CN114757983A - 一种无人机和三维激光扫描联合监测方法 - Google Patents
一种无人机和三维激光扫描联合监测方法 Download PDFInfo
- Publication number
- CN114757983A CN114757983A CN202210459142.9A CN202210459142A CN114757983A CN 114757983 A CN114757983 A CN 114757983A CN 202210459142 A CN202210459142 A CN 202210459142A CN 114757983 A CN114757983 A CN 114757983A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- dimensional laser
- point cloud
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000009616 inductively coupled plasma Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 16
- 230000004927 fusion Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 235000011437 Amygdalus communis Nutrition 0.000 description 1
- 241000220304 Prunus dulcis Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 235000020224 almond Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003716 rejuvenation Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- 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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种无人机和三维激光扫描联合监测方法,包括以下步骤:(1)多期三维激光点云数据的精确配准;(2)从精确配准的三维激光点云中提取TCP;(3)无人机模型修正。本发明可以保证监测人员从远距离进行滑坡监测,不需要深入到滑坡区进行设备安装或数据采集,能极大保证滑坡监测的安全性和可行性;可以弥补三维激光扫描受地形和植被遮挡下形成的数据缺失,能极大提高地形数据的完整性;能极大提高地面控制点的数量和分布,也就保证了无人机三维模型的精度。
Description
技术领域
本发明涉及一种无人机和三维激光扫描联合监测方法,属于地质灾害监测技术领域。
背景技术
山区流域的滑坡往往由于隐蔽性较强,其早期动态变形过程不易被察觉,加之相对位置较高,其突发性和破坏性通常较其他类型滑坡灾害更大。目前,滑坡变形监测是山区流域防灾减灾的重要手段,能为分析滑坡动态演变、揭示滑坡运动机理以及评估滑坡失稳风险提供重要基础。如果滑坡灾害发生在偏远的高山峡谷及山区流域,那么现场抢险人员将面对工期紧张、条件艰苦、环境恶劣、缺少资料等一系列问题。尤其是对于一些高陡地形,采用传统的接触式监测手段如裂缝计、GNSS、GPS、远程靶标等对滑坡体进行监测时,复杂的地形条件以及有限的交通条件会极大地增加监测工作的安装维护成本,提高设备施工难度和危险性,并且这些技术的有效监测范围受到监测设备数量和分布的限制,在极端条件下仪器存活率难以保证。
因此,在这种复杂环境下采用三维激光扫描和无人机航空摄影等非接触式监测技术就十分有必要。虽然这些技术能在一定程度上弥补接触式监测技术的限制,但是他们仍然在数据精度、数据完整性等方面受到地形制约。例如三维激光扫描的工作原理是通过激光头发射并接收激光来获取地面的空间信息,但是在高山峡谷等复杂地形存在较多的地形遮挡或植被遮挡,最终导致三维激光扫描的数据完整性较差,用于滑坡监测时会出现较多的空腔和漏洞。对于无人机航空摄影而言,地面控制点是保证该技术的重要条件,否则无人机生成的模型就仅能用于定性分析滑坡的体型、形态等,其精度是无法用于多期数据之间的精确配准和地表变形分析的,但是在复杂地形下的滑坡监测工作过程中,受到交通道路损坏或滑坡冲击影响,现场人员通常很难近距离布设无人机地面控制点,最终导致无人机精度不足与用于地表变形分析。
采用传统的接触式监测技术,例如GNSS,裂缝计、倾角计等进行滑坡监测时,工作人员需要亲自深入到滑坡变形区进行设备安装,调试和维护。
对于受到地形、植被或道路中断引起的通行限制,该类技术无法进行有效实施,或者实施难度大、危险性高、成本大。例如在没有现成道路的情况下需要先修路,对于高陡的滑坡体需要采用钢索悬垂安装。
采用三维激光扫描进行滑坡监测。三维激光扫描是一种发射并接收激光信号来获取地表三维信息的技术,其精度可达毫米级。三维激光扫描仅能获取可视范围内的地形数据,为了弥补其数据完整性,通常需要围绕研究物体进行从多个角度进行扫描,以获取更完整的物体空间信息。但是在复杂的高山峡谷地区,三维激光扫描仅能沿河谷布置测站点,因此一旦滑坡出现在较高位置,加之较高的植被遮挡,三维激光扫描很难获取完整的地形信息,那么从河谷是始终无法进行有效监测的。
无人机航空摄影滑坡监测。无人机航空摄影是一种现阶段应用较广泛的技术,可以用于大规模的地形数据获取以及地表变形监测。地面控制点是无人机精度的重要控制因素,根据规范,控制点之间的距离宜设置在100-300米之间才能保证模型精度。但是在高山峡谷地区,如果道路不通或者道路中断,那么无人机控制点通常只能布置在沿河谷的可到达区域,而一旦滑坡出现在较高位置的山坡上,那么控制点到滑坡区的距离就会很远,最终使这些控制点无法有效保证无人机的精度。
发明内容
针对上述现阶段滑坡监测领域在山区流域、高山峡谷等复杂地形条件下面临的各种问题,本发明提出了一种基于三维激光扫描和无人机联合的联合监测技术,旨在通过这两种非接触式技术的融合,提高滑坡监测数据的完整性和精度,保证在无通行条件的前提下也能实现滑坡变形监测。
具体的技术方案为:
一种无人机和三维激光扫描联合监测方法,包括以下步骤:
(1)多期三维激光点云数据的精确配准:
通过ICP算法进行多期数据匹配,利用多期数据之间的重叠区域进行配准:
沿测线方向布置多个扫描站点,利用RTK获取各测站点的大地坐标作为三维激光扫描的中心,扫描前利用水准仪和罗盘调平扫描仪并对准被方向,保证获取的三维激光扫描数据足够精确(主要包括x、y、z、roll、pitch、yaw 6个参数),然后利用ICP算法进行不同测站的三维激光扫描数据进行拼接。其中x、y、z为点云数据的三维空间坐标,roll、pitch、yaw是指点云在笛卡尔坐标系下绕Z轴旋转的翻滚角、绕X轴旋转的俯仰角和绕Y轴旋转的偏航角。
(2)从精确配准的三维激光点云中提取TCP:
通过生成的点云提取各种明显的地物目标的坐标,然后将这些点作为无人机的控制点进行无人机模型重建,地物目标为可从航空影像中清晰辨别的稳定物体,将这些点作为无人机地面控制点,进行无人机模型构建,然后生成无人机航空影像的三维点云数据。
(3)无人机模型修正:
利用ICP算法将无人机模型向高精度的三维激光数据上进行配准,最终实现模型的修正:
在点云处理软件中导入第(1)步中获取的三维激光点云和第(2)步中获取的无人机三维点云,以三维激光点云为参照,利用ICP算法将无人机三维点云向三维激光点云进行配准,配准过程中需锁定x、y坐标并固定x、y、z轴,让无人机点云仅在Z方向移动。
本发明技术方案带来的有益效果:
本发明主要提出了一种基于三维激光扫描和无人机联合监测的滑坡变形监测技术,主要可以解决以下三个问题:
a.针对传统的接触式监测技术,本发明可以保证监测人员从远距离进行滑坡监测,不需要深入到滑坡区进行设备安装或数据采集,能极大保证滑坡监测的安全性和可行性。
b.针对仅采用三维激光扫描进行滑坡监测,本发明可以弥补三维激光扫描受地形和植被遮挡下形成的数据缺失,能极大提高地形数据的完整性。
c.针对仅采用无人机航空摄影,本发明可以突破道路中断等地形条件对无人机地面控制点布设的限制,能极大提高地面控制点的数量和分布,也就保证了无人机三维模型的精度。
附图说明
图1为本发明三维激光扫描和无人机数据融合步骤示意图;
图2为本发明以高精度三维点云为参考并利用ICP算法修正无人机模型在垂直方向的精度过程示意图;
图3为实施例阿娘寨古滑坡体复活的监测模式:三维激光扫描和RCP沿河谷布置,ACP可以布置在滑坡体内部;
图4为实施例三维激光扫描和无人机联合监测流程;
图5为实施例经过联合监测技术处理后和未经过联合技术处理的无人机模型结果对比。
具体实施方式
结合实施例说明本发明的具体技术方案。
本发明通过三维激光扫描和无人机航空摄影进行联合监测,主要包括数据融合和数据修正两个过程。
1.三维激光扫描和无人机的融合
三维激光扫描和无人机航空摄影构建三维模型的原理不同。其中三维激光扫描是通过发射和接收激光来获取地表的三维空间信息,属于物理手段;而无人机航空摄影是通过SfM算法,从二维的航空影像构建三维空间模型,属于图像处理手段。因此要将这两种数据进行融合,只能通过他们在采集和生成最终模型过程中的交集部分,即三维点云。
三维激光扫描能获取可视范围内的高精度点云,但是在高山峡谷地区,这些点云通常是不完整的,而且多包含一些比较突出的地物特征,例如树顶、电线杆、房顶等,这些点的坐标可以在完整处理过后的点云数据中进行提取,通常情况下能具有毫米级的精度。
无人机航空摄影在构建三维模型时,地面控制点是其计算过程中的一个重要外部几何约束,在缺乏这种几何约束的情况下就会导致无人机模型失真。现阶段常用的无人机地面控制点是通过人工RTK的形式布置,因此只能布置在现场人员能够到达的地方,而在高山峡谷地区这种方法就受到极大限制。
本发明的主要核心是将三维激光扫描中获取的高精度点云),作为无人机的远程地面控制点(Terrestrial based control point,TCP)来重构无人机模型,可以将无人机的在水平方向的精度极大地提高。
如图1所示,三维激光扫描和无人机数据融合第一步:(a)从三维激光扫描获取的高精度点云中提取远程控制点TCP;(b)将TCP作为地面控制点重构无人机模型;(c)采用远程特征点后的地形精度变化。
2.利用ICP算法对融合数据进行进一步修正
经过第一步重构后的无人机模型通常会在水平方向拥有较高的精度,但是在垂直方向上的精度较低,因此需要对无人机模型进行进一步修正以提高其精度。这一步可采用ICP算法进行,该算法是一种常用的点云处理方法,可以将空间中位置不同的点云进行精确配准,如图2。
数据的配准主要是以三维激光扫描获取的高精度点云为参考,可以实现无人机在垂直方向上的精度提升。综合这两步下来,无人机三维模型在水平和垂直方向的精度将极大提高,也就可用于滑坡变形监测。
本实施案的背景:
2019年6月半扇门阿娘寨古滑坡体发生复活并持续变形,复活的古滑坡体规模巨大,并且破坏了通往滑坡区的所有交通路线,采用传统接触式监测技术存在较大风险,而三维激光扫描仅能沿河道布置,导致数据完整性差;而无人机由于缺乏地面控制点,导致精度不足,如图3,阿娘寨古滑坡体复活的监测模式:三维激光扫描和RCP沿河谷布置,ACP可以布置在滑坡体内部。
采用如图4所示的工作流程对三维激光扫描和无人机航空摄影数据进行了融合与修正,主要包括:
(1)多期三维激光点云数据的精确配准:要实现三维激光和无人机的数据融合,高精度的三维激光点云是必不可少的参考,这里主要通过比较常用的ICP算法进行多期数据匹配,主要利用多期数据之间的重叠区域进行配准:
沿测线方向布置多个扫描站点,利用RTK获取各测站点的大地坐标作为三维激光扫描的中心,扫描前要利用水准仪和罗盘调平扫描仪并对准被方向,保证获取的三维激光扫描数据足够精确(主要包括x、y、z、roll、pitch、yaw 6个参数),然后利用ICP算法进行不同测站的三维激光扫描数据进行拼接。
(2)从精确配准的三维激光点云中提取TCP:在完成第一步后,可以通过生成的点云提取各种明显的地物目标的坐标,然后将这些点作为无人机的控制点进行无人机模型重建,地物目标可以为房角、石块、树梢、桥梁转角等可从航空影像中清晰辨别的稳定物体,将这些点作为无人机地面控制点,在Contextcapture、Pix4D、Metashape等商业软件中进行无人机模型构建,然后生成无人机航空影像的三维点云数据。
(3)无人机模型修正:在基于TCP重建无人机模型后,通常在Z方向还存在一定的误差,因此还需要再次利用ICP算法将无人机模型向高精度的三维激光数据上进行配准,最终实现模型的修正:在点云处理软件中导入第(1)步中获取的三维激光点云和第(2)步中获取的无人机三维点云,以三维激光点云为参照,利用ICP算法将无人机三维点云向三维激光点云进行配准,配准过程中需锁定x、y坐标并固定x、y、z轴,让无人机点云仅在Z方向移动。
成果对比:图5中,(a)经过联合监测技术处理后的无人机模型和三维激光扫描数据完全重合;(b)未经过联合技术处理的无人机模型与三维激光扫描数据存在较大偏差。即采用了本技术后,无人机模型误差能达到1~2个像素(一个像素约5cm),而未采用本技术时的传统无人机测量方法(即在仅在河谷内布置控制点)的误差达到5~10个像素(一个像素约5cm)。
Claims (3)
1.一种无人机和三维激光扫描联合监测方法,其特征在于,包括以下步骤:
(1)多期三维激光点云数据的精确配准:
通过ICP算法进行多期三维激光点云数据匹配,利用多期数据之间的重叠区域进行配准:
(2)从精确配准的三维激光点云中提取TCP:
通过生成的点云提取各种明显的地物目标的坐标,然后将这些点作为无人机的控制点进行无人机模型重建,地物目标为可从航空影像中清晰辨别的稳定物体,将这些点作为无人机地面控制点,进行无人机模型构建,然后生成无人机航空影像的三维点云数据;
(3)无人机模型修正:
利用ICP算法将无人机模型向高精度的三维激光数据上进行配准,最终实现模型的修正。
2.根据权利要求1所述的一种无人机和三维激光扫描联合监测方法,其特征在于,步骤(1)具体的方法为:沿测线方向布置多个扫描站点,利用RTK获取各测站点的大地坐标作为三维激光扫描的中心,扫描前利用水准仪和罗盘调平扫描仪并对准被方向,保证获取的三维激光扫描数据足够精确,三维激光扫描数据包括x、y、z、roll、pitch、yaw6个参数,然后利用ICP算法进行不同测站的三维激光扫描数据进行拼接,其中x、y、z为点云数据的三维空间坐标,roll、pitch、yaw是指点云在笛卡尔坐标系下绕Z轴旋转的翻滚角、绕X轴旋转的俯仰角和绕Y轴旋转的偏航角。
3.根据权利要求1或2所述的一种无人机和三维激光扫描联合监测方法,其特征在于,步骤(3)具体的方法为:在点云处理软件中导入第(1)步中获取的三维激光点云和第(2)步中获取的无人机三维点云,以三维激光点云为参照,利用ICP算法将无人机三维点云向三维激光点云进行配准,配准过程中需锁定x、y坐标并固定x、y、z轴,让无人机点云仅在Z方向移动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210459142.9A CN114757983A (zh) | 2022-04-27 | 2022-04-27 | 一种无人机和三维激光扫描联合监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210459142.9A CN114757983A (zh) | 2022-04-27 | 2022-04-27 | 一种无人机和三维激光扫描联合监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114757983A true CN114757983A (zh) | 2022-07-15 |
Family
ID=82333009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210459142.9A Pending CN114757983A (zh) | 2022-04-27 | 2022-04-27 | 一种无人机和三维激光扫描联合监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114757983A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744393A (zh) * | 2021-09-09 | 2021-12-03 | 北京建筑大学 | 一种多层级边坡滑坡变化监测方法 |
CN115762067A (zh) * | 2022-11-25 | 2023-03-07 | 中国科学院空天信息创新研究院 | 一种基于激光点云与视频数据融合的山体滑坡监测系统 |
CN117557564A (zh) * | 2024-01-11 | 2024-02-13 | 广东贝洛新材料科技有限公司 | 连接器的接口参数检测方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107564046A (zh) * | 2017-07-17 | 2018-01-09 | 山东新汇建设集团有限公司 | 一种基于点云与uav影像二次配准的建筑物轮廓精确提取方法 |
CN108594262A (zh) * | 2018-07-05 | 2018-09-28 | 南京林业大学 | 一种结合无人机和地基激光雷达提取树高的方法 |
US10641898B1 (en) * | 2016-04-01 | 2020-05-05 | Stc.Unm | Structural displacement measurement using unmanned aerial vehicles equipped with lasers |
CN111476893A (zh) * | 2020-05-09 | 2020-07-31 | 中海油能源发展装备技术有限公司 | 基于海上油气田设备设施的三维实景建模方法及装置 |
CN112767459A (zh) * | 2020-12-31 | 2021-05-07 | 武汉大学 | 基于2d-3d转换的无人机激光点云与序列影像配准方法 |
CN113587834A (zh) * | 2021-07-15 | 2021-11-02 | 长江三峡勘测研究院有限公司(武汉) | 一种基于无控摄影测量的边坡变形监测方法 |
-
2022
- 2022-04-27 CN CN202210459142.9A patent/CN114757983A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10641898B1 (en) * | 2016-04-01 | 2020-05-05 | Stc.Unm | Structural displacement measurement using unmanned aerial vehicles equipped with lasers |
CN107564046A (zh) * | 2017-07-17 | 2018-01-09 | 山东新汇建设集团有限公司 | 一种基于点云与uav影像二次配准的建筑物轮廓精确提取方法 |
CN108594262A (zh) * | 2018-07-05 | 2018-09-28 | 南京林业大学 | 一种结合无人机和地基激光雷达提取树高的方法 |
CN111476893A (zh) * | 2020-05-09 | 2020-07-31 | 中海油能源发展装备技术有限公司 | 基于海上油气田设备设施的三维实景建模方法及装置 |
CN112767459A (zh) * | 2020-12-31 | 2021-05-07 | 武汉大学 | 基于2d-3d转换的无人机激光点云与序列影像配准方法 |
CN113587834A (zh) * | 2021-07-15 | 2021-11-02 | 长江三峡勘测研究院有限公司(武汉) | 一种基于无控摄影测量的边坡变形监测方法 |
Non-Patent Citations (2)
Title |
---|
NANJIANG 等: "A Monitoring Method Integrating Terrestrial Laser Scanning and Unmanned Aerial Vehicles for Different Landslide Deformation Patterns" * |
马国超 等: "基于激光扫描和无人机倾斜摄影的露天采场安全监测应用" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744393A (zh) * | 2021-09-09 | 2021-12-03 | 北京建筑大学 | 一种多层级边坡滑坡变化监测方法 |
CN113744393B (zh) * | 2021-09-09 | 2023-05-30 | 北京建筑大学 | 一种多层级边坡滑坡变化监测方法 |
CN115762067A (zh) * | 2022-11-25 | 2023-03-07 | 中国科学院空天信息创新研究院 | 一种基于激光点云与视频数据融合的山体滑坡监测系统 |
CN115762067B (zh) * | 2022-11-25 | 2023-10-03 | 中国科学院空天信息创新研究院 | 一种基于激光点云与视频数据融合的山体滑坡监测系统 |
CN117557564A (zh) * | 2024-01-11 | 2024-02-13 | 广东贝洛新材料科技有限公司 | 连接器的接口参数检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114757983A (zh) | 一种无人机和三维激光扫描联合监测方法 | |
CN114353876A (zh) | 一种黄土公路边坡健康监测方法 | |
CN110412616A (zh) | 一种矿区地下采场验收方法与装置 | |
CN102607512A (zh) | 矿区沉陷车载式激光测量方法 | |
CN112862965B (zh) | 一种边坡开挖智能监控方法及系统 | |
CN112348952A (zh) | 艰险山区多源地理信息数据融合的三维场景构建方法 | |
CN112040395A (zh) | 一种电缆隧道内部及地上位置协同定位系统及方法 | |
CN115098934A (zh) | 一种基于gis+bim的水泥搅拌桩管理系统及其施工方法 | |
CN110672073B (zh) | 一种基于三维遥感技术辅助隧址区施工的方法及装置 | |
CN114898053A (zh) | 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法 | |
CN113532509A (zh) | 一种基于空天地立体技术的大规模高陡边坡监测方法 | |
CN116910876A (zh) | 一种基于无人机遥感辅助滑坡应急治理工程勘查设计方法 | |
CN114674277A (zh) | 全场测线联合的深部开采地表沉陷监测及土地复垦适宜性评价方法 | |
KR101674073B1 (ko) | 철도 시설물 공간 정보 구축 시스템 및 방법 | |
Lee et al. | Enhancement of low-cost UAV-based photogrammetric point cloud using MMS point cloud and oblique images for 3D urban reconstruction | |
Liu et al. | An efficient and fully refined deformation extraction method for deriving mining-induced subsidence by the joint of probability integral method and sbas-insar | |
Tiwari et al. | Multi-sensor geodetic approach for landslide detection and monitoring | |
CN110686656A (zh) | 一种矩形顶管自动化测量装置及其方法 | |
CN115962755A (zh) | 一种基于无人机倾斜摄影技术的土石方算量方法 | |
CN114937136A (zh) | 一种多场景三维模型和3d点云坐标转化体系 | |
CN108645379A (zh) | 一种高层密集地区建筑物倾斜的观测方法 | |
JP2023072823A (ja) | 構造物形状の確認システム | |
Liao et al. | Unmanned aerial vehicle surveying and mapping trajectory scheduling and autonomous control for landslide monitoring | |
CN113484887A (zh) | 输电线路北斗高精度位置感知与地面增强网链路互助方法 | |
CN113378726A (zh) | 一种无人机在公路施工管理中的应用方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220715 |
|
WD01 | Invention patent application deemed withdrawn after publication |