CN113570527A - 水上水下三维点云的融合方法 - Google Patents
水上水下三维点云的融合方法 Download PDFInfo
- Publication number
- CN113570527A CN113570527A CN202111140664.4A CN202111140664A CN113570527A CN 113570527 A CN113570527 A CN 113570527A CN 202111140664 A CN202111140664 A CN 202111140664A CN 113570527 A CN113570527 A CN 113570527A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- underwater
- cloud data
- water
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 57
- 230000004927 fusion Effects 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000002360 preparation method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 15
- 230000001788 irregular Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 11
- 230000000903 blocking effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 10
- 238000013507 mapping Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 241000350052 Daniellia ogea Species 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种该水上水下三维点云的融合方法，具体包括以下步骤：S1源数据准备：采集选取的固定区域水上点云数据和水下点云数据；S2数据预处理；S3坐标校正；S4水上水下数据融合：直接在水上点云数据所在视图中导入水下点云数据，利用cyclone软件的Unify Clouds功能，将各测站、各场景和各类型数据融合为同一整体，并优化掉重叠部分，减小数据冗余度。首先需对采集的点云数据进行预处理，去除噪声、坐标校正后，进行数据融合，对水上水下三维点云数据进行融合处理，切实有效的进行水上水下三维点云融合。
Description
技术领域
本发明涉及海洋测绘技术领域，尤其涉及一种水上水下三维点云的融合方法。
背景技术
随着科技的不断进步和社会的不断发展，海洋领域的探索和开发逐渐成为勘探、科研、军事等领域的新方向。海洋测绘是一门研究河流、湖泊、海洋等水域及其毗邻陆地区域地理空间信息采集、处理、表示、管理和应用的学科，是测绘学的一个重要分支，是一切海洋活动的基础。同时，随着测绘技术的不断发展，三维化、空间化逐渐成为测绘行业发展的趋势。
由于水的物理特性，激光在水中具有传播距离短、衰减性强以及存在偏折等缺点，因此在海洋测绘中，通常运用声呐设备进行水下测绘。因此，在进行水上水下三维扫描时，水上部分的激光扫测难以穿透水面到达水下，水下部分的声呐扫测也只能作用于水下地形。因此，水上水下点云的融合成为了水上水下三维点云一体化应用的关键部分。
在实际测量中由于地形因素、潮位变化、测量船航行偏差等原因，水上水下点云往往呈现分离、断层、无重叠部分等情况，这种情况往往无法在外业测量中排除，对于水上水下三维点云融合造成了很大的阻碍。
业界从业人员经常使用的方法是使用船载三维激光扫描仪与多波束测深仪联测的方法，通过差分GNSS系统、惯性导航系统IMU、里程计DMI等设备构成的POS定位传感系统，运用一体化的水上水下扫描设备进行同步测量，获得处于同一坐标系下的水上水下点云数据。
部分研究学者采用固定翼无人机倾斜摄影测量技术进行水上地形测绘，使用差分GNSS系统配合测深仪在船上进行水下河道三维地形数据采集，对采集数据采用BIM（Building Information Modeling，建筑信息模型）软件进行参数化建模，搭建Cesium平台进行三维展示。
另有研究学者采用机载LiDAR点云数据生成陆域DEM（Digital Elevation Model，数字高程模型），利用无验潮RTK单波束测深数据生成DTM（Digital terrain model，数字地面模型），并将DEM与DTM进行一体化拼接，生成一体化三维模型。
发明内容
本发明要解决的技术问题是提供一种水上水下三维点云的融合方法，能够对水上水下三维点云数据进行融合处理，切实有效的进行水上水下三维点云融合。
为了解决上述技术问题，本发明采用的技术方案是：该水上水下三维点云的融合方法，具体包括以下步骤：
S1源数据准备：采集选取的固定区域水上点云数据和水下点云数据；
S2数据预处理：所述步骤S1中的水上点云数据，在Scene软件中利用标靶球、标靶纸进行每个测站数据之间的拼接，在完成测站拼接的基础上需要进行提取、过滤和删除操作，选取点云数据中成像清晰、分布均匀、点云密集的数据，并进行切割分块，在每个分块中对明显的噪声数据进行剔除；对于水下点云数据，在Hypack软件中展示数据，并剔除噪声点；
S3坐标校正：在经所述步骤S2处理后的点云数据中逐个捕捉控制点后，将控制点坐标数据导入cyclone软件，生成控制点空间模型，以控制点空间模型为依据，对水上点云数据进行校正，使其与水下点云数据处于同一坐标系下，并进行精度评价，生成精度评价表；
S4水上水下数据融合：直接在水上点云数据所在视图中导入水下点云数据，利用cyclone软件的Unify Clouds功能，将各测站、各场景和各类型数据融合为同一整体，并优化掉重叠部分，减小数据冗余度。
上述技术方案的首先需对采集的点云数据进行预处理，去除噪声、坐标校正后，进行数据融合，对水上水下三维点云数据进行融合处理，切实有效的进行水上水下三维点云融合；在数据预处理步骤中，对于水下点云数据，因数据量较小，噪声较少，只需在Hypack软件中展示数据，并剔除噪声点后即可获得可用的水下点云数据；水上点云数据数据量相对较大，切割分块有利于数据处理的流畅度，对数据处理的设备要求更低一些；并在坐标校正步骤中，由于水上点云数据本领域技术人员采用的是相对坐标，而水下点云数据是绝对坐标，仅需要对水上点云数据进行坐标校正，即可使得水上点云数据与水下点云数据处于同一坐标系下，进行坐标校正后，水上水下数据更容易进行后续步骤的数据融合，提高融合精度的准确性；其中，用到的Scene软件、Hypack软件、cyclone软件为本领域技术人员常用软件。
优选的，还包括有以下步骤：
S5空白区域插值处理：对于水下点云数据与水上点云数据存在的真空层空白区域，利用不规则三角网插值法，对选定区域进行插值处理；
S6精度评价：选择所述步骤S5中插值区域的等高线图、点位中误差和航道横纵断面图作为评价指标，分析插值结果的可靠性。
对融合后点云数据的空白区域进行不规则三角网插值，通过调整三角形个数对插值结果进行模型优化；以等高线分布是否异常、实测点中误差是否超限、断面是否连续完整以及整体分布是否与现场吻合来分析插值结果的可靠性。
优选的，在所述步骤S5中，所述不规则三角网插值法具体步骤如下：
S5-1：在空白区域两侧布设若干标记点，标明实际插值区域范围；
S5-2：对融合后点云数据的空白区域进行不规则三角网插值，形成空白区内的数字高程模型DEM，通过调整三角形个数对插值结果进行模型优化。
优选的，在所述步骤S5-1中，沿空白区域边缘布设了四排标记点，其中两排为沿水上点云边界布设的标记点，另外两排为沿水下点云边界布设的标记点。
优选的，所述步骤S6中，所述等高线图为进行等高线分析，选取测区模型，生成等高线而形成的；所述航道横纵断面图为进行断面分析时形成的，所述断面分析的具体方法为以航道中线为轴线，以10米的距离截取横断面，从中选择轴线20米、70米、100米共计三处具有代表性的横断面进行分析；同时，在测区中心选取与航道中线相垂直的直线作为轴线，以6米的距离截取纵断面，从中选取12米处、78米共计两处纵断面进行分析；所述点位中误差为进行实测对比分析形成的，在点云两侧插值区域内各选取15个检查点，对检查点采用实地放样平面坐标的方法，实地采集高程数据，在cyclone软件中直接导出检查点高程，将高程与外业实测高程进行对比，并计算得到点位中误差。
优选的，在所述步骤S2中，针对水上点云数据分块处理中，设定包围盒用于分割点云区块以方便对噪声的处理；另外选中与分块处理无关的部分水上点云数据，在此处予以删除。
优选的，在所述步骤S3中，采集3个以上控制点进行校正，以获得水上点云数据的绝对坐标，使其与水下点云数据处于同一坐标系下。
附图说明
图1为本发明水上水下三维点云的融合方法的流程图；
图2为本发明水上水下三维点云的融合方法实施例的现场示意图；
图3为进行数据预处理后的原始点云数据示意图；
图4为点云分块处理的示意图；
图5为坐标校正中的控制点位置示意图；
图6为图5中的控制点空间模型示意图；
图7为融合完成后的点云数据示意图；
图8为检查点布设示意图；
图9为对插值结果进行模型优化完成的模型示意图；
图10为三维模型等高线分布示意图；
图11为本实施例20米处横断面位置示意图；
图12为本实施例20米处横断面示意图；
图13为本实施例70米处横断面位置示意图；
图14为本实施例70米处横断面示意图；
图15为本实施例100米处横断面位置示意图；
图16为本实施例100米处横断面示意图；
图17为本实施例12米处横断面位置示意图；
图18为本实施例12米处横断面示意图；
图19为本实施例78米处横断面位置示意图；
图20为本实施例78米处横断面示意图；
图21为本实施例插值区域检查点分布示意图。
具体实施方式
下面将结合本发明的实施例图中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。
如图1所示，本实施例的水上水下三维点云的融合方法，具体包括以下步骤：
S1源数据准备：采集选取的固定区域水上点云数据和水下点云数据；选取的固定区域为江苏某航道水域，该航道水域为人工航道，利用FARO架站式三维激光扫描仪采集航道两岸水上点云数据，利用无人船载多波束测深仪采集航道水下点云数据，现场环境如图2所示；
S2数据预处理：所述步骤S1中的水上点云数据，在Scene软件中利用标靶球、标靶纸进行每个测站数据之间的拼接，在完成测站拼接的基础上需要进行提取、过滤和删除操作，选取点云数据中成像清晰、分布均匀、点云密集的数据，并进行切割分块，在每个分块中对明显的噪声数据进行剔除；对于水下点云数据，在Hypack软件中展示数据，并剔除噪声点，完整获取原始点云数据如下图3所示，图4为点云分块处理的示意图；针对水上点云数据分块处理中，设定包围盒用于分割点云区块以方便对噪声的处理；另外选中与分块处理无关的部分水上点云数据，在此处予以删除；
S3坐标校正：在经所述步骤S2处理后的点云数据中逐个捕捉控制点后，将控制点坐标数据导入cyclone软件，沿航道两侧采集的控制点位置分布如下图6所示，生成控制点空间模型，以控制点空间模型为依据，对水上点云数据进行校正（采集3个以上控制点进行校正），以获得水上点云数据的绝对坐标，使其与水下点云数据处于同一坐标系下，并进行精度评价，生成精度评价表；
水下点云数据为RTK无验潮模式采集的CGCS2000国家大地坐标，中央子午线为117°E，无需额外进行坐标校正处理；使用三维激光扫描仪采集的航道水上点云数据，则需在激光扫描仪外业作业过程中采集3个以上控制点进行校正，控制点位置如图5所示，以获得水上点云数据的绝对坐标；
以控制点空间模型为依据，对水上三维点云数据进行校正，使两者处于同一坐标系下，并进行精度评价，生成精度评价表，如下表1：
表1 拼接精度评价表
S4水上水下数据融合：直接在水上点云数据所在视图中导入水下点云数据，利用cyclone软件的Unify Clouds功能，将各测站、各场景和各类型数据融合为同一整体，并优化掉重叠部分，减小数据冗余度，融合完成后的点云数据如图7所示。
本实施例的水上水下三维点云的融合方法，还包括有以下步骤：
S5空白区域插值处理：对于水下点云数据与水上点云数据存在的真空层空白区域，利用不规则三角网插值法，对选定区域进行插值处理；
所述不规则三角网插值法具体步骤如下：
S5-1：在空白区域两侧布设若干标记点，标明实际插值区域范围；
沿空白区域边缘布设了四排标记点，其中两排为沿水上点云边界布设的标记点，另外两排为沿水下点云边界布设的标记点；
如图8所示，图中沿空白区域边缘布设了四排标记点，其中P1-P21、S1-S21为沿水上点云边界布设的标记点，Q1-Q18、T1-T19为沿水下点云边界布设的标记点；
S5-2：对融合后点云数据的空白区域进行不规则三角网插值，形成空白区内的数字高程模型DEM，通过调整三角形个数对插值结果进行模型优化，优化完成的模型如图9所示。
因外业采集过程中地形条件限制，以及仪器特性所限，水下采集部分与水上采集部分通常存在真空层，不仅影响点云数据的美观，也会影响点云整体完整度；对于此问题，利用不规则三角网插值法，对选定区域进行插值处理；
不规则三角网(TIN，Triangulated Irregular Network)是一种采用一系列相连接的三角形拟合地表或其他不规则表面的模型构建方法，常用来构造数字地面模型，特别是数字高程模型（DEM，Digital Elevation Model）；它是根据区域的有限个点集将区域划分为相连的三角面网络，三角面的形状和大小取决于不规则分布的测点的密度和位置,以此通过地形特征点来表现数字高程特征；
S6精度评价：选择所述步骤S5中插值区域的等高线图、点位中误差和航道横纵断面图作为评价指标，分析插值结果的可靠性；
由于测区为人工航道，水底部分与堤岸均为人工修筑的梯形规则航道，因此以等高线分布是否异常、实测点中误差是否超限、断面是否连续完整以及整体分布是否与现场吻合来分析插值结果的可靠性；
所述步骤S6中，所述等高线图为进行等高线分析，选取测区模型，生成等高线而形成的，如图10所示，图中等高线整体分布均匀，沿地形走势规则分布，无特异点与特异线。等高线在航道闸口位置整体呈现断崖式分布，与图2中展现的人工修筑的闸口、堤岸、地坡布局大致吻合，在航道两岸边坡区域分布较为规则，等高线等间距分布表明坡面平整，坡度相等，点云数据与人工航道实际保持一致；
所述航道横纵断面图为进行断面分析时形成的，所述断面分析的具体方法为以航道中线为轴线，以10米的距离截取横断面，从中选择轴线20米、70米、100米共计三处具有代表性的横断面进行分析；20米处横断面如图11、图12所示，位于轴线20米处的横断面截取的是航道起点闸口位置的点云，虽然此位置横断面存在少量由噪声、扫侧角度等因素引起的断裂，但底部平直、两侧垂直底部的断面分布与实际的现场环境是一致的；70米处横断面如图13、图14所示，位于轴线70米处的横断面是测区的中心部分，由事先布置的检查点可知，S9与T10中间部分为插值区域，P11左侧段部分区域为另一侧插值区域，由图可见横断面整体分布与航道底部、边坡段实际情况一致，插值区域连续、完整且为直线整体，符合边坡特性；100米处横断面如图15、16所示，轴线100米处横断面位于扫侧区域边缘，断面整体完整连续，与70米处横断面同属航道区域，整体保持一致；
同时，在测区中心选取与航道中线相垂直的直线作为轴线，以6米的距离截取纵断面，从中选取12米处、78米共计两处纵断面进行分析；12米处纵断面如图17、图18所示，位于轴线12米处的纵断面贯穿整个左侧插值区域。插值区域整段平整，无断裂区域。从中间偏右的分隔区域起有坡度变化，且高程略微下降，与靠近闸口区域水底地形走势相吻合；78米处纵断面如图19、图20所示，位于轴线78米位置处的纵断面的插值区域，与位于轴线12米处的纵断面插值区域的形状与走势相接近，插值区域连续且无断裂分层区域；
结合横断面与纵断面的整体状况来看，运用不规则三角网插值获得空白断层数据与实测数据连接紧密，融合完成度较高；
所述点位中误差为进行实测对比分析形成的，在点云两侧插值区域内各选取15个检查点，对检查点采用实地放样平面坐标的方法，实地采集高程数据，检查点分布如图21所示，在cyclone软件中直接导出检查点高程，将高程与外业实测高程进行对比，并计算得到点位中误差，在本实施例中，计算得到点位中误差为±0.038m，远小于《水道观测规范》（SL257-2017）要求的0.125m，中误差精度表如下表2；
表2 插值区域检查点中误差计算表
在表2中，点位中误差M=±0.038m；点位中误差M计算公式为：M=±
；其
中M表示点位中误差，n表示检测点总数（即A1-A15、B1-B15共30个检测点），
表示差值，i
取值范围为1~n；点位中误差M的计算公式是根据《测绘成果质量检查与验收》（GB/T 24356-
2009）进行规范表述的。
由等高线分布态势与断面情况可以证明：本发明所用不规则三角网插值方法对水上水下点云融合后空白区域的处理具有较高的可靠性，插值区域等高线和纵、横断面与现场照片比对无出入，中误差计算结果可以证明本发明所用融合与插值方法获得的数据准确度较高，符合规范要求，满足各类项目生产的实际需求。
对于融合完成的水上水下三维点云，既可用于精细化三维建模，构建航道一体化数字模型，又可附于二维地形图中，构建二三维地理信息一张图模式，完成三维数据的多元化应用。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种水上水下三维点云的融合方法，其特征在于，具体包括以下步骤：
S1源数据准备：采集选取的固定区域水上点云数据和水下点云数据；
S2数据预处理：所述步骤S1中的水上点云数据，在Scene软件中利用标靶球、标靶纸进行每个测站数据之间的拼接，在完成测站拼接的基础上需要进行提取、过滤和删除操作，选取点云数据中成像清晰、分布均匀、点云密集的数据，并进行切割分块，在每个分块中对明显的噪声数据进行剔除；对于水下点云数据，在Hypack软件中展示数据，并剔除噪声点；
S3坐标校正：在经所述步骤S2处理后的点云数据中逐个捕捉控制点后，将控制点坐标数据导入cyclone软件，生成控制点空间模型，以控制点空间模型为依据，对水上点云数据进行校正，使其与水下点云数据处于同一坐标系下，并进行精度评价，生成精度评价表；
S4水上水下数据融合：直接在水上点云数据所在视图中导入水下点云数据，利用cyclone软件的Unify Clouds功能，将各测站、各场景和各类型数据融合为同一整体，并优化掉重叠部分，减小数据冗余度。
2.根据权利要求1所述的水上水下三维点云的融合方法，其特征在于，还包括有以下步骤：
S5空白区域插值处理：对于水下点云数据与水上点云数据存在的真空层空白区域，利用不规则三角网插值法，对选定区域进行插值处理；
S6精度评价：选择所述步骤S5中插值区域的等高线图、点位中误差和航道横纵断面图作为评价指标，分析插值结果的可靠性。
3.根据权利要求2所述的水上水下三维点云的融合方法，其特征在于，在所述步骤S5中，所述不规则三角网插值法具体步骤如下：
S5-1：在空白区域两侧布设若干标记点，标明实际插值区域范围；
S5-2：对融合后点云数据的空白区域进行不规则三角网插值，形成空白区内的数字高程模型DEM，通过调整三角形个数对插值结果进行模型优化。
4.根据权利要求3所述的水上水下三维点云的融合方法，其特征在于，在所述步骤S5-1中，沿空白区域边缘布设了四排标记点，其中两排为沿水上点云边界布设的标记点，另外两排为沿水下点云边界布设的标记点。
5.根据权利要求2所述的水上水下三维点云的融合方法，其特征在于，所述步骤S6中，所述等高线图为进行等高线分析，选取测区模型，生成等高线而形成的；所述航道横纵断面图为进行断面分析时形成的，所述断面分析的具体方法为以航道中线为轴线，以10米的距离截取横断面，从中选择轴线20米、70米、100米共计三处具有代表性的横断面进行分析；同时，在测区中心选取与航道中线相垂直的直线作为轴线，以6米的距离截取纵断面，从中选取12米处、78米共计两处纵断面进行分析；所述点位中误差为进行实测对比分析形成的，在点云两侧插值区域内各选取15个检查点，对检查点采用实地放样平面坐标的方法，实地采集高程数据，在cyclone软件中直接导出检查点高程，将高程与外业实测高程进行对比，并计算得到点位中误差。
6.根据权利要求1所述的水上水下三维点云的融合方法，其特征在于，在所述步骤S2中，针对水上点云数据分块处理中，设定包围盒用于分割点云区块以方便对噪声的处理；另外选中与分块处理无关的部分水上点云数据，在此处予以删除。
7.根据权利要求1所述的水上水下三维点云的融合方法，其特征在于，在所述步骤S3中，采集3个以上控制点进行校正，以获得水上点云数据的绝对坐标，使其与水下点云数据处于同一坐标系下。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111140664.4A CN113570527B (zh) | 2021-09-28 | 2021-09-28 | 水上水下三维点云的融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111140664.4A CN113570527B (zh) | 2021-09-28 | 2021-09-28 | 水上水下三维点云的融合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113570527A true CN113570527A (zh) | 2021-10-29 |
| CN113570527B CN113570527B (zh) | 2021-12-24 |
Family
ID=78174862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111140664.4A Active CN113570527B (zh) | 2021-09-28 | 2021-09-28 | 水上水下三维点云的融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113570527B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160059A (zh) * | 2021-04-29 | 2021-07-23 | 五邑大学 | 一种水下图像拼接方法、装置及存储介质 |
| CN114155350A (zh) * | 2022-02-07 | 2022-03-08 | 北京恒济引航科技股份有限公司 | 一种航道的水下地形冲淤演变分析方法及装置 |
| CN114577141A (zh) * | 2022-01-29 | 2022-06-03 | 中国建筑第八工程局有限公司 | 基于三维激光扫描技术的曲面模板表面测量的优化方法 |
| CN117237557A (zh) * | 2023-11-09 | 2023-12-15 | 武汉追月信息技术有限公司 | 一种基于点云数据的城市测绘数据处理方法 |
| CN117948919A (zh) * | 2024-03-25 | 2024-04-30 | 交通运输部天津水运工程科学研究所 | 一种内河航道护坡平整度检测装置 |
| CN117948919B (zh) * | 2024-03-25 | 2024-05-31 | 交通运输部天津水运工程科学研究所 | 一种内河航道护坡平整度检测装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110969593A (zh) * | 2019-11-27 | 2020-04-07 | 广州欧科信息技术股份有限公司 | 三维点云融合方法、装置、设备和存储介质 |
| CN111476885A (zh) * | 2020-04-03 | 2020-07-31 | 广东省文物考古研究所 | 考古多元数据融合方法、装置、设备和存储介质 |
| CN112270750A (zh) * | 2020-10-15 | 2021-01-26 | 昆明理工大学 | 一种溶洞水上水下一体化三维模型重建方法 |
| CN113034689A (zh) * | 2021-04-30 | 2021-06-25 | 睿宇时空科技(重庆)有限公司 | 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 |
-
2021
- 2021-09-28 CN CN202111140664.4A patent/CN113570527B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110969593A (zh) * | 2019-11-27 | 2020-04-07 | 广州欧科信息技术股份有限公司 | 三维点云融合方法、装置、设备和存储介质 |
| CN111476885A (zh) * | 2020-04-03 | 2020-07-31 | 广东省文物考古研究所 | 考古多元数据融合方法、装置、设备和存储介质 |
| CN112270750A (zh) * | 2020-10-15 | 2021-01-26 | 昆明理工大学 | 一种溶洞水上水下一体化三维模型重建方法 |
| CN113034689A (zh) * | 2021-04-30 | 2021-06-25 | 睿宇时空科技(重庆)有限公司 | 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 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160059A (zh) * | 2021-04-29 | 2021-07-23 | 五邑大学 | 一种水下图像拼接方法、装置及存储介质 |
| CN113160059B (zh) * | 2021-04-29 | 2022-04-08 | 五邑大学 | 一种水下图像拼接方法、装置及存储介质 |
| CN114577141A (zh) * | 2022-01-29 | 2022-06-03 | 中国建筑第八工程局有限公司 | 基于三维激光扫描技术的曲面模板表面测量的优化方法 |
| CN114155350A (zh) * | 2022-02-07 | 2022-03-08 | 北京恒济引航科技股份有限公司 | 一种航道的水下地形冲淤演变分析方法及装置 |
| CN117237557A (zh) * | 2023-11-09 | 2023-12-15 | 武汉追月信息技术有限公司 | 一种基于点云数据的城市测绘数据处理方法 |
| CN117237557B (zh) * | 2023-11-09 | 2024-02-02 | 武汉追月信息技术有限公司 | 一种基于点云数据的城市测绘数据处理方法 |
| CN117948919A (zh) * | 2024-03-25 | 2024-04-30 | 交通运输部天津水运工程科学研究所 | 一种内河航道护坡平整度检测装置 |
| CN117948919B (zh) * | 2024-03-25 | 2024-05-31 | 交通运输部天津水运工程科学研究所 | 一种内河航道护坡平整度检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113570527B (zh) | 2021-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113570527B (zh) | 水上水下三维点云的融合方法 | |
| Carvajal-Ramírez et al. | Virtual reconstruction of damaged archaeological sites based on Unmanned Aerial Vehicle Photogrammetry and 3D modelling. Study case of a southeastern Iberia production area in the Bronze Age | |
| 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 | |
| CN104931022B (zh) | 基于星载激光测高数据的卫星影像立体区域网平差方法 | |
| Kraus et al. | Advanced DTM generation from LIDAR data | |
| CN112465976B (zh) | 堆场三维地图建立方法、库存管理方法、设备及介质 | |
| Stal et al. | Test case on the quality analysis of structure from motion in airborne applications | |
| 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 | |
| Pesci et al. | Integration of ground-based laser scanner and aerial digital photogrammetry for topographic modelling of Vesuvio volcano | |
| CN114898053A (zh) | 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法 | |
| Buckley et al. | Combining aerial photogrammetry and terrestrial lidar for reservoir analog modeling | |
| KR100949788B1 (ko) | 항공레이저 측량 자료의 품질검사 방법 | |
| CN111006645A (zh) | 基于运动与结构重建的无人机测绘方法 | |
| de Moraes et al. | Monitoring bank erosion in hydroelectric reservoirs with mobile laser scanning | |
| Barbarella et al. | Multi-temporal terrestrial laser scanning survey of a landslide | |
| Tyagur et al. | Digital terrain models from mobile laser scanning data in Moravian Karst | |
| Saponaro et al. | Influence of co-alignment procedures on the co-registration accuracy of multi-epoch SFM points clouds | |
| Sefercik et al. | Point-based and model-based geolocation analysis of airborne laser scanning data | |
| Woolard et al. | Shoreline mapping from airborne lidar in Shilshole Bay, Washington | |
| Ulziisaikhan et al. | UAV and terrestrial laser scanner data processing for large scale topographic mapping | |
| Partama et al. | Validation of high-resolution and simple river monitoring technique using UAV-SFM Method | |
| CN116385686B (zh) | 基于不规则倾斜摄影的实景三维模型重建方法及系统 | |
| Redweik et al. | A strategy for detection and measurement of the cliff retreat in the coast of Algarve (Portugal) by photogrammetry | |
| Mora-Félix et al. | The use of RPAS for the development of land surface models for natural resources management: a review | |
| Dragomir et al. | The use of modern technologies in the surveying field |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 210042 8 Blocks 699-22 Xuanwu Avenue, Xuanwu District, Nanjing City, Jiangsu Province Patentee after: Speed Technology Co.,Ltd. Address before: 210042 8 Blocks 699-22 Xuanwu Avenue, Xuanwu District, Nanjing City, Jiangsu Province Patentee before: SPEED TIME AND SPACE INFORMATION TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |