CN114998530A - 一种基于实景三维地形的水体监测方法和装置 - Google Patents
一种基于实景三维地形的水体监测方法和装置 Download PDFInfo
- Publication number
- CN114998530A CN114998530A CN202210817861.3A CN202210817861A CN114998530A CN 114998530 A CN114998530 A CN 114998530A CN 202210817861 A CN202210817861 A CN 202210817861A CN 114998530 A CN114998530 A CN 114998530A
- Authority
- CN
- China
- Prior art keywords
- data
- water body
- boundary
- elevation
- pixel point
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F22/00—Methods or apparatus for measuring volume of fluids or fluent solid material, not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Fluid Mechanics (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于实景三维地形的水体监测方法和装置,涉及水体监测的技术领域,包括:获取待监测区域的目标数据,其中,目标数据包括:水体边界矢量数据,实景三维DEM数据和水面高程数据;基于实景三维DEM数据和水面高程数据,对水体边界矢量数据进行校正,得到最优水体边界数据;基于水面高程数据和最优水体边界数据,对最优水体边界数据包含的区域内的像素点进行插值处理,得到最优水体边界数据包含的区域内的像素点的插值高程数据;基于最优水体边界数据包含的区域内的像素点的插值高程数据、实景三维DEM数据和像素点的面积,计算出待监测区域的水体体积,解决了现有水体监测方法的监测精度较低的技术问题。
Description
技术领域
本发明涉及水体监测的技术领域,尤其是涉及 一种基于实景三维地形的水体监测方法和装置。
背景技术
洪水灾害是自然界当前最主要和严重的自然灾害之一,有效、快速地分析和预报洪水淹没状况对于防洪减灾决策具有重要意义。其中对洪水淹没要素的分析尤为重要,如淹没范围、水深、水量、历时等,常用分析方法为水文学法和水力学法。水文学法利用水文学经验公式计算洪水演进,得到淹没区域水面高程,再结合地形高程推算淹没范围和水深,具有简单易行、计算速度快的特点,而在适用范围和精度方面存在一定不足。水力学法通过求解水流运动偏微分方程进行洪水演进模拟,从而获得风险要素随时间的变化,对于计算边界条件复杂和网格密度大的情况,模型计算时间长,作为洪水实时计算,存在先天不足。随着遥感技术的发展,越来越多的专家开展基于遥感影像解译的洪水分析方法,但是由于遥感影像固有的系统误差、遥感解译误差等原因,遥感水体边界识别存在误差,进而导致水体高程、水深、水量的计算存在误差,整体来看遥感洪水监测结果精度尚有待提高。
针对上述问题,还未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种基于实景三维地形的水体监测方法和装置,以缓解现有水体监测方法的监测精度较低的技术问题的技术问题。
第一方面,本发明实施例提供了一种基于实景三维地形的水体监测方法,包括:获取待监测区域的目标数据,其中,所述目标数据包括:水体边界矢量数据,实景三维DEM数据和水面高程数据;基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据;基于所述水面高程数据和所述最优水体边界数据,对所述最优水体边界数据包含的区域内的像素点进行插值处理,得到所述最优水体边界数据包含的区域内的像素点的插值高程数据;基于所述最优水体边界数据包含的区域内的像素点的插值高程数据、所述实景三维DEM数据和所述像素点的面积,计算出所述待监测区域的水体体积。
进一步地,基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据,包括:基于所述水体边界矢量数据和所述实景三维DEM数据,构建边界高程栅格数据集,并基于所述边界高程栅格数据集和所述水面高程数据确定出目标栅格和特定边界像素点;删除所述边界高程栅格数据集中的目标栅格和特定边界像素点,得到中间水体边界数据;基于所述水面高程数据,对所述中间水体边界数据进行校正,得到所述最优水体边界数据。
进一步地,基于所述实景三维DEM数据和所述水面高程数据,确定出所述水体边界矢量数据包含的区域内的特定边界像素点,包括:将所述水体边界矢量数据向外扩展预设尺寸,得到目标水体边界矢量数据;对所述目标水体边界矢量数据和所述实景三维DEM数据进行叠加,得到边界高程栅格数据集。
进一步地,基于所述边界高程栅格数据集和所述水面高程数据确定出目标栅格和特定边界像素点,包括: 对所述边界高程栅格数据集进行自然分类,得到分类结果;基于所述分类结果和所述水面高程数据,确定出所述目标高程范围;将所述边界高程栅格数据集中高程值不处于所述目标高程范围内的栅格,确定为所述目标栅格;基于所述实景三维DEM数据,确定出所述边界高程栅格数据集对应的坡度;将所述坡度大于预设坡度的像素点和河流湖泊出入口对应的像素点确定为所述特定边界像素点。
进一步地,基于所述水面高程数据,对所述中间水体边界数据进行校正,得到所述最优水体边界数据,包括:添加步骤,将所述中间水体边界数据中目标像素点添加至初始数据集中,其中,所述目标像素点为所述中间水体边界数据中任意一个像素点;计算步骤,基于所述水面高程数据,计算所述中间水体边界数据中目标像素点与所述目标像素点的领域像素点之间的高程差;判断步骤,基于所述高程差,确定出所述领域像素点中是否包含最终像素点,其中,所述最终像素点为高程差最小值且所述最小值处于预设范围内的像素点,和/或,所述最终像素点为特定边界像素点;第一执行步骤,若判断结果为是,则将所述最终像素点确定为所述目标像素点,并重复执行所述添加步骤、所述计算步骤和所述判断步骤,并判断所述初始数据集是否构成闭合水体边界,或,所述重复执行次数是否超过最大像素点数阈值;第二执行步骤,若判断结果为否,则将所述初始数据集中任意一个像素点,确定为所述目标像素点,并重复执行所述添加步骤、所述计算步骤和所述判断步骤,并判断所述初始数据集是否构成闭合水体边界,或,所述重复执行次数是否超过最大像素点数阈值;若所述初始数据集构成闭合水体边界,或,所述重复执行次数超过最大像素点数阈值,则将所述中间水体边界数据中除所述目标像素点以外的任意一个像素点确定为所述目标像素点,并重复执行所述添加步骤、所述计算步骤、所述判断步骤、所述第一执行步骤和第二执行步骤目标,直至遍历所述中间水体边界数据中包含的像素点;计算各个初始数据集中各个第一像素点与所述各个第一像素点对应的第一最近像素点之间的第一距离均值,其中,第一最近像素点为所述边界高程栅格数据集中包含的与所述第一像素点距离最近的像素点;计算所述边界高程栅格数据集中包含的各个第二像素点与所述各个第二像素点对应的第二最近像素点之间的第二距离均值,其中,所述第二最近像素点各个初始数据集中包含的与所述第二像素点距离最近的第一像素点;将所述第一距离均值和所述第二距离均值之和的最小值对应的初始数据集确定为所述最优水体边界数据。
进一步地,基于所述水面高程数据和所述最优水体边界数据,对所述最优水体边界数据包含的区域内的像素点进行插值处理,得到所述最优水体边界数据包含的区域内的像素点的插值高程数据,包括:基于所述最优水体边界数据中包含的像素点的高程和所述水面高程数据,构建样本集;基于所述样本集,确定出所述最优水体边界数据包含的区域中的各个像素点在各个预设方向上的最近样本点,其中,所述最近样本点为所述样本集中与所述最优水体边界数据包含的区域中的各个像素点距离最近的像素点;基于所述最优水体边界数据包含的区域中的各个像素点和所述各个预设方向上的最近样本点的距离,计算出所述各个预设方向上的最近样本点的权重值;基于所述权重值,计算出所述最优水体边界数据包含的区域内的像素点的插值高程数据。
进一步地,基于所述最优水体边界数据包含的区域内的像素点的插值高程数据、所述实景三维DEM数据和像素点的面积,计算出所述待监测区域的水体体积,包括:基于所述最优水体边界数据包含的区域内的像素点的插值高程数据和所述实景三维DEM数据,计算出所述最优水体边界数据包含的区域内的像素点对应的水深;基于所述最优水体边界数据包含的区域内的像素点对应的水深和所述像素点的面积,计算出所述待监测区域的水体体积。
第二方面,本发明实施例还提供了一种基于实景三维地形的水体监测装置,包括:获取单元,校正单元,插值单元和计算单元,其中,所述获取单元,用于获取待监测区域的目标数据,其中,所述目标数据包括:水体边界矢量数据,实景三维DEM数据和水面高程数据;所述校正单元,用于基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据;所述插值单元,用于基于所述水面高程数据和所述最优水体边界数据,对所述最优水体边界数据包含的区域内的像素点进行插值处理,得到所述最优水体边界数据包含的区域内的像素点的插值高程数据;所述计算单元,用于基于所述最优水体边界数据包含的区域内的像素点的插值高程数据、所述实景三维DEM数据和所述像素点的面积,计算出所述待监测区域的水体体积。
第三方面,本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序。
在本发明实施例中,通过获取待监测区域的目标数据,其中,所述目标数据包括:水体边界矢量数据,实景三维DEM数据和水面高程数据;基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据;基于所述水面高程数据和最优水体边界数据,对所述最优水体边界数据包含的区域内的像素点进行插值处理,得到所述最优水体边界数据包含的区域内的像素点的插值高程数据;基于所述最优水体边界数据包含的区域内的像素点的插值高程数据、所述实景三维DEM数据和所述像素点的面积,计算出所述待监测区域的水体体积。
本发明实施例中,通过利用相邻水体高程连续的机理,和高精度地形级实景三维DEM数据对遥感识别的水体边界进行校正,能够对水体边界误差进行修正,能够获得更准确的水体范围,接着根据校正后的水体边界获得准确水体边界高程,然后优选水面高程样本点,对水体水面进行反距离插值,获得水体表面高程,进而结合高精度DEM数据达到了精确计算水深和水量的目的,进而解决了现有水体监测方法的监测精度较低的技术问题,从而实现了提高水体监测的监测精度的技术效果。
本发明的其他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。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
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为本发明实施例提供的一种基于实景三维地形的水体监测方法的流程图 ;
图2为本发明实施例提供的领域像素点搜索最小值高程差像素点的示意图 ;
图3为本发明实施例提供的种一种基于实景三维地形的水体监测装置的示意图;
图4为本发明实施例提供的种电子设备的示意图 。
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,下面将结合附图对本发明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,本领域普通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。
实施例一:
根据本发明实施例,提供了一种基于实景三维地形的水体监测方法的实施例,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。
图1是根据本发明实施例的一种基于实景三维地形的水体监测方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取待监测区域的目标数据,其中,所述目标数据包括:水体边界矢量数据,实景三维DEM数据和水面高程数据;
需要说明的是,上述的水体边界矢量数据为通过遥感影像数据识别出水体边界矢量数据;上述的实景三维DEM数据为地形级实景三维DEM数据;上述的水面高程数据为物联网水文感知设备采集到的水面高程数据。
步骤S104,基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据;
步骤S106,基于所述水面高程数据和所述最优水体边界数据,对所述最优水体边界数据包含的区域内的像素点进行插值处理,得到所述最优水体边界数据包含的区域内的像素点的插值高程数据;
步骤S108,基于所述最优水体边界数据包含的区域内的像素点的插值高程数据、所述实景三维DEM数据和所述像素点的面积,计算出所述待监测区域的水体体积。
本发明实施例中,通过利用相邻水体高程连续的机理,和高精度地形级实景三维DEM数据对遥感识别的水体边界进行校正,能够对水体边界误差进行修正,能够获得更准确的水体范围,接着根据校正后的水体边界获得准确水体边界高程,然后优选水面高程样本点,对水体水面进行反距离插值,获得水体表面高程,进而结合高精度DEM数据达到了精确计算水深和水量的目的,进而解决了现有水体监测方法的监测精度较低的技术问题,从而实现了提高水体监测的监测精度的技术效果。
在本发明实施例中,步骤S104包括如下步骤:基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据,包括:
步骤S11,基于所述水体边界矢量数据和所述实景三维DEM数据,构建边界高程栅格数据集,并基于所述边界高程栅格数据集和所述水面高程数据确定出目标栅格和特定边界像素点;
步骤S12,删除所述边界高程栅格数据集中的目标栅格和特定边界像素点,得到中间水体边界数据;
步骤S13,基于所述水面高程数据,对所述中间水体边界数据进行校正,得到所述最优水体边界数据。
具体的,步骤S11包括如下步骤:
将所述水体边界矢量数据向外扩展预设尺寸,得到目标水体边界矢量数据;
对所述目标水体边界矢量数据和所述实景三维DEM数据进行叠加,得到边界高程栅格数据集。
对所述边界高程栅格数据集进行自然分类,得到分类结果;
基于所述分类结果和所述水面高程数据,确定出所述目标高程范围;
将所述边界高程栅格数据集中高程值不处于所述目标高程范围内的栅格,确定为所述目标栅格;
基于所述实景三维DEM数据,确定出所述边界高程栅格数据集对应的坡度;
将所述坡度大于预设坡度的像素点和河流湖泊出入口对应的像素点确定为所述特定边界像素点。
在本发明实施例中,首先,将水体边界矢量向内外扩展w(w=500)米(即,预设尺寸)形成缓冲区边界Lo和Li。
针对边界高程栅格数据集L进行自然分类,并参考地面自动水文站的水面高程数据,获得数值集中区域((即,目标高程范围),目标高程范围包括范围。假定遥感水体识别大部分值比较准确,所以高程值区域可以作为水面高程值合理区间。去除边界高程栅格数据集L中目标栅格(),得到第一高程集合。
手动标识人为特定边界像素点,如河流湖泊出入口,此类像素的高程值不能反应水面高程,因此不作为参考,所以从第一高程集合去除此类像素点,得到第二高程集合。
根据DEM计算第二高程集合中每个像素点的坡度,从第二高程集合中去除坡度大于的像素点,为最大坡度阈值,大于此值的像素点由于坡度太大,极易导致高程误差,不能代表附件水面的实际高程。该处也标记为特定边界像素点,并删除该类像素点,得到中间水体边界数据。
步骤S13包括如下步骤:
添加步骤,将所述中间水体边界数据中目标像素点添加至初始数据集中,其中,所述目标像素点为所述中间水体边界数据中任意一个像素点;
计算步骤,基于所述水面高程数据,计算所述中间水体边界数据中目标像素点与所述目标像素点的领域像素点之间的高程差;
判断步骤,基于所述高程差,确定出所述领域像素点中是否包含最终像素点,其中,所述最终像素点为高程差最小值且所述最小值处于预设范围内的像素点,和/或,所述最终像素点为特定边界像素点;
第一执行步骤,若判断结果为是,则将所述最终像素点确定为所述目标像素点,并重复执行所述添加步骤、所述计算步骤和所述判断步骤,并判断所述初始数据集是否构成闭合水体边界,或,所述重复执行次数是否超过最大像素点数阈值;
第二执行步骤,若判断结果为否,则将所述初始数据集中任意一个像素点,确定为所述目标像素点,并重复执行所述添加步骤、所述计算步骤和所述判断步骤,并判断所述初始数据集是否构成闭合水体边界,或,所述重复执行次数是否超过最大像素点数阈值;
若所述初始数据集构成闭合水体边界,或,所述重复执行次数超过最大像素点数阈值,则将所述中间水体边界数据中除所述目标像素点以外的任意一个像素点确定为所述目标像素点,并重复执行所述添加步骤、所述计算步骤、所述判断步骤、所述第一执行步骤和第二执行步骤目标,直至遍历所述中间水体边界数据中包含的像素点;
计算各个初始数据集中各个第一像素点与所述各个第一像素点对应的第一最近像素点之间的第一距离均值,其中,第一最近像素点为所述边界高程栅格数据集中包含的与所述第一像素点距离最近的像素点;
计算所述边界高程栅格数据集中包含的各个第二像素点与所述各个第二像素点对应的第二最近像素点之间的第二距离均值,其中,所述第二最近像素点各个初始数据集中包含的与所述第二像素点距离最近的第一像素点;
将所述第一距离均值和所述第二距离均值之和的最小值对应的初始数据集确定为所述最优水体边界数据。
下面将结合图2对上述步骤进行详细说明:
3、在缓冲区Lo和Li范围内,寻找邻域像素点范围高程差最小的点(如图2所示),落差范围阈值(即,预设范围)为,该预设范围根据水面落差情况和DEM空间分辨率进行设置和调整,在落差允许范围内没有点时可以选择已加入初始数据集的像素点获得,把增加到初始数据集;如果领域像素点中包括特定边界像素点,则可直接将特定边界像素点作为点增加到初始数据集,其高程标记为上一个点的高程,即。
4、判断初始数据集中包含的像素点是否组成闭合水体边界,如果是则执行步骤6);
5、如果j>NUM(NUM为最大像素点数阈值) 则执行步骤6),否则,j=j+1,然后执行步骤3);
在本发明实施例中,步骤S106包括如下步骤:
步骤S21,基于所述最优水体边界数据中包含的像素点的高程和所述水面高程数据,构建样本集;
步骤S22,基于所述样本集,确定出所述最优水体边界数据包含的区域中的各个像素点在各个预设方向上的最近样本点,其中,所述最近样本点为所述样本集中与所述最优水体边界数据包含的区域中的各个像素点距离最近的像素点;
步骤S23,基于所述最优水体边界数据包含的区域中的各个像素点和所述各个预设方向上的最近样本点的距离,计算出所述各个预设方向上的最近样本点的权重值;
步骤S24,基于所述权重值,计算出所述最优水体边界数据包含的区域内的像素点的插值高程数据。
计算近样本点N集合中各个最近样本点的权重,计算公式如下:
在本发明实施例中,步骤S108包括如下步骤:
步骤S31,基于所述最优水体边界数据包含的区域内的像素点的插值高程数据和所述实景三维DEM数据,计算出所述最优水体边界数据包含的区域内的像素点对应的水深;
步骤S32,基于所述最优水体边界数据包含的区域内的像素点对应的水深和所述像素点的面积,计算出所述待监测区域的水体体积。
在本发明实施例中,首先基于所述最优水体边界数据包含的区域内的像素点的插值高程数据和所述实景三维DEM数据,计算出所述最优水体边界数据包含的区域内的像素点对应的水深,计算公式为
然后,基于所述最优水体边界数据包含的区域内的像素点对应的水深和所述像素点的面积,计算出所述待监测区域的水体体积,计算公式为,式中,为单个像素面积,V为待监测区域的水体体积,m为待监测区域的水体的像素点总数。
本发明实施例,本案利用相邻水体高程连续的机理,利用高精度地形级实景三维DEM模型对遥感识别的水体边界进行校正,能够对水体边界误差进行修正,能够获得更准确的水体范围,能够根据校正后的水体边界获得准确水体边界高程。遥感影像拍摄本身存在空间位置、辐射等方面的误差,所以无论通过遥感自动解译或人工解译水体边界,都会带来一定的误差,本案通过水体边界的校正,能够解决该问题。
对于洪水水面高程,利用反向插值方法,优选参与插值的样本点,即能获得计算效率的提升,又能获得较为合理的水面高程,能够计算出较为准确的水深,有效平衡了计算精度和计算量的矛盾问题。插值计算中样本点数量可以根据实际情况进行调节,使用不同的场景和计算条件。
实施例二:
本发明实施例还提供了一种基于实景三维地形的水体监测装置,该基于实景三维地形的水体监测装置用于执行本发明实施例上述内容所提供的基于实景三维地形的水体监测方法,以下是本发明实施例提供的 装置的具体介绍。
如图3所示,图3为上述基于实景三维地形的水体监测装置的示意图,该基于实景三维地形的水体监测装置包括:获取单元10,校正单元20,插值单元30和计算单元 40。
所述获取单元10,用于获取待监测区域的目标数据,其中,所述目标数据包括:水体边界矢量数据,实景三维DEM数据和水面高程数据;
所述校正单元20,用于基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据;
所述插值单元30,用于基于所述水面高程数据,对所述最优水体边界数据包含的区域内的像素点进行插值处理,得到所述最优水体边界数据包含的区域内的像素点的插值高程数据;
所述计算单元40,用于基于所述最优水体边界数据包含的区域内的像素点的插值高程数据、所述实景三维DEM数据和所述像素点的面积,计算出所述待监测区域的水体体积。
本发明实施例中,通过利用相邻水体高程连续的机理,和高精度地形级实景三维DEM数据对遥感识别的水体边界进行校正,能够对水体边界误差进行修正,能够获得更准确的水体范围,接着根据校正后的水体边界获得准确水体边界高程,然后优选水面高程样本点,对水体水面进行反距离插值,获得水体表面高程,进而结合高精度DEM数据达到了精确计算水深和水量的目的,进而解决了现有水体监测方法的监测精度较低的技术问题,从而实现了提高水体监测的监测精度的技术效果。
实施例三:
本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
参见图4,本发明实施例还提供一种电子设备100,包括:处理器50,存储器51,总线52和通信接口53,所述处理器50、通信接口53和存储器51通过总线52连接;处理器50用于执行存储器51中存储的可执行模块,例如计算机程序。
其中,存储器51可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器51用于存储程序,所述处理器50在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中,或者由处理器50实现。
处理器50可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51,处理器50读取存储器51中的信息,结合其硬件完成上述方法的步骤。
实施例四:
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于实景三维地形的水体监测方法,其特征在于,包括:
获取待监测区域的目标数据,其中,所述目标数据包括:水体边界矢量数据,实景三维DEM数据和水面高程数据;
基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据;
基于所述水面高程数据和所述最优水体边界数据,对所述最优水体边界数据包含的区域内的像素点进行插值处理,得到所述最优水体边界数据包含的区域内的像素点的插值高程数据;
基于所述最优水体边界数据包含的区域内的像素点的插值高程数据、所述实景三维DEM数据和所述像素点的面积,计算出所述待监测区域的水体体积。
2.根据权利要求1所述的方法,其特征在于, 基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据,包括:
基于所述水体边界矢量数据和所述实景三维DEM数据,构建边界高程栅格数据集,并基于所述边界高程栅格数据集和所述水面高程数据确定出目标栅格和特定边界像素点;
删除所述边界高程栅格数据集中的目标栅格和特定边界像素点,得到中间水体边界数据;
基于所述水面高程数据,对所述中间水体边界数据进行校正,得到所述最优水体边界数据。
3.根据权利要求2所述的方法,其特征在于,基于所述实景三维DEM数据和所述水面高程数据,确定出所述水体边界矢量数据包含的区域内的特定边界像素点,包括:
将所述水体边界矢量数据向外扩展预设尺寸,得到目标水体边界矢量数据;
对所述目标水体边界矢量数据和所述实景三维DEM数据进行叠加,得到边界高程栅格数据集。
4.根据权利要求3所述的方法,其特征在于,基于所述边界高程栅格数据集和所述水面高程数据确定出目标栅格和特定边界像素点,包括:
对所述边界高程栅格数据集进行自然分类,得到分类结果;
基于所述分类结果和所述水面高程数据,确定出目标高程范围;
将所述边界高程栅格数据集中高程值不处于所述目标高程范围内的栅格,确定为所述目标栅格;
基于所述实景三维DEM数据,确定出所述边界高程栅格数据集对应的坡度;
将所述坡度大于预设坡度的像素点和河流湖泊出入口对应的像素点确定为所述特定边界像素点。
5.根据权利要求4所述的方法,其特征在于, 基于所述水面高程数据,对所述中间水体边界数据进行校正,得到所述最优水体边界数据,包括:
添加步骤,将所述中间水体边界数据中目标像素点添加至初始数据集中,其中,所述目标像素点为所述中间水体边界数据中任意一个像素点;
计算步骤,基于所述水面高程数据,计算所述中间水体边界数据中目标像素点与所述目标像素点的领域像素点之间的高程差;
判断步骤,基于所述高程差,确定出所述领域像素点中是否包含最终像素点,其中,所述最终像素点为高程差最小值且所述最小值处于预设范围内的像素点,和/或,所述最终像素点为特定边界像素点;
第一执行步骤,若判断结果为是,则将所述最终像素点确定为所述目标像素点,并重复执行所述添加步骤、所述计算步骤和所述判断步骤,并判断所述初始数据集是否构成闭合水体边界,或,重复执行次数是否超过最大像素点数阈值;
第二执行步骤,若判断结果为否,则将所述初始数据集中任意一个像素点,确定为所述目标像素点,并重复执行所述添加步骤、所述计算步骤和所述判断步骤,并判断所述初始数据集是否构成闭合水体边界,或,所述重复执行次数是否超过最大像素点数阈值;
若所述初始数据集构成闭合水体边界,或,所述重复执行次数超过最大像素点数阈值,则将所述中间水体边界数据中除所述目标像素点以外的任意一个像素点确定为所述目标像素点,并重复执行所述添加步骤、所述计算步骤、所述判断步骤、所述第一执行步骤和第二执行步骤目标,直至遍历所述中间水体边界数据中包含的像素点;
计算各个初始数据集中各个第一像素点与所述各个第一像素点对应的第一最近像素点之间的第一距离均值,其中,第一最近像素点为所述边界高程栅格数据集中包含的与所述第一像素点距离最近的像素点;
计算所述边界高程栅格数据集中包含的各个第二像素点与所述各个第二像素点对应的第二最近像素点之间的第二距离均值,其中,所述第二最近像素点各个初始数据集中包含的与所述第二像素点距离最近的第一像素点;
将所述第一距离均值和所述第二距离均值之和的最小值对应的初始数据集确定为所述最优水体边界数据。
6.根据权利要求1所述的方法,其特征在于,基于所述水面高程数据和所述最优水体边界数据,对所述最优水体边界数据包含的区域内的像素点进行插值处理,得到所述最优水体边界数据包含的区域内的像素点的插值高程数据,包括:
基于所述最优水体边界数据中包含的像素点的高程和所述水面高程数据,构建样本集;
基于所述样本集,确定出所述最优水体边界数据包含的区域中的各个像素点在各个预设方向上的最近样本点,其中,所述最近样本点为所述样本集中与所述最优水体边界数据包含的区域中的各个像素点距离最近的像素点;
基于所述最优水体边界数据包含的区域中的各个像素点和所述各个预设方向上的最近样本点的距离,计算出所述各个预设方向上的最近样本点的权重值;
基于所述权重值,计算出所述最优水体边界数据包含的区域内的像素点的插值高程数据。
7.根据权利要求1所述的方法,其特征在于, 基于所述最优水体边界数据包含的区域内的像素点的插值高程数据、所述实景三维DEM数据和像素点的面积,计算出所述待监测区域的水体体积,包括:
基于所述最优水体边界数据包含的区域内的像素点的插值高程数据和所述实景三维DEM数据,计算出所述最优水体边界数据包含的区域内的像素点对应的水深;
基于所述最优水体边界数据包含的区域内的像素点对应的水深和所述像素点的面积,计算出所述待监测区域的水体体积。
8.一种基于实景三维地形的水体监测装置,其特征在于,包括:获取单元,校正单元,插值单元和计算单元,其中,
所述获取单元,用于获取待监测区域的目标数据,其中,所述目标数据包括:水体边界矢量数据,实景三维DEM数据和水面高程数据;
所述校正单元,用于基于所述实景三维DEM数据和所述水面高程数据,对所述水体边界矢量数据进行校正,得到最优水体边界数据;
所述插值单元,用于基于所述水面高程数据和所述最优水体边界数据,对所述最优水体边界数据包含的区域内的像素点进行插值处理,得到所述最优水体边界数据包含的区域内的像素点的插值高程数据;
所述计算单元,用于基于所述最优水体边界数据包含的区域内的像素点的插值高程数据、所述实景三维DEM数据和所述像素点的面积,计算出所述待监测区域的水体体积。
9.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器用于存储支持处理器执行权利要求1至7任一项所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
10.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,计算机程序被处理器运行时执行上述权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817861.3A CN114998530B (zh) | 2022-07-13 | 2022-07-13 | 一种基于实景三维地形的水体监测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817861.3A CN114998530B (zh) | 2022-07-13 | 2022-07-13 | 一种基于实景三维地形的水体监测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114998530A true CN114998530A (zh) | 2022-09-02 |
CN114998530B CN114998530B (zh) | 2022-11-08 |
Family
ID=83020665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210817861.3A Active CN114998530B (zh) | 2022-07-13 | 2022-07-13 | 一种基于实景三维地形的水体监测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998530B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116645484A (zh) * | 2023-07-26 | 2023-08-25 | 航天宏图信息技术股份有限公司 | 地质曲面模型的构建方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359052A (zh) * | 2008-09-02 | 2009-02-04 | 武汉大学 | 一种库容监测方法 |
CN103235845A (zh) * | 2012-12-18 | 2013-08-07 | 交通运输部科学研究院 | 一种用于公路施工中进行水土流失监测的方法 |
CN106845074A (zh) * | 2016-12-19 | 2017-06-13 | 中国人民解放军信息工程大学 | 建立六边形格网模型的方法、洪水推演模拟方法及其系统 |
CN107393001A (zh) * | 2017-07-26 | 2017-11-24 | 新疆金风科技股份有限公司 | Srtm数据无效区域的填补方法和设备 |
CN111127646A (zh) * | 2019-12-26 | 2020-05-08 | 西南林业大学 | 一种度量地貌高差的栅格化高程曲面的构建方法及系统 |
CN112433227A (zh) * | 2021-01-28 | 2021-03-02 | 中国地质大学(武汉) | 一种水容量变化监测方法、系统、终端设备及存储介质 |
CN113920448A (zh) * | 2021-12-15 | 2022-01-11 | 航天宏图信息技术股份有限公司 | 洪水淹没信息提取方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-13 CN CN202210817861.3A patent/CN114998530B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359052A (zh) * | 2008-09-02 | 2009-02-04 | 武汉大学 | 一种库容监测方法 |
CN103235845A (zh) * | 2012-12-18 | 2013-08-07 | 交通运输部科学研究院 | 一种用于公路施工中进行水土流失监测的方法 |
CN106845074A (zh) * | 2016-12-19 | 2017-06-13 | 中国人民解放军信息工程大学 | 建立六边形格网模型的方法、洪水推演模拟方法及其系统 |
CN107393001A (zh) * | 2017-07-26 | 2017-11-24 | 新疆金风科技股份有限公司 | Srtm数据无效区域的填补方法和设备 |
US20210080613A1 (en) * | 2017-07-26 | 2021-03-18 | Xinjiang Goldwind Science & Technology Co., Ltd. | Method and device for filling invalid regions of terrain elevation model data |
CN111127646A (zh) * | 2019-12-26 | 2020-05-08 | 西南林业大学 | 一种度量地貌高差的栅格化高程曲面的构建方法及系统 |
CN112433227A (zh) * | 2021-01-28 | 2021-03-02 | 中国地质大学(武汉) | 一种水容量变化监测方法、系统、终端设备及存储介质 |
CN113920448A (zh) * | 2021-12-15 | 2022-01-11 | 航天宏图信息技术股份有限公司 | 洪水淹没信息提取方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116645484A (zh) * | 2023-07-26 | 2023-08-25 | 航天宏图信息技术股份有限公司 | 地质曲面模型的构建方法、装置、电子设备及存储介质 |
CN116645484B (zh) * | 2023-07-26 | 2023-10-03 | 航天宏图信息技术股份有限公司 | 地质曲面模型的构建方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114998530B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110335355B (zh) | 一种大型浅水湖泊水面高自动计算方法 | |
CN107063197B (zh) | 一种基于空间信息技术的水库特征曲线提取方法 | |
CN111369495B (zh) | 一种基于视频的全景图像的变化检测方法 | |
CN110956412B (zh) | 基于实景模型的洪灾动态评估方法、装置、介质和设备 | |
CN108195736B (zh) | 一种三维激光点云提取植被冠层间隙率的方法 | |
CN114998530B (zh) | 一种基于实景三维地形的水体监测方法和装置 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN114494894B (zh) | 海洋黑涡自动识别与关键参数反演方法、装置和电子设备 | |
CN111507375A (zh) | 一种城市内涝风险快速评估方法及系统 | |
CN105354832A (zh) | 一种山区卫星影像自动配准到地理底图上的方法 | |
CN111538798A (zh) | 一种顾及dsm和dlg的城市汇水区精细化提取方法 | |
CN116188994A (zh) | 淤地坝识别方法、装置、电子设备及存储介质 | |
CN116152454A (zh) | 基于gis和三维建模的水利实时监测管理系统 | |
CN111260714B (zh) | 一种洪涝受灾评估方法、装置、设备及计算机存储介质 | |
CN115965712B (zh) | 一种建筑物二维矢量图构建方法、系统、设备及存储介质 | |
Lascelles et al. | Automated digital photogrammetry: a valuable tool for small‐scale geomorphological research for the non‐photogrammetrist? | |
Hou et al. | Automatic Extraction of Drainage Networks from DEMs Base on Heuristic Search. | |
CN115661398A (zh) | 一种用于实景三维模型的建筑物提取方法、装置及设备 | |
CN114240940B (zh) | 一种基于遥感影像的云及云阴影检测方法和装置 | |
CN114152302B (zh) | 湖泊蓄水变化量估算方法、系统、电子设备和介质 | |
CN116416395A (zh) | 一种基于点云压缩数字地表模型的洪水淹没快速评估方法 | |
CN115346119A (zh) | 一种基于数字高程模型的数字河网提取方法 | |
CN110930344B (zh) | 一种目标的质量确定方法、装置、系统及电子设备 | |
CN111476308A (zh) | 基于先验几何约束的遥感影像分类方法、装置和电子设备 | |
CN112070055A (zh) | 积雪覆盖日数的遥感监测方法及遥感监测装置、存储介质 |
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 |