CN116778105A - 基于多精度三维测绘数据融合建模方法 - Google Patents
基于多精度三维测绘数据融合建模方法 Download PDFInfo
- Publication number
- CN116778105A CN116778105A CN202311039684.1A CN202311039684A CN116778105A CN 116778105 A CN116778105 A CN 116778105A CN 202311039684 A CN202311039684 A CN 202311039684A CN 116778105 A CN116778105 A CN 116778105A
- Authority
- CN
- China
- Prior art keywords
- mapping
- image
- area
- dimensional
- data
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 289
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004927 fusion Effects 0.000 title claims abstract description 26
- 238000012216 screening Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 10
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 238000005215 recombination Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 3
- 230000006798 recombination Effects 0.000 claims description 3
- 238000012876 topography Methods 0.000 abstract description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于多精度三维测绘数据融合建模方法,涉及三维测绘技术领域,在测绘点处获取测绘数据,汇总后建立第一地形测量数据集,建立测绘条件集并生成测绘条件系数Cxs,在测绘条件系数Cxs不高于条件阈值时,以第一图像质量系数对测绘图像进行筛选,并对第一待选图像进行筛选或重组,确定目标图像;建立二地形测量数据集,并将平面实景地图做三维化处理,将生成的两个三维地形模型融合生成待选模型,若是存在融合误差,则筛选出误差区域;在该测绘点采集地形数据对待选模型进行修正。通过对测绘图像进行评估、筛选及重组,获取高质量的测绘图像,提高了建模的效率和质量。
Description
技术领域
本发明涉及三维测绘技术领域,具体为基于多精度三维测绘数据融合建模方法。
背景技术
三维测绘是一种地理信息技术,通过收集、处理和展示三维空间数据来描述和呈现地理景观、物体和属性;三维测绘在许多领域都有广泛的应用,包括城市规划、土地管理、建筑设计、资源勘测、环境监测等。它可以提供更丰富、准确的地理信息,帮助人们更好地理解和管理地球表面的各种要素和过程。
通常来说,三维测绘的主要步骤包括以下步骤:使用激光雷达、无人机、卫星影像等技术,对地表进行采集和扫描,获取三维点云数据;对采集到的点云数据进行滤波、配准、分类和分割,以获得地形表面、建筑物、树木等各种空间要素的准确位置和形状信息;数据建模:根据点云数据,应用三维建模软件或地理信息系统(GIS)工具,将地理景观、物体和属性转化为可视化的三维模型。
在进行三维测绘并对建模进行融合时,由无人机带来的航空影像数据会对建立的三维模型的质量产生较大的影响,但是现有的多精度三维测绘数据融合建模方法中,未对航空测绘图像进行筛选,直接获取的测绘图像的质量较低,导致所建立的地形建模质量可能会受到影响。
为此,本发明提供了基于多精度三维测绘数据融合建模方法。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了基于多精度三维测绘数据融合建模方法,通过以第一图像质量系数对测绘图像进行筛选;通过生成第二图像质量系数/>,对第一待选图像进行筛选或重组,确定目标图像;通过筛选出误差区域并对待选模型进行修正等措施,解决了现有的多精度三维测绘数据融合建模方法中,直接获取的测绘图像的质量较低,导致所建立的地形建模质量可能会受到影响的技术问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:基于多精度三维测绘数据融合建模方法,包括如下步骤:划定测绘区域并对其进行成像,在裁剪和拼接后生成基准图像并建立覆盖测绘区域的坐标系;在测绘区域内选定若干个测绘点,并在测绘点处获取测绘数据,汇总后建立第一地形测量数据集;包括:
在对地形进行测绘并建模前,划定地形模型覆盖区域,并将其标定为测绘区域,使用携带有成像设备的无人机对测绘区域进行成像,对获取的若干个区域图像进行拼接和裁剪,将拼接后的图像确定为基准图像,使基准图像覆盖所述测绘区域;
对测绘区域的天气条件进行监测,由监测结果建立测绘条件集,并进而生成测绘条件系数Cxs;在测绘条件系数Cxs高于条件阈值时,向外发出预警;若未接收到预警信息,则获取测绘区域内的测绘图像,以第一图像质量系数对测绘图像进行筛选,确定出第一待选图像;
对第一待选图像进行图像质量分析,建立图像质量集;由图像质量集生成第二图像质量系数,以第二图像质量系数/>对第一待选图像进行筛选,确定第二待选图像,若第二待选图像不存在,则对第一待选图像进行重组,最终确定目标图像;将目标图像在对应的位置上与基准图像相融合,获取测绘区域内的平面实景地图;
将测绘区域网格化处理,使用激光雷达在测绘点处对测绘区域进行测绘,建立二地形测量数据集;并将平面实景地图做三维化处理,将生成的两个三维地形模型融合生成待选模型,若是存在融合误差,则筛选出误差区域;以便于对建立的模型进行优化;
在待选模型上存在误差区域时,选择测绘点并在该测绘点采集地形数据对待选模型进行修正,验证修正后的待选模型与实际地形数据的匹配度,若匹配度低于预期,则继续修正,直至其可信度达标,将该待选模型输出。
进一步的,在测绘区域内的中心处选定第一锚定点,以第一锚定点为原点,使用基准图像在测绘区域内建立平面坐标系,在将测绘区域等面积地分割若干个子区域后,对若干个子区域分别进行编号,并在子区域内设置一个或者若干个测绘点;
在各个测绘点内使用测量设备对测绘区域内的地形进行测绘,获取子区域内的测绘数据,在将若干个子区域的测绘数据汇总后,建立第一地形测量数据集。
进一步的,使用无人机在对测绘区域进行图像测绘前,对测绘区域的天气条件进行监测;所述监测条件包括:测绘区域内的可视距离Jv,在可视距离Jv超过预设的距离阈值时,对相应区域内的光照强度进行监测,获取光强Gv;监测并获取测绘区域内的空气温度Tv;
将可视距离Jv、光强Gv及空气温度Tv汇总,建立测绘条件集;由测绘条件集生成测绘条件系数Cxs,具体方式如下:将可视距离Jv、光强Gv及空气温度Tv做无量纲处理后,依照如下方式:
式中,、/>及/>分别为可视距离、光强及空气温度的权重因子系数,均大于0,/>为常数修正系数,其具体值可由用户调整设置,或者由分析函数拟合生成。
进一步的,预先设置条件阈值,在测绘条件系数Cxs高于条件阈值时,向外发出预警;
在未接收到预警信息时,在子区域内设置若干个第二锚定点,以第二锚定点为中心,由无人机对子区域内进行图像测绘,获取子区域内的测绘图像信息,在完成拼接后,至少使测绘图像覆盖测绘区域内,同一测绘点的测绘图像获取若干张;
对来自测绘区域内各个位置的测绘图像进行归类并分析,建立第一图像质量系数;若第一图像质量系数/>超过预设的第一质量阈值,将对应的测绘图像作为第一待选图像。
进一步的,第一图像质量系数的建立方式如下:分别获取各个测绘图像的空间分辨率Kb和灰度分辨率Hb,对两者做无量纲处理后,依照如下公式生成第一图像质量系数;
其中,及/>为可变更常数参数,/>,/>,且/>,用户可以按照实际情况进行调整;/>为修正系数,通过软件模拟确定/>的具体值。
进一步的,对归属于各个第二锚定点的第一待选图像归类,并进行图像质量分析;
若第一待选图像中存在噪点,则获取噪点的数量,生成每个第一待选图像的噪点密度Zm,若噪点密度Zm预先设置的密度阈值,则分别获若干个第一待选图像的扭曲误差,生成均方误差Jw;同时获取图像的压缩比Ys;汇总噪点密度Zm、均方误差Jw及压缩比Ys后,建立图像质量集。
进一步的,由图像质量集生成第二图像质量系数的获取方式如下:对噪点密度Zm、均方误差Jw及压缩比Ys做无量纲处理后,依照如下公式:
其中,,/>,且/>,/>为权重,/>为常数修正系数,其具体值可由用户调整设置,或者由分析函数拟合生成;若第二图像质量系数/>低于预设的第二质量阈值时,将对应的第一待选图像确定为不合格对象,剩余合格的部分确定为第二待选图像。
进一步的,若第二待选图像不存在时,将若干个第一待选图像的网格化处理,将其拆分为若干个均等的网格,获取各个网格的位置信息;从若干个位于同一位置的网格中筛选出一个或多个,对第一待选图像进行重组,使重组后所生成的第一待选图像的第二图像质量系数最大;
若当前第一待选图像均不合格,则对第一待选图像进行裁剪和重组,从而形成新的第一待选图像;将第二待选图像或者重组后第一待选图像确定为目标图像;结合第一锚定点和第二锚定点的位置,在配准后,将目标图像在对应的位置上与基准图像相融合,获取测绘区域内的平面实景地图。
进一步的,将测绘区域网格化处理,并将所生成的网格在平面实景地图上标注,在各个网格内再次随机选定多个测绘点,使用激光雷达在测绘点处对测绘区域进行测绘,将雷达测绘数据汇总后,建立第二地形测量数据集;
分别使用第一及第二地形测量数据集内的测绘数据,将平面实景地图做三维化处理,分别生成对应的三维地形模型;在配准后将两个三维地形模型融合生成待选模型,将两个三维地形模型不重合的区域在待选模型上进行标注;
若不重合区域的误差大于预设的误差阈值,将对应的区域标记为第一误差区域,将其他的不重合区域确定为第二误差区域;剩余区域内标记为非误差区域。
进一步的,获取待选模型的第一误差区域在测绘区域内位置,再次在该位置的邻近区域设置若干个测绘点,在测绘点处采集地形数据,以地形数据对模型进行修正;在第二误差区域内,以两个三维地形模型不相重合区域的中间线为新的边界,结合后,生成修正后的地形三维模型;
在测绘区域内随机选择若干个验证点,在验证点处采集地形数据,若采集的地形数据和修正后的地形三维模型的匹配度高于预期,则将其输出;
若低于预期,则将修正后的地形三维模型的对应区域确定为低可信度区域,并以此采集的地形数据对其进行修正,直至低可信度区域所占比例低于预设的比例阈值;通过随机性的验证,对模型的可信度进行修正。
(三)有益效果
本发明提供了基于多精度三维测绘数据融合建模方法,具备以下有益效果:
1、对天气条件进行监测,判断当前是否满足航空测绘的条件,若当前测绘条件较佳,可以获取到较佳的测绘图像;在测绘点的测绘图像同时获取若个测绘图像,并通过建立第一图像质量系数,对测绘图像进行筛选,在较佳的测绘条件下,筛选出图像质量较佳的第一待选图像,通过筛选出较佳的测绘图像,使地形建模质量更佳。
2、建立图像质量集并生成第二图像质量系数,以此对获取的第一待选图像进行筛选或者修正,生成目标图像;通过对测绘图像进行评估、筛选及重组,获取高质量的测绘图像,提高了建模的效率和质量。
3、以激光雷达的形式再次进行测绘,初步完成三维地形模型的搭建,将两个三维地形模型进行融合,建立待选模型,筛选出误差区域,并确定出其中可信度达到预期的区域,从而生成待选模型后,便于进行进一步的修正。
4、在待选模型上存在误差区域时,对第一误差区域进行修正,并对第二误差区域进行相应性的修正,完成待选模型的初步修正,提高了模型质量;在可信度不足时,多次对待选模型进行修正,完成三维地形模型的搭建,在从测绘图像之外,提高建模的质量和可信度。
附图说明
图1为本发明多精度三维测绘数据融合建模方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,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他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供基于多精度三维测绘数据融合建模方法,包括如下步骤:
步骤一、划定测绘区域并对其进行成像,在裁剪和拼接后生成基准图像并建立覆盖测绘区域的坐标系;在测绘区域内选定若干个测绘点,并在测绘点处获取测绘数据,汇总后建立第一地形测量数据集;
所述步骤一包括如下内容:
步骤101、在对地形进行测绘并建模前,划定地形模型覆盖区域,并将其标定为测绘区域,使用携带有成像设备的无人机对测绘区域进行成像,对获取的若干个区域图像进行拼接和裁剪,将拼接后的图像确定为基准图像,使基准图像覆盖所述测绘区域;此时,以基准图像作为测绘区域的原始地图;
步骤102、在测绘区域内的中心处选定第一锚定点,以第一锚定点为原点,使用基准图像在测绘区域内建立平面坐标系,在将测绘区域等面积地分割若干个子区域后,对若干个子区域分别进行编号,并在子区域内设置一个或者若干个测绘点;在建立平面坐标系时,能够确定各个锚定点及测绘点的位置信息;
步骤103、在各个测绘点内使用测量设备,例如,测距仪、测角仪及水准仪等,对测绘区域内的地形进行测绘,获取子区域内的测绘数据,在将若干个子区域的测绘数据汇总后,建立第一地形测量数据集;从而,在测绘区域内完成初步的测绘。
使用时,结合步骤101至103中的内容:
在确定了测绘区域后,进一步的确定基准图像,并在建立坐标系后选择若干个测绘点,建立第一地形测量数据集,通过将测绘区域网格化处理,使测绘点分布均匀,覆盖范围更广,提高建模的质量。
步骤二、对测绘区域的天气条件进行监测,由监测结果建立测绘条件集,并进而生成测绘条件系数Cxs;在测绘条件系数Cxs高于条件阈值时,向外发出预警;若未接收到预警信息,则获取测绘区域内的测绘图像,以第一图像质量系数对测绘图像进行筛选,确定出第一待选图像;此时,在获取较多的测绘图像时,可以筛选出其中质量较高的部分;
所述步骤二包括如下内容:
步骤201、使用无人机在对测绘区域进行图像测绘前,对测绘区域的天气条件进行监测;所述监测条件包括:测绘区域内的可视距离Jv,在可视距离Jv超过预设的距离阈值时,对相应区域内的光照强度进行监测,获取光强Gv;同时,考虑到温度条件也会对各种测绘设备的测绘能力形成一定的影响,监测并获取测绘区域内的空气温度Tv;
将可视距离Jv、光强Gv及空气温度Tv汇总,建立测绘条件集;
以此,能够判断当前的环境条件是否适宜航空测绘,如果不适宜,则需要调整航空测绘的时机;
步骤202、由测绘条件集生成测绘条件系数Cxs,具体方式如下:将可视距离Jv、光强Gv及空气温度Tv做无量纲处理后,依照如下方式:
式中,、/>及/>分别为可视距离、光强及空气温度的权重因子系数,均大于0,/>为常数修正系数,其具体值可由用户调整设置,或者由分析函数拟合生成;
预先设置条件阈值,在测绘条件系数Cxs高于条件阈值时,向外发出预警;此时,若是接收到预警信息,则说明当前的测绘环境较差,不便于进行测绘,可以待天气条件较好时再进行测绘;
步骤203、在未接收到预警信息时,在子区域内设置若干个第二锚定点,以第二锚定点为中心,由无人机对子区域内进行图像测绘,获取子区域内的测绘图像信息;在完成拼接后,至少使测绘图像覆盖测绘区域内,其中,在无人机处于飞行状态下时,同一测绘点的测绘图像同时获取若干张;在获取到的测绘图像具有若干张时,便于进行筛选,从而确定出其中质量较高的部分;
步骤204、对来自测绘区域内各个位置的测绘图像进行归类并分析,分别获取各个测绘图像的空间分辨率Kb和灰度分辨率Hb,对两者做无量纲处理后,依照如下公式生成第一图像质量系数;
其中,及/>为可变更常数参数,/>,/>,且/>,用户可以按照实际情况进行调整;/>为修正系数,通过软件模拟确定/>的具体值;若第一图像质量系数/>超过预设的第一质量阈值,将对应的测绘图像作为第一待选图像。
使用时,结合步骤201至204中的内容:
在选定测绘点并完成地面测绘后,还需要由携带有测绘成像设备的无人机对测绘区域进行航空测绘,此时,先对天气条件进行监测,判断当前是否满足航空测绘的条件,若当前测绘条件较佳,则可以开始进行测绘工作,并获取到较佳的测绘图像;
同时,通过连续的多次航空测绘,在测绘点的测绘图像同时获取若个测绘图像,并通过建立第一图像质量系数,对测绘图像进行筛选,在较佳的测绘条件下,筛选出图像质量较佳的第一待选图像,通过筛选出较佳的测绘图像,也使地形建模质量更佳。
步骤三、对第一待选图像进行图像质量分析,建立图像质量集;由图像质量集生成第二图像质量系数,以第二图像质量系数/>对第一待选图像进行筛选,确定为第二待选图像,若第二待选图像不存在,则对第一待选图像进行重组,最终确定目标图像;
将目标图像在对应的位置上与基准图像相融合,获取测绘区域内的平面实景地图;
所述步骤三包括如下内容:
步骤301、对归属于各个第二锚定点的第一待选图像归类,并进行图像质量分析;
若第一待选图像中存在噪点,则获取噪点的数量,生成每个第一待选图像的噪点密度Zm,若噪点密度Zm预先设置的密度阈值,则分别获若干个第一待选图像的扭曲误差,生成均方误差Jw;同时获取图像的压缩比Ys;
汇总噪点密度Zm、均方误差Jw及压缩比Ys后,建立图像质量集;在获取第一待选图像后建立图像质量集,以对第一待选图像的质量条件进行判断;
步骤302、由图像质量集生成第二图像质量系数的获取方式如下:对噪点密度Zm、均方误差Jw及压缩比Ys做无量纲处理后,依照如下公式:
其中,,/>,且/>,/>为权重,/>为常数修正系数,其具体值可由用户调整设置,或者由分析函数拟合生成;
若第二图像质量系数低于预设的第二质量阈值时,将对应的第一待选图像确定为不合格对象,剩余合格的部分确定为第二待选图像;使用时,以第二图像质量系数/>对第一待选图像进行筛选,确定出第二待选图像。
步骤303、若第二待选图像不存在时,将若干个第一待选图像的网格化处理,将其拆分为若干个均等的网格,获取各个网格的位置信息;从若干个位于同一位置的网格中筛选出一个或多个,对第一待选图像进行重组,使重组后所生成的第一待选图像的第二图像质量系数最大;若当前第一待选图像均不合格,则对第一待选图像进行裁剪和重组,从而形成新的第一待选图像;
步骤304、将第二待选图像或者重组后第一待选图像确定为目标图像;结合第一锚定点和第二锚定点的位置,在配准后,将目标图像在对应的位置上与基准图像相融合,获取测绘区域内的平面实景地图;
使用时,结合步骤301至304中的内容:
在由航空测绘获取到测绘图像后,建立图像质量集并生成第二图像质量系数,以此对获取的第一待选图像进行筛选或者修正,生成目标图像;通过对测绘图像进行评估、筛选及重组,获取高质量的测绘图像,提高了建模的效率和质量。
步骤四、将测绘区域网格化处理,使用激光雷达在测绘点处对测绘区域进行测绘,建立二地形测量数据集;并将平面实景地图做三维化处理,将生成的两个三维地形模型融合生成待选模型,若是存在融合误差,则筛选出误差区域;以便于对建立的模型进行优化;
所述步骤四包括如下内容:
步骤401、将测绘区域网格化处理,并将所生成的网格在平面实景地图上标注,在各个网格内再次随机选定多个测绘点,使用激光雷达在测绘点处对测绘区域进行测绘,将雷达测绘数据汇总后,建立第二地形测量数据集;
步骤402、分别使用第一及第二地形测量数据集内的测绘数据,通过深度学习(或者高程数据插值算法、体素化算法、三维重建算法等类似的算法),将平面实景地图做三维化处理,分别生成对应的三维地形模型;此时,初步完成地形模型建立;
步骤403、在配准后,将两个三维地形模型融合生成待选模型,将两个三维地形模型不重合的区域在待选模型上进行标注;
若不重合区域的误差大于预设的误差阈值,将对应的区域标记为第一误差区域,将其他的不重合区域确定为第二误差区域;剩余区域内标记为非误差区域。
使用时,结合步骤401至403中的内容:
在航空测绘之外再次选择测绘点,以激光雷达的形式再次进行测绘,在两次测绘的基础上,初步完成三维地形模型的搭建,但是考虑到由单一数据源建立的模型可信度不足,此时,将两个三维地形模型进行融合,建立待选模型,筛选出误差区域,并确定出其中可信度达到预期的区域,从而生成待选模型后,便于进行进一步的修正。
步骤五、在待选模型上存在误差区域时,选择测绘点并在该测绘点采集地形数据对待选模型进行修正,验证修正后的待选模型与实际地形数据的匹配度,若匹配度低于预期,则继续修正,直至其可信度达标,将该待选模型输出;
所述步骤五包括如下内容:
步骤501、获取待选模型的第一误差区域在测绘区域内位置,再次在该位置的邻近区域设置若干个测绘点,在测绘点处采集地形数据,以地形数据对模型进行修正;
在第二误差区域内,以两个三维地形模型不相重合区域的中间线为新的边界,结合后,生成修正后的地形三维模型;此时,在筛选出误差区域后,对待选模型进行初步的修正;
步骤502、在测绘区域内随机选择若干个验证点,在验证点处采集地形数据,若采集的地形数据和修正后的地形三维模型的匹配度高于预期,则将其输出;
若低于预期,则将修正后的地形三维模型的对应区域确定为低可信度区域,并以此采集的地形数据对其进行修正,直至修正后的三维模型的低可信度区域所占比例低于预设的比例阈值;通过随机性的验证,对模型的可信度进行修正;
使用时,结合步骤501及502中的内容:
在待选模型上存在误差区域时,再次获取测绘数据,以该测绘数据对第一误差区域进行修正,并对第二误差区域进行相应性的修正,完成待选模型的初步修正,提高了模型质量;而为了提高模型的可信度,在可信度不足时,多次对待选模型进行修正,完成三维地形模型的搭建,在从测绘图像之外,提高建模的质量和可信度。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。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示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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.基于多精度三维测绘数据融合建模方法,其特征在于:包括如下步骤:
划定测绘区域并对其进行成像,在裁剪和拼接后生成基准图像并建立覆盖测绘区域的坐标系;在测绘区域内选定若干个测绘点,并在测绘点处获取测绘数据,汇总后建立第一地形测量数据集;包括:
在对地形进行测绘并建模前,划定地形模型覆盖区域,并将其标定为测绘区域,使用携带有成像设备的无人机对测绘区域进行成像,对获取的若干个区域图像进行拼接和裁剪,将拼接后的图像确定为基准图像,使基准图像覆盖所述测绘区域;
对测绘区域的天气条件进行监测,由监测结果建立测绘条件集,并进而生成测绘条件系数Cxs;在测绘条件系数Cxs高于条件阈值时,向外发出预警;若未接收到预警信息,则获取测绘区域内的测绘图像,以第一图像质量系数 对测绘图像进行筛选,确定出第一待选图像;对第一待选图像进行图像质量分析,建立图像质量集;由图像质量集生成第二图像质量系数/>,以第二图像质量系数/>对第一待选图像进行筛选,确定第二待选图像,若第二待选图像不存在,则对第一待选图像进行重组,最终确定目标图像;将目标图像在对应的位置上与基准图像相融合,获取测绘区域内的平面实景地图;
将测绘区域网格化处理,使用激光雷达在测绘点处对测绘区域进行测绘,建立二地形测量数据集;并将平面实景地图做三维化处理,将生成的两个三维地形模型融合生成待选模型,若是存在融合误差,则筛选出误差区域;
在待选模型上存在误差区域时,选择测绘点并在该测绘点采集地形数据对待选模型进行修正,验证修正后的待选模型与实际地形数据的匹配度,若匹配度低于预期,则继续修正,直至其可信度达标,将该待选模型输出。
2.根据权利要求1所述的基于多精度三维测绘数据融合建模方法,其特征在于:
在测绘区域内的中心处选定第一锚定点,以第一锚定点为原点,使用基准图像在测绘区域内建立平面坐标系,在将测绘区域等面积地分割若干个子区域后,对若干个子区域分别进行编号,并在子区域内设置一个或者若干个测绘点;
在各个测绘点内使用测量设备对测绘区域内的地形进行测绘,获取子区域内的测绘数据,在将若干个子区域的测绘数据汇总后,建立第一地形测量数据集。
3.根据权利要求1所述的基于多精度三维测绘数据融合建模方法,其特征在于:
使用无人机在对测绘区域进行图像测绘前,对测绘区域的天气条件进行监测;所述监测条件包括:测绘区域内的可视距离Jv,在可视距离Jv超过预设的距离阈值时,对相应区域内的光照强度进行监测,获取光强Gv;监测并获取测绘区域内的空气温度Tv;
将可视距离Jv、光强Gv及空气温度Tv汇总,建立测绘条件集;
由测绘条件集生成测绘条件系数Cxs,具体方式如下:将可视距离Jv、光强Gv及空气温度Tv做无量纲处理后,依照如下方式:
式中,/>、/>及/>分别为可视距离、光强及空气温度的权重因子系数,均大于0,/>为常数修正系数,其具体值可由用户调整设置,或者由分析函数拟合生成。
4.根据权利要求3所述的基于多精度三维测绘数据融合建模方法,其特征在于:
预先设置条件阈值,在测绘条件系数Cxs高于条件阈值时,向外发出预警;
在未接收到预警信息时,在子区域内设置若干个第二锚定点,以第二锚定点为中心,由无人机对子区域内进行图像测绘,获取子区域内的测绘图像信息,在完成拼接后,至少使测绘图像覆盖测绘区域内,同一测绘点的测绘图像获取若干张;
对来自测绘区域内各个位置的测绘图像进行归类并分析,建立第一图像质量系数;若第一图像质量系数/>超过预设的第一质量阈值,将对应的测绘图像作为第一待选图像。
5.根据权利要求4所述的基于多精度三维测绘数据融合建模方法,其特征在于:
第一图像质量系数的建立方式如下:
分别获取各个测绘图像的空间分辨率Kb和灰度分辨率Hb,对两者做无量纲处理后,依照如下公式生成第一图像质量系数;
其中,/>及/>为可变更常数参数,/>,,且/>,用户可以按照实际情况进行调整;/>为修正系数,通过软件模拟确定/>的具体值。
6.根据权利要求4所述的基于多精度三维测绘数据融合建模方法,其特征在于:
对归属于各个第二锚定点的第一待选图像归类,并进行图像质量分析;
若第一待选图像中存在噪点,则获取噪点的数量,生成每个第一待选图像的噪点密度Zm,若噪点密度Zm预先设置的密度阈值,则分别获若干个第一待选图像的扭曲误差,生成均方误差Jw;同时获取图像的压缩比Ys;汇总噪点密度Zm、均方误差Jw及压缩比Ys后,建立图像质量集。
7.根据权利要求6所述的基于多精度三维测绘数据融合建模方法,其特征在于:
由图像质量集生成第二图像质量系数的获取方式如下:对噪点密度Zm、均方误差Jw及压缩比Ys做无量纲处理后,依照如下公式:
其中,/>,/>,且/>,为权重,/>为常数修正系数,其具体值可由用户调整设置,或者由分析函数拟合生成;
若第二图像质量系数低于预设的第二质量阈值时,将对应的第一待选图像确定为不合格对象,剩余合格的部分确定为第二待选图像。
8.根据权利要求7所述的基于多精度三维测绘数据融合建模方法,其特征在于:
若第二待选图像不存在时,将若干个第一待选图像的网格化处理,将其拆分为若干个均等的网格,获取各个网格的位置信息;从若干个位于同一位置的网格中筛选出一个或多个,对第一待选图像进行重组,使重组后所生成的第一待选图像的第二图像质量系数最大;
若当前第一待选图像均不合格,则对第一待选图像进行裁剪和重组,从而形成新的第一待选图像;将第二待选图像或者重组后第一待选图像确定为目标图像;结合第一锚定点和第二锚定点的位置,在配准后,将目标图像在对应的位置上与基准图像相融合,获取测绘区域内的平面实景地图。
9.根据权利要求1所述的基于多精度三维测绘数据融合建模方法,其特征在于:
将测绘区域网格化处理,并将所生成的网格在平面实景地图上标注,在各个网格内再次随机选定多个测绘点,使用激光雷达在测绘点处对测绘区域进行测绘,将雷达测绘数据汇总后,建立第二地形测量数据集;
分别使用第一及第二地形测量数据集内的测绘数据,将平面实景地图做三维化处理,分别生成对应的三维地形模型;
在配准后将两个三维地形模型融合生成待选模型,将两个三维地形模型不重合的区域在待选模型上进行标注;
若不重合区域的误差大于预设的误差阈值,将对应的区域标记为第一误差区域,将其他的不重合区域确定为第二误差区域;剩余区域内标记为非误差区域。
10.根据权利要求9所述的基于多精度三维测绘数据融合建模方法,其特征在于:
获取待选模型的第一误差区域在测绘区域内位置,再次在该位置的邻近区域设置若干个测绘点,在测绘点处采集地形数据,以地形数据对模型进行修正;在第二误差区域内,以两个三维地形模型不相重合区域的中间线为新的边界,结合后,生成修正后的地形三维模型;
在测绘区域内随机选择若干个验证点,在验证点处采集地形数据,若采集的地形数据和修正后的地形三维模型的匹配度高于预期,则将其输出;
若低于预期,则将修正后的地形三维模型的对应区域确定为低可信度区域,并以此采集的地形数据对其进行修正,直至低可信度区域所占比例低于预设的比例阈值;通过随机性的验证,对模型的可信度进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311039684.1A CN116778105B (zh) | 2023-08-17 | 2023-08-17 | 基于多精度三维测绘数据融合建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311039684.1A CN116778105B (zh) | 2023-08-17 | 2023-08-17 | 基于多精度三维测绘数据融合建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116778105A true CN116778105A (zh) | 2023-09-19 |
CN116778105B CN116778105B (zh) | 2023-11-21 |
Family
ID=87986152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311039684.1A Active CN116778105B (zh) | 2023-08-17 | 2023-08-17 | 基于多精度三维测绘数据融合建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116778105B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152371A (zh) * | 2023-10-30 | 2023-12-01 | 山东亿华天产业发展集团有限公司 | 一种三维地形测绘方法及系统 |
CN117351166A (zh) * | 2023-12-04 | 2024-01-05 | 山东新科凯邦通信器材有限公司 | 一种基于大数据的土地管理绘测系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272053A (zh) * | 2018-10-12 | 2019-01-25 | 国网湖南省电力有限公司 | 极轨卫星监测气溶胶光学厚度的数据融合方法及系统 |
CN109740472A (zh) * | 2018-12-25 | 2019-05-10 | 武汉纺织大学 | 一种防闭眼的拍照方法 |
CN111724477A (zh) * | 2020-07-06 | 2020-09-29 | 中铁二局第一工程有限公司 | 一种多源数据融合构建多层次三维地形模型方法 |
US20210405200A1 (en) * | 2020-06-28 | 2021-12-30 | Beijing Baidu Netcome Science Technology Co. Ltd. | High-Precision Mapping Method And Device |
CN114998536A (zh) * | 2022-05-31 | 2022-09-02 | 广州市城市规划勘测设计研究院 | 基于新型基础测绘的模型生成方法、装置及存储介质 |
CN115931008A (zh) * | 2023-02-27 | 2023-04-07 | 昆明人为峰科技有限公司 | 一种地形测绘设备运行状态监测系统与监测方法 |
CN115982132A (zh) * | 2023-01-04 | 2023-04-18 | 中国美术学院 | 一种外销扇面图像数据样本库构建系统 |
CN116147567A (zh) * | 2023-04-20 | 2023-05-23 | 高唐县空间勘察规划有限公司 | 基于多元数据融合的国土测绘方法 |
CN116228047A (zh) * | 2023-05-10 | 2023-06-06 | 应急管理部国家自然灾害防治研究院 | 一种用于地质灾害监测的数据质量评价方法及系统 |
-
2023
- 2023-08-17 CN CN202311039684.1A patent/CN116778105B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272053A (zh) * | 2018-10-12 | 2019-01-25 | 国网湖南省电力有限公司 | 极轨卫星监测气溶胶光学厚度的数据融合方法及系统 |
CN109740472A (zh) * | 2018-12-25 | 2019-05-10 | 武汉纺织大学 | 一种防闭眼的拍照方法 |
US20210405200A1 (en) * | 2020-06-28 | 2021-12-30 | Beijing Baidu Netcome Science Technology Co. Ltd. | High-Precision Mapping Method And Device |
CN111724477A (zh) * | 2020-07-06 | 2020-09-29 | 中铁二局第一工程有限公司 | 一种多源数据融合构建多层次三维地形模型方法 |
CN114998536A (zh) * | 2022-05-31 | 2022-09-02 | 广州市城市规划勘测设计研究院 | 基于新型基础测绘的模型生成方法、装置及存储介质 |
CN115982132A (zh) * | 2023-01-04 | 2023-04-18 | 中国美术学院 | 一种外销扇面图像数据样本库构建系统 |
CN115931008A (zh) * | 2023-02-27 | 2023-04-07 | 昆明人为峰科技有限公司 | 一种地形测绘设备运行状态监测系统与监测方法 |
CN116147567A (zh) * | 2023-04-20 | 2023-05-23 | 高唐县空间勘察规划有限公司 | 基于多元数据融合的国土测绘方法 |
CN116228047A (zh) * | 2023-05-10 | 2023-06-06 | 应急管理部国家自然灾害防治研究院 | 一种用于地质灾害监测的数据质量评价方法及系统 |
Non-Patent Citations (1)
Title |
---|
周宏宇 等: "Contourlet变换耦合特征投票的遥感图像融合算法", 太赫兹科学与电子信息学报, vol. 18, no. 04, pages 692 - 697 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152371A (zh) * | 2023-10-30 | 2023-12-01 | 山东亿华天产业发展集团有限公司 | 一种三维地形测绘方法及系统 |
CN117152371B (zh) * | 2023-10-30 | 2024-02-09 | 山东亿华天产业发展集团有限公司 | 一种三维地形测绘方法及系统 |
CN117351166A (zh) * | 2023-12-04 | 2024-01-05 | 山东新科凯邦通信器材有限公司 | 一种基于大数据的土地管理绘测系统 |
CN117351166B (zh) * | 2023-12-04 | 2024-03-26 | 山东新科凯邦通信器材有限公司 | 一种基于大数据的土地管理绘测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116778105B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116778105B (zh) | 基于多精度三维测绘数据融合建模方法 | |
CN104931022B (zh) | 基于星载激光测高数据的卫星影像立体区域网平差方法 | |
CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
CN109556569B (zh) | 地形图测绘方法及装置 | |
CN111597666B (zh) | 一种将bim应用到变电站建设过程的方法 | |
CN114518104B (zh) | 基于动态遥感监测技术的国土测绘方法、系统及存储介质 | |
CN110866531A (zh) | 一种基于三维建模的建筑物特征提取方法、系统及存储介质 | |
CN112184890B (zh) | 一种应用于电子地图中的摄像头精准定位方法及处理终端 | |
KR101891087B1 (ko) | 드론을 이용한 암반사면의 안정성 평가방법 | |
Giribabu et al. | DEM generation using Cartosat-1 stereo data: issues and complexities in Himalayan terrain | |
CN111105496A (zh) | 一种基于机载激光雷达点云数据的高精dem构建方法 | |
CN116504032B (zh) | 一种基于实景三维的滑坡危险性监测预警方法及系统 | |
CN109801371B (zh) | 一种基于Cesium的网络三维电子地图构建方法 | |
Chrysoulakis et al. | Validation of ASTER GDEM for the Area of Greece | |
CN116468869A (zh) | 一种基于遥感卫星影像的实景三维建模方法、设备及介质 | |
CN114564779A (zh) | 一种基于bim和无人机的复杂山区施工便道的规划方法 | |
JP2014126537A (ja) | 座標補正装置、座標補正プログラム、及び座標補正方法 | |
Susetyo et al. | Prototype of national digital elevation model in Indonesia | |
LU501719B1 (en) | Terrain simulation method based on satellite images and digital elevation data | |
Bouziani et al. | Comparison assessment of digital 3D models obtained by drone-based lidar and drone imagery | |
KR101079531B1 (ko) | 포인트 클라우드 데이터를 이용한 도로 레이어 생성 시스템 | |
Khalaf et al. | Accuracy Assessment of World View-2 Satellite Imagery for Planimetric Maps Production | |
KR101114904B1 (ko) | 도화원도와 항공 레이저 측량 데이터를 이용한 도시공간정보 구축 시스템 및 그 방법 | |
CN116912320B (zh) | 对象高程坐标的定位方法、装置、电子设备及介质 | |
Wu | Application research of terrain mapping based on riegl 3d scanning system |
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 |