CN114065339A - 一种基于三维可视化模型的高塔建设选址方法 - Google Patents
一种基于三维可视化模型的高塔建设选址方法 Download PDFInfo
- Publication number
- CN114065339A CN114065339A CN202111200342.4A CN202111200342A CN114065339A CN 114065339 A CN114065339 A CN 114065339A CN 202111200342 A CN202111200342 A CN 202111200342A CN 114065339 A CN114065339 A CN 114065339A
- Authority
- CN
- China
- Prior art keywords
- high tower
- node
- tower
- dimensional
- image data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
本发明公开了一种基于三维可视化模型的高塔建设选址方法,该方法根据高塔首节点以及高塔末节点确定目标建塔区域;根据无人机采集的二维图像数据生成所述目标建塔区域对应的三维图像数据;根据由所述三维图像数据中获得的地形地貌参数、空间参数以及建塔规范信息确定高塔预设节点的地址信息;根据所述地址信息在所述目标建塔区域对应的所述三维图像数据中生成高塔预设节点分布图,将所述高塔预设节点分布三维图、所述高塔首节点以及所述高塔末节点进行连接处理,得到线路走廊三维模型。所述线路走廊三维模型能够在施工前期进行高塔建设选址时为用户提供决策建议。该方法减少了户外勘测的工作量,减少了人工成本,提高了工作效率以及工作质量。
Description
技术领域
本发明涉及高塔建设领域,特别涉及一种基于三维可视化模型的高塔建设选址方法。
背景技术
目前,在建设施工前期,需要耗费大量的人力、物力进行工程建设的前期准备工作,例如勘测地形地貌、人工绘制相关图像。在建设施工的过程中,工程人员根据工程要求的建设起点和终点,分段进行建设,边建设边选择下一段建设路径或者下一个建设点。在施工过程中,需要人工进行测量、复核、控制施工点。这样的工作方式,效率低下,且勘测周期长。人工在进行测量、复核时,由于信息获取存在误差,可能会进行重复性的不必要的工作,带来一定的资源浪费。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于三维可视化模型的高塔建设选址方法,在高塔建设的前期准备工作中,能够基于线路走廊三维模型为高塔建设选址提供参考位置点和参考建设路径。
第一方面,本发明实施例提出来一种基于三维可视化模型的高塔建设选址方法,包括:
获取高塔首节点以及高塔末节点;
根据所述高塔首节点以及所述高塔末节点确定目标建塔区域;
获取所述目标建塔区域对应的三维图像数据,所述三维图像数据根据无人机采集的二维图像数据生成;
根据所述三维图像数据得到地形地貌参数、空间参数,所述地形地貌参数用于表征地形地貌特征,所述空间参数用于描述所述三维图像数据中任一位置点的经纬度坐标、海拔高度;
根据所述地形地貌参数、所述空间参数以及建塔规范信息确定高塔预设节点的地址信息;
根据所述地址信息在所述目标建塔区域对应的所述三维图像数据中生成高塔预设节点分布三维图;
将所述高塔预设节点分布三维图、所述高塔首节点以及所述高塔末节点进行连接处理,得到线路走廊三维模型,所述线路走廊三维模型用于向用户提供决策建议。
本发明上述第一方面的技术方案至少具有如下优点或有益效果之一:确定高塔的首节点和末节点,确定目标建塔区域。利用无人机在目标建塔区域采集到的二维图像数据,建立目标建塔区域对应的三维图像。通过目标建塔区域的三维图像得到相关参数,根据相关参数以及建塔规范信息确定高塔预设节点的地址信息。再由地址信息在三维图像上标注高塔预设节点的位置,得到高塔预设节点分布三维图。将所述高塔预设节点分布三维图、所述高塔首节点以及所述高塔末节点进行连接处理,得到线路走廊三维模型。线路走廊三维模型向用户展示了高塔首节点与高塔末节点之间的所有高塔节点、高塔建设路线以及路线长度,用户能够从线路走廊三维模型获得预设高塔节点的地址信息、所在选址区域以及目标建塔区域的地形地貌参数。该线路走廊三维模型能够在施工前期进行高塔选址时为用户提供决策建议,减少了户外勘测的工作量,减少了一定的人工成本,提高了工作效率以及工作质量;也能够在工程进行后期,当勘测人员需要进行必要的实地勘察、测量时,为勘测人员提供参考数据,进行勘测范围的选择,提高工程人员的工作效率。
根据本发明的一些实施例,所述获取所述目标建塔区域对应的三维图像数据,所述三维图像数据根据无人机采集的二维图像数据生成,包括:
获取无人机在所述目标建塔区域采集的二维图像数据,
处理所述二维图像数据得到标准化数据,所述二维图像数据包括至少如下之一:工程地形地貌影像数据、局部倾斜影像数据、倾斜影像数据、正射影像数据、激光点云数据、多视影像数据;
基于所述标准化数据,建立工程地形地貌模型和数字高程模型;
根据所述工程地形地貌模型和所述数字高程模型,利用三维建模软件实现三维模型重建,获得所述目标建塔区域对应的所述三维图像数据。
根据本发明的一些实施例,所述处理所述二维图像数据得到标准化数据,包括:
根据图像滤波算法对所述二维图像数据中的干扰和噪声进行过滤处理;
对所述工程地形地貌影像和所述局部倾斜影像数据进行空三加密、几何纠正、地理配准、裁剪拼接、坐标转换、切片发布处理,得到工程地貌地形模型;
根据图像密集点云匹配对所述倾斜影像、所述正射影像数据和所述激光点云数据处理,获取所述激光点云数据中的回波信息,所述回波信息中保留有树木树冠信息、建筑物边缘信息,根据所述回波信息识别所述目标建塔区域内建筑物、树木的类型。
根据立体测图技术对所述倾斜影像数据、所述正射影像数据、所述激光点云数据做处理,获取山势地形的特征、水流地貌特征、植被分布特征、道路分布特征,结合实时空间、对地距离生成剖面空间三维成果数据;
利用SFM算法和MVS算法对所述多视影像进行匹配处理,得到所述目标建塔区域的稀疏点云数据、密集点云数据,并使用所述垂直影像制作所述目标建塔区域的正射影像;
对所述密集点云数据分别使用格网化数学形态学法和迭代三角网内插法进行分类处理,得到地面点云数据,所述地面点云数据用于生成数字高程模型和等高线。
根据本发明的一些实施例,所述根据所述地形地貌参数、所述空间参数以及建塔规范信息确定高塔预设节点的地址信息,包括:根据所述地形地貌参数、所述空间参数以及建塔规范信息在所述目标建塔区域内确定高塔预设节点的目标高塔建设位置,所述地址信息包括所述目标高塔建设位置的空间参数、施工安全距离范围内的地形地貌参数。
根据本发明的一些实施例,所述根据所述地形地貌参数、所述空间参数以及建塔规范信息在所述目标建塔区域内确定高塔预设节点的目标高塔建设位置,包括:
根据所述地形地貌参数、所述空间参数对所述目标建塔区域进行多区域划分,得到不同类型的区域;
根据不同类型的区域以及所述建塔规范信息确定选址区域;
获取所述选址区域的面积和所述建塔规范信息中的高塔节点之间的第一安全距离阈值;
根据所述选址区域的面积和所述第一安全距离阈值,确定高塔预设节点以及所述高塔预设节点的目标高塔建设位置。
根据本发明的一些实施例,所述地形地貌参数至少包括如下之一:坡度参数;水流地貌特征参数;房屋分布特征参数;植被分布参数。
根据本发明的一些实施例,所述将所述高塔预设节点分布三维图、所述高塔首节点以及所述高塔末节点进行连接处理,得到线路走廊三维模型,包括:
在所述目标建塔区域对应的所述三维图像数据中标记出所述高塔首节点、所述高塔末节点;
获取所述高塔首节点、所述高塔末节点、所述高塔预设节点的地址信息;
根据所述地址信息,对所述高塔首节点、所述高塔末节点、所述高塔预设节点进行路段测试处理,得到候选路段;
根据所述候选路段,确定以所述高塔首节点为起始点的第一路径集合、以所述高塔末节点为起始点的第二路径集合、以所述高塔预设节点为起始点的第三路径集合;
依次将所述第一路径集合、所述第二路径集合和所述第三路径集合中的候选路段进行合并、删减,得到所述高塔首节点和所述高塔末节点之间所有路线的总路线集合;
获取所述总路线集合中所有路线的路线长度;
根据所述总路线集合、所述路线长度在所述高塔预设节点分布三维图上进行模型搭建和模型连接处理,得到线路走廊三维模型。
根据本发明的一些实施例,根据所述地址信息,对所述高塔首节点、所述高塔末节点、所述高塔预设节点做路段测试,得到所述高塔首节点、所述高塔末节点、所述高塔预设节点的候选路段;包括:
将所述高塔首节点、所述高塔末节点和所述高塔预设节点集合为高塔节点集;
根据所述高塔节点集选择第一高塔节点,以所述第一高塔节点作为起始点,将所述第一高塔节点与第二高塔节点连接得到测试路段,并计算所述测试路段的第一距离,所述第二高塔节点为所述高塔节点集除所述第一高塔节点外的其他节点;
在所述第一距离大于第一安全距离阈值且小于第一损耗距离阈值的情况下,确定所述测试路段为所述第一高塔节点的候选路段。
第二方面,本发明实施例还提供了一种服务器,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面的任意一项实施例的控制方法。
第三方面,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有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面任意一项实施例的控制方法。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
附图说明
本发明的上述和附加的方面和优点结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明一实施例提供的一种基于三维可视化模型的高塔建设选址方法的流程示意图;
图2为本发明另一实施例的基于三维可视化模型的高塔建设选址方法流程示意图;
图3为本发明另一实施例的基于三维可视化模型的高塔建设选址方法流程示意图;
图4为本发明另一实施例的基于三维可视化模型的高塔建设选址方法流程示意图;
图5为本发明一实施例提供的一种服务器。
附图标记:服务器40、处理器41、存储器42。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
下面结合附图,对本发明实施例作进一步阐述。
工程项目需要进行数据建设。在工程项目前期,针对工程需要,建立工程电网设备模型,包括统一构建单回路、双回路直线塔以及转角塔,统一构建耐张串、跳线串、悬垂串,统一构建变电站电气设备、建筑模型等等。在制作完成后,形成相关模型成果:工程通用直线杆塔模型、工程通用转角杆塔模型、绝缘子模型、施工设备模型、杆塔定位参数、变电站模型。这些数据库模型是通用的,在此对如何建立起工程电网设备模型数据库不做赘述。
对于无人机航拍图像来说,它的图像均是由同一台摄像机连续拍摄得到的,因此相机的焦距是已知的,且固定不变;在拍摄的过程中,拍摄瞬间的相关参数,包括拍摄地点的经纬度、航向、拍摄摄高度以及拍摄间距都将由相应的设备进行记录。
参照图1,图1为一种基于三维可视化模型的高塔建设选址方法的流程示意图,包括步骤:
步骤S100,获取高塔首节点以及高塔末节点;
高塔首节点和高塔末节点的位置的确定和选择,与具体工程项目的实施目的有关。如果要在两个不同的地点之间进行电力传输,如村庄之间、城市之间、村庄与城市之间,则根据工程要求选择高塔首节点以及高塔末节点,在本申请中,并不对高塔首节点与高塔末节点的位置作具体的限定。
步骤S110,根据高塔首节点以及高塔末节点确定目标建塔区域;
高塔首节点和高塔末节点之间的路线直线最短,但在实际中,由于复杂的地形地貌、交通分布等情况并不能简单按照直线进行高塔建设。因此需要选定一个目标建塔区域,同时这个目标建塔区域也确定了开展无人机航摄工作的航摄范围。目标建塔区域不能太大,太大则会浪费无人机资源;也不能太小,太小则不利于找到最佳的建设路径。具体的范围需要根据施工规范、工程项目要求、项目经费多方面情况来确定。
步骤S120,获取目标建塔区域对应的三维图像数据,三维图像数据根据无人机采集的二维图像数据生成;
基于无人机采集的二维图像可以获得目标建塔区域对应的三维图像数据。无人机可以超低空、云下飞行进行航摄,不会受云层遮挡而获取不到影像;还能实现适应地形和地物的导航与摄像控制,得到多角度、多建筑面的地面景物影像,用以支持构建城市三维景观模型。无人机航拍图像具有大比例尺、广视角和高现势性等优点。
具体地,测绘所使用的无人机可以有:M210RTK无人机、精灵Phantom 4 RTK无人机、经纬M210 RTK V2中型航测无人机等等。无人机的选择也会对精度产生一定的影响,但本申请中不对使用的无人机的型号做具体选择做限定,只要能采集目标建塔区域内的二维图像数据即可。
步骤S130,根据三维图像数据得到地形地貌参数、空间参数,地形地貌参数用于表征地形地貌特征,空间参数用于描述三维图像数据中任一位置点的经纬度坐标、海拔高度。
经过无人机的采集,二维图像携带有二维坐标位置信息。基于二维图像,可以得到目标建塔区域的三维图像数据。三维图像反映了目标建塔区域的地形地貌,以及三维图像上任一点的空间坐标参数。从三维图像数据中可以直观地读取地形地貌参数、空间参数,有助于用户在查看三维图时,直接获取想要的数据。
步骤S140,根据地形地貌参数、空间参数以及建塔规范信息确定高塔预设节点的地址信息。
根据地形地貌参数、空间参数以及建塔规范信息在目标建塔区域内确定高塔预设节点的目标高塔建设位置,地址信息包括目标高塔建设位置的空间参数、施工安全距离范围内的地形地貌参数。
地形地貌参数反映了地形地貌的特征,空间参数则确定了三维图像中任一点的位置,结合建塔规范信息和地理环境的限制条件,找到适合建设高塔的位置作为高塔预设节点位置,从而进一步获取高塔预设节点的地址信息。这一步骤确定了目标目标建塔区域内适合建设高塔的位置点,如果后期工作中有进一步的实地勘察的需要,则有助于工程人员更快地定位实地勘测的地点。
步骤S150,根据地址信息在目标建塔区域对应的三维图像数据中生成高塔预设节点分布三维图;
根据地址信息在三维图像中找到对应位置信息的点,作为高塔预设节点,从而形成高塔预设节点分布三维图。
步骤S160,将高塔预设节点分布三维图、高塔首节点以及高塔末节点进行连接处理,得到线路走廊三维模型,线路走廊三维模型用于向用户提供决策建议。
得到了高塔预设节点分布三维图,也就确定了建设选址大致的分布,将高塔预设节点分布三维图、高塔首节点以及高塔末节点进行连接处理,得到线路三维走廊模型。这里的连接处理是指在三维图中,利用工程电网设备模型数据库中的模型进行连接。线路走廊三维模型向用户展示了高塔首节点与高塔末节点之间的所有高塔节点、建设路线以及路线长度,能够在施工前期进行高塔选址时为用户提供决策建议,减少了户外勘测的工作量,减少了一定的人工成本,提高了工作效率以及工作质量。
参照图2,图2为本发明另一实施例的基于三维可视化模型的高塔建设选址方法流程示意图,为步骤S120的细化流程图,包括:
步骤S200,获取无人机在目标建塔区域采集的二维图像数据。
无人机采集到二维图像数据后,通过大功率WiFi模块可以实时地将数据传输回地面的服务器。
步骤S210,处理二维图像数据得到标准化数据。二维图像数据包括至少如下之一:工程地形地貌影像数据、局部倾斜影像数据、倾斜影像数据、正射影像数据、激光点云数据、多视影像数据;
对原始的二维图像数据进行处理,得到不同类型的标准化数据。基于标准化数据,有利于在后续的建模工作中更快速、高效地建立不同的、高精度的数字模型、工程模型。
步骤S220,基于标准化数据,建立工程地形地貌模型和数字高程模型。
数字高程模型是通过有限的地形高程数据实现对地面地形的数字化模拟,它是用一组有序数值阵列形式表示地面高程的一种实体地面模型,其它各种地形特征值均可由此派生。一般认为,数字高程模型是描述包括高程在内的各种地貌因子,如坡度、坡向、坡度变化率等因子在内的线性和非线性组合的空间分布,其中数字高程模型是零阶单纯的单项数字地貌模型,其他如坡度、坡向及坡度变化率等地貌特性可在数字高程模型的基础上派生。建立数字高程模型有利于后续快速便捷地获取一些地形地貌参数。
步骤S230,根据工程地形地貌模型和数字高程模型,利用三维建模软件实现三维模型重建,获得目标建塔区域对应的三维图像数据。
利用现有应用成熟的三维建模软件实现三维模型重建,更可靠、快速。具体地,目前用于三维重建的常用软件主要包括:OpenGL、3DS Max、Maya等等。无论采用哪个软件来进行三维图像数据的构建,只要能基于获得的二维数据信息,构建出三维图像即可,本申请中并不对选用的三维重建软件做具体的限制。
可以理解的是,无人机单个镜头摄像的范围有限,针对目标建塔区域会从多角度、多个拍摄高度获得多张连续的二维图像数据。不同的二维图像数据中,地面地物的特征会有不同,因此要对这些二维数据图像数据进行使用,需要对其进行一些处理,使其成为标准化的数据可以进行统一使用。基于此,具体地,对步骤S210做进一步说明。处理二维图像数据得到标准化数据,包括:
根据图像滤波算法对二维图像数据中的干扰和噪声进行过滤处理;
在实际环境比较复杂,无人机在采集二维图像的过程中,不可避免地会受到噪声污染或是其他干扰,在对二维图像数据进行处理前,进行滤波处理,可以使获得的数据更准确,有利于建立更准确的三维模型。具体地,可以采用的图像滤波算法有:均值滤波算法、维纳滤波算法、小波滤波算法等等,本申请不对采用的滤波算法做限制,只要能实现对图像滤波即可。
对工程地形地貌影像和局部倾斜影像数据进行空三加密、几何纠正、地理配准、裁剪拼接、坐标转换、切片发布处理,得到工程地貌地形模型;
空三加密即解析空中三角测量,以二维图像上量测的像点坐标为依据,采用数学模型,按最小二乘法原理,用少量野外控制点,作为约束条件,在计算机上求解出所摄地区未知点的地面坐标和高程数据。
几何纠正能通过一系列的数学模型来改正和消除几何畸变。遥感影像成像时受多种因素的综合影响,导致的原始图像上各地物的几何位置、形状、尺寸、方位等特征与其对应的地面地物的特征往往是不一致的,这种不一致就是几何变形。几何纠正后,得到修正后的更接近地面地物实际特征的图像数据。几何纠正针对一幅图像,做坐标系校正,有利于形成更准确的三维图像。
地理配准是将控制点配准为参考点的位置,从而在两张二维图像中建立两个坐标系统之间一一对应的关系。地理配准主要用在数字化地图前,对地图进行坐标和投影的校正,以使得地图坐标点准确,使得地图拼接准确。
裁剪拼接是基于地理配准的结果对多张二维图像数据进行处理,得到覆盖范围更大的二维图像。
进行坐标转换,将二维坐标系转换为三维坐标系。通常情况下,连续拍摄的航拍图像之间的时间间隔较短,因此近似认为,无人机针对实际地形中的某一点是进行平行拍摄的,在摄像机横向平行的双目立体视觉模型的基础上,得到拍摄模型。根据图像拍摄的高度信息,快速求解出空间点的海拔高度,进而得到它的三维坐标信息。对于两幅连续拍摄的航拍图像,在已知两图中各特征点对的图像坐标信息的情况下,可以迅速、方便地得到特征点的三维坐标信息。
切片发布处理,切片为地面地物相对于地面的投影,将多个分层切片组合即可得到工程地貌地形模型。
根据图像密集点云匹配对倾斜影像数据、正射影像数据和激光点云数据做处理,获取激光点云数据中的回波信息,回波信息中保留有树木树冠信息、建筑物边缘信息,根据回波信息识别目标建塔区域内建筑物、树木的类型。
激光电云数据由激光雷达获得。激光雷达通过接收返回的激光束,按照时间序列存储激光脚点,获取被测对象高精度的三维坐标。激光雷达穿透力强、抗干扰能力强、探测性能优异。激光束可以轻松穿透树木间隙,获取树木底部的位置信息。由于树叶、枝干、建筑物的遮挡,形成回波信息,能很好地保留树木的冠状信息、建筑物的边缘信息;地物自身材质对激光束具有不同的吸收能力,导致激光雷达接收到回波的强度信息表现出较大差异。利用激光扫描点云的回波和强度信息可以对植被、道路和建筑物边缘等进行检测。
以激光扫描点云为参考数据进行密集匹配点云高程精度评价。通过基于点的区域生长分割激光扫描点云,提取具有稳定位置、几何结构的屋顶面。针对建筑物与树木粘连情况,先基于密集匹配点云颜色信息和多尺度下点云法线差分割点云,以树木点的分布特点为依据建立邻域投票,剔除树木点;再通过虚拟格网组织点云提取格网顶部点,利用区域生长的思想,分割顶部高程差异明显的地物结构,并采用平面比特征描述分割图斑内部的最大平面特征;最后以建筑物结构为先验知识,合并过分割结果,计算特征向量输入支持向量机,根据格网顶部点的提取结果判断立面点的类别属性,得到完整的建筑物点集。
根据立体测图技术对倾斜影像数据、正射影像数据、激光点云数据做处理,获取山势地形的特征、水流地貌特征、植被分布特征、道路分布特征,结合实时空间、对地距离生成剖面空间三维成果数据;
利用SFM算法和MVS算法对多视影像进行匹配处理,得到目标建塔区域的稀疏点云数据、密集点云数据,并使用垂直影像制作目标建塔区域的正射影像。
SFM(Structure from Motion)算法又叫运动推断结构算法,它能够处理一系列同一物体和场景的多视图,得到场景粗糙的3D形状,也就是稀疏点云数据,同时得到相机空间参数;MVS(Multi View Stereo)又叫多视图立体算法,在SFM算法获得的相机参数的基础上,处理一系列同一物体和场景的多视图,将MVS算法用于细化通过SFM技术获得的网格,进行密集重建获得密集点云数据。MVS通常会在优化过程中考虑照明和物体材质。SFM使用结构化的图像序列执行3D重建,MVS基于人类立体视觉的双视立体视觉的进行重建。再结合垂直影像制作目标建塔区域的正射影像。
对密集点云数据分别使用格网化数学形态学法和迭代三角网内插法进行分类处理,得到地面点云数据,地面点云数据用于生成数字高程模型和等高线。
参照图3,图3为本发明另一实施例的基于三维可视化模型的高塔建设选址方法流程示意图,为步骤S140的细化流程图。包括:
步骤S300,根据地形地貌参数、空间参数对目标建塔区域进行多区域划分,得到不同类型的区域。
具体地,地形地貌参数至少包括如下之一:坡度参数、水流地貌特征参数、房屋分布特征参数、植被分布参数。
根据坡度参数和坡度阈值,将目标建塔区域划分为平缓地形区域、陡峭地形区域、不可通过地形区域;根据水流地貌特征参数,将目标建塔区域分为水流地貌区域和非水流地貌区域;根据房屋分布特征参数和房屋分布密度阈值,将目标建塔区域划分为聚居区域和非聚居区域;根据植被分布参数和植物分布密度阈值,将目标建塔区域划分为植被分布区和非植被分布区;根据平缓地形区域、非水流地貌区域、非聚居区域、非植被分布区域的重叠区域得到选址区域。
需要说明的是,地形地貌参数不仅仅限于本申请中提到的参数,地形地貌参数还可以包括:坡向、坡度变化率、集水面积等等。可以根据具体的工程建设要求选取不同的地形地貌参数对目标建塔区域区域进行划分,获得不同类型的区域。
步骤S310,根据不同类型的区域以及建塔规范信息确定选址区域;
在实际建设过程中,会遇到复杂的地形地貌。工程建设中,一般将高塔建筑建设在平缓地形区域,而不设置在过于陡峭的地形区域。这样可以确保大型施工机器能够进入施工地点;施工选址应当设置在非水流地貌区域,水流地貌区域的地质较为松散,不适合建立地基建设高塔,遇到雨季时,河流涨水或是泄洪还会影响到施工进度、施工质量以及后续工程建筑的使用;考虑到减小施工影响的需求,选址应当远离村庄、学校等人群聚集的区域;出于保护环境的考虑,尽量远离植被分布过于密集的地方,减小对当地生态环境的破坏。
基于得到的不同类型的区域,在目标建塔区域内,将同时满足多个建塔规范条件的区域确定为选址区域。通过地形地貌参数将不符合工程建设选址的地形筛选出去,有利于进一步缩小选址区域,为后续的选址工作打下基础。当有实地考察需求时,能为勘测人员在选择勘测范围时提供参考,减少勘测人员的工作量,为其工作提供便利。
步骤S320,获取选址区域的面积和建塔规范信息中的高塔节点之间的第一安全距离阈值;
对于不同的高塔,有不同的高塔间隔规范,根据实际工程建设中的高塔类型,来进行安全距离阈值的选择。
步骤S330,根据选址区域的面积和第一安全距离阈值,确定高塔预设节点以及高塔预设节点的目标高塔建设位置信息。
获得选址区域后,计算选址区域的面积。在建塔规范信息中,要求高塔节点之间要有一定的安全距离。以一个高塔节点为圆心,以最小的安全距离为半径作圆,在这个圆范围内不能选择第二个高塔节点。用选址区域的面积除以圆面积,可以得到一个选址区域内高塔建设选址点的最大数目。在选址区域内,根据具体位置点的地理地形参数,如坡向、切向曲率等参数,确定高塔预设节点,同时获得高塔预设节点的地址信息。
参照图4,图4为本发明另一实施例的基于三维可视化模型的高塔建设选址方法流程示意图,对步骤S160做进一步的细化,包括:
步骤S400,在目标建塔区域对应的三维图像数据中标记出高塔首节点、高塔末节点;
步骤S410,获取高塔首节点、高塔末节点、高塔预设节点的地址信息;
从目标建塔区域对应的三维图像数据中获取高塔首节点、高塔末节点、高塔预设节点的地址信息。
步骤S420,根据地址信息,对高塔首节点、高塔末节点、高塔预设节点进行路段测试处理,得到候选路段。
这一步骤中,具体地,将高塔首节点、高塔末节点和高塔预设节点集合为高塔节点集;根据高塔节点集选择第一高塔节点,以第一高塔节点作为起始点,将第一高塔节点与第二高塔节点连接得到测试路段,并计算测试路段的第一距离,第二高塔节点为高塔节点集除第一高塔节点外的其他节点;在第一距离大于第一安全距离阈值且小于第一损耗距离阈值的情况下,确定测试路段为第一高塔节点的候选路段。
如果两个高塔之间的距离过长,则会使电力在传输的过程中存在较大的损耗,导致电力的传输成本过高,过长的输电线也更容易受到极端气候的影响。因此根据高塔建设规范信息确定第一损耗距离阈值,两个高塔之间的距离不能大于第一损耗距离阈值。当测试路段的第一距离大于第一安全距离阈值且小于第一损耗距离阈值,则确定为第一高塔节点的候选路段。参考了实际的高塔建设规范信息,使得确定的候选路段具有更高的可行性。
步骤S430,根据候选路段,确定以高塔首节点为起始点的第一路径集合、以高塔末节点为起始点的第二路径集合、以高塔预设节点为起始点的第三路径集合。
步骤S440,依次将第一路径集合、第二路径集合和第三路径集合中的候选路段进行合并、删减,得到高塔首节点和高塔末节点之间所有路线的总路线集合;
将第一路径集合、第二路径集合和第三路径集合中的候选路段进行对比,当两段候选路段的第一高塔节点和第二高塔节点一致时,候选路段重复出现,则将该候选路段从第二路径集合和第三路径集合中删除。从第一路径集合中选择第一候选路径,根据第一候选路径的第二高塔节点,从第三路径集合中选出第二候选路径进行合并;再根据第二候选路径的第二高塔节点,从第二路径集合中选择第三候选路径进行合并,得到一条包含高塔首节点和高塔末节点的高塔建设路线。以此从第一路径集合中选择候选路径,得到高塔首节点和高塔末节点之间所有路线。
步骤S450,获取总路线集合中所有路线的路线长度;
步骤S460,根据总路线集合、路线长度在高塔预设节点分布三维图上进行模型搭建和模型连接处理,得到线路走廊三维模型。
利用工程电网设备模型数据库,同时结合建设路线图、杆塔明细表和变电站平面布置图等资料确认杆塔、变电站模型的位置。各种模型数据将结合杆塔坐标数据,在三维场景中展示,得到线路走廊三维模型,通过这个模型用户可以获得高塔建设线路、高塔预设节点周围的地形地貌参数、空间参数,可以直观地观察到高塔首节点与高塔末节点之间的所有高塔节点、建设路线以及路线长度,在施工前期进行高塔选址时为用户提供决策建议,减少了户外勘测的工作量,减少了人工成本,提高了工作效率以及工作质量。在后期有实地勘测需求时,也能为勘测人员提供参考,提高勘测人员的工作效率。
参考图5,为本发明第二方面实施例提供的一种服务器40。该服务器40包括但不限于:存储器42,用于存储程序;处理器41,用于执行存储器42存储的程序。处理器 41和存储器42可以通过总线或者其他方式连接。
存储器42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以及非暂态性计算机可执行程序。处理器41通过运行存储在存储器42中的非暂态软件程序以及指令,从而实现上述的高塔建设选址方法。
存储器42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;存储数据区可存储执行上述的高塔选址方法。此外,存储器42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。在一些实施方式中,存储器42 可选地包括相对于处理器41远程设置的存储器,这些远程存储器可以通过网络连接至该处理器41。
实现上述基于三维可视化模型的高塔建设选址方法所需的非暂态软件程序以及指令存储在存储器42中,当被一个或者多个处理器41执行时,执行上述的高塔建设选址方法,例如,执行图1中描述的方法步骤S100至S160,图2中描述的方法步骤S200 至S230,图3中描述的方法步骤S300至S330,图4中描述的方法步骤S400至S460。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行。上述一个或多个控制处理器执行上述方法实施例中的基于三维可视化模型的高塔建设选址方法,例如,执行以上描述的图1中描述的方法步骤S100至S160,图2中描述的方法步骤S200至S230,图3中描述的方法步骤S300至S330,图4中描述的方法步骤S400 至S460。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括在用于存储信息的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、CD-ROM、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所述技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (10)
1.一种基于三维可视化模型的高塔建设选址方法,其特征在于,包括:
获取高塔首节点以及高塔末节点;
根据所述高塔首节点以及所述高塔末节点确定目标建塔区域;
获取所述目标建塔区域对应的三维图像数据,所述三维图像数据根据无人机采集的二维图像数据生成;
根据所述三维图像数据得到地形地貌参数、空间参数,所述地形地貌参数用于表征地形地貌特征,所述空间参数用于描述所述三维图像数据中任一位置点的经纬度坐标、海拔高度;
根据所述地形地貌参数、所述空间参数以及建塔规范信息确定高塔预设节点的地址信息;
根据所述地址信息在所述目标建塔区域对应的所述三维图像数据中生成高塔预设节点分布三维图;
将所述高塔预设节点分布三维图、所述高塔首节点以及所述高塔末节点进行连接处理,得到线路走廊三维模型,所述线路走廊三维模型用于向用户提供决策建议。
2.根据权利要求1所述的基于三维可视化模型的高塔建设选址方法,其特征在于,所述获取所述目标建塔区域对应的三维图像数据,所述三维图像数据根据无人机采集的二维图像数据生成,包括:
获取无人机在所述目标建塔区域采集的二维图像数据,
处理所述二维图像数据得到标准化数据,所述二维图像数据包括至少如下之一:工程地形地貌影像数据、局部倾斜影像数据、倾斜影像数据、正射影像数据、激光点云数据、多视影像数据、垂直影像;
基于所述标准化数据,建立工程地形地貌模型和数字高程模型;
根据所述工程地形地貌模型和所述数字高程模型,利用三维建模软件实现三维模型重建,获得所述目标建塔区域对应的所述三维图像数据。
3.根据权利要求2所述的基于三维可视化模型的高塔建设选址方法,其特征在于,所述处理所述二维图像数据得到标准化数据,包括:
根据图像滤波算法对所述二维图像数据中的干扰和噪声进行过滤处理;
对所述工程地形地貌影像和所述局部倾斜影像数据进行空三加密、几何纠正、地理配准、裁剪拼接、坐标转换、切片发布处理,得到工程地貌地形模型;
根据图像密集点云匹配对所述倾斜影像、所述正射影像数据和所述激光点云数据处理,获取所述激光点云数据中的回波信息,所述回波信息中保留有树木树冠信息、建筑物边缘信息,根据所述回波信息识别所述目标建塔区域内建筑物、树木的类型;
根据立体测图技术对所述倾斜影像数据、所述正射影像数据、所述激光点云数据做处理,获取山势地形的特征、水流地貌特征、植被分布特征、道路分布特征,结合实时空间、对地距离生成剖面空间三维成果数据;
利用SFM算法和MVS算法对所述多视影像进行匹配处理,得到所述目标建塔区域的稀疏点云数据、密集点云数据,并使用所述垂直影像制作所述目标建塔区域的正射影像;
对所述密集点云数据分别使用格网化数学形态学法和迭代三角网内插法进行分类处理,得到地面点云数据,所述地面点云数据用于生成数字高程模型和等高线。
4.根据权利要求1所述的基于三维可视化模型的高塔建设选址方法,其特征在于,所述根据所述地形地貌参数、所述空间参数以及建塔规范信息确定高塔预设节点的地址信息,包括:
根据所述地形地貌参数、所述空间参数以及建塔规范信息在所述目标建塔区域内确定高塔预设节点的目标高塔建设位置,所述地址信息包括所述目标高塔建设位置的空间参数、施工安全距离范围内的地形地貌参数。
5.根据权利要求4所述的基于三维可视化模型的高塔建设选址方法,其特征在于,所述根据所述地形地貌参数、所述空间参数以及建塔规范信息在所述目标建塔区域内确定高塔预设节点的目标高塔建设位置,包括:
根据所述地形地貌参数、所述空间参数对所述目标建塔区域进行多区域划分,得到不同类型的区域;
根据不同类型的区域以及所述建塔规范信息确定选址区域;
获取所述选址区域的面积和所述建塔规范信息中的高塔节点之间的第一安全距离阈值;
根据所述选址区域的面积和所述第一安全距离阈值,确定高塔预设节点以及所述高塔预设节点的目标高塔建设位置。
6.根据权利要求5所述的基于三维可视化模型的高塔建设选址方法,其特征在于,所述地形地貌参数至少包括如下之一:坡度参数;水流地貌特征参数;房屋分布特征参数;植被分布参数。
7.根据权利要求1所述的基于三维可视化模型的高塔建设选址方法,其特征在于,所述将所述高塔预设节点分布三维图、所述高塔首节点以及所述高塔末节点进行连接处理,得到线路走廊三维模型,包括:
在所述目标建塔区域对应的所述三维图像数据中标记出所述高塔首节点、所述高塔末节点;
获取所述高塔首节点、所述高塔末节点、所述高塔预设节点的地址信息;
根据所述地址信息,对所述高塔首节点、所述高塔末节点、所述高塔预设节点进行路段测试处理,得到候选路段;
根据所述候选路段,确定以所述高塔首节点为起始点的第一路径集合、以所述高塔末节点为起始点的第二路径集合、以所述高塔预设节点为起始点的第三路径集合;
依次将所述第一路径集合、所述第二路径集合和所述第三路径集合中的候选路段进行合并、删减,得到所述高塔首节点和所述高塔末节点之间所有路线的总路线集合;
获取所述总路线集合中所有路线的路线长度;
根据所述总路线集合、所述路线长度在所述高塔预设节点分布三维图上进行模型搭建和模型连接处理,得到线路走廊三维模型。
8.根据权利要求7所述的基于三维可视化模型的高塔建设选址方法,其特征在于,所述根据所述地址信息,对所述高塔首节点、所述高塔末节点、所述高塔预设节点做路段测试,得到所述高塔首节点、所述高塔末节点、所述高塔预设节点的候选路段;包括:
将所述高塔首节点、所述高塔末节点和所述高塔预设节点集合为高塔节点集;
根据所述高塔节点集选择第一高塔节点,以所述第一高塔节点作为起始点,将所述第一高塔节点与第二高塔节点连接得到测试路段,并计算所述测试路段的第一距离,所述第二高塔节点为所述高塔节点集除所述第一高塔节点外的其他节点;
在所述第一距离大于第一安全距离阈值且小于第一损耗距离阈值的情况下,确定所述测试路段为所述第一高塔节点的候选路段。
9.一种服务器,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任意一项所述的基于三维可视化模型的高塔建设选址方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行权利要求1至8任意一项所述的基于三维可视化模型的高塔建设选址方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111200342.4A CN114065339A (zh) | 2021-10-14 | 2021-10-14 | 一种基于三维可视化模型的高塔建设选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111200342.4A CN114065339A (zh) | 2021-10-14 | 2021-10-14 | 一种基于三维可视化模型的高塔建设选址方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114065339A true CN114065339A (zh) | 2022-02-18 |
Family
ID=80234529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111200342.4A Pending CN114065339A (zh) | 2021-10-14 | 2021-10-14 | 一种基于三维可视化模型的高塔建设选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114065339A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863275A (zh) * | 2022-04-27 | 2022-08-05 | 北京良安科技有限公司 | 一种用于粮仓的三维建图方法、系统、设备及存储介质 |
CN115115221A (zh) * | 2022-06-25 | 2022-09-27 | 国网安徽省电力有限公司经济技术研究院 | 一种基于云计算的窄基钢塔建造分析方法 |
CN115796557A (zh) * | 2023-02-02 | 2023-03-14 | 湖北君邦环境技术有限责任公司 | 一种输变电工程建设项目生态影响评价方法、系统及介质 |
-
2021
- 2021-10-14 CN CN202111200342.4A patent/CN114065339A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863275A (zh) * | 2022-04-27 | 2022-08-05 | 北京良安科技有限公司 | 一种用于粮仓的三维建图方法、系统、设备及存储介质 |
CN115115221A (zh) * | 2022-06-25 | 2022-09-27 | 国网安徽省电力有限公司经济技术研究院 | 一种基于云计算的窄基钢塔建造分析方法 |
CN115115221B (zh) * | 2022-06-25 | 2023-08-08 | 国网安徽省电力有限公司经济技术研究院 | 一种基于云计算的窄基钢塔建造分析方法 |
CN115796557A (zh) * | 2023-02-02 | 2023-03-14 | 湖北君邦环境技术有限责任公司 | 一种输变电工程建设项目生态影响评价方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110285792B (zh) | 一种无人机倾斜摄影精细格网土方计量方法 | |
KR101933216B1 (ko) | 드론과 공간정보를 이용한 하천지형정보 생성 방법 | |
CN113034689B (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
CN105783810B (zh) | 基于无人机摄影技术的工程土方量测量方法 | |
CN105844629B (zh) | 一种大场景城市建筑物立面点云自动分割方法 | |
CN110503080B (zh) | 基于无人机倾斜摄影辅助排污口的调查方法 | |
CN114065339A (zh) | 一种基于三维可视化模型的高塔建设选址方法 | |
CN102074047B (zh) | 一种高精细城市三维建模方法 | |
US8244026B2 (en) | Apparatus and method for automatic airborne LiDAR data processing and mapping using data obtained thereby | |
CN111598823A (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
CN104751479A (zh) | 基于tin数据的建筑物提取方法和装置 | |
CN112233056A (zh) | 一种多源数据的点云融合方法、装置和存储介质 | |
CN116468869A (zh) | 一种基于遥感卫星影像的实景三维建模方法、设备及介质 | |
CN109146990A (zh) | 一种建筑轮廓的计算方法 | |
Yin et al. | Individual tree parameters estimation for chinese fir (cunninghamia lanceolate (lamb.) hook) plantations of south china using UAV Oblique Photography: Possibilities and Challenges | |
Li et al. | New methodologies for precise building boundary extraction from LiDAR data and high resolution image | |
Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
CN116912443A (zh) | 一种使用无人机航测技术的矿区点云和影像融合建模方法 | |
CN111895907A (zh) | 一种电塔点云提取方法、系统及设备 | |
KR102587445B1 (ko) | 드론을 이용하여 시계열정보가 포함된 3차원 지도의 제작 방법 | |
Yijing et al. | Construction and analysis of 3D scene model of landscape space based on UAV oblique photography and 3D laser scanner | |
CN114972672A (zh) | 输电线路实景三维模型构建方法、装置、设备和存储介质 | |
CN115628720A (zh) | 一种智能三维地形图测绘方法及系统 | |
Rumpler et al. | Rapid 3d city model approximation from publicly available geographic data sources and georeferenced aerial images | |
CN115018973A (zh) | 一种低空无人机点云建模精度的无靶标评估方法 |
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 |