CN114063616A - 基于三维激光扫描探测规划林区路径的方法及装置 - Google Patents
基于三维激光扫描探测规划林区路径的方法及装置 Download PDFInfo
- Publication number
- CN114063616A CN114063616A CN202111332535.5A CN202111332535A CN114063616A CN 114063616 A CN114063616 A CN 114063616A CN 202111332535 A CN202111332535 A CN 202111332535A CN 114063616 A CN114063616 A CN 114063616A
- Authority
- CN
- China
- Prior art keywords
- digital
- forest
- information
- planning
- terrain
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 230000015654 memory Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000001788 irregular Effects 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 4
- 238000012351 Integrated analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 230000002265 prevention Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000006424 Flood reaction Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012966 insertion method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于三维激光扫描探测规划林区路径的方法,该方法包括:通过激光雷达和卫星遥感实时获取目标区域的点云数据和遥感图像;对点云数据进行预处理和校正分类构建目标区域的数字高程模型;对数字高程模型进行分析提取数字地形特征和流域水系特征,并构建所述目标区域的数字三维模型;对数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划。本发明通过激光雷达获取点云数据,效率高、成本低、气候限制条件少,其回波特性能够穿透地表密集植被,有效获取地面信息,结合实时的卫星遥感遥感图像对林区进行有效的规划,准确性高、实效性好,为现场救援任务提供科学的、及时的信息保障与技术支撑。
Description
技术领域
本发明涉及路径规划技术领域,具体涉及了基于三维激光扫描探测规划林区路径的方法及装置。
背景技术
现有技术中对林区的路径规划缺乏实效性以及应对自然灾害防治和救援的适用性,无法形成实现数据获取、分析、应用的一体化解决方案;同时在现有的林区救援过程中,缺乏对林区路径进行快速合理的规划,通常根据现有的一些数据以人为经验进行规划,由于救援场景随时间不停变化,此方式准确性低缺乏时效性,在救灾过程中会对救灾人员产生较大的安全风险。
发明内容
有鉴于此,本发明实施例提供了一种基于三维激光扫描探测规划林区路径的方法,以解决现有技术中对林区的路径规划缺乏准确性和实效性从而导致救援安全风险高的问题。
为达到上述目的,本发明提供如下技术方案:
本发明实施例提供了一种基于三维激光扫描探测规划林区路径的方法,包括:
通过激光雷达和卫星遥感实时获取目标区域的点云数据和遥感图像;
通过对所述点云数据进行预处理和校正分类构建所述目标区域的数字高程模型;
对所述数字高程模型进行分析提取数字地形特征和流域水系特征,并构建所述目标区域的数字三维模型;
对所述数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划。
可选的,所述对所述数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划,包括:
对所述数字三维模型进行地形因子的分析得到地形参数信息,所述地形参数信息包括:坡度信息、坡向信息、林下道路信息、断面信息、等高线信息;
通过对所述地形参数信息进行分析得到高危地势区域信息;
通过从所述林下道路信息中剔除与高危地势区域信息相关的高危风险路径数据,得到安全路径信息;
根据所述安全路径信息、高程信息结合遥感图像对林区进行最短路径规划。
可选的,所述通过从所述林下道路信息中剔除与高危地势区域信息相关的高危风险路径数据,得到安全路径信息,包括:
将所述林下道路信息与所述高危地势区域信息进行匹配;
通过匹配得到林下道路信息中处于高危地势区域预设距离范围内的高危风险路径数据;
从所述林下道路信息中删除所述高危风险路径数据,得到安全路径信息。
可选的,所述对所述数字高程模型进行分析提取数字地形特征和流域水系特征,并构建所述目标区域的数字三维模型,包括:
对所述数字高程模型进行数字地形信息的提取,得到数字地形特征;
对所述数字高程模型进行流域水系信息的提取,得到流域水系特征;
将所述数字地形特征和所述流域水系特征进行整合分析得到所述目标区域的数字三维模型。
可选的,所述基于三维激光扫描探测规划林区路径的方法,还包括:
根据所述数字地形特征和所述流域水系特征,对不同地貌特性的区域通过颜色特征对所述数字三维模型进行渲染。
可选的,所述通过对所述点云数据进行预处理和校正分类构建所述目标区域的数字高程模型,包括:
对所述点云数据进行预处理,得到处理后的点云数据;
将所述处理后的点云数据根据地形的坡度进行区域的划分,分为平坦区域和非平坦区域;
通过规则网络结构提取所述平坦区域的述数字高程模型;
通过不规则三角网提取所述非平坦区域的数字高程模型;
将所述平坦区域的述数字高程模型和所述非平坦区域的数字高程模型进行结合得到所述目标区域的数字高程模型。
可选的,所述基于三维激光扫描探测规划林区路径的方法,所述对所述点云数据进行预处理,还包括:
根据预设算法去除所述点云数据中的高空噪点和低空噪点;
提取所述点云数据中的地面数据的非地面数据,并对所述非地面数据进行点云分类。
本发明实施例还提供了一种基于三维激光扫描探测规划林区路径的装置,包括:
获取模块:用于通过激光雷达和卫星遥感分别获取目标区域的点云数据和遥感图像;
构建模块:用于通过对所述点云数据进行预处理和校正分类构建所述目标区域的数字高程模型;
分析模块:用于对所述数字高程模型进行分析提取数字地形特征和流域水系特征,并构建所述目标区域的数字三维模型;
规划模块:对所述数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划。
本发明实施例还提供了一种电子设备,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行本发明实施例提供的基于三维激光扫描探测规划林区路径的方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行本发明实施例提供的基于三维激光扫描探测规划林区路径的方法。
本发明技术方案,具有如下优点:
本发明提供了一种基于三维激光扫描探测规划林区路径的方法,通过激光雷达和卫星遥感实时获取目标区域的点云数据和遥感图像;对点云数据进行预处理和校正分类构建目标区域的数字高程模型;对数字高程模型进行分析提取数字地形特征和流域水系特征,并构建所述目标区域的数字三维模型;对数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划。本发明通过激光雷达获取点云数据,效率高、成本低、气候限制条件少,其回波特性能够穿透地表密集植被,有效获取地面信息,结合实时的卫星遥感遥感图像对林区进行有效的规划,准确性高、实效性好,为现场救援任务提供科学的、及时的信息保障与技术支撑。有效提高森林火灾、洪水、滑坡、泥石流等自然灾害的防灾、减灾、救灾过程中应急救援效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例中的基于三维激光扫描探测规划林区路径的方法的流程图;
图2为根据本发明实施例中通过对点云数据进行预处理和校正分类构建所述目标区域的数字高程模型的流程图;
图3为根据本发明实施例中对点云数据进行预处理的流程图;
图4为根据本发明实施例中三角网的结构示意图;
图5为根据本发明实施例中对非地面数据进行点云分类的流程图;
图6为根据本发明实施例中对数字高程模型进行分析构建所述目标区域的数字三维模型的流程图;
图7为根据本发明实施例中对林区路径进行规划的流程图;
图8为根据本发明实施例中从林下道路信息中剔除与高危地势区域信息相关的高危风险路径数据的流程图;
图9为本发明实施例中规划林区路径的流程图;
图10为本发明实施例中的基于三维激光扫描探测规划林区路径的装置的结构示意图;
图11为本发明实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
根据本发明实施例,提供了一种基于三维激光扫描探测规划林区路径的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种基于三维激光扫描探测规划林区路径的方法,可用于森林自然灾害的防灾、减灾、救灾场景,如图1所示,该基于三维激光扫描探测规划林区路径的方法包括如下步骤:
步骤S1:通过激光雷达和卫星遥感实时获取目标区域的点云数据和遥感图像。具体的,通过实时获取目标区域的点云数据和遥感图像,保障路径规划的实时性,在紧急救援过程中,实时变化的林区地形很容易为救援工作带来危险,而保障数据的实时性可以在很大程度上帮助救援人员避开临时出现的危险区域,提高救援人员的安全性。点云数据包括目标区域三维坐标信息、回波次数、强度信息、类别、GPS时间等特性信息。
步骤S2:通过对点云数据进行预处理和校正分类构建目标区域的数字高程模型。具体的,通过构建数字高程模型,为后续的地形分析及路径规划提供便利,可有效提高规划效率。
步骤S3:对数字高程模型进行分析提取数字地形特征和流域水系特征,并构建目标区域的数字三维模型。具体的,通过数字三维模型可以较好地模拟真实的地面信息,为后续的路径规划提供有力的支持。
步骤S4:对数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划。
通过上述步骤S1至步骤S4,本发明实施例提供的基于三维激光扫描探测规划林区路径的方法,通过激光雷达获取点云数据,效率高、成本低、气候限制条件少,其回波特性能够穿透地表密集植被,有效获取地面信息,通过建立数字高程模型并分析得到高精度的地貌模型,实时高精度的地貌模型结合实时的卫星遥感遥感图像对林区进行有效的规划,准确性高、实效性好,从而为现场救援任务提供科学的、及时的信息保障与技术支撑。有效提高森林火灾、洪水、滑坡、泥石流等自然灾害的防灾、减灾、救灾过程中应急救援效率。
具体地,在一实施例中,上述的步骤S2,如图2所示,具体包括如下步骤:
步骤S21:对点云数据进行预处理,得到处理后的点云数据;
步骤S22:将处理后的点云数据根据地形的坡度进行区域的划分,分为平坦区域和非平坦区域。具体的,通过划分平坦区域和非平坦区域,便于后续采取不同的方式有针对性的进行分析,从而提高构建效率。
步骤S23:通过规则网络结构提取平坦区域的述数字高程模型。具体的,由于平坦区域的地形变化较小,通过采取规则网络结构提取数字高程模型,存储量较小,便于使用和管理;还可以采用其他的网络结构进行提取,此处不以此为限。
步骤S24:通过不规则三角网提取非平坦区域的数字高程模型。具体的,由于非平坦区域的地形变化较大,根据具体的地形特点,通过选择不规则三角网插值、反距离权重插值或克里金插值快速提取构建目标区域的数字高程模型,能较好地估计地貌的特征,表示复杂地形更加的精确。还可以采用其他的网络结构进行提取,此处不以此为限。
具体的,上述插值算法的具体实施过程为:
1)反距离权重插值:在反距离权重插值法中,使用附近点计算栅格单元的值,并通过点距栅格单元中心点的距离判断加权平均值。需要设置权重值。半径搜索可用来定义各个栅格像元值插值的输入点,分为可变半径和固定半径。
权重(默认为“2”):采样点到像素中心距离的幂值,控制采样点高程对像素中心的影响程度。
可变半径:使用“可变”半径查找用于插值的指定数量的采样点。
距离(像素)(默认为“5”):限制搜索邻近点的距离范围,默认为5个像素。
点数(默认为“12”):插值时使用的最邻近点数,默认为12个点。
固定半径:使用固定半径范围内的所有点进行插值。
距离(像素,默认为“5”):该半径距离范围内的点用于插值,默认为5个像素。
点数(默认为“12”):用于插值的最小点数,默认为12,如果在指定半径范围内没有找到所需的点数,则增加搜索距离,直到找到所需的最小点数。
2)克里金插值:克里金插值法计算优化的协方差,并使用高斯过程插值栅格值。半径搜索可用来定义各个栅格像元值插值的输入点,分为可变半径和固定半径。
可变半径:使用可变半径查找用于插值的指定数量的采样点。
距离(像素,默认为“5”):限制搜索邻近点的距离范围,默认为5个像素。
点数(默认为“12”):插值时使用的最邻近点数,默认为12个点。
固定半径:使用固定半径范围内的所有点进行插值。
距离(像素,默认为“5”):该半径距离范围内的点用于插值,默认为5个像素。
点数(默认为“12”):用于插值的最小点数,默认为12,如果在指定半径范围内没有找到所需的点数,则增加搜索距离,直到找到所需的最小点数。
3)不规则三角网插值:从最近的邻近点组成的多个三角形共同形成的表面上提取栅格单元值,采用以下两种构网方式:
狄洛尼:使用传统的逐点插入法构建Delaunay三角网,所有点云全部参与构网。
无凹坑TIN:剔除高程异常的点云,可以生成不带有明显尖峰的三角网。
临界边长(默认值1.0米):最终生成的三角网中的每一个三角形的每一条边在xy平面上的最短距离。每当新插入点的Z值降低插入缓冲区时,冻结当前三角网中所有三边长均小于临界边长的三角形。被冻结的三角形不再改变。此值越大,参与构网的点将会减少,生成的三角网更加平滑,丢失更多细节。反之,参与构网的点将会增加,细节更加丰富,更有可能出现尖峰。
插入缓冲区(默认值0.5米):相邻两次冻结三角形时需要达到的高度落差。减小该值,则更多三角形被过早冻结,新点无法插入,尖峰现象减少,执行速度变快,遗失更多细节;反之,细节增加,构网结果将出现更多尖峰。
步骤S25:将平坦区域的述数字高程模型和非平坦区域的数字高程模型进行结合得到目标区域的数字高程模型。
具体地,在一实施例中,上述的步骤S21,如图3所示,具体包括如下步骤:
步骤S211:根据预设算法去除点云数据中的高空噪点和低空噪点。具体的,通过去除大气悬浮物、鸟类等高空噪点和激光回波多路径效应产生的低空噪点,提高点云数据的准确性。预设算法为去噪算法,例如:假设标准差倍数为meanK,算法将对每一个点搜索指定邻域点个数的相邻点,计算点到相邻点的距离平均值D,计算这些平均值距离的中值meanD和标准差S,如果D大于最大距离MaxD,则认为是噪点,将被滤除,其中:(MaxD=meanD+meanK*S)。
步骤S212:提取点云数据中的地面数据的非地面数据,并对非地面数据进行点云分类。具体的,非地面数据包括建筑物、植被、水域等,在进行点云数据处理前,先滤除不可规划路径的非地面数据,提高后续的路径规划效率。其中通过改进的渐进加密三角网滤波算法进行数据的提取。其过程首先通过种子点生成一个稀疏的三角网,然后通过迭代处理逐层加密,直至将所有地面点分类完毕,具体步骤如下:
1)初始种子点的选择:在含有建筑物的点云数据中,量取最大建筑物尺寸作为格网大小对点云数据进行格网化,对于不含建筑物的点云数据,以默认值作为格网大小。取格网内的最低点作为起始种子点。
2)构建三角网:利用起始种子点构建初始三角网。
3)迭代加密过程:遍历所有待分类的点,查询各点水平面投影所落入的三角形,计算点到三角形的距离d及点到三角形三个顶点与三角形所在平面所成角度的最大值,如图4、图5,将其分别与迭代距离与迭代角度进行比较,如果小于对应阈值,则将此点判定为地面点,并加入三角网中。重复此过程,直至所有地面点分类完毕。
上述步骤步骤S211至步骤S212,是在进行数字高程模型的构建之前,对点云数据进行的预处理过程,此过程是为了去除点云数据中的干扰数据和不可用数据,从而提高点云数据的准确性,缩小点云数据的可运用范围,为后续的处理过程提供更好的数据支撑,提高处理效率。
具体地,在一实施例中,上述的步骤S3,如图6所示,具体包括如下步骤:
步骤S31:对数字高程模型进行数字地形信息的提取,得到数字地形特征。具体的,数字地形特征包括目标区域的坡度、破相、阴影、坡面形态等。
步骤S32:对数字高程模型进行流域水系信息的提取,得到流域水系特征。具体的,通过对流域水系进行分析并进行信息的提取,可有效得到目标区域内湖泊、河流等高危地势,在后续的路径规划提供数据支持,避免衍生灾害和次生灾害造成的事故灾难。
S33:将数字地形特征和流域水系特征进行整合分析得到目标区域的数字三维模型。具体的,通过数字三维模型可以较好地模拟真实的地面信息,为后续的路径规划提供有力的支持。
具体地,在一实施例中,上述的步骤S3,还包括步骤S34:根据数字地形特征和流域水系特征,对不同地貌特性的区域通过颜色特征对数字三维模型进行渲染。具体的,通过不同颜色的渲染,可以更直观的了解到目标区域此时的地形情况。
具体地,在一实施例中,上述的步骤S4,如图7所示,具体包括如下步骤:
步骤S41:对数字三维模型进行地形因子的分析得到地形参数信息,地形参数信息包括:坡度信息、坡向信息、林下道路信息、断面信息、等高线信息。具体的,通过分析可以获得数字高程模型中隐藏的坡度、坡向、地表起伏度等数字地形信息,进行图形学分析处理后将相关地形特征分类为地形特征点、地形特征线、地形特征面。地形特征点通过一个3×3或更大的栅格窗口和通过中心格网点与8个邻域格网点的高程关系来进行判断,包括山顶点、凹陷点、脊点、谷点、鞍点,平地点等;地形特征线是指坡顶、坡脚、等高线、山谷线、山脊线、水沿线、剖面线等反映地形地貌特征的连接线;地形特征面是指对应地形类型(平原、山地、丘陵、高原、盆地等)影像图、透视图等。
步骤S42:通过对地形参数信息进行分析得到高危地势区域信息。具体的,通过预设的规则对数字地形信息进行筛选,可以有效获取高危地势区域信息。
步骤S43:通过从林下道路信息中剔除与高危地势区域信息相关的高危风险路径数据,得到安全路径信息。具体的,避开高山、湖泊、河流、森林火灾高危地势等,避免衍生灾害和次生灾害造成的事故灾难。
步骤S44:根据安全路径信息、高程信息结合遥感图像对林区进行最短路径规划。具体的,根据数字高程模型中的高程赋值信息,保证规划路径在一定的坡度范围和宽度范围;进一步的进行测算,通过预设路径规划算法,例如:Dijkstra算法、Floyd算法、A*算法、蚁群算法等,根据安全路径信息、高程信息结合遥感图像选择最合适的算法规划到达目标位置的最短距离,有效提高算法执行效率,得出路径规划最优解。图像信息不仅可以是遥感图像,还可以是通过CCD相机获取的图像信息,在此不做限制。通过结合遥感影像,如高光谱影像中对路径具有敏性反映特性的波段,运用图像增强与变换算法,利用主成分分析方式,将路径目标像元进行高亮处理、突出显示,并将该结果与基于激光点云上提取的三维模型中对路径的探测结果进行对比验证,并对置信度高于90%的探测结果予以保留,最终可生成高准确性的林下道路识别和探测结果。
具体地,在一实施例中,上述的步骤S43,如图8所示,具体包括如下步骤:
步骤S431:将林下道路信息与高危地势区域信息进行匹配。
步骤S432:通过匹配得到林下道路信息中处于高危地势区域预设距离范围内的高危风险路径数据。
步骤S433:从林下道路信息中删除高危风险路径数据,得到安全路径信息。
通过上述步骤S431至步骤S433,可以有效的避开高危地区的区域范围,后续在安全路径信息的范围内进行规划,可以在很大程度上防止临时出现的危险情况对行进人员造成伤害。也可以通过获取的安全路径信息中定位避险场所,为救援情况提供避险指导建议。
如图9所示,本发明实施例通过激光雷达获取点云数据并对数据进行分析处理,效率高、成本低、气候限制条件少,其回波特性能够穿透地表密集植被,有效获取地面信息,通过建立数字高程模型并分析可以得到高精度的地貌模型,实时高精度的地貌模型结合实时的卫星遥感遥感图像对林区进行有效的规划,准确性高、实效性好,通过有效规划救援路径可以提高救援效率,从而为现场救援任务提供科学的、及时的信息保障与技术支撑,为自然灾害的防治和救援提供数据基础,有效提高森林火灾、洪水、滑坡、泥石流等自然灾害的防灾、减灾、救灾过程中应急救援效率。
在本实施例中还提供了一种基于三维激光扫描探测规划林区路径的装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种基于三维激光扫描探测规划林区路径的装置,如图10所示,包括:
获取模块101,用于通过激光雷达和卫星遥感分别获取目标区域的点云数据和遥感图像,详细内容参见上述方法实施例中步骤S1的相关描述,在此不再进行赘述。
构建模块102,用于对点云数据进行预处理和校正分类构建目标区域的数字高程模型,详细内容参见上述方法实施例中步骤S2的相关描述,在此不再进行赘述。
分析模块103,对数字高程模型进行分析提取数字地形特征和流域水系特征,并构建目标区域的数字三维模型,详细内容参见上述方法实施例中步骤S3的相关描述,在此不再进行赘述。
规划模块104,用于对数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划,详细内容参见上述方法实施例中步骤S4的相关描述,在此不再进行赘述。
本实施例中的基于三维激光扫描探测规划林区路径的装置是以功能单元的形式来呈现,这里的单元是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
根据本发明实施例还提供了一种电子设备,如图11所示,该电子设备可以包括处理器901和存储器902,其中处理器901和存储器902可以通过总线或者其他方式连接,图11中以通过总线连接为例。
处理器901可以为中央处理器(Central Processing Unit,CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器901所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中,当被处理器901执行时,执行上述方法实施例中的方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-StateDrive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于三维激光扫描探测规划林区路径的方法,其特征在于,包括:
通过激光雷达和卫星遥感实时获取目标区域的点云数据和遥感图像;
通过对所述点云数据进行预处理和校正分类构建所述目标区域的数字高程模型;
对所述数字高程模型进行分析提取数字地形特征和流域水系特征,并构建所述目标区域的数字三维模型;
对所述数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划。
2.根据权利要求1所述的基于三维激光扫描探测规划林区路径的方法,其特征在于,所述对所述数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划,包括:
对所述数字三维模型进行地形因子的分析得到地形参数信息,所述地形参数信息包括:坡度信息、坡向信息、林下道路信息、断面信息、等高线信息;
通过对所述地形参数信息进行分析得到高危地势区域信息;
通过从所述林下道路信息中剔除与高危地势区域信息相关的高危风险路径数据,得到安全路径信息;
根据所述安全路径信息、高程信息结合遥感图像对林区进行最短路径规划。
3.根据权利要求2所述的基于三维激光扫描探测规划林区路径的方法,其特征在于,所述通过从所述林下道路信息中剔除与高危地势区域信息相关的高危风险路径数据,得到安全路径信息,包括:
将所述林下道路信息与所述高危地势区域信息进行匹配;
通过匹配得到林下道路信息中处于高危地势区域预设距离范围内的高危风险路径数据;
从所述林下道路信息中删除所述高危风险路径数据,得到安全路径信息。
4.根据权利要求1所述的基于三维激光扫描探测规划林区路径的方法,其特征在于,所述对所述数字高程模型进行分析提取数字地形特征和流域水系特征,并构建所述目标区域的数字三维模型,包括:
对所述数字高程模型进行数字地形信息的提取,得到数字地形特征;
对所述数字高程模型进行流域水系信息的提取,得到流域水系特征;
将所述数字地形特征和所述流域水系特征进行整合分析得到所述目标区域的数字三维模型。
5.根据权利要求4所述的基于三维激光扫描探测规划林区路径的方法,其特征在于,还包括:
根据所述数字地形特征和所述流域水系特征,对不同地貌特性的区域通过颜色特征对所述数字三维模型进行渲染。
6.根据权利要求1所述的基于三维激光扫描探测规划林区路径的方法,其特征在于,所述通过对所述点云数据进行预处理和校正分类构建所述目标区域的数字高程模型,包括:
对所述点云数据进行预处理,得到处理后的点云数据;
将所述处理后的点云数据根据地形的坡度进行区域的划分,分为平坦区域和非平坦区域;
通过规则网络结构提取所述平坦区域的述数字高程模型;
通过不规则三角网提取所述非平坦区域的数字高程模型;
将所述平坦区域的述数字高程模型和所述非平坦区域的数字高程模型进行结合得到所述目标区域的数字高程模型。
7.根据权利要求6所述的基于三维激光扫描探测规划林区路径的方法,其特征在于,所述对所述点云数据进行预处理,还包括:
根据预设算法去除所述点云数据中的高空噪点和低空噪点;
提取所述点云数据中的地面数据的非地面数据,并对所述非地面数据进行点云分类。
8.一种基于三维激光扫描探测规划林区路径的装置,其特征在于,包括:
获取模块:通过激光雷达和卫星遥感分别获取目标区域的点云数据和遥感图像;
构建模块:通过对所述点云数据进行预处理和校正分类构建所述目标区域的数字高程模型;
分析模块:对所述数字高程模型进行分析提取数字地形特征和流域水系特征,并构建所述目标区域的数字三维模型;
规划模块:对所述数字三维模型进行地形因子的分析,并根据分析结果对林区路径进行规划。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-7中任一项所述的基于三维激光扫描探测规划林区路径的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的基于三维激光扫描探测规划林区路径的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111332535.5A CN114063616B (zh) | 2021-11-11 | 2021-11-11 | 基于三维激光扫描探测规划林区路径的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111332535.5A CN114063616B (zh) | 2021-11-11 | 2021-11-11 | 基于三维激光扫描探测规划林区路径的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114063616A true CN114063616A (zh) | 2022-02-18 |
CN114063616B CN114063616B (zh) | 2024-03-01 |
Family
ID=80274982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111332535.5A Active CN114063616B (zh) | 2021-11-11 | 2021-11-11 | 基于三维激光扫描探测规划林区路径的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114063616B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117191048A (zh) * | 2023-11-07 | 2023-12-08 | 北京四象爱数科技有限公司 | 一种基于三维立体像对的应急路径规划方法、设备及介质 |
CN117456121A (zh) * | 2023-10-30 | 2024-01-26 | 中佳勘察设计有限公司 | 无需相机的地形图采集绘制方法及装置 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100885246B1 (ko) * | 2008-02-13 | 2009-02-25 | (주) 지오씨엔아이 | Gis를 이용한 임분배치용 데이터베이스 구축 방법 및 이를 이용한 임분배치 방법 |
CN103743383A (zh) * | 2014-02-11 | 2014-04-23 | 天津市星际空间地理信息工程有限公司 | 一种基于点云的道路信息自动提取方法 |
CN105787457A (zh) * | 2016-03-08 | 2016-07-20 | 浙江工商大学 | 一种modis卫星集成dem提高植被分类遥感精度的估算方法 |
CN106447706A (zh) * | 2016-09-08 | 2017-02-22 | 王涛 | 一种联合激光雷达和多视密集匹配点云提取树高的方法 |
US20170053438A1 (en) * | 2014-06-13 | 2017-02-23 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Method and system for reconstructing a three-dimensional model of point clouds |
CN106529469A (zh) * | 2016-11-08 | 2017-03-22 | 华北水利水电大学 | 基于自适应坡度的无人机载LiDAR点云滤波方法 |
US20170083763A1 (en) * | 2015-06-29 | 2017-03-23 | Nokia Technologies Oy | METHOD AND APPARATUS FOR CONSTRUCTING A DIGITAL ELEVATION MODEL UTILIZING GROUND POINTS CAPTURED BY GROUND-BASED LiDAR |
CN106952242A (zh) * | 2016-01-06 | 2017-07-14 | 北京林业大学 | 一种基于体素的渐进不规则三角网点云滤波方法 |
CN109709986A (zh) * | 2019-03-06 | 2019-05-03 | 华北电力大学(保定) | 一种无人机控制系统及方法 |
CN110334384A (zh) * | 2019-05-09 | 2019-10-15 | 上海海事大学 | 一种基于数字高程模型构建河道数据的方法 |
CN111026150A (zh) * | 2019-11-25 | 2020-04-17 | 国家电网有限公司 | 一种利用无人机进行输电线路地质灾害预警系统及方法 |
CN111428306A (zh) * | 2020-04-17 | 2020-07-17 | 中交第二航务工程局有限公司 | 一种道路精细化设计方法 |
CN111667101A (zh) * | 2020-05-22 | 2020-09-15 | 武汉大学 | 融合高分辨率遥感影像与地形的个性化电力野外作业路径规划方法及系统 |
CN111931559A (zh) * | 2020-06-22 | 2020-11-13 | 云南电网有限责任公司带电作业分公司 | 一种输电线路走廊区域内树种的分类方法 |
CN112465973A (zh) * | 2020-12-07 | 2021-03-09 | 核工业北京地质研究院 | 一种用于数字地面模型的高精度仿真贴图技术方法 |
CN112488037A (zh) * | 2020-12-15 | 2021-03-12 | 上海有个机器人有限公司 | 一种在图像识别中危险区域标识的方法 |
CN112598881A (zh) * | 2020-12-03 | 2021-04-02 | 中煤航测遥感集团有限公司 | 一种地质灾害监测方法、装置及计算机设备 |
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 |
CN113160292A (zh) * | 2021-04-27 | 2021-07-23 | 武汉理工大学 | 一种基于智能移动终端的激光雷达点云数据三维建模装置及方法 |
-
2021
- 2021-11-11 CN CN202111332535.5A patent/CN114063616B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100885246B1 (ko) * | 2008-02-13 | 2009-02-25 | (주) 지오씨엔아이 | Gis를 이용한 임분배치용 데이터베이스 구축 방법 및 이를 이용한 임분배치 방법 |
CN103743383A (zh) * | 2014-02-11 | 2014-04-23 | 天津市星际空间地理信息工程有限公司 | 一种基于点云的道路信息自动提取方法 |
US20170053438A1 (en) * | 2014-06-13 | 2017-02-23 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Method and system for reconstructing a three-dimensional model of point clouds |
US20170083763A1 (en) * | 2015-06-29 | 2017-03-23 | Nokia Technologies Oy | METHOD AND APPARATUS FOR CONSTRUCTING A DIGITAL ELEVATION MODEL UTILIZING GROUND POINTS CAPTURED BY GROUND-BASED LiDAR |
CN106952242A (zh) * | 2016-01-06 | 2017-07-14 | 北京林业大学 | 一种基于体素的渐进不规则三角网点云滤波方法 |
CN105787457A (zh) * | 2016-03-08 | 2016-07-20 | 浙江工商大学 | 一种modis卫星集成dem提高植被分类遥感精度的估算方法 |
CN106447706A (zh) * | 2016-09-08 | 2017-02-22 | 王涛 | 一种联合激光雷达和多视密集匹配点云提取树高的方法 |
CN106529469A (zh) * | 2016-11-08 | 2017-03-22 | 华北水利水电大学 | 基于自适应坡度的无人机载LiDAR点云滤波方法 |
CN109709986A (zh) * | 2019-03-06 | 2019-05-03 | 华北电力大学(保定) | 一种无人机控制系统及方法 |
CN110334384A (zh) * | 2019-05-09 | 2019-10-15 | 上海海事大学 | 一种基于数字高程模型构建河道数据的方法 |
CN111026150A (zh) * | 2019-11-25 | 2020-04-17 | 国家电网有限公司 | 一种利用无人机进行输电线路地质灾害预警系统及方法 |
CN111428306A (zh) * | 2020-04-17 | 2020-07-17 | 中交第二航务工程局有限公司 | 一种道路精细化设计方法 |
CN111667101A (zh) * | 2020-05-22 | 2020-09-15 | 武汉大学 | 融合高分辨率遥感影像与地形的个性化电力野外作业路径规划方法及系统 |
CN111931559A (zh) * | 2020-06-22 | 2020-11-13 | 云南电网有限责任公司带电作业分公司 | 一种输电线路走廊区域内树种的分类方法 |
CN112598881A (zh) * | 2020-12-03 | 2021-04-02 | 中煤航测遥感集团有限公司 | 一种地质灾害监测方法、装置及计算机设备 |
CN112465973A (zh) * | 2020-12-07 | 2021-03-09 | 核工业北京地质研究院 | 一种用于数字地面模型的高精度仿真贴图技术方法 |
CN112488037A (zh) * | 2020-12-15 | 2021-03-12 | 上海有个机器人有限公司 | 一种在图像识别中危险区域标识的方法 |
CN113160292A (zh) * | 2021-04-27 | 2021-07-23 | 武汉理工大学 | 一种基于智能移动终端的激光雷达点云数据三维建模装置及方法 |
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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456121A (zh) * | 2023-10-30 | 2024-01-26 | 中佳勘察设计有限公司 | 无需相机的地形图采集绘制方法及装置 |
CN117191048A (zh) * | 2023-11-07 | 2023-12-08 | 北京四象爱数科技有限公司 | 一种基于三维立体像对的应急路径规划方法、设备及介质 |
CN117191048B (zh) * | 2023-11-07 | 2024-01-05 | 北京四象爱数科技有限公司 | 一种基于三维立体像对的应急路径规划方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114063616B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sangireddy et al. | GeoNet: An open source software for the automatic and objective extraction of channel heads, channel network, and channel morphology from high resolution topography data | |
Schillaci et al. | 2.4. 2. Terrain analysis and landform recognition | |
Abd et al. | Maximum likelihood for land-use/land-cover mapping and change detection using Landsat satellite images: A case study “South of Johor” | |
CN107644452A (zh) | 机载LiDAR点云屋顶面片分割方法及系统 | |
Liu et al. | LiDAR data reduction for efficient and high quality DEM generation | |
Olsen et al. | TopCAT—Topographical Compartment Analysis Tool to analyze seacliff and beach change in GIS | |
Bakar Sambah et al. | Remote sensing and spatial multi-criteria analysis for tsunami vulnerability assessment | |
CN104050473A (zh) | 一种基于矩形邻域分析的道路数据提取方法 | |
Labiak et al. | Automated method for detection and quantification of building damage and debris using post-disaster LiDAR data | |
CN114063616B (zh) | 基于三维激光扫描探测规划林区路径的方法及装置 | |
Pessina et al. | A GIS procedure for fast topographic characterization of seismic recording stations | |
Vishnani et al. | Manhole detection using image processing on google street view imagery | |
Leal-Alves et al. | Digital elevation model generation using UAV-SfM photogrammetry techniques to map sea-level rise scenarios at Cassino Beach, Brazil | |
Shao et al. | Automated searching of ground points from airborne lidar data using a climbing and sliding method | |
Bousta et al. | Weights of evidence method for landslide susceptibility mapping in Tangier, Morocco | |
Papaioannou et al. | The effect of riverine terrain spatial resolution on flood modeling and mapping | |
Momm et al. | Methods for gully characterization in agricultural croplands using ground-based light detection and ranging | |
CN113432549B (zh) | 一种基于无人机摄影测量的潮沟三维参量提取方法及系统 | |
Mori et al. | Slope failure risk assessment modeling using topographic data and numerical calculation of soil conservation by tree root systems | |
Günen et al. | Usage of unmanned aerial vehicles (UAVs) in determining drainage networks | |
Van Den Eeckhaut et al. | Identification of vegetated landslides using only a lidar-based terrain model and derivatives in an object-oriented environment | |
Imamura et al. | A practical method of nation wide Vs30 mapping with 250m grids for developing countries by automated topographical classification and published data in Japan | |
Gülgen et al. | Automatic extraction of terrain skeleton lines from digital elevation models | |
Bates et al. | Flood Risk Assessment and Mitigation Using Small Unmanned Aircraft Data | |
Zhang et al. | Detection of Low Elevation Outliers in TanDEM-X DEMs With Histogram and Adaptive TIN |
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 |