CN114061548A - 基于无人机遥感的建筑测绘方法及系统 - Google Patents
基于无人机遥感的建筑测绘方法及系统 Download PDFInfo
- Publication number
- CN114061548A CN114061548A CN202210040626.XA CN202210040626A CN114061548A CN 114061548 A CN114061548 A CN 114061548A CN 202210040626 A CN202210040626 A CN 202210040626A CN 114061548 A CN114061548 A CN 114061548A
- Authority
- CN
- China
- Prior art keywords
- building
- mapping
- aerial vehicle
- unmanned aerial
- surveying
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 240
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000010586 diagram Methods 0.000 claims abstract description 17
- 238000005286 illumination Methods 0.000 claims description 40
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000011521 glass Substances 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 description 7
- 239000000919 ceramic Substances 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- 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
- G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Abstract
本发明涉及基于无人机遥感的建筑测绘方法及系统,属于建筑测绘领域,包括获取当前待测绘建筑物所在目标区域范围的建筑物信息,所述建筑物信息为建筑物的外形轮廓尺寸信息以及建筑物的地理位置;基于目标区域范围的建筑物信息建立建筑物空间模型图;根据所述建筑物空间模型图计算出各个时间点的投影面积,得到第一阴影面积;基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积;根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段。本方法一方面能够有效地提高了测绘的效率,而且能够根据建筑物上的墙体设施进行识别,当墙体设施为一些光滑的玻璃面时,能够有效地选择出测绘点,保证了测绘的精确度。
Description
技术领域
本发明涉及建筑测绘技术领域,尤其涉及基于无人机遥感的建筑测绘方法及系统。
背景技术
随着我国工程行业的发展,测绘行业也迎来了飞速发展时期。基于我国科学技术极速进步之下,同时也给我国工程测绘行业提供了巨大的推动力。因为无人机遥感技术的诸多优势,将其应用在工程测绘行业内,不仅能够更好的完成建模、数据集以及处理等工作,而且还能极大的提高测绘人员的工作效率。从目前情况来看,工程领域内无人机遥感测绘技术已经有了广泛的应用,未来必将成为工程测绘行业的领军技术。除此之外,无人机还带有先进的三维模型效果,对录入的信息进行辨识,建模,可以使最终呈现出来的测绘影像具有非常高的辨别度和清晰度,可以快速的帮助工程师测绘图像,可以有效的提高工作效率,无人遥感技术的像控点精度比较高,可以将测绘中一些死角,较为隐蔽的地方测绘出来,从而提高测绘的完整性和全面性,并为工程奠定有效的基础。
虽然无人机遥感测绘技术应用比较广泛,但是还是具有许多问题尚未解决,如现有技术中,无人机拍摄图片时容易受到外界因素的影响,如光线的影响、光照强度的影响,这就很容易导致测绘的效果差,使得需要测绘的次数增多,从而导致测绘的效率低下。
发明内容
本发明克服了现有技术的不足,提供了基于无人机遥感的建筑测绘方法及系统。
为了达到上述目的,本发明采用的技术方案为:
本发明第一方面提供了基于无人机遥感的建筑测绘方法,包括以下步骤:
获取当前待测绘建筑物所在目标区域范围的建筑物信息,所述建筑物信息为建筑物的外形轮廓尺寸信息以及建筑物的地理位置;
基于目标区域范围的建筑物信息建立建筑物空间模型图;
根据所述建筑物空间模型图计算出各个时间点的投影面积,得到第一阴影面积;
基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积;
根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段。
进一步地,本发明的一个较佳实施例中,根据所述建筑物空间模型图计算出各个时间段内的投影面积,得到第一阴影面积,具体包括:
获取建筑物与太阳直射点的位置关系;
基于所述待测绘建筑物与太阳直射点的位置关系从所述建筑物模型中提取出有效轮廓;
根据所述有效轮廓计算出各个时间点的投影面积。
进一步地,本发明的一个较佳实施例中,基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积,具体包括:
获取待测绘建筑物的建筑图纸参数,并基于所述建筑图纸参数建立待测绘建筑物模型;
获取所述待测绘建筑物的地理位置,将根据所述待测绘建筑物的地理位置将所述待测绘建筑物模型整合到建筑物空间模型图中,得到空间组合模型;
基于所述空间组合模型以及第一阴影面积得到第一阴影面积落在所述空间组合模型中的待测绘建筑物上的阴影面积,生成第二阴影面积。
进一步地,本发明的一个较佳实施例中,根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段,具体包括:
根据第二阴影面积以及待测绘建筑物模型计算出非阴影面积,并获得所述非阴影面积的光照强度值;
判断所述光照强度值是否在预设光照强度值之内;
若在,则将该光照强度值所在的时间段标记为测绘时间段,并将该测绘时间段作为最佳测绘时间段。
进一步地,本发明的一个较佳实施例中,在根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段的步骤之后,还包括以下步骤:
获取待测绘建筑物外墙设施的类型;
基于神经网络建立建筑物外墙设施类型识别模型,并将预先训练好的建筑物外墙设施训练集导入所述建筑物外墙设施类型识别模型中训练,得到训练好的建筑物外墙设施类型识别模型;
将所述待测绘建筑物外墙设施的类型导入所述训练好的建筑物外墙设施类型识别模型,得到建筑物外墙设施识别结果,并判断所述建筑物外墙设施识别结果是否为预设识别结果,若为预设识别结果,根据太阳直射点的位置以及待测绘建筑物各个区域得到在最佳测绘时间段内的反光位置坐标点;
基于反光位置坐标点以及非阴影面积得到最佳测绘时间段内待测绘建筑物各个区域的最佳测绘点;
根据所述待测绘建筑物各个区域的最佳测绘点建立一条或者多条无人机测绘飞行路线。
进一步地,本发明的一个较佳实施例中,根据所述待测绘建筑物各个区域的最佳测绘点建立无人机测绘飞行路线,具体包括:
以第一待测区域的最佳测绘点为第一起点,以第二待测区域的最佳测绘点为第一终点,根据所述第一起点以及所述第一终点的连线作为无人机测绘第一飞行路线;
以第二待测区域的最佳测绘点为第二起点,以第三待测区域的最佳测绘点作为第二起点,根据所述第二起点以及第二终点的连线作为无人机测绘第二飞行路线,直至根据第N起点以及第N终点的连线作为无人机测绘第N飞行路线;
将所述无人机测绘第一飞行路线、无人机测绘第二飞行路线以及无人机测绘第N飞行路线组合成无人机测绘飞行路线。
进一步地,本发明的一个较佳实施例中,所述的基于无人机遥感的建筑测绘方法,还包括以下步骤:
获取无人机的飞行速度;
基于所述无人机的飞行速度以及无人机测绘飞行路线计算出所述无人机测绘飞行路线的测绘时间;
根据所述无人机测绘飞行路线的测绘时间建立无人机测绘飞行路线时间排序表;
从所述无人机测绘飞行路线时间排序表筛选出最短的测绘时间,并将该测绘时间对应的无人机测绘飞行路线作为最终的无人机测绘飞行路线输出。
本发明第二方面提供了基于无人机遥感的建筑测绘系统,该系统包括存储器及处理器,所述存储器中包括基于无人机遥感的建筑测绘方法程序,所述基于无人机遥感的建筑测绘方法程序被处理器执行时,实现如下步骤:
获取当前待测绘建筑物所在目标区域范围的建筑物信息,所述建筑物信息为建筑物的外形轮廓尺寸信息以及建筑物的地理位置;
基于目标区域范围的建筑物信息建立建筑物空间模型图;
根据所述建筑物空间模型图计算出各个时间点的投影面积,得到第一阴影面积;
基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积;
根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段。
进一步地,本发明的一个较佳实施例中,在根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段的步骤之后,还包括以下步骤:
获取待测绘建筑物外墙设施的类型;
基于神经网络建立建筑物外墙设施类型识别模型,并将预先训练好的建筑物外墙设施训练集导入所述建筑物外墙设施类型识别模型中训练,得到训练好的建筑物外墙设施类型识别模型;
将所述待测绘建筑物外墙设施的类型导入所述训练好的建筑物外墙设施类型识别模型,得到建筑物外墙设施识别结果,并判断所述建筑物外墙设施识别结果是否为预设识别结果,若为预设识别结果,根据太阳直射点的位置以及待测绘建筑物各个区域得到在最佳测绘时间段内的反光位置坐标点;
基于反光位置坐标点以及非阴影面积得到最佳测绘时间段内待测绘建筑物各个区域的最佳测绘点;
根据所述待测绘建筑物各个区域的最佳测绘点建立一条或者多条无人机测绘飞行路线。
进一步地,本发明的一个较佳实施例中,所述的基于无人机遥感的建筑测绘系统,其特征在于,还包括以下步骤:
获取无人机的飞行速度;
基于所述无人机的飞行速度以及无人机测绘飞行路线计算出所述无人机测绘飞行路线的测绘时间;
根据所述无人机测绘飞行路线的测绘时间建立无人机测绘飞行路线时间排序表;
从所述无人机测绘飞行路线时间排序表筛选出最短的测绘时间,并将该测绘时间对应的无人机测绘飞行路线作为最终的无人机测绘飞行路线输出。
本发明解决了背景技术中存在的缺陷,能够达到如下的技术效果:
本发明通过实际的建筑物的实质情况来对待测建筑物进行测绘,利用本方法有效地提高了无人机对建筑物测绘的图片清晰度,从而提高对待测绘建筑物的测绘精度。本方法一方面能够有效地提高了测绘的效率,而且能够根据建筑物上的墙体设施进行识别,当墙体设施为一些光滑的玻璃面时,能够有效地选择出测绘点,保证了测绘的精确度的同时,还根据测绘点建立无人机的测绘飞行路线,提高了无人机对建筑物测绘时的精度,有利于工程测绘的评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现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发明的一些实施例,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实施例的附图。
图1示出了基于无人机遥感的建筑测绘方法的方法流程图;
图2示出了计算第一阴影面积的方法流程图;
图3示出了得到第二阴影面积的方法流程图;
图4示出了得到待测绘建筑物各个区域的最佳测绘时间段的方法流程图;
图5示出了得到最佳测绘点的方法流程图;
图6示出了确定无人机测绘飞行路线的方法流程图;
图7示出了选取最终的无人机测绘飞行路线的方法流程图;
图8示出了基于无人机遥感的建筑测绘系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明第一方面提供了基于无人机遥感的建筑测绘方法,包括以下步骤:
S102:获取当前待测绘建筑物所在目标区域范围的建筑物信息,所述建筑物信息为建筑物的外形轮廓尺寸信息以及建筑物的地理位置;
S104:基于目标区域范围的建筑物信息建立建筑物空间模型图;
S106:根据所述建筑物空间模型图计算出各个时间点的投影面积,得到第一阴影面积;
S108:基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积;
S110:根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段。
需要说明的是,所述建筑空间模型图可用三维建模软件绘制,如3DSMAX软件、Maya三维建模软件以及Rhino三维建模软件等,所述建筑物信息可从大数据网络中获取,大数据网络中存储有目标区域范围的建筑物的图纸信息,而目标区域范围的建筑物的地理位置信息可通过智能终端GPS定位系统中获取,如智能手机、智能GPS定位仪等。
进一步地,本发明的一个较佳实施例中,根据所述建筑物空间模型图计算出各个时间段内的投影面积,得到第一阴影面积,具体包括:
S202:获取建筑物与太阳直射点的位置关系;
S204:基于所述待测绘建筑物与太阳直射点的位置关系从所述建筑物模型中提取出有效轮廓;
S206:根据所述有效轮廓计算出各个时间点的投影面积。
需要说明的是,太阳光可看做了平行光,而建筑物在太阳光的作用之下,形成了投影,其中建筑物形成的投影点满足:
其中L(,,)为太阳光的光线;为光线在三维空间X轴方向上的分量;为
光线在三维空间Y轴方向上的分量;为在光线在三维空间Z轴方向上的分量;N(H,I,J,K)
为投影平面向量,N为组合平面,即H,I,J,K平面的组合;其中投影平面N满足方程Hx+Iy+Jz+
Ky=0;P为待投影坐标点;P1(x0,y0,z0)为建筑物有效轮廓的在三维空间中各个方向上的极
限坐标值;α为太阳光线在地平面上的投影线与地平线正线形成的夹角。
需要说明的是,按照以上方式,即可计算出待投影坐标值,有了待投影坐标值即可计算出投影面积值。其中太阳光的光线L为已知值,投影平面向量N为投影在待测绘建筑物上的投影平面,该投影平面可从待测绘建筑物模型中获得。所述有效轮廓可理解为在建筑物的朝向、形状不同以及太阳光线照射在建筑物上的角度而发生改变,而太阳光可看做是平行光,即太阳光线照射到建筑物上的极限轮廓的组合,该组合轮廓即为有效轮廓。
进一步地,本发明的一个较佳实施例中,基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积,具体包括:
S302:获取待测绘建筑物的建筑图纸参数,并基于所述建筑图纸参数建立待测绘建筑物模型;
S304:获取所述待测绘建筑物的地理位置,将根据所述待测绘建筑物的地理位置将所述待测绘建筑物模型整合到建筑物空间模型图中,得到空间组合模型;
S306:基于所述空间组合模型以及第一阴影面积得到第一阴影面积落在所述空间组合模型中的待测绘建筑物上的阴影面积,生成第二阴影面积。
需要说明的是,所述待测绘建筑物的建筑图纸参数包括建筑物的设计参数,如平面尺寸、空间尺寸等。从而利用三维建模软件根据该建筑物的设计参数建立待测绘建筑物模型,从而将该待测绘建筑物模型整合到建筑物空间模型中,进而模拟出与实景场景相同的现实场景图。而将建筑物的高度为高度方向上的基准,由于太阳光线在地平面上的投影线与地平线正线形成的夹角与建筑物高度与地平正线形成的夹角相同,因此按照以上公式计算出第一投影面积后,第一投影面积乘以建筑物高度与地平正线形成的夹角的正弦值,此时就可以计算出第一阴影面积落在待测绘建筑物上的阴影面积。
进一步地,本发明的一个较佳实施例中,根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段,具体包括:
S402:根据第二阴影面积以及待测绘建筑物模型计算出非阴影面积,并获得所述非阴影面积的光照强度值;
S404:判断所述光照强度值是否在预设光照强度值之内;
S406:若在,则将该光照强度值所在的时间段标记为测绘时间段,并将该测绘时间段作为最佳测绘时间段。
需要说明的是,此时由于第二阴影面积已经计算得到,通过第二阴影面积以及太阳光所照射的待测绘建筑物模型的表面积,这时就计算出了阴影面积,利用光照传感器获取非阴影面积的光照强度值,当光照强度值在预设光照强度值之内时,这时这个时间段就作为最佳测绘的时间段,从而将该时间段作为测绘待测绘建筑物的最佳时间段。其中预设时间段为测绘人员可任意设定光照强度值,以使得拍摄的图片更加清晰,从而提高建筑工程的精度。
进一步地,本发明的一个较佳实施例中,在根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段的步骤之后,还包括以下步骤:
S502:获取待测绘建筑物外墙设施的类型;
S504:基于神经网络建立建筑物外墙设施类型识别模型,并将预先训练好的建筑物外墙设施训练集导入所述建筑物外墙设施类型识别模型中训练,得到训练好的建筑物外墙设施类型识别模型;
S506:将所述待测绘建筑物外墙设施的类型导入所述训练好的建筑物外墙设施类型识别模型,得到建筑物外墙设施识别结果,并判断所述建筑物外墙设施识别结果是否为预设识别结果,若为预设识别结果,根据太阳直射点的位置以及待测绘建筑物各个区域得到在最佳测绘时间段内的反光位置坐标点;
S508:基于反光位置坐标点以及非阴影面积得到最佳测绘时间段内待测绘建筑物各个区域的最佳测绘点;
S510:根据所述待测绘建筑物各个区域的最佳测绘点建立一条或者多条无人机测绘飞行路线。
需要说明的是,所述待测绘建筑物外墙设施的类型可为光滑外表面的玻璃墙体、瓷砖墙体、混凝土墙体等;如可以利用卷积神经网络、深度学习算法、机器学习算法等识别出建筑物外墙设施的类型,当建筑外墙设施的类型为光滑外表面的玻璃墙体、瓷砖墙体时,由于太阳光的反射会造成无人机测绘时,有些拍摄点被反光,这类拍摄位置就造成了不清晰;由于太阳光在建筑物中的反射现象,太阳在空中的位置决定了入射光线以及反射光线的角度以及方向,而不同时段的太阳位置数据可通过气象数据观测中得到,进而根据太阳直射点的位置以及待测绘建筑物各个区域得到在最佳测绘时间段内的反光位置坐标点,其中所述反光位置坐标点满足以下关系式:
需要说明的是,实际上太阳光线在玻璃墙体或者瓷砖墙体的反光面积,即为太阳
光线与为在待测绘建筑物高度方向上的投影,而投影点的累积即为在空间位置上光照
的反射面积,按照该方式能够得到最佳测绘时间段内的最佳测绘点,其中最佳测绘点是待
测绘建筑物各个区域需要避开这个反光面积,利用该方式从而提高建筑工程拍摄的清晰
度,而且设置了最佳测绘时间段,这样就能够避免更多的无用功,提高工程测绘的效率。
进一步地,本发明的一个较佳实施例中,根据所述待测绘建筑物各个区域的最佳测绘点建立无人机测绘飞行路线,具体包括:
S602:以第一待测区域的最佳测绘点为第一起点,以第二待测区域的最佳测绘点为第一终点,根据所述第一起点以及所述第一终点的连线作为无人机测绘第一飞行路线;
S604:以第二待测区域的最佳测绘点为第二起点,以第三待测区域的最佳测绘点作为第二起点,根据所述第二起点以及第二终点的连线作为无人机测绘第二飞行路线,直至根据第N起点以及第N终点的连线作为无人机测绘第N飞行路线;
S606:将所述无人机测绘第一飞行路线、无人机测绘第二飞行路线以及无人机测绘第N飞行路线组合成无人机测绘飞行路线。
进一步地,本发明的一个较佳实施例中,所述的基于无人机遥感的建筑测绘方法,还包括以下步骤:
S702:获取无人机的飞行速度;
S704:基于所述无人机的飞行速度以及无人机测绘飞行路线计算出所述无人机测绘飞行路线的测绘时间;
S706:根据所述无人机测绘飞行路线的测绘时间建立无人机测绘飞行路线时间排序表;
S708:从所述无人机测绘飞行路线时间排序表筛选出最短的测绘时间,并将该测绘时间对应的无人机测绘飞行路线作为最终的无人机测绘飞行路线输出。
需要说明的是,用户可以通过设定无人机的飞行速度,该飞行速度能够使得无人机能够稳定地飞行,从而根据多条无人机测绘飞行路线计算出无人机飞行的时间段,进而选出一条飞行时间最短的飞行路线,从而提高测绘的效率。
此外,本方面还可以包括以下步骤:
获取反光位置坐标点的位置;
基于所述反光位置坐标点的位置计算出该位置的光照强度值;
判断该位置的光照强度值是否不大于预设光照强度值;
若不大于,将该位置点修改为最佳测绘点。
需要说明的是,由于最佳拍摄点可能是光照强度不高的时间段,因此,通过反光位置坐标点的位置计算出该位置的光照强度值,其中,该位置的光照强度值满足:
其中为反光位置坐标点的光照强度值;为光线在三维空间X轴方向上的分量;为光线在三维空间Y轴方向上的分量;为反光位置坐标点在空间坐标系中X轴的横坐标
值;为反光位置坐标点在空间坐标系中Y中的纵坐标值;β为太阳高度角;O为修正系数,该
修正系数的取值为1-1.2之间,一般取值为1.2。
通过该方式来确定该位置的光照强度值,从而该位置的光照强度值不大于预设光照强度值时,该点可以作为最佳测绘为;反之,则不可以作为最佳测绘点。
此外,还可以包括以下步骤:
获取当前待测绘建筑物所在地理位置的气象信息;
判断所述气象信息是否存在预设气象信息;
若存在,则通过大数据网络获取该气象信息对应的气象恶劣程度,其中恶劣程度包括轻微恶劣、中度恶劣以及重度恶劣;
若恶劣程度为中度恶劣或者重度恶劣,则获取该中度恶劣或者重度恶劣的天气信息所在的时间段,并判断所在时间段是否在最佳测绘时间段内;
若在,剔除中度恶劣或者重度恶劣的天气信息所在的时间段以及最佳测绘时间段重合的时间段,得到最终的最佳测绘时间段。
需要说明的是,通过大数据网络可以获取当前待测绘建筑物所在地理位置的气象信息,所述气象信息包括天气状况,如晴天、雨天、雾霾天等,所述预设气象信息可为大风天气、雾霾天、雨天等。利用该方式能够有效地调整最佳测绘的时间段,从而从最佳测绘时间段中剔除该时间段,从而一方面有利于保护无人机,另一方面智能调节最佳测绘时间段有利于面对突发情况,保证了测绘的有效性。
本发明第二方面提供了基于无人机遥感的建筑测绘系统,该系统包括存储器41及处理器62,所述存储器41中包括基于无人机遥感的建筑测绘方法程序,所述基于无人机遥感的建筑测绘方法程序被处理器62执行时,实现如下步骤:
获取当前待测绘建筑物所在目标区域范围的建筑物信息,所述建筑物信息为建筑物的外形轮廓尺寸信息以及建筑物的地理位置;
基于目标区域范围的建筑物信息建立建筑物空间模型图;
根据所述建筑物空间模型图计算出各个时间点的投影面积,得到第一阴影面积;
基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积;
根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段。
需要说明的是,所述建筑空间模型图可用三维建模软件绘制,如3DSMAX软件、Maya三维建模软件以及Rhino三维建模软件等,所述建筑物信息可从大数据网络中获取,大数据网络中存储有目标区域范围的建筑物的图纸信息,而目标区域范围的建筑物的地理位置信息可通过智能终端GPS定位系统中获取,如智能手机、智能GPS定位仪等。
进一步地,本发明的一个较佳实施例中,根据所述建筑物空间模型图计算出各个时间段内的投影面积,得到第一阴影面积,具体包括:
获取建筑物与太阳直射点的位置关系;
基于所述待测绘建筑物与太阳直射点的位置关系从所述建筑物模型中提取出有效轮廓;
根据所述有效轮廓计算出各个时间点的投影面积。
需要说明的是,太阳光可看做了平行光,而建筑物在太阳光的作用之下,形成了投影,其中建筑物形成的投影点满足:
其中L(,,)为太阳光的光线;为光线在三维空间X轴方向上的分量;为
光线在三维空间Y轴方向上的分量;为在光线在三维空间Z轴方向上的分量;N(H,I,J,K)
为投影平面向量,N为组合平面,即H,I,J,K平面的组合;其中投影平面N满足方程Hx+Iy+Jz+
Ky=0;P为待投影坐标点;P1(x0,y0,z0)为建筑物有效轮廓的在三维空间中各个方向上的极
限坐标值;α为太阳光线在地平面上的投影线与地平线正线形成的夹角。
需要说明的是,按照以上方式,即可计算出待投影坐标值,有了待投影坐标值即可计算出投影面积值。其中太阳光的光线L为已知值,投影平面向量N为投影在待测绘建筑物上的投影平面,该投影平面可从待测绘建筑物模型中获得。所述有效轮廓可理解为在建筑物的朝向、形状不同以及太阳光线照射在建筑物上的角度而发生改变,而太阳光可看做是平行光,即太阳光线照射到建筑物上的极限投影点的组合,该组合投影点即为有效轮廓。
进一步地,本发明的一个较佳实施例中,基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积,具体包括:
获取待测绘建筑物的建筑图纸参数,并基于所述建筑图纸参数建立待测绘建筑物模型;
获取所述待测绘建筑物的地理位置,将根据所述待测绘建筑物的地理位置将所述待测绘建筑物模型整合到建筑物空间模型图中,得到空间组合模型;
基于所述空间组合模型以及第一阴影面积得到第一阴影面积落在所述空间组合模型中的待测绘建筑物上的阴影面积,生成第二阴影面积。
需要说明的是,所述待测绘建筑物的建筑图纸参数包括建筑物的设计参数,如平面尺寸、空间尺寸等。从而利用三维建模软件根据该建筑物的设计参数建立待测绘建筑物模型,从而将该待测绘建筑物模型整合到建筑物空间模型中,进而模拟出与实景场景相同的现实场景图。而将建筑物的高度为高度方向上的基准,由于太阳光线在地平面上的投影线与地平线正线形成的夹角与建筑物高度与地平正线形成的夹角相同,因此按照以上公式计算出第一投影面积后,第一投影面积乘以建筑物高度与地平正线形成的夹角的正弦值,此时就可以计算出第一阴影面积落在待测绘建筑物上的阴影面积。
进一步地,本发明的一个较佳实施例中,根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段,具体包括:
根据第二阴影面积以及待测绘建筑物模型计算出非阴影面积,并获得所述非阴影面积的光照强度值;
判断所述光照强度值是否在预设光照强度值之内;
若在,则将该光照强度值所在的时间段标记为测绘时间段,并将该测绘时间段作为最佳测绘时间段。
需要说明的是,此时由于第二阴影面积已经计算得到,通过第二阴影面积以及太阳光所照射的待测绘建筑物模型的表面积,这时就计算出了阴影面积,利用光照传感器获取非阴影面积的光照强度值,当光照强度值在预设光照强度值之内时,这时这个时间段就作为最佳测绘的时间段,从而将该时间段作为测绘待测绘建筑物的最佳时间段。其中预设时间段为测绘人员可任意设定光照强度值,以使得拍摄的图片更加清晰,从而提高建筑工程的精度。
进一步地,本发明的一个较佳实施例中,在根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段的步骤之后,还包括以下步骤:
获取待测绘建筑物外墙设施的类型;
基于神经网络建立建筑物外墙设施类型识别模型,并将预先训练好的建筑物外墙设施训练集导入所述建筑物外墙设施类型识别模型中训练,得到训练好的建筑物外墙设施类型识别模型;
将所述待测绘建筑物外墙设施的类型导入所述训练好的建筑物外墙设施类型识别模型,得到建筑物外墙设施识别结果,并判断所述建筑物外墙设施识别结果是否为预设识别结果,若为预设识别结果,根据太阳直射点的位置以及待测绘建筑物各个区域得到在最佳测绘时间段内的反光位置坐标点;
基于反光位置坐标点以及非阴影面积得到最佳测绘时间段内待测绘建筑物各个区域的最佳测绘点;
根据所述待测绘建筑物各个区域的最佳测绘点建立一条或者多条无人机测绘飞行路线。
需要说明的是,所述待测绘建筑物外墙设施的类型可为光滑外表面的玻璃墙体、瓷砖墙体、混凝土墙体等;如可以利用卷积神经网络、深度学习算法、机器学习算法等识别出建筑物外墙设施的类型,当建筑外墙设施的类型为光滑外表面的玻璃墙体、瓷砖墙体时,由于太阳光的反射会造成无人机测绘时,有些拍摄点被反光,这类拍摄位置就造成了不清晰;由于太阳光在建筑物中的反射现象,太阳在空中的位置决定了入射光线以及反射光线的角度以及方向,而不同时段的太阳位置数据可通过气象数据观测中得到,进而根据太阳直射点的位置以及待测绘建筑物各个区域得到在最佳测绘时间段内的反光位置坐标点,其中所述反光位置坐标点满足以下关系式:
需要说明的是,实际上太阳光线在玻璃墙体或者瓷砖墙体的反光面积,即为太阳
光线与为在待测绘建筑物高度方向上的投影,而投影点的累积即为在空间位置上光照
的反射面积,按照该方式能够得到最佳测绘时间段内的最佳测绘点,其中最佳测绘点是待
测绘建筑物各个区域需要避开这个反光面积,利用该方式从而提高建筑工程拍摄的清晰
度,而且设置了最佳测绘时间段,这样就能够避免更多的无用功,提高工程测绘的效率。
进一步地,本发明的一个较佳实施例中,根据所述待测绘建筑物各个区域的最佳测绘点建立无人机测绘飞行路线,具体包括:
以第一待测区域的最佳测绘点为第一起点,以第二待测区域的最佳测绘点为第一终点,根据所述第一起点以及所述第一终点的连线作为无人机测绘第一飞行路线;
以第二待测区域的最佳测绘点为第二起点,以第三待测区域的最佳测绘点作为第二起点,根据所述第二起点以及第二终点的连线作为无人机测绘第二飞行路线,直至根据第N起点以及第N终点的连线作为无人机测绘第N飞行路线;
将所述无人机测绘第一飞行路线、无人机测绘第二飞行路线以及无人机测绘第N飞行路线组合成无人机测绘飞行路线。
进一步地,本发明的一个较佳实施例中,所述的基于无人机遥感的建筑测绘方法,还包括以下步骤:
获取无人机的飞行速度;
基于所述无人机的飞行速度以及无人机测绘飞行路线计算出所述无人机测绘飞行路线的测绘时间;
:根据所述无人机测绘飞行路线的测绘时间建立无人机测绘飞行路线时间排序表;
从所述无人机测绘飞行路线时间排序表筛选出最短的测绘时间,并将该测绘时间对应的无人机测绘飞行路线作为最终的无人机测绘飞行路线输出。
需要说明的是,用户可以通过设定无人机的飞行速度,该飞行速度能够使得无人机能够稳定地飞行,从而根据多条无人机测绘飞行路线计算出无人机飞行的时间段,进而选出一条飞行时间最短的飞行路线,从而提高测绘的效率。
此外,本方面还可以包括以下步骤:
获取反光位置坐标点的位置;
基于所述反光位置坐标点的位置计算出该位置的光照强度值;
判断该位置的光照强度值是否不大于预设光照强度值;
若不大于,将该位置点修改为最佳测绘点。
需要说明的是,由于最佳拍摄点可能是光照强度不高的时间段,因此,通过反光位置坐标点的位置计算出该位置的光照强度值,其中,该位置的光照强度值满足:
其中为反光位置坐标点的光照强度值;为光线在三维空间X轴方向上的分量;为光线在三维空间Y轴方向上的分量;为反光位置坐标点在空间坐标系中X轴的横坐标
值;为反光位置坐标点在空间坐标系中Y中的纵坐标值;β为太阳高度角;O为修正系数,该
修正系数的取值为1-1.2之间,一般取值为1.2。
通过该方式来确定该位置的光照强度值,从而该位置的光照强度值不大于预设光照强度值时,该点可以作为最佳测绘为;反之,则不可以作为最佳测绘点。
此外,还可以包括以下步骤:
获取当前待测绘建筑物所在地理位置的气象信息;
判断所述气象信息是否存在预设气象信息;
若存在,则通过大数据网络获取该气象信息对应的气象恶劣程度,其中恶劣程度包括轻微恶劣、中度恶劣以及重度恶劣;
若恶劣程度为中度恶劣或者重度恶劣,则获取该中度恶劣或者重度恶劣的天气信息所在的时间段,并判断所在时间段是否在最佳测绘时间段内;
若在,剔除中度恶劣或者重度恶劣的天气信息所在的时间段以及最佳测绘时间段重合的时间段,得到最终的最佳测绘时间段。
需要说明的是,通过大数据网络可以获取当前待测绘建筑物所在地理位置的气象信息,所述气象信息包括天气状况,如晴天、雨天、雾霾天等,所述预设气象信息可为大风天气、雾霾天、雨天等。利用该方式能够有效地调整最佳测绘的时间段,从而从最佳测绘时间段中剔除该时间段,从而一方面有利于保护无人机,另一方面智能调节最佳测绘时间段有利于面对突发情况,保证了测绘的有效性。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于无人机遥感的建筑测绘方法,其特征在于,包括以下步骤:
获取当前待测绘建筑物所在目标区域范围的建筑物信息,所述建筑物信息为建筑物的外形轮廓尺寸信息以及建筑物的地理位置;
基于目标区域范围的建筑物信息建立建筑物空间模型图;
根据所述建筑物空间模型图计算出各个时间点的投影面积,得到第一阴影面积;
基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积;
根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段。
2.根据权利要求1所述的基于无人机遥感的建筑测绘方法,其特征在于,根据所述建筑物空间模型图计算出各个时间段内的投影面积,得到第一阴影面积,具体包括:
获取建筑物与太阳直射点的位置关系;
基于所述待测绘建筑物与太阳直射点的位置关系从所述建筑物模型中提取出有效轮廓;
根据所述有效轮廓计算出各个时间点的投影面积。
3.根据权利要求1所述的基于无人机遥感的建筑测绘方法,其特征在于,基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积,具体包括:
获取待测绘建筑物的建筑图纸参数,并基于所述建筑图纸参数建立待测绘建筑物模型;
获取所述待测绘建筑物的地理位置,将根据所述待测绘建筑物的地理位置将所述待测绘建筑物模型整合到建筑物空间模型图中,得到空间组合模型;
基于所述空间组合模型以及第一阴影面积,得到第一阴影面积落在所述空间组合模型中的待测绘建筑物上的阴影面积,生成第二阴影面积。
4.根据权利要求1所述的基于无人机遥感的建筑测绘方法,其特征在于,根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段,具体包括:
根据第二阴影面积以及待测绘建筑物模型计算出非阴影面积,并获得所述非阴影面积的光照强度值;
判断所述光照强度值是否在预设光照强度值之内;
若在,则将该光照强度值所在的时间段标记为测绘时间段,并将该测绘时间段作为最佳测绘时间段。
5.根据权利要求1所述的基于无人机遥感的建筑测绘方法,其特征在于,在根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段的步骤之后,还包括以下步骤:
获取待测绘建筑物外墙设施的类型;
基于神经网络建立建筑物外墙设施类型识别模型,并将预先训练好的建筑物外墙设施训练集导入所述建筑物外墙设施类型识别模型中训练,得到训练好的建筑物外墙设施类型识别模型;
将所述待测绘建筑物外墙设施的类型导入所述训练好的建筑物外墙设施类型识别模型,得到建筑物外墙设施识别结果,并判断所述建筑物外墙设施识别结果是否为预设识别结果,若为预设识别结果,根据太阳直射点的位置以及待测绘建筑物各个区域得到在最佳测绘时间段内的反光位置坐标点;
基于反光位置坐标点以及非阴影面积得到最佳测绘时间段内待测绘建筑物各个区域的最佳测绘点;
根据所述待测绘建筑物各个区域的最佳测绘点建立一条或者多条无人机测绘飞行路线。
6.根据权利要求5所述的基于无人机遥感的建筑测绘方法,其特征在于,根据所述待测绘建筑物各个区域的最佳测绘点建立无人机测绘飞行路线,具体包括:
以第一待测区域的最佳测绘点为第一起点,以第二待测区域的最佳测绘点为第一终点,根据所述第一起点以及所述第一终点的连线作为无人机测绘第一飞行路线;
以第二待测区域的最佳测绘点为第二起点,以第三待测区域的最佳测绘点作为第二起点,根据所述第二起点以及第二终点的连线作为无人机测绘第二飞行路线,直至根据第N起点以及第N终点的连线作为无人机测绘第N飞行路线;
将所述无人机测绘第一飞行路线、无人机测绘第二飞行路线以及无人机测绘第N飞行路线组合成无人机测绘飞行路线。
7.根据权利要求5所述的基于无人机遥感的建筑测绘方法,其特征在于,还包括以下步骤:
获取无人机的飞行速度;
基于所述无人机的飞行速度以及无人机测绘飞行路线计算出所述无人机测绘飞行路线的测绘时间;
根据所述无人机测绘飞行路线的测绘时间建立无人机测绘飞行路线时间排序表;
从所述无人机测绘飞行路线时间排序表筛选出最短的测绘时间,并将该测绘时间对应的无人机测绘飞行路线作为最终的无人机测绘飞行路线输出。
8.基于无人机遥感的建筑测绘系统,其特征在于,该系统包括存储器及处理器,所述存储器中包括基于无人机遥感的建筑测绘方法程序,所述基于无人机遥感的建筑测绘方法程序被处理器执行时,实现如下步骤:
获取当前待测绘建筑物所在目标区域范围的建筑物信息,所述建筑物信息为建筑物的外形轮廓尺寸信息以及建筑物的地理位置;
基于目标区域范围的建筑物信息建立建筑物空间模型图;
根据所述建筑物空间模型图计算出各个时间点的投影面积,得到第一阴影面积;
基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积,得到第二阴影面积;
根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段。
9.根据权利要求8所述的基于无人机遥感的建筑测绘系统,其特征在于,在根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段的步骤之后,还包括以下步骤:
获取待测绘建筑物外墙设施的类型;
基于神经网络建立建筑物外墙设施类型识别模型,并将预先训练好的建筑物外墙设施训练集导入所述建筑物外墙设施类型识别模型中训练,得到训练好的建筑物外墙设施类型识别模型;
将所述待测绘建筑物外墙设施的类型导入所述训练好的建筑物外墙设施类型识别模型,得到建筑物外墙设施识别结果,并判断所述建筑物外墙设施识别结果是否为预设识别结果,若为预设识别结果,根据太阳直射点的位置以及待测绘建筑物各个区域得到在最佳测绘时间段内的反光位置坐标点;
基于反光位置坐标点以及非阴影面积得到最佳测绘时间段内待测绘建筑物各个区域的最佳测绘点;
根据所述待测绘建筑物各个区域的最佳测绘点建立一条或者多条无人机测绘飞行路线。
10.根据权利要求9所述的基于无人机遥感的建筑测绘系统,其特征在于,还包括以下步骤:
获取无人机的飞行速度;
基于所述无人机的飞行速度以及无人机测绘飞行路线计算出所述无人机测绘飞行路线的测绘时间;
根据所述无人机测绘飞行路线的测绘时间建立无人机测绘飞行路线时间排序表;
从所述无人机测绘飞行路线时间排序表筛选出最短的测绘时间,并将该测绘时间对应的无人机测绘飞行路线作为最终的无人机测绘飞行路线输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210040626.XA CN114061548B (zh) | 2022-01-14 | 2022-01-14 | 基于无人机遥感的建筑测绘方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210040626.XA CN114061548B (zh) | 2022-01-14 | 2022-01-14 | 基于无人机遥感的建筑测绘方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114061548A true CN114061548A (zh) | 2022-02-18 |
CN114061548B CN114061548B (zh) | 2022-06-17 |
Family
ID=80230888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210040626.XA Expired - Fee Related CN114061548B (zh) | 2022-01-14 | 2022-01-14 | 基于无人机遥感的建筑测绘方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114061548B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114518104A (zh) * | 2022-03-14 | 2022-05-20 | 山东三津房地产评估有限公司 | 基于动态遥感监测技术的国土测绘方法、系统及存储介质 |
CN115880466A (zh) * | 2023-02-14 | 2023-03-31 | 山东省地质测绘院 | 基于无人机遥感的城市工程测绘方法及系统 |
CN116089406A (zh) * | 2022-11-08 | 2023-05-09 | 速度时空信息科技股份有限公司 | 一种用于海洋测绘的障碍可视化处理系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216976A (ja) * | 2002-01-18 | 2003-07-31 | Toshiyuki Sakai | 三次元表示による日影シミュレーション動画 |
CN105627992A (zh) * | 2015-12-28 | 2016-06-01 | 桂林电子科技大学 | 一种快速高精度非接触测绘古建筑的方法 |
US9639960B1 (en) * | 2016-11-04 | 2017-05-02 | Loveland Innovations, LLC | Systems and methods for UAV property assessment, data capture and reporting |
CN107679441A (zh) * | 2017-02-14 | 2018-02-09 | 郑州大学 | 基于多时相遥感影像阴影提取城市建筑物高度的方法 |
CN109154503A (zh) * | 2017-11-21 | 2019-01-04 | 深圳市大疆创新科技有限公司 | 无人机作业航线的规划方法及地面端设备 |
CN110599583A (zh) * | 2019-07-26 | 2019-12-20 | 深圳眸瞳科技有限公司 | 无人机飞行轨迹生成方法、装置、计算机设备和存储介质 |
US20200293773A1 (en) * | 2018-08-24 | 2020-09-17 | Loveland Innovations, LLC | Image analysis and estimation of rooftop solar exposure via solar ray mapping |
CN213274254U (zh) * | 2020-09-11 | 2021-05-25 | 山东省地质测绘院 | 一种利用无人机测绘用测绘仪固定装置 |
US20210158009A1 (en) * | 2019-11-21 | 2021-05-27 | Beihang University | UAV Real-Time Path Planning Method for Urban Scene Reconstruction |
CN112927336A (zh) * | 2021-03-26 | 2021-06-08 | 智道网联科技(北京)有限公司 | 用于道路信息显示的三维建筑物的阴影处理方法及装置 |
-
2022
- 2022-01-14 CN CN202210040626.XA patent/CN114061548B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216976A (ja) * | 2002-01-18 | 2003-07-31 | Toshiyuki Sakai | 三次元表示による日影シミュレーション動画 |
CN105627992A (zh) * | 2015-12-28 | 2016-06-01 | 桂林电子科技大学 | 一种快速高精度非接触测绘古建筑的方法 |
US9639960B1 (en) * | 2016-11-04 | 2017-05-02 | Loveland Innovations, LLC | Systems and methods for UAV property assessment, data capture and reporting |
CN107679441A (zh) * | 2017-02-14 | 2018-02-09 | 郑州大学 | 基于多时相遥感影像阴影提取城市建筑物高度的方法 |
CN109154503A (zh) * | 2017-11-21 | 2019-01-04 | 深圳市大疆创新科技有限公司 | 无人机作业航线的规划方法及地面端设备 |
US20200293773A1 (en) * | 2018-08-24 | 2020-09-17 | Loveland Innovations, LLC | Image analysis and estimation of rooftop solar exposure via solar ray mapping |
CN110599583A (zh) * | 2019-07-26 | 2019-12-20 | 深圳眸瞳科技有限公司 | 无人机飞行轨迹生成方法、装置、计算机设备和存储介质 |
US20210158009A1 (en) * | 2019-11-21 | 2021-05-27 | Beihang University | UAV Real-Time Path Planning Method for Urban Scene Reconstruction |
CN213274254U (zh) * | 2020-09-11 | 2021-05-25 | 山东省地质测绘院 | 一种利用无人机测绘用测绘仪固定装置 |
CN112927336A (zh) * | 2021-03-26 | 2021-06-08 | 智道网联科技(北京)有限公司 | 用于道路信息显示的三维建筑物的阴影处理方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114518104A (zh) * | 2022-03-14 | 2022-05-20 | 山东三津房地产评估有限公司 | 基于动态遥感监测技术的国土测绘方法、系统及存储介质 |
CN116089406A (zh) * | 2022-11-08 | 2023-05-09 | 速度时空信息科技股份有限公司 | 一种用于海洋测绘的障碍可视化处理系统 |
CN116089406B (zh) * | 2022-11-08 | 2023-08-25 | 速度科技股份有限公司 | 一种用于海洋测绘的障碍可视化处理系统 |
CN115880466A (zh) * | 2023-02-14 | 2023-03-31 | 山东省地质测绘院 | 基于无人机遥感的城市工程测绘方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114061548B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114061548B (zh) | 基于无人机遥感的建筑测绘方法及系统 | |
US11423610B2 (en) | Large-scale environment-modeling with geometric optimization | |
Zhao et al. | Reconstructing a textured CAD model of an urban environment using vehicle-borne laser range scanners and line cameras | |
US11094113B2 (en) | Systems and methods for modeling structures using point clouds derived from stereoscopic image pairs | |
CN113592989B (zh) | 一种三维场景的重建系统、方法、设备及存储介质 | |
CN108320323B (zh) | 一种建筑物三维建模方法及装置 | |
AU2007355942A1 (en) | Arrangement and method for providing a three dimensional map representation of an area | |
CN113920266B (zh) | 城市信息模型语义信息人工智能生成方法和系统 | |
CN107481321B (zh) | 一种三维模型生成方法及三维模型生成系统 | |
CN108931235A (zh) | 无人机倾斜摄影测量技术在规划竣工测量中的应用方法 | |
CN109520500A (zh) | 一种基于终端拍摄图像匹配的精确定位及街景库采集方法 | |
CN113361499B (zh) | 基于二维纹理和三维姿态融合的局部对象提取方法、装置 | |
CN109188358B (zh) | 一种基于成像传感器的高精度可见光定位方法 | |
CN109146990B (zh) | 一种建筑轮廓的计算方法 | |
CN108871285A (zh) | 在规划竣工测量中的无人机倾斜摄影测量系统 | |
CN111915517A (zh) | 一种适用于室内光照不利环境下rgb-d相机全局定位方法 | |
CN111596259A (zh) | 一种红外定位系统、定位方法及其应用 | |
CN111222586B (zh) | 一种基于三维倾斜模型视角的倾斜影像匹配方法及装置 | |
RU2583756C2 (ru) | Способ определения местоположения на основе сигнатур изображений городской застройки в видимом и инфракрасном диапазонах | |
CN109829939A (zh) | 一种缩小多视影像匹配同名像点搜索范围的方法 | |
CN115527000A (zh) | 一种用于无人机倾斜摄影模型批量单体化的方法及装置 | |
Sun et al. | Window detection employing a global regularity level set from oblique unmanned aerial vehicle images and point clouds | |
Bai et al. | Application of unmanned aerial vehicle multi-vision image 3D modeling in geological disasters | |
RU2736506C1 (ru) | Способ автоматического локального повышения точности данных воздушного лазерного сканирования с использованием данных наземного лазерного сканирования | |
CN112284351A (zh) | 一种测量交叉跨越线路方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220617 |
|
CF01 | Termination of patent right due to non-payment of annual fee |