CN113269056A - 基于卫星影像的公路勘察设计方法 - Google Patents
基于卫星影像的公路勘察设计方法 Download PDFInfo
- Publication number
- CN113269056A CN113269056A CN202110489170.0A CN202110489170A CN113269056A CN 113269056 A CN113269056 A CN 113269056A CN 202110489170 A CN202110489170 A CN 202110489170A CN 113269056 A CN113269056 A CN 113269056A
- Authority
- CN
- China
- Prior art keywords
- area
- determining
- sub
- region
- image
- 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
- 238000013461 design Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 10
- 239000002689 soil Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Abstract
本发明提供了基于卫星影像的公路勘察设计方法,其充分利用高分辨率的多光谱遥感卫星影像对目标区域进行大面积范围的勘测,并且遥感卫星拍摄影像的分辨率并不会受目标区域的地表形貌和地理位置的制约,其能够有效地降低对目标区域野外勘测的工作量和缩短勘测周期,从而大大地提高公路线路设计的可靠性和降低公路线路设计的成本。
Description
技术领域
本发明涉及道路设计的技术领域,尤其涉及基于卫星影像的公路勘察设计方法。
背景技术
公路在建设之前通常需要对目标区域进行实地勘察,以此确定目标区域的地形分布和土质结构,从而规划设计出公路在目标区域内的线路走向。为了提高实地勘察的效率,现有技术利用无人机等飞行器对目标区域进行航空摄影测量,这样通过航空摄影能够获取飞行器飞行线路走廊范围内的地形图,并在此基础上进行公路线路设计。但是这种航空摄影测量手段对地表形貌复杂或者地理位置特殊地区的摄像分辨率和设计精度较低,并且勘察时间较长,这无法对目标区域进行快速和准确的勘测,同时也大大降低了公路线路设计的可靠性和增大公路线路设计的成本。
发明内容
针对上述现有技术存在的缺陷,本发明提供基于卫星影像的公路勘察设计方法,其通过获取目标区域的多光谱遥感卫星影像,并生成所述多光谱遥感卫星影像对应的反射光谱影像;再根据反射光谱影像,确定目标区域中不同地貌各自的分布信息;根据不同地貌各自的分布信息,确定目标区域中能够建设公路的子区域;获取能够建设公路的子区域对应的多光谱遥感卫星影像对应的颜色特征信息,并根据颜色特征信息,确定子区域的三维地形信息;根据子区域的三维地形信息,确定子区域中公路走向分布和/或公路大小尺寸;可见,该基于卫星影像的公路勘察设计方法利用遥感卫星采集目标区域的多光谱遥感卫星影像,再分析该多光谱遥感卫星,以此确定目标区域的地貌信息,并进一步确定在目标区域中设计公路对应的公路走向分布和/或公路大小尺寸,其充分利用高分辨率的多光谱遥感卫星影像对目标区域进行大面积范围的勘测,并且遥感卫星拍摄影像的分辨率并不会受目标区域的地表形貌和地理位置的制约,其能够有效地降低对目标区域野外勘测的工作量和缩短勘测周期,从而大大地提高公路线路设计的可靠性和降低公路线路设计的成本。
本发明提供一种基于卫星影像的公路勘察设计方法,其特征在于,其包括如下步骤:
步骤S1,获取目标区域的多光谱遥感卫星影像,并生成所述多光谱遥感卫星影像对应的反射光谱影像;再根据所述反射光谱影像,确定所述目标区域中不同地貌各自的分布信息;
步骤S2,根据所述不同地貌各自的分布信息,确定所述目标区域中能够建设公路的子区域;
步骤S3,获取所述能够建设公路的子区域对应的多光谱遥感卫星影像对应的颜色特征信息,并根据所述颜色特征信息,确定所述子区域的三维地形信息;
步骤S4,根据所述子区域的三维地形信息,确定所述子区域中公路走向分布和/或公路大小尺寸;
进一步,在所述步骤S1中,获取目标区域的多光谱遥感卫星影像,并生成所述多光谱遥感卫星影像对应的反射光谱影像具体包括:
步骤S101,获取目标区域边界中若干不同离散位置处的经度信息和纬度信息,并根据所述经度信息和所述纬度信息,拟合形成目标区域边界的完整边界线条分布信息;
步骤S102,根据所述完整边界线条分布信息,确定所述目标区域对应的封闭区域范围;再以所述封闭区域范围为基准,指示遥感卫星对所述封闭区域范围进行扫描拍摄,从而获得目标区域对应的多光谱遥感卫星影像;
步骤S103,对所述多光谱遥感卫星影像进行影像反射率的反演处理,从而得到所述多光谱遥感卫星影像对应的反射光谱影像。
进一步,在所述步骤S1中,根据所述反射光谱影像,确定所述目标区域中不同地貌各自的分布信息具体包括:
步骤S104,确定所述反射光谱影像中不同影像区域对应的归一化光反射系数值;
步骤S105,将每个影像区域的归一化反射系数值与第一预设光反射系数范围、第二预设光反射系数范围、第三预设光反射系数范围进行比对,其中,第一预设光反射系数范围、第二预设光反射系数范围和第三预设光反射系数范围的数值范围依次邻接且依次增大;
步骤S106,当某一影像区域的归一化反射系数值位于第一预设光反射系数范围,则将对应影像区域确定为裸露地表区域;当某一影像区域的归一化反射系数值位于第二预设光反射系数范围,则将对应影像区域确定为植被覆盖区域;当某一影像区域的归一化反射系数值位于第三预设光反射系数范围,则将对应影像区域确定为水体覆盖区域。
进一步,在所述步骤S1中,根据所述反射光谱影像,确定所述目标区域中不同地貌各自的分布信息还具体包括:
步骤S107,根据某一影像区域在多光谱遥感卫星影像中的影像区域面积,确定裸露地表区域、植被覆盖区域或者水体覆盖区域对应的覆盖区域边界。
进一步,在所述步骤S2中,根据所述不同地貌各自的分布信息,确定所述目标区域中能够建设公路的子区域具体包括:
步骤S201,根据裸露地表区域、植被覆盖区域和水体覆盖区域对应的覆盖区域边界,将裸露地表区域、植被覆盖区域和水体覆盖区域进行拼接,得到与目标区域相对应的地貌分布图;
步骤S202,从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,并将所述相连接的区域确定为所述目标区域中能够建设公路的子区域。
进一步,在所述步骤S202中,从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,并将所述相连接的区域确定为所述目标区域中能够建设公路的子区域具体包括:
从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,再将所述相连接的区域的边界线条进行圆滑化处理后,将所述相连接的区域确定为所述目标区域中能够建设公路的子区域。
进一步,在所述步骤S3中,获取所述能够建设公路的子区域对应的多光谱遥感卫星影像对应的颜色特征信息,并根据所述颜色特征信息,确定所述子区域的三维地形信息具体包括:
步骤S301,获取所述能够建设公路的子区域对应的多光谱遥感卫星影像对应的色调特征信息;
步骤S302,根据所述色调特征信息,确定所述子区域对应的多光谱遥感卫星影像沿预设方位方向的色调梯度值分布信息;再根据所述色调梯度值分布信息,确定所述子区域的等高线分布信息。
进一步,在所述步骤S302中,根据所述色调梯度值分布信息,确定所述子区域的等高线分布信息或还包括:
获取所述子区域中任意相邻的两条等高线之间的区域面积。
进一步,在所述步骤S4中,根据所述子区域的三维地形信息,确定所述子区域中公路走向分布具体包括:
根据所述子区域的等高线分布信息,确定所述子区域中的平地区域、山地区域和山谷区域;
再根据平地区域、山地区域和山谷区域之间的相对位置关系,确定所述子区域中公路走向分布。
进一步,在所述步骤S4中,根据所述子区域的三维地形信息,确定所述子区域中公路大小尺寸具体包括:
根据所述子区域中任意相邻的两条等高线之间的区域面积,确定所述子区域中的平地区域、山地区域和山谷区域各自的区域面积;
再根据所述子区域中的平地区域、山地区域和山谷区域各自的区域面积,确定公路的道路宽度。
相比于现有技术,本发明的基于卫星影像的公路勘察设计方法基于卫星影像的公路勘察设计方法通过获取目标区域的多光谱遥感卫星影像,并生成所述多光谱遥感卫星影像对应的反射光谱影像;再根据反射光谱影像,确定目标区域中不同地貌各自的分布信息;根据不同地貌各自的分布信息,确定目标区域中能够建设公路的子区域;获取能够建设公路的子区域对应的多光谱遥感卫星影像对应的颜色特征信息,并根据颜色特征信息,确定子区域的三维地形信息;根据子区域的三维地形信息,确定子区域中公路走向分布和/或公路大小尺寸;可见,该基于卫星影像的公路勘察设计方法利用遥感卫星采集目标区域的多光谱遥感卫星影像,再分析该多光谱遥感卫星,以此确定目标区域的地貌信息,并进一步确定在目标区域中设计公路对应的公路走向分布和/或公路大小尺寸,其充分利用高分辨率的多光谱遥感卫星影像对目标区域进行大面积范围的勘测,并且遥感卫星拍摄影像的分辨率并不会受目标区域的地表形貌和地理位置的制约,其能够有效地降低对目标区域野外勘测的工作量和缩短勘测周期,从而大大地提高公路线路设计的可靠性和降低公路线路设计的成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或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申请的一些实施例,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为本发明提供的基于卫星影像的公路勘察设计方法的流程意图。
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作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。
参阅图1,为本发明提供的基于卫星影像的公路勘察设计方法的流程示意图。该基于卫星影像的公路勘察设计方法包括如下步骤:
步骤S1,获取目标区域的多光谱遥感卫星影像,并生成所述多光谱遥感卫星影像对应的反射光谱影像;再根据所述反射光谱影像,确定所述目标区域中不同地貌各自的分布信息;
步骤S2,根据所述不同地貌各自的分布信息,确定所述目标区域中能够建设公路的子区域;
步骤S3,获取所述能够建设公路的子区域对应的多光谱遥感卫星影像对应的颜色特征信息,并根据所述颜色特征信息,确定所述子区域的三维地形信息;
步骤S4,根据所述子区域的三维地形信息,确定所述子区域中公路走向分布和/或公路大小尺寸。
上述技术方案的有益效果为:该基于卫星影像的公路勘察设计方法利用遥感卫星采集目标区域的多光谱遥感卫星影像,再分析该多光谱遥感卫星,以此确定目标区域的地貌信息,并进一步确定在目标区域中设计公路对应的公路走向分布和/或公路大小尺寸,其充分利用高分辨率的多光谱遥感卫星影像对目标区域进行大面积范围的勘测,并且遥感卫星拍摄影像的分辨率并不会受目标区域的地表形貌和地理位置的制约,其能够有效地降低对目标区域野外勘测的工作量和缩短勘测周期,从而大大地提高公路线路设计的可靠性和降低公路线路设计的成本。
优选地,在所述步骤S1中,获取目标区域的多光谱遥感卫星影像,并生成所述多光谱遥感卫星影像对应的反射光谱影像具体包括:
步骤S101,获取目标区域边界中若干不同离散位置处的经度信息和纬度信息,并根据所述经度信息和所述纬度信息,拟合形成目标区域边界的完整边界线条分布信息;
步骤S102,根据所述完整边界线条分布信息,确定所述目标区域对应的封闭区域范围;再以所述封闭区域范围为基准,指示遥感卫星对所述封闭区域范围进行扫描拍摄,从而获得目标区域对应的多光谱遥感卫星影像;
步骤S103,对所述多光谱遥感卫星影像进行影像反射率的反演处理,从而得到所述多光谱遥感卫星影像对应的反射光谱影像。
上述技术方案的有益效果为:由于目标区域通常的占地面积范围较大,在实际操作中无法对目标区域的每个边界线条进行逐一逐点的测量,为了准确确定目标区域的完整边界线条分别,可以理解的,首先对目标区域边界的若干离散位置点处的位置信息进行检测,从而获得对应的若干不同离散位置点处的经度和纬度,再以这些离散位置点为基础,在相邻的两个离散位置点之间进行均值插值,即将在相邻的两个离散位置点之间的平均经度值和平均纬度值对应的位置点设置相应的虚拟点,这样通过对所有相邻的两个离散位置点之间进行同样的虚拟点插入处理,能够拟合形成目标区域边界的完整边界线条,从而根据目标区域的所有完整边界线条围蔽形成目标区域对应的封闭区域范围。接着,以封闭区域范围作为遥感卫星的遥感摄影范围进行相应的扫描拍摄,这样能够对该目标区域进行全面的遥感摄像,从而有效避免发生摄像遗漏的情况。
此外,由于多光谱遥感卫星影像中包含目标区域对太阳光的反射信息,这样通过提取多光谱遥感卫星影像中包含的反射信息并进行相应的数学反演计算,即可得到所述多光谱遥感卫星影像对应的反射光谱影像。
优选地,在所述步骤S1中,根据所述反射光谱影像,确定所述目标区域中不同地貌各自的分布信息具体包括:
步骤S104,确定所述反射光谱影像中不同影像区域对应的归一化光反射系数值;
步骤S105,将每个影像区域的归一化反射系数值与第一预设光反射系数范围、第二预设光反射系数范围、第三预设光反射系数范围进行比对,其中,第一预设光反射系数范围、第二预设光反射系数范围和第三预设光反射系数范围的数值范围依次邻接且依次增大;
步骤S106,当某一影像区域的归一化反射系数值位于第一预设光反射系数范围,则将对应影像区域确定为裸露地表区域;当某一影像区域的归一化反射系数值位于第二预设光反射系数范围,则将对应影像区域确定为植被覆盖区域;当某一影像区域的归一化反射系数值位于第三预设光反射系数范围,则将对应影像区域确定为水体覆盖区域。
上述技术方案的有益效果为:由于目标区域通常会存在土壤直接裸露的地表区域、植被(比如草皮或树木)覆盖区域和水体(比如河流或湖泊)覆盖区域,上述三种不同类型的区域对于太阳光的反射效率并不相同,通常而言,水体覆盖区域的反射效率最高,其次是植被覆盖区域,而土壤直接裸露的地表区域的反射效率最低,相应地,上述三种类型的区域的归一化反射系数也呈相应的大小关系。通过确定反射光谱影像中不同影像区域对应的归一化光反射系数值,并将该归一化反射系数值与三个不同的预设反射系数范围进行比对,其中第一预设光反射系数范围、第二预设光反射系数范围和第三预设光反射系数范围分别对应于土壤直接裸露的地表区域、植被覆盖区域和水体覆盖区域各自的归一化反射系数范围,这样能够准确地确定对应的影像区域究竟是属于上述哪一类型区域,而第一预设光反射系数范围、第二预设光反射系数范围和第三预设光反射系数范围可以根据对不同多光谱遥感卫星影像进行经验计算而得到,这里就不做详细的累述。
优选地,在所述步骤S1中,根据所述反射光谱影像,确定所述目标区域中不同地貌各自的分布信息还具体包括:
步骤S107,根据某一影像区域在多光谱遥感卫星影像中的影像区域面积,确定裸露地表区域、植被覆盖区域或者水体覆盖区域对应的覆盖区域边界。
上述技术方案的有益效果为:由于某一影像区域在多光谱遥感卫星影像中的影像区域面积与对应区域的覆盖区域范围相对应,通过该影像区域面积能够快速地和准确地裸露地表区域、植被覆盖区域或者水体覆盖区域对应的覆盖区域边界,这样能够实现对不同区域的精确定位。
优选地,在所述步骤S2中,根据所述不同地貌各自的分布信息,确定所述目标区域中能够建设公路的子区域具体包括:
步骤S201,根据裸露地表区域、植被覆盖区域和水体覆盖区域对应的覆盖区域边界,将裸露地表区域、植被覆盖区域和水体覆盖区域进行拼接,得到与目标区域相对应的地貌分布图;
步骤S202,从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,并将所述相连接的区域确定为所述目标区域中能够建设公路的子区域。
上述技术方案的有益效果为:由于在水体覆盖区域上建设公路的难度和工程量都较大,在正常情况下水体覆盖区域并不会优先作为公路设计涉及的区域。将裸露地表区域、植被覆盖区域和水体覆盖区域进行拼接,得到与目标区域相对应的地貌分布图,能够全面地对目标区域中可建设公路的区域进行甄别,其中剔除水体覆盖区域后,从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,这样能够初步地确定目标区域中适宜建设公路的区域部分,再将所述相连接的区域确定为所述目标区域中能够建设公路的子区域,能够进一步保证在该子区域中设计的公路能够完整地从出发地延伸到目的地,从而保证设计的公路能够在目标区域中顺利延伸。
优选地,在所述步骤S202中,从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,并将所述相连接的区域确定为所述目标区域中能够建设公路的子区域具体包括:
从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,再将所述相连接的区域的边界线条进行圆滑化处理后,将所述相连接的区域确定为所述目标区域中能够建设公路的子区域。
上述技术方案的有益效果为:由于从地貌分布图中初步确定出裸露地表区域与植被覆盖区域相连接的区域的边界线条会存在较多的曲折线条部分,这些曲折线条部分会影响设计公路走线的长度,但是这些曲折线条部分在实际公路建设中并不真实存在,其只是对影像处理后形成的虚构线条。为了消除这些曲折线条部分的影响,将相连接的区域的边界线条进行圆滑化处理,从而最大限度地保证处理后的相连接的区域边界情况与目标区域的真实地理边界情况相一致,以及确保目标区域中能够建设公路的子区域的有效性。
优选地,在所述步骤S3中,获取所述能够建设公路的子区域对应的多光谱遥感卫星影像对应的颜色特征信息,并根据所述颜色特征信息,确定所述子区域的三维地形信息具体包括:
步骤S301,获取所述能够建设公路的子区域对应的多光谱遥感卫星影像对应的色调特征信息;
步骤S302,根据所述色调特征信息,确定所述子区域对应的多光谱遥感卫星影像沿预设方位方向的色调梯度值分布信息;再根据所述色调梯度值分布信息,确定所述子区域的等高线分布信息。
上述技术方案的有益效果为:由于遥感卫星对目标区域进行多光谱遥摄影时,拍摄得到的多光谱遥感卫星影像中不同海拔高度区域的色调值并不相同,这是由于不同海拔高度区域能够反射太阳光的波长范围并不相同,可以理解的是,海拔高度越高的区域、空气越稀薄,该区域中的空气对于太阳光中蓝色等长波长光线的反射越大,这样海拔高度越高的区域在多光谱遥感卫星影像中对应的色度值越偏向于冷色调,同理,海拔海拔高度越低的区域在多光谱遥感卫星影像中对应的色度值越偏向于暖色调。可见,不同海拔高度的区域在多光谱遥感卫星影像中的色调值会呈现不同的高低情况,这样通过在子区域对应的多光谱遥感卫星影像沿预设方位方向上分析相邻两个具有不同色调值的区域之间的差值作为相应的色调梯度值,并结合上述色调值与海拔高度之间的对应关系,即可确定子区域的等高线分布信息,其中的计算过程属于本领域常规的数据变换过程,这里就不做进一步的累述。
优选地,在所述步骤S302中,根据所述色调梯度值分布信息,确定所述子区域的等高线分布信息或还包括:
获取所述子区域中任意相邻的两条等高线之间的区域面积。
上述技术方案的有益效果为:当确定子区域的等高线分布信息后,获取子区域中任意相邻的两条等高线之间包围的区域的面积,这样能够准确地确定相邻两条等高线之间的占地面积,以便于后续精确地设计公路线路的大小尺寸。
优选地,在所述步骤S4中,根据所述子区域的三维地形信息,确定所述子区域中公路走向分布具体包括:
根据所述子区域的等高线分布信息,确定所述子区域中的平地区域、山地区域和山谷区域;
再根据平地区域、山地区域和山谷区域之间的相对位置关系,确定所述子区域中公路走向分布。
上述技术方案的有益效果为:由于子区域中的平地区域、山地区域和山谷区域与子区域中的等高线分布之间存在直接对应的关系,并且公路线路的高低走向与平地区域、山地区域和山谷区域之间的相对位置关系具有关联性,比如可以将公路线路的走向尽量避开经过山地区域和山谷区域,或者将公路线路的走向只尽量避开山地区域,这样能够对公路线路的走线进行精准的确定。
优选地,在所述步骤S4中,根据所述子区域的三维地形信息,确定所述子区域中公路大小尺寸具体包括:
根据所述子区域中任意相邻的两条等高线之间的区域面积,确定所述子区域中的平地区域、山地区域和山谷区域各自的区域面积;
再根据所述子区域中的平地区域、山地区域和山谷区域各自的区域面积,确定公路的道路宽度。
上述技术方案的有益效果为:由于子区域中任意相邻的两条等高线之间的区域面积对应于子区域中的平地区域、山地区域和山谷区域各自的占地面积,为了保证公路的正常行车宽度和车距,以子区域中的平地区域、山地区域和山谷区域各自的面积作为公路宽度设计的基准,能够大大降低公路道路宽度确定的难度。
从上述实施例的内容可知,该基于卫星影像的公路勘察设计方法基于卫星影像的公路勘察设计方法通过获取目标区域的多光谱遥感卫星影像,并生成所述多光谱遥感卫星影像对应的反射光谱影像;再根据反射光谱影像,确定目标区域中不同地貌各自的分布信息;根据不同地貌各自的分布信息,确定目标区域中能够建设公路的子区域;获取能够建设公路的子区域对应的多光谱遥感卫星影像对应的颜色特征信息,并根据颜色特征信息,确定子区域的三维地形信息;根据子区域的三维地形信息,确定子区域中公路走向分布和/或公路大小尺寸;可见,该基于卫星影像的公路勘察设计方法利用遥感卫星采集目标区域的多光谱遥感卫星影像,再分析该多光谱遥感卫星,以此确定目标区域的地貌信息,并进一步确定在目标区域中设计公路对应的公路走向分布和/或公路大小尺寸,其充分利用高分辨率的多光谱遥感卫星影像对目标区域进行大面积范围的勘测,并且遥感卫星拍摄影像的分辨率并不会受目标区域的地表形貌和地理位置的制约,其能够有效地降低对目标区域野外勘测的工作量和缩短勘测周期,从而大大地提高公路线路设计的可靠性和降低公路线路设计的成本。
Claims (10)
1.基于卫星影像的公路勘察设计方法,其特征在于,其包括如下步骤:
步骤S1,获取目标区域的多光谱遥感卫星影像,并生成所述多光谱遥感卫星影像对应的反射光谱影像;再根据所述反射光谱影像,确定所述目标区域中不同地貌各自的分布信息;
步骤S2,根据所述不同地貌各自的分布信息,确定所述目标区域中能够建设公路的子区域;
步骤S3,获取所述能够建设公路的子区域对应的多光谱遥感卫星影像对应的颜色特征信息,并根据所述颜色特征信息,确定所述子区域的三维地形信息;
步骤S4,根据所述子区域的三维地形信息,确定所述子区域中公路走向分布和/或公路大小尺寸。
2.根据权利要求1所述的基于卫星影像的公路勘察设计方法,其特征在于:
在所述步骤S1中,获取目标区域的多光谱遥感卫星影像,并生成所述多光谱遥感卫星影像对应的反射光谱影像具体包括:
步骤S101,获取目标区域边界中若干不同离散位置处的经度信息和纬度信息,并根据所述经度信息和所述纬度信息,拟合形成目标区域边界的完整边界线条分布信息;
步骤S102,根据所述完整边界线条分布信息,确定所述目标区域对应的封闭区域范围;再以所述封闭区域范围为基准,指示遥感卫星对所述封闭区域范围进行扫描拍摄,从而获得目标区域对应的多光谱遥感卫星影像;
步骤S103,对所述多光谱遥感卫星影像进行影像反射率的反演处理,从而得到所述多光谱遥感卫星影像对应的反射光谱影像。
3.根据权利要求1所述的基于卫星影像的公路勘察设计方法,其特征在于:
在所述步骤S1中,根据所述反射光谱影像,确定所述目标区域中不同地貌各自的分布信息具体包括:
步骤S104,确定所述反射光谱影像中不同影像区域对应的归一化光反射系数值;
步骤S105,将每个影像区域的归一化反射系数值与第一预设光反射系数范围、第二预设光反射系数范围、第三预设光反射系数范围进行比对,其中,第一预设光反射系数范围、第二预设光反射系数范围和第三预设光反射系数范围的数值范围依次邻接且依次增大;
步骤S106,当某一影像区域的归一化反射系数值位于第一预设光反射系数范围,则将对应影像区域确定为裸露地表区域;当某一影像区域的归一化反射系数值位于第二预设光反射系数范围,则将对应影像区域确定为植被覆盖区域;当某一影像区域的归一化反射系数值位于第三预设光反射系数范围,则将对应影像区域确定为水体覆盖区域。
4.根据权利要求3所述的基于卫星影像的公路勘察设计方法,其特征在于:
在所述步骤S1中,根据所述反射光谱影像,确定所述目标区域中不同地貌各自的分布信息还具体包括:
步骤S107,根据某一影像区域在多光谱遥感卫星影像中的影像区域面积,确定裸露地表区域、植被覆盖区域或者水体覆盖区域对应的覆盖区域边界。
5.根据权利要求4所述的基于卫星影像的公路勘察设计方法,其特征在于:
在所述步骤S2中,根据所述不同地貌各自的分布信息,确定所述目标区域中能够建设公路的子区域具体包括:
步骤S201,根据裸露地表区域、植被覆盖区域和水体覆盖区域对应的覆盖区域边界,将裸露地表区域、植被覆盖区域和水体覆盖区域进行拼接,得到与目标区域相对应的地貌分布图;
步骤S202,从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,并将所述相连接的区域确定为所述目标区域中能够建设公路的子区域。
6.根据权利要求5所述的基于卫星影像的公路勘察设计方法,其特征在于:
在所述步骤S202中,从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,并将所述相连接的区域确定为所述目标区域中能够建设公路的子区域具体包括:
从所述地貌分布图中确定出裸露地表区域与植被覆盖区域相连接的区域,再将所述相连接的区域的边界线条进行圆滑化处理后,将所述相连接的区域确定为所述目标区域中能够建设公路的子区域。
7.根据权利要求1所述的基于卫星影像的公路勘察设计方法,其特征在于:
在所述步骤S3中,获取所述能够建设公路的子区域对应的多光谱遥感卫星影像对应的颜色特征信息,并根据所述颜色特征信息,确定所述子区域的三维地形信息具体包括:
步骤S301,获取所述能够建设公路的子区域对应的多光谱遥感卫星影像对应的色调特征信息;
步骤S302,根据所述色调特征信息,确定所述子区域对应的多光谱遥感卫星影像沿预设方位方向的色调梯度值分布信息;再根据所述色调梯度值分布信息,确定所述子区域的等高线分布信息。
8.根据权利要求7所述的基于卫星影像的公路勘察设计方法,其特征在于:
在所述步骤S302中,根据所述色调梯度值分布信息,确定所述子区域的等高线分布信息或还包括:
获取所述子区域中任意相邻的两条等高线之间的区域面积。
9.根据权利要求8所述的基于卫星影像的公路勘察设计方法,其特征在于:
在所述步骤S4中,根据所述子区域的三维地形信息,确定所述子区域中公路走向分布具体包括:
根据所述子区域的等高线分布信息,确定所述子区域中的平地区域、山地区域和山谷区域;
再根据平地区域、山地区域和山谷区域之间的相对位置关系,确定所述子区域中公路走向分布。
10.根据权利要求9所述的基于卫星影像的公路勘察设计方法,其特征在于:
在所述步骤S4中,根据所述子区域的三维地形信息,确定所述子区域中公路大小尺寸具体包括:
根据所述子区域中任意相邻的两条等高线之间的区域面积,确定所述子区域中的平地区域、山地区域和山谷区域各自的区域面积;
再根据所述子区域中的平地区域、山地区域和山谷区域各自的区域面积,确定公路的道路宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110489170.0A CN113269056B (zh) | 2021-05-06 | 2021-05-06 | 基于卫星影像的公路勘察设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110489170.0A CN113269056B (zh) | 2021-05-06 | 2021-05-06 | 基于卫星影像的公路勘察设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269056A true CN113269056A (zh) | 2021-08-17 |
CN113269056B CN113269056B (zh) | 2023-11-07 |
Family
ID=77229912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110489170.0A Active CN113269056B (zh) | 2021-05-06 | 2021-05-06 | 基于卫星影像的公路勘察设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269056B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117232471A (zh) * | 2023-11-16 | 2023-12-15 | 四川省亚通工程咨询有限公司 | 一种高速公路隧道巡检系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101965235B1 (ko) * | 2018-12-10 | 2019-04-03 | 주식회사 지오스토리 | 무인기 원격탐사를 통한 잘피군락지 분포조사방법 |
WO2019153746A1 (zh) * | 2018-02-07 | 2019-08-15 | 长安大学 | 基于张量投票耦合霍夫变换的地质线性体提取方法 |
CN110427914A (zh) * | 2019-08-14 | 2019-11-08 | 西南交通大学 | 一种基于卫星遥感的输电走廊植被威胁预警方法 |
CN111912386A (zh) * | 2020-06-22 | 2020-11-10 | 中铁第一勘察设计院集团有限公司 | 山区铁路低空勘察作业方法 |
-
2021
- 2021-05-06 CN CN202110489170.0A patent/CN113269056B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019153746A1 (zh) * | 2018-02-07 | 2019-08-15 | 长安大学 | 基于张量投票耦合霍夫变换的地质线性体提取方法 |
KR101965235B1 (ko) * | 2018-12-10 | 2019-04-03 | 주식회사 지오스토리 | 무인기 원격탐사를 통한 잘피군락지 분포조사방법 |
CN110427914A (zh) * | 2019-08-14 | 2019-11-08 | 西南交通大学 | 一种基于卫星遥感的输电走廊植被威胁预警方法 |
CN111912386A (zh) * | 2020-06-22 | 2020-11-10 | 中铁第一勘察设计院集团有限公司 | 山区铁路低空勘察作业方法 |
Non-Patent Citations (2)
Title |
---|
张霄;陈楚江;余绍淮;: "Reference 3D、ASTER DEM在公路勘察设计中的应用探讨", 中国勘察设计, no. 05 * |
龚婷婷;张蕴灵;傅宇浩;赵政帆;: "浅谈高分遥感技术在公路勘察阶段的应用", 信息系统工程, no. 06 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117232471A (zh) * | 2023-11-16 | 2023-12-15 | 四川省亚通工程咨询有限公司 | 一种高速公路隧道巡检系统及方法 |
CN117232471B (zh) * | 2023-11-16 | 2024-01-26 | 四川省亚通工程咨询有限公司 | 一种高速公路隧道巡检系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113269056B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101933216B1 (ko) | 드론과 공간정보를 이용한 하천지형정보 생성 방법 | |
CN110779498B (zh) | 基于无人机多视点摄影的浅水河流水深测绘方法及系统 | |
JP5389964B2 (ja) | 地図情報生成装置 | |
US20090154793A1 (en) | Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors | |
Huang et al. | Unmanned aerial vehicle based remote sensing method for monitoring a steep mountainous slope in the Three Gorges Reservoir, China | |
Poli et al. | 3D modeling of large urban areas with stereo VHR satellite imagery: lessons learned | |
Vacca et al. | The use of the UAV images for the building 3D model generation | |
Pepe et al. | Two Approaches for Dense DSM Generation from Aerial Digital Oblique Camera System. | |
Mandlburger | A case study on through-water dense image matching | |
Eker | Comparative use of PPK-integrated close-range terrestrial photogrammetry and a handheld mobile laser scanner in the measurement of forest road surface deformation | |
Sadeq | Accuracy assessment using different UAV image overlaps | |
CN113269056A (zh) | 基于卫星影像的公路勘察设计方法 | |
JP7298823B2 (ja) | 森林地域での立木の評価方法、及びこの評価方法における評価対象エリアの特定に適した境界線測量方法 | |
Spore et al. | Collection, processing, and accuracy of mobile terrestrial lidar survey data in the coastal environment | |
Smith et al. | Exploitation of new data types to create digital surface models for flood inundation modelling | |
CN108692710B (zh) | 一种公路宗地测量方法及系统 | |
Duan et al. | Research on estimating water storage of small lake based on unmanned aerial vehicle 3D model | |
Teppati Losè et al. | New developments in lidar uas surveys. performance analyses and validation of the Dji zenmuse L1 | |
JP7123366B2 (ja) | 森林地域での立木の評価方法、及びこの評価方法における評価対象エリアの特定に適した境界線測量方法 | |
CN115638772A (zh) | 基于无人机影像数据提取高山峡谷区滑坡灾害信息的方法 | |
Topan et al. | Georeferencing accuracy assessment of high-resolution satellite images using figure condition method | |
Bannari et al. | Multi-scale analysis of DEMS derived from unmanned aerial vehicle (UAV) in precision agriculture context | |
Lee et al. | Application of terrestrial laser scanner and raster operations to change detection of beach | |
Lubczonek | Location determination of radar sensors by using LIDAR data | |
Lalak et al. | The analysis of the accuracy of digital terrain model (Dtm) obtained from high resolution geoeye-1 satellite imagery |
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 |