CN116051742A - 一种基于倾斜摄影数据与点云数据融合的建模方法及系统 - Google Patents
一种基于倾斜摄影数据与点云数据融合的建模方法及系统 Download PDFInfo
- Publication number
- CN116051742A CN116051742A CN202310028607.XA CN202310028607A CN116051742A CN 116051742 A CN116051742 A CN 116051742A CN 202310028607 A CN202310028607 A CN 202310028607A CN 116051742 A CN116051742 A CN 116051742A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- unmanned aerial
- aerial vehicle
- image control
- 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
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
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本说明书实施例提供了一种基于倾斜摄影数据与点云数据融合的建模方法及系统,其中,方法包括:在测区布设无人机像控点,并采集所述无人机像控点坐标;分别采集测区的倾斜影像数据和点云数据;基于所述无人机像控点坐标对所述倾斜影像数据进行空三处理,为无人机影像数据赋坐标系;对所述点云数据进行预处理,根据处理后的点云数据选取建筑物或扫描物的空中特征点作为点云像控点;基于所述测区影像三维坐标数据、无人机像控点坐标和点云像控点坐标,通过Context Capture构建测区三维模型。解决了目前三维倾斜模型高程精度低的问题。
Description
技术领域
本文件涉及三维建模技术领域,尤其涉及一种基于倾斜摄影数据与点云数据融合的建模方法及系统。
背景技术
在常规方法中,无人机与三维激光扫描仪是分开处理数据的,例如无人机单独进行倾斜摄影测量+后期处理软件跑建模;三维激光扫描仪单独进行扫描建筑物+后期点云拼接建模。
随着对建模精度的要求越来越高,目前也有一些数据融合处理方法,如CN202210459142提到的无人机结合三维激光扫描仪提升滑坡建模精度、《无人机倾斜摄影结合激光扫描仪三维逆向建模》高利敏等提到的无人机结合三维激光扫描仪的数据融合处理等。但目前的数据融合处理方法存在以下缺陷:
一、无人机与三维激光扫描仪单独数据处理的缺陷
无人机在高空进行摄影测量时,因角度原因无法拍摄屋檐下部,墙壁内测等部位,在建模时难免进行补拍或贴图,这会导致精度大大下降或彻底失真;三维激光扫描仪在架站测量时因地面站缘故无法扫描到建筑物外部顶端,同样存在大范围空洞数据,导致建模不准确,数据不全的缺陷。
二、当前数据融合处理的缺陷。
虽然现有技术中两种数据可以融合处理,但大多数只是放在同一坐标系下,或应用场景过于单一。如上述提到的两个文献,CN202210459142仅用于滑坡建模、而《无人机倾斜摄影结合激光扫描仪三维逆向建模》等控制点仅存在二维空间,并未提到三维空间,因此精度同样不够精确。
发明内容
本说明书一个或多个实施例提供了一种基于倾斜摄影数据与点云数据融合的建模方法,包括:
S1.在测区布设无人机像控点,并采集所述无人机像控点坐标;
S2.分别采集测区的倾斜影像数据和点云数据;
S3.基于所述无人机像控点坐标对所述倾斜影像数据进行空三处理,为无人机影像数据赋坐标系;
S4.对所述点云数据进行预处理,根据处理后的点云数据选取建筑物或扫描物的空中特征点作为点云像控点;
S5.基于所述测区影像三维坐标数据、无人机像控点坐标和点云像控点坐标,通过Context Capture构建测区三维模型。
本说明书一个或多个实施例提供了一种基于倾斜摄影数据与点云数据融合的建模系统,包括:
第一数据采集模块:用于在测区布设无人机像控点,并采集所述无人机像控点坐标;
第二数据采集模块:用于分别采集测区的倾斜影像数据和点云数据;
第一数据处理模块:用于基于所述无人机像控点坐标对所述倾斜影像数据进行空三处理,为无人机影像数据赋坐标系;
第二数据处理模块:用于对所述点云数据进行预处理,根据处理后的点云数据选取建筑物或扫描物的空中特征点作为点云像控点;
模型构建模块:用于基于所述测区影像三维坐标数据、无人机像控点坐标和点云像控点坐标,通过Context Capture构建测区三维模型。
采用本发明实施例,本发明通过提取三维控制点,使得三维模型在XYZ三个维度的精度都得到大大提升,并通过三维激光扫描仪可以对无人机扫描盲区进行全方位建模,采集的数据更全面,极大的提升了三维模型构建的质量与精度,有效解决了目前三维倾斜模型高程精度低的问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本说明书一个或多个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说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的一种基于倾斜摄影数据与点云数据融合的建模方法的流程图;
图2为本说明书一个或多个实施例提供的一种基于倾斜摄影数据与点云数据融合的建模方法的具体流程示意图;
图3为本说明书一个或多个实施例提供的一种基于倾斜摄影数据与点云数据融合的建模系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个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说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,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,都应当属于本文件的保护范围。
方法实施例
根据本发明实施例,提供了一种基于倾斜摄影数据与点云数据融合的建模方法,图1为本说明书一个或多个实施例提供的一种基于倾斜摄影数据与点云数据融合的建模方法的流程图,如图1所示,根据本发明实施例的基于倾斜摄影数据与点云数据融合的建模方法具体包括:
S1.在测区布设无人机像控点,并采集所述无人机像控点坐标。
具体的,对测区现场进行勘探,规划无人机测量航线,在测区均匀的布设无人机像控点,使用RTK测量技术获得无人机像控点坐标,值得注意的是,测区的建筑物旁像控点需加密布设。
S2.分别采集测区的倾斜影像数据和点云数据。
根据规划的测量航线,通过无人机进行倾斜摄影,采集测区的倾斜影像数据;其中,所述倾斜影像数据包括:无人机拍摄的影像照片,附在照片上的位置信息,无人机的实时RTK差分定位信息或者后差分定位信息和无人机POS数据,所述POS数据至少包括纬度、经度、高程、航向角、俯仰角及翻滚角;
通过三维激光扫描仪,在预设的多个测量站点进行点云扫描,测量测区建筑物外围轮廓,获得多个测量站点的点云数据,其中,多个测量站点测量的点云数据包含相互重叠的公共边或公共点。
S3.基于所述无人机像控点坐标对所述倾斜影像数据进行空三处理,为无人机影像数据赋坐标系。
根据所述无人机像控点坐标和采集的倾斜影像数据,对所述无人机拍摄的影像照片进行空三解算,通过最小二乘法基于无人机像控点坐标数据计算得出所述无人机拍摄的影像照片上其他未知特征点的坐标,得到带有三维坐标数据的测区影像照片。
S4.对所述点云数据进行预处理,根据处理后的点云数据选取建筑物或扫描物的空中特征点作为点云像控点。
将采集的多个站点的点云数据按照根据相邻站点采集的点云图像中具有的公共边或公共点进行点云图像拼接;
将拼接后的点云图像数据通过滤波去除噪声点、离群点,对点云图像中点云密集的部分以一定比例进行抽稀后进行平滑处理,最终将处理后的点云数据的坐标与无人机像控点坐标进行配准;
基于配准后的点云数据的三维坐标,对点云数据三维坐标中Z轴的值进行判断,预设Z轴取值范围,选取Z轴的值处于设置的取值范围中的特征点作为建筑物或扫描物的空中特征点,如房屋檐角,作为选取的点云像控点。
S5.基于所述测区影像三维坐标数据、无人机像控点坐标和点云像控点坐标,通过Context Capture构建测区三维模型。
在Context Capture中将所述无人机像控点坐标和点云像控点坐标分别根据所述测区影像的三维坐标数据进行刺点配准,得到配准后的空三模型;
通过Context Capture利用处理后的点云数据和配准后的空三模型,构建TNT模型,对TNT模型进行纹理映射后生成测区三维模型。
图2为本说明书一个或多个实施例提供的一种基于倾斜摄影数据与点云数据融合的建模方法的具体流程示意图,如图2所示,基于倾斜摄影数据与点云数据融合的建模方法具体流程如下:
首先设计无人机飞行航线,设置三维激光扫描仪架站点,布设地面控制点(无人机像控点),并采集地面控制点的坐标;通过无人机沿着设计的飞行航线采集倾斜影像数据,主要包括影像照片和无人机的POS数据,对采集的影像照片和POS数据进行空三解算,得到空三模型;通过在各站点架设三维激光扫描仪采集各个站点的点云数据,对各站点采集的点云数据进行拼接、滤波、抽稀、平滑拟合和分割处理,将处理完成后的点云数据与地面控制点进行配准;根据配准后的点云数据,提取具有标志性的建筑物或扫描物的空中特征点作为空中控制点;将空三解算后的空三模型导入地面控制点和空中控制点进行配准后,通过Context Capture融合处理后的点云数据构建TNT模型,对TNT模型进行3D纹理映射后生成高精度的测区三维模型。
本发明的有益效果如下:
本发明通过提取三维控制点,使得三维模型在XYZ三个维度的精度都得到大大提升,并通过三维激光扫描仪可以对无人机扫描盲区进行全方位建模,采集的数据更全面,极大的提升了三维模型构建的质量与精度,有效解决了目前三维倾斜模型高程精度低的问题。
系统实施例
根据本发明实施例,提供了一种基于倾斜摄影数据与点云数据融合的建模系统,图3为本说明书一个或多个实施例提供的一种基于倾斜摄影数据与点云数据融合的建模系统的示意图,如图3所示,根据本发明实施例的基于倾斜摄影数据与点云数据融合的建模系统具体包括:
第一数据采集模块30:用于在测区布设无人机像控点,并采集所述无人机像控点坐标。
第二数据采集模块32:用于分别采集测区的倾斜影像数据和点云数据。
第二数据采集模块32具体用于:
根据规划的测量航线,通过无人机进行倾斜摄影,采集测区的倾斜影像数据;所述倾斜影像数据包括:无人机拍摄的影像照片,附在照片上的位置信息,无人机的实时RTK差分定位信息或者后差分定位信息和无人机POS数据,所述POS数据至少包括纬度、经度、高程、航向角、俯仰角及翻滚角;
通过三维激光扫描仪,在多个测量站点进行点云扫描,获得多个测量站点的点云数据。
第一数据处理模块34:用于基于所述无人机像控点坐标对所述倾斜影像数据进行空三处理,为无人机影像数据赋坐标系。
第一数据处理模块34具体用于:根据所述无人机像控点坐标采集的倾斜影像数据,对所述无人机拍摄的影像照片进行空三解算,通过最小二乘法得出所述无人机拍摄的影像照片上未知坐标点的坐标,得到带有三维坐标数据的测区影像照片。
第二数据处理模块36:用于对所述点云数据进行预处理,根据处理后的点云数据选取建筑物或扫描物的空中特征点作为点云像控点。
第二数据处理模块36具体用于:
将所述多个站点的点云数据根据点云图像的公共边或公共点进行拼接;
将拼接后的点云数据进行滤波、抽稀和平滑处理,将处理后的点云数据与无人机像控点进行坐标配准;
基于配准后的点云数据的三维坐标,选取建筑物或扫描物的空中特征点作为点云像控点。
模型构建模块38:用于基于所述测区影像三维坐标数据、无人机像控点坐标和点云像控点坐标,通过Context Capture构建测区三维模型。
模型构建模块38具体用于:
将所述无人机像控点坐标和点云像控点坐标分别根据所述测区影像的三维坐标数据进行刺点配准,得到配准后的空三模型;
通过Context Capture基于纹理映射利用所述点云数据和配准后的空三模型生成测区三维模型。
本发明实施例是与上述方法实施例对应的系统实施例,各个模块的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于倾斜摄影数据与点云数据融合的建模方法,其特征在于,包括:
S1.在测区布设无人机像控点,并采集所述无人机像控点坐标;
S2.分别采集测区的倾斜影像数据和点云数据;
S3.基于所述无人机像控点坐标对所述倾斜影像数据进行空三处理,为无人机影像数据赋坐标系;
S4.对所述点云数据进行预处理,根据处理后的点云数据选取建筑物或扫描物的空中特征点作为点云像控点;
S5.基于所述测区影像三维坐标数据、无人机像控点坐标和点云像控点坐标,通过Context Capture构建测区三维模型。
2.根据权利要求1所述的方法,其特征在于,S2具体包括:
根据规划的测量航线,通过无人机进行倾斜摄影,采集测区的倾斜影像数据;所述倾斜影像数据包括:无人机拍摄的影像照片,附在照片上的位置信息,无人机的实时RTK差分定位信息或者后差分定位信息和无人机POS数据,所述POS数据至少包括纬度、经度、高程、航向角、俯仰角及翻滚角;
通过三维激光扫描仪,在多个测量站点进行点云扫描,获得多个测量站点的点云数据。
3.根据权利要求2所述的方法,其特征在于,S3具体包括:
根据所述无人机像控点坐标和采集的倾斜影像数据,对所述无人机拍摄的影像照片进行空三解算,通过最小二乘法得出所述无人机拍摄的影像照片上未知坐标点的坐标,得到带有三维坐标数据的测区影像照片。
4.根据权利要求3所述的方法,其特征在于,S4具体包括:
将所述多个站点的点云数据根据点云图像的公共边或公共点进行拼接;
将拼接后的点云数据进行滤波、抽稀和平滑处理,将处理后的点云数据与无人机像控点进行坐标配准;
基于配准后的点云数据的三维坐标,选取建筑物或扫描物的空中特征点作为点云像控点。
5.根据权利要求4所述的方法,其特征在于,S5具体包括:
将所述无人机像控点坐标和点云像控点坐标分别根据所述测区影像的三维坐标数据进行刺点配准,得到配准后的空三模型;
通过Context Capture基于纹理映射利用所述点云数据和配准后的空三模型生成测区三维模型。
6.一种基于倾斜摄影数据与点云数据融合的建模系统,其特征在于,包括:
第一数据采集模块:用于在测区布设无人机像控点,并采集所述无人机像控点坐标;
第二数据采集模块:用于分别采集测区的倾斜影像数据和点云数据;
第一数据处理模块:用于基于所述无人机像控点坐标对所述倾斜影像数据进行空三处理,为无人机影像数据赋坐标系;
第二数据处理模块:用于对所述点云数据进行预处理,根据处理后的点云数据选取建筑物或扫描物的空中特征点作为点云像控点;
模型构建模块:用于基于所述测区影像三维坐标数据、无人机像控点坐标和点云像控点坐标,通过Context Capture构建测区三维模型。
7.根据权利要求6所述的系统,其特征在于,所述第二数据采集模块具体用于:
根据规划的测量航线,通过无人机进行倾斜摄影,采集测区的倾斜影像数据;所述倾斜影像数据包括:无人机拍摄的影像照片,附在照片上的位置信息,无人机的实时RTK差分定位信息或者后差分定位信息和无人机POS数据,所述POS数据至少包括纬度、经度、高程、航向角、俯仰角及翻滚角;
通过三维激光扫描仪,在多个测量站点进行点云扫描,获得多个测量站点的点云数据。
8.根据权利要求7所述的系统,其特征在于,所述第一数据处理模块具体用于:根据所述无人机像控点坐标和采集的倾斜影像数据,对所述无人机拍摄的影像照片进行空三解算,通过最小二乘法得出所述无人机拍摄的影像照片上未知坐标点的坐标,得到带有三维坐标数据的测区影像照片。
9.根据权利要求8所述的系统,其特征在于,所述第二数据处理模块具体用于:
将所述多个站点的点云数据根据点云图像的公共边或公共点进行拼接;
将拼接后的点云数据进行滤波、抽稀和平滑处理,将处理后的点云数据与无人机像控点进行坐标配准;
基于配准后的点云数据的三维坐标,选取建筑物或扫描物的空中特征点作为点云像控点。
10.根据权利要求9所述的系统,其特征在于,所述模型构建模块具体用于:
将所述无人机像控点坐标和点云像控点坐标分别根据所述测区影像的三维坐标数据进行刺点配准,得到配准后的空三模型;
通过Context Capture基于纹理映射利用所述点云数据和配准后的空三模型生成测区三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310028607.XA CN116051742A (zh) | 2023-01-09 | 2023-01-09 | 一种基于倾斜摄影数据与点云数据融合的建模方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310028607.XA CN116051742A (zh) | 2023-01-09 | 2023-01-09 | 一种基于倾斜摄影数据与点云数据融合的建模方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116051742A true CN116051742A (zh) | 2023-05-02 |
Family
ID=86127013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310028607.XA Pending CN116051742A (zh) | 2023-01-09 | 2023-01-09 | 一种基于倾斜摄影数据与点云数据融合的建模方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116051742A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078873A (zh) * | 2023-07-19 | 2023-11-17 | 达州市斑马工业设计有限公司 | 一种三维高精度地图生成方法、系统及云平台 |
-
2023
- 2023-01-09 CN CN202310028607.XA patent/CN116051742A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078873A (zh) * | 2023-07-19 | 2023-11-17 | 达州市斑马工业设计有限公司 | 一种三维高精度地图生成方法、系统及云平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111322994B (zh) | 基于无人机倾斜摄影的房屋密集区大比例尺地籍测量方法 | |
KR101942063B1 (ko) | 영상이미지의 오류 지점을 자동으로 확인해 갱신 및 처리하는 영상이미지 검수시스템 | |
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 | |
JP5389964B2 (ja) | 地図情報生成装置 | |
CN112113542A (zh) | 一种无人机航摄建设用地土地专项数据验收的方法 | |
CN113012292B (zh) | 一种基于无人机航拍的ar远程施工监控方法及系统 | |
CN113971768A (zh) | 一种基于无人机的输电线路违章建筑三维动态检测方法 | |
CN113643254B (zh) | 一种无人机激光点云高效采集处理方法 | |
CN113066112B (zh) | 一种基于三维模型数据的室内外融合方法及装置 | |
CN116051742A (zh) | 一种基于倾斜摄影数据与点云数据融合的建模方法及系统 | |
CN116129067A (zh) | 一种基于多源地理信息耦合的城市实景三维建模方法 | |
Jiang et al. | Determination of construction site elevations using drone technology | |
CN114234928A (zh) | 一种用于免像控无人机航空摄影的测量方法 | |
CN116824079A (zh) | 基于全信息摄影测量的三维实体模型构建方法和装置 | |
KR101393273B1 (ko) | 노면 텍스쳐 영상 고도화 시스템 | |
Doroszuk et al. | The possibility of using close-range photogrammetry in the inventory of historic complex basements-case study | |
Toschi et al. | Validation tests of open-source procedures for digital camera calibration and 3D image-based modelling | |
Dhruwa et al. | Generation of 3-D Large-Scale Maps using LiDAR Point Cloud Data | |
CN116681590B (zh) | 一种无人机航拍图像快速拼接方法 | |
CN115223030B (zh) | 路面病害检测系统及方法 | |
CN113532283B (zh) | 基于消费级无人机协同gps监测基坑位移趋势的方法 | |
CN117274499B (zh) | 一种基于无人机倾斜摄影的钢结构加工及安装方法 | |
CN115183746B (zh) | 一种应用于配网低压线路全景透明用户报装的天地一体化的影像采集方法 | |
Han et al. | Construction Site Top-View Generation Using Drone Imagery: The Automatic Stitching Algorithm Design and Application | |
CN113607134B (zh) | 一种基于高精度pos构架航线的辅助空三加密联合平差方法 |
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 |