CN114969944A - 一种高精度道路dem构建方法 - Google Patents
一种高精度道路dem构建方法 Download PDFInfo
- Publication number
- CN114969944A CN114969944A CN202210690789.2A CN202210690789A CN114969944A CN 114969944 A CN114969944 A CN 114969944A CN 202210690789 A CN202210690789 A CN 202210690789A CN 114969944 A CN114969944 A CN 114969944A
- Authority
- CN
- China
- Prior art keywords
- road
- point
- nodes
- dem
- elevation
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 32
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000006243 chemical reaction Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011439 discrete element method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Abstract
本发明公开了一种高精度道路DEM构建方法,涉及高精度数字高程模型构建技术领域,其技术方案要点是包括如下步骤:S1,对采集的道路侧边线和中心线按照一定步长插入节点,并基于Lidar点数据计算节点高程值;S2,对侧边线和中心线节点的高程值动态调整,消除异常抖动;S3,生成道路面高程点,构建道路面局部形态控制方程,以侧边线和中心线节点构建精度控制方程;S4,联立方程求解,得到道路面高程点的高程值,进而插值得到道路DEM。本发明提出的道路DEM构建方法,充分考虑了道路侧边线和道路中心线对道路形态的控制作用,同时融合道路表面几何与语义信息,使得构建的道路DEM符合实际道路的形态特征。
Description
技术领域
本发明涉及高精度数字高程模型构建技术领域,具体是一种高精度道路DEM构建方法。
背景技术
数字高程模型(Digital Elevation Model,简称DEM)是最重要的国家地理信息基础数据之一,DEM通过有限的地形高程数据实现对地面地形的数字化模拟。DEM是交通、水利、环境等许多工程应用领域的支撑数据,也广泛应用于全球变化、环境保护、自然灾害等科学研究领域。因此,高精度DEM的快速获取和生产一直是测绘、地学及其相关研究领域的核心命题之一。
随着对地观测、数据采集与处理等软硬件技术的快速发展,目前可获取的DEM数据种类、尺度都呈多样化发展趋势。从数据生产及应用的区域范围来看,一般是在较大尺度上以星载立体影像、雷达、InSAR等数据生产的DEM数据为主,而在城市等重点区域则以无人机倾斜摄影、激光点云等数据来构建较高分辨率DEM。然而需要指出的是,随着社会经济发展和科技进步,持续且不断加强的各种人类活动已经将自然地表改造成自然-人工混合共存的地形,并在形态、功能等方面呈现出一些典型特征。其中城市地区的道路具有与其他地形差异明显的形态特征,同时作为城市地形的骨架要素,道路对城市地形的延伸和起伏还具有重要的控制与约束作用,因此城市地区道路DEM的构建已经成为测绘领域的热点问题。
道路与其他地形之间存在清晰的边界,因此在提取道路边界的基础上对道路实施独立建模已经成为DEM相关研究人员的共识。在道路DEM构建研究的初期,研究人员主要精力放在道路边界线提取上,在道路边界提取的基础上对道路进行三角剖分构建DEM;该类研究考虑到了道路与其周围地形在地表形态上的独立性,但是没有顾及到道路自身表面的形态特点;后来有学者考虑到道路表面的形态特征,将其简化为一个横向水平、纵向起伏的带状表面,并基于此设计了相关的道路DEM建模技术方法,这种简化符合道路表面的基本形态,同时在观测数据相对缺乏的情况下能够取得较好的建模效果。然而,现在各种数据采集平台迅速发展,海量、密集的地形数据可以支撑道路DEM的构建;同时,城市雨洪模拟等对城市地表的精细化模拟提出了更高的要求,此时上述道路的简化模型已经无法满足建模需求,必需要提出新的道路DEM建模方法。
为此,本发明以Lidar点云为数据基础,在充分考虑道路横向、纵向形态特征的基础上,设计了一种全新的道路DEM建模方法。该方法以两条道路侧边线和道路中心线为道路表面形态的控制约束线,允许道路表面在纵向和横向上存在起伏,同时设计了能够控制道路表面局部形态特征的方法,使得构建的道路DEM高程上符合DEM精度需求,形态上与实际道路表面一致,功能上能够支撑精细尺度地表的雨水汇流过程分析,有望进一步提升DEM在城市规划等领域的应用潜力。
发明内容
为了解决上述现有技术的问题,在Lidar点云数据的支撑下,可以将两条道路侧边线和道路中心线作为道路面高程和形态的控制线,首先在保证道路正常形态起伏的前提下对道路侧边线和中心线上的高程进行一定程度的平滑处理,然后将道路侧边线和道路中心线上的高程信息与道路表面形态特征语义信息有效融合,实现道路表面DEM高程值的计算,最后构建的道路DEM在保证高程精度的同时,在道路横向和纵向两个方向上的形态特征表达与实际道路非常符合。
本发明采用的技术方案如下:
一种高精度道路DEM构建方法,包括以下步骤:首先对两条道路侧边线和一条道路中心线按照道路DEM格网尺寸插入节点,并基于Lidar点云数据计算每个节点的初始高程值;然后,在保证道路在纵向方向上基本起伏形态的前提下,对道路侧边线、中心线上的节点进行调整,消除局部的异常震荡;接着,对道路侧边线及中心线上的节点进行坐标转换,使道路侧边线和中心线上节点分别按照水平方向排列,并在纵向上在两条道路侧边线节点和道路中心线节点直接按照道路DEM格网尺寸插入节点;进一步,对上一步生成的道路面高程点构建水平方向和垂直方向上的形态约束方程,以道路侧边线和道路中心线节点上的高程值为精度控制,将方程联合并求解得到所有道路节点的高程值;最后,将所有道路节点进行逆变换,并采用反距离加权插值法插值得到道路DEM。
进一步地,所述方法具体包括如下步骤:
S1,以拟构建的道路DEM的格网尺寸为步长,分别沿道路的两个侧边线和中心线按照步长插入节点;
S2,对两条道路侧边线中插入的所有节点,以拟构建的道路DEM格网尺寸为半径,以节点为半径生成位于道路内部的搜索半圆,统计落入搜索半圆内的Lidar高程点的平均值,将其赋值给对应节点作为高程初始值;
S3,对道路中心线中插入的所有节点,以拟构建的道路DEM格网尺寸为半径,以节点为半径生成位于道路内部的搜索圆,统计落入搜索圆内的Lidar高程点的平均值,将其赋值给对应节点作为高程初始值;
S4,对两条道路侧边线和一条道路中心线所插入节点的高程值做动态调整,消除异常抖动;
S5,对所有节点进行坐标转换,使两条道路侧边线上、以及道路中心线上的节点分别在水平方向上排列,而从道路一段开始的第一条道路侧边线、中心线、第二条道路侧边线上相同次序的节点在垂直方向上排列;
S6,对坐标转换完成的点集,在第一条道路侧边线节点与道路中心线节点之间,以及道路中心线与第二条道路侧边线节点之间,依次按照拟构建道路DEM格网尺寸插入节点;
S7,对步骤S6得到的点集,在水平方向上和垂直方向上分别构建形态约束方程组,其中两条道路侧边线及道路中心线上节点的高程为已知,步骤S6中插入的节点高程为未知;
S8,联立方程组并求解,得到所有点的高程值;
S9,将点做坐标逆变换,然后以得到的点数据采用反距离加权插值,得到最终道路DEM结果。
进一步地,所述步骤S7的具体过程为:
S41,确定一个距离参数,如10米;
S42,读入一条道路侧边线数据,将其首尾两个节点(记为A和B)标记为不可编辑;
S43,判断A、B两点的水平距离LAB,如果LAB小于距离参数,则执行步骤S45,否则依次遍历A、B之间的其余道路侧边线上的节点,计算节点与A、B水平连线的距离值,并选择距离值最大的点(记为C),将C点标记为不可编辑;
S44,分别将A、C作为首尾点执行步骤S43,将C、B作为首尾点执行步骤S43;
S45,对首尾两点之间的点实施移动平均平滑操作,具体操作步骤为:从距离首节点最近的那个节点开始,判断该点是否标记为不可编辑,如果没有标记,则取该点左边点、该点、该点右边点高程值的平均值,然后将该点值改为计算得到的平均值,并继续按照本步骤处理下一个节点,如果该点标记为不可编辑,则直接处理下一个节点,直到尾节点。
进一步地,所述步骤S7的具体过程为:
S71,将步骤S6得到的点数据向外扩充一周,距原来点数据集边界上点的距离为拟构建道路DEM的格网尺寸,假设原点数据集为M行、N列,则扩充后的点数据集为M+2行、N+2列,且相邻点之间的距离为道路DEM格网尺寸;
S72,对点数据集的每一个非边界点,取其左边点、右边点及其自身构建水平方向上的形态约束方程,方程数量为M×N,将其联合为一个方程组;
S73,对点数据集的每一个非边界点,取其上边点、下边点及其自身构建垂直方向上的形态约束方程,方程数量为M×N,将其联合为一个方程组;
S74,依次遍历两条道路侧边线、道路中心线节点,若节点有高程值,构建节点位置上的高程精度约束方程,最后将所有精度约束方程联和为一个方程组;
S75,依据最小二乘原理,将步骤S72、步骤S73、步骤S74得到的方程组联合为一个大型线性方程组。
本发明的技术特点及有益效果:
(1)本发明提出的道路DEM构建方法,在Lidar点云数据的支撑下,充分考虑了道路侧边线和道路中心线对道路三维形态的控制作用,使得构建的道路DEM在宏观上符合现实世界道路的形态特征;
(2)本发明提出的道路DEM构建方法,在道路表面高程插值过程中通过坐标转换在道路的横向和纵向分别构建了形态约束方程,使得道路在横向、纵向都能保持光滑性和一定的高程差异变化,解决了以往道路DEM建模只允许纵向有起伏的限制,所构建的道路DEM表面更加符合实际道路表面。
附图说明
图1为本发明方法的流程图;
图2为道路侧边线和中心线插入节点示意图;
图3为道路侧边线节点初值计算示意图;
图4为道路中心线节点初值计算示意图;
图5为道路侧边线节点高程值动态调整示意图;
图6为道路侧边线节点和道路中心线节点坐标转换效果图;
图7为完整的道路面高程点示意图;
图8为道路面高程点构建局部形态约束方程示意图;
图9为实施例中的道路侧边线和道路中心线;
图10为实施例中道路侧边线和道路中心线插入节点示意图;
图11为实施例中本发明方法构建的道路DEM;
图12为实施例中本发明方法结果对应的坡度图;
图13为实施例中反距离加权方法结果对应的坡度图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明方法首先对两条道路侧边线和一条道路中心线按照道路DEM格网尺寸插入节点,并基于Lidar点云数据计算每个节点的初始高程值;然后,在保证道路在纵向方向上基本起伏形态的前提下,对道路侧边线、中心线上的节点进行调整,消除局部的异常震荡;接着,对道路侧边线及中心线上的节点进行坐标转换,使道路侧边线和中心线上节点分别按照水平方向排列,并在纵向上在两条道路侧边线节点和道路中心线节点直接按照道路DEM格网尺寸插入节点;进一步,对上一步生成的道路面高程点构建水平方向和垂直方向上的形态约束方程,以道路侧边线和道路中心线节点上的高程值为精度控制,将方程联合并求解得到所有道路节点的高程值;最后,将所有道路节点进行逆变换,并采用反距离加权插值法插值得到道路DEM。
如图1所示,本实施例高精度道路DEM构建方法的具体步骤如下:
步骤1:读入道路侧边线和道路中心线,以拟构建道路DEM的栅格尺寸为步长在道路侧边线和中心线上插入节点(图2);
步骤2:将做过滤波处理的Lidar点云数据与道路侧边线与道路中心线叠加;
步骤3:对道路侧边线,从第一个节点开始,以节点为圆心,以道路DEM栅格尺寸为半径做位于道路面内的半圆(图3),统计落入半圆内的Lidar点的平均高程值,将其赋值给圆心节点作为初始高程值;
步骤4:对道路中心线,从第一个节点开始,以节点为圆心,以道路DEM栅格尺寸为半径做位于道路面内的圆(图4),统计落入圆内的Lidar点的平均高程值,将其赋值给圆心节点作为初始高程值;
步骤5:选择一条道路侧边线,首先将该侧边线的首尾两点A和B标记为不可编辑,然后计算中间其余节点到直线AB的距离,计算完成后,选择距离最大的对应节点C,并将C点标记为不可编辑(图5);
步骤6:确定一个距离阈值参数,分别计算线段AC、线段CB的长度,若线段长度大于距离阈值参数,则将该线段看作一条新的道路侧边线,再返回步骤5继续执行;若线段长度小于距离阈值参数,则对线段内部的其余节点按照步骤7进行平滑处理;
步骤7:从第二个节点开始处理每一个节点,对当前处理节点,选择其左边节点和右边节点,连同当前处理节点自身计算三个节点的高程平均值作为当前处理节点的调整高程值。如果当前节点没有有效高程值则不处理,类似的,在计算平均高程值时如果当前处理节点左边点或者右边点没有有效高程值,则不统计;
步骤8:对另一条道路侧边线,执行步骤5-7,完成节点高程值的调整;
步骤9:对道路中心线,执行步骤5-7,完成节点高程值的调整;
步骤10:将步骤5-10调整后的节点执行坐标转换操作,转换公式为:
X=xleft+(l/2)+(n*l) (1)
Y=yright+(l/2)+(i*dis) (2)
式中:(X,Y)为转换后的坐标,(xleft,yright)为该道路外包矩形左上角的坐标,n为道路线的第n个节点的位置,将三条道路线从上至下依次排序,i为当前道路线位置,(i=0,1,2),l为栅格尺寸,即步长,dis为当前道路线与第一条道路线之间的距离,(x00,y00)原始第一条道路线首节点的坐标,(xi0,yi0)当前道路线在首节点的坐标,转换结果如图6所示;
步骤11:在道路侧边线节点与中心线节点之间,以道路DEM栅格尺寸为步长插入节点,其高程值为未知(图7),与原有道路侧边线及中心线节点共同组成道路面高程点;
步骤12:将步骤11得到的道路面高程点向外扩一个节点,距离为道路DEM栅格尺寸;
步骤13:对处在非边界位置上的每一个道路面高程点,与其左右、上下相邻道路面高程点构建水平方向和垂直方向上的形态约束方程(图8),如式(3)(4);
步骤14:对所有非边界上的道路面高程点构建的方程,分别将式(3)联立为方程组(5),将式(4)联立为方程组(6);
AF=p (5)
BF=q (6)
上式中,A和B分别表示方程组的系数矩阵,F表示方程组的未知向量,p和q分别表示方程组的常数项组成的向量。
步骤15:对道路侧边线节点和道路中心线节点,选择具有有效高程值的点,构建精度控制方程(7),然后将所有精度控制方程联立为方程组(8);
SF=K (8)
步骤16:根据最小二乘准则,将方程组(5)、(6)、(7)联立为一个大型线性方程组(9)
将上式转换为方程组:
WX=V (10)
其中:
W=ATA+BTB+STS
V=ATp+BTq+STk
步骤17:求解方程组(10),将解向量依次赋值给道路面高程点;
步骤18:将道路面高程点执行坐标逆变换。按照步骤10中确定好的线顺序,根据三条道路线的原始坐标对三条线上的节点直接进行转换,再依据转换好的这三条线从首节点开始依次计算其余节点逆转换坐标位置。
对第一条侧边线和中心线之间的节点坐标转换,坐标计算公式如下:
X=xai+n1*l (11)
Y=yai+n1*l (12)
对中心线和另一条侧边线之间的节点坐标转换,坐标计算公式如下:
X=xbi+n2*l (13)
Y=ybi+n2*l (14)
其中:
式中:X,Y为逆转换后的坐标,l为栅格尺寸,i为道路线节点的位置,将原始三条道路线自上到下排序记为a,b,c,n1,n2用来标记过程点的序号,D1为道路线a,b在i位置的节点间的距离,D2为道路线b,c在i位置的节点间的距离,(xai,yai)为道路线a在i位置节点逆转换后坐标,(xbi,ybi)道路线b在i位置节点逆转换后坐标,(xci,yci)道路线c在i位置节点逆转换后坐标。
步骤19:基于坐标逆变换后的道路面高程点,采用反距离加权插值法,插值得到道路DEM结果。
实施例
为了验证本发明方法构建DEM的效果,本实例选取了位于一段位于国内的实际道路(图9)进行DEM构建测试,建模数据为用无人机采集的Lidar点云。应用本发明方法的DEM构建实施步骤如下:
步骤1:设置构建道路DEM栅格尺寸为0.5米,将两条道路侧边线、一条道路中心线按照0.5米间距插入节点(图10);
步骤2:利用Lidar点云数据,对道路侧边线、道路中心线的节点赋初始高程值;
步骤3:调整道路侧边线、道路中心线节点的高程值,消除局部的震荡现象;
步骤4:将道路侧边线、道路中心线节点做坐标转换;
步骤5:在道路侧边线与道路中心点之间按照0.5米步长插入节点,组成待计算的道路面高程点;
步骤6:将道路面高程点向外扩一个点,构建形态约束方程,计算每个道路高程点的高程值;
步骤7:将道路高程点做坐标逆变换,然后将点数据转为栅格数据,得到构建完成的道路DEM数据(图11);
步骤8:由本发明方法构建的道路DEM提取坡度(图12),由经典插值方法IDW法利用Lidar点云数据插值得到道路DEM再提取坡度(图13),两种结果提取坡度的对比可以看出本发明方法构建的道路DEM更加符合实际道路形态。
综合以上分析,可以看出本发明方法构建的道路DEM很好地保持了道路的形态特征,适用于城市等区域高精度DEM构建。
Claims (3)
1.一种高精度道路DEM构建方法,其特征在于,包括如下步骤:
S1,以拟构建的道路DEM的格网尺寸为步长,分别沿道路的两个侧边线和中心线按照步长插入节点;
S2,对两条道路侧边线中插入的所有节点,以拟构建的道路DEM格网尺寸为半径,以节点为半径生成位于道路内部的搜索半圆,统计落入搜索半圆内的Lidar高程点的平均值,将其赋值给对应节点作为高程初始值;
S3,对道路中心线中插入的所有节点,以拟构建的道路DEM格网尺寸为半径,以节点为半径生成位于道路内部的搜索圆,统计落入搜索圆内的Lidar高程点的平均值,将其赋值给对应节点作为高程初始值;
S4,对两条道路侧边线和一条道路中心线所插入节点的高程值做动态调整,消除异常抖动;
S5,对所有节点进行坐标转换,使两条道路侧边线上、以及道路中心线上的节点分别在水平方向上排列,而从道路一段开始的第一条道路侧边线、中心线、第二条道路侧边线上相同次序的节点在垂直方向上排列;
S6,对坐标转换完成的点集,在第一条道路侧边线节点与道路中心线节点之间,以及道路中心线与第二条道路侧边线节点之间,依次按照拟构建道路DEM格网尺寸插入节点;
S7,对步骤S6得到的点集,在水平方向上和垂直方向上分别构建形态约束方程组,其中两条道路侧边线及道路中心线上节点的高程为已知,步骤S6中插入的节点高程为未知;
S8,联立方程组并求解,得到所有点的高程值;
S9,将点做坐标逆变换,然后以得到的点数据采用反距离加权插值,得到最终道路DEM结果。
2.根据权利要求1所述的一种高精度道路DEM构建方法,其特征在于,所述步骤S4的具体过程为:
S41,确定一个距离参数;
S42,读入一条道路侧边线数据,将其首尾两个节点,记为A和B,标记为不可编辑;
S43,判断A、B两点的水平距离LAB,如果LAB小于距离参数,则执行步骤S45,否则依次遍历A、B之间的其余道路侧边线上的节点,计算节点与A、B水平连线的距离值,并选择距离值最大的点,记为C,将C点标记为不可编辑;
S44,分别将A、C作为首尾点执行步骤S43,将C、B作为首尾点执行步骤S43;
S45,对首尾两点之间的点实施移动平均平滑操作,具体操作步骤为:从距离首节点最近的那个节点开始,判断该点是否标记为不可编辑,如果没有标记,则取该点左边点、该点、该点右边点高程值的平均值,然后将该点值改为计算得到的平均值,并继续按照本步骤处理下一个节点,如果该点标记为不可编辑,则直接处理下一个节点,直到尾节点。
3.根据权利要求2所述的一种高精度道路DEM构建方法,其特征在于,所述步骤S7的具体过程为:
S71,将步骤S6得到的点数据向外扩充一周,距原来点数据集边界上点的距离为拟构建道路DEM的格网尺寸,假设原点数据集为M行、N列,则扩充后的点数据集为M+2行、N+2列,且相邻点之间的距离为道路DEM格网尺寸;
S72,对点数据集的每一个非边界点,取其左边点、右边点及其自身构建水平方向上的形态约束方程,方程数量为M×N,将其联合为一个方程组;
S73,对点数据集的每一个非边界点,取其上边点、下边点及其自身构建垂直方向上的形态约束方程,方程数量为M×N,将其联合为一个方程组;
S74,依次遍历两条道路侧边线、道路中心线节点,若节点有高程值,构建节点位置上的高程精度约束方程,最后将所有精度约束方程联和为一个方程组;
S75,依据最小二乘法原理,将步骤S72、步骤S73、步骤S74得到的方程组联合为一个大型线性方程组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210690789.2A CN114969944B (zh) | 2022-06-17 | 2022-06-17 | 一种高精度道路dem构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210690789.2A CN114969944B (zh) | 2022-06-17 | 2022-06-17 | 一种高精度道路dem构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114969944A true CN114969944A (zh) | 2022-08-30 |
CN114969944B CN114969944B (zh) | 2024-04-26 |
Family
ID=82962752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210690789.2A Active CN114969944B (zh) | 2022-06-17 | 2022-06-17 | 一种高精度道路dem构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114969944B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091369A (zh) * | 2023-04-10 | 2023-05-09 | 武汉天际航信息科技股份有限公司 | 数字道路地图区分方法、装置、计算设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060027928A (ko) * | 2004-09-24 | 2006-03-29 | 김민석 | 수치지도와 LiDAR 자료를 이용한 도시지역 도로의선형 설계요소 추출 방법 및 그 프로그램을 저장한기록매체 |
CN103399990A (zh) * | 2013-07-18 | 2013-11-20 | 北京工业大学 | 城市排水仿真模拟系统的道路精细离散网格构建方法 |
CN105336003A (zh) * | 2015-09-28 | 2016-02-17 | 中国人民解放军空军航空大学 | 结合gpu技术实时流畅绘制出三维地形模型的方法 |
CN111858810A (zh) * | 2020-07-20 | 2020-10-30 | 滁州学院 | 一种面向道路dem构建的建模高程点筛选方法 |
CN112017288A (zh) * | 2020-08-28 | 2020-12-01 | 滁州学院 | 一种基于地形图数据的dem综合与简化方法 |
CN112116709A (zh) * | 2020-09-17 | 2020-12-22 | 滁州学院 | 一种提高地形表达精度的地形特征线处理方法 |
US20210024074A1 (en) * | 2018-09-28 | 2021-01-28 | Tencent Technology (Shenzhen) Company Limited | Road gradient determining method and apparatus, storage medium, and computer device |
CN113012286A (zh) * | 2021-03-23 | 2021-06-22 | 滁州学院 | 一种基于密集点云数据构建道路dem的方法 |
CN113343346A (zh) * | 2021-08-09 | 2021-09-03 | 速度时空信息科技股份有限公司 | 一种基于高精地图的三维交通场景快速建模方法 |
CN113706698A (zh) * | 2021-10-25 | 2021-11-26 | 武汉幻城经纬科技有限公司 | 实景三维道路重建方法及装置、存储介质、电子设备 |
-
2022
- 2022-06-17 CN CN202210690789.2A patent/CN114969944B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060027928A (ko) * | 2004-09-24 | 2006-03-29 | 김민석 | 수치지도와 LiDAR 자료를 이용한 도시지역 도로의선형 설계요소 추출 방법 및 그 프로그램을 저장한기록매체 |
CN103399990A (zh) * | 2013-07-18 | 2013-11-20 | 北京工业大学 | 城市排水仿真模拟系统的道路精细离散网格构建方法 |
CN105336003A (zh) * | 2015-09-28 | 2016-02-17 | 中国人民解放军空军航空大学 | 结合gpu技术实时流畅绘制出三维地形模型的方法 |
US20210024074A1 (en) * | 2018-09-28 | 2021-01-28 | Tencent Technology (Shenzhen) Company Limited | Road gradient determining method and apparatus, storage medium, and computer device |
CN111858810A (zh) * | 2020-07-20 | 2020-10-30 | 滁州学院 | 一种面向道路dem构建的建模高程点筛选方法 |
CN112017288A (zh) * | 2020-08-28 | 2020-12-01 | 滁州学院 | 一种基于地形图数据的dem综合与简化方法 |
CN112116709A (zh) * | 2020-09-17 | 2020-12-22 | 滁州学院 | 一种提高地形表达精度的地形特征线处理方法 |
CN113012286A (zh) * | 2021-03-23 | 2021-06-22 | 滁州学院 | 一种基于密集点云数据构建道路dem的方法 |
CN113343346A (zh) * | 2021-08-09 | 2021-09-03 | 速度时空信息科技股份有限公司 | 一种基于高精地图的三维交通场景快速建模方法 |
CN113706698A (zh) * | 2021-10-25 | 2021-11-26 | 武汉幻城经纬科技有限公司 | 实景三维道路重建方法及装置、存储介质、电子设备 |
Non-Patent Citations (4)
Title |
---|
MINGWEI ZHAO, ET AL.: "Methods for the construction of DEMs of artificial slopes considering morphological features and semantic information", JOURNAL OF MOUNTAIN SCIENCE, vol. 19, 7 February 2022 (2022-02-07), pages 563 - 577, XP037685297, DOI: 10.1007/s11629-021-6831-2 * |
叶婉露;刘永旺;: "高精度DEM模型建模方法――以某城市下立交为例", 净水技术, no. 05, 25 May 2020 (2020-05-25) * |
赵明伟;金永林;江岭;王春;杨灿灿;徐燕;: "多模型协同下的城郊地区DEM构建方法研究", 地球信息科学学报, no. 03, 25 March 2020 (2020-03-25) * |
赵明伟等: "多模型协同下的城郊地区DEM构建方法研究", 地球信息科学, vol. 22, no. 3, 31 March 2020 (2020-03-31), pages 389 - 398 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091369A (zh) * | 2023-04-10 | 2023-05-09 | 武汉天际航信息科技股份有限公司 | 数字道路地图区分方法、装置、计算设备和存储介质 |
CN116091369B (zh) * | 2023-04-10 | 2023-07-07 | 武汉天际航信息科技股份有限公司 | 数字道路地图区分方法、装置、计算设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114969944B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921943B (zh) | 一种基于车道级高精度地图的道路三维模型建模方法 | |
CN101838958B (zh) | 道路坡度的检测方法 | |
CN107193888B (zh) | 一种面向车道级导航定位的城市道路路网模型 | |
CN111858810B (zh) | 一种面向道路dem构建的建模高程点筛选方法 | |
CN105279793A (zh) | 一种基于dem真三维地图及绿道的建模方法及系统 | |
CN102902844A (zh) | 基于大数据量dem数据的子流域划分方法 | |
CN109671149A (zh) | 基于dem的地形素描图自动绘制方法 | |
CN112348867B (zh) | 基于LiDAR点云数据的城市高精度三维地形构建方法及系统 | |
CN109558643B (zh) | 一种交通场景建模及模型单体化方法 | |
CN103927418A (zh) | 基于dem的城市道路渠网化排水通道制作方法 | |
CN105354832A (zh) | 一种山区卫星影像自动配准到地理底图上的方法 | |
CN103559506A (zh) | 一种基于矢量边界的亚像元制图方法 | |
Yan et al. | Description approaches and automated generalization algorithms for groups of map objects | |
Khayyal et al. | Creation and spatial analysis of 3D city modeling based on GIS data | |
Domingo et al. | Long-term changes in 3D urban form in four Spanish cities | |
CN114969944B (zh) | 一种高精度道路dem构建方法 | |
CN112116709B (zh) | 一种提高地形表达精度的地形特征线处理方法 | |
CN110163970B (zh) | 一种数字地形模型的生成方法、装置、设备及存储介质 | |
CN110135103A (zh) | 一种采用水流模拟城市自然通风潜力的方法和系统 | |
CN114840896A (zh) | 一种基于城市道路bim的内涝积水模拟分析方法 | |
Dakowicz et al. | A unified spatial model for GIS | |
CN113343483B (zh) | 一种基于最短汇流时间的坡面流动态可视化方法 | |
Abdel-Bary Ebrahim et al. | Planning road networks in new cities using GIS: The case of New Sohag, Egypt | |
CN117333585B (zh) | 一种基于矢量瓦片地图的注记处理方法及系统 | |
Carneiro et al. | Incorporation of morphological properties of buildings’ descriptors computed from GIS and LIDAR data on an urban multi-agent vector based geo-simulator |
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 |