CN117031493A - 一种水库库容测绘方法 - Google Patents
一种水库库容测绘方法 Download PDFInfo
- Publication number
- CN117031493A CN117031493A CN202310871325.6A CN202310871325A CN117031493A CN 117031493 A CN117031493 A CN 117031493A CN 202310871325 A CN202310871325 A CN 202310871325A CN 117031493 A CN117031493 A CN 117031493A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional
- graph
- reservoir
- steps
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013507 mapping Methods 0.000 title claims abstract description 31
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000004040 coloring Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
- G01S15/8902—Side-looking sonar
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种水库库容测绘方法,包括以下步骤:采用侧扫声纳对水面以下空间进行三维重建;通过激光点云对水面以上空间进行三维重建;对水库全域三维点云数据进行跨域配准;测绘水库全域三维结构信息。通过利用侧扫声纳和激光雷达探测水库立体空间的三维结构信息,实现全自动化的水利库容测绘。通过对三维激光点云数据双边滤波、体素下采样以及点云着色等预处理,去除数据噪声,在保证点云整体几何特征不变的情况下,降低点云的密度,进而可以降低相关处理的数据量和算法复杂度,同时增加颜色属性信息,提供更好的可视化效果,便于地物识别与应用。
Description
技术领域
本发明涉及库容测绘技术领域,尤其涉及一种水库库容测绘方法。
背景技术
水库是一种拦洪蓄水和调节水流的水利工程建筑物,可以利用来灌溉、发电、防洪和养鱼,是人类社会重要的水资源储存、供应及调节设施,水库库容测绘和三维结构分析对于实现防洪排涝、保护饮用水质、实现可持续发展和增强能源安全等方面有着至关重要的作用。目前,现有的水库库容测绘方法多基于地面测量、遥感影像或水文测验等技术,存在的问题如下:
(一)传统的测量方法需要消耗大量的人力物力,且操作时间较长,难以处理大规模水利工程的库容数据,时间成本较高。
(二)传统方法测得的测量数据受到外界环境和人为干扰的影响,其测量精度难以把控。
(三)传统测量方法只能获取水库表面和底部的高程数据,无法反映水库内部结构和物理属性的变化,测量结果不够全面。
发明内容
针对上述现有技术的缺点,本发明的目的是提供一种水库库容测绘方法,以解决现有技术中的一个或多个问题。
为实现上述目的,本发明的技术方案如下:
一种水库库容测绘方法,包括以下步骤:
采用侧扫声纳对水面以下空间进行三维重建;
通过激光点云对水面以上空间进行三维重建;
对水库全域三维点云数据进行跨域配准;
测绘水库全域三维结构信息。
进一步的,所述采用侧扫声纳对水面以下空间进行三维重建包括步骤如下:
构建水下全空间深度分布图;
根据水下全空间深度分布图计算目标真实三维坐标;
将目标真实三维坐标生成三维点云数据。
进一步的,所述构建水下全空间深度分布图包括步骤如下:
对原始侧扫声纳数据进行数据增强;
根据侧扫声纳工作原理构建几何关系图;
通过几何关系获取目标深度Dt与非目标深度Db;
根据获得的目标深度Dt与非目标深度Db,构建水下全空间的深度图D(x,y)。
进一步的,所述计算目标真实三维坐标包括步骤如下:
对三维世界坐标系与侧扫声纳传感器坐标系转换;
对侧扫声纳传感器坐标系与图像坐标系转换;
对图像坐标系与像素坐标系转换;
获取像素坐标系与三维世界坐标系之间的转换关系。
进一步的,所述通过激光点云对水面以上空间进行三维重建包括步骤如下:
获取初始三维激光点云数据;
对点云数据预处理;
根据预处理后的点云数据进行点云三维重建。
进一步的,所述对点云数据预处理包括步骤如下:
对点云数据进行滤波;
计算点云之间的坐标转换关系;
将点云空间网格化,遍历所有网格以获取新点云;
采用影像匹配技术,对新点云数据进行着色处理。
进一步的,所述跨域配准包括步骤如下:
对异源点云数据进行归一化处理;
将两个点云图分割为超体素,并提取超体素的邻接图,并以超体素的ESF描述符作为局部特征;
根据超体素及其邻接图进行图构造;
采用FGM方法进行图优化;
估计两个点云之间的6DOF刚性变换。
进一步的,所述图构造包括步骤如下:
以超体素的所有质心点构造图节点,度量图节点的相似性;
以超体素的之间的相邻关系作为图边缘,度量图边缘的相似性。
进一步的,所述图节点相似性度量公式为:
Kp=Dp/||Dp||∞
其中,Kp是图节点相似度矩阵,Dp是描述符的第i行和描述符/>的第j行之间的平方距离;
所述图边缘相似性度量公式为:
Kq=Dq/||Dq||∞
其中,Kq是图边缘相似度矩阵,Dq表示描述符的第i行和描述符/>第j行之间的平方距离。
进一步的,所述刚性变换包括步骤如下:
利用随机一致性采样算法去除离群点;
采用ICP算法精炼点云之间的区域,获取最终点云配准结果。
与现有技术相比,本发明的有益技术效果如下
(一)通过利用侧扫声纳和激光雷达探测水库立体空间的三维结构信息,实现全自动化的水利库容测绘。
(二)通过采用非局部均值滤波、海底线检测、分段线性增益补偿以及地理编码的方法对侧扫声纳原始数据进行增强,以解决侧扫声纳的图像噪声和畸变问题,并明暗恢复形状方法完成对水下地形的三维重建。
(三)通过对三维激光点云数据双边滤波、体素下采样以及点云着色等预处理,去除数据噪声,在保证点云整体几何特征不变的情况下,降低点云的密度,进而可以降低相关处理的数据量和算法复杂度,同时增加颜色属性信息,提供更好的可视化效果,便于地物识别与应用。
(四)通过一种宏观和微观结构的跨域点云配准方法,实现了对声纳点云数据和激光点云数据的跨域配准,较好地还原了水库三维空间结构
附图说明
图1示出了本发明实施例一种水库库容测绘方法的流程示意图。
图2示出了本发明实施例一种水库库容测绘方法的自动分段线性增益补偿曲线图。
图3示出了本发明实施例一种水库库容测绘方法中水下空间的几何关系示意图。
图4示出了本发明实施例一种水库库容测绘方法的侧扫声纳几何坐标系示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和具体实施方式对本发明提出的一种水库库容测绘方法作进一步详细说明。根据下面说明,本发明的优点和特征将更清楚。需要说明的是,附图采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂,请参阅附图。须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
一种水库库容测绘方法,包括以下步骤:
步骤S1:采用侧扫声纳对水面以下空间进行三维重建。
具体的,遥控底部装有侧扫声纳的无人船至作业场景内,通过软件对无人船进行初始化设置。
进一步的,所述采用侧扫声纳对水面以下空间进行三维重建包括步骤如下:
步骤S11:对原始侧扫声纳数据进行数据增强。
进一步的,所述对原始侧扫声纳数据进行数据增强包括步骤如下:
步骤A1:通过Canny边缘检测方法进行海底线提取,其中,海底线是侧扫声呐图像中表示拖鱼至海底高度变化的线,既是侧扫声呐横向增益的起始线,也是几何校正的基准线。
步骤A2:通过自动分段线性增益补偿方法对侧扫声纳数据进行增强。具体的,在侧扫声纳数据采集过程中,由于海水对声波的吸收、散射和扩散作用,使得声波在海水中传播时,随着距离的增加,其反向散射强度逐渐衰减,因此通过自动分段线性增益补偿方法对侧扫声纳数据进行增强,解决侧扫声纳的图像噪声问题。
进一步的,所述自动分段线性增益补偿方法包括步骤如下:
步骤A20:将图像中的一个较平坦区域划分为四个等长子区域。
步骤A21:请参考图2,根据每个子区域的均值自动生成一条由四段组成的补偿曲线。
进一步的,所述根据每个子区域的均值自动生成一条由四段组成的补偿曲线包括步骤如下:
步骤A210:生成四段式函数曲线,函数表达式如下:
其中,L为图像宽度,pi为对应点纵坐标。
步骤A211:根据图像统计特性,设计自动输入参数为:
其中,Mi表示第i个窗口的灰度平均值,M表示4个区域总体的灰度值。
步骤A212:对整幅图像进行增益补偿。
步骤A3:对侧扫声纳图像进行校正。具体的,侧扫声呐图像上每一点的位置实际上是换能器至海底扫描点之间的往返时间乘以声速得到的倾斜距离,而非水平距离,从而导致侧扫声呐图像几何畸变,因此,采用基于均值滤波的斜距矫正方法对侧扫声纳图像的几何畸变进行校正,以解决图像畸变问题。
进一步的,所述对侧扫声纳图像进行校正包括步骤如下:
步骤A30:斜距矫正。若原始图像上某一点(XO,Yo)在进行斜距矫正后对应坐标为(X,Y),则它们之间的对应变换关系为:
Y=Y。
步骤A31:对于步骤A630导致的图像上的空隙问题采用均值滤波方法进行填充,即对于图像中每一个灰度值为0的像素点,用其8邻域中非零值的均值来代替。
步骤S12:构建水下全空间深度分布图。
所述构建水下全空间深度分布图包括步骤如下:
步骤B1:请参考图3,根据侧扫声纳工作原理构建几何关系图。
步骤B2:通过几何关系获取目标区域中的目标高度Ht与阴影长度Ls之间的关系。请参考图3,所述关系具体为:
其中,Ht为目标高度,即声纳到水底目标的距离,Ls为阴影长度,H为水深,Lt表示目标最高点和可被探测到的最低点之间的水平距离,Rs表示斜距,即声纳距离目标底部的距离,更具体的,目标表示水下存在的物体,非目标表示海底所在曲面,即水下背景,阴影长度表示目标无法被声纳照射到的部分在水平方向上的投影距离。
步骤B3:获取目标深度Dt,具体为:Dt=H-Ht。
步骤B4:获取非目标深度Db,具体为:Db=H,对于非目标区域,其深度Db与水深一致。
步骤B5:根据步骤A1至A4构建水下全空间的深度图D(x,y),具体的,(x,y)表示深度图中的像素横纵坐标,D(x,y)表示该坐标的深度值。
步骤S13:根据水下全空间深度分布图计算目标真实三维坐标。
进一步的,请参考图4,所述计算目标真实三维坐标包括步骤如下:
步骤C1:对三维世界坐标系与侧扫声纳传感器坐标系转换,具体为:
其中,(Xs Ys Zs)为传感器坐标系中的像素点,(Xw Yw Zw)为三维直接坐标系中的对应真实点,R为旋转矩阵,T为平移矩阵,O表示3行1列且值全为0的矩阵,OT表示O的旋转矩阵,即1行3列的0矩阵。
步骤C2:对侧扫声纳传感器坐标系与图像坐标系转换,具体为:
其中,H为传感器高度,即声纳到水底的距离。
步骤C3:对图像坐标系与像素坐标系转换,具体为:
具体的,X、Y表示图像坐标系下的某像素点坐标,u、v表示该像素点在像素坐标系下的对应坐标,u0、v0表示图像坐标系原点在像素坐标系下的坐标,dx表示每个像素在图像坐标系的横轴x上的物理尺寸。
步骤C4:根据步骤B1至步骤B3,获取像素坐标系与三维世界坐标系之间的转换关系。具体为:
具体的,在本实施例中,若假定侧扫声纳坐标系和三维世界坐标系重合,则像素坐标系与世界坐标系之间的关系为:
步骤S14:利用点云库将目标真实三维坐标生成三维点云数据。
步骤S2:通过激光点云对水面以上空间进行三维重建。
具体的,利用无人船顶部的激光雷达获取水库水面以上空间三维点云图,以实现水面以上空间的三维重建。
进一步的,所述通过激光点云对水面以上空间进行三维重建包括步骤如下:
步骤S21:获取初始三维激光点云数据,并采用最小二乘自适应曲面拟合方法弥补空洞部分的点云。
步骤S22:对点云数据预处理。
更进一步的,所述对点云数据预处理包括步骤如下:
步骤D1:采用双边滤波算法对点云数据进行滤波,去除噪声;
步骤D2:在水库两岸设置扫描标靶,利用外部补充特征的配准方法,计算点云之间的坐标转换关系,实现点云配准。
步骤D3:将点云空间网格化,遍历所有网格,对网格中的所有点进行加权平均获得新点云,并以此新点替代原网格中的点。
步骤D4:采用影像匹配技术,以现场采集的同步地物影像为基础,对点云数据进行着色处理,以增加颜色属性信息,提供更好的可视化效果,便于地物识别与应用。
步骤S23:根据预处理后的点云数据,采用3D MAX软件进行点云三维重建。
步骤S3:对水库全域三维点云数据进行跨域配准。
进一步的,所述跨域配准包括步骤如下:
步骤S31:对异源点云数据进行归一化处理。
步骤S32:将两个点云图分割为超体素,并提取所述超体素的邻接图、每个超体素的ESF(集合形状函数)描述符作为局部特征,其中,以每个分割的超体素作为宏观结构,以整个邻接图与超体素中心作为微观结构。
步骤S33:根据超体素及其邻接图进行图构造。
更进一步的,所述图构造包括步骤如下:
步骤E1:以超体素的所有质心点构造图节点,并通过ESF描述符度量图节点的相似性。具体的,图节点相似性度量公式为:
Kp=Dp/||Dp||∞
其中,Kp是图节点相似度矩阵,Dp是描述符的第i行和描述符/>的第j行之间的平方距离。
步骤E2:以超体素的之间的相邻关系作为图边缘,并以两个连通节点间的欧氏距离和欧拉角作为边缘描述度量图边缘的相似性。具体的,图边缘相似性度量公式为:
Kq=Dq/||Dq||∞
其中,Kq是图边缘相似度矩阵,Dq表示描述符的第i行和描述符/>第j行之间的平方距离。
步骤S34:采用FGM(分解图匹配)方法进行图优化。
步骤S35:估计两个点云之间的6DOF刚性变换,其中,6DOF具体指点云坐标变换的6个自由度。
更进一步的,所述刚性变换包括步骤如下:
步骤F:利用随机一致性采样算法去除离群点。
步骤F2:采用ICP(迭代最近点)算法精炼点云之间的区域,进一步减小匹配误差、加快点云配准速度,获取最终的点云配准结果。
步骤S4:结合步骤S1至S3中数据,精准测绘水库三维结构信息。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种水库库容测绘方法,其特征在于,包括以下步骤:
采用侧扫声纳对水面以下空间进行三维重建;
通过激光点云对水面以上空间进行三维重建;
对水库全域三维点云数据进行跨域配准;
测绘水库全域三维结构信息。
2.如权利要求1所述的一种水库库容测绘方法,其特征在于:所述采用侧扫声纳对水面以下空间进行三维重建包括步骤如下:
构建水下全空间深度分布图;
根据水下全空间深度分布图计算目标真实三维坐标;
将目标真实三维坐标生成三维点云数据。
3.如权利要求2所述的一种水库库容测绘方法,其特征在于:所述构建水下全空间深度分布图包括步骤如下:
对原始侧扫声纳数据进行数据增强;
根据侧扫声纳工作原理构建几何关系图;
通过几何关系获取目标深度Dt与非目标深度Db;
根据获得的目标深度Dt与非目标深度Db,构建水下全空间的深度图D(x,y)。
4.如权利要求3所述的一种水库库容测绘方法,其特征在于:所述计算目标真实三维坐标包括步骤如下:
对三维世界坐标系与侧扫声纳传感器坐标系转换;
对侧扫声纳传感器坐标系与图像坐标系转换;
对图像坐标系与像素坐标系转换;
获取像素坐标系与三维世界坐标系之间的转换关系。
5.如权利要求4所述的一种水库库容测绘方法,其特征在于:所述通过激光点云对水面以上空间进行三维重建包括步骤如下:
获取初始三维激光点云数据;
对点云数据预处理;
根据预处理后的点云数据进行点云三维重建。
6.如权利要求5所述的一种水库库容测绘方法,其特征在于:所述对点云数据预处理包括步骤如下:
对点云数据进行滤波;
计算点云之间的坐标转换关系;
将点云空间网格化,遍历所有网格以获取新点云;
采用影像匹配技术,对新点云数据进行着色处理。
7.如权利要求6所述的一种水库库容测绘方法,其特征在于:所述跨域配准包括步骤如下:
对异源点云数据进行归一化处理;
将两个点云图分割为超体素,并提取超体素的邻接图,并以超体素的ESF描述符作为局部特征;
根据超体素及其邻接图进行图构造;
采用FGM方法进行图优化;
估计两个点云之间的6DOF刚性变换。
8.如权利要求7所述的一种水库库容测绘方法,其特征在于:所述图构造包括步骤如下:
以超体素的所有质心点构造图节点,度量图节点的相似性;
以超体素的之间的相邻关系作为图边缘,度量图边缘的相似性。
9.如权利要求8所述的一种水库库容测绘方法,其特征在于:
所述图节点相似性度量公式为:
Kp=Dp/||Dp||∞
其中,Kp是图节点相似度矩阵,Dp是描述符的第i行和描述符/>的第j行之间的平方距离;
所述图边缘相似性度量公式为:
Kq=Dq/||Dq||∞
其中,Kq是图边缘相似度矩阵,Dq表示描述符的第i行和描述符/>第j行之间的平方距离。
10.如权利要求9所述的一种水库库容测绘方法,其特征在于:所述刚性变换包括步骤如下:
利用随机一致性采样算法去除离群点;
采用ICP算法精炼点云之间的区域,获取最终点云配准结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310871325.6A CN117031493A (zh) | 2023-07-17 | 2023-07-17 | 一种水库库容测绘方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310871325.6A CN117031493A (zh) | 2023-07-17 | 2023-07-17 | 一种水库库容测绘方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117031493A true CN117031493A (zh) | 2023-11-10 |
Family
ID=88632621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310871325.6A Pending CN117031493A (zh) | 2023-07-17 | 2023-07-17 | 一种水库库容测绘方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117031493A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004219400A (ja) * | 2002-12-27 | 2004-08-05 | Senaa Kk | 水面下情報表示処理方法及び装置、水面下情報表示処理プログラム、並びに、水面下情報表示装置 |
CN110969593A (zh) * | 2019-11-27 | 2020-04-07 | 广州欧科信息技术股份有限公司 | 三维点云融合方法、装置、设备和存储介质 |
CN112017227A (zh) * | 2020-08-27 | 2020-12-01 | 上海交通建设总承包有限公司 | 点云融合生成的地形模型与潮汐数据混合可视化的方法 |
US11099275B1 (en) * | 2020-04-29 | 2021-08-24 | Tsinghua University | LiDAR point cloud reflection intensity complementation method and system |
CN113721246A (zh) * | 2021-06-22 | 2021-11-30 | 江苏省水利科学研究院 | 一种可同时获得水上水下点云数据的三维建模方法 |
CN114926739A (zh) * | 2022-05-26 | 2022-08-19 | 天津水运工程勘察设计院有限公司 | 内河航道水上水下地理空间信息无人化协同采集处理方法 |
CN115077655A (zh) * | 2022-06-13 | 2022-09-20 | 中国极地研究中心(中国极地研究所) | 一种极区湖泊容水量测量系统及方法 |
CN116228969A (zh) * | 2023-01-06 | 2023-06-06 | 北京林业大学 | 一种基于多传感器融合的林区定位与三维重建方法及系统 |
-
2023
- 2023-07-17 CN CN202310871325.6A patent/CN117031493A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004219400A (ja) * | 2002-12-27 | 2004-08-05 | Senaa Kk | 水面下情報表示処理方法及び装置、水面下情報表示処理プログラム、並びに、水面下情報表示装置 |
CN110969593A (zh) * | 2019-11-27 | 2020-04-07 | 广州欧科信息技术股份有限公司 | 三维点云融合方法、装置、设备和存储介质 |
US11099275B1 (en) * | 2020-04-29 | 2021-08-24 | Tsinghua University | LiDAR point cloud reflection intensity complementation method and system |
CN112017227A (zh) * | 2020-08-27 | 2020-12-01 | 上海交通建设总承包有限公司 | 点云融合生成的地形模型与潮汐数据混合可视化的方法 |
CN113721246A (zh) * | 2021-06-22 | 2021-11-30 | 江苏省水利科学研究院 | 一种可同时获得水上水下点云数据的三维建模方法 |
CN114926739A (zh) * | 2022-05-26 | 2022-08-19 | 天津水运工程勘察设计院有限公司 | 内河航道水上水下地理空间信息无人化协同采集处理方法 |
CN115077655A (zh) * | 2022-06-13 | 2022-09-20 | 中国极地研究中心(中国极地研究所) | 一种极区湖泊容水量测量系统及方法 |
CN116228969A (zh) * | 2023-01-06 | 2023-06-06 | 北京林业大学 | 一种基于多传感器融合的林区定位与三维重建方法及系统 |
Non-Patent Citations (4)
Title |
---|
余建伟;刘守军;: "中海达船载水上水下一体化三维移动测量系统", 测绘通报, no. 07, 31 July 2013 (2013-07-31) * |
张航;陈彬;薛含章;朱正秋;王戎骁;: "基于无人机和LIDAR的三维场景建模研究", 系统仿真学报, no. 09, 30 September 2017 (2017-09-30) * |
朱长水;袁红星;袁宝华;曹红根;: "面向视差图优化的可信性三边滤波算法", 小型微型计算机系统, no. 12, 31 December 2015 (2015-12-31) * |
赵春明;叶作安;谢志茹;赵春城;: "水上水下一体化测量技术探讨", 中国水运(下半月), no. 09, 30 September 2016 (2016-09-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jin et al. | A point-based fully convolutional neural network for airborne lidar ground point filtering in forested environments | |
CN111881816B (zh) | 一种长时序的河湖围埂养殖区域监测方法 | |
WO2023039959A1 (zh) | 一种基于金字塔机制的遥感影像海洋与非海区域分割方法 | |
CN103617603A (zh) | 一种三维数字几何网格模型结构的自动修复方法 | |
CN105118090A (zh) | 一种自适应复杂地形结构的点云滤波方法 | |
Hui et al. | A mean shift segmentation morphological filter for airborne LiDAR DTM extraction under forest canopy | |
CN112686935A (zh) | 基于特征融合的机载测深雷达与多光谱卫星影像配准方法 | |
CN103824323B (zh) | 一种基于单幅二维图像的三维重建方法 | |
CN112883971A (zh) | 一种基于深度学习的sar图像舰船目标检测方法 | |
CN112669459A (zh) | 基于特征库智能决策的卫星影像最优镶嵌线生成方法 | |
Ji et al. | Feature fusion-based registration of satellite images to airborne LiDAR bathymetry in island area | |
CN110120050B (zh) | 基于素描信息和超像素分割的光学遥感图像海陆分割方法 | |
Liu et al. | Mapping China’s offshore mariculture based on dense time-series optical and radar data | |
CN108388899B (zh) | 一种基于纹理特征与形状特征相融合的水声图像特征提取方法 | |
Ni et al. | Applications of 3d-edge detection for als point cloud | |
CN117031493A (zh) | 一种水库库容测绘方法 | |
Dai et al. | Self-organization of salt marsh patches on mudflats: Field evidence using the UAV technique | |
CN112861719B (zh) | 一种基于多时相高分辨率遥感影像的海岸线提取方法 | |
CN116184376A (zh) | 一种水下三维地形及多波束图像声呐数据仿真系统和方法 | |
Zhiying et al. | Hierarchical clustering for line detection with UAV images and an application for the estimation of the clearance volume of oyster stones | |
CN108596088B (zh) | 一种用于全色遥感影像的建筑物检测方法 | |
Zhan et al. | Daily topographic change patterns of tidal flats in response to anthropogenic activities: Analysis through coastal video imagery | |
Yang et al. | LiDAR data reduction assisted by optical image for 3D building reconstruction | |
Yang et al. | Multiscale Spatial Relation Extraction of a Remotely Sensed Waterline in a Muddy Coastal Zone with Chongming Dongtan as AN Example | |
Qing et al. | Classified denoising method for laser point cloud data of stored grain bulk surface based on discrete wavelet threshold |
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 |