CN113920185B - 一种杆塔线路点云数据校核方法 - Google Patents

一种杆塔线路点云数据校核方法 Download PDF

Info

Publication number
CN113920185B
CN113920185B CN202111033825.XA CN202111033825A CN113920185B CN 113920185 B CN113920185 B CN 113920185B CN 202111033825 A CN202111033825 A CN 202111033825A CN 113920185 B CN113920185 B CN 113920185B
Authority
CN
China
Prior art keywords
point cloud
center
acquiring
coordinate
point
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
Application number
CN202111033825.XA
Other languages
English (en)
Other versions
CN113920185A (zh
Inventor
李勇
潘屹峰
黄吴蒙
王丹
何永辉
周成虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Zhongke Yuntu Intelligent Technology Co ltd
Original Assignee
Foshan Zhongke Yuntu Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Zhongke Yuntu Intelligent Technology Co ltd filed Critical Foshan Zhongke Yuntu Intelligent Technology Co ltd
Priority to CN202111033825.XA priority Critical patent/CN113920185B/zh
Publication of CN113920185A publication Critical patent/CN113920185A/zh
Application granted granted Critical
Publication of CN113920185B publication Critical patent/CN113920185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供一种杆塔线路点云数据校核方法，包括以下步骤：通过无人机获取杆塔上预设的多个选取点的经纬度数据；通过所述无人机获取各个所述选取点的高程数据；根据所述经纬度数据和高程数据生成各个所述选取点的三维空间坐标；获取所述杆塔的点云数据，根据所述点云数据获取各个所述选取点的点云坐标；获取各个所述选取点的三维空间坐标与对应的所述点云坐标的第一平均差值；若所述第一平均差值小于或等于预设的误差值，确定所述点云数据为有效。本发明的杆塔线路点云数据校核方法可以对杆塔的点云数据进行准确的校核，从而提高杆塔所谓区域的点云数据的准确性。

Description

一种杆塔线路点云数据校核方法
技术领域
本发明涉及户外点云数据的校核技术领域，具体涉及一种杆塔线路点云数据校核方法。
背景技术
无人机对高压输电杆塔进行精细化巡检，需要对线路采集三维点云数据，以规划三维航线实现自动巡检，但在三维激光扫描仪实际采集点云数据由于受到各种条件的影响，导致数据精度不高，所以往往需要进行数据校核。传统的控制点采集方式有全站仪、手持RTK采集等，由于高压输电杆塔较多架设在山体上，地理环境复杂，传统的控制点采集方式存在效率低、视野受限、采集困难等缺点，因此难以对杆塔的点云数据进行准确地校核。
发明内容
本发明的目的在于克服现有技术中的缺点与不足，提供一种杆塔线路点云数据校核方法，可以对杆塔的点云数据进行准确的校核，从而提高杆塔所谓区域的点云数据的准确性。
本发明的一个实施例提供一种杆塔线路点云数据校核方法，包括以下步骤：
通过无人机获取杆塔上预设的多个选取点的经纬度数据；
通过所述无人机获取各个所述选取点的高程数据；
根据所述经纬度数据和高程数据生成各个所述选取点的三维空间坐标；
获取所述杆塔的点云数据，根据所述点云数据获取各个所述选取点的点云坐标；
获取各个所述选取点的三维空间坐标与对应的所述点云坐标的第一平均差值；
若所述第一平均差值小于或等于预设的误差值，确定所述点云数据为有效。
相对于现有技术，本发明的杆塔线路点云数据校核方法通过在所述杆塔上选择多个选取点，然后通过无人机获取各个选取点的三位空间坐标，再将获得的三维空间坐标与杆塔的点云数据进行比对，以判断杆塔的点云数据准确性，从而判断杆塔的点云数据是否有效或是否需要校核。
进一步，若所述第一平均差值大于预设的误差值，还包括以下步骤：
获取所述各个所述选取点的三维空间坐标对应的所述点云坐标的平均偏差参数，根据所述平均偏差参数校正所述点云数据，获得校正后的点云数据；
根据所述校正后的点云数据获取各个所述选取点校正后的点云坐标；
获取各个所述选取点的三维空间坐标与对应的所述校正后的点云坐标的第二平均差值；
若所述第二平均差值小于或等于预设的误差值，确定所述校正后的点云数据为有效。当所述第一平均差值大于预设的误差值时，根据各个所述选取点的三维空间坐标对应的所述点云坐标的平均偏差参数对所述点云数据进行校正，从而获得校正后的点云数据，并将校正后的点云数据与所述三位空间坐标进行比对，以判断校正后的点云数据准确性。
进一步，当设置在所述无人机下方的镜头位于所述选取点的竖直上方，且所述镜头的中心处对准所述选取点时，获取所述镜头的中心处的经纬度坐标；
将所述镜头的中心处的经纬度坐标确定为对应的所述选取点的经纬度数据。通过镜头对准所述选取点，再获取镜头的经纬度坐标，从而准确地得到所述选取点的经纬度数据。
进一步，当所述镜头位于所述选取点的水平侧面，且所述镜头的中心处对准所述选取点时，获取所述镜头的中心处的高程；
将所述镜头的中心处的高程确定为对应的所述选取点的高程数据。通过镜头对准所述选取点，再获取镜头的高程，从而准确地得到所述选取点的高程数据。
进一步，所述获取所述镜头的中心处的经纬度坐标，包括以下步骤：
获取所述无人机的中心处的经纬度、所述无人机中心处与所述镜头的中心处的水平偏差以及镜头朝向方位角；
Blng＝(d·sin(a·π/180)/(Rj+(Rc-Rj)·(90-lat)/90·cos(lat·π/180))+lng·π/180)·180/π；
Blat＝(d·cos(a·π/180)/(Rj+(Rc-Rj)·(90-lat)/90)+lat·π/180)·180/π；
其中，Blng表示所述镜头的中心处的纬度，Blat示所述镜头的中心处的经度，Rc表示地球的椭球长半轴；Rj表示地球的椭球短半轴；lat表示所述无人机的中心处的经度；lng示所述无人机的中心处的纬度；a表示所述镜头朝向方位角，d表示所述水平偏差。可以根据无人机的经纬度坐标获取镜头的中心处的经纬度坐标。
进一步，所述获取所述镜头的中心处的高程，包括以下步骤：
获取所述无人机的中心处的高程，以及所述无人机中心处与所述镜头的中心处的高程偏差；
Balt＝alt-h；
其中，Balt表示所述镜头的中心处的高程，alt表示所述无人机的中心处的高程，h表示所述高程偏差。可以根据无人机的高程获取镜头的中心处的高程。
进一步，所述无人机与RTK网络信号连接；
所述获取所述无人机的中心处的经纬度，包括以下步骤；
当所述RTK网络的解算结果为固定解时，获取所述无人机的中心处的经纬度；
所述获取所述无人机的中心处的高程，包括以下步骤；
当所述RTK网络的解算结果为固定解时，获取所述无人机的中心处的高程。降低获取的经纬度和高程的误差，从而提高获取的数据的准确性。
进一步，所述获取各个所述选取点的三维空间坐标与对应的所述点云坐标的第一平均差值包括以下步骤：
x1＝(lng1-Blng)·π·Rc·cos((lat1-Blat)/2·π/180)/180；
y1＝(lat1-Blat)·π·Rc/180；
Figure GDA0004010581270000031
h1＝alt1-Balt；
Figure GDA0004010581270000032
Figure GDA0004010581270000033
其中，x1表示对应的所述选取点的三维空间坐标与点云坐标的x轴差值；y1表示对应的所述选取点的三维空间坐标与点云坐标的y轴差值；lng1表示所述点云坐标的经度；lat1表示所述点云坐标的纬度；alt1表示所述点云坐标的高程；d1表示对应的所述选取点的三维空间坐标与点云坐标的水平差值；h1表示对应的所述选取点的三维空间坐标与点云坐标的高程差值；s表示对应的所述选取点的三维空间坐标与点云坐标的直线差值；n表示所述选取点的个数；K表示所述第一平均差值。通过上述数据计算出所述第一平均差值。
进一步，所述获取各个所述选取点的三维空间坐标与对应的所述校正后的点云坐标的第二平均差值，包括以下步骤：
x2＝(lng2-Blng)·π·Rc·cos((lat2-Blat)/2·π/180)/180；
y2＝(lat2-Blat)·π·Rc/180；
Figure GDA0004010581270000034
h2＝alt2-Balt；
Figure GDA0004010581270000035
Figure GDA0004010581270000036
其中，x2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的x轴差值；y2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的y轴差值；d2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的水平差值；h2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的高程差值；lng2表示所述校正后的点云坐标的经度；lat2表示所述校正后的点云坐标的纬度；alt2表示所述校正后的点云坐标的高程；s'表示对应的所述选取点的三维空间坐标与校正后的点云坐标的直线差值；K'表示所述第二平均差值。通过上述数据计算出所述第二平均差值。
为了能更清晰的理解本发明，以下将结合附图说明阐述本发明的具体实施方式。
附图说明
图1为本发明一个实施例的杆塔线路点云数据校核方法的步骤S1-S6的流程图。
图2为本发明一个实施例的杆塔线路点云数据校核方法的步骤S71-S74的流程图。
图3为本发明一个实施例的杆塔线路点云数据校核方法的步骤S11-S12的流程图。
图4为本发明一个实施例的杆塔线路点云数据校核方法的步骤S21-S22的流程图。
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，都属于本发明保护的范围。
请参阅图1，其是本发明一个实施例的，所述杆塔线路点云数据校核方法包括以下步骤：
S1：通过无人机获取杆塔上预设的多个选取点的经纬度数据；
在步骤S1中，当所述无人机下方的镜头位于所述选取点的竖直上方，且所述镜头的中心处对准所述选取点时，采集所述选取点的经纬度数据。
优选地，所述选取点的数量为至少3个，且各个选取点之间的距离至少为2m。
S2：通过所述无人机获取各个所述选取点的高程数据；
步骤S1中，当所述镜头位于所述选取点的水平侧面，且所述镜头的中心处对准所述选取点时，采集所述选取点的高程数据。
在所述步骤S1和S2中，所述无人机可以通过在底部设置可以转动的镜头，以便于所述镜头在选取点的竖直上方对准所述选取点时，所述镜头处于竖直朝向所述选取点，而所述镜头在所述选取点的水平侧面，且所述镜头的中心处对准所述选取点时，所述镜头水平朝向所述选取点。而在其他实施例中，本领域技术人员还可以通过在所述无人机上分别设置朝向水平方向的镜头和竖直向下的镜头以代替上述内容说的可以转动的镜头。
其中，所述步骤S1和S2是独立进行的步骤，因此所述步骤S1和S2之间并不存在步骤顺序的限制。
S3：根据所述经纬度数据和高程数据生成各个所述选取点的三维空间坐标；
S4：获取所述杆塔的点云数据，根据所述点云数据获取各个所述选取点的点云坐标；
其中，所述杆塔的点云数据可以激光雷达采集得到。
S5：获取各个所述选取点的三维空间坐标与对应的所述点云坐标的第一平均差值；
S6：若所述第一平均差值小于或等于预设的误差值，确定所述点云数据为有效。
其中，所述误差值小于或等于10cm。
在本实施例中，本发明的杆塔线路点云数据校核方法通过在所述杆塔上选择多个选取点，然后通过无人机获取各个选取点的三位空间坐标，再将获得的三维空间坐标与杆塔的点云数据进行比对，以判断杆塔的点云数据准确性，从而判断杆塔的点云数据是否有效或是否需要校核。
请参阅图2，在一个可行的实施例中，若所述第一平均差值大于预设的误差值，还包括以下步骤：
S71：获取所述各个所述选取点的三维空间坐标对应的所述点云坐标的平均偏差参数，根据所述平均偏差参数校正所述点云数据，获得校正后的点云数据；
S72：根据所述校正后的点云数据获取各个所述选取点校正后的点云坐标；
S73：获取各个所述选取点的三维空间坐标与对应的所述校正后的点云坐标的第二平均差值；
S74：若所述第二平均差值小于或等于预设的误差值，确定所述校正后的点云数据为有效。
在本实施例中，当所述第一平均差值大于预设的误差值时，根据各个所述选取点的三维空间坐标对应的所述点云坐标的平均偏差参数对所述点云数据进行校正，从而获得校正后的点云数据，并将校正后的点云数据与所述三位空间坐标进行比对，以判断校正后的点云数据准确性。
请参阅图3，在一个可行的实施例中，所述步骤S1包括以下步骤：
S11：当设置在所述无人机下方的镜头位于所述选取点的竖直上方，且所述镜头的中心处对准所述选取点时，获取所述镜头的中心处的经纬度坐标；
S12：将所述镜头的中心处的经纬度坐标确定为对应的所述选取点的经纬度数据。
在本实施例中，通过镜头对准所述选取点，再获取镜头的经纬度坐标，从而准确地得到所述选取点的经纬度数据，避免了镜头中心点与所述无人机中心点的距离造成获取的所述选取点的经纬度数据出现误差。
优选地，所述获取镜头的中心处的经纬度坐标，包括以下步骤：
获取所述无人机的中心处的经纬度、所述无人机中心处与所述镜头的中心处的水平偏差以及镜头朝向方位角；
Blng＝(d·sin(a·π/180)/(Rj+(Rc-Rj)·(90-lat)/90·cos(lat·π/180))+lng·π/180)·180/π；
Blat＝(d·cos(a·π/180)/(Rj+(Rc-Rj)·(90-lat)/90)+lat·π/180)·180/π；
其中，Blng表示所述镜头的中心处的纬度，Blat示所述镜头的中心处的经度，Rc表示地球的椭球长半轴；Rj表示地球的椭球短半轴；lat表示所述无人机的中心处的经度；lng示所述无人机的中心处的纬度；a表示所述镜头朝向方位角，d表示所述水平偏差。可以根据无人机的经纬度坐标获取镜头的中心处的经纬度坐标。
请参阅图4，在一个可行的实施例中，所述步骤S2包括以下步骤：
S21：当所述镜头位于所述选取点的水平侧面，且所述镜头的中心处对准所述选取点时，获取所述镜头的中心处的高程；
S22：将所述镜头的中心处的高程确定为对应的所述选取点的高程数据。
在本实施例中，通过镜头对准所述选取点，再获取镜头的高程，从而准确地得到所述选取点的高程数据。避免了镜头中心点与所述无人机中心点的距离造成获取的所述选取点的高程数据出现误差。
优选地，所述获取所述镜头的中心处的高程，包括以下步骤：
获取所述无人机的中心处的高程，以及所述无人机中心处与所述镜头的中心处的高程偏差；
Balt＝alt-h；
其中，Balt表示所述镜头的中心处的高程，alt表示所述无人机的中心处的高程，h表示所述高程偏差。可以根据无人机的高程获取镜头的中心处的高程。
在一个可行的实施例中，所述无人机与RTK网络信号连接；
所述获取所述无人机的中心处的经纬度，包括以下步骤；
当所述RTK网络的解算结果为固定解时，获取所述无人机的中心处的经纬度；
所述获取所述无人机的中心处的高程，包括以下步骤；
当所述RTK网络的解算结果为固定解时，获取所述无人机的中心处的高程。
其中，所述RTK网络是由基准站网，数据处理中心和数据通信线路组成的。基准站上应配备双频全波长GPS接收机，该接收机最好能同时提供精确的双频伪距观测值。基准站的站坐标应精确已知，其坐标可采用长时间GPS静态相对定位等方法来确定。此外，这些站还应配备数据通信设备及气象仪器等。基准站应按规定的采样率进行连续观测，并通过数据通信链实时将观测资料传送给数据处理中心。数据处理中心根据流动站送来的近似坐标(可据伪距法单点定位求得)判断出该站位于由哪三个基准站所组成的三角形内。然后根据这三个基准站的观测资料求出流动站处所受到的系统误差,并播发给流动用户来进行修正以获得精确的结果。而当所述RTK网络的解算结果为固定解时，其定位精度在1厘米以内，因此降低获取的经纬度和高程的误差，从而提高获取的数据的准确性。
在一个可行的实施例中，所述获取各个所述选取点的三维空间坐标与对应的所述点云坐标的第一平均差值包括以下步骤：
x1＝(lng1-Blng)·π·Rc·cos((lat1-Blat)/2·π/180)/180；
y1＝(lat1-Blat)·π·Rc/180；
Figure GDA0004010581270000071
h1＝alt1-Balt；
Figure GDA0004010581270000072
Figure GDA0004010581270000073
其中，x1表示对应的所述选取点的三维空间坐标与点云坐标的x轴差值；y1表示对应的所述选取点的三维空间坐标与点云坐标的y轴差值；lng1表示所述点云坐标的经度；lat1表示所述点云坐标的纬度；alt1表示所述点云坐标的高程；d1表示对应的所述选取点的三维空间坐标与点云坐标的水平差值；h1表示对应的所述选取点的三维空间坐标与点云坐标的高程差值；s表示对应的所述选取点的三维空间坐标与点云坐标的直线差值；n表示所述选取点的个数；K表示所述第一平均差值。通过上述数据计算出所述第一平均差值。
在一个可行的实施例中，所述获取各个所述选取点的三维空间坐标与对应的所述校正后的点云坐标的第二平均差值，包括以下步骤：
x2＝(lng2-Blng)·π·Rc·cos((lat2-Blat)/2·π/180)/180；
y2＝(lat2-Blat)·π·Rc/180；
Figure GDA0004010581270000081
h2＝alt2-Balt；
Figure GDA0004010581270000082
Figure GDA0004010581270000083
其中，x2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的x轴差值；y2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的y轴差值；d2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的水平差值；h2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的高程差值；lng2表示所述校正后的点云坐标的经度；lat2表示所述校正后的点云坐标的纬度；alt2表示所述校正后的点云坐标的高程；s'表示对应的所述选取点的三维空间坐标与校正后的点云坐标的直线差值；K'表示所述第二平均差值。通过上述数据计算出所述第二平均差值。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
以上所述实施例仅表达了本发明的几种实施方式，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。

Claims (8)

1.一种杆塔线路点云数据校核方法，其特征在于，包括以下步骤：
通过无人机获取杆塔上预设的多个选取点的经纬度数据；
通过所述无人机获取各个所述选取点的高程数据；
根据所述经纬度数据和高程数据生成各个所述选取点的三维空间坐标；
获取所述杆塔的点云数据，根据所述点云数据获取各个所述选取点的点云坐标；
获取各个所述选取点的三维空间坐标与对应的所述点云坐标的第一平均差值；
若所述第一平均差值小于或等于预设的误差值，确定所述点云数据为有效；
若所述第一平均差值大于预设的误差值，还包括以下步骤：
获取所述各个所述选取点的三维空间坐标对应的所述点云坐标的平均偏差参数，根据所述平均偏差参数校正所述点云数据，获得校正后的点云数据；
根据所述校正后的点云数据获取各个所述选取点校正后的点云坐标；
获取各个所述选取点的三维空间坐标与对应的所述校正后的点云坐标的第二平均差值；
若所述第二平均差值小于或等于预设的误差值，确定所述校正后的点云数据为有效。
2.根据权利要求1所述的杆塔线路点云数据校核方法，其特征在于：当设置在所述无人机下方的镜头位于所述选取点的竖直上方，且所述镜头的中心处对准所述选取点时，获取所述镜头的中心处的经纬度坐标；
将所述镜头的中心处的经纬度坐标确定为对应的所述选取点的经纬度数据。
3.根据权利要求2所述的杆塔线路点云数据校核方法，其特征在于：当所述镜头位于所述选取点的水平侧面，且所述镜头的中心处对准所述选取点时，获取所述镜头的中心处的高程；
将所述镜头的中心处的高程确定为对应的所述选取点的高程数据。
4.根据权利要求3所述的杆塔线路点云数据校核方法，其特征在于：所述获取所述镜头的中心处的经纬度坐标，包括以下步骤：
获取所述无人机的中心处的经纬度、所述无人机中心处与所述镜头的中心处的水平偏差以及镜头朝向方位角；
Blng＝(d·sin(a·π/180)/(Rj+(Rc-Rj)·(90-lat)/90·cos(lat·π/180))+lng·π/180)·180/π；
Blat＝(d·cos(a·π/180)/(Rj+(Rc-Rj)·(90-lat)/90)+lat·π/180)·180/π；
其中，Blng表示所述镜头的中心处的纬度，Blat表示所述镜头的中心处的经度，Rc表示地球的椭球长半轴；Rj表示地球的椭球短半轴；lat表示所述无人机的中心处的经度；lng表示所述无人机的中心处的纬度；a表示所述镜头朝向方位角，d表示所述水平偏差。
5.根据权利要求4所述的杆塔线路点云数据校核方法，其特征在于，获取所述镜头的中心处的高程，包括以下步骤：
获取所述无人机的中心处的高程，以及所述无人机中心处与所述镜头的中心处的高程偏差；
Balt＝alt-h；
其中，Balt表示所述镜头的中心处的高程，alt表示所述无人机的中心处的高程，h表示所述高程偏差。
6.根据权利要求5所述的杆塔线路点云数据校核方法，其特征在于：所述无人机与RTK网络信号连接；
所述获取所述无人机的中心处的经纬度，包括以下步骤；
当所述RTK网络的解算结果为固定解时，获取所述无人机的中心处的经纬度；
所述获取所述无人机的中心处的高程，包括以下步骤；
当所述RTK网络的解算结果为固定解时，获取所述无人机的中心处的高程。
7.根据权利要求6所述的杆塔线路点云数据校核方法，其特征在于：所述获取各个所述选取点的三维空间坐标与对应的所述点云坐标的第一平均差值包括以下步骤：
x1＝(lng1-Blng)·π·Rc·cos((lat1-Blat)/2·π/180)/180；
y1＝(lat1-Blat)·π·Rc/180；
Figure FDA0004010581260000021
h1＝alt1-Balt；
Figure FDA0004010581260000022
Figure FDA0004010581260000023
其中，x1表示对应的所述选取点的三维空间坐标与点云坐标的x轴差值；y1表示对应的所述选取点的三维空间坐标与点云坐标的y轴差值；lng1表示所述点云坐标的经度；lat1表示所述点云坐标的纬度；alt1表示所述点云坐标的高程；d1表示对应的所述选取点的三维空间坐标与点云坐标的水平差值；h1表示对应的所述选取点的三维空间坐标与点云坐标的高程差值；s表示对应的所述选取点的三维空间坐标与点云坐标的直线差值；n表示所述选取点的个数；K表示所述第一平均差值。
8.根据权利要求7所述的杆塔线路点云数据校核方法，其特征在于：所述获取各个所述选取点的三维空间坐标与对应的所述校正后的点云坐标的第二平均差值，包括以下步骤：
x2＝(lng2-Blng)·π·Rc·cos((lat2-Blat)/2·π/180)/180；
y2＝(lat2-Blat)·π·Rc/180；
Figure FDA0004010581260000031
h2＝alt2-Balt；
Figure FDA0004010581260000032
Figure FDA0004010581260000033
其中，x2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的x轴差值；y2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的y轴差值；d2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的水平差值；h2表示对应的所述选取点的三维空间坐标与校正后的点云坐标的高程差值；lng2表示所述校正后的点云坐标的经度；lat2表示所述校正后的点云坐标的纬度；alt2表示所述校正后的点云坐标的高程；s'表示对应的所述选取点的三维空间坐标与校正后的点云坐标的直线差值；K'表示所述第二平均差值。
CN202111033825.XA 2021-09-03 2021-09-03 一种杆塔线路点云数据校核方法 Active CN113920185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111033825.XA CN113920185B (zh) 2021-09-03 2021-09-03 一种杆塔线路点云数据校核方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111033825.XA CN113920185B (zh) 2021-09-03 2021-09-03 一种杆塔线路点云数据校核方法

Publications (2)

Publication Number Publication Date
CN113920185A CN113920185A (zh) 2022-01-11
CN113920185B true CN113920185B (zh) 2023-04-11

Family

ID=79233897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111033825.XA Active CN113920185B (zh) 2021-09-03 2021-09-03 一种杆塔线路点云数据校核方法

Country Status (1)

Country Link
CN (1) CN113920185B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270320A (zh) * 2020-11-16 2021-01-26 云南电网有限责任公司昆明供电局 一种基于卫星影像校正的输电线路杆塔坐标校准方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103217688B (zh) * 2013-04-16 2015-02-18 铁道第三勘察设计院集团有限公司 一种基于不规则三角网机载激光雷达点云平差计算方法
JP7022559B2 (ja) * 2017-10-17 2022-02-18 株式会社トプコン 無人航空機の制御方法および無人航空機の制御用プログラム
CN109461183A (zh) * 2018-10-23 2019-03-12 沙洲职业工学院 一种空间坐标点与点云位置点三维对比的方法
CN113238205A (zh) * 2021-05-25 2021-08-10 珠海市亿点科技有限公司 基于人工智能的无人机测绘点云数据偏移校正方法与系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270320A (zh) * 2020-11-16 2021-01-26 云南电网有限责任公司昆明供电局 一种基于卫星影像校正的输电线路杆塔坐标校准方法

Also Published As

Publication number Publication date
CN113920185A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
CN101360967B (zh) 高层结构的勘测方法和系统
AU2012343109B2 (en) Method and device for acquiring information about base station antenna, and base station antenna
KR100910890B1 (ko) 위성위치측정시스템
CN109425365A (zh) 激光扫描设备标定的方法、装置、设备及存储介质
CN108490473A (zh) 一种融合gnss和uwb的无人机增强定位方法与系统
CN111458720A (zh) 复杂山区基于机载激光雷达数据的倾斜摄影建模方法
CN109556569B (zh) 地形图测绘方法及装置
US9897445B2 (en) Target direction determination method and system
KR101744956B1 (ko) 모바일 단말을 이용한 gnss 측량 시스템 및 방법
CN105180943A (zh) 船舶定位系统及方法
CN112697084B (zh) 基于弧垂测量仪的弧垂测量方法、系统、设备和介质
CN108225185A (zh) 一种车载扫描系统检校方法
CN102859903A (zh) 用于对天线进行精确定向的系统和方法
ES2931501T3 (es) Procedimiento, dispositivos, sistema y producto de programa de ordenador para aumentar la precisión de posicionamiento de un equipo de usuario móvil mediante el uso de datos de un sistema global de navegación por satélite
CN109917433A (zh) 一种可飞行的测量系统和飞行测量方法
JP2018040785A (ja) 位置測定システム、位置測定方法、および移動ロボット
CN108489466B (zh) 一种山区航测无人机像控点坐标测量方法
CN116931033A (zh) 位置测定系统、位置测定方法以及移动机器人
US20130127657A1 (en) Method and Apparatus for Acquiring Information about Base Station Antenna, and Base Station Antenna
CN107968933A (zh) 一种无线路由监控方法
US7116268B2 (en) Position measuring apparatus
CN112269202A (zh) 一种运动载体辅助的空间基准传递系统及方法
CN113920185B (zh) 一种杆塔线路点云数据校核方法
KR101475887B1 (ko) 지피에스 위치정보가 링크된 영상이미지의 업데이트를 위한 영상처리시스템
CN105044733A (zh) 一种高精度的导航卫星tgd参数标定方法

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