征，重复拾取鼠标当前的鼠标坐标点和鼠标移动方向，得到在地形三维模型上绘制沿标志物的轮廓线；

所述数字高程模型按照以下步骤得到：

将采集的点云数据存储于数据库中，所述数据库存储有采集区域地形的地理坐标位置、纹理、光照信息以及该位置的高程值，在数字高程模型DEM生成过程中，分别调用采集区域地形在该地理坐标位置所对应的高程值以及相邻区域的高程值，并根据这些高程值判断该区域的目标物体类别，在根据该目标物体类别与地面坐标之间的关系，生成拟合该区域地形地面的地面高程值，并根据该地面高程值将该区域的目标物体替换为地面高程值，保持与该区域的纹理、光照信息近似的区域的纹理、光照信息，从而形成平滑过渡的地形三维模型，该地形三维模型在高程值上与相邻区域的高程值相同，纹理、光照信息与相邻区域的纹理、光照信息近似。

2.如权利要求1所述的基于激光点云的地形三维模型构建方法，其特征在于：所述数字高程模型是按照以下步骤得到的：

获取原始激光点云数据并进行噪点处理和过滤处理得到点云数据；

去除点云数据中的孤立点数据；

对去除孤立点的点云数据进行分类，并得到地面点云数据和非地面点云数据，所述非地面点云数据包括房屋点云数据、植被点云数据、桥梁点云数据和水域点云数据；

过滤掉非地面点云数据，得到地面点数据；

对地面点云数据进行二次去噪点和点云厚度降低处理；

按照预设高程阈值采集不同种类的点云数据并生成数字高程数据。

3.如权利要求1所述的基于激光点云的地形三维模型构建方法，其特征在于：所述点云数据进行分类是按照以下步骤进行的：

所述点云数据进行分类是通过神经网络进行的，所述神经网络是使用多组训练数据训练出的，所述多组中的训练数据中每一组训练数据均包括不同种类点云数据和用来标识该不同种类点云数据的高程值的标识信息；获取所述模型的输出信息，其中，所述输出信息包括所述不同种类点云数据的高程值。

4.如权利要求2所述的基于激光点云的地形三维模型构建方法，其特征在于：所述地面点数据还包括以下步骤：

判断地面点数据是否为水面或房屋空洞；如果是，则利用插点法回填点云数据；如果否，则保留地面点数据。

5.如权利要求1所述的基于激光点云的地形三维模型构建方法，其特征在于：所述数字正射影像数据还包括以下步骤：

对作业区域的点云数据和数字正射影像数据在同一范围进行剪裁处理。

6.如权利要求1所述的基于激光点云的地形三维模型构建方法，其特征在于：所述数字地形三维模型是按照以下步骤生成的：

获取数字高程模型中坐标信息和高程信息；

获取数字正射影像数据中坐标信息和影像信息；

按照数字高程模型与数字正射影像数据中一一对应的坐标信息将影像信息与高程信息叠加生成数字地形三维模型。

7.如权利要求1所述的基于激光点云的地形三维模型构建方法，其特征在于：所述数字高程模型是通过软件ArcGIs进行处理得到的数字高程模型，具体步骤如下：

首先创建LAS数据集，创建引用一个或多个LAS文件和可选表面约束要素的LAS数据集；然后对LAS数据集进行转栅格处理，使用存储在LAS数据集所引用的激光雷达点中的高程值创建栅格，根据作图比例尺选择适当的采样类型及采样值；最后与数字正射影像数据中在相同的坐标系进行投影。

8.一种地形图绘制方法，其特征在于：包括以下步骤：

利用权利要求1-7任一项所述的基于激光点云结合数字高程模型的地形三维模型制图方法得到数字地形三维模型；

获取作业区域的采集地形特征点三维坐标；

结合数字地形三维模型的正射影像数据绘制平面线形数据；

结合数字地形三维模型中的高程信息绘制地形特征点三维坐标数据；

在数字地形三维模型输出作业区域三维地形图。

9.一种基于激光点云结合数字高程模型的地形三维模型制图系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。