CN113344866A - 一种点云综合精度评价方法 - Google Patents
一种点云综合精度评价方法 Download PDFInfo
- Publication number
- CN113344866A CN113344866A CN202110576778.7A CN202110576778A CN113344866A CN 113344866 A CN113344866 A CN 113344866A CN 202110576778 A CN202110576778 A CN 202110576778A CN 113344866 A CN113344866 A CN 113344866A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- precision
- points
- elevation
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000007689 inspection Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 125000004432 carbon atom Chemical group C* 0.000 claims 1
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
本发明提供了一种点云综合精度评价方法,包括从点云成果提取单点、剖面、区域面对点云高程精度进行评价;从点云成果提取地物特征点、特征线与其同步获取影像或野外检测数据进行点云平面绝对精度、点云平面线相对精度、点云平面面相对精度进行评价。所述的点云综合精度是从点云检测的地形类别代表性、数据处理方法合理性、工程应用需求、地理要素表达等方面出发,依据野外检测碎部点、断面线、地形图,在分类后地面点云提取对应的点、线、面。平面精度分别从点位坐标、特征线长度、特征面面积,高程精度分别从单点高程,断面面积、形态吻合性,地形表面模型吻合性、体积等,对点云综合精度进行评价。
Description
技术领域
本发明涉及测绘领域,尤其涉及一种点云综合精度评价方法。
背景技术
三维激光扫描技术是一个迅速发展起来的高新测量技术,通过三维激光扫描技术快速获取目标物体的表面三维数据、构造特性、颜色和反射率等信息,从而为测量目标的识别分析提供了更为丰富的研究内容,被称为“实景复制技术”。由于其获取空间数据的快速高精度特点迎合了测绘发展的趋势,满足了空间信息获取和表达的需要,因而在众多的工程应用领域显现出技术优势,并引发了一场新的技术革命,是继GPS空间定位系统之后又一项测绘技术新突破。与传统测量手段相比,具有无可比拟的优势,主要体现在速度快、精度高、自动化程度高、劳动强度低、使用方便、环境依赖性小等方面。三维激光扫描技术已被广泛应用于地形测绘、三维建模、城市规划、自然资源调查、自然灾害评估、地质学、土木工程、水文、林业调查、电力巡检、考古等领域。
三维激光扫描技术获取数据主要为包含被测物三维空间信息的点云数据,点云数据经滤波处理,得到应用领域所需的专题点云数据。点云数据精度是应用的基础,点云成果精度既由扫描系统本身决定,又与专题点云提取准确性决定。目前点云质量评价涉及的技术规范主要有《机载LiDAR数据获取技术规范》(CH/T 8024-2011)、《机载LiDAR点云数据质量评价指标及计算方法》(GB/T 36100-2018)。《机载LiDAR数据获取技术规范》从点云密度、点云高程方面进行要求,较为笼统,且不全面。《机载LiDAR点云数据质量评价指标及计算方法》从点云密度、点云高程精度、点云平面精度方面对点云质量进行评价。在点云高程精度方面,从单点角度出发,对点云精度进行评价,且要求检查点位于裸露的平坦地面;点云平面精度从单点及边长方面对点云平面精度进行评价。在点云检查地表类型方面,检查点布设在裸露的平坦地表,不仅地形类别代表性差,且不能有效的检验数据处理引入的误差;在工程应用方面,局部点、断面、地形图为最常见的应用资料,例如线路工程设计应用的纵横断面,规划设计、土方量计算应用的地形图等,现有的技术规范没有从工程应用角度出发,仅从单点对点云质量进行评价,实践应用发现,专题点云分类也可能导致点云局部产生系统性的偏差;在地理信息要素方面,点、线、面为表达地理信息的三要素,现行技术规范高程仅从点、平面仅从点、线进行精度评价,评价的要素不全面。本发明从地形类别的代表性,数据处理后点云成果,工程应用需求,地理要素表达等方面,综合评价点云精度,保障最终成果的精度。
发明内容
本发明的目的在于针对上述现有技术的不足,提供了一种点云综合精度评价方法,有效保障点云最终应用的精度。
为实现上述目的,本发明采用了如下技术方案:
本发明提供了一种点云综合精度评价方法,包括从点云成果提取单点、剖面、区域面对点云高程精度进行评价;从点云成果提取地物特征点、特征线、特征面与其同步获取影像或野外检测数据进行点云平面绝对精度,点云平面线相对精度、点云平面面相对精度进行评价;
所述点云高程精度的统计是提取点云中对应野外检测数据碎部点、断面线、地形区域为依据,进行二者高程精度统计分析;精度计算式如下。
进一步,所述提取临近点的具体方法为:
S1、当所述野外检测点处于相对平坦区域,点云成果中提取的各临近点高程接近,且小于高程允许中误差,则以距离检测点最近点作为所述点云单点提取高程点;
S2、当所述野外检测点处于微地貌变化较大区域,但点云密度较大,点云成果中提取的各临近点高程接近,且小于高程允许中误差,则以距离检测点最近点作为所述点云单点提取高程点;
S3、当所述野外检测点处于微地貌变化较大区域,且点云密度较小,点云成果中提取的各临近点高程差别较大时,且大于高程允许中误差,则以点云临近点插值高程值作为所述点云单点高程值,邻近区域取野外测点半径1m的圆域,当圆域内为两点可按距离线性插值,当圆域内多于两点插值可按与检测点距离加权插值。
进一步,所述点云高程精度的统计中点云剖面精度统计为以野外检测断面线为依据,以野外检测断面线两端点连线为准,基准线左偏、右偏一定距离形成闭合区域,,提取闭合区域点云点集,形成剖面线,与野外检测线进行精度比较。左偏、右偏取值为0.1~1.0m之间,以断面形状不失真为准。
进一步,所述点云剖面精度从以下几个方面进行评价:
1)、断面面积:以一定高程线分别与检测断面、点云剖面所围成的闭合面的面积相对差为依据,评价点云剖面精度。面积相对差计算式如下,
断面面积中误差计算式如下,
2)、断面线套绘比较:所述野外检测断面线与点云提取的剖面,分别生成断面,将二者套绘进行目视形态比较比较;
3)、断面中误差:利用所述野外检测断面线与点云提取的剖面,插值相同桩号高程值,利用二者高程值中误差评价点云剖面数学形态精度比较,精度计算式如下;
式中H断面为断面中误差,ε同桩号的点云断面高程插值与检测断面高程插值较差,n为统计点个数。。
进一步,所述点云高程精度的统计中点云面精度的统计为以野外检测的地形图为依据,进行点云面精度评价;
所述点云面精度的评价为:
A)、体积比较:提取与野外检测地形重合区域点云,用于计算一定高程面以下,野外检测地形体积、点云体积相对差为依据,评价点云面精度;
体积相对差计算式如下
体积中误差计算式如下,
B)、数字表面模型套合比较:分别利用野外检测地形、点云生成数字表面模型,利用GIS软件将二者套合分析,比较DEM格网高程差值面域分布图,以此评价点云面精度。
进一步,所述点云成果为经点云预处理及各项误差改正处理后,并经点云分类处理后的所需专题点云成果,测绘学科领域专题点云主要包括地面点云、地表各构筑物及自然物的形状和大小。
进一步,所述点云单点绝对平面精度的评价,是以与点云同步获取的影像生成DOM提取地物特征点或者野外检测地物特征点为依据,在点云中提取同名地物的同名特征点,比较二者特征点坐标差值,评价所述点云单点绝对平面精度,精度计算式如下
式中,PRMS为激光点云平面位置中误差;XRMS激光点云在X方向上的平面位置中误差;YRMS为激光点云在Y方向上的平面位置中误差;n检查点个数;Xi为激光点X方向上的平面位置;为检查点在X方向上的实际平面位置;Yi为激光点在Y方向上的平面位置;为检查点在Y方向上的实际平面位置。
进一步,所述点云平面线相对精度评价,是以与点云同步获取的影像生成DOM提取地物特征线或者野外检测地物特征线为依据,在点云中提取同名地物的同名特征线,比较二者特征线边长差值,评价所述点云线相对平面精度,精度计算式如下
进一步,所述点云平面面相对精度评价,是以与点云同步获取的影像生成DOM提取特征面或者野外检测特征面为依据,在点云中提取同名特征面,比较二者特征面面积差值,评价所述点云面相对平面精度,精度计算式如下。
本发明的有益效果为:从点云检测的地形类别代表性、数据处理方法合理性、工程应用需求、地理要素表达等方面出发,依据野外检测碎部点、断面线、地形图,在分类后地面点云终提取临近点、断面线、生成地形图,进行点云单点高程、断面面积、地形体积,对点云高程精度进行评价;将点云数据与其同步获取的数字正射影像(DOM)套合或者野外检测特征点、特征线,对点云单点(地物特征点)、点云相对平面精度(地物特征线距离)进行点云平面评价。本发明以工程应用实际出发,从点、线、面等方面的对点云分类成果综合精度进行全面检测,形成点云综合精度评价体系,有效的保障了点云成果质量。本发明有良好的经济效益和社会效益,适合推广使用。
附图说明
图1为本发明一种点云综合精度评价方法的系统图;
图2为提取野外检测点临近的点云单点;
图3为点云单点高程与野外测点高程较差分布图;
图4为按检测断面一定离差提取点云剖面线;
图5为点云剖面与检测断面图套绘;
图6为点云单点与地物特征点评价平面精度;
图7为点云提取特征线、面与影像线、面比较。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
一种点云综合精度评价方法,是以检测数据的代表性、点云数据处理、工程应用需求、地理要素表达等方面出发,提供一种点云综合精度评价方法。
包括从点云成果提取单点、剖面、区域面对点云高程精度进行评价;从点云成果提取地物特征点、特征线与其同步获取影像进行点云平面绝对精度,点云平面线相对精度、点云平面面相对精度进行评价;
该点云综合精度评价体系见图1。
所述点云高程精度的统计中点云单点精度的统计为以野外检测点集为依据,在点云成果中提取临近点进行二者高程精度统计分析。
精度计算式如下。
点云单点高程精度统计,是以检测点为依据,在点云上提取临近点或其插值点,如图2。利用检测点与提取的点云点对,进行高程较差统计,并计算中误差。点云高程较差分布见图3。
所述提取临近点的具体方法为:
S1、当所述野外检测点处于相对平坦区域,点云成果中提取的各临近点高程接近,且小于高程允许中误差,则以距离检测点最近点作为所述点云单点提取高程点;
S2、当所述野外检测点处于微地貌变化较大区域,但点云密度较大,点云成果中提取的各临近点高程接近,且小于高程允许中误差,则以距离检测点最近点作为所述点云单点提取高程点;
S3、当所述野外检测点处于微地貌变化较大区域,且点云密度较小,点云成果中提取的各临近点高程差别较大时,且大于高程允许中误差,则以点云临近点插值高程值作为所述点云单点高程值,两点可按距离线性插值,多于两点插值可按与检测点距离加权插值。
所述点云高程精度的统计中点云剖面精度统计为以野外检测断面线为依据,在所述点云成果中按距离野外检测断面一定离差,提取点云点集,作为点云剖面精度比较依据,离差值选取以点云密度、地形复杂程度综合确定,以断面形状不失真为依据,取值为0.1~1.0m之间。
点云剖面线高程精度评价方法可通过断面图套绘比较,如图5。也可以统计二者断面面积差,如表1。
表1点云线与检测断面面积差
所述点云剖面精度从以下几个方面进行评价:
1)、断面面积:以一定高程线分别与检测断面、点云剖面所围成的闭合面的面积相对差为依据,评价点云剖面精度。面积相对差计算式如下,
断面面积中误差计算式如下,
2)、断面线套绘比较:所述野外检测断面线与点云提取的剖面,分别生成断面,将二者套绘进行目视形态比较比较;
3)、断面中误差:利用所述野外检测断面线与点云提取的剖面,插值相同桩号高程值,利用二者高程值中误差评价点云剖面数学形态精度比较,精度计算式如下;
式中H断面为断面中误差,ε同桩号的点云断面高程插值与检测断面高程插值较差,n为统计点个数。。
所述点云高程精度的统计中点云面精度的统计为以野外检测的地形图为依据,进行点云面精度评价;
所述点云面精度的评价为:
A)、体积比较:提取与野外检测地形重合区域点云,用于计算一定高程面以下,野外检测地形体积、点云体积相对差为依据,评价点云面精度;
体积相对差计算式如下
体积中误差计算式如下,
B)、数字表面模型套合比较:分别利用野外检测地形、点云生成数字表面模型,利用GIS软件将二者套合分析,比较DEM格网高程差值面域分布图,以此评价点云面高程精度。
所述点云成果为经点云预处理及各项误差改正处理后,并经点云分类处理后的所需专题点云成果,测绘学科领域专题点云主要包括地面点云、地表各构筑物及自然物的形状和大小。
用于检测点云单点高程精度的野外检测点,为使地形类别有代表性,可布设于高山、山区、丘陵、平地等不同的地形类别。为使地表覆盖类型有代表性,可根据测区地表覆盖类型,在不同植被高度、植被种类、郁闭度等布设检测点。
所述点云单点绝对平面精度的评价,是以与点云同步获取的影像生成DOM提取地物特征点或者野外检测地物特征点为依据,在点云中提取同名地物的同名特征点,比较二者特征点坐标差值,评价所述点云单点绝对平面精度,精度计算式如下
式中,PRMS为激光点云平面位置中误差;XRMS激光点云在X方向上的平面位置中误差;YRMS为激光点云在Y方向上的平面位置中误差;n检查点个数;Xi为激光点X方向上的平面位置;为检查点在X方向上的实际平面位置;Yi为激光点在Y方向上的平面位置;为检查点在Y方向上的实际平面位置。
所述点云平面线相对精度评价,是以与点云同步获取的影像生成DOM提取地物特征线或者野外检测地物特征线为依据,在点云中提取同名地物的同名特征线,比较二者特征线边长差值,评价所述点云线相对平面精度,精度计算式如下
所述点云平面面相对精度评价,是以与点云同步获取的影像生成DOM提取特征面或者野外检测特征面为依据,在点云中提取同名特征面,比较二者特征面面积差值,评价所述点云面相对平面精度,精度计算式如下。
点云面高程精度统计,可以野外检测地形范围,提取点云面,分别计算计算一定高程面以下,野外检测地形体积、点云体积相对差,评价点云面精度,如表2。
表2点云面与检测地形体积差
区域 | 检测体积/m<sup>3</sup> | 点云体积/m<sup>3</sup> | 相对差 |
区域1 | 11120726 | 11151172 | -0.3% |
区域2 | 29853495 | 30127783 | -0.9% |
所述点云平面线相对精度评价,是以与点云同步获取的影像生成DOM提取地物特征线或者野外检测地物特征线为依据,在点云中提取同名地物的同名特征线,比较二者特征线边长差值,评价所述点云线相对平面精度。
所述点云平面面相对精度评价,是以与点云同步获取的影像生成DOM提取特征面或者野外检测特征面为依据,在点云中提取同名特征面,比较二者特征面面积差值,评价所述点云面相对平面精度,如图7所示。
以上所述实施例仅表达了本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
2.根据权利要求1所述的一种点云综合精度评价方法,其特征在于,所述提取临近点的具体方法为:
S1、当所述野外检测点处于相对平坦区域,点云成果中提取的各临近点高程接近,且小于高程允许中误差,则以距离检测点最近点作为所述点云单点提取高程点;
S2、当所述野外检测点处于微地貌变化较大区域,但点云密度较大,点云成果中提取的各临近点高程接近,且小于高程允许中误差,则以距离检测点最近点作为所述点云单点提取高程点;
S3、当所述野外检测点处于微地貌变化较大区域,且点云密度较小,点云成果中提取的各临近点高程差别较大时,且大于高程允许中误差,则以点云临近点插值高程值作为所述点云单点高程值,邻近区域取野外测点半径1m的圆域,当圆域内为两点可按距离线性插值,当圆域内多于两点插值可按与检测点距离加权插值。
3.根据权利要求1所述的一种点云综合精度评价方法,其特征在于:所述点云高程精度的统计中点云剖面精度统计为以野外检测断面线为依据,以野外检测断面线两端点连线为准,基准线左偏、右偏一定距离形成闭合区域,,提取闭合区域点云点集,形成剖面线,与野外检测线进行精度比较。左偏、右偏取值为0.1~1.0m之间,以断面形状不失真为准。
4.根据权利要求3所述的一种点云综合精度评价方法,其特征在于,所述点云剖面精度从以下几个方面进行评价:
1)、断面面积:以一定高程线分别与检测断面、点云剖面所围成的闭合面的面积相对差为依据,评价点云剖面精度,面积相对差计算式:
断面面积中误差计算式如下,
2)、断面线套绘比较:所述野外检测断面线与点云提取的剖面,分别生成断面,将二者套绘进行目视形态比较比较;
3)、断面中误差:利用所述野外检测断面线与点云提取的剖面,插值相同桩号高程值,利用二者高程值中误差评价点云剖面数学形态精度比较,精度计算式如下;
式中H断面为断面中误差,ε同桩号的点云断面高程插值与检测断面高程插值较差,n为统计点个数。。
5.根据权利要求1所述的一种点云综合精度评价方法,其特征在于:所述点云高程精度的统计中点云面精度的统计为以野外检测的地形图为依据,进行点云面精度评价;
所述点云面精度的评价为:
A)、体积比较:提取与野外检测地形重合区域点云,用于计算一定高程面以下,野外检测地形体积、点云体积相对差为依据,评价点云高程面精度;
体积相对差计算式如下
体积中误差计算式如下,
B)、数字表面模型套合比较:分别利用野外检测地形、点云生成数字表面模型,利用GIS软件将二者套合分析,比较DEM格网高程差值面域分布图,以此评价点云面精度。
6.根据权利要求1所述的一种点云综合精度评价方法,其特征在于:所述点云成果为经点云预处理及各项误差改正处理后,并经点云分类处理后的所需专题点云成果,测绘学科领域专题点云主要包括地面点云、地表各构筑物及自然物的形状和大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110576778.7A CN113344866A (zh) | 2021-05-26 | 2021-05-26 | 一种点云综合精度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110576778.7A CN113344866A (zh) | 2021-05-26 | 2021-05-26 | 一种点云综合精度评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344866A true CN113344866A (zh) | 2021-09-03 |
Family
ID=77471524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110576778.7A Pending CN113344866A (zh) | 2021-05-26 | 2021-05-26 | 一种点云综合精度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344866A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114266987A (zh) * | 2022-03-03 | 2022-04-01 | 水利部长江勘测技术研究所 | 一种无人机高边坡危岩体智能识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101241011A (zh) * | 2007-02-28 | 2008-08-13 | 北京北科天绘科技有限公司 | 激光雷达平台上高精度定位、定姿的装置和方法 |
US20130121564A1 (en) * | 2010-07-05 | 2013-05-16 | Kabushiki Kaisha Topcon | Point cloud data processing device, point cloud data processing system, point cloud data processing method, and point cloud data processing program |
CN110930382A (zh) * | 2019-11-19 | 2020-03-27 | 广东博智林机器人有限公司 | 基于标定板特征点提取的点云拼接精度评估方法及系统 |
CN111105496A (zh) * | 2019-12-19 | 2020-05-05 | 昆明能讯科技有限责任公司 | 一种基于机载激光雷达点云数据的高精dem构建方法 |
WO2020102944A1 (zh) * | 2018-11-19 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 点云处理方法、设备及存储介质 |
CN112116549A (zh) * | 2019-06-03 | 2020-12-22 | 北京京东叁佰陆拾度电子商务有限公司 | 用于评估点云地图精度的方法和装置 |
-
2021
- 2021-05-26 CN CN202110576778.7A patent/CN113344866A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101241011A (zh) * | 2007-02-28 | 2008-08-13 | 北京北科天绘科技有限公司 | 激光雷达平台上高精度定位、定姿的装置和方法 |
US20130121564A1 (en) * | 2010-07-05 | 2013-05-16 | Kabushiki Kaisha Topcon | Point cloud data processing device, point cloud data processing system, point cloud data processing method, and point cloud data processing program |
WO2020102944A1 (zh) * | 2018-11-19 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 点云处理方法、设备及存储介质 |
CN112116549A (zh) * | 2019-06-03 | 2020-12-22 | 北京京东叁佰陆拾度电子商务有限公司 | 用于评估点云地图精度的方法和装置 |
CN110930382A (zh) * | 2019-11-19 | 2020-03-27 | 广东博智林机器人有限公司 | 基于标定板特征点提取的点云拼接精度评估方法及系统 |
CN111105496A (zh) * | 2019-12-19 | 2020-05-05 | 昆明能讯科技有限责任公司 | 一种基于机载激光雷达点云数据的高精dem构建方法 |
Non-Patent Citations (1)
Title |
---|
靳克强 等: "机载激光雷达点云数据质量评价体系分析与探讨", 《测绘与空间地理信息》, vol. 35, no. 4, pages 197 - 200 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114266987A (zh) * | 2022-03-03 | 2022-04-01 | 水利部长江勘测技术研究所 | 一种无人机高边坡危岩体智能识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021232463A1 (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
Yang et al. | An automated method to register airborne and terrestrial laser scanning point clouds | |
CN110276732B (zh) | 一种顾及地形特征线要素的山区点云空洞修复方法 | |
CN113034689A (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 | |
CN111340012B (zh) | 一种地质灾害解译方法、装置、终端设备 | |
CN103324916B (zh) | 基于建筑轮廓的车载和航空LiDAR数据配准方法 | |
CN113885025A (zh) | 一种滑坡形变监测方法与可视化服务平台 | |
CN111145157B (zh) | 基于高分辨率遥感影像的路网数据自动化质量检查方法 | |
CN109100719B (zh) | 基于星载sar影像与光学影像的地形图联合测图方法 | |
CN106503060A (zh) | 一种输电线路三维点云数据处理及交跨物获取方法 | |
CN105761310B (zh) | 一种天空可视域数字地图的模拟分析及图像显示方法 | |
CN107832849B (zh) | 一种基于知识库的电力线廊道三维信息提取方法及装置 | |
CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
CN113916130B (zh) | 一种基于最小二乘法的建筑物位置测量方法 | |
Hutchinson | Adding the Z-dimension | |
CN111426303A (zh) | 一种岩溶坡立谷参数测量方法 | |
CN112446844A (zh) | 一种基于点云特征提取与配准融合方法 | |
CN116518864A (zh) | 一种基于三维点云对比分析的工程结构全场变形检测方法 | |
CN108427741B (zh) | 一种基于大量高精度控制点的dem相对误差评价方法 | |
CN113344866A (zh) | 一种点云综合精度评价方法 | |
Miky et al. | A combined contour lines iteration algorithm and Delaunay triangulation for terrain modeling enhancement | |
Demir | Automated detection of 3D roof planes from Lidar data | |
CN112166688B (zh) | 基于小卫星的沙漠与沙漠化土地监测方法 | |
CN114005027A (zh) | 一种基于无人机影像的城市单木检测系统及方法 | |
Liu et al. | Road density analysis based on skeleton partitioning for road generalization |
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 |