CN116433865A - 一种基于场景可重建性分析的空地协同采集路径规划方法 - Google Patents
一种基于场景可重建性分析的空地协同采集路径规划方法 Download PDFInfo
- Publication number
- CN116433865A CN116433865A CN202310707714.5A CN202310707714A CN116433865A CN 116433865 A CN116433865 A CN 116433865A CN 202310707714 A CN202310707714 A CN 202310707714A CN 116433865 A CN116433865 A CN 116433865A
- Authority
- CN
- China
- Prior art keywords
- ground
- reconstructability
- scene
- path
- sampling point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005070 sampling Methods 0.000 claims abstract description 149
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000000007 visual effect Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于场景可重建性分析的空地协同采集路径规划方法,包括:获取待重建区域的地图数据并根据所述地图数据构建场景概略模型;在所述场景概略模型上设置采样点并根据所述采样点生成空中采集路径;根据所述空中采集路径和所述场景概略模型,计算每个采样点的可重建性;筛选出可重建性低于预设阈值的所有采样点,获得采样点集;根据所述采样点集生成地面采集路径。与现有技术相比,能实现空地协同一次性完成数据采集,解决目前三维重建存在的精细度不够及难以采集有些复杂困难区域数据的问题,并在一定程度上提高数据采集的效率。
Description
技术领域
本发明涉及三维重建技术领域,尤其涉及的是一种基于场景可重建性分析的空地协同采集路径规划方法。
背景技术
三维场景重建时,一般使用无人机采用倾斜摄影测量或者贴近摄影测量的方式按照规划好的航迹采集目标区域的影像以对三维场景进行还原重建。
但是,由于存在遮挡区域以及高度较低的区域,无人机不能拍摄到这些区域的影像或者拍摄的影像质量较差,并且目前的方式无法在采集影像之前准确地判断出在哪些区域无人机拍摄的影像质量较差,需要根据三维场景重建后的效果来确定重建质量较差的区域,再对这些区域重新进行拍摄,三维重建的效率较低。
因此,现有技术有待改进和提高。
发明内容
本发明的主要目的在于提供一种基于场景可重建性分析的空地协同采集路径规划方法、系统、智能终端及存储介质,能够解决目前三维重建的效率较低的问题。
为了实现上述目的,本发明第一方面提供一种基于场景可重建性分析的空地协同采集路径规划方法,所述方法包括:
获取待重建区域的地图数据并根据所述地图数据构建场景概略模型;
在所述场景概略模型上设置采样点并根据所述采样点生成空中采集路径;
根据所述空中采集路径和所述场景概略模型,计算每个采样点的可重建性;
筛选出可重建性低于预设阈值的所有采样点,获得采样点集;
根据所述采样点集生成地面采集路径。
可选的,所述根据所述采样点集生成地面采集路径,包括:
基于所述场景概略模型,获得道路信息;
基于所述道路信息,获得地面采集设备可通行的若干个目标区域;
获取地面采集设备上的拍摄装置的参数;
基于所述参数,生成对应于所述采样点的视角;
在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径。
可选的,每个所述采样点对应于多个视角,所述在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径,包括:
以地面采集设备上的拍摄装置的俯仰角、视场为约束条件,根据所述视角构建路径代价函数;
基于所述路径代价函数,根据旅行商问题算法生成所述地面采集路径。
可选的,每个所述采样点对应于多个视角,所述在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径,包括:
对所述视角进行筛选并计算每个采样点的可重建性直至所有采样点的可重建性满足预设目标,获得视角集;
基于所述视角集,根据旅行商问题算法生成所述地面采集路径。
可选的,所述根据所述采样点生成空中采集路径,包括:
获取空中采集设备上的拍摄装置的参数;
根据所述参数生成与所述采样点相对应的视角;
根据所有的视角进行路径规划,获得所述空中采集路径。
可选的,根据所述参数生成与所述采样点相对应的视角,包括:
基于所述场景概略模型,生成用于标注禁飞区域的安全罩;
根据所述参数在所述安全罩外生成与所述采样点相对应的视角。
本发明第二方面提供一种基于场景可重建性分析的空地协同采集路径规划系统,其中,上述系统包括:
场景概略模型构建模块,用于获取待重建区域的地图数据并根据所述地图数据构建场景概略模型;
空中采集路径模块,用于在所述场景概略模型上设置采样点并根据所述采样点生成空中采集路径;
可重建性计算模块,用于根据所述空中采集路径和所述场景概略模型,计算每个采样点的可重建性;
采样点筛选模块,用于筛选出可重建性低于预设阈值的所有采样点,获得采样点集;
地面采集路径模块,用于根据所述采样点集生成地面采集路径。
可选的,所述地面采集路径模块包括区域划分单元、视角生成单元和路径规划单元,所述区域划分单元用于基于所述场景概略模型,获得道路信息,基于所述道路信息,获得地面采集设备可通行的若干个目标区域;所述视角生成单元用于获取地面采集设备上的拍摄装置的参数,基于所述参数,生成对应于所述采样点的视角;所述路径规划单元用于在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径。
本发明第三方面提供一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于场景可重建性分析的空地协同采集路径规划程序,上述基于场景可重建性分析的空地协同采集路径规划程序被上述处理器执行时实现任意一项上述基于场景可重建性分析的空地协同采集路径规划方法的步骤。
本发明第四方面提供一种计算机可读存储介质,上述计算机可读存储介质上存储有基于场景可重建性分析的空地协同采集路径规划程序,上述基于场景可重建性分析的空地协同采集路径规划程序被处理器执行时实现任意一项上述基于场景可重建性分析的空地协同采集路径规划方法的步骤。
由上可见,本发明先根据采样点生成空中采集路径,利用场景概略模型分析在该空中采集路径采集时各个采样点的可重建性,针对可重建性低于预设阈值的所有采样点,重新规划地面采集路径,实现空地协同一次性完成数据采集,提高数据采集、三维重建的效率,并能提高三维重建的高精细度,采集到复杂困难区域的数据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的基于场景可重建性分析的空地协同采集路径规划方法流程示意图;
图2是图1实施例中步骤S200的具体流程示意图;
图3是图1实施例获得的视角示意图;
图4是图1实施例中步骤S500的具体流程示意图;
图5是本发明提供的获得地面采集路径的一种实施例的流程示意图;
图6是本发明提供的获得地面采集路径的另一种实施例的流程示意图;
图7是本发明实施例提供的基于场景可重建性分析的空地协同采集路径规划系统的结构示意图;
图8是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图,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的一部分实施例,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
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它不同于在此描述的其它方式来实施,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推广,因此本发明不受下面公开的具体实施例的限制。
以往对于三维场景重建区域采集的方式一般为使用无人机进行倾斜摄影测量或者贴近摄影测量方式,该采集方式能够对场景进行一定程度上的还原重建,但是对于遮挡区域及地面20米以下区域存在天然采集缺陷,并且无法在使用无人机采集影像之前准确地判断出在哪些区域无人机拍摄的影像质量较差,只能根据三维场景重建后的效果来确定重建质量较差的区域,再对这些区域重新进行拍摄,三维重建的效率较低。
本发明通过在采集前对待重建区域进行航线可重建性分析,对于不满足可重建性阈值的采样点重新规划地面采集路径。使影像采集可同步开展,避免多次采集的情况,提高数据采集、三维重建的效率,并采集到复杂困难区域的数据,提高三维重建的精细度。
本发明实施例的基于场景可重建性分析的空地协同采集路径规划方法,用来对城市场景进行三维重建,使得无人机和无人车能够进行空地协同采集。可以部署在PC电脑、移动终端、后台服务器等各种电子设备上。
如图1所示,本实施例具体包括如下步骤:
步骤S100:获取待重建区域的地图数据并根据地图数据构建场景概略模型;
具体地,待重建区域是指选定的需要做三维建模的区域,地图数据包括卫星地图及平面地图。平面地图中采用了不同的色块来标示平面地图中的不同类型的物体,例如:白色区块表示建筑物所在区域,绿色区域表示绿化区域。通过识别白色区域的区域轮廓可以近似的得到各建筑物对应的建筑物轮廓。卫星地图反映了待重建区域的真实图像,包含了待重建区域的俯视图,通过获取各建筑物的阴影长度,根据阴影长度与建筑物的对应关系,得到各建筑物的高度数据。在三维空间中,以待重建地面为X-Y面,对建筑物轮廓按对应高度沿Z轴纵向拉伸得到建筑物模型;同样地,也可以获得树木等自然景观模型,实现场景概略模型的构建。
该场景概略模型用来提供采样点规划采样所需的空间结构信息和采集路径规划所需的结构数据。场景概略模型由三角形的面片组成,当然,也可以由其他形状的面片组成,如多边形。
步骤S200:在场景概略模型上设置采样点并根据采样点生成空中采集路径;
具体地,可以采用泊松采样算法,根据场景概略模型的各个面片、泊松采样直径生成近似均匀分布的若干个采样点。每一个采样点都可以用一个法向量表示,法向量的起点为采样点所在位置,法向量的方向为垂直于采样点所在面片并向场景概略模型的外部延伸,法向量的方向简称为采样点的法向。针对每一个采样点在空中生成至少一个对应的视角,然后采用现有的路径生成算法根据上述视角就可以生成空中采集路径。
本实施例中,如图2所示,生成空中采集路径的具体步骤包括:
步骤S210:获取空中采集设备上的拍摄装置的参数;
步骤S220:根据参数生成与采样点相对应的视角;
步骤S230:根据所有的视角进行路径规划,获得空中采集路径。
具体地,本实施例使用无人机作为空中采集设备。在采样点的法向上,首先获取无人机上的拍摄装置的参数,例如:视距、俯仰角、视场等。视距为无人机沿其视角方向与目标物之间的距离。
根据无人机上的拍摄装置的视距,将与采样点之间的距离为视距的点作为视角;并在无人机上的拍摄装置的俯仰角的范围内对视角进行角度偏转,获得与同一个采样点对应的多个视角。本实施例中获得的待重建区域内的视角如图3所示。
一般情况下视角有6个自由度的空间域参数,包括三个自由度的空间位置参数(X=(x、y、z),x、y、z为空间直角坐标系下的坐标)和三个自由度的方向姿态角参数(俯仰角、偏向角和翻滚角)。
视角的规划受制于诸多因素,例如环境的光源、采样点所在区域的结构,拍摄的背景,无人机的摄像头与待拍摄对象之间的最大和最小距离、无人机的传感器的最小入射角、无人机的摄像头的视场等因素。
获得每个采样点对应的所有视角后,根据这些视角可以生成多条路径,以路径最短为目标、无人机的续航能力、转向能力、爬升能力等为约束,对这些路径进行优化,获得最终的空中采集路径。
在一个实施例中,还对场景概略模型的边界在空间内按照预设膨胀半径进行膨胀,获得安全罩,安全罩用来标注无人机的禁飞区域。在生成采样点对应的视角时,根据无人机上的拍摄装置的参数,在安全罩外生成视角。还可以根据无人机飞行管制条例,无人机最低飞行高度为20米,最高飞行高度为120米(最高飞行高度也可以根据空域情况设置),即在三维空间内,还可以将Z轴小于20米或大于120米的区域也设置为禁飞区域。通过设置安全罩,能够使得无人机安全高效地进行拍摄。
在一个实施例中,获得安全罩后,在对生成的空中采集路径优化时,将无人机在安全罩外飞行也作为一种约束条件。
步骤S300:根据空中采集路径和场景概略模型,计算每个采样点的可重建性;
具体地,可重建性的大小反映了未来在采样点位置重建质量的高低,即采样点的可重建性越高,重建质量就越高。空中采集路径由若干个视角连接而成,无人机在每个视角上拍摄采样点时,无人机的视场除了能拍摄到该采样点之外,还可能可以拍摄到该采样点周围的其他采样点。因此,场景概略模型上两个相邻的采样点拍摄的影像之间会有重合。枚举能够看见某一个采样点的所有视角(即该采样点的可见视角),计算可见视角的方向夹角、视角至采样点之间的距离、采样点的法向与可见视角的方向之间的夹角后,根据经典多目立体重建算法的相关公式,就可以计算出采样点的可重建性。
具体计算公式为:。其中,/>,/>,,/>。其中,/>模拟了三角测量误差的视差依赖特性,/>模拟了距离对可重建性的影响,/>衡量匹配度对视差的依赖性。/>为采样点,/>及/>为采样点对应的两个可见视角,/>为两个视角的方向夹角,/>是最大视距,/>是两个视角到采样点的距离中的最大值,θi为采样点法向与视角vi的方向之间的夹角,/>为采样点法向与视角/>的方向之间的夹角,/>,/>,/>,/>是可调参数,在一个示例中,/>,/>,/>,/>。
步骤S400:筛选出可重建性低于预设阈值的所有采样点,获得采样点集;
具体地,可重建性低于预设阈值的采样点,表明在空中难以采集到该采样点所在位置的影像或采集到的影像质量不高,使得该采样点所在位置的重建效果不好,因此对于这些采样点需要通过地面采集影像以实现采样点所在位置的重建。其中,预设阈值根据三维重建的质量要求依据经验来设定。
将步骤S200获得的所有采样点中筛选出可重建性低于预设阈值的采样点,形成一个采样点集,该采样点集中的采样点就意味着需要使用地面采集设备来协同采集,才能获得完整的、质量较高的三维重建影像。
步骤S500:根据采样点集生成地面采集路径;
具体地,根据地面采集设备上的拍摄装置的视场、俯仰角,对于已筛选出的需要使用地面采集设备来采集影像的采样点生成相对应的视角,然后根据视角采用现有的路径规划算法生成地面采集路径。
如图4所示,本实施例具体包括如下步骤:
步骤S510:基于场景概略模型,获得道路信息;
具体地,道路信息主要是指待重建区域内的道路类型、道路的连通信息等,根据道路信息可以评价地面采集设备是否能够从一个位置移动至另一个目标位置。由于场景概略模型是根据卫星数据和地图数据构建而成,因此可以从场景概略模型中获得待重建区域内的道路信息。
步骤S520:基于道路信息,获得地面采集设备可通行的若干个目标区域;
具体地,可以根据道路信息中的坡度、高度骤变情况确定出道路信息中存在的楼梯、陡坎等地面采集设备无法通过的区域,剔除这些无法通过区域,将其他可通行的相连通的道路作为目标区域,从而获得可通行的若干个目标区域。
也可以采用经典结构的编码器-解码器模型的图像语义分割模型来提取可通行的目标区域。
步骤S530:获取地面采集设备上的拍摄装置的参数;
步骤S540:基于上述参数,生成对应于采样点的视角;
具体地,地面采集设备不限,可以为无人车、机器狗等各种能在地面上移动并采集影像的设备。本实施例中根据无人车上安装的拍摄装置的参数,如视距、最大俯仰角、视场等,采用步骤S220的方法生成与各采样点对应的视角。
步骤S550:在各个目标区域内根据视角进行路径规划,获得地面采集路径。
具体地,视角的位置为路径规划中的轨迹点,将各个视角相连可以获得多种路径,从这些路径中找出最优的路径,即为地面采集路径。无人车在地面采集路径的轨迹点将拍摄装置的方向设为视角的方向,就可以对各个采样点进行拍摄。
在一个实施例中,在目标区域内进行路径规划,获得地面采集路径的具体步骤如图5所示,包括:
步骤A551:以地面采集设备的拍摄装置的俯仰角、视场为约束条件,根据视角构建路径代价函数;
步骤A552:基于路径代价函数,根据旅行商问题算法生成地面采集路径。
具体地,地面路径规划时,在每一个视角的方向进行拍摄时均需要在地面采集设备上的拍摄装置的俯仰角、视场的范围内,以路径总距离最小化为目标来进行路径规划。即以地面采集设备的拍摄装置的俯仰角、视场为约束条件,以路径总距离最小化为目标构建路径代价函数。然后采用旅行商问题算法生成地面采集路径。旅行商问题算法为求解路径时的常用算法,在此不再赘述。其中,约束条件还可以包括:无人车的电池电量、无人车与待测对象的安全距离等。
通过生成一个采样点对应的多个视角,使得路径规划时有了优化的基础,再根据地面采集设备上的拍摄装置的相关参数来进行路径规划,使得地面采集路径确保可实施并保证影像采集效果。
在一个实施例中,在目标区域内进行路径规划,获得地面采集路径的具体步骤如图6所示,包括:
步骤B551:对视角进行筛选并计算每个采样点的可重建性直至所有采样点的可重建性满足预设目标,获得视角集;
步骤B552:基于视角集,根据旅行商问题算法生成地面采集路径。
具体地,地面采集设备在一个视角时能看到某个采样点,则该视角为该采样点的可见视角。根据每个采样点的可见视角,根据经典多目立体重建算法计算出每个采样点的可重建性值,根据该可重建性值,对采样点的可见视角进行优化,将对可重建性无意义的视角进行剔除,并再次计算每个采样点的可重建性值,直至所有采样点的可重建性满足预设目标,如此反复迭代,获得用于地面采集的视角集。
在一个示例中,预设目标为一个固定的可重建性阈值,即所有采样点的可重建性大于或等于该可重建性阈值。在另一个示例中,预设目标为所有采样点的可重建性值的总和达到最大化。
在一个示例中,剔除视角的方法为:通过查找每个视角可见的所有采样点的可重建性值的最小值作为各个视角的视角冗余度,然后将视角冗余度最高的视角剔除。在另一个示例中,剔除视角的方法为:计算视角之间的距离,将距离最近的视角进行剔除。
然后采用旅行商问题算法根据视角集生成地面采集路径。
由上所述,通过根据视角对可重建性的意义来筛选可见视角,能够选择出有效视角集来生成地面采集路径,提高地面影像的采集效率和质量。
生成地面采集路径和空中采集路径后,同时使用空中采集设备根据空中采集路径进行影像采集和地面采集设备根据地面采集路径进行影像采集,然后根据两部分的影像进行待重建区域的三维重建,提高三维重建的效率和质量。
在一个示例中,根据无人机、无人车获取的三维点云图,提取待拼接点云地图的边缘像素点,建立像素点变换数学模型,将地图拼接问题转化为三维点云的数据拼接与配准,得到像素点的平移旋转矩阵;根据像素点变换结果,对待拼接地图进行相应的旋转、平移和融合,获取完整的空间三维模型。
综上所述,通过分析在空中采集时各个采样点的可重建性,针对可重建性低于预设阈值的所有采样点,重新规划地面采集路径,实现空地协同一次性完成影像采集,提高三维重建的效率。
示例性系统
如图7所示,对应于上述基于场景可重建性分析的空地协同采集路径规划方法,本发明实施例还提供基于场景可重建性分析的空地协同采集路径规划系统,上述系统包括:
场景概略模型构建模块600,用于获取待重建区域的地图数据并根据所述地图数据构建场景概略模型;
空中采集路径模块610,用于在所述场景概略模型上设置采样点并根据所述采样点生成空中采集路径;
可重建性计算模块620,用于根据所述空中采集路径和所述场景概略模型,计算每个采样点的可重建性;
采样点筛选模块630,用于筛选出可重建性低于预设阈值的所有采样点,获得采样点集;
地面采集路径模块640,用于根据所述采样点集生成地面采集路径。
可选的,所述地面采集路径模块包括区域划分单元、视角生成单元和路径规划单元,所述区域划分单元用于基于所述场景概略模型,获得道路信息,基于所述道路信息,获得地面采集设备可通行的若干个目标区域;所述视角生成单元用于获取地面采集设备上的拍摄装置的参数,基于所述参数,生成对应于所述采样点的视角;所述路径规划单元用于在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径。
具体的,本实施例中,上述基于场景可重建性分析的空地协同采集路径规划系统的各模块的具体功能可以参照上述基于场景可重建性分析的空地协同采集路径规划方法中的对应描述,在此不再赘述。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图8所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和基于场景可重建性分析的空地协同采集路径规划程序。该内存储器为非易失性存储介质中的操作系统和基于场景可重建性分析的空地协同采集路径规划程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该基于场景可重建性分析的空地协同采集路径规划程序被处理器执行时实现上述任意一种基于场景可重建性分析的空地协同采集路径规划方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图8中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于场景可重建性分析的空地协同采集路径规划程序,上述基于场景可重建性分析的空地协同采集路径规划程序被上述处理器执行时进行以下操作指令:
获取待重建区域的地图数据并根据所述地图数据构建场景概略模型;
在所述场景概略模型上设置采样点并根据所述采样点生成空中采集路径;
根据所述空中采集路径和所述场景概略模型,计算每个采样点的可重建性;
筛选出可重建性低于预设阈值的所有采样点,获得采样点集;
根据所述采样点集生成地面采集路径。
可选的,所述根据所述采样点集生成地面采集路径,包括:
基于所述场景概略模型,获得道路信息;
基于所述道路信息,获得地面采集设备可通行的若干个目标区域;
获取地面采集设备上的拍摄装置的参数;
基于所述参数,生成对应于所述采样点的视角;
在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径。
可选的,每个所述采样点对应于多个视角,所述在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径,包括:
以地面采集设备上的拍摄装置的俯仰角、视场为约束条件,根据所述视角构建路径代价函数;
基于所述路径代价函数,根据旅行商问题算法生成所述地面采集路径。
可选的,每个所述采样点对应于多个视角,所述在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径,包括:
对所述视角进行筛选并计算每个采样点的可重建性直至所有采样点的可重建性满足预设目标,获得视角集;
基于所述视角集,根据旅行商问题算法生成所述地面采集路径。
可选的,所述根据所述采样点生成空中采集路径,包括:
获取空中采集设备上的拍摄装置的参数;
根据所述参数生成与所述采样点相对应的视角;
根据所有的视角进行路径规划,获得所述空中采集路径。
可选的,根据所述参数生成与所述采样点相对应的视角,包括:
基于所述场景概略模型,生成用于标注禁飞区域的安全罩;
根据所述参数在所述安全罩外生成与所述采样点相对应的视角。
本发明实施例还提供一种计算机可读存储介质,上述计算机可读存储介质上存储有基于场景可重建性分析的空地协同采集路径规划程序,上述基于场景可重建性分析的空地协同采集路径规划程序被处理器执行时实现本发明实施例提供的任意一种基于场景可重建性分析的空地协同采集路径规划方法的步骤。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
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,即将上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。
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。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以由另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
上述集成的模块/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,上述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,上述计算机程序包括计算机程序代码,上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。上述计算机可读介质可以包括:能够携带上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,RandomAccess 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,上述计算机可读存储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。
以上所述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,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.基于场景可重建性分析的空地协同采集路径规划方法,其特征在于,所述方法包括:
获取待重建区域的地图数据并根据所述地图数据构建场景概略模型;
在所述场景概略模型上设置采样点并根据所述采样点生成空中采集路径;
根据所述空中采集路径和所述场景概略模型,计算每个采样点的可重建性;
筛选出可重建性低于预设阈值的所有采样点,获得采样点集;
根据所述采样点集生成地面采集路径。
2.如权利要求1所述的基于场景可重建性分析的空地协同采集路径规划方法,其特征在于,所述根据所述采样点集生成地面采集路径,包括:
基于所述场景概略模型,获得道路信息;
基于所述道路信息,获得地面采集设备可通行的若干个目标区域;
获取地面采集设备上的拍摄装置的参数;
基于所述参数,生成对应于所述采样点的视角;
在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径。
3.如权利要求2所述的基于场景可重建性分析的空地协同采集路径规划方法,其特征在于,每个所述采样点对应于多个视角,所述在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径,包括:
以地面采集设备上的拍摄装置的俯仰角、视场为约束条件,根据所述视角构建路径代价函数;
基于所述路径代价函数,根据旅行商问题算法生成所述地面采集路径。
4.如权利要求2所述的基于场景可重建性分析的空地协同采集路径规划方法,其特征在于,每个所述采样点对应于多个视角,所述在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径,包括:
对所述视角进行筛选并计算每个采样点的可重建性直至所有采样点的可重建性满足预设目标,获得视角集;
基于所述视角集,根据旅行商问题算法生成所述地面采集路径。
5.如权利要求1所述的基于场景可重建性分析的空地协同采集路径规划方法,其特征在于,所述根据所述采样点生成空中采集路径,包括:
获取空中采集设备上的拍摄装置的参数;
根据所述参数生成与所述采样点相对应的视角;
根据所有的视角进行路径规划,获得所述空中采集路径。
6.如权利要求5所述的基于场景可重建性分析的空地协同采集路径规划方法,其特征在于,根据所述参数生成与所述采样点相对应的视角,包括:
基于所述场景概略模型,生成用于标注禁飞区域的安全罩;
根据所述参数在所述安全罩外生成与所述采样点相对应的视角。
7.基于场景可重建性分析的空地协同采集路径规划系统,其特征在于,所述系统包括:
场景概略模型构建模块,用于获取待重建区域的地图数据并根据所述地图数据构建场景概略模型;
空中采集路径模块,用于在所述场景概略模型上设置采样点并根据所述采样点生成空中采集路径;
可重建性计算模块,用于根据所述空中采集路径和所述场景概略模型,计算每个采样点的可重建性;
采样点筛选模块,用于筛选出可重建性低于预设阈值的所有采样点,获得采样点集;
地面采集路径模块,用于根据所述采样点集生成地面采集路径。
8.如权利要求7所述的基于场景可重建性分析的空地协同采集路径规划系统,其特征在于,所述地面采集路径模块包括区域划分单元、视角生成单元和路径规划单元,所述区域划分单元用于基于所述场景概略模型,获得道路信息,基于所述道路信息,获得地面采集设备可通行的若干个目标区域;所述视角生成单元用于获取地面采集设备上的拍摄装置的参数,基于所述参数,生成对应于所述采样点的视角;所述路径规划单元用于在各个所述目标区域内根据所述视角进行路径规划,获得所述地面采集路径。
9.智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于场景可重建性分析的空地协同采集路径规划程序,所述基于场景可重建性分析的空地协同采集路径规划程序被所述处理器执行时实现如权利要求1-6任意一项所述基于场景可重建性分析的空地协同采集路径规划方法的步骤。
10.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上存储有基于场景可重建性分析的空地协同采集路径规划程序,所述基于场景可重建性分析的空地协同采集路径规划程序被处理器执行时实现如权利要求1-6任意一项所述基于场景可重建性分析的空地协同采集路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310707714.5A CN116433865B (zh) | 2023-06-15 | 2023-06-15 | 一种基于场景可重建性分析的空地协同采集路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310707714.5A CN116433865B (zh) | 2023-06-15 | 2023-06-15 | 一种基于场景可重建性分析的空地协同采集路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116433865A true CN116433865A (zh) | 2023-07-14 |
CN116433865B CN116433865B (zh) | 2023-10-20 |
Family
ID=87085885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310707714.5A Active CN116433865B (zh) | 2023-06-15 | 2023-06-15 | 一种基于场景可重建性分析的空地协同采集路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116433865B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315170A (zh) * | 2023-09-12 | 2023-12-29 | 华大天元(北京)科技股份有限公司 | 电网作业环境地图的构建方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599583A (zh) * | 2019-07-26 | 2019-12-20 | 深圳眸瞳科技有限公司 | 无人机飞行轨迹生成方法、装置、计算机设备和存储介质 |
US20200027225A1 (en) * | 2018-07-20 | 2020-01-23 | Shenzhen University | Methods for Generating Aerial Photographing Path for Unmanned Aerial Vehicle, Computer Devices, and Storage Mediums |
CN115373399A (zh) * | 2022-09-13 | 2022-11-22 | 中国安全生产科学研究院 | 一种基于空地协同的地面机器人路径规划方法 |
CN116030194A (zh) * | 2023-02-06 | 2023-04-28 | 中国建筑第五工程局有限公司 | 一种基于目标检测规避的空地协同实景三维建模优化方法 |
-
2023
- 2023-06-15 CN CN202310707714.5A patent/CN116433865B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200027225A1 (en) * | 2018-07-20 | 2020-01-23 | Shenzhen University | Methods for Generating Aerial Photographing Path for Unmanned Aerial Vehicle, Computer Devices, and Storage Mediums |
CN110599583A (zh) * | 2019-07-26 | 2019-12-20 | 深圳眸瞳科技有限公司 | 无人机飞行轨迹生成方法、装置、计算机设备和存储介质 |
CN115373399A (zh) * | 2022-09-13 | 2022-11-22 | 中国安全生产科学研究院 | 一种基于空地协同的地面机器人路径规划方法 |
CN116030194A (zh) * | 2023-02-06 | 2023-04-28 | 中国建筑第五工程局有限公司 | 一种基于目标检测规避的空地协同实景三维建模优化方法 |
Non-Patent Citations (2)
Title |
---|
李清泉 等: "优视摄影测量与泛在实景三维数据采集: 以实景三维青岛为例", 武汉大学学报信息科学版, vol. 47, no. 10, pages 1587 - 1597 * |
李清泉 等: "优视摄影测量方法及精度分析", 测绘学报, vol. 51, no. 6, pages 996 - 1007 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315170A (zh) * | 2023-09-12 | 2023-12-29 | 华大天元(北京)科技股份有限公司 | 电网作业环境地图的构建方法、装置、设备及介质 |
CN117315170B (zh) * | 2023-09-12 | 2024-04-05 | 华大天元(北京)科技股份有限公司 | 电网作业环境地图的构建方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116433865B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059608B (zh) | 一种物体检测方法、装置、电子设备和存储介质 | |
CN107194989B (zh) | 基于无人机飞机航拍的交通事故现场三维重建系统及方法 | |
CN110163064B (zh) | 一种道路标志物的识别方法、装置及存储介质 | |
EP3631494B1 (en) | Integrated sensor calibration in natural scenes | |
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
CN111540048B (zh) | 一种基于空地融合的精细化实景三维建模方法 | |
KR101105795B1 (ko) | 항공 화상의 자동 처리 | |
CN111261016B (zh) | 道路地图的构建方法、装置和电子设备 | |
CN104123730A (zh) | 基于道路特征的遥感影像与激光点云配准方法及系统 | |
CN112465970B (zh) | 导航地图构建方法、装置、系统、电子装置和存储介质 | |
CN111710040B (zh) | 一种高精度地图的构建方法、系统、终端和存储介质 | |
CN116433865B (zh) | 一种基于场景可重建性分析的空地协同采集路径规划方法 | |
Zietara | Creating Digital Elevation Model (DEM) based on ground points extracted from classified aerial images obtained from Unmanned Aerial Vehicle (UAV) | |
CN114758086A (zh) | 一种城市道路信息模型的构建方法及装置 | |
CN112507891B (zh) | 自动化识别高速路口并构建路口向量的方法及装置 | |
CN111612829B (zh) | 一种高精度地图的构建方法、系统、终端和存储介质 | |
CN112632415A (zh) | 一种Web地图实时生成方法及图像处理服务器 | |
CN115496873A (zh) | 一种基于单目视觉的大场景车道建图方法及电子设备 | |
KR20230026916A (ko) | 드론을 이용하여 시계열정보가 포함된 3차원 지도의 제작 방법 | |
CN114119757A (zh) | 图像处理方法、装置、设备、介质和计算机程序产品 | |
Paulin et al. | Person localization and distance determination using the raycast method | |
KR102557775B1 (ko) | 드론을 이용한 3차원 지도 제작 방법 | |
CN112767458B (zh) | 激光点云与图像的配准的方法及系统 | |
CN117197361B (zh) | 实景三维数据库构建方法、电子设备和计算机可读介质 | |
CN116309943B (zh) | 一种停车场语义地图路网构建方法、装置及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |