CN117592151A - 一种重力地形改正精度约束方法与系统 - Google Patents

一种重力地形改正精度约束方法与系统 Download PDF

Info

Publication number
CN117592151A
CN117592151A CN202311371002.7A CN202311371002A CN117592151A CN 117592151 A CN117592151 A CN 117592151A CN 202311371002 A CN202311371002 A CN 202311371002A CN 117592151 A CN117592151 A CN 117592151A
Authority
CN
China
Prior art keywords
gravity
data
region
division
determining
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
Application number
CN202311371002.7A
Other languages
English (en)
Inventor
杨剑
张伟
王桥
廖国忠
梁生贤
夏时斌
李华
李德伟
高慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Institute Of Environmental Geology And Resources Development Co ltd
Chengdu Geological Survey Center Of China Geological Survey (southwest Geological Science And Technology Innovation Center)
Original Assignee
Chengdu Institute Of Environmental Geology And Resources Development Co ltd
Chengdu Geological Survey Center Of China Geological Survey (southwest Geological Science And Technology Innovation Center)
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Institute Of Environmental Geology And Resources Development Co ltd, Chengdu Geological Survey Center Of China Geological Survey (southwest Geological Science And Technology Innovation Center) filed Critical Chengdu Institute Of Environmental Geology And Resources Development Co ltd
Priority to CN202311371002.7A priority Critical patent/CN117592151A/zh
Publication of CN117592151A publication Critical patent/CN117592151A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本说明书实施例提供一种重力地形改正精度约束方法与系统，该方法包括确定目标区域中的子区域；基于目标区域的地形数据、重力测点数据和划分精度要求，确定子区域的划分精细度；基于划分精细度、地形数据，构建目标区域的建筑模拟图像；基于建筑模拟图像，确定重力修正数据。

Description

一种重力地形改正精度约束方法与系统
技术领域
本说明书涉及勘探技术领域，特别涉及一种重力地形改正精度约束方法与系统。
背景技术
地质勘探是指通过多种手段对地质探测的调查研究活动，可以为矿山的建设提供地质资料。重力勘探是地质勘探的主要方法之一。然而，在山区、城市等地表复杂背景下开展重力勘探工作时，由于地形起伏、城市建筑物林立的影响，使检测到的重力值存在较大的误差，往往使最终布格重力的有效精度大大降低。
针对如何消除地形或地表建筑对重力值的影响，CN115113292A提供一种基于无人机的大比例尺重力勘探近中区地形改正的方法，该申请通过对高精度DEM数据进行预处理和实测密度匹配，并联合重力测点的三维坐标，变密度计算重力测点的近中区地形改正值。然而，该方法在不同地形中均使用相同的处理方式对重力进行校正，基在地形变化剧烈的区域，重力勘探数据误差波动较大，不能满足实际使用需求。
因此，希望提供一种重力地形改正精度约束方法与系统，能够基于实际地形数据对重力值进行修正，获得更精确的勘探数据。
发明内容
本说明书一个或多个实施例提供一种重力地形改正精度约束方法，由处理器执行，包括：确定目标区域中的子区域；基于目标区域的地形数据、重力测点数据和精度要求，确定所述子区域的划分精细度；基于所述划分精细度、所述地形数据，构建所述目标区域的建筑模拟图像；基于所述建筑模拟图像，确定修正数据。
本说明书一个或多个实施例提供一种重力地形改正精度约束系统。所属系统包括：第一确定模块，用于确定目标区域中的子区域；第二确定模块，用于基于目标区域的地形数据、重力测点数据和精度要求，确定所述子区域的划分精细度；构建模块，用于基于所述划分精细度、所述地形数据，构建所述目标区域的建筑模拟图像；修正模块，用于基于所述建筑模拟图像，确定修正数据。
本说明书实施例之一提供一种重力地形改正精度约束装置。所述装置包括处理器，所述处理器用于执行重力地形改正精度约束方法。
本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行重力地形改正精度约束方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的重力地形改正精度约束方法的示例性流程图；
图2是根据本说明书一些实施例所示的确定目标区域中的子区域的示意图；
图3是根据本说明书一些实施例所示的构建建筑模拟图像的示意图；
图4是根据本说明书一些实施例所示的确定重力修正数据的示意图；
图5是根据本说明书一些实施例所示的重力地形改正精度约束系统的示例性模块图；
图6是根据本说明书一些实施例所示的对目标区域进行划分的示意图；
图7是根据本说明书一些实施例所示的构建建筑模拟图像的示意图；
图8是根据本说明书一些实施例所示的对似三棱柱体进行分割的示意图；
图9是根据本说明书一些实施例所示的计算三角形面积分的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
重力勘探曾广泛应用于研究地壳深部构造、搭建区域地质构造格架、圈定各类油-气-固体矿产成矿远景区等。近年来，随着矿产资源形势的日趋严峻，及重力仪器观测精度的极大提高，大比例尺重力测量(比例尺≥1：5万)成为直接寻找矿产或间接圈定含、控矿构造的一种关键方法，发挥着重要且不可替代的作用。
重力勘探的观测对象为测点处的重力加速度值，布格重力异常是重力值经正常场改正(纬度改正)、中间层改正、高度改正(中间层改正和高度改正合称布格改正)和地形改正后的数据，是重力勘探的基础资料。上述改正中，地形改正特别是近中区的地形改正，对布格重力异常有着重要的影响，而高分辨率、高精度的地形数据，是决定地形改正精度的关键。
而当前技术中的近、中、远区地形改正计算方法均存在大量的近似或简化处理，因此在地形起伏较大的山区、靠近大型城镇的工区开展工作时，当前行业规范中要求的计算方法难以保证最终布格重力值的实际精度。同时，当前技术中，往往在不同地形中均使用相同的预设算法进行重力勘探的地形改正，导致在地形变化剧烈的区域，重力勘探数据误差波动较大，不能满足实际使用需求。
本说明书一些实施充分考虑了地形、建筑的影响，基于地形数据和建筑模拟数据确定重力修正数据，能够更好地满足地形变化剧烈区域的勘测需求。
图1是根据本说明书一些实施例所示的重力地形改正精度约束方法的示例性流程图。如图1所示，流程100包括下述步骤。在一些实施例中，流程100可以由处理器执行。
步骤110，确定目标区域中的子区域。
目标区域是指需要修正重力的区域。在一些实施例中，处理器可以通过多种方式确定目标区域。例如，通过图像处理软件、建模软件等确定目标区域。又例如，基于勘探计划确定目标区域等。
子区域是指对目标区域进行划分后的细分区域。在一些实施例中，处理器可以通过预设方式将目标区域划分成多个子区域。例如，处理器可以将目标区域按10m×10m为一个区域进行划分，每个划分区域即为一个子区域等。
在一些实施例中，处理器可以对目标区域进行网格化处理，获得多个单位区域，基于单位区域，通过聚类确定多个子区域。更多内容可以参见本说明书图2及其相关说明。
步骤120，基于目标区域的地形数据、重力测点数据和划分精度要求，确定子区域的划分精细度。
地形数据是表征目标区域地表高低起伏状态的数据。例如，地形数据可以包括地形或地表建筑的起伏、高低、轮廓等。
在一些实施例中，地形数据可以是包含高度信息的图像和/或点云数据。
在一些实施例中，处理器可以通过第三方平台获取地形数据。例如，处理器可以从高分辨率卫星遥感数据中提取关于地形起伏或地表建筑物地形的信息。又例如，处理器可以基于遥感图像处理软件，通过面向对象的方法提取地形或地表建筑的轮廓。再例如，处理器可以基于遥感图像处理软件，通过数字表面模型(Digital Surface Model，DSM)提取模块提取地形或地表建筑不同位置的高程信息。遥感图像处理软件可以包括eCognition、ENVI等。
重力测点是指目标区域内设置的至少一个监测点。重力测点数据是指与目标区域内设置的至少一个重力测点相关的数据。在一些实施例中，重力测点数据至少可以包括重力测点设置的位置和/或每个重力测点检测到的重力值等。
在一些实施例中，处理器可以基于预设规则和/或观测人员的经验确定重力测点设置的位置，处理器可以基于重力传感器确定重力值。
划分精度要求是指用户对于检测结构检测到的重力值的精度要求。例如，要求检测到的重力值具体到小数点后三位或后四位等。在一些实施例中，处理器可以基于重力测点数据的用途和/或经验确定划分精度要求。
划分精细度是指将目标区域划分成子区域时，子区域的细分程度。例如，划分精细度可以包括对目标区域进行网格化处理时，网格的面积、周长、边长等中的一种或多种。又例如，划分精细度可以是子区域的面积大小。
在一些实施例中，划分精细度可以用0-10之间的数值表示，数值越高，表示划分精细度越高。
在一些实施例中，处理器可以基于目标区域的地形数据、重力测点数据和划分精度要求，通过多种方式确定子区域的划分精细度。
在一些实施例中，处理器可以基于目标区域的地形数据确定划分精细度。例如，目标区域的建筑物越密集，划分精细度可以越高。又例如，目标区域的地表高差起伏变化越大，划分精细度可以越高。
在一些实施例中，处理器可以基于子区域与参考区域的距离确定划分精细度，参考区域指划分精细度已知的区域。例如，某一参考区域的划分精细度较高，如划分精细度为8，有一子区域与该参考区域相邻，则该子区域的划分精细度可以适当提高，又例如，子区域距离该参考区域越近，则子区域的划分精细程度越接近8。
在一些实施例中，处理器可以基于遥感图像确定子区域特征，基于子区域特征，确定子区域的划分精细度。更多相关内容可参见本说明书图2中的说明。
步骤130，基于划分精细度、地形数据，构建目标区域的建筑模拟图像。
建筑模拟图像是建筑、地形等的几何化表示，用于模拟目标区域的建筑、地形起伏等。例如，处理器可以将地形或建筑划分成多个似三棱柱体，通过多个似三棱柱体的组合表示不同的地形或建筑。其中，划分精细度能够影响前述似三棱柱体的大小，划分精细度越高，似三棱柱体越小。
在一些实施例中，处理器可以基于划分精细度、地形数据，通过多种方式构建目标区域的建筑模拟图像。例如，处理器可以通过图像模拟软件构建建筑模拟图像。
在一些实施例中，处理器可以基于划分精细度，确定子区域中目标三角的大小，目标三角的大小构建建筑模拟图像。例如，处理器可以基于目标三角，以目标三角的三个顶点为起点沿着重力方向构建三条棱，从而形成似三棱柱，目标三角与目标三角沿着重力方向投影的三角形可以作为似三棱柱的两个端面。更多内容可以参见本说明书图3中的相关描述。
步骤140，基于建筑模拟图像，确定重力修正数据。
重力修正数据是指消除地形影响和/或建筑影响的重力值。地形起伏或地表建筑会影响重力勘探的结果。例如，某个地方重力数据较大，可能是地表下有重金属矿物，也有可能是海拔高度与基准高度相差过大所导致。但海拔高度与基准高度相差过大导致的重力数据较大存在误差，因此需要对重力数据进行修正，消除地形起伏或地表建筑对重力数据的影响。在消除地形影响和/或建筑影响后获得的重力值，更加符合勘探的目的。
在一些实施例中，处理器可以基于建筑模拟图像，通过预设算法确定重力修正数据。更多说明可参见下文图4中的相关描述。
在一些实施例中，重力修正数据相关于重力测点数据。处理器可以基于建筑模拟图像和重力测点数据确定重力修正数据。更多说明可以参见下文图4的相关描述。
本说明书一些实施例中，通过对目标区域划分，获得若干子区域，并基于子区域的地形数据、划分精细度构建对应的建筑模拟图像，基于建筑模拟图像确定重力修正数据，充分考虑了地形、建筑对重力勘测的影响，从而能够更好地适应地形起伏剧烈区域的勘测需求。
图2是根据本说明书一些实施例所示的确定目标区域中的子区域的示意图。如图2所示，确定子区域的过程200包括以下内容。
在一些实施例中，确定目标区域中的子区域包括：对目标区域进行网格化处理，获得多个单位区域；基于单位区域的区域地形数据210、区域重力数据220以及区域划分精度230，通过聚类确定多个子区域240。
网格化是指使用多个连续的网格将目标区域划分成多个区域。在一些实施例中，网格可以是规则和/或不规则的三角形网格、规则和/或不规则的四边形网格等中的一种或多种。在一些实施例中，处理器可以通过多种图像处理软件将目标区域进行网格化处理。例如，MsehLab、Libigl、Trimmesh、TetGen等软件中的一种或多种。
单位区域是指目标区域经过网格化处理后形成的最小单元。在一些实施例中，处理器可以通过多种图像处理软件将目标区域进行网格化处理，得到单位区域。在一些实施例中，单位区域的大小可以基于先验经验或实际需求确定。例如，单位区域的大小可以为1m*1m。
区域地形数据是指与单位区域对应的地形数据。在一些实施例中，处理器可以基于单位区域，从目标区域的地形数据中提取对应的区域地形数据。
区域重力数据是指与单位区域对应的重力测点数据。在一些实施例中，处理器可以基于单位区域，从目标区域的重力测点数据中提取对应的区域重力数据。
区域划分精度是指与单位区域对应的划分精度要求。在一些实施例中，处理器可以基于单位区域，从目标区域的划分精度要求中提取对应的区域划分精度。
在一些实施例中，处理器可以基于单位区域的区域地形数据、区域重力数据以及区域划分精度，通过聚类算法确定多个子区域。子区域可以用子区域特征向量表示。在一些实施例中，子区域特征向量可以基于区域地形数据、区域重力数据和区域划分精度等构成。子区域特征向量的元素可以与区域地形数据、区域重力数据和区域划分精度对应。例如，子区域特征向量为(a，b，c)，其中，a代表区域地形数据，b代表区域重力数据，c代表区域划分精度。
在一些实施例中，处理器可以通过聚类算法对单位区域的区域特征向量进行聚类处理，确定至少一个聚类中心。每个聚类可以作为一个子区域。单位区域的区域特征向量的构建及表示方式参照前述子区域特征向量。
聚类算法的类型可以包括多种，例如，聚类算法可以包括K-Means(K均值)聚类、基于密度的聚类方法(DBSCAN)等。
在一些实施例中，子区域的划分精细度还相关于遥感图像，确定每个子区域的划分精细度还可以包括：基于遥感图像确定子区域特征，基于子区域的单位区域数量、子区域划分精度、子区域的地形数据以及子区域特征，确定每个子区域的划分精细度。
遥感图像是指利用遥感技术探测目标产生的图像。遥感图像可以由处理器通过遥感系统获取。
单位区域数量是指每个子区域对应的聚类中，包含的单位区域的数量。在一些实施例中，处理器可以统计子区域内的单位区域数量。
子区域划分精度是指子区域内，所有单位区域对应的区域划分精度的集合。在一些实施例中，处理器可以统计子区域内各单位区域对应的区域划分精度，形成区域划分精度序列。
子区域的地形数据是指子区域内，所有单位区域对应的地形数据的集合。在一些实施例中，处理器可以统计子区域各单位区域对应的地形数据，形成地形数据序列。
子区域特征是指子区域内，所有单位区域对应的区域特征的集合。其中，区域特征可以包括建筑物密集程度、地表海拔变化中的至少一种。
在一些实施例中，处理器可以统计子区域各单位区域对应的区域特征，形成区域特征序列。在一些实施例中，处理器可以基于遥感图像，通过图像特征识别的神经网络确定单位区域的区域特征。例如，卷积神经网络(Convolutional Neural Networks,CNN)等。
在一些实施例中，处理器可以基于子区域的单位区域数量、子区域划分精度、子区域的地形数据以及子区域特征，确定每个子区域的划分精细度。
在一些实施例中，处理器可以基于子区域的单位区域数量、子区域划分精度、子区域的地形数据以及子区域特征，通过划分精细度模型确定每个子区域的划分精细度。
划分精细度模型是指用于确定子区域划分精细度的模型。划分精细度模型可以为机器学习模型。例如，卷积神经网络(Convolutional Neural Networks,CNN))等。在一些实施例中，划分精细度模型还可以是其他能够实现相应功能的模型，具体可基于实际需求确定。
在一些实施例中，划分精细度模型的输入可以包括子区域的单位区域数量、子区域划分精度、子区域的地形数据以及子区域特征等。
在一些实施例中，划分精细度模型的输出可以包括划分精细度。
在一些实施例中，划分精细度模型可以通过多个带有第一标签的第一训练样本训练得到。可以将多个带有第一标签的第一训练样本输入初始划分精细度模型，通过第一标签和初始划分精细度模型的结果构建损失函数，基于损失函数迭代更新初始划分精细度模型的参数。当初始划分精细度模型的损失函数满足预设条件时模型训练完成，得到训练好的划分精细度模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，第一训练样本至少可以包括历史实际勘探时，勘探结果符合预期的历史数据中，样本子区域的单位区域数量、样本子区域划分精度、样本子区域的地形数据以及样本子区域特征。第一标签至少可以包括第一样本对应的历史划分精细度。
重力勘探是为了检测地下是否存在矿藏，因此，处理器可以将能够准确提示地下矿藏情况的历史数据作为符合预期的历史数据。例如，处理器按照某一历史划分精度对历史重力进行修正，基于修正后的历史重力判断地下是否存在矿藏，若判断结果和实际情况一致，则该历史划分精度为符合预期的历史数据。
本说明的一些实施例，利用划分精细度模型预测划分精细度，可以提高预测的划分精细度的准确性。
图3是根据本说明书一些实施例所示的构建建筑模拟图像的示意图。如图3所示，构建建筑模拟图像的过程300至少可以包括以下内容。
在一些实施例中，处理器可以基于划分精细度310，确定子区域中目标三角的大小320；基于目标三角的大小320、地形数据330、目标区域的区域特征340，构建建筑模拟图像410。
在一些实施例中，处理器可以使用三角网数据结构拟合地面模型，将地面划分为不规则的三角形。目标三角是指在对目标区域的地形进行三角网数据结构拟合时，目标区域的每个子区域中的单个三角形状的网格。
在一些实施例中，处理器可以基于第一预设表确定目标三角的大小320。第一预设表基于历史子区域的划分精细度和其对应的目标三角的大小构建，表征目标三角的大小与子区域的划分精细度的关系。处理器可以根据当前子区域的划分精细度，查询第一预设表，确定当前目标三角的大小。
在一些实施例中，处理器可以通过工业CT扫描仪对建筑体进行扫描，工业CT扫描仪使用不同角度的X射线照射建筑体的每个表面，由于不同的材质和建筑结构对X射线的吸收能力不同，从而可以形成特定扫描区域的横截面图像。处理器可以再根据横截面图像，运用三维重建技术，例如，反投影法，恢复出建筑物模拟图像。
在一些实施例中，处理器可以基于遥感图像331获取地形轮廓332-1、建筑高程信息332-3；基于建筑高程信息332-3、地形轮廓332-1以及目标单元332-2，构建建筑模拟图像410。
图6示出了本说明书一些实施例中对目标区域进行划分的过程。如图6所示，地形轮廓332-1是指目标区域的地形的轮廓，即图6的上表面。地形轮廓332-1可以包括地面的轮廓和地面上建筑物的轮廓。在一些实施例中，处理器可以将地形轮廓332-1划分为多个目标三角组成的网格。在一些实施例中，处理器可以基于地形数据，通过遥感图像处理软件，采用基于面向对象的方法，提取地形轮廓332-1。遥感图像处理软件可以有多种，例如，eCognition等。
建筑高程信息332-3是指建筑物的轮廓上的某点沿铅垂线方向到大地水准面的距离。建筑高程信息332-3可以通过三角高程测量等方法获取。在一些实施例中，处理器可以利用遥感图像处理软件来获取建筑高程信息332-3。例如，处理器可以利用多种遥感图像处理软件获取建筑高程信息332-3。例如，ENVI遥感图像处理软件中的数字表面模型提取模块可以用于获取建筑物高程信息。
目标单元332-2是指目标区域的模型被剖分成的三维建模单元，例如，似三棱柱单元。似三棱柱体是上表面和下表面的三角形不互相平行、侧棱长度不等且不相互平行、侧面四边形的四个顶点不在一个平面内的三棱柱体。目标单元可以是将地形轮廓上的三角网格投影到底部切面后，地形轮廓上的目标三角与其对应的投影在铅垂方向上形成的柱体单元。
通过似三棱柱体模拟建筑可以实现用尽量少的集合单元实现对复杂造型建筑/地形的高精度模型，有利于减少建筑模拟图像的存储数量。
如图7所示，在一些实施例中，处理器可以将目标区域分成多个似三棱柱单元。例如，由顶点A11-A12-A8-B11-B12-B8组成的似三棱柱可以是一个目标单元。处理器用似三棱柱体的上表面和下表面的三角形集合构成的三维矢量来表示建筑物的上表面和下表面。处理器基于多个似三棱柱体的集合构建两相邻顶底面之间的内部实体，并以侧面四边形来描述层面间的空间关系。
在一些实施例中，处理器可以基于目标单元332-2，根据预设程序构建建筑模拟图像410。如图8所示，预设程序可以使用面向对象的建模语言将每个似三棱柱体单元转换为三个四面体单元，构建出四面体格网结构的三维建筑模拟图像。
本说明书的一些实施例利用三角网格和四面体网格等三维建模方式，构建城市建筑群三维空间数据模型，有利于实现“非规则四面体剖分”和三维高精度重力正演计算的无缝链接，提高了建筑模拟图像的精确度。
本说明书的一些实施例将目标区域的地形轮廓用三角网格拟合，再利用建筑高程信息等数据用单位柱体的集合模拟建筑，构建建筑模拟图像，提高了建筑模拟图像与现实的贴合性。
图4是根据本说明书一些实施例所示的确定重力修正数据的示意图。如图4所示，确定重力修正数据的过程400可以包括以下内容。
在一些实施例中，重力数据相关于重力测点数据，处理器可以基于建筑模拟图像410、重力测点数据430，确定重力修正数据460。
在一些实施例中，处理器可以基于历史数据构建第一向量数据库。第一向量数据库是可以用于存储、分析、检索向量的数据库。第一向量数据库中包括多个参考向量，每个参考向量对应一个重力修正数据。每个参考向量中的元素可以包括建筑模拟图像和历史重力测点数据。
处理器可以构建用于表征当前的建筑模拟图像和重力测点数据的特征向量，比对参考向量和特征向量的相似度，处理器可以将相似度最高的参考向量对应的重力修正数据作为当前的重力修正数据。
在一些实施例中，处理器可以通过预设算法确定重力修正数据460。
预设算法可以包括对似三棱柱体进行分割获得非规则四面体，以及基于前述非规则四面体进行重力正演计算，从而确定重力修正数据。
在一些实施例中，对似三棱柱体进行分割获得非规则四面体的过程包括链接目标单元的三个侧面四边形的对角线，基于两两交叉的对角线，将目标单元对应的似三棱柱体分割成三个四面体体元。
如图8所示，仅作为示例，对于似三棱柱体123456进行“非规则四面体剖分”时，首先，连接其侧面四边形的对角线，得到对角线15、对角线26和对角线16，然后，基于前述三条对角线对似三棱柱体123456进行分割，得到四面体1456、四面体1256和四面体1236，完成分割过程。
通过上述过程，可以将地表划分为多个四面体体元。在一些实施例中，重力正演计算的过程包括在直角坐标系中确定四面体的各个顶点坐标，通过重力地改计算公式确定一个四面体体元对应的重力修正值，并通过对多个四面体体元对应的重力修正值进行累加，获得高精度的重力修正数据。
其中，重力正演计算的过程如下：
对于直角坐标系中的任一四面体ABCD，其每个面为一个三角形，各顶点的坐标可表示为A(x1,y1,z1)、B(x2,y2,z2)、C(x3,y3,z3)和D(x4,y4,z4)，可以通过如下重力地改计算公式，即公式(1)，计算四面体ABCD表面任一实测点P(xp,yp,zp)处的重力修正值：
其中，公式(1)中，G为万有引力常数；σ为建筑物的平均密度，x、y、z为P点的坐标。
利用高斯公式可将三维体积分转换为二维曲面积分，式中的γ是∑在点(x,y,z)处的法向量，由于四面体的4个三角形的法向量均是一个固体常量，因此，可以通过公式(2)计算四面体对应的重力修正值：
其中，公式(2)中，j表示四面体的各个面，γj表示四面体的各个面的法向量，该式表明计算四面体的体积分可以用围成四面体的各个三角形面的面积分乘以各个面法向量的方向余弦求得。
各个三角形面的法向量可由三角形各顶点的坐标求出，以△ABC面为例，其公式如下：
式中
而对于三角形的面积分在直角坐标系下的求解问题，可以通过坐标系旋转变换推导出该面积分的解析解公式。
如图9所示，以△ABC面为例，首先绕z轴转动x轴和y轴，设反时针转动了θ角，使x轴方向与△ABC的外法线在xoy面的投影方向一致，再绕新y轴转动z轴和新x轴，设顺时针转动了φ角使新z轴与△ABC外法线方向一致，于是在新坐标下的坐标值可由(4)式计算得到，式中x、y、z是原坐标下的坐标，X、Y、Z是新坐标下的坐标。
X＝x cosφcosθ+y cosθsinθ-z sinφ
Y＝-x sinθ+y cosθ
Z＝x sinφcosθ+y sinφsinθ+z cosφ…(4)
(4)式中cosφ、sinφ、cosθ、sinθ均可由△ABC各点的坐标计算出来，公式如下：
再旋转XOY平面坐标，设反时针转动了角，使新Y轴与某一边的外法线方向一致，得到新的坐标系εoη，在新坐标下的坐标值可由(10)式计算得到。
式中，
在新的坐标系εoη下，可将面积分化为线积分，即可得到：
在(8)式中，其中：/>
(9)式通过分部积分运算，可以得到：
将(4)式代入到(10)式，可以得到：
综上所述，将(7)、(11)式代入到(8)式，可得三角形的面积分ΔgΔABC。
多个物体在某点产生的重力场可以等量转换为各个物体在该点产生的重力场之和。因此，在一些实施例中，进行针对复杂地形或城市建筑群的地形改正计算中，每个目标单元及其分割出四面体子单元的地改计算可以并行处理。通过并行计算有利于提高计算效率，缩短计算时间。
本说明书的一些实施例通过预设算法，建立坐标系，分别计算四面体元各个面的面积分获得重力修正数据，引入并行计算技术，稳定多次地进行计算，提高了重力修正数据的精确性和计算效率。
在一些实施例中，响应于重力测点数据430之间的差异大于预设阈值，处理器可以基于建筑模拟图像410、重力测点数据430、区域特征440，通过修正模型450确定重力修正数据460。
在一些实施例中，处理器可以对多个重力测点数据进行分析，响应于存在一个重力测点位置的多次重力测点数据的差异大于预设阈值，则通过修正模型确定重力修正数据。其中，预设阈值可以基于先验经验和/或实际需求确定。
修正模型450是用于确定重力修正数据的模型。在一些实施例中，修正模型可以是机器学习模型，例如，图神经网络(Graph Neural Network,GNN)模型。
修正模型450的输入可以是建筑模拟图谱，输出可以包括节点的重力修正数据、边的重力修正数据。其中，边的重力修正数据指边上至少一个点的重力修正数据的累计值。
在一些实施例中，处理器可以基于建筑模拟图像410提取出建筑模拟图谱420。
在一些实施例中，建筑模拟图谱420的节点可以包括目标单元的顶点。节点属性可以包括：区域特征、重力测点数据的数据序列和建筑高程信息等。其中，区域特征是当前节点的预设邻域范围内的区域的特征。预设领域范围可以是以当前节点为圆心，半径为预设值的圆内包含的区域。有关建筑高程信息的更多说明可参见图3中的相关内容。
重力测点数据430是指在重力测点范围阈值内的点采用重力测点方式得到的数据。其中，重力测点范围阈值指重力测点数据在测点周围不会发生变化的距离范围，在该范围之内的重力测点，无需重复检测重力值。重力测点范围阈值可以基于人工预设，例如，重力测点范围阈值可以是10米。
在一些实施例中，可能存在某一节点不在任何一个重力测点的重力测点范围阈值内的情况，因此，该节点没有对应的重力测点数据，此时，可以将该节点的重力测点数据标记为0。
在一些实施例中，建筑模拟图谱420的边可以包括相邻节点之间的边，例如，建筑模拟图谱420的边可以对应前述似三棱柱体的边，边的属性可以包括节点之间的距离。有关似三棱柱体的详细说明可参见图3中的相关描述。
在一些实施例中，修正模型450可以通过训练得到。训练样本可以是基于历史数据确定的历史建筑模拟图谱，标签可以是通过预设算法得到的训练样本中样本节点和样本边对应的重力修正数据。有关预设算法的说明可参见前文描述。
本说明书的一些实施例考虑了多次重量测定数据出现较大差异时的情况，通过机器学习模型计算，能够减小计算的误差，提高结果的准确性。
本说明书的一些实施例通过多种方式确定重力修正数据，结合了建筑模拟图像和重力测点数据，不仅能通过多次计算取得重力修正数据的准确数值，还能在测定数据出现较大差异时，利用历史数据或机器学习模型减小计算误差，提高了计算结果的准确性。
图5视根据本说明书一些实施例所示的重力地形改正精度约束系统的示例性模块图。如图5所示，重力地形改正精度约束系统500至少可以包括第一确定模块510、第二确定模块520、建筑模拟模块530和重力修正模块540。
在一些实施例中，第一确定模块510可以用于确定目标区域中的子区域。
在一些实施例中，第一确定模块510进一步用于对目标区域进行网格化处理，获得多个单位区域，基于单位区域的区域地形数据、区域重力数据以及区域划分精度，通过聚类确定多个子区域。
在一些实施例中，第二确定模块520用于基于目标区域的地形数据、重力测点数据和划分精度要求，确定子区域的划分精细度。
在一些实施例中，建筑模拟模块530用于基于划分精细度、地形数据，构建目标区域的建筑模拟图像。
在一些实施例中，建筑模拟模块530进一步用于基于划分精细度，确定子区域中目标三角的大小；基于目标三角的大小、地形数据、目标区域的区域特征，构建建筑模拟图像。
在一些实施例中，重力修正模块540用于基于建筑模拟图像，确定重力修正数据。
在一些实施例中，重力修正模块进一步用于基于建筑模拟图像、重力测点数据，确定重力修正数据。
有关上述模块及其执行功能的更多说明，可参见本说明书图1-图4中的相关描述。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种重力地形改正精度约束方法，其特征在于，由处理器执行，包括：
确定目标区域中的子区域；
基于目标区域的地形数据、重力测点数据和划分精度要求，确定所述子区域的划分精细度；
基于所述划分精细度、所述地形数据，构建所述目标区域的建筑模拟图像；
基于所述建筑模拟图像，确定重力修正数据。
2.如权利要求1所述的重力地形改正精度约束方法，其特征在于，所述确定目标区域中的子区域包括：
对所述目标区域进行网格化处理，获得多个单位区域；
基于所述单位区域的区域地形数据、区域重力数据以及区域划分精度，通过聚类确定多个子区域。
3.如权利要求1所述的重力地形改正精度约束方法，其特征在于，所述基于所述划分精细度、所述地形数据，构建所述目标区域的建筑模拟图像包括：
基于所述划分精细度，确定子区域中目标三角的大小；
基于所述目标三角的大小、所述地形数据、所述目标区域的区域特征，构建所述建筑模拟图像。
4.如权利要求1所述的重力地形改正精度约束方法，其特征在于，所述重力修正数据还相关于所述重力测点数据；
所述基于所述建筑模拟图像，确定所述重力修正数据包括：
基于所述建筑模拟图像、所述重力测点数据，确定所述重力修正数据。
5.一种重力地形改正精度约束系统，其特征在于，包括：
第一确定模块，用于确定目标区域中的子区域；
第二确定模块，用于基于目标区域的地形数据、重力测点数据和划分精度要求，确定所述子区域的划分精细度；
建筑模拟模块，用于基于所述划分精细度、所述地形数据，构建所述目标区域的建筑模拟图像；
重力修正模块，用于基于所述建筑模拟图像，确定重力修正数据。
6.如权利要求5所述的重力地形改正精度约束系统，其特征在于，所述第一确定模块进一步用于：
对所述目标区域进行网格化处理，获得多个单位区域；
基于所述单位区域的区域地形数据、区域重力数据以及区域划分精度，通过聚类确定多个子区域。
7.如权利要求5所述的重力地形改正精度约束系统，其特征在于，所述建筑模拟模块进一步用于：
基于所述划分精细度，确定子区域中目标三角的大小；
基于所述目标三角的大小、所述地形数据、所述目标区域的区域特征，构建所述建筑模拟图像。
8.如权利要求5所述的重力地形改正精度约束系统，其特征在于，所述重力修正数据还相关于所述重力测点数据，所述重力修正模块进一步用于：
基于所述建筑模拟图像、所述重力测点数据，确定所述重力修正数据。
9.一种重力地形改正精度约束装置，包括处理器，所述处理器用于执行权利要求1～4中任一项所述的重力地形改正精度约束方法。
10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～4任一项所述的重力地形改正精度约束方法。
CN202311371002.7A 2023-10-20 2023-10-20 一种重力地形改正精度约束方法与系统 Pending CN117592151A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311371002.7A CN117592151A (zh) 2023-10-20 2023-10-20 一种重力地形改正精度约束方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311371002.7A CN117592151A (zh) 2023-10-20 2023-10-20 一种重力地形改正精度约束方法与系统

Publications (1)

Publication Number Publication Date
CN117592151A true CN117592151A (zh) 2024-02-23

Family

ID=89917245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311371002.7A Pending CN117592151A (zh) 2023-10-20 2023-10-20 一种重力地形改正精度约束方法与系统

Country Status (1)

Country Link
CN (1) CN117592151A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110075176A (ko) * 2009-12-28 2011-07-06 서울시립대학교 산학협력단 중력 시뮬레이션 자료 구축 방법 및 이를 수행하기 위한 시스템
CN111523077A (zh) * 2020-03-31 2020-08-11 山东省物化探勘查院 一种海岸带陆地重力测量中区—远一区地形改正计算方法
CN114119979A (zh) * 2021-12-06 2022-03-01 西安电子科技大学 基于分割掩码和自注意神经网络的细粒度图像分类方法
CN116702299A (zh) * 2023-08-02 2023-09-05 山东建筑大学 一种基于园林模拟的园林设计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110075176A (ko) * 2009-12-28 2011-07-06 서울시립대학교 산학협력단 중력 시뮬레이션 자료 구축 방법 및 이를 수행하기 위한 시스템
CN111523077A (zh) * 2020-03-31 2020-08-11 山东省物化探勘查院 一种海岸带陆地重力测量中区—远一区地形改正计算方法
CN114119979A (zh) * 2021-12-06 2022-03-01 西安电子科技大学 基于分割掩码和自注意神经网络的细粒度图像分类方法
CN116702299A (zh) * 2023-08-02 2023-09-05 山东建筑大学 一种基于园林模拟的园林设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯治汉;: "区域重力调查中的中区地形改正方法及精度", 物探与化探, no. 05, 15 October 2007 (2007-10-15), pages 78 - 81 *
张伟;廖国忠;张秋冬;李华;: "基于三角网扣合的山区重力测量高精度近区地改算法", 地球物理学进展, no. 05, 15 October 2015 (2015-10-15), pages 356 - 362 *

Similar Documents

Publication Publication Date Title
Kong et al. Automatic identification and characterization of discontinuities in rock masses from 3D point clouds
Rupnik et al. 3D reconstruction from multi-view VHR-satellite images in MicMac
CN103218783B (zh) 基于控制点影像数据库的卫星遥感图像快速几何纠正方法
Habib et al. Impact of interpolation techniques on the accuracy of large-scale digital elevation model
CN114943178A (zh) 一种三维地质模型建模方法、装置及计算机设备
CN113916130B (zh) 一种基于最小二乘法的建筑物位置测量方法
Tavani et al. Terrestrial SfM-MVS photogrammetry from smartphone sensors
CN114842364A (zh) 一种露天矿山边坡图像裂隙参数提取方法及装置
CN110827405A (zh) 一种数码遥感地质测绘方法及系统
Wichmann et al. Derivation of space-resolved normal joint spacing and in situ block size distribution data from terrestrial LIDAR point clouds in a rugged Alpine relief (Kühtai, Austria)
WO2022104251A1 (en) Image analysis for aerial images
CN116518864A (zh) 一种基于三维点云对比分析的工程结构全场变形检测方法
Mora-Felix et al. Effect of photogrammetric RPAS flight parameters on plani-altimetric accuracy of DTM
Javadnejad et al. An assessment of UAS-based photogrammetry for civil integrated management (CIM) modeling of pipes
Miky et al. A combined contour lines iteration algorithm and Delaunay triangulation for terrain modeling enhancement
Carneiro et al. Digital urban morphometrics: automatic extraction and assessment of morphological properties of buildings
Chen et al. A critical review of automated extraction of rock mass parameters using 3D point cloud data
CN112711646B (zh) 基于地学信息的找矿方法及装置、电子设备、存储介质
Demir Automated detection of 3D roof planes from Lidar data
Vystrchil et al. A method of determining the errors of segmented grid models of open-pit mines constructed with the results of unmanned aerial photogrammetric survey
Pepe et al. 4D geomatics monitoring of a quarry for the calculation of extracted volumes by tin and grid model: Contribute of UAV photogrammetry
WO2023223281A1 (en) Automated monitoring of constructional sites
PRATALI MAFFEI et al. The real in the virtual. The 3D model in the cultural heritage sector: The tip of the iceberg
CN116448078A (zh) 基于无人机倾斜摄影技术的矿山储量估算地形剖面方法
CN117592151A (zh) 一种重力地形改正精度约束方法与系统

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