CN117572455A - 基于数据融合的山区水库地形图测绘方法 - Google Patents
基于数据融合的山区水库地形图测绘方法 Download PDFInfo
- Publication number
- CN117572455A CN117572455A CN202311580228.8A CN202311580228A CN117572455A CN 117572455 A CN117572455 A CN 117572455A CN 202311580228 A CN202311580228 A CN 202311580228A CN 117572455 A CN117572455 A CN 117572455A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud information
- target
- laser radar
- information
- 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 71
- 238000013507 mapping Methods 0.000 title claims abstract description 50
- 230000004927 fusion Effects 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000005259 measurement Methods 0.000 claims abstract description 49
- 238000007689 inspection Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000009877 rendering Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims 1
- 238000012876 topography Methods 0.000 description 30
- 238000004590 computer program Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 230000015654 memory Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013519 translation Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- 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
- G01C11/04—Interpretation of pictures
- G01C11/30—Interpretation of pictures by triangulation
- G01C11/34—Aerial triangulation
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种基于数据融合的山区水库地形图测绘方法，可以应用于测绘技术领域。该方法包括：获取初始激光雷达点云信息，初始激光雷达点云信息通过无人机搭载激光雷达，按照测量轨迹对区域进行测量得到的；获取倾斜摄影测量图像，倾斜摄影测量图像通过无人机搭载图像采集装置对区域进行拍摄得到的；根据测量轨迹，对初始激光雷达点云信息进行处理，得到目标激光雷达点云信息；根据无人机的位姿信息和所述图像采集装置的参数，对至少一个倾斜摄影测量图像进行处理，得到目标倾斜点云信息；将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到与区域对应的三维地形图模型。
Description
技术领域
本公开涉及测绘技术领域，尤其涉及一种基于数据融合的山区水库地形图测绘方法。
背景技术
随着数字水利的普及发展，针对水库各项建设服务有关的数字化基础资料显得愈加重要，其中水库地形图对于水利工程设计、施工、维护都有非常重要的指导作用。
然而水库多坐落于山区，由于山区的地形崎岖，使得不同的测量点位之间高程变化较大。例如，水库岸边的高程偏低，而相邻水库岸边的植被茂盛，植被的高程偏高。若植被将水库岸边覆盖，航空拍摄得到的山区水库区域信息不准确，造成的点云空洞问题，使得山区水库地形图的测绘精度低。
发明内容
鉴于上述问题，本公开提供了一种基于数据融合的山区水库地形图测绘方法。
根据本公开的第一个方面，提供了一种基于数据融合的山区水库地形图测绘方法，包括：获取初始激光雷达点云信息，初始激光雷达点云信息通过无人机搭载激光雷达，按照测量轨迹对区域进行测量得到的。获取倾斜摄影测量图像，倾斜摄影测量图像通过无人机搭载图像采集装置对区域进行拍摄得到的。根据测量轨迹，对初始激光雷达点云信息进行处理，得到目标激光雷达点云信息。根据无人机的位姿信息和图像采集装置的参数，对至少一个倾斜摄影测量图像进行处理，得到目标倾斜点云信息。以及将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到与区域对应的三维地形图模型。
本公开的第二方面提供了一种基于数据融合的山区水库地形图测绘装置，包括：第一获取模块，用于获取初始激光雷达点云信息，初始激光雷达点云信息通过无人机搭载激光雷达，按照测量轨迹对区域进行测量得到的。第二获取模块，用于获取倾斜摄影测量图像，倾斜摄影测量图像通过无人机搭载图像采集装置对区域进行拍摄得到的。第一处理模块，用于根据测量轨迹，对初始激光雷达点云信息进行处理，得到目标激光雷达点云信息。第二处理模块，用于根据无人机的位姿信息和图像采集装置的参数，对至少一个倾斜摄影测量图像进行处理，得到目标倾斜点云信息。融合模块，用于将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到与区域对应的三维地形图模型。
本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
根据本公开提供的基于数据融合的山区水库地形图测绘方法、装置、设备、介质和程序产品，通过获取初始激光雷达点云信息，初始激光雷达点云信息通过无人机搭载激光雷达，按照测量轨迹对区域进行测量得到的，激光雷达的穿透性，可以有效提高山区水库周边被茂密植被覆盖的地方的点云信息精度。获取倾斜摄影测量图像。再根据测量轨迹，对初始激光雷达点云信息进行处理，得到目标激光雷达点云信息；根据无人机的位姿信息和图像采集装置的参数，对至少一个倾斜摄影测量图像进行处理，得到目标倾斜点云信息。将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到与区域对应的三维地形图模型，至少部分解决了山区水库周边被茂密植被覆盖造成的点云空洞问题，提高测绘精度。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的基于数据融合的山区水库地形图测绘方法的应用场景图；
图2示意性示出了根据本公开实施例的基于数据融合的山区水库地形图测绘方法的流程图；
图3示意性示出了根据本公开实施例的像控点标识示意图；
图4示意性示出了根据本公开实施例的测量轨迹的示意图；
图5示意性示出了根据本公开实施例的航带图；
图6示意性示出了根据本公开实施例的初始点云剖面图；
图7示意性示出了根据本公开实施例的与区域对应的三角网的示意图；
图8示意性示出了根据本公开实施例的判别点到三角面的距离和判别点与三角面之间的夹角的示意图；
图9示意性示出了根据本公开实施例的基于数据融合的山区水库地形图测绘装置的结构框图；以及
图10示意性示出了根据本公开实施例的适于实现基于数据融合的山区水库地形图测绘方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本发明的技术方案中，所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息，例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关国家和地区的相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝。
山区水库地区地形情况复杂，陡坡较多。航空摄影测量受地形、环境等因素影响，使得山区水库周边被茂密植被覆盖的地方测绘精度低。
有鉴于此，本公开的实施例提供了一种基于数据融合的山区水库地形图测绘方法，获取初始激光雷达点云信息，初始激光雷达点云信息通过无人机搭载激光雷达，按照测量轨迹对区域进行测量得到的，激光雷达的穿透性，可以有效提高山区水库周边被茂密植被覆盖的地方的点云信息精度。获取倾斜摄影测量图像。再根据测量轨迹，对初始激光雷达点云信息进行处理，得到目标激光雷达点云信息；根据无人机的位姿信息和图像采集装置的参数，对至少一个倾斜摄影测量图像进行处理，得到目标倾斜点云信息。将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到与区域对应的三维地形图模型，至少部分解决了山区水库周边被茂密植被覆盖造成的点云空洞问题，提高测绘精度。
图1示意性示出了根据本公开实施例的基于数据融合的山区水库地形图测绘方法的应用场景图。
如图1所示，根据该实施例的应用场景100可以包括无人机101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在无人机101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用无人机101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互，以接收或发送消息等。无人机101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
通过无人机101搭载激光雷达，按照测量轨迹对区域进行测量，得到的初始激光雷达点云信息。通过无人机101搭载图像采集装置对区域进行拍摄，得到的倾斜摄影测量图像。服务器105根据基于数据融合的山区水库地形图测绘方法，将初始激光雷达点云信息和倾斜摄影测量图像进行处理，得到与区域对应的三维地形图模型。
第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用无人机101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本公开实施例所提供的基于数据融合的山区水库地形图测绘方法一般可以由服务器105执行。相应地，本公开实施例所提供的基于数据融合的山区水库地形图测绘装置一般可以设置于服务器105中。本公开实施例所提供的基于数据融合的山区水库地形图测绘方法也可以由不同于服务器105且能够与无人机101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的基于数据融合的山区水库地形图测绘装置也可以设置于不同于服务器105且能够与无人机101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的基于数据融合的山区水库地形图测绘方法的流程图。
如图2所示，该实施例的基于数据融合的山区水库地形图测绘方法包括操作S210～操作S250。
在操作S2]0，获取初始激光雷达点云信息。
在操作S220，获取倾斜摄影测量图像。
在操作S230，根据测量轨迹，对初始激光雷达点云信息进行处理，得到目标激光雷达点云信息。
在操作S240，根据无人机的位姿信息和图像采集装置的参数，对至少一个倾斜摄影测量图像进行处理，得到目标倾斜点云信息。
在操作S250，将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到与区域对应的三维地形图模型。
根据本公开的实施例，区域可以是根据现场勘探水库周边环境和水库的管理范围，划定的测绘区域。
根据本公开的实施例，测量轨迹可以是根据山区水库的地形、地貌条件，制定合理的无人机对区域测绘的的航飞路线。初始激光雷达点云信息通过无人机搭载激光雷达，按照测量轨迹对区域进行测量得到的。
根据本公开的实施例，激光雷达具有穿透性强，抗干扰能力强，数据精准的特点，可以弥补倾斜摄影测量在水库周边被遮挡，不能准确获得该地方信息的缺点。
根据本公开的实施例，倾斜摄影测量图像通过无人机搭载图像采集装置对区域进行拍摄得到的。倾斜摄影测量图像可以是获取山区水库周边环境的多个方向的测量图像。
根据本公开的实施例，无人机的位姿信息可以是无人机按照测量轨迹进行飞行过程中的位置信息和姿态信息。
根据本公开的实施例，图像采集装置可以是具有摄像功能的电子设备，例如，图像采集装置可以是多头相机的电子设备。图像采集装置的参数可以是相机中转换矩阵的参数。
图3示意性示出了根据本公开实施例的像控点标识示意图。
根据本公开的实施例，在山区水库地形图测绘之前，会布设像控点标识，如图3所示。使用北斗卫星导航定位基准站网网络RTK(Real Time Kinematic，实时动态测量技术)测量法对像控点的平面和高程坐标进行测量。
根据本公开的实施例，通过获取初始激光雷达点云信息，初始激光雷达点云信息通过无人机搭载激光雷达，按照测量轨迹对区域进行测量得到的，激光雷达的穿透性，可以有效提高山区水库周边被茂密植被覆盖的地方的点云信息精度。获取倾斜摄影测量图像。再根据测量轨迹，对初始激光雷达点云信息进行处理，得到目标激光雷达点云信息；根据无人机的位姿信息和图像采集装置的参数，对至少一个倾斜摄影测量图像进行处理，得到目标倾斜点云信息。将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到与区域对应的三维地形图模型，可弥补山区水库周边被茂密植被覆盖情况下的点云空洞问题，提高测绘精度。
根据本公开的实施例，根据测量轨迹，对初始激光雷达点云信息进行处理，得到目标激光雷达点云信息包括：
对初始激光雷达点云信息进行预处理，得到预处理激光雷达点云信息。对预处理激光雷达点云信息进行点云解算，得到地理点云信息。根据测量轨迹，对地理点云信息进行处理，得到目标激光雷达点云信息。
根据本公开的实施例，由于初始激光雷达点云信息具有点云密度大且离群点多的特点。预处理方法可以是通过离群点滤波处理、降体素等算法得到一个密度适中、质量更优的预处理激光雷达点云信息。
根据本公开的实施例，地理点云信息具有大地坐标信息。将激光雷达坐标系的预处理激光雷达点云信息进行点云解算，将预处理激光雷达点云信息的位置和姿态转换到大地坐标系下，获取带有真实地理坐标信息的点云数据。
根据本公开的实施例，通过对初始激光雷达点云信息进行预处理，得到预处理激光雷达点云信息，提高后续基于数据融合的山区水库地形图测绘方法的运行速度与处理精度。
根据本公开的实施例，可对地理点云信息进行地物识别，地物可以是山区水库区域的地面物体，例如，树木、水库等。
图4示意性示出了根据本公开实施例的测量轨迹的示意图。
图5示意性示出了根据本公开实施例的航带图。
图6示意性示出了根据本公开实施例的初始点云剖面图。
通过无人机搭载激光雷达，按照的测量轨迹对区域进行测量，测量轨迹如图4所示，得到的初始激光雷达点云信息。根据测量轨迹，从地理点云信息中确定航带图，航带图如图5所示。对航带图进行渲染，得到初始点云剖面图，初始点云剖面图包括至少一个航带平面。初始点云剖面图如图6所示。
根据本公开的实施例，阈值条件可以是小于接边误差值。检查至少一个航带平面之间的接边误差，得到检查结果。在检查结果表征接边误差满足阈值条件的情况下，则初始点云剖面图符合要求，从而得到目标激光雷达点云信息。
根据本公开的实施例，在检查结果表征接边误差不满足阈值条件的情况下，通过最小二乘法调整航带平面间的高程差，直至接边误差满足阈值条件，进而减小相邻航带相同地物的偏差，从而得到目标激光雷达点云信息。
根据本公开的实施例，通过检查至少一个航带平面之间的接边误差，在检查结果表征接边误差不满足阈值条件的情况下，通过最小二乘法调整航带平面间的高程差，直至接边误差满足阈值条件，可提高目标雷达点信息的测绘精度。
根据本公开的实施例，在检查结果表征接边误差不满足阈值条件的情况下，通过最小二乘法调整航带平面间的高程差，直至接边误差满足阈值条件，得到目标激光雷达点云信息包括：
在检查结果表征接边误差不满足阈值条件的情况下，确定第N航带平面与第N+1航带平面之间的对应点。根据对应点的高程坐标、第N航带平面与第N+1航带平面之间的平面参数，建立接边误差方程。根据接边误差方程中平面参数，通过最小二乘法调整航带平面间的高程差，直至接边误差满足阈值条件，得到目标激光雷达点云信息。
根据本公开的实施例，将第N航带平面与第N+1航带平面中坐标相同的点为对应点，利用对应点的高程坐标差的平方和最小原则来建立接边误差方程。根据最小二乘法得到航带平面的平面参数，平面参数可以是航带平面的转换参数。最后迭代以上过程完成航带平面匹配，减小相邻航带之间的偏差。
根据本公开的实施例，第N航带平面S1和第N+1航带平面S2间的平移参数T＝[Tx，Ty，Tz]T，Tx为航带平面在x轴上的平移参数，Ty和Tz同理；旋转参数Rx(ω)为航带平面在x轴旋转角度w的旋转参数；Ry(φ)为航带平面在y轴旋转角度φ的旋转参数；RZ(κ)为航带平面在z轴旋转角度k的旋转参数；缩放系数S，平面参数包括平移参数、旋转参数和缩放系数。(x，y，z)为第N+1航带平面S2中的待匹配点坐标，建立接边误差方程：
V＝AX+λ (1)
其中，V为残差向量，λ为第N航带平面S1和第N+1航带平面S2对应点之间的高程坐标差(z坐标差)，A为系数矩阵，X为各参数改正向量。
式中，ΔTz代表第N航带平面S1和第N+1航带平面S2在z轴上的平移参数差，ΔTy和ΔTx同理。Δκ表示第N航带平面S1和第N+1航带平面S2在z轴旋转角度k的旋转参数差，Δφ和Δω同理；ΔS表示第N航带平面S1和第N+1航带平面S2缩放系数差。
依据最小二乘法不断迭代求解min∑pi(λi)2，pi表示第N+1航带平面S2各点的权重。如果在基准面中能找到pi的对应点，则为1，否则，则为0。
获取min∑pi(λi)2对应的平移参数、旋转参数与缩放系数，根据转换关系对第N+1航带平面S2进行转换，使得转换后的第N航带平面S1和第N+1航带平面S2之间的高程差最小，从而减小相邻航带相同地物的偏差。
根据本公开的实施例，通过根据对应点的高程坐标、第N航带平面与第N+1航带平面之间的平面参数，建立接边误差方程。根据接边误差方程中平面参数，通过最小二乘法调整航带平面间的高程差，直至接边误差满足阈值条件，得到目标激光雷达点云信息，减小了相邻航带中相同地物的偏差，提高了测绘精度。
根据本公开的实施例，根据接边误差方程中平面参数，通过最小二乘法调整航带平面间的高程差，直至接边误差满足阈值条件，得到目标激光雷达点云信息包括：根据接边误差方程中平面参数，通过最小二乘法调整航带平面间的高程差，直至接边误差满足阈值条件，得到待处理激光雷达点云信息。对待处理激光雷达点云信息进行渲染，得到目标激光雷达点云信息。
对待处理激光雷达点云信息进行渲染及赋色，得到符合精度与格式要求的目标激光雷达点云信息。
根据本公开的实施例，图像采集装置具有至少一个拍摄方向的图像采集子装置，倾斜摄影测量图像包括至少一个倾斜摄影测量子图像。根据无人机的位姿信息和图像采集装置的参数，对至少一个倾斜摄影测量图像进行处理，得到目标倾斜点云信息包括：根据无人机的位姿信息和图像采集子装置的参数，确定相邻倾斜摄影测量子图像之间的公共交点坐标。获取倾斜摄影测量子图像中控制点的像素坐标和控制点的外业坐标。根据像素坐标、外业坐标和公共交点坐标，对倾斜摄影测量子图像进行处理，得到目标倾斜点云信息。
根据本公开的实施例，图像采集装置可以是具有五镜头的倾斜相机。倾斜摄影测量图像的拍摄也可以采用五相机方案，其中每台相机为图像采集子装置。拍摄方向安排可以是一台相机拍摄垂直影像，四台相机获取前后左右4个方向的水库周边地物的侧视影像。
根据本公开的实施例，对获得的倾斜摄影测量图像先进行预处理，使得倾斜摄影测量影像中没有明显的模糊与重影，并去除倾斜摄影测量影像中的反光与污点，提高倾斜摄影测量图像的精度。
根据本公开的实施例，图像采集子装置的参数可以是每台相机中转换矩阵的参数。
根据本公开的实施例，通过PPK(postprocessed kinematic)测量技术，对无人机在测量轨迹中的位姿信息和图像采集子装置中转换矩阵的参数数进行处理，得到控制点的外业坐标(像控点的外业测绘坐标)。
根据本公开的实施例，以一张倾斜摄影测量子图像组成的一束光线作为平差的基本单元，是以中心投影的共线方程作为平差的基础方程，通过各光线束在空间的旋转和平移，使模型之间的公共点的光线实现最佳交会，根据控制点的外业坐标和控制点的像素坐标进行匹配，使整个区域最佳地纳入到已知的控制点坐标系统中去。通过将至少一张倾斜摄影测量子图像纳入到已知的控制点坐标系统中去，从而确定相邻倾斜摄影测量子图像之间的公共交点坐标。
根据本公开的实施例，根据像素坐标、外业坐标和公共交点坐标，对倾斜摄影测量子图像进行处理，得到倾斜点云信息包括：根据像素坐标、外业坐标和公共交点坐标，对倾斜摄影测量图像进行空中三角测量加密，得到控制点坐标，控制点坐标为控制点的大地坐标。根据控制点坐标和像素坐标，将倾斜摄影测量子图像匹配至像对模型，得到目标倾斜点云信息。
根据本公开的实施例，以一张倾斜摄影测量子图像组成的一束光线作为平差的基本单元，是以中心投影的共线方程作为平差的基础方程，通过各光线束在空间的旋转和平移，使模型之间的公共点的光线实现最佳交会，并使整个区域最佳地纳入到已知的控制点坐标系统中去，以相邻倾斜摄影测量子图像的公共交点坐标相等、控制点的内业坐标与已知的外业坐标相等为条件，列出控制点和加密点的误差方程式，进行全区域的统一平差计算，求解出每张倾斜摄影测量子图像的外方位元素和加密点的地面坐标。
根据本公开的实施例，像素坐标可以是像控点(控制点)对应的像素点坐标。
根据本公开的实施例，将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到与区域对应的三维模型包括：通过点云配准算法，将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到目标点云信息。根据预设点云子信息，对目标点云信息进行处理，得到与区域对应的地表点云信息。根据倾斜摄影测量图像的纹理，对地表点云信息进行建模，得到与区域对应的三维地形图模型。
根据本公开的实施例，点云配准算法可以是ICP(Iterative Closest Point)配准算法，使用ICP配准算法将目标激光雷达点云信息与目标倾斜点云信息统一到同一坐标系中，使得目标点云信息能很好的改善茂密植被覆盖情况下的点云空洞问题。
根据本公开的实施例，目标点云信息包括至少一个目标点云子信息，预设点云子信息为满足预设条件的目标点云子信息。
根据本公开的实施例，通过预设点云子信息，对目标点云信息进行处理，实现将地物脚点去除，从而得到与区域对应的地表点云信息。
根据本公开的实施例，将倾斜摄影测量图像的纹理进行映射，从而得到与区域对应的三维地形图模型。
根据本公开的实施例，根据预设点云子信息，对目标点云信息进行处理，得到与区域对应的地表点云信息包括：根据预设点云子信息，构建与区域对应的三角网，三角网包括至少一个三角面。从目标点云信息中确定判别点云子信息。根据判别点云子信息，计算得到与判别点云子信息对应的判别点到与判别点云子信息对应的三角面的距离。计算判别点与三角面之间的夹角。在距离和夹角满足联合条件的情况下，将判别点云子信息确定为地表点云子信息，地表点云信息包括至少一个地表点云子信息。
图7示意性示出了根据本公开实施例的与区域对应的三角网的示意图。
根据本公开的实施例，利用预设点云子信息构建与区域对应的三角网，该三角网就可以代表该区域的粗略地形，如图7所示。
图8示意性示出了根据本公开实施例的判别点到三角面的距离和判别点与三角面之间的夹角的示意图。
根据本公开的实施例判别点云子信息可以是与判别点相关的坐标信息。如图8所示，判别点可以是点P，设定角度阈值θ与距离阈值d，计算待判别点到到最近三角面的距离h，判别点到最近三角面的夹角为如果h，/>满足联合条件，则将判别点云子信息确定为地表点云子信息，并将其插入到三角面中。联合条件如公式(5)所示：
循环往复上述操作，直到从目标点云信息中分出地表点云信息，优化三角网，使其更精确的表达山区水库地形。
根据本公开的实施例，通过判断距离和夹角是否满足联合条件，使得能够表达山区水库地形的三角网更准确；再对三角网优化，从而提高测绘精度。
根据本公开的实施例，上述方法还包括：
根据目标地面物体，将目标点云信息进行分块，得到分块点云信息，预设点云子信息为分块点云信息中低于高程阈值的目标点云子信息。
根据本公开的实施例，目标地面物体可以是区域内最大的建筑物或树木尺寸，该尺寸可以为建筑物(树木)的对角线尺寸。
根据本公开的实施例，高程阈值可以根据实际进行设定。例如，预设点云子信息可以是分块点云信息中高程最小的目标点云子信息。
根据本公开的实施例，获取的与区域对应的三维地形图模型，按照三维地形图模型进行山区水库周边地物、地貌的测绘，对不能判绘的地物、地貌元素，需绘制主体结构轮廓及性质并标明疑点，以便外业调绘处理解决。
在地形图绘制需展高程点，选择1∶500大比例尺，并注记高程点距离，等高线绘制时选取三次B样条曲线拟合以获取平滑的三维曲线。
B样条曲线方程为：
其中Pi为曲线的控制点，Fi，k(t)为K阶B样条曲线基函数。
基函数方程为：
其中，i+j＝k。以四个控制点为例，三次B样条曲线基函数方程带入k＝3可得：
将基函数带入B样条曲线方程可得：
P(t)＝P0*F0,3(t)+P1*F1,3(t)+P2*F2,3(t)+P3*F3,3(t) (9)
通过选择不同的t值即可得到拟合曲线上的所有点。
根据本公开的实施例，对绘制的地形图要素进行核查纠错，对于难以判绘的地物，如三维模型中存在遮挡或空洞的区域中的地物信息进行调绘。针对库区植被非常高大、茂密，激光雷达也很难穿透的地形点数据，可以采取RTK(Real-time kinematic，实时差分定位)进行人工补测。针对地处山区，遮挡区域RTK补测困难的水库，根据需要有针对性地布设并测量至少4个图根点。图根点以埋石方式布设，图根平面及高程控制测量采用网络RTK同时进行。
根据本公开的实施例，对最后得到的进行三维地形图模型进行质检，若合格输出山区水库地形图，否则重新进行测绘。
根据本公开的实施例，依托无人机为测绘工具，不但克服了野外测图人工跑点采集效率低的问题，针对山区水库库区内地形情况复杂，陡坡较多的实际情况，避免了外业测绘人员安全隐患。
根据本公开的实施例，采用激光雷达与倾斜摄影数据相融合的山区水库地形图测绘方法，在结合倾斜摄影影像纹理特征的基础上，充分利用了激光雷达穿透性强，获取点云空洞少的特点，针对有茂密植被覆盖的山区水库也能实现高精度测量。
根据本公开的实施例，像控点测量精度、空三加密精度、点云数据精度、三维模型数据精度、1∶500地形图绘制精度方面均实现规范操作，提高测绘精度。
图9示意性示出了根据本公开实施例的基于数据融合的山区水库地形图测绘装置的结构框图。
如图9所示，该实施例的基于数据融合的山区水库地形图测绘装置900包括第一获取模块910、第二获取模块920、第一处理模块930、第二处理模块940和融合模块950。
第一获取模块910用于获取初始激光雷达点云信息，初始激光雷达点云信息通过无人机搭载激光雷达，按照测量轨迹对区域进行测量得到的。在一实施例中，第一获取模块910可以用于执行前文描述的操作S210，在此不再赘述。
第二获取模块920用于获取倾斜摄影测量图像，倾斜摄影测量图像通过无人机搭载图像采集装置对区域进行拍摄得到的。在一实施例中，第二获取模块920可以用于执行前文描述的操作S220，在此不再赘述。
第一处理模块930用于根据测量轨迹，对初始激光雷达点云信息进行处理，得到目标激光雷达点云信息。在一实施例中，第一处理模块930可以用于执行前文描述的操作S230，在此不再赘述。
第二处理模块940用于根据无人机的位姿信息和图像采集装置的参数，对至少一个倾斜摄影测量图像进行处理，得到目标倾斜点云信息。在一实施例中，第二处理模块940可以用于执行前文描述的操作S240，在此不再赘述。
融合模块950用于将目标激光雷达点云信息和目标倾斜点云信息进行融合，得到与区域对应的三维地形图模型。在一实施例中，融合模块950可以用于执行前文描述的操作S250，在此不再赘述。
需要说明的是，本公开的实施例中基于数据融合的山区水库地形图测绘装置部分与本公开的实施例中基于数据融合的山区水库地形图测绘方法部分是相对应的，基于数据融合的山区水库地形图测绘装置部分的描述具体参考基于数据融合的山区水库地形图测绘方法部分，在此不再赘述。
根据本公开的实施例，第一获取模块91 0、第二获取模块920、第一处理模块930、第二处理模块940和融合模块950中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块910、第二获取模块920、第一处理模块930、第二处理模块940和融合模块950中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块910、第二获取模块920、第一处理模块930、第二处理模块940和融合模块950中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图10示意性示出了根据本公开实施例的适于实现基于数据融合的山区水库地形图测绘方法的电子设备的方框图。
如图10所示，根据本公开实施例的电子设备1000包括处理器1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中，存储有电子设备1000操作所需的各种程序和数据。处理器1001、ROM 1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备1000还可以包括输入/输出(I/O)接口1005，输入/输出(I/O)接口1005也连接至总线1004。电子设备1000还可以包括连接至输入/输出(I/O)接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至输入/输出(I/O)接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的基于数据融合的山区水库地形图测绘方法。
在该计算机程序被处理器1001执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分1009被下载和安装，和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种基于数据融合的山区水库地形图测绘方法，包括：
获取初始激光雷达点云信息，所述初始激光雷达点云信息通过无人机搭载激光雷达，按照测量轨迹对区域进行测量得到的；
获取倾斜摄影测量图像，所述倾斜摄影测量图像通过所述无人机搭载图像采集装置对所述区域进行拍摄得到的；
根据所述测量轨迹，对所述初始激光雷达点云信息进行处理，得到目标激光雷达点云信息；
根据所述无人机的位姿信息和所述图像采集装置的参数，对至少一个所述倾斜摄影测量图像进行处理，得到目标倾斜点云信息；以及
将所述目标激光雷达点云信息和所述目标倾斜点云信息进行融合，得到与所述区域对应的三维地形图模型。
2.根据权利要求1所述的方法，其中，所述根据所述测量轨迹，对所述初始激光雷达点云信息进行处理，得到目标激光雷达点云信息包括：
对所述初始激光雷达点云信息进行预处理，得到预处理激光雷达点云信息；
对所述预处理激光雷达点云信息进行点云解算，得到地理点云信息，所述地理点云信息具有大地坐标信息；以及
根据所述测量轨迹，对所述地理点云信息进行处理，得到所述目标激光雷达点云信息。
3.根据权利要求2所述的方法，其中，所述根据所述测量轨迹，对所述地理点云信息进行处理，得到所述目标激光雷达点云信息包括：
根据所述测量轨迹，从所述地理点云信息中确定航带图；
对所述航带图进行渲染，得到初始点云剖面图，所述初始点云剖面图包括至少一个所述航带平面；
检查至少一个所述航带平面之间的接边误差，得到检查结果；
在检查结果表征所述接边误差满足阈值条件的情况下，得到所述目标激光雷达点云信息；以及
在检查结果表征所述接边误差不满足阈值条件的情况下，通过最小二乘法调整所述航带平面间的高程差，直至所述接边误差满足阈值条件，得到所述目标激光雷达点云信息。
4.根据权利要求3所述的方法，其中，所述在检查结果表征所述接边误差不满足阈值条件的情况下，通过最小二乘法调整所述航带平面间的高程差，直至所述接边误差满足阈值条件，得到所述目标激光雷达点云信息包括：
在所述检查结果表征所述接边误差不满足阈值条件的情况下，确定第N航带平面与第N+1航带平面之间的对应点；
根据所述对应点的高程坐标、所述第N航带平面与所述第N+1航带平面之间的平面参数，建立接边误差方程；以及
根据所述接边误差方程中所述平面参数，通过最小二乘法调整所述航带平面间的高程差，直至所述接边误差满足所述阈值条件，得到所述目标激光雷达点云信息。
5.根据权利要求4所述的方法，其中，所述根据所述接边误差方程中所述平面参数，通过最小二乘法调整所述航带平面间的高程差，直至所述接边误差满足所述阈值条件，得到所述目标激光雷达点云信息包括：
根据所述接边误差方程中所述平面参数，通过所述最小二乘法调整所述航带平面间的高程差，直至所述接边误差满足所述阈值条件，得到待处理激光雷达点云信息；以及
对所述待处理激光雷达点云信息进行渲染，得到所述目标激光雷达点云信息。
6.根据权利要求1所述的方法，其中，所述图像采集装置具有至少一个拍摄方向的图像采集子装置，所述倾斜摄影测量图像包括至少一个倾斜摄影测量子图像；
所述根据所述无人机的位姿信息和所述图像采集装置的参数，对至少一个所述倾斜摄影测量图像进行处理，得到目标倾斜点云信息包括：
根据所述无人机的位姿信息和所述图像采集子装置的参数，确定相邻倾斜摄影测量子图像之间的公共交点坐标；
获取所述倾斜摄影测量子图像中控制点的像素坐标和所述控制点的外业坐标；以及
根据所述像素坐标、所述外业坐标和所述公共交点坐标，对所述倾斜摄影测量子图像进行处理，得到所述目标倾斜点云信息。
7.根据权利要求6所述的方法，其中，所述根据所述像素坐标、所述外业坐标和所述公共交点坐标，对所述倾斜摄影测量子图像进行处理，得到所述倾斜点云信息包括：
根据所述像素坐标、所述外业坐标和所述公共交点坐标，对所述倾斜摄影测量图像进行空中三角测量加密，得到所述控制点坐标，所述控制点坐标为所述控制点的大地坐标；以及
根据所述控制点坐标和所述像素坐标，将所述倾斜摄影测量子图像匹配至像对模型，得到所述目标倾斜点云信息。
8.根据权利要求1所述的方法，其中，所述将所述目标激光雷达点云信息和所述目标倾斜点云信息进行融合，得到与所述区域对应的三维模型包括：
通过点云配准算法，将所述目标激光雷达点云信息和所述目标倾斜点云信息进行融合，得到目标点云信息；
根据预设点云子信息，对所述目标点云信息进行处理，得到与所述区域对应的地表点云信息，所述目标点云信息包括至少一个目标点云子信息，所述预设点云子信息为满足预设条件的目标点云子信息；以及
根据所述倾斜摄影测量图像的纹理，对所述地表点云信息进行建模，得到与所述区域对应的三维地形图模型。
9.根据权利要求8所述的方法，其中，所述根据预设点云子信息，对所述目标点云信息进行处理，得到与所述区域对应的地表点云信息包括：
根据所述预设点云子信息，构建与所述区域对应的三角网，所述三角网包括至少一个三角面；
从所述目标点云信息中确定判别点云子信息；
根据所述判别点云子信息，计算得到与所述判别点云子信息对应的判别点到与所述判别点云子信息对应的所述三角面的距离；
计算所述判别点与所述三角面之间的夹角；以及
在所述距离和所述夹角满足联合条件的情况下，将所述判别点云子信息确定为地表点云子信息，所述地表点云信息包括至少一个所述地表点云子信息。
10.根据权利要求1所述的方法，所述方法还包括：
根据目标地面物体，将所述目标点云信息进行分块，得到分块点云信息，所述云子信息为所述分块点云信息中低于高程阈值的目标点云子信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311580228.8A CN117572455B (zh) | 2023-11-24 | 2023-11-24 | 基于数据融合的山区水库地形图测绘方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311580228.8A CN117572455B (zh) | 2023-11-24 | 2023-11-24 | 基于数据融合的山区水库地形图测绘方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117572455A true CN117572455A (zh) | 2024-02-20 |
| CN117572455B CN117572455B (zh) | 2024-10-18 |
Family
ID=89885949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311580228.8A Active CN117572455B (zh) | 2023-11-24 | 2023-11-24 | 基于数据融合的山区水库地形图测绘方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117572455B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117804413A (zh) * | 2024-02-23 | 2024-04-02 | 西安迈远科技有限公司 | 一种基于无人机的土方算量方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111415409A (zh) * | 2020-04-15 | 2020-07-14 | 北京煜邦电力技术股份有限公司 | 一种基于倾斜摄影的建模方法、系统、设备和存储介质 |
| CN111458720A (zh) * | 2020-03-10 | 2020-07-28 | 中铁第一勘察设计院集团有限公司 | 复杂山区基于机载激光雷达数据的倾斜摄影建模方法 |
| 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 |
| CN115014224A (zh) * | 2022-05-27 | 2022-09-06 | 广东省核工业地质局测绘院 | 基于LiDAR点云与倾斜航空影像的地表形变监测方法 |
| CN115937446A (zh) * | 2022-11-28 | 2023-04-07 | 辽宁生态工程职业学院 | 基于ar技术的地形测绘装置及方法 |
| CN116051785A (zh) * | 2023-02-08 | 2023-05-02 | 广州市城市规划勘测设计研究院 | 城市实景三维模型的构建方法、装置、设备及存储介质 |
| CN116740288A (zh) * | 2023-08-14 | 2023-09-12 | 北京数慧时空信息技术有限公司 | 一种融合激光雷达、倾斜摄影的三维重建方法 |
| CN116993900A (zh) * | 2023-06-05 | 2023-11-03 | 朱文会 | 一种激光雷达点云与无人机影像融合的三维场景制作方法 |
-
2023
- 2023-11-24 CN CN202311580228.8A patent/CN117572455B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111458720A (zh) * | 2020-03-10 | 2020-07-28 | 中铁第一勘察设计院集团有限公司 | 复杂山区基于机载激光雷达数据的倾斜摄影建模方法 |
| CN111415409A (zh) * | 2020-04-15 | 2020-07-14 | 北京煜邦电力技术股份有限公司 | 一种基于倾斜摄影的建模方法、系统、设备和存储介质 |
| CN115014224A (zh) * | 2022-05-27 | 2022-09-06 | 广东省核工业地质局测绘院 | 基于LiDAR点云与倾斜航空影像的地表形变监测方法 |
| 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 |
| CN115937446A (zh) * | 2022-11-28 | 2023-04-07 | 辽宁生态工程职业学院 | 基于ar技术的地形测绘装置及方法 |
| CN116051785A (zh) * | 2023-02-08 | 2023-05-02 | 广州市城市规划勘测设计研究院 | 城市实景三维模型的构建方法、装置、设备及存储介质 |
| CN116993900A (zh) * | 2023-06-05 | 2023-11-03 | 朱文会 | 一种激光雷达点云与无人机影像融合的三维场景制作方法 |
| CN116740288A (zh) * | 2023-08-14 | 2023-09-12 | 北京数慧时空信息技术有限公司 | 一种融合激光雷达、倾斜摄影的三维重建方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117804413A (zh) * | 2024-02-23 | 2024-04-02 | 西安迈远科技有限公司 | 一种基于无人机的土方算量方法及系统 |
| CN117804413B (zh) * | 2024-02-23 | 2024-05-28 | 西安迈远科技有限公司 | 一种基于无人机的土方算量方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117572455B (zh) | 2024-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Luetzenburg et al. | Evaluation of the Apple iPhone 12 Pro LiDAR for an application in geosciences | |
| Carbonneau et al. | Cost‐effective non‐metric photogrammetry from consumer‐grade sUAS: implications for direct georeferencing of structure from motion photogrammetry | |
| CN112927370B (zh) | 三维建筑物模型构建方法、装置、电子设备及存储介质 | |
| Verhoeven et al. | Computer vision‐based orthophoto mapping of complex archaeological sites: The ancient quarry of Pitaranha (Portugal–Spain) | |
| Dorninger et al. | 3D segmentation of unstructured point clouds for building modelling | |
| CN117572455B (zh) | 基于数据融合的山区水库地形图测绘方法 | |
| Abdelazeem et al. | Multi-sensor point cloud data fusion for precise 3D mapping | |
| Javadnejad et al. | Dense point cloud quality factor as proxy for accuracy assessment of image-based 3D reconstruction | |
| CN111750838A (zh) | 农业用地规划图的生成方法、装置、设备及存储介质 | |
| CN110986888A (zh) | 一种航空摄影一体化方法 | |
| Sadeq | Accuracy assessment using different UAV image overlaps | |
| CN110853142A (zh) | 基于无人机拍摄的机场净空三维模型构建方法及装置 | |
| Ahmed et al. | A GIS-based mathematical approach for generating 3d terrain model from high-resolution UAV imageries | |
| CN116129064A (zh) | 电子地图生成方法、装置、设备及存储介质 | |
| CN111006645A (zh) | 基于运动与结构重建的无人机测绘方法 | |
| Pargieła et al. | Determining optimal photogrammetric adjustment of images obtained from a fixed‐wing UAV | |
| Ren et al. | Color balance method of dense point cloud in landslides area based on UAV images | |
| Lee et al. | Enhancement of low-cost UAV-based photogrammetric point cloud using MMS point cloud and oblique images for 3D urban reconstruction | |
| Deliry et al. | Accuracy evaluation of UAS photogrammetry and structure from motion in 3D modeling and volumetric calculations | |
| CN110580468B (zh) | 一种基于影像匹配点云的单木结构参数提取的方法 | |
| Ma et al. | Low‐Altitude Photogrammetry and Remote Sensing in UAV for Improving Mapping Accuracy | |
| CN111197986A (zh) | 一种无人机三维路径实时预警避障方法 | |
| CN115272147A (zh) | 一种图像增强方法及装置 | |
| Haibt | End-to-end digital twin creation of the archaeological landscape in Uruk-Warka (Iraq) | |
| Gonçalves et al. | 3D cliff reconstruction by drone: An in-depth analysis of the image network |
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 |