CN115358486A - 基于立体卫星影像的港口货运量预测方法、系统及应用 - Google Patents

基于立体卫星影像的港口货运量预测方法、系统及应用 Download PDF

Info

Publication number
CN115358486A
CN115358486A CN202211140049.8A CN202211140049A CN115358486A CN 115358486 A CN115358486 A CN 115358486A CN 202211140049 A CN202211140049 A CN 202211140049A CN 115358486 A CN115358486 A CN 115358486A
Authority
CN
China
Prior art keywords
image
model
port
yard
dimensional
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
Application number
CN202211140049.8A
Other languages
English (en)
Other versions
CN115358486B (zh
Inventor
张蕴灵
侯芸
宋张亮
董元帅
杨璇
胡林
崔丽
张学良
王惠
胡润婷
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.)
Checsc Highway Maintenance And Test Technology Co ltd
China Highway Engineering Consultants Corp
CHECC Data Co Ltd
Original Assignee
Checsc Highway Maintenance And Test Technology Co ltd
China Highway Engineering Consultants Corp
CHECC Data 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 Checsc Highway Maintenance And Test Technology Co ltd, China Highway Engineering Consultants Corp, CHECC Data Co Ltd filed Critical Checsc Highway Maintenance And Test Technology Co ltd
Priority to CN202211140049.8A priority Critical patent/CN115358486B/zh
Publication of CN115358486A publication Critical patent/CN115358486A/zh
Application granted granted Critical
Publication of CN115358486B publication Critical patent/CN115358486B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Game Theory and Decision Science (AREA)
  • Image Processing (AREA)

Abstract

本发明属于港口货运量数据识别技术领域，公开了基于立体卫星影像的港口货运量预测方法、系统及应用。以光学立体卫星影像和地理参考数据为数据源，以包括集装箱堆场和散货堆场的港口货运堆场为对象，在卫星影像上进行区域网平差处理；基于区域网平差处理后的卫星影像，生成数字表面模型和数字正射影像；利用生成的数字表面模型和数字正射影像，进行典型港口区域集装箱堆场和港口散货堆场的三维建模，以建立的三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，获取货运量信息。经过与真实体积进行比较，本发明高景1号和高分七号港口集装箱堆场的三维体积计算精度均优于75%。

Description

基于立体卫星影像的港口货运量预测方法、系统及应用
技术领域
本发明属于港口货运量数据识别技术领域，尤其涉及基于立体卫星影像的港口货运量预测方法、系统及应用。
背景技术
港口货运量是港口的主要生产指标，是反映港口货运量的重要指标，也是港口发展战略研究的重要内容，准确地把握港口的货物货运量对于合理科学的港口布局、投资规模、运营策略以及综合运输规划都具有重要的意。
传统的港口货运量分析方法采用人工定点统计，该方法主观性强、统计花费时间长、成本高、与其他港口的数据同期对比性差，尤其是针对海外的港口，运营阶段将花费一定比例的成本用于统计，且无法实现远程监测。利用大尺度、高动态、高分辨率的遥感影像进行集装箱提取，对于科学、高效地估测港口货运量有重要的意义。尤其是，当前高分卫星大多搭载多光谱传感器，具有覆盖范围广、空间分辨率高、光谱信息丰富等特点，为港口集装箱识别提取提供了可靠的数据源。
通过上述分析，现有技术存在的问题及缺陷为：
（1）现有技术在货运量分析时，人力、物力花费成本高，且分析速度慢。
（2）现有技术没有利用典型港口区域集装箱堆场/港口散货堆场的三维快速建模以三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，使得对货运量分析的数据准确率低。
发明内容
为克服相关技术中存在的问题，本发明公开实施例提供了基于立体卫星影像的港口货运量预测方法、系统及应用。
所述技术方案如下：基于立体卫星影像的港口货运量预测方法，包括以下步骤：
Figure 335033DEST_PATH_IMAGE001
，以光学立体卫星影像和地理参考数据为数据源，以包括集装箱堆场和散货堆场的港口货运堆场为对象，在卫星影像上进行区域网平差处理；
Figure 501703DEST_PATH_IMAGE002
，基于区域网平差处理后的卫星影像，生成数字表面模型
Figure 831053DEST_PATH_IMAGE003
和数字正射影像
Figure 233216DEST_PATH_IMAGE004
；
Figure 948100DEST_PATH_IMAGE005
、利用生成的数字表面模型
Figure 269360DEST_PATH_IMAGE003
和数字正射影像
Figure 102318DEST_PATH_IMAGE004
，进行典型港口区域集装箱堆场和港口散货堆场的三维建模，以建立的三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，获取货运量信息。
在一个实施例中，在步骤
Figure 901646DEST_PATH_IMAGE001
中，区域网平差处理通过提出的由粗略到精细的定位方法，消除影像原始姿轨数据中的系统误差，计算
Figure 739546DEST_PATH_IMAGE006
参数，获取卫星影像的几何定位；具体包括以下步骤：
（1）采用
Figure 231707DEST_PATH_IMAGE007
算子提取分布均匀的特征点，以特征点为中心在底图上取出一定大小的方形影像区域，利用
Figure 286382DEST_PATH_IMAGE008
数学模型结合目标区域
Figure 889401DEST_PATH_IMAGE009
确定出光学影像上对应的影像区域，并对该影像区域进行几何校正，消除与底图影像之间旋转和尺度差异，
Figure 110036DEST_PATH_IMAGE008
的数学表达式如下：
Figure 648465DEST_PATH_IMAGE010
式中，
Figure 439703DEST_PATH_IMAGE011
为归一化的像素坐标，
Figure 597146DEST_PATH_IMAGE012
为归一化的地理坐标，
Figure 157441DEST_PATH_IMAGE013
为多项式且每个坐标分量的幂次不超过3；
（2）区域网平差模型通过
Figure 978022DEST_PATH_IMAGE008
数学模型配合模型变换基础上包含6个仿射变化参数的像方仿射变换来实现，像点的改正数用仿射变换进行表达，数学模型如下：
Figure 522136DEST_PATH_IMAGE014
式中，
Figure 483270DEST_PATH_IMAGE015
和
Figure 898071DEST_PATH_IMAGE016
是编号为
Figure 43882DEST_PATH_IMAGE017
的影像的6个待求参数；
Figure 793401DEST_PATH_IMAGE018
和
Figure 276335DEST_PATH_IMAGE019
是标号为
Figure 827533DEST_PATH_IMAGE020
点的影像坐标与地理坐标，该地理坐标包括经度、纬度和大地高。
在一个实施例中，卫星影像在区域网平差处理中所需的控制点使用地面控制点，或通过使用已有精确地的地理参考数据进行量测，所述控制点通过高分辨率卫星影像和已有地理信息数据的自动匹配和配准获取。
在一个实施例中，在步骤
Figure 3299DEST_PATH_IMAGE021
中，基于区域网平差处理后的卫星影像，生成数字表面模型和数字正射影像在基于窗口的多角度多视影像匹配模型
Figure 231325DEST_PATH_IMAGE022
的基础上，引入周围信息作为惩罚项，构建总体能量函数，进行密集匹配，具体包括以下步骤：
（1）有
Figure 783529DEST_PATH_IMAGE023
景遥感影像
Figure 923655DEST_PATH_IMAGE024
，选取中间的一景影像作为参考影像
Figure 411268DEST_PATH_IMAGE025
，其它的至少一景影像为搜索影像
Figure 886112DEST_PATH_IMAGE026
；组成
Figure 225695DEST_PATH_IMAGE027
个立体像对，像对
Figure 469594DEST_PATH_IMAGE028
；对于参考影像上的一个给定特征点
Figure 3475DEST_PATH_IMAGE029
，物方空间的对应点一定位于通过点
Figure 965615DEST_PATH_IMAGE029
的摄影光线
Figure 111819DEST_PATH_IMAGE030
上；
（2）
Figure 351170DEST_PATH_IMAGE031
为点
Figure 39641DEST_PATH_IMAGE029
的概略高程值，通过共线方程式获得点的三维坐标
Figure 505388DEST_PATH_IMAGE032
，再给定概略高程值
Figure 671927DEST_PATH_IMAGE031
的容差为
Figure 405266DEST_PATH_IMAGE033
，得到对应于高程
Figure 530217DEST_PATH_IMAGE034
和
Figure 952102DEST_PATH_IMAGE035
的两个物方点
Figure 328856DEST_PATH_IMAGE036
和
Figure 667434DEST_PATH_IMAGE037
，点
Figure 949904DEST_PATH_IMAGE029
在物方空间的对应点则一定位于摄影光线段
Figure 373932DEST_PATH_IMAGE038
之上；共线方程如下式：
Figure 633006DEST_PATH_IMAGE039
Figure 91669DEST_PATH_IMAGE040
式中，
Figure 542111DEST_PATH_IMAGE041
为像点的像平面坐标；
Figure 328802DEST_PATH_IMAGE042
为影像的内方位元素；
Figure 640834DEST_PATH_IMAGE043
为摄站点的物方空间坐标；
Figure 704736DEST_PATH_IMAGE044
为物方点的物方空间坐标；
Figure 342391DEST_PATH_IMAGE045
为影像的3个外方位角元素组成的9个方向余弦；
（3）利用影像的精确定向元素，将摄影光线段
Figure 727629DEST_PATH_IMAGE038
分别投影到搜索影像
Figure 108932DEST_PATH_IMAGE046
上以得到给定点
Figure 761762DEST_PATH_IMAGE029
在影像
Figure 445684DEST_PATH_IMAGE046
上的同名核线，点
Figure 800442DEST_PATH_IMAGE029
的匹配点也一定位于搜索影像的
Figure 234703DEST_PATH_IMAGE046
上的核线上；
在一个实施例中，参考影像中任意像点
Figure 256886DEST_PATH_IMAGE047
和与其相对应的地面高程
Figure 721496DEST_PATH_IMAGE048
，利用
Figure 94709DEST_PATH_IMAGE022
方法计算得到的结果为能量项，在此基础上引入周围信息作为约束项
Figure 816151DEST_PATH_IMAGE049
，利用全局优化的方法进行逐像素的多视影像匹配，获得高精度逐像素密度数字表面模型；总体能量函数表示为：
Figure 568206DEST_PATH_IMAGE050
该总体能量函数同时匹配多幅重叠影像中的几何变形、地物表面断裂、特征相似，以及匹配影像之间辐射响应和摄影尺度不一致。
在一个实施例中，在步骤
Figure 718565DEST_PATH_IMAGE051
中，利用生成的数字表面模型和数字正射影像，进行典型港口区域集装箱堆场、港口散货堆场的三维建模包括：
对于平顶实体的建模，首先按照平顶物体的构建算法提取实体的轮廓线和地面高程点，构建出平顶实体，再根据坡顶构建算法的需求对脊线进行采集，然后根据采集到的脊线信息对已有的平顶模型的顶面进行修改，生成实体模型；
对于圆柱形物体的建模，在量取实体边缘时，第一个量测点为取实体的最顶部，其他两个点在边缘上；
对于在球形结构的建模，在量取实体上量取三个不共线的点，自动计算实体的半径和球心三维坐标，并按照球体的数学几何模型形成该球形几何结构；
对于复杂的几何体的建模，将其分解为多个简单几何体的组合，分别重建简单几何体结构，将其进行组合，可得到负责的几何体模形。
在一个实施例中，在步骤
Figure 64227DEST_PATH_IMAGE051
中，所述以建立的三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，获取货运量信息包括：
对港口区域实体的几何结构完全一致的实体，对其中一个结构采用上述典型港口区域集装箱堆场、港口散货堆场的三维建模方法进行单体建模或者从已有的模型库中提取一个模板模型，然后利用该模板模型在立体上进行模型的种植，将现有模型复制到对应的地理位置上，并在此位置上进行模型的旋转和缩放，获取其他大片相同结构的实体的建模；得到目标物的单体模型后，输入
Figure 325444DEST_PATH_IMAGE052
软件，量测目标物的体积。
本发明的另一目的在于提供一种实施所述基于立体卫星影像的港口货运量预测方法的基于立体卫星影像的港口货运量预测系统，所述基于立体卫星影像的港口货运量预测系统包括：
区域网平差处理模块，通过提出的由粗略到精细的定位方法，快速消除影像原始姿轨数据中的系统误差，计算准确的
Figure 40328DEST_PATH_IMAGE053
参数，实现卫星影像的高精度几何定位；
实体模型的构建模块，在基于窗口的多角度多视影像匹配模型
Figure 361588DEST_PATH_IMAGE022
的基础上，引入周围信息作为惩罚项，构建总体能量函数，进行密集匹配；
单体模型建模与体积测算模块，进行单体建模或者从已有的模型库中提取一个模板模型，行模型的种植，进行相同结构的实体建模；得到目标物的单体模型后进行量测目标物的体积。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于立体卫星影像的港口货运量预测方法。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述基于立体卫星影像的港口货运量预测方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果,具体描述如下：本发明以光学立体卫星影像和地理参考数据为数据源，港口货运堆场（集装箱堆场、散货堆场）精细化三维建模及三维体积计算方法。在卫星影像区域网平差处理，并生成影像
Figure 928966DEST_PATH_IMAGE054
的基础上，实现典型港口区域集装箱堆场/港口散货堆场的三维快速建模以三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，实现货运量分析。通过这种自动化的方式计算货运量，效率高，节约了大量的人力、物力成本，且在难以直接进行量测区域也能够进行量测。
第二、把技术方案看作一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：本发明可利用高分辨率卫星影像数据，通过建模，获取港口集装箱高度和散货堆场的高度、体积信息，进而进行货运量分析，能够节省大量的人力、物力，且具有快速高效的特点。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是本发明实施例提供的基于立体卫星影像的港口货运量预测方法原理图；
图2是本发明实施例提供的基于立体卫星影像的港口货运量预测方法流程图；
图3是本发明实施例提供的基于立体卫星影像的港口货运量预测系统示意图；
图4（a）是本发明实施例提供的高景1号提取的
Figure 259454DEST_PATH_IMAGE055
整体重建结果图一；
图4（b）是本发明实施例提供的高景1号提取的
Figure 97353DEST_PATH_IMAGE055
整体重建结果图二；
图4（c）是本发明实施例提供的高景1号提取的
Figure 464880DEST_PATH_IMAGE055
局部放大图一；
图4（d）是本发明实施例提供的高景1号提取的
Figure 768823DEST_PATH_IMAGE055
局部放大图二；
图4（e）是本发明实施例提供的高分7号提取的
Figure 388154DEST_PATH_IMAGE055
整体重建结果图一；
图4（f）是本发明实施例提供的高分7号提取的
Figure 93942DEST_PATH_IMAGE055
整体重建结果图二；
图4（g）是本发明实施例提供的高分7号提取的
Figure 6272DEST_PATH_IMAGE055
局部放大图一；
图4（h）是本发明实施例提供的高分7号提取的
Figure 797510DEST_PATH_IMAGE055
局部放大图二；
图5（a）是本发明实施例提供的高景1号三维场景重建结果图；
图5（b）是本发明实施例提供的高分7号三维场景重建结果图；
图6（a）是本发明实施例提供的高景1号集装箱三维模型图；
图6（b）是本发明实施例提供的高分7号集装箱三维模图；
图中：1、区域网平差处理模块；2、实体模型的构建模块；3、单体模型建模与体积测算模块。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
一、解释说明实施例：
如图1所示，本发明实施例提供的基于立体卫星影像的港口货运量预测方法，以光学立体卫星影像和地理参考数据为数据源，以港口货运堆场（集装箱堆场、散货堆场）为对象，在卫星影像区域网平差处理，并生成数字表面模型
Figure 954953DEST_PATH_IMAGE056
和数字正射影像
Figure 656193DEST_PATH_IMAGE004
的基础上，实现典型港口区域集装箱堆场/港口散货堆场的三维快速建模以三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，实现货运量分析。
实施例1
如图2所示，本发明实施例提供的基于立体卫星影像的港口货运量预测方法包括以下步骤：
Figure 490157DEST_PATH_IMAGE057
，区域网平差，通过提出的由粗略到精细的定位方法，快速消除影像原始姿轨数据中的系统误差，计算准确的有理多项式系数
Figure 20889DEST_PATH_IMAGE058
参数，实现卫星影像的高精度几何定位。
自动可靠地获取精确且均匀分布的连接点数据是涉及到卫星影像区域网平差过程的一个核心关键问题，本发明设计了一种适合于光学卫星影像的由粗略到精确的区域网平差方法。卫星影像区域网平差所需的控制点除了可以使用地面控制点，还可以通过使用已有精确地的地理参考数据（数字表面模型
Figure 231290DEST_PATH_IMAGE056
和数字正射影像
Figure 396824DEST_PATH_IMAGE004
，包括全球公众的
Figure 401689DEST_PATH_IMAGE059
和
Figure 42886DEST_PATH_IMAGE060
等）进行量测，此时控制点获取的问题在本质上就是如何实现高分辨率卫星影像和已有地理信息数据的自动匹配和配准。
影像匹配是从描述同一空间目标的两景或多景影像中自动建立其在影像之间相互对应关系的过程。国产卫星受硬件水平所限，或因为星载定位定姿系统
Figure 40666DEST_PATH_IMAGE061
和
Figure 309974DEST_PATH_IMAGE062
系统时间采样或信号跳变等原因造成的原始定轨、定姿精度较差，原始定向参数预测的卫星影像与正射影像间的相对位置关系也存在较大系统误差，一般都在几百个像素左右，极端情况下可能达到上千像素。为此本发明设计了一种基于影像显著性边缘特征的整体匹配方法，可以快速可靠的对高分辨率卫星影像原始姿轨数据中的系统误差进行修正。
利用
Figure 502052DEST_PATH_IMAGE063
算子从待匹配的国产高分辨率卫星影像和已有的正射影像中分别提取边缘点，每一个边缘点具有三个属性：像片坐标
Figure 755179DEST_PATH_IMAGE011
和边缘方向。首先根据正射影像的地理信息和对应的数字高程模型
Figure 294001DEST_PATH_IMAGE064
获得它们的空间三维坐标，然后再将它们按照卫星影像的原始
Figure 824339DEST_PATH_IMAGE053
参数投影到卫星影像的像片坐标空间中。假设集合
Figure 420274DEST_PATH_IMAGE065
是卫星影像中的边缘点集合，集合
Figure 629539DEST_PATH_IMAGE066
是正射影像中提取并投影到卫星影像的像片坐标空间的边缘点集合。通过计算
Figure 860800DEST_PATH_IMAGE065
和
Figure 855432DEST_PATH_IMAGE066
间的平移参数
Figure 551163DEST_PATH_IMAGE067
和
Figure 513302DEST_PATH_IMAGE068
，可以消除大的平移误差。假设集合
Figure 656577DEST_PATH_IMAGE065
中有
Figure 754983DEST_PATH_IMAGE069
个元素，集合
Figure 194185DEST_PATH_IMAGE066
中有
Figure 643621DEST_PATH_IMAGE070
个元素，那么可能的对应关系有
Figure 327937DEST_PATH_IMAGE071
种，对于每一种可能都计算一个平移量，然后在参数空间中对应的格子中累加1。最终累计空间中峰值对应的单元格的平移量就被确定为最终平移参数
Figure 812008DEST_PATH_IMAGE067
和
Figure 812325DEST_PATH_IMAGE068
。为了加快投票速度并抑制干扰，边缘点的方向被用做投票的限制条件。即如果一对可能的边缘点的方向相差太大，那么就不允许它们投票。实际算法设计时，该步骤是在1：8的金字塔影像中进行的，通常只需要数秒即可完成标准景卫星影像的概略定位。在完成概略定位后，使初始定位精度达到20～30像素左右。
在此基础上，利用精确匹配并对遥感卫星影像进行精确匹配定位。对于每景卫星影像，本发明首先采用
Figure 234210DEST_PATH_IMAGE072
算子提取分布均匀的特征点。以特征点为中心在底图上取出一定大小的方形影像区域，利用有理函数模型
Figure 204440DEST_PATH_IMAGE073
模型结合目标区域
Figure 792285DEST_PATH_IMAGE074
确定出光学影像上对应的影像区域，并对该影像区域进行几何校正，从而基本消除其与底图影像之间旋转和尺度差异，
Figure 822558DEST_PATH_IMAGE008
的数学表达式如下：
Figure 997319DEST_PATH_IMAGE075
；
式中，
Figure 771240DEST_PATH_IMAGE011
为归一化的像素坐标，
Figure 544417DEST_PATH_IMAGE012
为归一化的地理坐标，
Figure 496323DEST_PATH_IMAGE013
为多项式且每个坐标分量的幂次不超过3。
区域网平差模型可通过
Figure 17435DEST_PATH_IMAGE076
模型配合其模型变换基础上包含6个仿射变化参数的像方仿射变换来实现，即像点的改正数用仿射变换来表达，其数学模型如下：
Figure 595047DEST_PATH_IMAGE077
；
式中，
Figure 157484DEST_PATH_IMAGE015
和
Figure 529559DEST_PATH_IMAGE016
是编号为
Figure 147754DEST_PATH_IMAGE017
的影像的6个待求参数；
Figure 529056DEST_PATH_IMAGE018
和
Figure 870301DEST_PATH_IMAGE019
是标号为
Figure 677194DEST_PATH_IMAGE020
点的影像坐标与地理坐标，该地理坐标包括经度、纬度和大地高。
总之，通过以上提出的由粗略到精细的定位方法，能够快速消除影像原始姿轨数据中的系统误差，计算准确的
Figure 563110DEST_PATH_IMAGE053
参数，实现卫星影像的高精度几何定位。
Figure 967678DEST_PATH_IMAGE078
，实体模型的构建，在基于窗口的多角度多视影像匹配模型
Figure 989861DEST_PATH_IMAGE079
的基础上，引入周围信息作为惩罚项，构建总体能量函数，实现准确的密集匹配。
目标港口的三维实景模型可以通过叠加正射影像和数字高程模型得到，而高精度的数字表面模型
Figure 156269DEST_PATH_IMAGE056
是生成准确数字正射影像
Figure 998323DEST_PATH_IMAGE004
的基础。
为此本发明提出一种高精度的卫星影像
Figure 472161DEST_PATH_IMAGE080
自动提取方法。当前，利用遥感影像对真实世界进行三维重建以获取成像区域高密度
Figure 348850DEST_PATH_IMAGE080
数据，一直是摄影测量领域的研究热点。在影像的重叠度，内外方位元素的精度，和影像的辐射质量都足够好的情况下，现在的多视密集匹配算法已经能够对每一个像素做出深度估计，且精度达到了子像素级别。在众多算法中，双视密集匹配的算法尤其以半全局匹配算法
Figure 79302DEST_PATH_IMAGE081
算法最为著名。该算法能够有效的保留视差断裂，对参数依赖性低稳定性高，但由于该算法需要消耗大量的内存用于存储代价矩阵，在优化过程中需要与代价矩阵同样的大小的内存因而对处理大场景的数据有着极大的限制。
本发明实施例中，在基于窗口的多角度多视影像匹配模型
Figure 159384DEST_PATH_IMAGE082
的基础上，引入周围信息作为惩罚项，构建总体能量函数，实现了准确的密集匹配。
Figure 420601DEST_PATH_IMAGE082
模型是传统的影像相关匹配算法的扩展，它放弃传统的基于像方空间的匹配策略而是采用基于像-物空间几何关系的匹配策略，运用匹配由物方几何条件约束引导的多角度多视影像同时匹配的概念，放弃传统的基于立体影像对的双像匹配算法，通过同时匹配多景影像来直接获取特征的三维信息，使得算法的可靠性和精度同时得以提高。
Figure 292742DEST_PATH_IMAGE082
模型的前提条件是传感器模型和影像定向参数，即表达像素坐标和地理坐标的关系，必须已知或至少近似已知。
假设有
Figure 863270DEST_PATH_IMAGE023
景遥感影像
Figure 679916DEST_PATH_IMAGE024
，选取中间的一景影像作为参考影像
Figure 557873DEST_PATH_IMAGE025
，其它的至少一景影像为搜索影像
Figure 661352DEST_PATH_IMAGE026
；组成
Figure 887934DEST_PATH_IMAGE027
个立体像对，像对
Figure 208188DEST_PATH_IMAGE028
；对于参考影像上的一个给定特征点
Figure 811208DEST_PATH_IMAGE029
，物方空间的对应点一定位于通过点
Figure 392362DEST_PATH_IMAGE029
的摄影光线
Figure 304692DEST_PATH_IMAGE030
上。
首先，假设
Figure 95930DEST_PATH_IMAGE031
为点
Figure 253373DEST_PATH_IMAGE029
的概略高程值，通过共线方程式（相当于摄影光线
Figure 813668DEST_PATH_IMAGE030
与高程平面
Figure 899829DEST_PATH_IMAGE031
相交）获得点的三维坐标
Figure 178363DEST_PATH_IMAGE032
，再给定概略高程值
Figure 264131DEST_PATH_IMAGE031
的容差为
Figure 429664DEST_PATH_IMAGE033
，得到对应于高程
Figure 700109DEST_PATH_IMAGE034
和
Figure 715207DEST_PATH_IMAGE035
的两个物方点
Figure 463720DEST_PATH_IMAGE036
和
Figure 749339DEST_PATH_IMAGE037
，点
Figure 925105DEST_PATH_IMAGE029
在物方空间的对应点则一定位于摄影光线段
Figure 53598DEST_PATH_IMAGE038
之上；共线方程如下式：
Figure 846281DEST_PATH_IMAGE083
；
Figure 48723DEST_PATH_IMAGE084
式中，
Figure 129812DEST_PATH_IMAGE041
为像点的像平面坐标；
Figure 119502DEST_PATH_IMAGE042
为影像的内方位元素；
Figure 209818DEST_PATH_IMAGE043
为摄站点的物方空间坐标；
Figure 1188DEST_PATH_IMAGE044
为物方点的物方空间坐标；
Figure 770954DEST_PATH_IMAGE045
为影像的3个外方位角元素组成的9个方向余弦；
然后，利用影像的精确定向元素，本发明将摄影光线段
Figure 733094DEST_PATH_IMAGE038
分别投影到搜索影像
Figure 112254DEST_PATH_IMAGE046
上以得到给定点
Figure 741818DEST_PATH_IMAGE029
在影像
Figure 679556DEST_PATH_IMAGE046
上的同名核线（段），而点
Figure 4358DEST_PATH_IMAGE029
的匹配点也一定位于搜索影像的
Figure 436476DEST_PATH_IMAGE046
上的核线上；因此，
Figure 405701DEST_PATH_IMAGE085
算法隐含的利用了影像及影像之间的核线约束条件。
参考影像中任意像点
Figure 265072DEST_PATH_IMAGE047
和与其相对应的地面高程
Figure 781898DEST_PATH_IMAGE048
，利用
Figure 768439DEST_PATH_IMAGE022
方法计算得到的结果为能量项，在此基础上引入周围信息作为约束项
Figure 575858DEST_PATH_IMAGE049
，利用全局优化的方法进行逐像素的多视影像匹配，获得高精度逐像素密度数字表面模型；总体能量函数表示为：
Figure 120978DEST_PATH_IMAGE086
；
该模型可同时匹配多幅重叠影像，能够很好地解决立体匹配系统中几何变形（包括缩放和旋转）、地物表面断裂、特征相似等瓶颈问题的能力，也能够同时顾及影像之间辐射响应和摄影尺度不一致的实际情况。
Figure 279427DEST_PATH_IMAGE087
，单体模型建模与体积测算，进行单体建模或者从已有的模型库中提取一个模板模型，行模型的种植，实现相同结构的实体建模；得到目标物的单体模型后进行量测目标物的体积。
在卫星影像立体模型上进行量测时，可以通过人工量测出实体顶部轮廓角点，提取出实体的轮廓，在通过量测实体附近的一个地面点获得实体的高度信息。
对于平顶实体的建模，首先按照平顶物体的构建算法提取实体的轮廓线和地面高程点，构建出平顶实体，再根据坡顶构建算法的需求对脊线进行采集，然后根据采集到的脊线信息对已有的平顶模型的顶面进行修改，生成实体模型。
对于圆柱形物体，为了便于实体高度的计算，规定在量取实体边缘时，第一个量测点必须取实体的最顶部，其他两个点只要求在边缘上即可；在球形结构建筑的量测中，为了便于实体半径和球心的计算，对于在球形结构的建模，在量取实体上量取三个不共线的点，自动计算实体的半径和球心三维坐标，并按照球体的数学几何模型形成该球形几何结构；
对于复杂的几何体的建模，将其分解为多个简单几何体的组合，分别重建简单几何体结构，将其进行组合，可得到负责的几何体模形。
在港口区域有很多实体的几何结构完全一致（比如集装箱），只是地理位置和尺寸各不相同，针对这类实体，需要对其中一个结构采用上述方法进行单体建模或者从已有的模型库中提取一个模板模型，然后利用该模板模型在立体上进行模型的“种植”，即将现有模型复制到对应的地理位置上，并在此位置上进行模型的旋转和缩放，实现其他大片相同结构的实体的快速高效建模。得到目标物的单体模型后，输入
Figure 194293DEST_PATH_IMAGE088
软件，即可量测目标物的体积。
实施例2
如图3所示，本发明实施例提供的基于立体卫星影像的港口货运量预测系统包括以下步骤：
区域网平差处理模块1，通过提出的由粗略到精细的定位方法，快速消除影像原始姿轨数据中的系统误差，计算准确的
Figure 872530DEST_PATH_IMAGE053
参数，实现卫星影像的高精度几何定位。
实体模型的构建模块2，在基于窗口的多角度多视影像匹配模型
Figure 339284DEST_PATH_IMAGE022
的基础上，引入周围信息作为惩罚项，构建总体能量函数，实现准确的密集匹配。
单体模型建模与体积测算模块3，进行单体建模或者从已有的模型库中提取一个模板模型，行模型的种植，实现相同结构的实体建模；得到目标物的单体模型后进行量测目标物的体积。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
上述装置/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
二、应用实施例：
应用例1
本发明应用实施例还提供了一种计算机设备，该计算机设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
应用例2
本发明应用实施例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存储有计算机程序，所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
应用例3
本发明应用实施例还提供了一种信息数据处理终端，所述信息数据处理终端用于实现于电子装置上执行时，提供用户输入接口以实施如上述各方法实施例中的步骤，所述信息数据处理终端不限于手机、电脑、交换机。
应用例4
本发明应用实施例还提供了一种服务器，所述服务器用于实现于电子装置上执行时，提供用户输入接口以实施如上述各方法实施例中的步骤。
应用例5
本发明实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时可实现上述各个方法实施例中的步骤。
所述集成的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，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至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
三、实施例相关效果的证据：
实验
以高景1号、高分7号光学立体卫星影像为数据源，验证本发明提出的港口货运堆场（集装箱堆场、散货堆场）精细化三维建模及三维体积计算方法的有效性。高分七号卫星
Figure 237226DEST_PATH_IMAGE089
搭载的两线阵立体相机可有效获取20公里幅宽、优于0.8m分辨率的全色立体影像和3.2m分辨率的多光谱影像，通过立体相机和激光测高仪复合测绘的模式，实现1:10000比例尺立体测图。高景1号卫星
Figure 80417DEST_PATH_IMAGE090
01/02星和03/04星分别于2016年12月28日和2018年1月9日以一箭双星的方式成功发射，组成
Figure 613161DEST_PATH_IMAGE091
星座，可获得优于0.5m分辨率的全色立体影像和5m分辨率的多光谱影像，可设定拍摄连续条带、多条带拼接、按目标拍摄多种采集模式，此外还可以进行立体采集。
对高景1号、高分7号卫星影像区域网平差处理，平差结果如表1所示，进一步提取
Figure 250816DEST_PATH_IMAGE055
和
Figure 633124DEST_PATH_IMAGE092
（图4（a）高景1号提取的
Figure 30739DEST_PATH_IMAGE055
整体重建结果图一；
图4（b）高景1号提取的
Figure 198415DEST_PATH_IMAGE055
整体重建结果图二；图4（c）高景1号提取的
Figure 5308DEST_PATH_IMAGE055
局部放大图一；图4（d）高景1号提取的
Figure 625645DEST_PATH_IMAGE055
局部放大图二；图4（e）高分7号提取的DSM整体重建结果图一；图4（f）高分7号提取的
Figure 92529DEST_PATH_IMAGE055
整体重建结果图二；图4（g）高分7号提取的
Figure 98400DEST_PATH_IMAGE055
局部放大图一；图4（h）高分7号提取的
Figure 77858DEST_PATH_IMAGE055
局部放大图二）。
在此基础上，实现典型港口区域集装箱堆场/港口散货堆场的实景三维模型，如图5（a）高景1号三维场景重建结果图所示。图5（b）高分7号三维场景重建结果图；
以三维模型为基础，进行港口集装箱的单体化（如图6（a）高景1号集装箱三维模型图所示。图6（b）高分7号集装箱三维模图），并量测港口散货集装箱的三维积计算，实现货运量分析。
表1区域网平差结果
Figure 936223DEST_PATH_IMAGE093
表2给出了量测出集装箱的表面积和体积。经过与真实体积进行比较，可知高景1号和高分七号港口集装箱堆场的三维体积计算精度均优于75%。
表2货堆集装箱表面积体积计算结果
Figure 442684DEST_PATH_IMAGE094
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于立体卫星影像的港口货运量预测方法，其特征在于，该方法包括以下步骤：
Figure 222417DEST_PATH_IMAGE001
，以光学立体卫星影像和地理参考数据为数据源，以包括集装箱堆场和散货堆场的港口货运堆场为对象，在卫星影像上进行区域网平差处理；
Figure 929211DEST_PATH_IMAGE002
，基于区域网平差处理后的卫星影像，生成数字表面模型和数字正射影像；
Figure 540321DEST_PATH_IMAGE003
、利用生成的数字表面模型和数字正射影像，进行典型港口区域集装箱堆场和港口散货堆场的三维建模，以建立的三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，获取货运量信息。
2.根据权利要求1所述的基于立体卫星影像的港口货运量预测方法，其特征在于，在步骤
Figure 175833DEST_PATH_IMAGE001
中，区域网平差处理通过提出的由粗略到精细的定位方法，消除影像原始姿轨数据中的系统误差，计算
Figure 505183DEST_PATH_IMAGE004
参数，获取卫星影像的几何定位；具体包括以下步骤：
（1）采用
Figure 438504DEST_PATH_IMAGE005
算子提取分布均匀的特征点，以特征点为中心在底图上取出一定大小的方形影像区域，利用
Figure 410178DEST_PATH_IMAGE006
数学模型结合目标区域
Figure 200279DEST_PATH_IMAGE007
确定出光学影像上对应的影像区域，并对该影像区域进行几何校正，消除与底图影像之间旋转和尺度差异，
Figure 767658DEST_PATH_IMAGE006
数学模型的数学表达式如下：
Figure 363724DEST_PATH_IMAGE008
式中，
Figure 198694DEST_PATH_IMAGE009
为归一化的像素坐标，
Figure 425276DEST_PATH_IMAGE010
为归一化的地理坐标，
Figure 479951DEST_PATH_IMAGE011
为多项式，且每个坐标分量的幂次不超过3；
（2）区域网平差模型通过
Figure 489495DEST_PATH_IMAGE006
数学模型配合模型变换基础上包含6个仿射变化参数的像方仿射变换来实现，像点的改正数用仿射变换进行表达，数学模型如下：
Figure 929704DEST_PATH_IMAGE012
式中，
Figure 579384DEST_PATH_IMAGE013
和
Figure 167361DEST_PATH_IMAGE014
是编号为
Figure 59224DEST_PATH_IMAGE015
的影像的6个待求参数；
Figure 353939DEST_PATH_IMAGE016
和
Figure 437171DEST_PATH_IMAGE017
是标号为
Figure 122230DEST_PATH_IMAGE018
点的影像坐标与地理坐标，该地理坐标包括经度、纬度和大地高。
3.根据权利要求2所述的基于立体卫星影像的港口货运量预测方法，其特征在于，所述卫星影像在所述区域网平差处理中所需的控制点使用地面控制点，或通过使用已有精确地的地理参考数据进行量测，所述控制点通过高分辨率卫星影像和已有地理信息数据的自动匹配和配准获取。
4.根据权利要求1所述的基于立体卫星影像的港口货运量预测方法，其特征在于，在步骤
Figure 67052DEST_PATH_IMAGE002
中，基于区域网平差处理后的卫星影像，生成数字表面模型和数字正射影像在基于窗口的多角度多视影像匹配模型
Figure 967006DEST_PATH_IMAGE019
的基础上，引入周围信息作为惩罚项，构建总体能量函数，进行密集匹配，具体包括以下步骤：
（1）有
Figure 768609DEST_PATH_IMAGE020
景遥感影像
Figure 521058DEST_PATH_IMAGE021
，选取中间的一景影像作为参考影像
Figure 738413DEST_PATH_IMAGE022
，其它的至少一景影像为搜索影像
Figure 24032DEST_PATH_IMAGE023
；组成
Figure 871902DEST_PATH_IMAGE024
个立体像对，像对
Figure 593870DEST_PATH_IMAGE025
；对于参考影像上的一个给定特征点
Figure 129763DEST_PATH_IMAGE026
，物方空间的对应点一定位于通过点
Figure 253576DEST_PATH_IMAGE026
的摄影光线
Figure 147714DEST_PATH_IMAGE027
上；
（2）
Figure 356979DEST_PATH_IMAGE028
为点
Figure 699492DEST_PATH_IMAGE026
的概略高程值，通过共线方程式获得点的三维坐标
Figure 615495DEST_PATH_IMAGE029
，再给定概略高程值
Figure 867485DEST_PATH_IMAGE028
的容差为
Figure 314778DEST_PATH_IMAGE030
，得到对应于高程
Figure 739943DEST_PATH_IMAGE031
和
Figure 353196DEST_PATH_IMAGE032
的两个物方点
Figure 510508DEST_PATH_IMAGE033
和
Figure 632047DEST_PATH_IMAGE034
，点
Figure 814898DEST_PATH_IMAGE026
在物方空间的对应点则一定位于摄影光线段
Figure 502232DEST_PATH_IMAGE035
之上；共线方程如下式：
Figure 625519DEST_PATH_IMAGE036
Figure 93410DEST_PATH_IMAGE037
式中，
Figure 79951DEST_PATH_IMAGE038
为像点的像平面坐标；
Figure 887370DEST_PATH_IMAGE039
为影像的内方位元素；
Figure 589747DEST_PATH_IMAGE040
为摄站点的物方空间坐标；
Figure 325360DEST_PATH_IMAGE041
为物方点的物方空间坐标；
Figure 850013DEST_PATH_IMAGE042
为影像的3个外方位角元素组成的9个方向余弦；
（3）利用影像的精确定向元素，将摄影光线段
Figure 449622DEST_PATH_IMAGE035
分别投影到搜索影像
Figure 650796DEST_PATH_IMAGE043
上以得到给定点
Figure 283159DEST_PATH_IMAGE026
在影像
Figure 595191DEST_PATH_IMAGE043
上的同名核线，点
Figure 190252DEST_PATH_IMAGE026
的匹配点也一定位于搜索影像的
Figure 562328DEST_PATH_IMAGE043
上的核线上。
5.根据权利要求4所述的基于立体卫星影像的港口货运量预测方法，其特征在于，参考影像中任意像点
Figure 679057DEST_PATH_IMAGE044
和与其相对应的地面高程
Figure 794780DEST_PATH_IMAGE045
，利用
Figure 368981DEST_PATH_IMAGE019
方法计算得到的结果为能量项，在此基础上引入周围信息作为约束项
Figure 662691DEST_PATH_IMAGE046
，利用全局优化的方法进行逐像素的多视影像匹配，获得高精度逐像素密度数字表面模型；总体能量函数表示为：
Figure 751869DEST_PATH_IMAGE047
。
6.根据权利要求1所述的基于立体卫星影像的港口货运量预测方法，其特征在于，在步骤
Figure 923481DEST_PATH_IMAGE048
中，利用生成的数字表面模型和数字正射影像，进行典型港口区域集装箱堆场和港口散货堆场的三维建模包括：
对于平顶实体的建模，首先按照平顶物体的构建算法提取实体的轮廓线和地面高程点，构建出平顶实体，再根据坡顶构建算法的需求对脊线进行采集，然后根据采集到的脊线信息对已有的平顶模型的顶面进行修改，生成实体模型；
对于圆柱形物体的建模，在量取实体边缘时，第一个量测点为取实体的最顶部，其他两个点在边缘上；
对于在球形结构的建模，在量取实体上量取三个不共线的点，自动计算实体的半径和球心三维坐标，并按照球体的数学几何模型形成该球形几何结构；
对于复杂的几何体的建模，将其分解为多个简单几何体的组合，分别重建简单几何体结构，将其进行组合，可得到负责的几何体模形。
7.根据权利要求1所述的基于立体卫星影像的港口货运量预测方法，其特征在于，在步骤
Figure 476822DEST_PATH_IMAGE048
中，所述以建立的三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，获取货运量信息包括：
对港口区域实体的几何结构完全一致的实体，对其中一个结构采用上述典型港口区域集装箱堆场、港口散货堆场的三维建模方法进行单体建模或者从已有的模型库中提取一个模板模型，然后利用该模板模型在立体上进行模型的种植，将现有模型复制到对应的地理位置上，并在此位置上进行模型的旋转和缩放，获取其他大片相同结构的实体的建模；得到目标物的单体模型后，输入
Figure 941433DEST_PATH_IMAGE049
软件，量测目标物的体积。
8.一种实施权利要求1-7任意一项所述基于立体卫星影像的港口货运量预测方法的系统，其特征在于，该基于立体卫星影像的港口货运量预测系统包括：
区域网平差处理模块（1），通过提出的由粗略到精细的定位方法，快速消除影像原始姿轨数据中的系统误差，计算准确的
Figure 49066DEST_PATH_IMAGE050
参数，实现卫星影像的高精度几何定位；
实体模型的构建模块（2），在基于窗口的多角度多视影像匹配模型
Figure 490280DEST_PATH_IMAGE051
的基础上，引入周围信息作为惩罚项，构建总体能量函数，进行密集匹配；
单体模型建模与体积测算模块（3），进行单体建模或者从已有的模型库中提取一个模板模型，行模型的种植，进行相同结构的实体建模；得到目标物的单体模型后进行量测目标物的体积。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1-7任意一项所述基于立体卫星影像的港口货运量预测方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1-7任意一项所述基于立体卫星影像的港口货运量预测方法。
CN202211140049.8A 2022-09-20 2022-09-20 基于立体卫星影像的港口货运量预测方法、系统及应用 Active CN115358486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211140049.8A CN115358486B (zh) 2022-09-20 2022-09-20 基于立体卫星影像的港口货运量预测方法、系统及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211140049.8A CN115358486B (zh) 2022-09-20 2022-09-20 基于立体卫星影像的港口货运量预测方法、系统及应用

Publications (2)

Publication Number Publication Date
CN115358486A true CN115358486A (zh) 2022-11-18
CN115358486B CN115358486B (zh) 2023-06-02

Family

ID=84005817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211140049.8A Active CN115358486B (zh) 2022-09-20 2022-09-20 基于立体卫星影像的港口货运量预测方法、系统及应用

Country Status (1)

Country Link
CN (1) CN115358486B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116664430A (zh) * 2023-05-30 2023-08-29 自然资源部国土卫星遥感应用中心 一种无地面控制条件下大范围卫星影像几何精度提升方法
CN116703116A (zh) * 2023-06-28 2023-09-05 中武(福建)跨境电子商务有限责任公司 一种海运集装箱的3d智能配载系统
CN117455324A (zh) * 2023-11-08 2024-01-26 交通运输部水运科学研究所 一种基于物理模型的大型港口运营管理方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101604018A (zh) * 2009-07-24 2009-12-16 中国测绘科学研究院 高分辨率遥感影像数据处理方法及其系统
CN104835159A (zh) * 2015-05-07 2015-08-12 中国科学院长春光学精密机械与物理研究所 用于连续变焦距光学成像系统的数字图像校正方法
CN106845452A (zh) * 2017-02-23 2017-06-13 中国公路工程咨询集团有限公司 基于北斗的高分遥感数据处理方法
CN112344913A (zh) * 2020-11-09 2021-02-09 中国公路工程咨询集团有限公司 一种利用无人机倾斜摄影影像的区域危险系数评估方法
CN112465976A (zh) * 2020-12-14 2021-03-09 广州港数据科技有限公司 堆场三维地图建立方法、库存管理方法、设备及介质
WO2021238359A1 (zh) * 2020-05-28 2021-12-02 华为技术有限公司 一种构建物体的多细节层次模型的方法及计算机设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101604018A (zh) * 2009-07-24 2009-12-16 中国测绘科学研究院 高分辨率遥感影像数据处理方法及其系统
CN104835159A (zh) * 2015-05-07 2015-08-12 中国科学院长春光学精密机械与物理研究所 用于连续变焦距光学成像系统的数字图像校正方法
CN106845452A (zh) * 2017-02-23 2017-06-13 中国公路工程咨询集团有限公司 基于北斗的高分遥感数据处理方法
WO2021238359A1 (zh) * 2020-05-28 2021-12-02 华为技术有限公司 一种构建物体的多细节层次模型的方法及计算机设备
CN112344913A (zh) * 2020-11-09 2021-02-09 中国公路工程咨询集团有限公司 一种利用无人机倾斜摄影影像的区域危险系数评估方法
CN112465976A (zh) * 2020-12-14 2021-03-09 广州港数据科技有限公司 堆场三维地图建立方法、库存管理方法、设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张力等: ""基于多视影像匹配模型的倾斜航空影像自动连接点提取及区域网平差方法"", pages 554 - 564 *
王晋: ""ICESat激光点与光学卫星影像联合区域网平差关键技术研究"", no. 6, pages 34 - 36 *
贾子谊: ""基于多源遥感数据的城市建筑垃圾堆积体三维变化检测研究"", no. 1, pages 9 - 25 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116664430A (zh) * 2023-05-30 2023-08-29 自然资源部国土卫星遥感应用中心 一种无地面控制条件下大范围卫星影像几何精度提升方法
CN116664430B (zh) * 2023-05-30 2023-11-14 自然资源部国土卫星遥感应用中心 一种无地面控制条件下大范围卫星影像几何精度提升方法
CN116703116A (zh) * 2023-06-28 2023-09-05 中武(福建)跨境电子商务有限责任公司 一种海运集装箱的3d智能配载系统
CN116703116B (zh) * 2023-06-28 2024-01-16 中武(福建)跨境电子商务有限责任公司 一种海运集装箱的3d智能配载系统
CN117455324A (zh) * 2023-11-08 2024-01-26 交通运输部水运科学研究所 一种基于物理模型的大型港口运营管理方法及系统
CN117455324B (zh) * 2023-11-08 2024-04-19 交通运输部水运科学研究所 一种基于物理模型的大型港口运营管理方法及系统

Also Published As

Publication number Publication date
CN115358486B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN115358486B (zh) 基于立体卫星影像的港口货运量预测方法、系统及应用
CN101604018B (zh) 高分辨率遥感影像数据处理方法及其系统
CN113192193B (zh) 基于Cesium三维地球框架的高压输电线路走廊三维重建方法
Bolkas Assessment of GCP number and separation distance for small UAS surveys with and without GNSS-PPK positioning
CN103337052B (zh) 面向宽幅遥感影像的自动几何纠正方法
CN107527328B (zh) 一种兼顾精度与速度的无人机影像几何处理方法
US20090154793A1 (en) Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors
CN110033489A (zh) 一种车辆定位准确性的评估方法、装置及设备
CN111540048A (zh) 一种基于空地融合的精细化实景三维建模方法
CN110223389B (zh) 融合图像与激光数据的场景建模方法、系统、装置
CN114998536A (zh) 基于新型基础测绘的模型生成方法、装置及存储介质
CN109596121B (zh) 一种机动站自动目标检测与空间定位方法
CN109100719B (zh) 基于星载sar影像与光学影像的地形图联合测图方法
CN105046251A (zh) 一种基于环境一号卫星遥感影像的自动正射校正方法
CN112862966B (zh) 地表三维模型构建方法、装置、设备及存储介质
CN116086411B (zh) 数字地形图生成方法、装置、设备和可读存储介质
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
CN116883604A (zh) 一种基于天、空、地影像的三维建模技术方法
Barazzetti et al. Automatic processing of many images for 2D/3D modelling
Elhalawani et al. Implementation of close range photogrammetry using modern non-metric digital cameras for architectural documentation
CN116363196A (zh) 基于多类型地图的融合定位方法及电子设备
Chen et al. A non-contact measurement method for rock mass discontinuity orientations by smartphone
Chen et al. 3D model construction and accuracy analysis based on UAV tilt photogrammetry
Huang et al. Image network generation of uncalibrated UAV images with low-cost GPS data
Wu et al. Building Facade Reconstruction Using Crowd-Sourced Photos and Two-Dimensional Maps

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