CN117115683A - 一种植被覆盖下危岩落石遥感提取方法及系统 - Google Patents
一种植被覆盖下危岩落石遥感提取方法及系统 Download PDFInfo
- Publication number
- CN117115683A CN117115683A CN202310855182.XA CN202310855182A CN117115683A CN 117115683 A CN117115683 A CN 117115683A CN 202310855182 A CN202310855182 A CN 202310855182A CN 117115683 A CN117115683 A CN 117115683A
- Authority
- CN
- China
- Prior art keywords
- dangerous rock
- remote sensing
- vegetation
- point cloud
- constructing
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 111
- 238000000605 extraction Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 239000004576 sand Substances 0.000 claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 15
- 238000012876 topography Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000001788 irregular Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 abstract description 12
- 230000002265 prevention Effects 0.000 abstract description 2
- 239000013598 vector Substances 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 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
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种植被覆盖下危岩落石遥感提取方法及系统,属于危岩落石调查技术领域,包括:S1、获取工程区倾斜摄影数据和激光雷达点云数据;S2、构建基于倾斜摄影的三维实景模型;S3、构建去除植被影响的精细化数字高程模型;S4、开展去除植被影响的数字地形分析;S5、构建多源遥感三维地质解译沙盘;S6、自动筛选危岩落石高发区与精细化解译。本发明综合影像纹理和去除植被的高精度地形信息,实现了危岩落石高发区的自动筛选和范围圈定,有效解决了大地形起伏、高植被覆盖度条件下危岩落石勘察的工程难题。为复杂山区工程建设危岩落石快速精细化勘察与防治工作提供了一种有效的技术手段。
Description
技术领域
本发明属于危岩落石调查技术领域,特别是一种植被覆盖下危岩落石遥感提取方法及系统。
背景技术
山区铁路沿线地形地质条件复杂,危岩落石灾害多发,已成为勘察设计、运营安全面临的重大难题之一。危岩落石具有分布广、隐蔽性强且难以预测的特点,因此一直是地质勘察工作的重点与难点。传统调查方法多以踏勘、巡检等人防措施为主,但受到植被茂密、地形起伏大等条件的制约,现场作业效率及准确性往往较低,且具有一定安全隐患。
无人机勘察技术可搭载不同类型的传感器设备,因其机动灵活、方便快捷和低成本等技术优势,可有效克服地形困难,规避安全风险。既有经验表明,机载倾斜摄影和激光雷达技术对于危岩勘察具有较好的效果。其中,倾斜摄影能够获取岩体出露条件下的危岩节理、产状、风化程度等信息,但受成像机理的限制,无法有效穿透植被;激光雷达技术利用点云多次回波的特性来去除植被影响,可获取植被覆盖下的真实地形地貌,探明危岩落石分布情况。
综上所述,为了实现不同植被覆盖度和地形起伏条件下危岩落石的快速精细化勘察,有必要综合机载倾斜摄影和激光雷达技术,同步获取高分辨率影像和高密度激光点云数据,发挥各自优势,解决复杂山区植被覆盖下危岩落石勘察的工程难题。
发明内容
本发明的目的在于克服现有方法的不足,提供一种植被覆盖下危岩落石遥感提取方法及系统。基于影像解算、点云分类和数字地形分析处理,构建融合多源遥感数据的三维地质沙盘。通过自动筛选危岩落石高发区和人机交互精细化解译的方法,实现了危岩落石空间分布信息的快速精准化提取。
本发明解决其技术问题是通过以下技术方案实现的:
本发明的第一目的是提供一种植被覆盖下危岩落石遥感提取方法,包括:
S1、获取工程区倾斜摄影数据和激光雷达点云数据;
S2、构建基于倾斜摄影的三维实景模型;
S3、构建去除植被影响的精细化数字高程模型;
S4、开展去除植被影响的数字地形分析;
S5、构建多源遥感三维地质解译沙盘;
S6、自动筛选危岩落石高发区与精细化解译。
优选地,S1包括:
划定存在危岩体的工程区作为综合遥感数据采集区域;
规划无人机正交航线,确定遥感数据采集指标;
开展倾斜摄影与激光点云数据采集。
优选地,S2包括:对所述工程区倾斜摄影数据进行处理,得到高精度数字正射影像和数字表面模型,基于纹理映射技术,构建高精度三维实景模型。
优选地,S3包括:对所述激光点云数据进行分类处理,基于地面点构建去除植被影响的数字高程模型。
优选地,S3具体为:
对点云数据进行预处理和质量检查;
地面点自动分类包括:基于点云滤波算法,依次构建稀疏、加密的不规则三角网;
陡立岩壁区域点云投影变换:对陡立岩壁等坡度较大区域进行裁剪与投影变换,对变换后的数据进行单独处理,提高分类精度;
人工检查与手动编辑:通过点云断面分析和点云赋色的方式对自动分类结果进行质量检查;
地面点构建DEM:对分类后的地面点云进行空间插值处理,构建DEM。
优选地,S4包括:根据所述DEM,开展坡度、粗糙度以及山体阴影分析,获取相应的栅格分析结果。
优选地,S5包括:基于所述三维实景模型、精细化数字高程模型以及数字地形分析的结果,构建三维地质解译沙盘。
优选地,S6包括:根据所述三维地质解译沙盘,综合多类型遥感数据,开展工程区危岩落石高发区自动提取与解译工作,获取危岩体的空间分布信息。
本发明的第二目的是提供一种植被覆盖下危岩落石遥感提取系统,包括:
基础数据获取模块:获取工程区倾斜摄影数据和激光雷达点云数据;
三维实景模型构建模块:构建基于倾斜摄影的三维实景模型;
精细化数字高程模型构建模块:构建去除植被影响的精细化数字高程模型;
分析模块:开展去除植被影响的数字地形分析;
多源遥感三维地质解译沙盘构建模块:构建多源遥感三维地质解译沙盘;
筛选解译模块:自动筛选危岩落石高发区与精细化解译。
本发明的第三目的是提供一种信息数据处理终端,用于实现上述植被覆盖下危岩落石遥感提取方法。
本发明的第四目的是提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行上述植被覆盖下危岩落石遥感提取方法。
本发明的优点和有益效果为:
1、本发明针对激光雷达入射角相对固定,在陡坎地貌和植被郁闭度较高的区域存在大量数据空洞,导致信息缺失的问题。本发明借鉴线性代数中“正交基向量”的思想,提出一种“沿等高线飞行+垂直等高线飞行”相结合的飞行作业模式,获得了高密度、高回波次数的点云数据集,在作业效率和数据有效性两方面取得了良好的平衡。
2、本发明通过机载倾斜摄影和激光雷达勘察技术对工程区危岩进行数据采集,基于影像和激光点云地形产品构建三维地质解译沙盘,实现了铁路沿线危岩体空间分布信息的快速精细化提取。能够有效节约人力物力,提升工作效率,为工程危岩落石防治提供参考。
3、本发明通过多角度影像采集与激光点云投影转换后分类,有效克服了传统航测技术只能采集垂直方向影像以及岩壁立面激光点云自动分类精度低的问题。融合影像纹理和反映微地貌的坡度、粗糙度等信息,实现了危岩落石高发区的自动提取和精细解译。解决了大地形起伏、高植被覆盖率条件下危岩落石勘察的难题,为复杂山区工程建设危岩落石快速勘察与防治工作提供了一种有效的技术手段。
附图说明
图1为本发明优选实施例的流程图;
图2为本发明优选实施例中正交航线设计示意图;
图3为本发明优选实施例中点云旋转投影变换示意图;
图4为本发明优选实施例中点云断面分类结果检查示意图;
图5为本发明优选实施例中点云赋色分类结果检查示意图;
图6为本发明优选实施例中危岩落石自动判定示意图。
具体实施方式
下面通过具体实施例对本发明作进一步详述,以下实施例只是描述性的,不是限定性的,不能以此限定本发明的保护范围。
请参阅图1至图6,
一种植被覆盖下危岩落石遥感提取方法,包括如下步骤:
步骤1)获取工程区倾斜摄影数据和激光雷达点云数据:
①划定存在危岩体的工程区作为综合遥感数据采集区域;
②确定数据采集指标:为保障植被下危岩落石信息的精准提取,重点区域影像空间分辨率应不低于5cm;点云密度应不低于50points/m2,激光强度满足ClassⅠ(发射功率不高于0.4mW);
③正交航线设计:首先划定作业区边界,其次根据激光雷达和倾斜摄影的视场角设定仿地飞行平行航线,最后在平行航线的垂直方向上规划正交航线,形成格网式航线图;
④开展倾斜摄影与激光点云数据采集:采用无人机正交飞行作业模式同步获取工程区高分辨率影像和高密度点云。
步骤2)构建高精度三维实景模型:
所述步骤2)对步骤1)获取的工程区倾斜摄影数据进行处理,得到高精度数字正射影像(DOM)和数字表面模型(DSM),基于纹理映射和三维渲染技术构建高精度三维实景模型,具体方法包括如下步骤:
①制作数字正射影像:对步骤1)获取的倾斜摄影数据进行解算处理,生成高精度数字正射影像;
②制作数字表面模型:基于步骤1)获取的激光点云数据,以20cm×20cm的格网对点云进行抽稀,获取其平面、高程坐标,进行空间插值处理得到包含植被信息的工程区DSM;
③制作三维实景模型:将步骤①、②制作的DOM、DSM进行分块叠加、拼接整合,获取目标区三维实景模型。
步骤3)构建去除植被影响的精细化数字高程模型:
所述步骤3)对步骤1)获取的激光点云数据进行预处理、点云分类,得到去除植被影响的数字高程模型:
①对获取的点云数据进行预处理,获取坐标信息,去除噪点,并进行点云密度、精度以及航带匹配情况等质量检查工作;
②地面点自动分类:基于渐进加密三角网滤波算法,设置格网大小,将格网内最低点作为地面点,构建稀疏的不规则三角网。根据测区地形起伏,设定迭代距离与迭代角度进行地面点加密,将小于阈值的点加入地面点类别中,构建不规则三角网;
③陡立岩壁区域点云投影变换:点云自动分类算法对陡立岩壁等坡度较大区域的提取效果不佳,导致地面点稀疏。因此需要对相应区域的点云进行投影变换后再进行分类,并将分类结果添加至原有地面点类中。具体步骤如下:
首先,对陡立岩壁区域点云进行裁剪,并选定适宜投影基准面;其次,对该区域进行旋转变换,并记录旋转矩阵参数,输出新的点云数据;接下来,对旋转后点云数据进行地面点提取并检查分类情况;最后,基于旋转矩阵,对提取的地面点数据进行逆向旋转变换,并将结果添加至完整测区的地面点类别中。
以右手坐标系绕X轴的旋转为例(旋转角度的正负亦遵循右手坐标系规则),旋转矩阵参数和计算公式如下:
在三维场景中,当一个点p(x,y,z)绕X轴旋转α角得到点p′(x′,y′,z′)。由于是绕X轴进行的旋转,因此x坐标保持不变,在y和z组成的yoz(o为坐标原点)平面上进行一个二维的旋转。记绕X轴旋转矩阵为RX,于是有4维矩阵关系式如下:
实际应用中往往需要依次对三个坐标轴进行旋转,记旋转矩阵为RXYZ,则有RXYZ=RZ·RY·RX,展开如公式(2)所示:
基于公式(4),带入具体参数可得绕三轴旋转变换前后的坐标关系,如公式(3)所示:
④人工检查与手动编辑:通过点云断面分析和点云赋色的方式对自动分类结果进行质量检查,剔除残留的植被点,找回过度分类的地面点。步骤如下:
1)点云断面分类结果检查:首先将地面点和非地面点设置为不同颜色,如地面点-红色,非地面点-灰色;其次,针对重点区域,设定断面检查分类情况;最后,修正断面中的点云误分类情况,剔除被误分为地面点的植被点,或找回被误分为其他类别的地面点。为了分类的准确性,可生成不规则三角网(TIN),通过点云与TIN的上方左右视图更直观地进行检查。
2)点云赋色分类结果检查:首先,将预处理后的激光点云与同步获取的正射影像进行空间配准;其次,将正射影像的光谱RGB信息,赋值给像素内的点云;最后,输出赋色后的点云数据。通过影像赋予的纹理和色调信息,辅助植被覆盖下岩石部分出露区域分类结果的检查。
3)将经过断面检查和赋色检查后的点云保存并输出为.las标准格式。
⑤地面点构建DEM:采用克里金插值法对分类后的地面点数据进行不规则三角网构建,并进一步生成规则格网DEM。其中为了保留微地貌细节信息,格网大小一般优于1米。
步骤4)开展去除植被影响的数字地形分析:根据步骤3)生产的高精度DEM数据,基于GDAL开源地理分析代码库开展地形坡度、粗糙度以及山体阴影分析,获取相应的栅格分析结果;
①坡度分析:坡度即倾角,能够直观反映地形起伏程度,通过计算DEM中任一像元与邻域像元间变化的最大比率来实现;
②粗糙度分析:反映地表起伏变化和侵蚀程度的指标。一般定义为地表单元的曲面面积与其在水平面上的投影面积之比,范围在[1,+∞);
③山体阴影分析:通过为DEM中的每个像元确定照明度,来获取表面的假定照明度。基于不同光照角度的山体阴影结果,可以在平面影像图中突出三维地形特征,辅助开展地质信息提取工作。其中,为了减少单一光照角度可能产生的解译误差,本发明采取了如下四组参数设置,太阳高度角固定为45°,方位角分别选用45°、135°、225°、315°。
步骤5)构建多源遥感三维地质解译沙盘:基于步骤2)获取的高分辨率影像和步骤3)获取的去除植被影响的DEM以及步骤4)生产的数字地形分析产品,构建多源遥感三维地质解译沙盘;
①基于三维制图软件平台,依次加载DEM、坡度、粗糙度、山体阴影和高分辨率影像栅格数据,并构建相应的金字塔文件;
②基于DEM数据建立三维地形,利用纹理映射技术和空间坐标参考信息,将影像和地形分析产品等栅格数据叠加至地形数据上,建立三维模型文件;
③基于三维制图软件平台,加载三维模型文件,根据需求选择不同的栅格影像进行解译。
步骤6)自动筛选危岩落石高发区与精细化解译:根据步骤5)构建的三维地质解译沙盘,综合多类型遥感数据,开展工程区危岩落石解译工作,提取危岩落石的空间分布信息;
①基于坡度、粗糙度分析结果,自动确定植被覆盖下的危岩落石高发区;
1)针对高陡边坡尚未脱离母体的危岩,根据测区地形起伏情况,设定坡度、粗糙度阈值进行滤波,默认为坡度>40°,粗糙度>1.5;
2)针对已经脱离母体,崩落至平缓地带的落石,设定坡度、粗糙度阈值进行滤波,默认为坡度<20°,粗糙度>1.5;
3)对经过默认值坡度、粗糙度滤波后的结果进行初步人工判释,根据研究区地形特征调整滤波参数,进行迭代优化,获得滤波后的影像数据;
4)对上述滤波后的栅格影像进行二值化,背景值赋为0,危岩落石高发区赋为1;
5)根据二值化结果自动提取高发区矢量边界,获取危岩落石高发区的面状掩膜数据Rock_mask。
②在步骤①确定的高发区基础上,利用程序自动筛选重点目标,结合人机交互精细化解译,最终实现危岩落石空间分布信息的提取;
1)利用危岩落石高发区面掩膜数据Rock_mask对山体阴影和高分辨率影像进行处理,去除冗余区域,减少解译工作量,提高地质沙盘运行效率;
2)对山体阴影和高分影像进行拉伸、锐化等增强处理,突出显示可能存在的节理裂隙和临空面等几何边界信息;
3)根据遥感影像中,危岩落石呈现的高亮度、灰白色调纹理特征,利用Python语言,自动提取闭合度>80%,尺寸<5米的“闭合凸多边形目标”,并存储边界范围的矢量要素,将其初步判识为危岩落石;
4)基于步骤3)获取的危岩落石边界矢量,自动提取DEM中与其相交处的像素值,记为向量E(e1,e2,e3,…,en)。获取向量E各元素对应的平面坐标极值,据此建立包含危岩落石的最小矩形边界向量,记为Poly(xmax,xmin,ymax,ymin)。
5)计算危岩体几何中心的平面坐标:
自动读取(Polyx,Polyy)位置处的高程,记为Polyz。计算向量E的算数平均值,记为Eaverage。计算Eaverage-Polyz,若结果为负,且绝对值超过1.5m,则判定该处为危岩落石。此步骤意在通过比较危岩体几何中心与边界处的高程大小来排除具有类似平面形态的塌陷坑洞。
6)对步骤5)中确定的危岩落石进行逐一的原始点云断面结果复核。以(Polyx,Polyy)为中心,按照45°步长自动生成4条宽度为0.5m的点云断面,延伸至矩形Poly边界。可根据实际情况调整步长,增加断面数量。
7)危岩落石点云一般会集中分布于岩体表面,具有聚簇的特性。而低矮灌木、草地的点云形态则较为稀疏、离散。根据上述特征,对点云断面进行逐一复核,剔除无关目标引起的误分类情况,存储危岩落石的面要素结果。
一种植被覆盖下危岩落石遥感提取系统,包括:
基础数据获取模块:获取工程区倾斜摄影数据和激光雷达点云数据;
三维实景模型构建模块:构建基于倾斜摄影的三维实景模型;
精细化数字高程模型构建模块:构建去除植被影响的精细化数字高程模型;
分析模块:开展去除植被影响的数字地形分析;
多源遥感三维地质解译沙盘构建模块:构建多源遥感三维地质解译沙盘;
筛选解译模块:自动筛选危岩落石高发区与精细化解译。
一种信息数据处理终端,用于实现上述植被覆盖下危岩落石遥感提取方法。
一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行上述植被覆盖下危岩落石遥感提取方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
尽管为说明目的公开的本发明的实施例和附图,但是本领域的技术人员可以理解,在不脱离本发明及所附权利要求的精神和范围内,各种替换、变化和修改都是可能的,因此本发明的范围不局限于实施例和附图所公开的内容。
Claims (10)
1.一种植被覆盖下危岩落石遥感提取方法,其特征在于,包括:
S1、获取工程区倾斜摄影数据和激光雷达点云数据;
S2、构建基于倾斜摄影的三维实景模型;
S3、构建去除植被影响的精细化数字高程模型;
S4、开展去除植被影响的数字地形分析;
S5、构建多源遥感三维地质解译沙盘;
S6、自动筛选危岩落石高发区与精细化解译。
2.根据权利要求1所述的植被覆盖下危岩落石遥感提取方法,其特征在于,S1包括:
划定存在危岩体的工程区作为综合遥感数据采集区域;
规划无人机正交航线,确定遥感数据采集指标;
开展倾斜摄影与激光点云数据采集。
3.根据权利要求1所述的植被覆盖下危岩落石遥感提取方法,其特征在于,S2包括:对所述工程区倾斜摄影数据进行处理,得到高精度数字正射影像和数字表面模型,基于纹理映射技术,构建高精度三维实景模型。
4.根据权利要求1所述的植被覆盖下危岩落石遥感提取方法,其特征在于,S3包括:对所述激光点云数据进行分类处理,基于地面点构建去除植被影响的数字高程模型;S3具体为:
对点云数据进行预处理和质量检查;
地面点自动分类包括:基于点云滤波算法,依次构建稀疏、加密的不规则三角网;
陡立岩壁区域点云投影变换:对陡立岩壁等坡度较大区域进行裁剪与投影变换,对变换后的数据进行单独处理,提高分类精度;
人工检查与手动编辑:通过点云断面分析和点云赋色的方式对自动分类结果进行质量检查;
地面点构建DEM:对分类后的地面点云进行空间插值处理,构建DEM。
5.根据权利要求4所述的植被覆盖下危岩落石遥感提取方法,其特征在于,S4包括:根据所述DEM,开展坡度、粗糙度以及山体阴影分析,获取相应的栅格分析结果。
6.根据权利要求1所述的植被覆盖下危岩落石遥感提取方法,其特征在于,S5包括:基于所述三维实景模型、精细化数字高程模型以及数字地形分析的结果,构建三维地质解译沙盘。
7.根据权利要求1所述的植被覆盖下危岩落石遥感提取方法,其特征在于,S6包括:根据所述三维地质解译沙盘,综合多类型遥感数据,开展工程区危岩落石高发区自动提取与解译工作,获取危岩体的空间分布信息。
8.一种植被覆盖下危岩落石遥感提取系统,其特征在于,包括:
基础数据获取模块:获取工程区倾斜摄影数据和激光雷达点云数据;
三维实景模型构建模块:构建基于倾斜摄影的三维实景模型;
精细化数字高程模型构建模块:构建去除植被影响的精细化数字高程模型;
分析模块:开展去除植被影响的数字地形分析;
多源遥感三维地质解译沙盘构建模块:构建多源遥感三维地质解译沙盘;
筛选解译模块:自动筛选危岩落石高发区与精细化解译。
9.一种信息数据处理终端,其特征在于,用于实现权利要求1-7任一项所述的植被覆盖下危岩落石遥感提取方法。
10.一种计算机可读存储介质,其特征在于,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-7任一项所述的植被覆盖下危岩落石遥感提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310855182.XA CN117115683A (zh) | 2023-07-12 | 2023-07-12 | 一种植被覆盖下危岩落石遥感提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310855182.XA CN117115683A (zh) | 2023-07-12 | 2023-07-12 | 一种植被覆盖下危岩落石遥感提取方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117115683A true CN117115683A (zh) | 2023-11-24 |
Family
ID=88806283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310855182.XA Pending CN117115683A (zh) | 2023-07-12 | 2023-07-12 | 一种植被覆盖下危岩落石遥感提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115683A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117784075A (zh) * | 2024-02-27 | 2024-03-29 | 中国铁路设计集团有限公司 | 一种融合雷达遥感和空间分析的岩溶发育强度分级方法 |
CN117828003A (zh) * | 2024-03-05 | 2024-04-05 | 中国铁路设计集团有限公司 | 一种植被覆盖下坡面泥石流灾害判别方法及系统 |
CN117828003B (zh) * | 2024-03-05 | 2024-06-04 | 中国铁路设计集团有限公司 | 一种植被覆盖下坡面泥石流灾害判别方法及系统 |
-
2023
- 2023-07-12 CN CN202310855182.XA patent/CN117115683A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117784075A (zh) * | 2024-02-27 | 2024-03-29 | 中国铁路设计集团有限公司 | 一种融合雷达遥感和空间分析的岩溶发育强度分级方法 |
CN117784075B (zh) * | 2024-02-27 | 2024-05-10 | 中国铁路设计集团有限公司 | 一种融合雷达遥感和空间分析的岩溶发育强度分级方法 |
CN117828003A (zh) * | 2024-03-05 | 2024-04-05 | 中国铁路设计集团有限公司 | 一种植被覆盖下坡面泥石流灾害判别方法及系统 |
CN117828003B (zh) * | 2024-03-05 | 2024-06-04 | 中国铁路设计集团有限公司 | 一种植被覆盖下坡面泥石流灾害判别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111638185B (zh) | 基于无人机平台的遥感探测方法 | |
CN111652241B (zh) | 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法 | |
Karan et al. | Digital modeling of construction site terrain using remotely sensed data and geographic information systems analyses | |
Karantanellis et al. | 3D hazard analysis and object-based characterization of landslide motion mechanism using UAV imagery | |
CN117115683A (zh) | 一种植被覆盖下危岩落石遥感提取方法及系统 | |
Bistacchi et al. | Digital outcrop model reconstruction and interpretation | |
CN116030208A (zh) | 一种真实无人机虚拟仿真输电线路场景搭建方法及系统 | |
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 | |
Alba et al. | Filtering vegetation from terrestrial point clouds with low-cost near infrared cameras | |
Briechle et al. | Detection of radioactive waste sites in the Chornobyl exclusion zone using UAV-based lidar data and multispectral imagery | |
Li et al. | New methodologies for precise building boundary extraction from LiDAR data and high resolution image | |
Sarıtaş et al. | Enhancing Ground Point Extraction in Airborne LiDAR Point Cloud Data Using the CSF Filter Algorithm | |
CN110580468B (zh) | 一种基于影像匹配点云的单木结构参数提取的方法 | |
CN116994029A (zh) | 一种用于多源数据的融合分类方法及系统 | |
CN114004740B (zh) | 基于无人机激光雷达点云的建筑物墙线提取方法 | |
Sordini et al. | 3D recording of archaeological excavation: The case of study of Santa Marta, Tuscany, Italy | |
Bouziani et al. | Comparison assessment of digital 3D models obtained by drone-based lidar and drone imagery | |
Ma et al. | Low-altitude photogrammetry and remote sensing in UAV for improving mapping accuracy | |
CN113516059B (zh) | 固体废弃物的识别方法、装置、电子设备及存储介质 | |
Zhu | A pipeline of 3D scene reconstruction from point clouds | |
Xu | [Retracted] Application of Remote Sensing Image Data Scene Generation Method in Smart City | |
CN115700777A (zh) | 一种基于无人机和数字地表模型的公路施工阶段预测方法 | |
Badea et al. | An Overview of Geoprocessing and Export Options for Creating 3D GIS Models Using Drone2Map | |
Loghin et al. | Supervised classification and its repeatability for point clouds from dense VHR tri-stereo satellite image matching using machine learning | |
CN117611978B (zh) | 一种土地资源测绘数据库的构建方法及系统 |
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 |