CN114943890A - 采用无人机载激光点云的变电站场地平整识别方法 - Google Patents

采用无人机载激光点云的变电站场地平整识别方法 Download PDF

Info

Publication number
CN114943890A
CN114943890A CN202210346055.2A CN202210346055A CN114943890A CN 114943890 A CN114943890 A CN 114943890A CN 202210346055 A CN202210346055 A CN 202210346055A CN 114943890 A CN114943890 A CN 114943890A
Authority
CN
China
Prior art keywords
point cloud
data
field
leveling
site
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
Application number
CN202210346055.2A
Other languages
English (en)
Inventor
刘沁
陈秉乾
颜琰
张成炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN202210346055.2A priority Critical patent/CN114943890A/zh
Publication of CN114943890A publication Critical patent/CN114943890A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提出采用无人机载激光点云的变电站场地平整识别方法，包括以下步骤：步骤S1、外业勘测；步骤S2、制定相控点；步骤S3、相控点的数据采集；步骤S4、场地的点云数据采集；步骤S5、将生成的点云数据进行数据预处理，避免航测数据噪声和奇异值影响场地模型建立的质量；步骤S6、当点云数据中所有地面点均为特征点时，通过对特征点的计算来建立三维点云的数字高程模型；步骤S7、数据检验；步骤S8、生成场地的三维实景模型；步骤S9：按场地平整要求应符合土石方平衡开挖原理和土石方最小开挖量的平整识别原则，进行场地平整识别。本发明提升了传统遥感技术、倾斜摄影下场地实景模型搭建的精度，识别速度高，识别距离长，可工作在多种环境工况下。

Description

采用无人机载激光点云的变电站场地平整识别方法
技术领域
本发明涉及电网运维技术领域，尤其是采用无人机载激光点云的变电站场地平整识别方法。
背景技术
输变电工程在经济社会发展中有着不可或缺的重要性作用，其具有占地面积大、建设场地平整等特点。如变电站建设的选址一般远离城区，地理位置较偏，且多为坡地，地面高度差可达几十米，需要对站内场地进行平整化处理。大面积场地在平整的过程中很难通过人工直接辨别，需要搭建相关的数字实景模型来准确、清晰地识别出现场的土地平整的情况。
目前现有的技术及所在问题有几下几方面：
1、平整度传感器：通过移动装置带动传感器或者被测物平移，测量出传感器到被测物之间的距离，通过距离的变化来判断物体表面的平整度。这种方法防强光干扰，频率快，精确度高，但不适用于变电站建设的大面积场地平整识别。
2、传统遥感技术：利用快速影像匹配技术，再通过手动或者半自动人工采集影像的表面纹理生成数据实景模型，实现高分辨影像的三维建模。这种方法虽然覆盖范围广、成本低，但高分率的实景影像需要人工几何纠正，费时费力。
3、无人机倾斜摄影技术：无人机上搭载着五镜头相机从垂直、倾斜多角度采集影像数据、获取完整准确的纹理数据和定位信息。这种方法能够弥补传统三维建模技术的缺陷，提供了高效率，低成本等优点，但倾斜摄影技术是采用可见光进行测量，对周围环境条件要求较高，对密集植被下的地形无能为力，对细小物体的建模能力也不足。
4、无人机载摄像机和数字光栅投影设备技术：减少了倾斜摄影技术的镜头，增加一个数字光栅投影设备作为辅助特征点对左右摄像机的集成图像信息进行计算和拼接，来获得场地表面的形貌参数，搭建实景模型。这种方法将倾斜摄影技术与其他技术结合，提升了精度，但同样是利用可见光进行信息采集，无法适应工程建设中多种环境工况的使用。
发明内容
本发明提出采用无人机载激光点云的变电站场地平整识别方法，提升了传统遥感技术、倾斜摄影技术下场地实景模型搭建的精度，识别速度高，识别距离长，可工作在多种环境工况下。
本发明采用以下技术方案。
采用无人机载激光点云的变电站场地平整识别方法，包括以下步骤：
步骤S1、外业勘测：对需进行场地平整的变电站进行现场勘测，确定无人机的起飞点、降落点，以及飞行区域、飞行高度、飞行架次；
步骤S2、制定相控点：根据飞行区域，选择合适的相控点分布密度及相控点尺寸，同时在地面上做好相关标记，所述相控点用于搭建三维模型时校核；
步骤S3、相控点的数据采集：无人机在固定的预设水平飞行高度，使机载点云设备保持竖直状态，对相控点区域多次采集其相控点地面数据以提高数据的准确率来便于点云数据的校验；
步骤S4、场地的点云数据采集：无人机载激光点云测量设备按照轨迹飞行，维持姿态恒定以保证测量精度，采集飞行区域内的变电站场地点云数据；
步骤S5、将生成的点云数据进行数据预处理，避免航测数据噪声和奇异值影响场地模型建立的质量；
步骤S6、当点云数据中所有地面点均为特征点时，通过对特征点的计算来建立三维点云的数字高程模型；
步骤S7、数据检验：在建立好的数字高程模型中找到相控点位置，校验模型与现场相控点数据是否一致，若不一致，则重新采集相控点地面数据；
步骤S8、生成场地的三维实景模型；
步骤S9：按场地平整要求应符合土石方平衡开挖原理和土石方最小开挖量的平整识别原则，进行场地平整识别。
所述步骤S2中，相控点分布密度标准为相控点每平方公里内不少于10个，相控点规格包括大小为40cm×40cm的相控点规格。
所述步骤S3中，预设水平飞行高度为30米内。
所述步骤S5中，数据预处理的方法为：首先对原始点云数据进行分类，使用CSF布料模拟滤波算法分出地形表面数据点和不同地物的数据点，初次过滤数据；再利用SOR噪声滤波算法处理，以提升所采集的数据反应场地情况的准确度，避免航测数据噪声和奇异值影响场地模型建立的质量。
所述步骤S6中，点云数据中所有地面点均为特征点时，其数据信息经处理后是直接反映点位的三维坐标，经最小二乘法快速拟合为精确的三维坐标，再通过大量的特征点计算来获取数字高程模型。
所述步骤S8中，以三维点云模型进一步计算和连接搭建出三维三角的网格表面模型，具体方法是将图像中纹理像素映射到三维网格中来得到高精度且具有丰富细节的三维表面模型。
步骤S9中，根据生成的场地的三维实景模型实景模型，通过模型观测到场地的平整情况；具体方法为：
步骤A1、采用基于最小二乘法对场地平整标高进行优化，找到最佳场地平整高度，对变电站场地现场进行区域划分，即低于场地平整标准的需填方区和高于场地平整标准的挖方区；
步骤A2、获得最佳场地平整高度，即施工高度，标准是使场地范围内所在的场地平整标高或微体积的土方石工程量达到最小，使其平方和最小，以公式表述为
Figure BDA0003576560690000031
公式一；
施工高度的目标函数为
Figure BDA0003576560690000032
公式二；
约束条件以公式表述为：
Figure BDA0003576560690000041
式中:a为误差允许范围，即使用最小二乘法使各点间的距离；
m、n、p、q为平整场地内方向上允许坡度限值；
Co为场地内原点标高；Ck为场地内任意一点的平面坐标；
Zk为任意一点原地形标高；
Hk为场地设计平面标高；
标高Z高为平整场地范围内允许标高最低限值；Z低为平整场地范围内允许标高最高限值。
本发明提出一种将无人机与激光点云相结合，作为变电站场地平整的识别方法，并给出了详细步骤；解决了变电站在建设过程中需要对场地进行平整度识别的问题，通过无人机机载激光点云测量设备，利用激光雷达穿透性更强的原理，与GPS相结合，对目标物进行扫描成像；经数据滤波自动处理后生成直接反映点位的三维坐标，快速获取数字高程模型；最后经过分类、滤波或去除，建立起需要的变电站场地实景模型。本发明提升了传统遥感技术、倾斜摄影技术下场地实景模型搭建的精度，也是一种可工作在多种环境工况下的、高速度、长距离的测量设备。
本发明的机载激光点云测量设备由于具备激光雷达高穿透性的特征，因此可以透过地表的植被、杂物等，直接对变电站场地地表进行扫描，同时由于能与GPS结合来网格化扫描结果，因此能有效地减少测量误差。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
附图1是本发明的流程示意图；
附图2是本发明的工作示意图；
图中：1-相控点；2-场地；3-机载点云设备。
具体实施方式
如图所示，采用无人机载激光点云的变电站场地平整识别方法，包括以下步骤：
步骤S1、外业勘测：对需进行场地平整的变电站进行现场勘测，确定无人机的起飞点、降落点，以及飞行区域、飞行高度、飞行架次；
步骤S2、制定相控点：根据飞行区域，选择合适的相控点分布密度及相控点尺寸，同时在地面上做好相关标记，所述相控点用于搭建三维模型时校核；
步骤S3、相控点的数据采集：无人机在固定的预设水平飞行高度，使机载点云设备保持竖直状态，对相控点区域多次采集其相控点地面数据以提高数据的准确率来便于点云数据的校验；
步骤S4、场地的点云数据采集：无人机载激光点云测量设备按照轨迹飞行，维持姿态恒定以保证测量精度，采集飞行区域内的变电站场地点云数据；
步骤S5、将生成的点云数据进行数据预处理，避免航测数据噪声和奇异值影响场地模型建立的质量；
步骤S6、当点云数据中所有地面点均为特征点时，通过对特征点的计算来建立三维点云的数字高程模型；
步骤S7、数据检验：在建立好的数字高程模型中找到相控点位置，校验模型与现场相控点数据是否一致，若不一致，则重新采集相控点地面数据；
步骤S8、生成场地的三维实景模型；
步骤S9：按场地平整要求应符合土石方平衡开挖原理和土石方最小开挖量的平整识别原则，进行场地平整识别。
所述步骤S2中，相控点分布密度标准为相控点每平方公里内不少于10个，相控点规格包括大小为40cm×40cm的相控点规格。
所述步骤S3中，预设水平飞行高度为30米内。
所述步骤S5中，数据预处理的方法为：首先对原始点云数据进行分类，使用CSF(Cloth Simulation Filter)布料模拟滤波算法分出地形表面数据点和不同地物的数据点，初次过滤数据；再利用SOR(Statistical Outlier Removal)噪声滤波算法处理，以提升所采集的数据反应场地情况的准确度，避免航测数据噪声和奇异值影响场地模型建立的质量。
所述步骤S6中，点云数据中所有地面点均为特征点时，其数据信息经处理后是直接反映点位的三维坐标，经最小二乘法快速拟合为精确的三维坐标，再通过大量的特征点计算来获取数字高程模型。
所述步骤S8中，以三维点云模型进一步计算和连接搭建出三维三角的网格表面模型，具体方法是将图像中纹理像素映射到三维网格中来得到高精度且具有丰富细节的三维表面模型。
步骤S9中，根据生成的场地的三维实景模型实景模型，通过模型观测到场地的平整情况；具体方法为：
步骤A1、采用基于最小二乘法对场地平整标高进行优化，找到最佳场地平整高度，对变电站场地现场进行区域划分，即低于场地平整标准的需填方区和高于场地平整标准的挖方区；
步骤A2、获得最佳场地平整高度，即施工高度，标准是使场地范围内所在的场地平整标高或微体积的土方石工程量达到最小，使其平方和最小，以公式表述为
Figure BDA0003576560690000061
公式一；
施工高度的目标函数为
Figure BDA0003576560690000062
公式二；
约束条件以公式表述为：
Figure BDA0003576560690000071
式中:a为误差允许范围，即使用最小二乘法使各点间的距离；
m、n、p、q为平整场地内方向上允许坡度限值；
Co为场地内原点标高；Ck为场地内任意一点的平面坐标；
Zk为任意一点原地形标高；
Hk为场地设计平面标高；
标高Z高为平整场地范围内允许标高最低限值；Z低为平整场地范围内允许标高最高限值。

Claims (7)

1.采用无人机载激光点云的变电站场地平整识别方法，其特征在于：包括以下步骤：
步骤S1、外业勘测：对需进行场地平整的变电站进行现场勘测，确定无人机的起飞点、降落点，以及飞行区域、飞行高度、飞行架次；
步骤S2、制定相控点：根据飞行区域，选择合适的相控点分布密度及相控点尺寸，同时在地面上做好相关标记，所述相控点用于搭建三维模型时校核；
步骤S3、相控点的数据采集：无人机在固定的预设水平飞行高度，使机载点云设备保持竖直状态，对相控点区域多次采集其相控点地面数据以提高数据的准确率来便于点云数据的校验；
步骤S4、场地的点云数据采集：无人机载激光点云测量设备按照轨迹飞行，维持姿态恒定以保证测量精度，采集飞行区域内的变电站场地点云数据；
步骤S5、将生成的点云数据进行数据预处理，避免航测数据噪声和奇异值影响场地模型建立的质量；
步骤S6、当点云数据中所有地面点均为特征点时，通过对特征点的计算来建立三维点云的数字高程模型；
步骤S7、数据检验：在建立好的数字高程模型中找到相控点位置，校验模型与现场相控点数据是否一致，若不一致，则重新采集相控点地面数据；
步骤S8、生成场地的三维实景模型；
步骤S9：按场地平整要求应符合土石方平衡开挖原理和土石方最小开挖量的平整识别原则，进行场地平整识别。
2.根据权利要求1所述的采用无人机载激光点云的变电站场地平整识别方法，其特征在于：所述步骤S2中，相控点分布密度标准为相控点每平方公里内不少于10个，相控点规格包括大小为40cm×40cm的相控点规格。
3.根据权利要求1所述的采用无人机载激光点云的变电站场地平整识别方法，其特征在于：所述步骤S3中，预设水平飞行高度为30米内。
4.根据权利要求1所述的采用无人机载激光点云的变电站场地平整识别方法，其特征在于：所述步骤S5中，数据预处理的方法为：首先对原始点云数据进行分类，使用CSF布料模拟滤波算法分出地形表面数据点和不同地物的数据点，初次过滤数据；再利用SOR噪声滤波算法处理，以提升所采集的数据反应场地情况的准确度，避免航测数据噪声和奇异值影响场地模型建立的质量。
5.根据权利要求1所述的采用无人机载激光点云的变电站场地平整识别方法，其特征在于：所述步骤S6中，点云数据中所有地面点均为特征点时，其数据信息经处理后是直接反映点位的三维坐标，经最小二乘法快速拟合为精确的三维坐标，再通过大量的特征点计算来获取数字高程模型。
6.根据权利要求1所述的采用无人机载激光点云的变电站场地平整识别方法，其特征在于：所述步骤S8中，以三维点云模型进一步计算和连接搭建出三维三角的网格表面模型，具体方法是将图像中纹理像素映射到三维网格中来得到高精度且具有丰富细节的三维表面模型。
7.根据权利要求1所述的采用无人机载激光点云的变电站场地平整识别方法，其特征在于：步骤S9中，根据生成的场地的三维实景模型实景模型，通过模型观测到场地的平整情况；具体方法为：
步骤A1、采用基于最小二乘法对场地平整标高进行优化，找到最佳场地平整高度，对变电站场地现场进行区域划分，即低于场地平整标准的需填方区和高于场地平整标准的挖方区；
步骤A2、获得最佳场地平整高度，即施工高度，标准是使场地范围内所在的场地平整标高或微体积的土方石工程量达到最小，使其平方和最小，以公式表述为
Figure FDA0003576560680000021
公式一；
施工高度的目标函数为
Figure FDA0003576560680000022
公式二；
约束条件以公式表述为：
Figure FDA0003576560680000031
式中:a为误差允许范围，即使用最小二乘法使各点间的距离；
m、n、p、q为平整场地内方向上允许坡度限值；
Co为场地内原点标高；Ck为场地内任意一点的平面坐标；
Zk为任意一点原地形标高；
Hk为场地设计平面标高；
标高Z高为平整场地范围内允许标高最低限值；Z低为平整场地范围内允许标高最高限值。
CN202210346055.2A 2022-03-31 2022-03-31 采用无人机载激光点云的变电站场地平整识别方法 Pending CN114943890A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210346055.2A CN114943890A (zh) 2022-03-31 2022-03-31 采用无人机载激光点云的变电站场地平整识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210346055.2A CN114943890A (zh) 2022-03-31 2022-03-31 采用无人机载激光点云的变电站场地平整识别方法

Publications (1)

Publication Number Publication Date
CN114943890A true CN114943890A (zh) 2022-08-26

Family

ID=82907251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210346055.2A Pending CN114943890A (zh) 2022-03-31 2022-03-31 采用无人机载激光点云的变电站场地平整识别方法

Country Status (1)

Country Link
CN (1) CN114943890A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115469328A (zh) * 2022-08-29 2022-12-13 中国电建集团福建省电力勘测设计院有限公司 一种基于激光点云的数字化基坑验收方法
CN116448080A (zh) * 2023-06-16 2023-07-18 西安玖安科技有限公司 一种基于无人机倾斜摄影辅助土方开挖施工的方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115469328A (zh) * 2022-08-29 2022-12-13 中国电建集团福建省电力勘测设计院有限公司 一种基于激光点云的数字化基坑验收方法
CN116448080A (zh) * 2023-06-16 2023-07-18 西安玖安科技有限公司 一种基于无人机倾斜摄影辅助土方开挖施工的方法
CN116448080B (zh) * 2023-06-16 2023-09-05 西安玖安科技有限公司 一种基于无人机倾斜摄影辅助土方开挖施工的方法

Similar Documents

Publication Publication Date Title
CN111322994B (zh) 基于无人机倾斜摄影的房屋密集区大比例尺地籍测量方法
CN102506824B (zh) 一种城市低空无人机系统生成数字正射影像图的方法
CN114353876A (zh) 一种黄土公路边坡健康监测方法
CN101976467A (zh) 一种集成机载lidar和车载移动激光扫描技术的高精细三维城市场景构建方法
Gruen et al. Joint processing of UAV imagery and terrestrial mobile mapping system data for very high resolution city modeling
CN111597666A (zh) 一种将bim应用到变电站建设过程的方法
CN114943890A (zh) 采用无人机载激光点云的变电站场地平整识别方法
CN106683132A (zh) 一种高精细城市三维建模方法
CN113034470B (zh) 基于无人机倾斜摄影技术的沥青混凝土厚度无损检测方法
CN111426303A (zh) 一种岩溶坡立谷参数测量方法
Sun et al. Building displacement measurement and analysis based on UAV images
CN113012292A (zh) 一种基于无人机航拍的ar远程施工监控方法及系统
Gaspari et al. Integration of UAV-lidar and UAV-photogrammetry for infrastructure monitoring and bridge assessment
Jiang et al. Determination of construction site elevations using drone technology
Sammartano et al. Oblique images and direct photogrammetry with a fixed wing platform: first test and results in Hierapolis of Phrygia (TK)
CN116448080B (zh) 一种基于无人机倾斜摄影辅助土方开挖施工的方法
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
Trevoho et al. Aerial data application for construction of large-scale plans
Huang et al. Integration of mobile laser scanning data with UAV imagery for very high resolution 3D city modeling
CN111783192B (zh) 基于倾斜摄影实景模型的复杂地形场地平整土方计算方法
Saponaro et al. Influence of co-alignment procedures on the co-registration accuracy of multi-epoch SFM points clouds
Gabara et al. Kortowo test field for testing photogrammetric products accuracy–design and first evaluation
Elaksher et al. Refinement of digital elevation models in urban areas using breaklines via a multi-photo least squares matching algorithm
CN113532283B (zh) 基于消费级无人机协同gps监测基坑位移趋势的方法

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