CN116295279A - 一种基于无人机遥感的建筑测绘方法及无人机 - Google Patents

一种基于无人机遥感的建筑测绘方法及无人机 Download PDF

Info

Publication number
CN116295279A
CN116295279A CN202310084755.3A CN202310084755A CN116295279A CN 116295279 A CN116295279 A CN 116295279A CN 202310084755 A CN202310084755 A CN 202310084755A CN 116295279 A CN116295279 A CN 116295279A
Authority
CN
China
Prior art keywords
building
point cloud
aerial vehicle
unmanned aerial
mapping
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.)
Withdrawn
Application number
CN202310084755.3A
Other languages
English (en)
Inventor
修侠
李政刚
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.)
Jiangxi Liangce Information Technology Co ltd
Original Assignee
Jiangxi Liangce Information Technology 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 Jiangxi Liangce Information Technology Co ltd filed Critical Jiangxi Liangce Information Technology Co ltd
Priority to CN202310084755.3A priority Critical patent/CN116295279A/zh
Publication of CN116295279A publication Critical patent/CN116295279A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Image Analysis (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Processing Or Creating Images (AREA)
  • Atmospheric Sciences (AREA)

Abstract

本发明提出一种基于无人机遥感的建筑测绘方法及无人机，包括：获取目标区域范围的多栋建筑物信息建立建筑物基于其高处立面的第一点云模型，完成建筑物空中测绘；获取建筑物其底部的第二点云模型模型，完成建筑物地面测绘；接收来自第一点云模型和第二点云模型数据，生成建筑物点云模型；利用大空间三维激光扫描仪构建建筑物的整体立体模型，利用三维光栅扫描仪获取建筑物局部细节的精细点云数据；利用高分辨率照相机采集建筑物数字信息，基于三维测量技术和透视关系获得建筑物的尺寸和形状参数；通过图像处理技术分割出局部特征，使用摄影测量系统进行拍照和逆向，通过三维透视逆向，逆构建筑物的高空部分或遮挡部分的尺寸和形状。

Description

一种基于无人机遥感的建筑测绘方法及无人机
技术领域
本发明涉及建筑测绘技术领域，尤其涉及一种基于无人机遥感的建筑测绘方法及无人机。
背景技术
随着我国工程行业的发展，测绘行业也迎来了飞速发展时期；无人机遥感测绘技术应用比较广泛，将其应用在工程测绘行业内，不仅能够更好的完成建模、数据集以及处理等工作，而且还能极大的提高测绘人员的工作效率。从目前情况来看，工程领域内无人机遥感测绘技术已经有了广泛的应用，未来必将成为工程测绘行业的领军技术。除此之外，无人机还带有先进的三维模型效果，传统二维平面图纸已经没有办法满足这些需求，三维模型具有直观性与完整性，能够反映出复杂的建筑结构与建筑空间、位置、纹理信息。
现有CN114061548B公开了基于无人机遥感的建筑测绘方法及系统，包括获取当前待测绘建筑物所在目标区域范围的建筑物信息，所述建筑物信息为建筑物的外形轮廓尺寸信息以及建筑物的地理位置；基于目标区域范围的建筑物信息建立建筑物空间模型图；根据所述建筑物空间模型图计算出各个时间点的投影面积，得到第一阴影面积；基于所述第一阴影面积计算出落在所述待测绘建筑物的投影面积，得到第二阴影面积；根据所述第二阴影面积选取出待测绘建筑物各个区域的最佳测绘时间段，但该方法形式单一、测绘对象单一，不能满足对一定范围内多栋建筑的全方位测绘需求，而且对建筑物的表面轮廓、局部细节的测绘不适用。
发明内容
为了解决上述问题，本发明提出一种基于无人机遥感的建筑测绘方法及无人机，以更加确切地解决上述所述测绘方法形式、测绘对象单一，不能满足对一定范围内多栋建筑的全方位测绘需求，而且对建筑物的表面轮廓、局部细节的测绘不适用的问题。
本发明通过以下技术方案实现的：
一种基于无人机遥感的建筑测绘方法，其特征在于，包括：
基于目标区域范围的多栋建筑物信息建立建筑物基于其高处立面的第一点云模型，完成建筑物空中测绘；
基于目标区域范围的多栋建筑物信息建立建筑物基于其底部的第二点云模型，完成建筑物地面测绘；
接收来自第一点云模型和第二点云模型图像数据、轨迹数据，通过回环检测计算无人机与地面移动机器人的相对位置，作为局部模型配准的初值，再通过精配准方法生成建筑物点云模型；
在划定的目标区域范围内利用大空间三维激光扫描仪获取目标范围内的多个建筑物全景影像，构建建筑物的整体立体模型，结合建筑工法和建筑模数修正建筑物表面轮廓的尺寸和形状；
利用三维光栅扫描仪获取建筑物局部细节的精细点云数据，根据建筑物点云模型特征，结合建筑物工法及需求建筑特点测量建筑物局部细节的尺寸和形状；
利用大于或等于20000万像素的高分辨率照相机采集建筑物数字信息，基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数，运用所述关键尺寸和形状参数，以及规范和工法中建筑物各部位构件的造型线条特征，拟合出建筑物的尺寸和形状；
通过图像处理技术分割出局部特征，使用摄影测量系统进行拍照和逆向，即利用大于或等于20000万像素的高分辨率照相机采集其点、线、面特征，结合建筑物表面轮廓、局部细节、或遮挡部分确定的建筑物参考尺寸和形状进行分析，通过三维透视逆向，逆构建筑物的高空部分或遮挡部分的尺寸和形状。
进一步的，所述的一种基于无人机遥感的建筑测绘方法，所述基于目标区域范围的多栋建筑物信息建立建筑物基于其高处立面的第一点云模型的步骤中，包括：
无人机通过融合图像数据与第一IMU数据构成前端视觉里程计，输出高频低精度的无人机位置估计，且所述输出高频低精度的无人机位置估计作为初值用于后续对第一激光数据姿态的初始估计，再通过点云配准生成较高精度的第一局部点云地图，最终使用无人机携带的第一彩色相机对生成的第一局部点云地图进行色彩映射生成第一局部彩色点云地图，作为第一点云模型。
进一步的，所述的一种基于无人机遥感的建筑测绘方法，所述基于目标区域范围的多栋建筑物信息建立建筑物基于其底部的第二点云模型的步骤中，包括：
通过第二激光雷达和第二IMU数据分别获取第二激光数据与第二IMU数据，并根据第二激光数据与第二IMU数据对自身进行定位，同时建立第二局部点云地图，通过将第二局部点云地图投影至第二彩色相机采集的图像进行色彩映射，生成第二局部彩色点云地图，作为第二点云模型。
进一步的，所述的一种基于无人机遥感的建筑测绘方法，所述接收来自第一点云模型和第二点云模型图像数据、轨迹数据，通过回环检测计算无人机与地面移动机器人的相对位置，作为局部模型配准的初值，再通过精配准方法生成建筑物点云模型的步骤中，包括：
接收无人机与地面移动机器人发送回来的彩色图像信息以及对应时刻的姿态信息，在彩色图像上提取ORB特征；
将地面移动机器人发送的彩色图像对应的ORB特征存入词袋模型中，作为词袋数据集以供查找；对无人机发送的彩色图像使用窗口进行保存，其中新加入的彩色图像相距窗口中上一帧彩色图像对应姿态距离应大于0.1m，窗口装满后，最旧时刻的帧从窗口中剔除；
当词袋相似度大于一定阈值时，初步认为产生回环，通过对最新帧图像与匹配的地面移动机器人端图像，进行特征匹配，基于RANSACN算法使用基础矩阵进行外点剔除，当相似度小于一定阈值时，认为回环失败，跳出本步骤；当相似度大于或等于一定阈值时生成一系列匹配点；
基于已生成的匹配点，在窗口内的其他图像中寻找对应的匹配点，并使用彩色图像对特征进行三角化，当三角化成功的点数小于一定阈值时，认为回环失败，跳出本步骤；
基于成功三角化的空间点，对地面移动机器人端彩色图像使用EPNP算法进行匹配，得到机器人端彩色图像相对于无人机图像的姿态，进而求得第一局部点云地图与第二局部点云地图之间的变换矩阵；
得到的一致的回环，通过SVD算法对多次回环结果进行加权平均，最终输出第一局部点云地图与第二局部点云地图之间的变换矩阵；产生第一局部点云地图与第二局部点云地图之间的变换矩阵进行姿态变换，然后进一步使用TCP算法对点云进行精配准，得到完整的建筑物点云模型；所述精配准是需要初始位置的精确准配法；所述地面移动机器人通过第二彩色相机与第二激光雷达获取建筑物底部的空间信息与纹理信息。
进一步的，所述的一种基于无人机遥感的建筑测绘方法，其特征在于，所述基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数的步骤后，包括：
用双线性插值算法插值放大待测区域，利用边界改进阈值算法分割建筑局部各部分界面线，利用形态学滤波进行边缘处理，利用孔洞填充算法消除阈值算法中可能出现的孔洞，最后提取待测区域的尺寸和形状信息，所述大于或等于20000万像素的高分辨率照相机使用前进行标定，采用6000mm的变焦镜头，根据所选区域的建筑复杂程度决定拍照角度和拍照张数，便第二点云模型于测绘时的分析和计算。
进一步的，所述的一种基于无人机遥感的建筑测绘方法，所述前端视觉里程计通过融合图像数据与第一IMU数据构成，图像数据、第一IMU数据和第一激光数据分别通过双目鱼眼相机、第一IMU数据和第一激光雷达获取；所述IMU数据是惯性测量传感器，主要采用惯性定律实现的，所述双目鱼眼相机基于透镜成像原理工作的。
进一步的，所述的一种基于无人机遥感的建筑测绘方法，所述RANSACN算法为：
Figure BDA0004085923040000061
其中p表示为RANSACN算法结果有用的概率，K表示外点剔除数据，w为数据在样本中集中的概率，那么对于模型拟合一次需要的n个数据，其均在样本中集中的概率为wn(放回取样概率)，不在样本内集中的概率则为1-wn，(1-p2)为RANSACN算法结果无用的概率；
所述EPNP算法为：
Figure BDA0004085923040000062
其中
Figure BDA0004085923040000063
是在摄像头参考坐标中的坐标，/>
Figure BDA0004085923040000064
是指在无人机3D参考点在世界坐标系的坐标，c,i指摄像头坐标系的x,y数值，ω，j指无人机3D参考点在世界坐标系的x,y数值；K是摄像头的内参，t指平移向量，E(β)表示三角化的空间点对应地面移动机器人端彩色图像。
进一步的，所述的基于无人机遥感的建筑测绘方法，所述利用三维光栅扫描仪获取建筑物局部细节的精细点云数据的步骤中，包括：
获取建筑物局部细节的精细点云数据，根据建筑物点云模型特征，结合建筑物工法及需求建筑特点测量建筑物局部细节的尺寸和形状；所述高分辨率照相机采集建筑物数字信息基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数，运用所述关键尺寸和形状参数，以及规范和工法中建筑物各部位构件的造型线条特征，拟合出建筑物的尺寸和形状。
进一步的，所述的基于无人机遥感的建筑测绘方法，还包括以下步骤：
获取无人机的飞行速度；
基于所述无人机的飞行速度以及无人机测绘飞行路线计算出所述无人机测绘飞行路线的测绘时间；
根据所述无人机测绘飞行路线的测绘时间建立无人机测绘飞行路线时间排序；
从所述无人机测绘飞行路线时间排序表筛选出最短的测绘时间，并将该测绘时间对应的无人机测绘飞行路线作为最终的无人机测绘飞行路线输出。
进一步的，所述的建筑测绘方法的建筑测绘无人机，所述无人机包括；第一激光雷达、第一IMU数据、双目鱼眼相机、第一彩色相机和第一处理器，所述无人机通过双目鱼眼相机、第一彩色相机与第一激光雷达获取建筑物顶面及高处立面的空间信息与纹理信息，所述无人机用于建筑物空中测绘。
本发明的有益效果：
1、通过无人机与地面移动机器人不同角度测量得到点云模型，大空间三维激光扫描仪获取目标范围内的多个建筑物全景影像，再利用三维光栅扫描仪获取建筑物局部细节的精细点云数据，采集其点、线、面特征对建筑物高空部分或遮挡部分进行细致性测量，解决了因遮挡部分而测量不准确的问题，实现测量的精确性显著提高。
2、通过接收第一点云模型和第二点云模型生成建筑物点云模型在彩色图像上提取ORB特征；对应的ORB特征存入词袋模型中，作为词袋数据集以供查找并生成变换矩阵；使用TCP算法对点云进行精准匹配，得到完整的建筑物点云模型；通过一系列算法将第一点云模型与第二点云模型进行融合，更有利于得到片区内完整的建筑物点云模型，实现了系统对多栋建筑物同时测量，解决了仅测量单栋建筑测绘对象较单一的问题。
附图说明
图1为本发明的一种基于无人机遥感的建筑测绘方法的流程图；
图2为本发明的基于无人机遥感的建筑测绘生成建筑物点云模型的流程图
本申请为目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了更加清楚完整的说明本发明的技术方案，下面结合附图对本发明作进一步说明。
请参考图1-2图，本发明提出一种基于无人机遥感的建筑测绘方法及无人机；
在本实施例中本发明提出一种基于无人机遥感的建筑测绘方法，包括：
基于目标区域范围的多栋建筑物信息建立建筑物基于其高处立面的第一点云模型，完成建筑物空中测绘；
基于目标区域范围的多栋建筑物信息建立建筑物基于其底部的第二点云模型模型，完成建筑物地面测绘；
接收来自第一点云模型和第二点云模型图像数据、轨迹数据，通过回环检测计算无人机与地面移动机器人的相对位置，作为局部模型配准的初值，再通过精配准方法生成建筑物点云模型；
在划定的目标区域范围内利用大空间三维激光扫描仪获取目标范围内的多个建筑物全景影像，构建建筑物的整体立体模型，结合建筑工法和建筑模数修正建筑物表面轮廓的尺寸和形状；
利用三维光栅扫描仪获取建筑物局部细节的精细点云数据，根据建筑物点云模型特征，结合建筑物工法及需求建筑特点测量建筑物局部细节的尺寸和形状；
利用大于或等于20000万像素的高分辨率照相机采集建筑物数字信息，基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数，运用关键尺寸和形状参数，以及规范和工法中建筑物各部位构件的造型线条特征，拟合出建筑物的尺寸和形状；
通过图像处理技术分割出局部特征，使用摄影测量系统进行拍照和逆向，即利用大于或等于20000万像素的高分辨率照相机采集其点、线、面特征，结合建筑物表面轮廓、局部细节、或遮挡部分确定的建筑物参考尺寸和形状进行分析和确定，通过三维透视逆向，逆构建筑物的高空部分或遮挡部分的尺寸和形状。
在本实施例中，采用接收第一点云模型和第二点云模型生成建筑物点云模型具体步骤包括接收无人机与地面移动机器人发送回来的彩色图像信息以及对应时刻的姿态信息，在彩色图像上提取ORB特征；将地面移动机器人发送的彩色图像对应的ORB特征存入词袋模型中，作为词袋数据集以供查找；对无人机发送的彩色图像使用窗口进行保存，其中新加入的彩色图像相距窗口中上一帧彩色图像对应姿态距离应大于0.1m，窗口装满后，最旧时刻的帧从窗口中剔除；当词袋相似度大于一定阈值时，初步认为产生回环，通过对最新帧图像与匹配的地面移动机器人端图像，进行特征匹配，基于RANSACN算法使用基础矩阵进行外点剔除，当相似度小于一定阈值时，认为回环失败，跳出本步骤；否则，生成一系列匹配点；基于已生成的匹配点，在窗口内的其他图像中寻找对应的匹配点，并使用彩色图像对特征进行三角化，当三角化成功的点数小于一定阈值时，认为回环失败，跳出本步骤；基于成功三角化的空间点，对地面移动机器人端彩色图像使用EPNP算法进行匹配，得到机器人端彩色图像相对于无人机图像的姿态，进而求得第一局部点云地图与第二局部点云地图之间的变换矩阵；得到的一致的回环，通过SVD算法对多次回环结果进行加权平均，最终输出第一局部点云地图与第二局部点云地图之间的变换矩阵；产生第一局部点云地图与第二局部点云地图之间的变换矩阵进行姿态变换，然后进一步使用TCP算法对点云进行精准匹配，得到完整的建筑物点云模型；通过一系列算法将第一点云模型与第二点云模型进行融合，更有利于得到片区内完整的建筑物点云模型，实现一定范围内多栋建筑物进行测量。
在一个实施例中，无人机基于目标区域范围的多栋建筑物信息建立建筑物基于其高处立面的第一点云模型，完成建筑物空中测绘；地面移动机器人基于目标区域范围的多栋建筑物信息建立建筑物基于其底部的第二点云模型模型，完成建筑物地面测绘；移动服务器终端接收无人机与地面移动机器人发送回来的彩色图像信息以及对应时刻的姿态信息，在彩色图像上提取ORB特征；将地面移动机器人发送的彩色图像对应的ORB特征存入词袋模型中，作为词袋数据集以供查找；对无人机发送的彩色图像使用窗口进行保存，其中新加入的彩色图像相距窗口中上一帧彩色图像对应姿态距离应大于0.1m，窗口装满后，最旧时刻的帧从窗口中剔除；当词袋相似度大于一定阈值时，初步认为产生回环，通过对最新帧图像与匹配的地面移动机器人端图像，进行特征匹配，基于RANSACN算法使用基础矩阵进行外点剔除，当点数小于一定阈值时，认为回环失败，跳出本步骤；否则，生成一系列匹配点；基于已生成的匹配点，在窗口内的其他图像中寻找对应的匹配点，并使用彩色图像对特征进行三角化，当三角化成功的点数小于一定阈值时，认为回环失败，跳出本步骤；基于成功三角化的空间点，对地面移动机器人端彩色图像使用EPNP算法进行匹配，得到机器人端彩色图像相对于无人机图像的姿态，进而求得第一局部点云地图与第二局部点云地图之间的变换矩阵；得到变换矩阵存入一个缓存中，基于回环的一致性，对缓存中所有的结果使用RANSACN算法进行估计，剔除错误回环；得到的一致的回环，通过SVD算法对多次回环结果进行加权平均，最终输出第一局部点云地图与第二局部点云地图之间的变换矩阵；产生第一局部点云地图与第二局部点云地图之间的变换矩阵进行姿态变换，然后进一步使用TCP算法对点云进行精配准，得到完整的建筑物点云模型；在划定的目标区域范围内利用大空间三维激光扫描仪获取目标范围内的多个建筑物全景影像，构建建筑物的整体立体模型，结合建筑工法和建筑模数修正建筑物表面轮廓的尺寸和形状；利用三维光栅扫描仪获取建筑物局部细节的精细点云数据，根据建筑物点云模型特征，结合建筑物工法及需求建筑特点测量建筑物局部细节的尺寸和形状；利用大于或等于20000万像素的高分辨率照相机采集建筑物数字信息，基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数，运用关键尺寸和形状参数，以及规范和工法中建筑物各部位构件的造型线条特征，拟合出建筑物的尺寸和形状；通过图像处理技术分割出局部特征，使用摄影测量系统进行拍照和逆向，即利用大于或等于20000万像素的高分辨率照相机采集其点、线、面特征，结合建筑物表面轮廓、局部细节、或遮挡部分确定的建筑物参考尺寸和形状进行分析和确定，通过三维透视逆向，逆构建筑物的高空部分或遮挡部分的尺寸和形状。
在具体实施的过程中，无人机基于深圳市宝安区西乡共乐新村多栋建筑物信息建立建筑物基于其高处立面的第一点云模型，完成建筑物空中测绘；地面移动机器人基于共乐新村范围的多栋建筑物信息建立建筑物基于其底部的第二点云模型，完成建筑物地面测绘；移动服务器终端接收无人机与地面移动机器人发送回来的彩色图像信息以及对应时刻的姿态信息，在彩色图像上提取ORB特征；将地面移动机器人发送的彩色图像对应的ORB特征存入词袋模型中，作为词袋数据集以供查找；对无人机发送的彩色图像使用窗口进行保存，其中新加入的彩色图像相距窗口中上一帧彩色图像对应姿态距离应大于0.1m，窗口装满后，最旧时刻的帧从窗口中剔除；当词袋中装有ORB特征相似度大于60％时，初步认为产生回环，通过对最新帧图像与匹配的地面移动机器人端图像，进行特征匹配，基于RANSACN算法使用基础矩阵进行外点剔除，其中特征匹配点数阈值超过50％，生成一系列匹配点；基于已生成的匹配点，在窗口内的其他图像中寻找对应的匹配点，并使用彩色图像对特征进行三角化，成功三角化的空间点超过总空间点的50％，成功三角化的空间点对地面移动机器人端彩色图像使用EPNP算法进行匹配，得到机器人端彩色图像相对于无人机图像的姿态，进而求得第一局部点云地图与第二局部点云地图之间的变换矩阵；得到变换矩阵存入一个缓存中，基于回环的一致性，对缓存中所有的结果使用RANSACN算法进行估计，剔除错误回环；得到的一致的回环，通过SVD算法对多次回环结果进行加权平均，最终输出第一局部点云地图与第二局部点云地图之间的变换矩阵；产生第一局部点云地图与第二局部点云地图之间的变换矩阵进行姿态变换，然后进一步使用TCP算法对点云进行精配准，得到完整的建筑物点云模型；在划定的目标区域范围内利用大空间三维激光扫描仪获取目标范围内的多个建筑物全景影像，构建建筑物的整体立体模型，结合建筑工法和建筑模数修正建筑物表面轮廓的尺寸和形状；利用三维光栅扫描仪获取建筑物局部细节的精细点云数据，根据建筑物点云模型特征，结合建筑物工法及需求建筑特点测量建筑物局部细节的尺寸和形状；利用大于或等于20000万像素的高分辨率照相机采集建筑物数字信息，基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数，运用关键尺寸和形状参数，以及规范和工法中建筑物各部位构件的造型线条特征，拟合出建筑物的尺寸和形状；通过图像处理技术分割出局部特征，使用摄影测量系统进行拍照和逆向，即利用大于或等于20000万像素的高分辨率照相机采集其点、线、面特征，结合建筑物表面轮廓、局部细节、或遮挡部分确定的建筑物参考尺寸和形状进行分析和确定，通过三维透视逆向，逆构建筑物的高空部分或遮挡部分的尺寸和形状。
在本实施例中，第一点云模型是通过无人机通过融合图像数据与第一IMU数据构成前端视觉里程计，输出高频低精度的无人机位置估计，且输出的无人机位置估计作为初值用于后续对第一激光数据姿态的初始估计，再通过点云配准生成较高精度的第一局部点云地图，最终使用无人机携带的第一彩色相机对生成的第一局部点云地图进行色彩映射生成第一局部彩色点云地图，作为第一点云模型。
在本实施例中，第二点云模型是通过第二激光雷达和第二IMU数据分别获取第二激光数据与第二IMU数据，并根据第二激光数据与第二IMU数据对自身进行定位，同时建立第二局部点云地图，通过将第二局部点云地图投影至第二彩色相机采集的图像进行色彩映射，生成第二局部彩色点云地图，作为第二点云模型。
在本实施例中，基于图像的三维测量技术是用双线性插值算法插值放大待测区域，利用边界改进阈值算法分割建筑局部各部分界面线，利用形态学滤波进行边缘处理，利用孔洞填充算法消除阈值算法中可能出现的孔洞，最后提取待测区域的尺寸和形状信息，大于或等于20000万像素的高分辨率照相机使用前进行标定，采用6000mm的变焦镜头，根据所选区域的建筑复杂程度决定拍照角度和拍照张数，便第二点云模型于测绘时的分析和计算。
在本实施例中，接收第一点云模型和第二点云模型生成建筑物点云模型的步骤中，包括：
接收无人机与地面移动机器人发送回来的彩色图像信息以及对应时刻的姿态信息，在彩色图像上提取ORB特征；
将地面移动机器人发送的彩色图像对应的ORB特征存入词袋模型中，作为词袋数据集以供查找；对无人机发送的彩色图像使用窗口进行保存，其中新加入的彩色图像相距窗口中上一帧彩色图像对应姿态距离应大于0.1m，窗口装满后，最旧时刻的帧从窗口中剔除；
当词袋相似度大于一定阈值时，初步认为产生回环，通过对最新帧图像与匹配的地面移动机器人端图像，进行特征匹配，基于RANSACN算法使用基础矩阵进行外点剔除，当相似度小于一定阈值时，认为回环失败，跳出本步骤；当相似度大于或等于一定阈值时生成一系列匹配点；
基于已生成的匹配点，在窗口内的其他图像中寻找对应的匹配点，并使用彩色图像对特征进行三角化，当三角化成功的点数小于一定阈值时，认为回环失败，跳出本步骤；
基于成功三角化的空间点，对地面移动机器人端彩色图像使用EPNP算法进行匹配，得到机器人端彩色图像相对于无人机图像的姿态，进而求得第一局部点云地图与第二局部点云地图之间的变换矩阵；
得到的一致的回环，通过SVD算法对多次回环结果进行加权平均，最终输出第一局部点云地图与第二局部点云地图之间的变换矩阵；产生第一局部点云地图与第二局部点云地图之间的变换矩阵进行姿态变换，然后进一步使用TCP算法对点云进行精配准，得到完整的建筑物点云模型；精配准是需要初始位置的精确准配法，精准配是需要初始位置法精配准算法；地面移动机器人通过第二彩色相机与第二激光雷达获取建筑物底部的空间信息与纹理信息。
在本实施例中，前端视觉里程计通过融合图像数据与第一IMU数据构成；图像数据、第一IMU数据和第一激光数据分别通过双目鱼眼相机、第一IMU数据和第一激光雷达获取；IMU数据是惯性测量传感器，主要采用惯性定律实现的，双目鱼眼相机基于透镜成像原理工作的。
在本实施例中，RANSACN算法为：
Figure BDA0004085923040000161
其中p表示为RANSACN算法结果有用的概率，K表示外点剔除数据，w为数据在样本中集中的概率，那么对于模型拟合一次需要的n个数据，其均在样本中集中的概率为wn(放回取样概率)，不在样本内集中的概率则为1-wn；
EPNP算法为：
Figure BDA0004085923040000171
其中
Figure BDA0004085923040000172
是在摄像头参考坐标中的坐标，cj ω是指在无人机3D参考点在世界坐标系的坐标，c,i指摄像头坐标系的x,y数值，ω，j指无人机3D参考点在世界坐标系的x,y数值；K是摄像头的内参，t指平移向量，E(β)表示三角化的空间点对应地面移动机器人端彩色图像。
在本实施例中，三维光栅扫描仪获取建筑物局部细节的精细点云数据，根据建筑物点云模型特征，结合建筑物工法及需求建筑特点测量建筑物局部细节的尺寸和形状；高分辨率照相机采集建筑物数字信息基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数，运用关键尺寸和形状参数，以及规范和工法中建筑物各部位构件的造型线条特征，拟合出建筑物的尺寸和形状；
在本实施例中，还包括以下步骤：
获取无人机的飞行速度；
基于无人机的飞行速度以及无人机测绘飞行路线计算出无人机测绘飞行路线的测绘时间；
根据无人机测绘飞行路线的测绘时间建立无人机测绘飞行路线时间排序；
从无人机测绘飞行路线时间排序表筛选出最短的测绘时间，并将该测绘时间对应的无人机测绘飞行路线作为最终的无人机测绘飞行路线输出。
在本实施例中，无人机用于建筑物空中测绘，无人机包括；第一激光雷达、第一IMU数据、双目鱼眼相机、第一彩色相机和第一处理器，无人机通过双目鱼眼相机、第一彩色相机与第一激光雷达获取建筑物顶面及高处立面的空间信息与纹理信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本申请的专利保护范围内。
尽管已经示出和描述了本申请的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本申请的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本申请的范围由所附权利要求及其等同物限定。
当然，本发明还可有其它多种实施方式，基于本实施方式，本领域的普通技术人员在没有做出任何创造性劳动的前提下所获得其他实施方式，都属于本发明所保护的范围。

Claims (10)

1.一种基于无人机遥感的建筑测绘方法，其特征在于，包括：
基于目标区域范围的多栋建筑物信息建立建筑物基于其高处立面的第一点云模型，完成建筑物空中测绘；
基于目标区域范围的多栋建筑物信息建立建筑物基于其底部的第二点云模型，完成建筑物地面测绘；
接收来自第一点云模型和第二点云模型图像数据、轨迹数据，通过回环检测计算无人机与地面移动机器人的相对位置，作为局部模型配准的初值，再通过精配准方法生成建筑物点云模型；
在划定的目标区域范围内利用大空间三维激光扫描仪获取目标范围内的多个建筑物全景影像，构建建筑物的整体立体模型，结合建筑工法和建筑模数修正建筑物表面轮廓的尺寸和形状；
利用三维光栅扫描仪获取建筑物局部细节的精细点云数据，根据建筑物点云模型特征，结合建筑物工法及需求建筑特点测量建筑物局部细节的尺寸和形状；
利用大于或等于20000万像素的高分辨率照相机采集建筑物数字信息，基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数，运用所述关键尺寸和形状参数，以及规范和工法中建筑物各部位构件的造型线条特征，拟合出建筑物的尺寸和形状；
通过图像处理技术分割出局部特征，使用摄影测量系统进行拍照和逆向，即利用大于或等于20000万像素的高分辨率照相机采集其点、线、面特征，结合建筑物表面轮廓、局部细节、或遮挡部分确定的建筑物参考尺寸和形状进行分析，通过三维透视逆向，逆构建筑物的高空部分或遮挡部分的尺寸和形状。
2.根据权利要求1所述的一种基于无人机遥感的建筑测绘方法，其特征在于，所述基于目标区域范围的多栋建筑物信息建立建筑物基于其高处立面的第一点云模型的步骤中，包括：
无人机通过融合图像数据与第一IMU数据构成前端视觉里程计，输出高频低精度的无人机位置估计，且所述输出高频低精度的无人机位置估计作为初值用于后续对第一激光数据姿态的初始估计，再通过点云配准生成较高精度的第一局部点云地图，最终使用无人机携带的第一彩色相机对生成的第一局部点云地图进行色彩映射生成第一局部彩色点云地图，作为第一点云模型。
3.根据权利要求1所述的一种基于无人机遥感的建筑测绘方法，其特征在于，所述基于目标区域范围的多栋建筑物信息建立建筑物基于其底部的第二点云模型的步骤中，包括：
通过第二激光雷达和第二IMU数据分别获取第二激光数据与第二IMU数据，并根据第二激光数据与第二IMU数据对自身进行定位，同时建立第二局部点云地图，通过将第二局部点云地图投影至第二彩色相机采集的图像进行色彩映射，生成第二局部彩色点云地图，作为第二点云模型。
4.根据权利要求1所述的一种基于无人机遥感的建筑测绘方法，其特征在于，所述接收来自第一点云模型和第二点云模型图像数据、轨迹数据，通过回环检测计算无人机与地面移动机器人的相对位置，作为局部模型配准的初值，再通过精配准方法生成建筑物点云模型的步骤中，包括：
接收无人机与地面移动机器人发送回来的彩色图像信息以及对应时刻的姿态信息，在彩色图像上提取ORB特征；
将地面移动机器人发送的彩色图像对应的ORB特征存入词袋模型中，作为词袋数据集以供查找；对无人机发送的彩色图像使用窗口进行保存，其中新加入的彩色图像相距窗口中上一帧彩色图像对应姿态距离应大于0.1m，窗口装满后，最旧时刻的帧从窗口中剔除；
当词袋相似度大于一定阈值时，初步认为产生回环，通过对最新帧图像与匹配的地面移动机器人端图像，进行特征匹配，基于RANSACN算法使用基础矩阵进行外点剔除，当相似度小于一定阈值时，认为回环失败，跳出本步骤；当相似度大于或等于一定阈值时生成一系列匹配点；
基于已生成的匹配点，在窗口内的其他图像中寻找对应的匹配点，并使用彩色图像对特征进行三角化，当三角化成功的点数小于一定阈值时，认为回环失败，跳出本步骤；
基于成功三角化的空间点，对地面移动机器人端彩色图像使用EPNP算法进行匹配，得到机器人端彩色图像相对于无人机图像的姿态，进而求得第一局部点云地图与第二局部点云地图之间的变换矩阵；
得到的一致的回环，通过SVD算法对多次回环结果进行加权平均，最终输出第一局部点云地图与第二局部点云地图之间的变换矩阵；产生第一局部点云地图与第二局部点云地图之间的变换矩阵进行姿态变换，然后进一步使用TCP算法对点云进行精配准，得到完整的建筑物点云模型；所述精配准是需要初始位置的精确准配法；所述地面移动机器人通过第二彩色相机与第二激光雷达获取建筑物底部的空间信息与纹理信息。
5.根据权利要求1所述的一种基于无人机遥感的建筑测绘方法，其特征在于，所述基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数的步骤后，包括：
用双线性插值算法插值放大待测区域，利用边界改进阈值算法分割建筑局部各部分界面线，利用形态学滤波进行边缘处理，利用孔洞填充算法消除阈值算法中可能出现的孔洞，最后提取待测区域的尺寸和形状信息，所述大于或等于20000万像素的高分辨率照相机使用前进行标定，采用6000mm的变焦镜头，根据所选区域的建筑复杂程度决定拍照角度和拍照张数，便第二点云模型于测绘时的分析和计算。
6.根据权利要求2所述的一种基于无人机遥感的建筑测绘方法，其特征在于，所述前端视觉里程计通过融合图像数据与第一IMU数据构成，图像数据、第一IMU数据和第一激光数据分别通过双目鱼眼相机、第一IMU数据和第一激光雷达获取；所述IMU数据是惯性测量传感器，主要采用惯性定律实现的，所述双目鱼眼相机基于透镜成像原理工作的。
7.根据权利要求4所述的一种基于无人机遥感的建筑测绘方法，其特征在于，所述RANSACN算法为：
Figure FDA0004085923030000041
其中p表示为RANSACN算法结果有用的概率，K表示外点剔除数据，w为数据在样本中集中的概率，那么对于模型拟合一次需要的n个数据，其均在样本中集中的概率为wn(放回取样概率)，不在样本内集中的概率则为1-wn，(1-p2)为RANSACN算法结果无用的概率；
所述EPNP算法为：
Figure FDA0004085923030000051
其中
Figure FDA0004085923030000052
是在摄像头参考坐标中的坐标，/>
Figure FDA0004085923030000053
是指在无人机3D参考点在世界坐标系的坐标，c,i指摄像头坐标系的x,y数值，ω，j指无人机3D参考点在世界坐标系的x,y数值；K是摄像头的内参，t指平移向量，E(β)表示三角化的空间点对应地面移动机器人端彩色图像。
8.根据权利要求1所述的基于无人机遥感的建筑测绘方法，其特征在于，所述利用三维光栅扫描仪获取建筑物局部细节的精细点云数据的步骤中，包括：
获取建筑物局部细节的精细点云数据，根据建筑物点云模型特征，结合建筑物工法及需求建筑特点测量建筑物局部细节的尺寸和形状；所述高分辨率照相机采集建筑物数字信息基于图像的三维测量技术和透视关系获得建筑物的关键尺寸和形状参数，运用所述关键尺寸和形状参数，以及规范和工法中建筑物各部位构件的造型线条特征，拟合出建筑物的尺寸和形状。
9.根据权利要求1所述的基于无人机遥感的建筑测绘方法，其特征在于，还包括以下步骤：
获取无人机的飞行速度；
基于所述无人机的飞行速度以及无人机测绘飞行路线计算出所述无人机测绘飞行路线的测绘时间；
根据所述无人机测绘飞行路线的测绘时间建立无人机测绘飞行路线时间排序；
从所述无人机测绘飞行路线时间排序表筛选出最短的测绘时间，并将该测绘时间对应的无人机测绘飞行路线作为最终的无人机测绘飞行路线输出。
10.根据权利要求1-9任意一项所述的建筑测绘方法的建筑测绘无人机，其特征在于，所述无人机包括；第一激光雷达、第一IMU数据、双目鱼眼相机、第一彩色相机和第一处理器，所述无人机通过双目鱼眼相机、第一彩色相机与第一激光雷达获取建筑物顶面及高处立面的空间信息与纹理信息，所述无人机用于建筑物空中测绘。
CN202310084755.3A 2023-02-08 2023-02-08 一种基于无人机遥感的建筑测绘方法及无人机 Withdrawn CN116295279A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310084755.3A CN116295279A (zh) 2023-02-08 2023-02-08 一种基于无人机遥感的建筑测绘方法及无人机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310084755.3A CN116295279A (zh) 2023-02-08 2023-02-08 一种基于无人机遥感的建筑测绘方法及无人机

Publications (1)

Publication Number Publication Date
CN116295279A true CN116295279A (zh) 2023-06-23

Family

ID=86817669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310084755.3A Withdrawn CN116295279A (zh) 2023-02-08 2023-02-08 一种基于无人机遥感的建筑测绘方法及无人机

Country Status (1)

Country Link
CN (1) CN116295279A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116844068A (zh) * 2023-09-01 2023-10-03 山东省地质矿产勘查开发局第五地质大队（山东省第五地质矿产勘查院） 建筑测绘方法、系统、计算机设备及存储介质
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
CN117911577A (zh) * 2024-01-05 2024-04-19 济宁市兖州区自然资源局 一种基于图像分析的不动产测绘方法
CN118501878A (zh) * 2024-07-18 2024-08-16 北京广安融创房产测绘有限公司 一种不动产测绘方法
CN118587621A (zh) * 2024-08-02 2024-09-03 浙江臻越建设有限公司 一种基于无人机遥感的建筑测绘方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
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
CN116844068A (zh) * 2023-09-01 2023-10-03 山东省地质矿产勘查开发局第五地质大队（山东省第五地质矿产勘查院） 建筑测绘方法、系统、计算机设备及存储介质
CN116844068B (zh) * 2023-09-01 2023-12-26 山东省地质矿产勘查开发局第五地质大队（山东省第五地质矿产勘查院） 建筑测绘方法、系统、计算机设备及存储介质
CN117911577A (zh) * 2024-01-05 2024-04-19 济宁市兖州区自然资源局 一种基于图像分析的不动产测绘方法
CN118501878A (zh) * 2024-07-18 2024-08-16 北京广安融创房产测绘有限公司 一种不动产测绘方法
CN118501878B (zh) * 2024-07-18 2024-09-13 北京广安融创房产测绘有限公司 一种不动产测绘方法
CN118587621A (zh) * 2024-08-02 2024-09-03 浙江臻越建设有限公司 一种基于无人机遥感的建筑测绘方法及系统

Similar Documents

Publication Publication Date Title
CN109974693B (zh) 无人机定位方法、装置、计算机设备及存储介质
CN116295279A (zh) 一种基于无人机遥感的建筑测绘方法及无人机
JP5992184B2 (ja) 画像データ処理装置、画像データ処理方法および画像データ処理用のプログラム
CN112184824B (zh) 一种相机外参标定方法、装置
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
CN109949232B (zh) 图像与rtk结合的测量方法、系统、电子设备及介质
Barazzetti et al. True-orthophoto generation from UAV images: Implementation of a combined photogrammetric and computer vision approach
CN109727278B (zh) 一种机载LiDAR点云数据与航空影像的自动配准方法
CN109631911B (zh) 一种基于深度学习目标识别算法的卫星姿态转动信息确定方法
CN108776991B (zh) 三维建模方法、装置、存储介质和计算机设备
CN109709977B (zh) 移动轨迹规划的方法、装置及移动物体
Bethmann et al. Semi-global matching in object space
JP2019032218A (ja) 位置情報記録方法および装置
CN115423863B (zh) 相机位姿估计方法、装置及计算机可读存储介质
CN109883400B (zh) 基于yolo-sitcol的固定站自动目标检测与空间定位方法
Zhang et al. An overlap-free calibration method for LiDAR-camera platforms based on environmental perception
CN113129422A (zh) 一种三维模型构建方法、装置、存储介质和计算机设备
Wang et al. Automated mosaicking of UAV images based on SFM method
Bobbe et al. An automated rapid mapping solution based on ORB SLAM 2 and Agisoft Photoscan API
Aliakbarpour et al. Geometric exploration of virtual planes in a fusion-based 3D data registration framework
CN114387532A (zh) 边界的识别方法及其装置、终端、电子设备和无人设备
CN114549779A (zh) 场景模型重建方法、装置、电子设备和存储介质
Walvoord et al. Geoaccurate three-dimensional reconstruction via image-based geometry
Zhang et al. Using image registration method to register UAV
CN117470280B (zh) 激光slam实时精度评估方法、装置、介质和设备

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20230623