CN115880466B - 基于无人机遥感的城市工程测绘方法及系统 - Google Patents
基于无人机遥感的城市工程测绘方法及系统 Download PDFInfo
- Publication number
- CN115880466B CN115880466B CN202310107123.4A CN202310107123A CN115880466B CN 115880466 B CN115880466 B CN 115880466B CN 202310107123 A CN202310107123 A CN 202310107123A CN 115880466 B CN115880466 B CN 115880466B
- Authority
- CN
- China
- Prior art keywords
- mapping
- aerial vehicle
- unmanned aerial
- current
- obstacle
- 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.)
- Active
Links
Images
Classifications
-
- 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
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于无人机遥感的城市工程测绘方法及系统,属于无人机遥感测绘技术领域,本发明通过对障碍物进行识别,从而根据当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点;进而通过蚁群算法根据测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将飞行路线传输至远程测绘终端。通过本方法能够对城市工程在预设计阶段过程中,能够对现场进行拍摄图片的测绘无人机的测绘点进行快速确定,使得拍摄到现场中的图片信息给相应的工程师参考以及设计,大大地提高了测绘无人机的测绘效率。
Description
技术领域
本发明涉及无人机遥感测绘技术领域,尤其涉及基于无人机遥感的城市工程测绘方法及系统。
背景技术
无人机遥感技术是充分利用无人机技术、遥感技术和相应的通信技术获取空间遥感信息的新技术。其以在测绘工程测量方面的优势,广泛应用于地理信息获取、环境监测、地质地貌调查研究等领域。随着无人机遥感技术的广泛应用,越来越多的技术人员开始关注其技术的分析和研究。遥感技术所涉及的范围主要有遥感器、输入设备、输出设备和遥感信息处理平台,具体细分为微波遥感、光遥感及红外线遥感。遥感技术与无人机的融合在整个工程施工方面至关重要,其最基本的特点是检测范围极广、速度快、检测效率高及信息处理快速。这项技术在测绘测量工程中能对大范围的物体进行一定程度的勘测,得到较精确的测量数值,同时,也能开展小范围区域测量工作。故无人机传感技术在测量范围内具有较大的可控性。同时,利用该项技术,能直观立体地看到各种区域的真实情况,为相关工程施工提供技术上的支持;对出现的问题也可在有关系统中进行全面反映,为专业人士提供更加精准的数据信息。而现如今的无人机遥感技术对于城市工程测绘的过程中,通过拍摄大量的图片来对相关数据进行获取,相当于无任何的规划地进行测绘,产生大量的图片数据需要处理的同时会使得相关工作人员过于劳累,另一方面,采集的大量图片数据中存在太多无用数据或者是重复数据,这一现象使得测绘的时间增长,使得测绘无人机在测绘的过程效率低下。
发明内容
本发明克服了现有技术的不足,提供了一种基于无人机遥感的城市工程测绘方法及系统。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种基于无人机遥感的城市工程测绘方法,包括以下步骤:
获取当前待测绘区域的地理位置信息,并根据所述地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景;
构建检索模型,并根据所述检索模型以及所述虚拟场景获取当前待测绘区域的障碍物;
根据所述当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于所述当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点;
根据所述测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端。
进一步地,本发明的一个较佳实施例中,获取当前待测绘区域的地理位置信息,并根据所述地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景,具体包括以下步骤:
获取当前城市工程的规划图纸信息,并根据所述当前城市工程的规划图纸信息获取待测绘的区域面积范围,获取待测绘区域的地理位置信息;
基于待测绘区域的地理位置信息获取所述地理位置信息的AR场景信息;
根据待测绘的区域面积范围以及所述地理位置信息的AR场景信息得到当前待测绘区域的AR场景信息;
构建虚拟场景,并将所述当前待测绘区域的AR场景信息输入到所述虚拟场景中。
进一步地,本发明的一个较佳实施例中,构建检索模型,并根据所述检索模型以及所述虚拟场景获取当前待测绘区域的障碍物,具体包括以下步骤:
基于卷积神经网络构建检索模型,并获取大量的预设模型信息分为训练集以及测试集,并将所述训练集输入到所述检索模型中进行训练,直至损失函数平稳;
将所述测试集输入至所述检索模型中,直至所述检索模型的模型参数符合预设要求,训练完毕,以获取训练完成的检索模型;
将所述虚拟场景输入到所述训练完成的检索模型中进行识别,以对所述虚拟场景中的各场景模型进行分类,以获取障碍物以及非障碍物;
剔除所述虚拟场景中的非障碍物,并将所述障碍物的识别结果进行输出。
进一步地,本发明的一个较佳实施例中,根据所述当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于所述当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点,具体包括以下步骤:
获取所述当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型,并根据所述当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型得到在各个拍摄位置上的视野拍摄障碍面积;
获取视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点,并根据所述视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点构建当前测绘无人机测绘时的视野拍摄障碍区域;
根据所述视野拍摄障碍区域获取所述视野拍摄障碍区域以外的位置节点作为预选测绘节点,并获取当前测绘无人机的体积模型;
获取所述预选测绘节点在预设范围之内的场景模型,若所述当前测绘无人机的体积模型与所述预选测绘节点在预设范围之内的场景模型存在干涉情况,则将该预选测绘节点剔除,以得到测绘无人机的优选测绘点。
进一步地,本发明的一个较佳实施例中,根据所述测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端,具体包括以下步骤:
通过蚁群算法对所述测绘无人机的优选测绘点进行反复构造,以获取到一条或者多条无人机的飞行路线;
获取所述无人机的飞行路线中测绘点的数目,建立测绘点的数目排序表,并根据所述测绘点的数目排序表对所述测绘点的数目进行排序;
获取所述排序表中一个或者多个最小的测绘点的数目对应的飞行路线作为预选无人机飞行路线,并计算所述预选无人机飞行路线的能耗值;
获取最小的能耗值的预选无人机飞行路线作为当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端。
进一步地,本发明的一个较佳实施例中,通过蚁群算法对所述测绘无人机的优选测绘点进行反复构造,以获取到一条或者多条无人机的飞行路线,具体包括以下步骤:
获取当前的城市工程的规划图纸信息,并根据所述当前的城市工程的规划图纸信息制定当前测绘无人机的拍摄任务;
基于所述当前测绘无人机的拍摄任务确定当前测绘无人机的待拍摄区域;
根据所述当前测绘无人机的拍摄区域确定所对应的测绘点;
通过蚁群算法对所述所对应的测绘点进行反复构造,以获取一条或者多条无人机的飞行路线。
本发明第二方面提供了一种基于无人机遥感的城市工程测绘系统,所述测绘系统包括存储器以及处理器,所述存储器中包含基于无人机遥感的城市工程测绘方法程序,所述基于无人机遥感的城市工程测绘方法程序被所述处理器执行时,实现如下步骤:
获取当前待测绘区域的地理位置信息,并根据所述地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景;
构建检索模型,并根据所述检索模型以及所述虚拟场景获取当前待测绘区域的障碍物;
根据所述当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于所述当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点;
根据所述测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端。
在本实施例中,构建检索模型,并根据所述检索模型以及所述虚拟场景获取当前待测绘区域的障碍物,具体包括以下步骤:
基于卷积神经网络构建检索模型,并获取大量的预设模型信息分为训练集以及测试集,并将所述训练集输入到所述检索模型中进行训练,直至损失函数平稳;
将所述测试集输入至所述检索模型中,直至所述检索模型的模型参数符合预设要求,训练完毕,以获取训练完成的检索模型;
将所述虚拟场景输入到所述训练完成的检索模型中进行识别,以对所述虚拟场景中的各场景模型进行分类,以获取障碍物以及非障碍物;
剔除所述虚拟场景中的非障碍物,并将所述障碍物的识别结果进行输出。
在本实施例中,根据所述当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于所述当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点,具体包括以下步骤:
获取所述当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型,并根据所述当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型得到在各个拍摄位置上的视野拍摄障碍面积;
获取视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点,并根据所述视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点构建当前测绘无人机测绘时的视野拍摄障碍区域;
根据所述视野拍摄障碍区域获取所述视野拍摄障碍区域以外的位置节点作为预选测绘节点,并获取当前测绘无人机的体积模型;
获取所述预选测绘节点在预设范围之内的场景模型,若所述当前测绘无人机的体积模型与所述预选测绘节点在预设范围之内的场景模型存在干涉情况,则将该预选测绘节点剔除,以得到测绘无人机的优选测绘点。
在本实施例中,根据所述测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端,具体包括以下步骤:
通过蚁群算法对所述测绘无人机的优选测绘点进行反复构造,以获取到一条或者多条无人机的飞行路线;
获取所述无人机的飞行路线中测绘点的数目,建立测绘点的数目排序表,并根据所述测绘点的数目排序表对所述测绘点的数目进行排序;
获取所述排序表中一个或者多个最小的测绘点的数目对应的飞行路线作为预选无人机飞行路线,并计算所述预选无人机飞行路线的能耗值;
获取最小的能耗值的预选无人机飞行路线作为当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明通过获取当前待测绘区域的地理位置信息,并根据地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景;进一步地通过卷积神经网络构建检索模型,并根据检索模型以及虚拟场景获取当前待测绘区域的障碍物;通过对障碍物进行识别,从而根据当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点;进而通过蚁群算法根据测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将飞行路线传输至远程测绘终端。通过本方法能够对城市工程在预设计阶段过程中,能够对现场进行拍摄图片的测绘无人机的测绘点进行快速确定,使得拍摄到现场中的图片信息给相应的工程师参考以及设计,大大地提高了测绘无人机的测绘效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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实施例的附图。
图1示出了基于无人机遥感的城市工程测绘方法的整体方法流程图;
图2示出了基于无人机遥感的城市工程测绘方法的第一方法流程图;
图3示出了基于无人机遥感的城市工程测绘方法的第二方法流程图;
图4示出了基于无人机遥感的城市工程测绘系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
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,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明第一方面提供了一种基于无人机遥感的城市工程测绘方法,包括以下步骤:
S102:获取当前待测绘区域的地理位置信息,并根据地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景;
S104:构建检索模型,并根据检索模型以及虚拟场景获取当前待测绘区域的障碍物;
S106:根据当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点;
S108:根据测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将飞行路线传输至远程测绘终端。
需要说明的是,通过本方法能够对城市工程在预设计阶段过程中,能够对现场进行拍摄图片的测绘无人机的测绘点进行快速确定,使得拍摄到现场中的图片信息给相应的工程师参考以及设计,大大地提高了测绘无人机的测绘效率。其中,AR场景可以从地图软件中进行获取。
进一步地,本发明的一个较佳实施例中,获取当前待测绘区域的地理位置信息,并根据地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景,具体包括以下步骤:
获取当前城市工程的规划图纸信息,并根据当前城市工程的规划图纸信息获取待测绘的区域面积范围,获取待测绘区域的地理位置信息;
基于待测绘区域的地理位置信息获取地理位置信息的AR场景信息;
根据待测绘的区域面积范围以及地理位置信息的AR场景信息得到当前待测绘区域的AR场景信息;
构建虚拟场景,并将当前待测绘区域的AR场景信息输入到虚拟场景中。
如图2所示,进一步地,本发明的一个较佳实施例中,构建检索模型,并根据检索模型以及虚拟场景获取当前待测绘区域的障碍物,具体包括以下步骤:
S202:基于卷积神经网络构建检索模型,并获取大量的预设模型信息分为训练集以及测试集,并将训练集输入到检索模型中进行训练,直至损失函数平稳;
S204:将测试集输入至检索模型中,直至检索模型的模型参数符合预设要求,训练完毕,以获取训练完成的检索模型;
S206:将虚拟场景输入到训练完成的检索模型中进行识别,以对虚拟场景中的各场景模型进行分类,以获取障碍物以及非障碍物;
S208:剔除虚拟场景中的非障碍物,并将障碍物的识别结果进行输出。
需要说明的是,在本实施例中,所述预设模型信息包括树木模型,公共设施模型,停车位中的汽车模型等,其中障碍物为不可移动的模型,如树木模型、路灯设施模型,其中非障碍物为能够移动的物体,由于AR场景中大部分为某一时刻的场景信息,不具备实时性,因此,可移动的物体类型标记为非障碍物,通过本方法能够对障碍物进行识别,以对根据障碍物来确定最终的测绘无人机的测绘点。其中城市工程可以是公路规划工程、天然气管道规划工程、下水管道规划工程等。其中,通过神经网络对检索模型不断训练的过程中,网络模型训练过程中参数和数据分布会不断地更新,例如第二层的输入,是由输入数据和第一层参数得到的,而第一层的参数随着训练一直变化,这样一定会引起第二层输入数据的改变,为了使得损失函数平稳,此时需要通过将每一层的数据调整到一个合理的分布范围之内(直至检索模型的模型参数符合预设要求),使得数据能够逼近一个恒等函数或者残差函数。
如图3所示,进一步地,本发明的一个较佳实施例中,根据当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点,具体包括以下步骤:
S302:获取当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型,并根据当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型得到在各个拍摄位置上的视野拍摄障碍面积;
S304:获取视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点,并根据视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点构建当前测绘无人机测绘时的视野拍摄障碍区域;
S306:根据视野拍摄障碍区域获取视野拍摄障碍区域以外的位置节点作为预选测绘节点,并获取当前测绘无人机的体积模型;
S308:获取预选测绘节点在预设范围之内的场景模型,若当前测绘无人机的体积模型与预选测绘节点在预设范围之内的场景模型存在干涉情况,则将该预选测绘节点剔除,以得到测绘无人机的优选测绘点。
需要说明的是,在本实施例中,由于测绘无人机的拍摄位置以及障碍物的影响,每个拍摄位置能够拍摄到的区域面积是有限的,因此,通过根据当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型得到在各个拍摄位置上的视野拍摄障碍面积,从而获取到测绘无人机的测绘点,由于在测绘点选择的场景均为空中,而在空中可能受到一些障碍物的影响,如一定高度的楼宇灯光设施,广告牌等设施的影响,从而进一步地进行筛选出测绘无人机的优选测绘点。通过本方法能够快速地选择出测绘无人机的测绘点,使得测绘无人机所拍摄的照片能够囊括更多的信息,进而使得无人机在测绘过程中更加合理以及高效。如相机在拍照过程中,位置点的变化以及障碍物的体积的变化,导致了每一位置中被遮挡的部分是不同,如拍摄相机在障碍物的正视中心1米处的视野拍摄障碍面积为1平方米。其次实际上,可以通过AR技术、VR技术来模拟相机在各个位置的拍摄,从而根据拍摄图片来提取出相应的视野拍摄障碍面积。所述位置节点为拍摄相机在拍摄某一的物体时存在被物体遮挡时所在的地理位置信息,所述地理位置信息为经度、纬度以及海拔高度。预设范围为服务器终端(电脑)所设定的范围,如在单位体积为1立方米的范围,工作人员可以根据实际的情况自行设置。
进一步地,本发明的一个较佳实施例中,根据测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将飞行路线传输至远程测绘终端,具体包括以下步骤:
通过蚁群算法对测绘无人机的优选测绘点进行反复构造,以获取到一条或者多条无人机的飞行路线;
获取无人机的飞行路线中测绘点的数目,建立测绘点的数目排序表,并根据测绘点的数目排序表对测绘点的数目进行排序;
获取排序表中一个或者多个最小的测绘点的数目对应的飞行路线作为预选无人机飞行路线,并计算预选无人机飞行路线的能耗值;
获取最小的能耗值的预选无人机飞行路线作为当前测绘无人机的飞行路线,并将飞行路线传输至远程测绘终端。
需要说明的是,在本实施例中,通过本方法能够使得无人机在完成测绘任务的同时,尽可能选择出更少的测绘点的飞行路线,使得无人机在测绘过程中适当地减少测绘点来完成测绘任务,在该过程中,通过蚁群算法即能够实现高效地根据测绘无人机的优选测绘点进行构建无人机的飞行路线,通过本方法能够进一步地提高无人机完成测绘任务的效率,精准地完成测绘任务,大大地减少了测绘的时间。
进一步地,本发明的一个较佳实施例中,通过蚁群算法对测绘无人机的优选测绘点进行反复构造,以获取到一条或者多条无人机的飞行路线,具体包括以下步骤:
获取当前的城市工程的规划图纸信息,并根据当前的城市工程的规划图纸信息制定当前测绘无人机的拍摄任务;
基于当前测绘无人机的拍摄任务确定当前测绘无人机的待拍摄区域;
根据当前测绘无人机的拍摄区域确定所对应的测绘点;
通过蚁群算法对所对应的测绘点进行反复构造,以获取一条或者多条无人机的飞行路线。
需要说明的是,本方法还可以包括以下步骤:
构建无人机测绘数据库,获取测绘无人机所拍摄的图像数据信息,并通过局部敏感注意力机制计算每一所述测绘无人机所拍摄的图像数据信息之间的注意力分数;
预设注意力分数范围,并根据所述注意力分数范围对每一所述测绘无人机所拍摄的图像数据信息之间的注意力分数进行聚类处理,得到一个或者多个图像子集数据;
将每一所述图像子集数据映射至所述无人机测绘数据库的不同空间中,以得到输入数据后的无人机测绘数据库;
对所述无人机测绘数据库中的图像子集数据进行注意力分数排序,得到基于注意力分数序列的无人机测绘数据库。
需要说明的是,通过局部敏感注意力机制能够计算出每一所述测绘无人机所拍摄的图像数据信息之间的注意力分数,当图像数据信息之间注意力分数大于预设注意力分数之时,说明该图像数据之间具有相似性,说明该图像数据为某一位置点的主要测绘数据,通过本方法能够对测绘后的数据进行处理,有利于工程师在后续图像数据的查询以及处理等功能,进一步提高了测绘的合理性。
需要说明的是,本方法还可以包括以下步骤:
获取待测绘区域在预设时段的历史交通情况,并基于LTSM构建用户偏好数据模型,通过将所述待测绘区域在预设时段的历史交通情况输入到用户偏好数据模型中,以得到训练完成的用户偏好数据模型;
根据所述训练完成的用户偏好数据模型获取当前测绘区域在预设时段的交通情况,通过对所述当前测绘区域在预设时段的交通情况进行分类,得到分类结果;
获取所述分类结果中的畅通交通情况时段,并通过大数据获取所述畅通交通情况时段的室外光照强度值,并判断所述光照强度值是否大于预设光照强度值;
若所述光照强度值大于预设光照强度值,则将当前畅通交通情况时段作为最佳的测绘时段输出,若所述光照强度值不大于预设光照强度值,则选取最大的光照强度值所在的畅通交通情况时段作为最佳的测绘时段输出。
需要说明的是,由于在城市工程的测绘过程中,容易受到移动的物体影响,通过本方法能够根据待测绘区域在预设时段的历史交通情况进行预测畅通交通情况时段,减少其他外界因素的影响,从而进一步保证测绘无人机的拍摄图片数据的完整性,对拍摄时段的筛选有效地提高了图片数据的质量,进而提高测绘工程的测量精度和测量效率。所述分类结果中包括畅通交通情况、繁忙交通情况以及拥堵交通情况。
如图4所示,本发明第二方面提供了一种基于无人机遥感的城市工程测绘系统,测绘系统包括存储器41以及处理器62,存储器41中包含基于无人机遥感的城市工程测绘方法程序,基于无人机遥感的城市工程测绘方法程序被处理器62执行时,实现如下步骤:
获取当前待测绘区域的地理位置信息,并根据地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景;
构建检索模型,并根据检索模型以及虚拟场景获取当前待测绘区域的障碍物;
根据当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点;
根据测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将飞行路线传输至远程测绘终端。
在本实施例中,构建检索模型,并根据检索模型以及虚拟场景获取当前待测绘区域的障碍物,具体包括以下步骤:
基于卷积神经网络构建检索模型,并获取大量的预设模型信息分为训练集以及测试集,并将训练集输入到检索模型中进行训练,直至损失函数平稳;
将测试集输入至检索模型中,直至检索模型的模型参数符合预设要求,训练完毕,以获取训练完成的检索模型;
将虚拟场景输入到训练完成的检索模型中进行识别,以对虚拟场景中的各场景模型进行分类,以获取障碍物以及非障碍物;
剔除虚拟场景中的非障碍物,并将障碍物的识别结果进行输出。
在本实施例中,根据当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点,具体包括以下步骤:
获取当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型,并根据当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型得到在各个拍摄位置上的视野拍摄障碍面积;
获取视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点,并根据视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点构建当前测绘无人机测绘时的视野拍摄障碍区域;
根据视野拍摄障碍区域获取视野拍摄障碍区域以外的位置节点作为预选测绘节点,并获取当前测绘无人机的体积模型;
获取预选测绘节点在预设范围之内的场景模型,若当前测绘无人机的体积模型与预选测绘节点在预设范围之内的场景模型存在干涉情况,则将该预选测绘节点剔除,以得到测绘无人机的优选测绘点。
在本实施例中,根据测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将飞行路线传输至远程测绘终端,具体包括以下步骤:
通过蚁群算法对测绘无人机的优选测绘点进行反复构造,以获取到一条或者多条无人机的飞行路线;
获取无人机的飞行路线中测绘点的数目,建立测绘点的数目排序表,并根据测绘点的数目排序表对测绘点的数目进行排序;
获取排序表中一个或者多个最小的测绘点的数目对应的飞行路线作为预选无人机飞行路线,并计算预选无人机飞行路线的能耗值;
获取最小的能耗值的预选无人机飞行路线作为当前测绘无人机的飞行路线,并将飞行路线传输至远程测绘终端。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,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,可轻易想到变化或替换,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以权利要求的保护范围为准。
Claims (8)
1.基于无人机遥感的城市工程测绘方法,其特征在于,包括以下步骤:
获取当前待测绘区域的地理位置信息,并根据所述地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景;
构建检索模型,并根据所述检索模型以及所述虚拟场景获取当前待测绘区域的障碍物;
根据所述当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于所述当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点;
根据所述测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端;
根据所述当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于所述当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点,具体包括以下步骤:
获取所述当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型,并根据所述当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型得到在各个拍摄位置上的视野拍摄障碍面积;
获取视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点,并根据所述视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点构建当前测绘无人机测绘时的视野拍摄障碍区域;
根据所述视野拍摄障碍区域获取所述视野拍摄障碍区域以外的位置节点作为预选测绘节点,并获取当前测绘无人机的体积模型;
获取所述预选测绘节点在预设范围之内的场景模型,若所述当前测绘无人机的体积模型与所述预选测绘节点在预设范围之内的场景模型存在干涉情况,则将该预选测绘节点剔除,以得到测绘无人机的优选测绘点。
2.根据权利要求1所述的基于无人机遥感的城市工程测绘方法,其特征在于,获取当前待测绘区域的地理位置信息,并根据所述地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景,具体包括以下步骤:
获取当前城市工程的规划图纸信息,并根据所述当前城市工程的规划图纸信息获取待测绘的区域面积范围,获取待测绘区域的地理位置信息;
基于待测绘区域的地理位置信息获取所述地理位置信息的AR场景信息;
根据待测绘的区域面积范围以及所述地理位置信息的AR场景信息得到当前待测绘区域的AR场景信息;
构建虚拟场景,并将所述当前待测绘区域的AR场景信息输入到所述虚拟场景中。
3.根据权利要求1所述的基于无人机遥感的城市工程测绘方法,其特征在于,构建检索模型,并根据所述检索模型以及所述虚拟场景获取当前待测绘区域的障碍物,具体包括以下步骤:
基于卷积神经网络构建检索模型,并获取大量的预设模型信息分为训练集以及测试集,并将所述训练集输入到所述检索模型中进行训练,直至损失函数平稳;
将所述测试集输入至所述检索模型中,直至所述检索模型的模型参数符合预设要求,训练完毕,以获取训练完成的检索模型;
将所述虚拟场景输入到所述训练完成的检索模型中进行识别,以对所述虚拟场景中的各场景模型进行分类,以获取障碍物以及非障碍物;
剔除所述虚拟场景中的非障碍物,并将所述障碍物的识别结果进行输出。
4.根据权利要求1所述的基于无人机遥感的城市工程测绘方法,其特征在于,根据所述测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端,具体包括以下步骤:
通过蚁群算法对所述测绘无人机的优选测绘点进行反复构造,以获取到一条或者多条无人机的飞行路线;
获取所述无人机的飞行路线中测绘点的数目,建立测绘点的数目排序表,并根据所述测绘点的数目排序表对所述测绘点的数目进行排序;
获取所述排序表中一个或者多个最小的测绘点的数目对应的飞行路线作为预选无人机飞行路线,并计算所述预选无人机飞行路线的能耗值;
获取最小的能耗值的预选无人机飞行路线作为当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端。
5.根据权利要求4所述的基于无人机遥感的城市工程测绘方法,其特征在于,通过蚁群算法对所述测绘无人机的优选测绘点进行反复构造,以获取到一条或者多条无人机的飞行路线,具体包括以下步骤:
获取当前的城市工程的规划图纸信息,并根据所述当前的城市工程的规划图纸信息制定当前测绘无人机的拍摄任务;
基于所述当前测绘无人机的拍摄任务确定当前测绘无人机的待拍摄区域;
根据所述当前测绘无人机的拍摄区域确定所对应的测绘点;
通过蚁群算法对所述所对应的测绘点进行反复构造,以获取一条或者多条无人机的飞行路线。
6.基于无人机遥感的城市工程测绘系统,其特征在于,所述测绘系统包括存储器以及处理器,所述存储器中包含基于无人机遥感的城市工程测绘方法程序,所述基于无人机遥感的城市工程测绘方法程序被所述处理器执行时,实现如下步骤:
获取当前待测绘区域的地理位置信息,并根据所述地理位置信息获取当前待测绘区域的AR场景信息,以获取虚拟场景;
构建检索模型,并根据所述检索模型以及所述虚拟场景获取当前待测绘区域的障碍物;
根据所述当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于所述当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点;
根据所述测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端;
根据所述当前待测绘区域的障碍物得到当前测绘无人机测绘时的视野拍摄障碍区域,并基于所述当前测绘无人机测绘时的视野拍摄障碍区域得到测绘无人机的优选测绘点,具体包括以下步骤:
获取所述当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型,并根据所述当前待测绘区域的障碍物所在的位置信息以及障碍物的体积模型得到在各个拍摄位置上的视野拍摄障碍面积;
获取视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点,并根据所述视野拍摄障碍面积大于预设视野拍摄障碍面积所在的位置节点构建当前测绘无人机测绘时的视野拍摄障碍区域;
根据所述视野拍摄障碍区域获取所述视野拍摄障碍区域以外的位置节点作为预选测绘节点,并获取当前测绘无人机的体积模型;
获取所述预选测绘节点在预设范围之内的场景模型,若所述当前测绘无人机的体积模型与所述预选测绘节点在预设范围之内的场景模型存在干涉情况,则将该预选测绘节点剔除,以得到测绘无人机的优选测绘点。
7.根据权利要求6所述的基于无人机遥感的城市工程测绘系统,其特征在于,构建检索模型,并根据所述检索模型以及所述虚拟场景获取当前待测绘区域的障碍物,具体包括以下步骤:
基于卷积神经网络构建检索模型,并获取大量的预设模型信息分为训练集以及测试集,并将所述训练集输入到所述检索模型中进行训练,直至损失函数平稳;
将所述测试集输入至所述检索模型中,直至所述检索模型的模型参数符合预设要求,训练完毕,以获取训练完成的检索模型;
将所述虚拟场景输入到所述训练完成的检索模型中进行识别,以对所述虚拟场景中的各场景模型进行分类,以获取障碍物以及非障碍物;
剔除所述虚拟场景中的非障碍物,并将所述障碍物的识别结果进行输出。
8.根据权利要求6所述的基于无人机遥感的城市工程测绘系统,其特征在于,根据所述测绘无人机的优选测绘点得到当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端,具体包括以下步骤:
通过蚁群算法对所述测绘无人机的优选测绘点进行反复构造,以获取到一条或者多条无人机的飞行路线;
获取所述无人机的飞行路线中测绘点的数目,建立测绘点的数目排序表,并根据所述测绘点的数目排序表对所述测绘点的数目进行排序;
获取所述排序表中一个或者多个最小的测绘点的数目对应的飞行路线作为预选无人机飞行路线,并计算所述预选无人机飞行路线的能耗值;
获取最小的能耗值的预选无人机飞行路线作为当前测绘无人机的飞行路线,并将所述飞行路线传输至远程测绘终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310107123.4A CN115880466B (zh) | 2023-02-14 | 2023-02-14 | 基于无人机遥感的城市工程测绘方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310107123.4A CN115880466B (zh) | 2023-02-14 | 2023-02-14 | 基于无人机遥感的城市工程测绘方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115880466A CN115880466A (zh) | 2023-03-31 |
CN115880466B true CN115880466B (zh) | 2023-06-06 |
Family
ID=85761082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310107123.4A Active CN115880466B (zh) | 2023-02-14 | 2023-02-14 | 基于无人机遥感的城市工程测绘方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115880466B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542956B (zh) * | 2023-05-25 | 2023-11-17 | 广州机智云物联网科技有限公司 | 一种织物组分自动检测方法、系统及可读存储介质 |
CN117371640B (zh) * | 2023-12-08 | 2024-04-12 | 山东省地质测绘院 | 基于无人机遥感的测绘路线优化方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112902929A (zh) * | 2021-01-21 | 2021-06-04 | 江西地信数云科技有限公司 | 一种通过无人机航测的新型测绘方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109375636A (zh) * | 2018-12-13 | 2019-02-22 | 广州极飞科技有限公司 | 无人机航线的生成方法、装置、无人机和存储介质 |
CN109916378A (zh) * | 2019-03-20 | 2019-06-21 | 台州市地理信息测绘中心 | 一种现状地理空间信息数据测绘方法及数据采集系统 |
CN112729260B (zh) * | 2020-12-15 | 2023-06-09 | 广州极飞科技股份有限公司 | 测绘系统及测绘方法 |
CN112799426B (zh) * | 2020-12-25 | 2024-05-28 | 深圳市信安电气有限责任公司 | 一种基于大数据分析的无人机导航控制系统及方法 |
KR102319649B1 (ko) * | 2021-03-10 | 2021-10-29 | 세종대학교산학협력단 | 혼합현실에서의 드론 비행을 위한 원격 훈련 방법 및 장치 |
CN113607175B (zh) * | 2021-07-24 | 2024-03-26 | 诚邦测绘信息科技(浙江)有限公司 | 测绘用无人船路线规划方法、系统、存储介质及智能终端 |
CN114061548B (zh) * | 2022-01-14 | 2022-06-17 | 山东省地质测绘院 | 基于无人机遥感的建筑测绘方法及系统 |
CN114065364B (zh) * | 2022-01-17 | 2022-05-17 | 山东省地质测绘院 | 基于无人机遥感测绘的城市工程规划方法及系统 |
CN114954974A (zh) * | 2022-06-24 | 2022-08-30 | 武汉天鑫泰驰科技有限公司 | 一种基于bim无人机测绘装置及测绘方法 |
CN115406412A (zh) * | 2022-07-13 | 2022-11-29 | 杜永生 | 一种基于bim无人机测绘装置及测绘方法 |
-
2023
- 2023-02-14 CN CN202310107123.4A patent/CN115880466B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112902929A (zh) * | 2021-01-21 | 2021-06-04 | 江西地信数云科技有限公司 | 一种通过无人机航测的新型测绘方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115880466A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115880466B (zh) | 基于无人机遥感的城市工程测绘方法及系统 | |
JP6619023B2 (ja) | マルチラテレーションを用いた装置の位置特定 | |
CN106441233B (zh) | 基于倾斜摄影三维重建技术的电力通道走廊巡检方法 | |
JP6666358B2 (ja) | 装置の位置特定のための特徴ジオメトリーの選択 | |
JP2021531462A (ja) | トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム | |
CN111458721B (zh) | 一种暴露垃圾的识别定位方法、装置及系统 | |
CN108801268A (zh) | 目标对象的定位方法、装置及机器人 | |
JP2018504650A (ja) | 装置の位置特定のための幾何学的指紋法 | |
CN113196331A (zh) | 利用卫星影像的应用服务提供装置及方法 | |
CN114065364B (zh) | 基于无人机遥感测绘的城市工程规划方法及系统 | |
CN112749825A (zh) | 预测车辆的目的地的方法和装置 | |
CN111737524A (zh) | 道路异常监控系统内部的信息整合方法 | |
CN114708521A (zh) | 基于街景图像目标关系感知网络的城市功能区识别方法及系统 | |
CN111125290B (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
Gorte et al. | IQPC 2015 Track: Tree separation and classification in mobile mapping lidar data | |
Rumora et al. | Spatial video remote sensing for urban vegetation mapping using vegetation indices | |
CN114037836A (zh) | 一种将人工智能识别技术应用于三维输变电工程测算的方法 | |
Li et al. | 3D map system for tree monitoring in hong kong using google street view imagery and deep learning | |
CN112414424B (zh) | 盲人导航方法及盲人导航装置 | |
WO2018151629A1 (ru) | Способ и система автоматического построения трехмерных моделей городов | |
CN110763203A (zh) | 一种城市部件的定位方法、装置及车载移动测量系统 | |
Di Stefano et al. | Point cloud classification of an urban environment using a semi-automatic approach | |
CN112015937A (zh) | 一种图片地理定位方法及系统 | |
KR102642540B1 (ko) | 스마트 시티 안전 서비스 제공 방법 및 이를 실행하는 서버 | |
CN112308904A (zh) | 一种基于视觉的建图方法、装置及车载终端 |
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 |