CN114998536A - 基于新型基础测绘的模型生成方法、装置及存储介质 - Google Patents
基于新型基础测绘的模型生成方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114998536A CN114998536A CN202210609059.5A CN202210609059A CN114998536A CN 114998536 A CN114998536 A CN 114998536A CN 202210609059 A CN202210609059 A CN 202210609059A CN 114998536 A CN114998536 A CN 114998536A
- Authority
- CN
- China
- Prior art keywords
- model
- point cloud
- cloud data
- data
- drawn
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000013507 mapping Methods 0.000 title claims abstract description 57
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 17
- 239000000178 monomer Substances 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 description 19
- 238000005259 measurement Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012876 topography 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
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及地理信息技术领域，公开了一种基于新型基础测绘的模型生成方法、装置及存储介质，方法包括获取待测绘地理区域的倾斜影像数据和雷达点云数据；对倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标；对倾斜影像数据进行子区分割处理，得到多个待建模区块；设置待建模区块的模型重建参数；基于模型重建参数、外方位元素和加密点的物方空间坐标构建Mesh模型，并对Mesh模型进行整合得到待测绘地理区域的实景三维模型；对雷达点云数据进行过滤处理，得到地面点云数据；根据德劳内三角网算法对地面点云数据处理，生成待测绘地理区域的数字高程模型。本方法能提高对测绘数据的利用率，避免耗费大量人力物力，降低测量成本。
Description
技术领域
本发明涉及地理信息技术领域，尤其涉及一种基于新型基础测绘的模型生成方法、装置及存储介质。
背景技术
目前，近年来快速发展的云计算、物联网、大数据、信息与通信技术(ICT)和人工智能(AI)等相关技术的进步与基础测绘的深度融合，较好地满足了新型基础测绘多维、多尺度的联动更新的要求。但是，传统的地理信息模型建立方法中，存在技术手段落后、成果应用不广泛、生产体系不完善等问题，现阶段已很难适应实体化基础地理信息数据库的建设和新模式的需求。此外，在现有建模方式中需要多次外业和测绘，对测绘数据的复用不足，耗费大量人力物力，导致了测量成本的增加。
发明内容
本发明提供了一种基于新型基础测绘的模型生成方法、装置及存储介质，以提高对测绘数据的利用率，避免耗费大量人力物力，降低测量成本。
第一方面，为了解决上述技术问题，本发明提供了一种基于新型基础测绘的模型生成方法，包括：
获取待测绘地理区域的倾斜影像数据和雷达点云数据；
对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标；
对所述倾斜影像数据进行子区分割处理，得到多个待建模区块；
设置所述待建模区块的模型重建参数；其中，所述模型重建参数包括坐标系原点、区块大小参数、待建模区块所对应的矢量文件路径；
基于所述模型重建参数、所述外方位元素和所述加密点的物方空间坐标构建Mesh模型，并对所述Mesh模型进行整合得到待测绘地理区域的实景三维模型；
对所述雷达点云数据进行过滤处理，得到地面点云数据；
根据德劳内三角网算法对所述地面点云数据处理，生成待测绘地理区域的数字高程模型。
优选地，所述方法还包括：
根据预设的精度要求对所述实景三维模型进行测量，得到待测绘地理区域的地形图；或
根据预设的精度要求对所述倾斜影像数据进行前方交会测图，得到待测绘地理区域的地形图。
优选地，在所述得到待测绘地理区域的地形图之前，所述方法还包括：
对所述雷达点云数据进行分色显示和图像栅格处理，生成所述地形图中的等高线。
优选地，在所述对所述雷达点云数据进行过滤处理，得到地面点云数据之后，所述方法还包括：
对所述地面点云数据进行分类处理，得到地表点云数据；
基于所述地表点云数据生成待测绘地理区域的初始数字表面模型；
对所述初始数字表面模型进行图幅拼接处理，得到数字表面模型。
优选地，所述方法还包括：
根据多视影像纹理数据和所述实景三维模型，生成真数字正射影像；其中，所述倾斜影像数据包括多视影像纹理数据。
优选地，所述方法还包括：
对所述地形图进行测图，得到建筑矢量面；
获取所述建筑矢量面覆盖在所述实景三维模型的区域范围，在所述区域范围内将所述建筑矢量面贴合在实景三维模型表面，得到待测绘地理区域的逻辑单体化模型；
对所述实景三维模型进行建筑物边界提取、纹理自动匹配以及三维模型重构，得到待测绘地理区域的物理单体化模型。
优选地，所述对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标，包括：
基于尺度不变特征变换算法对所述倾斜影像数据进行影像特征点提取与匹配，得到倾斜影像匹配点；
对所述倾斜影像匹配点进行粗差检测和自由网构建，得到自由网模型；
根据倾斜影像光束法区域网平差进行处理，得到影像中外方位元素和加密点的物方空间坐标。
优选地，所述根据德劳内三角网算法对所述地面点云数据处理，包括：
任意选取所述地面点云数据中的一个初始点，查找距离所述初始点最近的第二点，并将所述初始点与所述第二点连接得到初始基线；
基于德劳内三角网算法在所述初始基线的一侧搜寻第三点，得到德劳内三角形；
以所述德劳内三角形的两条新边作为新的基线，将所述初始基线更新为所述新的基线，并返回至所述基于德劳内三角网算法在所述初始基线的一侧搜寻第三点得到德劳内三角形的步骤，直至所有基线处理完毕。
第二方面，本发明提供了一种基于新型基础测绘的模型生成装置，包括：
数据获取模块，用于获取待测绘地理区域的倾斜影像数据和雷达点云数据；
空三处理模块，用于对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标；
分割处理模块，用于对所述倾斜影像数据进行子区分割处理，得到多个待建模区块；
参数设置模块，用于设置所述待建模区块的模型重建参数；其中，所述模型重建参数包括坐标系原点、区块大小参数、待建模区块所对应的矢量文件路径；
第一模型建立模块，用于基于所述模型重建参数、所述外方位元素和所述加密点的物方空间坐标构建Mesh模型，并对所述Mesh模型进行整合得到待测绘地理区域的实景三维模型；
数据过滤模块，用于对所述雷达点云数据进行过滤处理，得到地面点云数据；
第二模型建立模块，用于根据德劳内三角网算法对所述地面点云数据处理，生成待测绘地理区域的数字高程模型。
第三方面，本发明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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的基于新型基础测绘的模型生成方法。
相比于现有技术，本发明具有如下有益效果：
本发明通过获取待测绘地理区域的倾斜影像数据和雷达点云数据；对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标；对所述倾斜影像数据进行子区分割处理，得到多个待建模区块；然后设置所述待建模区块的模型重建参数；其中，所述模型重建参数包括坐标系原点、区块大小参数、待建模区块所对应的矢量文件路径；再基于所述模型重建参数、所述外方位元素和所述加密点的物方空间坐标构建Mesh模型，并对所述Mesh模型进行整合得到待测绘地理区域的实景三维模型。同时，对所述雷达点云数据进行过滤处理，得到地面点云数据；根据德劳内三角网算法对所述地面点云数据处理，生成待测绘地理区域的数字高程模型。本发明利用倾斜摄影相机以及激光雷达实现一次航飞同时获取两种数据源，即倾斜影像数据和雷达点云数据，无需多次外业和测绘。然后，同时对两种数据进行处理，能够提高对测绘数据的利用率，在生产效率和生产成本方面存在明显优势，也能避免耗费大量人力物力，降低测量成本。
附图说明
图1是本发明第一实施例提供的基于新型基础测绘的模型生成方法流程示意图；
图2是本发明第一实施例提供的另一基于新型基础测绘的模型生成方法流程示意图；
图3是本发明第二实施例提供的基于新型基础测绘的模型生成装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作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。
参照图1、图2，本发明第一实施例提供了一种基于新型基础测绘的模型生成方法，包括以下步骤：
S11，获取待测绘地理区域的倾斜影像数据和雷达点云数据；
S12，对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标；
S13，对所述倾斜影像数据进行子区分割处理，得到多个待建模区块；
S14，设置所述待建模区块的模型重建参数；其中，所述模型重建参数包括坐标系原点、区块大小参数、待建模区块所对应的矢量文件路径；
S15，基于所述模型重建参数、所述外方位元素和所述加密点的物方空间坐标构建Mesh模型，并对所述Mesh模型进行整合得到待测绘地理区域的实景三维模型；
S16，对所述雷达点云数据进行过滤处理，得到地面点云数据；
S17，根据德劳内三角网算法对所述地面点云数据处理，生成待测绘地理区域的数字高程模型。
在步骤S11中，获取待测绘地理区域的倾斜影像数据和雷达点云数据。需要说明的是，本发明的模型建立方法，基于倾斜影像数据和雷达点云数据，按照全流程协同生产作业的模式开展。倾斜摄影是指通过在同一飞行平台上搭载多台传感器，同时从1个垂直、4个(或多于4个)倾斜等不同的角度拍摄影像。激光雷达系统是通过在飞机机载平台上，集成激光雷达系统、POS定位定姿系统、高分辨数码相机和控制系统所构成的全新综合型快速、精确测量系统。其中，激光扫描仪通过接收返回的脉冲可获取被测目标的反射角度、反射距离、反射频率和返回波信号强弱等信息，通过光电成像技术能分析得到被测物体的数字成像数据，经过POS定位定姿系统分析测算姿态数据得到全部地表采样点的位置坐标。
在本实施例中，由无人机搭载拍摄设备和激光雷达，一次航飞同时获取倾斜影像数据和雷达点云数据，倾斜影像数据经过空中三角测量平差后生成实景三维模型，以实景三维模型为测图基底，可生产1：500地形图、真数字正射影像(TrueDigital OrthophotoMap，TDOM)以及单体化模型。雷达点云数据经过航带平差、地面点分类等步骤后可生产数字高程模型(Digital Elevation Model，DEM)以及数字表面模型(DigitalSurface Model，DSM)。
其中，航空摄影测量指的是在飞机或无人机上用航摄仪器对地面连续摄取像片，结合地面控制点测量、外业调绘等步骤，生产相关测绘产品。本发明制定了倾斜摄影和激光雷达集成同步采集方案，以提高数据获取效率，达到一次航飞获取两种数据的效果。同时，外业飞行、内业处理、质量检查、成果整理同步推进，确保工作进度和成果质量。根据生产需求和空域协调难易程度，制定数据获取优先顺序，优先获取的数据优先进入下一生产环节，形成即时数据获取、即时数据质检、即时数据生产的生产链条。
在具体实施当中，航空摄影受到地面高程变化的影响容易导致影像上的位置与实际位置发生偏差，为了提高航空摄影的准确性，需要根据地形地貌情况合理规划、布设、测量像控点，让任意高程的点投到影像上的位置与实际坐标吻合。高精度的像控点布设与测量是后续所有测量工作的前提，像控点布设是倾斜摄影测量中一项很重要的工作。像控点参与后期空中三角测量,其布设的位置和数目直接影响三维实景模型的精度,像控点合理的布设还可减少外业工作量,降低人力成本。本发明的像控点布设测量流程主要包括准备工作、像控点布设、像控点选点与编号、像控点测量、质量检查及成果整理等工序。
在步骤S12中，对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标，具体包括；
基于尺度不变特征变换算法对所述倾斜影像数据进行影像特征点提取与匹配，得到倾斜影像匹配点；
对所述倾斜影像匹配点进行粗差检测和自由网构建，得到自由网模型；
根据倾斜影像光束法区域网平差进行处理，得到影像中外方位元素和加密点的物方空间坐标。
需要说明的是，空中三角测量技术是根据少量的野外控制点，通过影像数据进行像片同名像点自动影像匹配，在室内进行控制点加密，求得加密点的高程和平面位置的测量方法。其主要目的是为倾斜摄影测量提供绝对定向的控制点。野外控制点需要布设地标，其辨识度高、定位准确，可以提高空三加密的精度，而控制点布设的密度直接影响三维模型的精度。
其中，倾斜影像空中三角测量是以倾斜摄影获取的影像像点的坐标为依据，按照最小二乘法函数，利用少量地面像控点的坐标为平差条件，求解像控点的地面坐标。倾斜影像空三整体流程主要分为三个步骤：影像特征点提取与匹配、构建自由网模型以及带控制数据的倾斜影像光束法区域网平差，精确的空三处理结果是进行三维建模的基础。
具体地，通常进行特征点提取时，采用SIFT(Scale-Invariant FeatureTransform，尺度不变特征变换)算法，SIFT算法是在计算机视觉领域中检测和描述图像中局部特征的算法。SIFT特征点匹配过程如下：
(1)构建尺度空间：高斯卷积核，图像金字塔；
(2)监测尺度空间极值点：在高斯差异尺度空间本层以及上下两层的26个邻域中是最大或最小值，并去除低对比度的关键点和不稳定的边缘响应点；
(3)计算关键点主方向；
(4)生成128维的关键点描述子；
(5)SIFT匹配：计算待匹配的两特征点间的欧氏距离作为匹配测度。
进一步地，倾斜影像匹配点粗差检测及自由网模型构建过程如下：
(1)采用RANSAC(随机采样一致性)方法，基于五点法相对定向模型(共面条件)，进行粗差监测；
(2)基于双模型间的三度重叠点，采用空间前方教会计算像点残差，剔除残差大的粗差点；
(3)不断选择相互间具有足够连接点的三张影像，依次在影像间两两进行相对定向，计算相对定向的线元素和旋转矩阵。如果相对定向正确，三个线元素向量应共面，三个旋转矩阵依次相乘应为单位阵；
(4)输出自由网结果。
进一步地，根据倾斜影像光束法区域网平差进行处理过程如下：
(1)确定像片外方位元素和加密点地面坐标近似值；
(2)逐点建立误差方程式并法化；
(3)建立改化法方程式；
(4)采用边法化边消元的循环分块法解求改化法方程；
(5)求出像片的外方位元素；
(6)前方交会法计算加密点坐标。
在步骤S13和S14中，对所述倾斜影像数据进行子区分割处理，得到多个待建模区块，并设置所述待建模区块的模型重建参数；其中，所述模型重建参数包括坐标系原点、区块大小参数、待建模区块所对应的矢量文件路径。
需要说明的是，经过空中三角测量后，可以获取倾斜影像数据航空摄影时刻的外方位元素，并可以获得影像中加密点的物方空间坐标系中的坐标。基于空中三角测量成果，可以进行基于倾斜影像数据的三维模型重建工程以及TDOM等多种数字摄影测量产品的生产任务。
在步骤S15中，基于所述模型重建参数、所述外方位元素和所述加密点的物方空间坐标构建Mesh模型，并对所述Mesh模型进行整合得到待测绘地理区域的实景三维模型。实景三维模型是通过激光、相机等手段获取地面各点位的空间信息和纹理信息，并利用专业软件构建而成的，是对高精度地理信息数据的集合展现，相比于其他地理信息产品，具有效果真实、精确度高的优势。由于整体的模型较大，因此对模型进行分割处理，针对每个子区分别进行建模，最后再整合形成一个整体模型，以此提高效率。
其中，需处理的三维场景往往涉及大片区域甚至整个城市，这样大规模的模型无法在计算机的内存中载入，所以模型需要被分割成较小的瓦片以便于处理运算。此外，还需要设置重建模型的匹配算法、几何精度、匀色模板、孔洞填充、模型分辨率等参数，这些参数控制着模型输出效果，选择合适的模型重建参数，才能生产效果较优的三维模型。
进一步地，在普通情况下，倾斜模型重建完成后生成的模型数据已可直接使用。但由于同名点无法精确匹配或者镜面倒影对同名点造成干扰等因素，自动生成的实景三维模型，在诸如水面等材质部分、细小地物部分存在一定的偏差，需要对自动生成的三维模型的局部几何模型误差进行修饰。经过修饰后的实景三维模型，即可提供给地形图生产作为测图基底，优先生产完成的优先提供，无需等待全部模型生产完毕。
在本实施例中，从空间参考系、位置精度、数据质量、场景效果等方面判断实景三维模型是否存在问题。具体地，空间参考系包括利用人机交互的方式核查分析成果数据的平面坐标系统、高程基准、地图投影参数的正确性。位置精度包括采用内外业相结合的方式，利用野外采集检测点或已有地形图成果资料，内业在实景三维模型成果上，然后采集同名点位置的坐标，计算模型的平面精度中误差、高程精度中误差是否满足设计要求。数据质量包括表达精细度和格式一致性，主要采用人机交互的方式，对模型结构和模型纹理进行检査。场景效果主要采用人机交互的方式，检查实景三维场景内各类要素相对位置的准确性、协调性以及空间位置的拓扑一致性，场景内各要素的完整性、协调性。
在步骤S16和S17中，对所述雷达点云数据进行过滤处理，得到地面点云数据；根据德劳内三角网算法对所述地面点云数据处理，生成待测绘地理区域的数字高程模型。其中，数字高程模型(DEM)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(即地形表面形态的数字化表达)，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。
参照图1、图2，需要说明是，在获取倾斜影像数据和雷达点云数据之后，步骤S12-S15、步骤S16-S17是可以同时进行的，步骤的编号为了便于说明，不限定具体的步骤顺序。相比于现有方法所有航飞完成后再进行逐一产品生产的技术流程，本发明在大大压缩了生产工期的同时具备更高的灵活性。
具体地，利用机载雷达点云数据制作数字高程模型(DEM)是通过过滤处理，将区域纯地形特征信息与地物信息相分离，从而提取地面点云数据，并通过构建德劳内(Delaunay)三角网的方式，内插不规则三角网(TIN)从而生成高精度DEM。其中，根据德劳内三角网算法对所述地面点云数据处理，生成待测绘地理区域的数字高程模型，具体包括：
任意选取所述地面点云数据中的一个初始点，查找距离所述初始点最近的第二点，并将所述初始点与所述第二点连接得到初始基线；
基于德劳内三角网算法在所述初始基线的一侧搜寻第三点，得到德劳内三角形；
以所述德劳内三角形的两条新边作为新的基线，将所述初始基线更新为所述新的基线，并返回至所述基于德劳内三角网算法在所述初始基线的一侧搜寻第三点得到德劳内三角形的步骤，直至所有基线处理完毕。
为了便于对本发明的理解，下面将对本发明的一些优选实施例做更进一步的描述。
在一种实现方式中，所述方法还包括：
根据预设的精度要求对所述实景三维模型进行测量，得到待测绘地理区域的地形图；或
根据预设的精度要求对所述倾斜影像数据进行前方交会测图，得到待测绘地理区域的地形图。
其中，预设的精度要求根据需求提前设置，例如1∶500。在城市建设规划过程中，城市测量的主要部分是由1∶500的比例尺地图组成，并且占据了非常重要的部分。在1∶500的比例尺地图中，主要是对城市中地理标志物以及地形、地貌景观进行描述，主要通过点、线等标志性的符号、数字等进行标记。
在实际应用中，可以基于实景三维模型的地形图数据采集，直接在实景三维模型上测量成图，得到待测绘地理区域的地形图；也可以多视角自动优选影像，利用倾斜影像数据进行前方交会测图，得到待测绘地理区域的地形图。与传统立体像对的摄影测量方式相比，在三维模型上可以更进一步采集更加丰富的地物要素，包括建成房屋及楼层数(包括房檐)、棚房、围墙、栅栏、门顶、雨罩、阳台、支柱、廊房、通廊、飘楼、通道、台阶等构筑物，其中很多要素在常规立体测图中是不能辨识或不可视的，可在内业直接完成屋檐改正、通过正射视角成图无需进行倾斜改正，因此，可以大大提高内业测图的成果丰富度和成图数据精度、减少外业工作。
进一步地，还可以对所述雷达点云数据进行分色显示和图像栅格处理，生成所述地形图中的等高线。航空拍摄阶段获取了高密度机载雷达点云数据(30点/m2)，机载雷达穿透性好，在植被覆盖的区域也能获取一定数量的地面反射激光点，激光点云本身记录了三维坐标信息，各种物体顶部的激光点不存在投影差的问题，因此可以充分利用点云数据进行地形图的辅助测图。通过点云分类和粗差剔除后，在等高线测制、高程点采集、遮挡区域地物辅助判断方面发挥作用。由于本发明采集的点云密度较大，可采用基于点云数据分色显示和图像栅格处理的方式，进行等高线的批量快速生成和光滑处理。
在另一种实施方式中，所述方法还包括：
根据多视影像纹理数据和所述实景三维模型，生成真数字正射影像；其中，所述倾斜影像数据包括多视影像纹理数据。
TDOM是将正射影像纠正为垂直视角的影像产品，对隐蔽部分(如各种地物、地形、植被等的倾斜投影)采用相邻像片修正，表现为地形、建筑物等要素没有投影差、建筑物间无遮挡的正射影像图，全面无遗漏地展现了地面上的地物要素。
其中，基于倾斜摄影数据构建的实景三维场景，客观再现了测区的全方位场景。基于垂直投影的特性，可以从倾斜摄影场景模型及多视影像纹理中，生成真数字正射影像(TDOM)。倾斜摄影不仅给建筑物自动纹理映射提供了纹理信息，也给真正射影像制作中遮蔽区域纹理填补提供了更为丰富的数据源。
在现有技术中，数字正射影像图(Digital Orthophoto Map，DOM)的制作是以DEM作为数字微分纠正的基础数据，在较大程度上消除了因地形起伏引起的投影变形，具有高精度的几何信息、丰富的纹理信息和色彩信息、便于数据的更新利用，具有较强的现势性的特点。然而，随着摄影测量以及航摄仪器的完善，影像的分辨率也越来越高，使传统正射影像的缺点也暴露出来，主要表现为影像的遮挡、边缘模糊、重影、影像的接边困难、影像与矢量数据套合不完整等问题。对于正射影像的制作来说，不仅要解决因地形起伏、相机姿态引起的投影变形问题，还要解决因地面物体的高度信息而造成的投影误差，特别是对建筑物密集区域和存在高大建筑物的区域，影像的遮挡和投影误差更加严重。
因此，本发明的TDOM以实景三维模型作为数字微分纠正的基础数据，一方面它解决了地形起伏和相机姿态引起的投影变形，另一方面还解决了因地面物体的高度而引起的高差位移现象，把地面物体纠正到正确的位置。
在一种实施方式中，所述方法还包括：
对所述地形图进行测图，得到建筑矢量面；
获取所述建筑矢量面覆盖在所述实景三维模型的区域范围，在所述区域范围内将所述建筑矢量面贴合在实景三维模型表面，得到待测绘地理区域的逻辑单体化模型；
对所述实景三维模型进行建筑物边界提取、纹理自动匹配以及三维模型重构，得到待测绘地理区域的物理单体化模型。
需要说明的是，本实施例中生成的实景三维模型是“全要素、全纹理”的可测量的Mesh模型，但是Mesh模型是“一张皮”，没有针对地物进行划分，同时由于倾斜摄影的特点，会导致遮挡严重的部分，尤其是模型底部会存在纹理和结构扭曲的问题。单体化是指将三维模型中各类地物划分为单独的对象，具有矢量数据特性，只有单体化后的三维模型才能够实现每个地物作为一个实体进行选择、显示、查询、管理。
其中，单体化又分为逻辑单体化和物理单体化。本发明采用动态单体化的方式实现逻辑单体化。动态单体化指在三维渲染时动态地将地形图测图得到的建筑矢量面叠加到倾斜实景三维模型上，实现在渲染层面的单体化。首先，对所述地形图进行测图，得到建筑矢量面。然后，获取所述建筑矢量面覆盖在所述实景三维模型的区域范围，在所述区域范围内将所述建筑矢量面贴合在实景三维模型表面，得到待测绘地理区域的逻辑单体化模型。具体地，在所述区域范围内，建筑矢量面像半透明的薄膜自上而下地贴合在实景三维模型的表面。
进一步地，本发明采用重建单体化的方法实现物理单体化。具体地，通过人机交互的方法，对所述实景三维模型进行建筑物边界提取、纹理自动匹配以及三维模型重构，得到待测绘地理区域的物理单体化模型。采用人工重建单体化方法，建筑主体精度高还原好，模型视觉效果好，且能够对建筑物进行单个建模，实现与地面等要素的物理分离。
在另一种实现方式中，在所述对所述雷达点云数据进行过滤处理，得到地面点云数据之后，所述方法还包括：
对所述地面点云数据进行分类处理，得到地表点云数据；
基于所述地表点云数据生成待测绘地理区域的初始数字表面模型；
对所述初始数字表面模型进行图幅拼接处理，得到数字表面模型。
DSM是指包含了地表建筑物、桥梁和树木等高度的地面高程模型，而DEM只包含了地形的高程信息，并未包含其它地表信息。DSM是在DEM的基础上，进一步涵盖了除地表以外的其它地物信息的高程模型，信息更加丰富，更能真实的反应地表物体的形态，DSM表示的是最真实地地面起伏的情况。
其中，数字表面模型(DSM)可基于数字高程模型(DEM)的中间数据进行生成，主要包括对所述地面点云数据进行分类处理，得到地表点云数据，再生成生成待测绘地理区域的初始数字表面模型，然后对所述初始数字表面模型进行图幅拼接处理，得到数字表面模型。进一步地，还可以对数字表面模型进行质量检查等。
本发明利用倾斜摄影相机以及激光雷达实现一次航飞同时获取两种数据源，即倾斜影像数据和雷达点云数据，无需多次外业和测绘。然后，同时对两种数据进行处理，能够提高对测绘数据的利用率，在生产效率和生产成本方面存在明显优势，也能避免耗费大量人力物力，降低测量成本。在本发明实施例中，各个模型的建立环节之间紧密相联，完成小片区域的航飞数据采集之后，即可快速、高精度地获取该区域的新型基础测绘系列产品，包括实景三维模型、地形图、DEM、DSM、TDOM、单体化模型等。本发明不同于传统测绘产品按部就班的生产模式，达到了即飞即测的动态更新效果。
参照图3，本发明第二实施例提供了一种基于新型基础测绘的模型生成装置，包括：
数据获取模块，用于获取待测绘地理区域的倾斜影像数据和雷达点云数据；
空三处理模块，用于对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标；
分割处理模块，用于对所述倾斜影像数据进行子区分割处理，得到多个待建模区块；
参数设置模块，用于设置所述待建模区块的模型重建参数；其中，所述模型重建参数包括坐标系原点、区块大小参数、待建模区块所对应的矢量文件路径；
第一模型建立模块，用于基于所述模型重建参数、所述外方位元素和所述加密点的物方空间坐标构建Mesh模型，并对所述Mesh模型进行整合得到待测绘地理区域的实景三维模型；
数据过滤模块，用于对所述雷达点云数据进行过滤处理，得到地面点云数据；
第二模型建立模块，用于根据德劳内三角网算法对所述地面点云数据处理，生成待测绘地理区域的数字高程模型。
需要说明的是，本发明实施例提供的一种基于新型基础测绘的模型生成装置用于执行上述实施例的一种基于新型基础测绘的模型生成方法的所有流程步骤，两者的工作原理和有益效果一一对应，因而不再赘述。
本发明实施例还提供了一种终端设备。该终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如基于新型基础测绘的模型生成程序。所述处理器执行所述计算机程序时实现上述各个基于新型基础测绘的模型生成方法实施例中的步骤，例如图1所示的步骤S11。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如第一模型建立模块。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及智能平板等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述部件仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于新型基础测绘的模型生成方法，其特征在于，包括：
获取待测绘地理区域的倾斜影像数据和雷达点云数据；
对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标；
对所述倾斜影像数据进行子区分割处理，得到多个待建模区块；
设置所述待建模区块的模型重建参数；其中，所述模型重建参数包括坐标系原点、区块大小参数、待建模区块所对应的矢量文件路径；
基于所述模型重建参数、所述外方位元素和所述加密点的物方空间坐标构建Mesh模型，并对所述Mesh模型进行整合得到待测绘地理区域的实景三维模型；
对所述雷达点云数据进行过滤处理，得到地面点云数据；
根据德劳内三角网算法对所述地面点云数据处理，生成待测绘地理区域的数字高程模型。
2.根据权利要求1所述的基于新型基础测绘的模型生成方法，其特征在于，所述方法还包括：
根据预设的精度要求对所述实景三维模型进行测量，得到待测绘地理区域的地形图；或
根据预设的精度要求对所述倾斜影像数据进行前方交会测图，得到待测绘地理区域的地形图。
3.根据权利要求2所述的基于新型基础测绘的模型生成方法，其特征在于，在所述得到待测绘地理区域的地形图之前，所述方法还包括：
对所述雷达点云数据进行分色显示和图像栅格处理，生成所述地形图中的等高线。
4.根据权利要求1所述的基于新型基础测绘的模型生成方法，其特征在于，在所述对所述雷达点云数据进行过滤处理，得到地面点云数据之后，所述方法还包括：
对所述地面点云数据进行分类处理，得到地表点云数据；
基于所述地表点云数据生成待测绘地理区域的初始数字表面模型；
对所述初始数字表面模型进行图幅拼接处理，得到数字表面模型。
5.根据权利要求1所述的基于新型基础测绘的模型生成方法，其特征在于，所述方法还包括：
根据多视影像纹理数据和所述实景三维模型，生成真数字正射影像；其中，所述倾斜影像数据包括多视影像纹理数据。
6.根据权利要求2所述的基于新型基础测绘的模型生成方法，其特征在于，所述方法还包括：
对所述地形图进行测图，得到建筑矢量面；
获取所述建筑矢量面覆盖在所述实景三维模型的区域范围，在所述区域范围内将所述建筑矢量面贴合在实景三维模型表面，得到待测绘地理区域的逻辑单体化模型；
对所述实景三维模型进行建筑物边界提取、纹理自动匹配以及三维模型重构，得到待测绘地理区域的物理单体化模型。
7.根据权利要求1所述的基于新型基础测绘的模型生成方法，其特征在于，所述对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标，包括：
基于尺度不变特征变换算法对所述倾斜影像数据进行影像特征点提取与匹配，得到倾斜影像匹配点；
对所述倾斜影像匹配点进行粗差检测和自由网构建，得到自由网模型；
根据倾斜影像光束法区域网平差进行处理，得到影像中外方位元素和加密点的物方空间坐标。
8.根据权利要求1所述的基于新型基础测绘的模型生成方法，其特征在于，所述根据德劳内三角网算法对所述地面点云数据处理，包括：
任意选取所述地面点云数据中的一个初始点，查找距离所述初始点最近的第二点，并将所述初始点与所述第二点连接得到初始基线；
基于德劳内三角网算法在所述初始基线的一侧搜寻第三点，得到德劳内三角形；
以所述德劳内三角形的两条新边作为新的基线，将所述初始基线更新为所述新的基线，并返回至所述基于德劳内三角网算法在所述初始基线的一侧搜寻第三点得到德劳内三角形的步骤，直至所有基线处理完毕。
9.一种基于新型基础测绘的模型生成装置，其特征在于，包括：
数据获取模块，用于获取待测绘地理区域的倾斜影像数据和雷达点云数据；
空三处理模块，用于对所述倾斜影像数据进行空三处理，得到影像中外方位元素和加密点的物方空间坐标；
分割处理模块，用于对所述倾斜影像数据进行子区分割处理，得到多个待建模区块；
参数设置模块，用于设置所述待建模区块的模型重建参数；其中，所述模型重建参数包括坐标系原点、区块大小参数、待建模区块所对应的矢量文件路径；
第一模型建立模块，用于基于所述模型重建参数、所述外方位元素和所述加密点的物方空间坐标构建Mesh模型，并对所述Mesh模型进行整合得到待测绘地理区域的实景三维模型；
数据过滤模块，用于对所述雷达点云数据进行过滤处理，得到地面点云数据；
第二模型建立模块，用于根据德劳内三角网算法对所述地面点云数据处理，生成待测绘地理区域的数字高程模型。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8中任意一项所述的基于新型基础测绘的模型生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210609059.5A CN114998536A (zh) | 2022-05-31 | 2022-05-31 | 基于新型基础测绘的模型生成方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210609059.5A CN114998536A (zh) | 2022-05-31 | 2022-05-31 | 基于新型基础测绘的模型生成方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114998536A true CN114998536A (zh) | 2022-09-02 |
Family
ID=83031839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210609059.5A Pending CN114998536A (zh) | 2022-05-31 | 2022-05-31 | 基于新型基础测绘的模型生成方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114998536A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115600307A (zh) * | 2022-12-01 | 2023-01-13 | 北京飞渡科技有限公司（Cn） | 一种从城市场景的Mesh模型中生成单体化建筑的方法 |
| CN116188372A (zh) * | 2022-12-14 | 2023-05-30 | 自然资源部黑龙江基础地理信息中心(自然资源部黑龙江测绘资料档案馆) | 一种基于立体测绘的阻水构筑物识别方法 |
| CN116681873A (zh) * | 2023-07-31 | 2023-09-01 | 山东省国土测绘院 | 基于数字高程模型快速更新的影像正射纠正方法及系统 |
| CN116704138A (zh) * | 2023-08-07 | 2023-09-05 | 广东南方电信规划咨询设计院有限公司 | 倾斜摄影三维模型的建立方法及装置 |
| CN116778105A (zh) * | 2023-08-17 | 2023-09-19 | 云南高阳科技有限公司 | 基于多精度三维测绘数据融合建模方法 |
| CN116882035A (zh) * | 2023-09-07 | 2023-10-13 | 湖南省国土资源规划院 | 一种基于人工智能的空间对象识别与建模方法及相关设备 |
| CN117197382A (zh) * | 2023-11-02 | 2023-12-08 | 广东省测绘产品质量监督检验中心 | 一种实景三维数据构建方法和装置 |
| CN117251958A (zh) * | 2023-11-17 | 2023-12-19 | 四川赢信汇通实业有限公司 | 一种基于多传感器的制动鼓表面全跳动检测方法 |
| CN117572455A (zh) * | 2023-11-24 | 2024-02-20 | 齐鲁空天信息研究院 | 基于数据融合的山区水库地形图测绘方法 |
| CN117611978A (zh) * | 2024-01-23 | 2024-02-27 | 日照市自然资源和规划局 | 一种土地资源测绘数据库的构建方法及系统 |
| CN117635839A (zh) * | 2023-12-05 | 2024-03-01 | 四川省农业科学院科技保障中心 | 一种农作物的信息采集与三维图像呈现方法、装置及系统 |
| CN117649611A (zh) * | 2024-01-30 | 2024-03-05 | 西安宇速防务集团有限公司 | 一种基于两次定向的dem数据生产处理方法 |
| CN118429902A (zh) * | 2024-07-05 | 2024-08-02 | 中铁三局集团有限公司 | 基于无人机技术的铁路基础设施监测方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111103595A (zh) * | 2020-01-02 | 2020-05-05 | 广州建通测绘地理信息技术股份有限公司 | 一种数字线划图的生成方法和装置 |
| CN111458720A (zh) * | 2020-03-10 | 2020-07-28 | 中铁第一勘察设计院集团有限公司 | 复杂山区基于机载激光雷达数据的倾斜摄影建模方法 |
| CN113640825A (zh) * | 2021-08-11 | 2021-11-12 | 成都中科合迅科技有限公司 | 一种无人机复合立体测绘系统及方法 |
-
2022
- 2022-05-31 CN CN202210609059.5A patent/CN114998536A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111103595A (zh) * | 2020-01-02 | 2020-05-05 | 广州建通测绘地理信息技术股份有限公司 | 一种数字线划图的生成方法和装置 |
| CN111458720A (zh) * | 2020-03-10 | 2020-07-28 | 中铁第一勘察设计院集团有限公司 | 复杂山区基于机载激光雷达数据的倾斜摄影建模方法 |
| CN113640825A (zh) * | 2021-08-11 | 2021-11-12 | 成都中科合迅科技有限公司 | 一种无人机复合立体测绘系统及方法 |
Non-Patent Citations (6)
| Title |
|---|
| 孙薇等: "基于倾斜摄影和激光雷达的大规模城市（深圳）三维建模探索", 测绘通报, vol. 2021, no. 1, pages 11 - 14 * |
| 李志林等: "数字高程模型 第3版", pages: 233 * |
| 杜永亮等: "倾斜摄影和激光雷达在某输电工程三维建模中的应用研究", 江西电力, no. 221, pages 132 - 101 * |
| 赵小阳等: "无人机倾斜摄影支持下的1:500高精度三维测图方案及应用", 测绘通报, no. 7, pages 89 * |
| 郑伯祯等: "基于航摄技术的城市实景三维建模", 测绘与空间地理信息, vol. 45, no. 5, pages 179 - 180 * |
| 郗来迎等: "基于倾斜摄影技术的无人机电力巡检设计", 电子科技, vol. 32, no. 5, pages 86 - 87 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115600307A (zh) * | 2022-12-01 | 2023-01-13 | 北京飞渡科技有限公司（Cn） | 一种从城市场景的Mesh模型中生成单体化建筑的方法 |
| CN116188372A (zh) * | 2022-12-14 | 2023-05-30 | 自然资源部黑龙江基础地理信息中心(自然资源部黑龙江测绘资料档案馆) | 一种基于立体测绘的阻水构筑物识别方法 |
| CN116681873A (zh) * | 2023-07-31 | 2023-09-01 | 山东省国土测绘院 | 基于数字高程模型快速更新的影像正射纠正方法及系统 |
| CN116681873B (zh) * | 2023-07-31 | 2023-10-27 | 山东省国土测绘院 | 基于数字高程模型快速更新的影像正射纠正方法及系统 |
| CN116704138B (zh) * | 2023-08-07 | 2024-03-08 | 广东南方电信规划咨询设计院有限公司 | 倾斜摄影三维模型的建立方法及装置 |
| CN116704138A (zh) * | 2023-08-07 | 2023-09-05 | 广东南方电信规划咨询设计院有限公司 | 倾斜摄影三维模型的建立方法及装置 |
| CN116778105A (zh) * | 2023-08-17 | 2023-09-19 | 云南高阳科技有限公司 | 基于多精度三维测绘数据融合建模方法 |
| CN116778105B (zh) * | 2023-08-17 | 2023-11-21 | 云南高阳科技有限公司 | 基于多精度三维测绘数据融合建模方法 |
| CN116882035A (zh) * | 2023-09-07 | 2023-10-13 | 湖南省国土资源规划院 | 一种基于人工智能的空间对象识别与建模方法及相关设备 |
| CN116882035B (zh) * | 2023-09-07 | 2023-11-21 | 湖南省国土资源规划院 | 一种基于人工智能的空间对象识别与建模方法及相关设备 |
| CN117197382A (zh) * | 2023-11-02 | 2023-12-08 | 广东省测绘产品质量监督检验中心 | 一种实景三维数据构建方法和装置 |
| CN117197382B (zh) * | 2023-11-02 | 2024-01-12 | 广东省测绘产品质量监督检验中心 | 一种实景三维数据构建方法和装置 |
| CN117251958A (zh) * | 2023-11-17 | 2023-12-19 | 四川赢信汇通实业有限公司 | 一种基于多传感器的制动鼓表面全跳动检测方法 |
| CN117251958B (zh) * | 2023-11-17 | 2024-02-06 | 四川赢信汇通实业有限公司 | 一种基于多传感器的制动鼓表面全跳动检测方法 |
| CN117572455A (zh) * | 2023-11-24 | 2024-02-20 | 齐鲁空天信息研究院 | 基于数据融合的山区水库地形图测绘方法 |
| CN117635839A (zh) * | 2023-12-05 | 2024-03-01 | 四川省农业科学院科技保障中心 | 一种农作物的信息采集与三维图像呈现方法、装置及系统 |
| CN117611978A (zh) * | 2024-01-23 | 2024-02-27 | 日照市自然资源和规划局 | 一种土地资源测绘数据库的构建方法及系统 |
| CN117611978B (zh) * | 2024-01-23 | 2024-05-03 | 日照市自然资源和规划局 | 一种土地资源测绘数据库的构建方法及系统 |
| CN117649611A (zh) * | 2024-01-30 | 2024-03-05 | 西安宇速防务集团有限公司 | 一种基于两次定向的dem数据生产处理方法 |
| CN117649611B (zh) * | 2024-01-30 | 2024-04-30 | 西安宇速防务集团有限公司 | 一种基于两次定向的dem数据生产处理方法 |
| CN118429902A (zh) * | 2024-07-05 | 2024-08-02 | 中铁三局集团有限公司 | 基于无人机技术的铁路基础设施监测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114998536A (zh) | 基于新型基础测绘的模型生成方法、装置及存储介质 | |
| CN110570466B (zh) | 三维实景点云模型的生成方法和装置 | |
| Gruszczyński et al. | Comparison of low-altitude UAV photogrammetry with terrestrial laser scanning as data-source methods for terrain covered in low vegetation | |
| CN109238239B (zh) | 基于航空摄影的数字测量三维建模方法 | |
| CN111709981A (zh) | 特征线融合的激光点云与模拟图像的配准方法 | |
| CN102074047B (zh) | 一种高精细城市三维建模方法 | |
| CN109186551B (zh) | 倾斜摄影测量建筑物特征点提取方法、装置与存储介质 | |
| CN109269472B (zh) | 倾斜摄影测量建筑物特征线提取方法、装置与存储介质 | |
| CN104268935A (zh) | 一种基于特征的机载激光点云与影像数据融合系统及方法 | |
| CN113298944A (zh) | 一种基于无人机倾斜摄影的自动化三维建模测量方法 | |
| CN109242862A (zh) | 一种实时的数字表面模型生成方法 | |
| CN109961510B (zh) | 一种基于三维点云重构技术的高切坡地质快速编录方法 | |
| CN116740288B (zh) | 一种融合激光雷达、倾斜摄影的三维重建方法 | |
| CN117315146B (zh) | 基于跨尺度多源数据的三维模型的重建方法及存储方法 | |
| Baily et al. | Comparative assessment of analytical and digital photogrammetric methods in the construction of DEMs of geomorphological forms | |
| CN115358486A (zh) | 基于立体卫星影像的港口货运量预测方法、系统及应用 | |
| CN117496103A (zh) | 一种融合无人机倾斜摄影点云与地形图高程信息的多山地形区域dem生产的技术方法 | |
| CN116129064A (zh) | 电子地图生成方法、装置、设备及存储介质 | |
| CN111982077B (zh) | 电子地图绘制方法、系统和电子设备 | |
| CN115628720A (zh) | 一种智能三维地形图测绘方法及系统 | |
| CN110163962A (zh) | 一种基于Smart 3D倾斜摄影技术输出实际地形等高线的方法 | |
| CN113362458B (zh) | 模拟多视角成像的三维模型解译方法、终端及存储介质 | |
| Zhang et al. | Tests and performance evaluation of DMC images and new methods for their processing | |
| CN115909183B (zh) | 一种燃气输送外部环境监测系统与监测方法 | |
| Rebelo | 3D Point Clouds in Urban Planning: Developing and Releasing high-end Methodologies based on LiDAR and UAV data for the Extraction of Building Parameters |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220902 |
|
| RJ01 | Rejection of invention patent application after publication |