CN117593477A - 融合无人机三维模型和地质填图的三维地质图填绘方法 - Google Patents
融合无人机三维模型和地质填图的三维地质图填绘方法 Download PDFInfo
- Publication number
- CN117593477A CN117593477A CN202410079040.3A CN202410079040A CN117593477A CN 117593477 A CN117593477 A CN 117593477A CN 202410079040 A CN202410079040 A CN 202410079040A CN 117593477 A CN117593477 A CN 117593477A
- Authority
- CN
- China
- Prior art keywords
- geological
- dimensional
- map
- ecological
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 239000003245 coal Substances 0.000 claims abstract description 30
- 238000011835 investigation Methods 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 239000010410 layer Substances 0.000 claims description 32
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 31
- 239000011707 mineral Substances 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 14
- 239000002689 soil Substances 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 11
- 239000011435 rock Substances 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012876 topography Methods 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 239000003673 groundwater Substances 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 5
- 239000003034 coal gas Substances 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 239000002028 Biomass Substances 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000008635 plant growth Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 239000002344 surface layer Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000005755 formation reaction Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000004927 fusion Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开了一种融合无人机三维模型和地质填图的三维地质图填绘方法。该方法包括：收集地质数据并使用无人机进行小比例尺测绘，以获取地表信息和制作地形图；利用无人机遥感技术解译地表数据，创建初步的生态地质底图，涵盖地质构造、生态环境等信息；进行煤炭地质特征与地表生态地质、煤炭资源保护等地质与资源环境的概略调查，更新底图，并进行大比例尺的无人机测量；通过无人机摄影测量和GPS定位进行广泛的野外调查，收集复杂地区的详细数据；结合观测点数据和无人机模型，制作包含多层生态地质要素的三维电子地质图。
Description
技术领域
本发明涉及地质填图技术领域，提出了一种融合无人机三维模型和（资源、环境、生态）地质填图的三维地质图填绘方法。
背景技术
传统的地质图填绘以地形图与地表地质填图结合为主，形成二维平面的地质图，图面展示的元素仅限于地表信息。本发明面向地质填图技术领域，主要针对生态地质要素的调查为核心，且相比传统二维平面地质图填绘，采用了无人机高精度摄影测量，可解决局部复杂、人无法抵达的区域生态地质观测的问题，且利用无人机三维模型与生态地质填图成果相结合，形成三维生态地质图。
三维生态地质图分为地表生态地质图层（包括地形地貌、植被、土壤、水系、矿山环境现状要素等）、地下浅层生态地质图层（土壤基质层、浅部岩层结构、渣土层结构、水文剖面、地质灾害浅部特征）、地下深部生态地质图层（深部岩层、煤层、隔水层、含水层、冻土层、矿层、地质灾害深部结构）等，各图层以属性形式涵盖相关生态地质要素的图片、影像、图像等要素信息，从地表、浅层、深层多个空间深度反映三维生态地质信息，形成多层叠置、三维可视化生态地质图。
传统的地质图是基于实地调查和地面样本收集。这些方法依赖于专业地质学家的观察和物理样本分析。地质学家直接访问研究区域，进行地质结构、岩石类型和地质构造的观察。这通常涉及对岩层的显著特征、断层、褶皱和其他地质现象的详细记录。在实地调查过程中，收集岩石、土壤、矿物和化石样本。这些样本随后在实验室中进行详细分析，以确定其化学和物理特性。地质学家使用地质罗盘、地图和笔记本等工具记录观察结果，包括岩层的倾斜方向、厚度和延伸方向。基于实地调查数据，地质学家绘制二维地质图。这些图表通常显示岩层、地质结构、矿床和其他地质特征的平面分布。缺乏三维视角: 虽然二维地质图为地表下的结构提供了一个总体的视图，但它们通常不能有效地表达复杂的三维地质结构，如地下断层的精确走向或岩层的三维形态。在偏远或地形复杂的区域，实地调查可能受到限制。例如，在高山、沙漠或密集森林中，收集完整和准确的地质数据可能非常困难。传统地质调查通常是时间密集和资源密集的。大范围区域的详细地质映射可能需要数月甚至数年的时间来完成。传统地质图绘制技术虽然在地质学发展的早期阶段起到了关键作用，但随着技术的发展，尤其是遥感技术和计算机辅助绘图（CAD）技术的进步，地质图的绘制方法也在不断进化。
无人机技术的引入确实为地质图绘制和地理数据收集带来了革命性的改变。无人机能够快速飞越广阔地区，远超过人力和地面车辆的覆盖范围。这使得能够在短时间内收集大面积的数据。现代无人机配备有高质量的相机和传感器，能够捕捉地表的高分辨率图像，提供详细的地表视图。利用立体摄影，无人机可以从不同的角度拍摄地表，这些图像随后可以用来构建精确的三维地表模型。三维模型能够展现地形的微小变化，包括坡度、凹凸和其他地貌特征以及地温异常、煤层氧化自燃等，这些在传统的二维地图中可能无法准确显示。无人机技术在地质领域的应用提供了更高效、安全且成本效益较高的数据收集方法，极大地扩展了地质科学的能力和应用范围。
融合技术在地质图绘制和数据分析中的应用，特别是结合无人机技术和传统方法，确实带来了一系列显著的优势。将无人机提供的高精度三维地表模型与传统地质调查的数据（如岩石类型、断层分布、土壤特性等）结合，可以创建更全面的地质表示。这种整合为地质结构的三维视图提供了更丰富的数据层。三维模型有助于更好地理解地质现象，如地层的倾斜、褶皱或侵蚀过程，这些在二维图中可能难以识别或解释。对于矿产和水资源等领域，精确的三维地质模型可以提高资源估算的准确性，优化开采计划。数据融合需要复杂的数据处理和分析技术，如地理信息系统（GIS）、远程感测和机器学习算法，以有效整合不同格式和来源的数据。通过多源数据融合，可以提高地质图的精确性和可靠性，尤其在复杂或数据稀缺的区域。
本发明提出了一种融合无人机三维模型和（资源、环境、生态）地质填图的三维地质图填绘方法，开始于收集地质数据并使用无人机进行小比例尺测绘，以获取地表信息和制作地形图。利用无人机遥感技术解译地表数据，创建初步的生态地质底图，涵盖地质构造、生态环境等信息。进行煤炭地质与地表生态地质的概略调查，更新底图，并进行大比例尺的无人机测量。通过无人机摄影测量和GPS定位进行广泛的野外调查，收集复杂地区的详细数据。结合观测点数据和无人机模型，制作包含多层生态地质要素的三维电子地质图。
发明内容
本发明旨在融合无人机三维模型和地质填图的三维地质图填绘方法。
为达到上述目的，针对结合无人机三维模型和生态地质填图，本发明提出了一种融合无人机三维模型和地质填图的三维地质图填绘方法，包括以下步骤：
S1，收集区内生态地质、水文地质及煤炭、煤系气矿产地质数据；并开展无人机小比例尺测绘，通过无人机飞行采集全区地表信息，形成数字高程模型，生成1:2000~1:10000地形图和影像图；
S2，开展无人机遥感初步解译，形成初步生态地质底图，图件上包含的信息主要包括区域地质与构造信息、生态环境、地表岩性、地表植物生长情况、地形地貌、地表建筑物；初步掌握研究区内地质背景、生态地质概况，并对收集到的图像和扫描数据进行预处理；
S3，开展煤炭地质与地表生态地质概略调查，针对步骤S2初步解译需调查的重点问题开展调查验证，构建初步三维地表模型；开展无人机大比例尺专项测量，针对详细生态地质要素、专项生态要素信息开展专项测量，对立体摄影数据进行图像匹配，并进行三维重建和调整优化，形成详细的生态地质底图；
S4，进行野外大范围生态地质填绘，基于步骤S3的底图，结合无人机摄影测量和GPS定位，进行自然地理、地层、构造、矿产、生态资源、水文地质和矿山地质灾害专项与煤炭资源保护要素的详细调查；对生态地质底图进行进一步三维地表模型建模和解释；
S5，生成生态地质图件，使用三维空间插值方法将地表观测点的地质信息与无人机三维模型、剖面图融合，加权叠加不同生态地质要素信息，形成多层空间三维电子生态地质图，并添加图件辅助要素。
根据本发明实施例提出的一种融合无人机三维模型和资源、环境、生态地质填图的三维地质图填绘方法。本发明包括：收集地质数据并使用无人机进行小比例尺测绘，以获取地表信息和制作地形图；利用无人机遥感技术解译地表数据，创建初步的生态地质底图，涵盖地质构造、生态环境等信息；进行煤炭地质与地表生态地质的概略调查，更新底图，并进行大比例尺的无人机测量；通过无人机摄影测量和GPS定位进行广泛的野外调查，收集复杂地区的详细数据；结合观测点数据和无人机模型，制作包含多层生态地质要素的三维电子地质图。
根据本发明的一个实施例，所述步骤S1包括：
S11，全面理解区域的自然特性和资源潜力，进行数据收集工作；对区域内的生态地质、水文地质以及矿产地质数据深入研究和分析；生态地质数据的收集涉及评估地区的地质结构、土壤类型、地貌特征；水文地质的数据收集聚焦于理解地下水的分布、流动和质量；矿产地质数据的收集关注于识别和评估区域内的矿产资源；
S12，根据所需的地形图和影像图的精度，选择配备高分辨率相机和激光雷达（LiDAR）的无人机；根据目标区域的大小和地形特征，计划无人机的飞行路径，确保全面覆盖整个区域。
根据本发明的一个实施例，步骤S2还包括：
S21，使用地理信息系统（GIS）软件，将收集到的数据解译为专业的地形图和影像图，包括添加图例、比例尺、方向指标元素形成初步生态地质底图；
S22，对收集的图像和扫描数据进行去噪和校正预处理，图像和扫描数据校正使用以下公式：
；
其中是校正后的图像和扫描数据，/>是原始图像和扫描数据，/>是暗场校正数据，/>是常数校正因子。
根据本发明的一个实施例，步骤S3还包括：
S31，立体摄影测量利用收集的图像，通过立体摄影测量技术构建三维地表模型，采用如下公式进行图像匹配：
；
其中，是匹配得分，/>表示图像平面上的水平坐标位置，/>表示图像平面上的垂直坐标位置，/>是窗口大小，/>、/>是匹配图像对，/>，/>是图像之间的位移；
S32，三维重建使用多视角立体视觉算法将匹配的图像对转换为三维点云；进行图像匹配，即在不同图像中识别相同物理点的过程，涉及特征点提取和特征描述；特征点提取识别图像中独特的点，使用SIFT（尺度不变特征变换）算法，使用以下公式表示特征点的提取：
；
其中是高斯差分空间，/>是高斯模糊函数，/>是原始图像，/>是尺度参数；
三维点云重建计算两个视角看到的同一点在三维空间中的确切位置，三角测量的基本公式表示为：
；
其中P1、是两个相机的投影矩阵，/>、/>是相应的像素坐标，/>是三维空间中的点，/>为三角测量函数；
S33，通过调整优化过程以改善点云的质量和准确性，调整相机的位置和方向，以及三维点的位置，以最小化投影误差，优化调整公式为：
；
其中是投影矩阵，/>是三维点，/>是相机/>的投影矩阵，/>是在相机/>中观察到的点的图像坐标，/>是投影函数。
根据本发明的一个实施例，步骤S4还包括：
S41，分析地区的地形地貌、气候条件以及生态环境因素，以了解该地区的自然特征和潜在的环境问题；识别和评估该地区的矿产资源，包括各种金属和非金属矿物，分析地下水的分布、运动和质量，识别和评估矿区的地质灾害风险；
S42，三维建模对采集的图像和数据进行处理，包括图像拼接、校正和数据分析；利用收集到的数据创建地表和地下的三维模型对地质结构和生态特征进行分析和解释。
根据本发明的一个实施例，步骤S5还包括：
S51，根据地质填图地表观测点的平面坐标和高程的地质信息点数据，对区内地层、矿层发育、构造特征进行可视化演示，将上述形成的信息与无人机三维模型、剖面图相结合，按照地表层、地下浅层、地下深层三个维度叠置生态地质要素信息，并添加各维度生态要素的属性信息，形成多层空间不同要素叠置的三维电子生态地质图；三维空间插值方法将地质数据映射到无人机三维模型上，使用三维克里金插值：
；
其中是待估计点的值，/>是已知点的值，/>是权重，/>是三维坐标，/>是待估计点的数量；
S52，将插值后的地质数据叠加到无人机生成的三维模型上，形成多层空间三维电子生态地质图：使用加权方法将地质数据叠加到三维模型的顶点对于三维模型中的每个顶点上；权重可以根据顶点到最近邻点的距离计算，以达到在模型表面平滑过渡的效果，加权叠加公式为：
；
其中，是增强后的三维模型顶点，/>是原始三维模型顶点，/>是为地质数据中最接近/>的点；/>是根据距离计算的权重函数，定义为：
；
这里是控制权重衰减速率的参数；
S53，综合整理，补充图件辅助要素；基于地质数据，应用颜色、纹理和符号来区分不同的岩石类型、土壤质地和水文地质特征，使用三维可视化软件渲染具有地质属性的三维模型。
根据本发明的一个实施例，所述各维度生态要素的属性信息包括基础要素、生态资源、水文地质和地质灾害；所述图件辅助要素包括图例、图框、比例尺。
与现有技术相比，本发明具有以下有益效果：
（1）本发明通过结合无人机的高精度三维模型与传统生态地质填图数据，可以生成更精确、更详细的三维地质图。无人机模型提供了地表的高分辨率视图，包括微小的地形变化和地表特征，而传统数据补充了地下结构、岩层组成和生态特性等信息。这种高级别的细节和精度对于地质学家来说至关重要，可以帮助他们更准确地识别地质现象，如断层、侵蚀模式和矿产分布，从而提供更可靠的数据支持科学研究和资源管理。
（2）本发明的三维地质图为地质特征提供了一个直观的、立体的视角，极大地增强了地质分析和可视化的能力。这种立体视图不仅有助于更好地解释和理解复杂的地质构造和生态环境，而且对于非专业人士（如城市规划师、环境保护工作者和教育工作者）来说，也是一个更易于理解和交流的工具。在实际应用中，如城市规划、环境监测、灾害管理以及自然资源评估等领域，这种可视化工具可以支持更有效的决策和沟通。
（3）使用无人机进行地质和生态数据的收集，相比于传统的地面调查方法，不仅大大提高了效率，而且降低了执行地质调查时的物理风险。无人机可以快速地覆盖广阔的区域，特别是那些地理条件恶劣或对人类不易接近的地区，如高山、沼泽地、密林或灾区。这种方法降低了人员在野外调查中的风险，减少了对环境的干扰，同时提高了数据收集的速度和范围。此外，无人机在紧急情况或灾害响应中的快速部署能力对于及时获取关键信息、指导救援行动和评估灾害影响具有重要价值。
（4）本发明通过针对多个过程构建多个专门模型，在地质研究和环境分析方面带来显著好处。首先，不同阶段的专门模型提升了数据精度和细节，使得对研究区域的理解更为深入和全面。例如，无人机测绘提供高精度地形数据，而遥感解译和生态地质调查进一步丰富这些信息。其次，多维度分析能够综合考虑地质构造、生态环境和矿产资源等因素，提供更全面的区域理解。此外，不同模型的灵活性和适应性使得在数据可用性较低的区域也能获得准确结果。同时，通过在各阶段减少误差，整个过程的累积误差和不确定性得到有效控制。这种方法生成的详细三维电子生态地质图为决策提供有力支持，特别是在资源开发、环境保护和灾害管理等方面。最后，这种跨学科的方法整合了遥感技术、GIS、生态地质学和计算机视觉等多学科技术，促进了不同领域间的协作，对于理解复杂的地质和环境问题具有重要价值。
附图说明
图1是本发明实施例的提出了一种融合无人机三维模型和资源、环境、生态地质填图的三维地质图填绘方法步骤图；
图2是本发明实施例的煤炭生态地质图填绘技术示意图。
具体实施方式
下面结合附图来进一步描述本发明。
如图1所示，本发明框架主要分为以下五个步骤，它们逐层相接并最终将其进行融合。学习过程主要包括以下步骤：
S1，收集区内生态地质、水文地质及煤炭、煤系气矿产地质数据；并开展无人机小比例尺测绘，通过无人机飞行采集全区地表信息，形成数字高程模型，生成1:2000~1:10000地形图和影像图；
所述步骤S1中的收集区内生态地质、水文地质及煤炭、煤系气矿产地质数据和通过无人机飞行采集全区地表信息进一步包含：
S11，全面理解区域的自然特性和资源潜力，进行数据收集工作；对区域内的生态地质、水文地质以及矿产地质数据深入研究和分析；生态地质数据的收集涉及评估地区的地质结构、土壤类型、地貌特征；水文地质的数据收集聚焦于理解地下水的分布、流动和质量；矿产地质数据的收集关注于识别和评估区域内的矿产资源；
S12，根据所需的地形图和影像图的精度，选择配备高分辨率相机和激光雷达（LiDAR）的无人机；根据目标区域的大小和地形特征，计划无人机的飞行路径，确保全面覆盖整个区域。
S2，开展无人机遥感初步解译，形成初步生态地质底图，图件上包含的信息主要包括区域地质与构造信息、生态环境、地表岩性、地表植物生长情况、地形地貌、地表建筑物；初步掌握研究区内地质背景、生态地质概况，并对收集到的图像和扫描数据进行预处理；
所述步骤S2中的形成初步生态地质底图和收集到的图像和扫描数据进行预处理进一步包含：
S21，使用地理信息系统（GIS）软件，将收集到的数据解译为专业的地形图和影像图，包括添加图例、比例尺、方向指标元素形成初步生态地质底图；
S22，对收集的图像和扫描数据进行去噪和校正预处理，图像和扫描数据校正使用以下公式：
；
其中是校正后的图像和扫描数据，/>是原始图像和扫描数据，/>是暗场校正数据，/>是常数校正因子。
对收集的图像和扫描数据进行去噪和校正预处理是一个重要步骤，旨在提高数据的质量和准确性，从而确保后续分析的可靠性。去噪是为了减少或消除图像和扫描数据中的随机噪声。这一步骤通过保留有用信号的同时削弱或去除噪声，显著提升了数据的清晰度和质量。去噪处理后的图像更加平滑，易于解译和分析。暗场校正用于消除由于设备自身的不完善造成的背景噪声。通过从原始数据中减去暗场数据，可以有效降低由于设备缺陷引起的误差，提高数据的真实性和准确度。常数校正因子（C）用于标准化和校正图像的整体亮度和对比度。经过这种去噪和校正处理后的图像和扫描数据，在清晰度、对比度和准确性方面都得到显著提升。
S3，开展煤炭地质与地表生态地质概略调查，针对步骤S2初步解译需调查的重点问题开展调查验证，构建初步三维地表模型；开展无人机大比例尺专项测量，针对详细生态地质要素、专项生态要素信息开展专项测量，对立体摄影数据进行图像匹配，并进行三维重建和调整优化，形成详细的生态地质底图；
所述步骤S3中的构建三维地表模型、三维重建和调整优化进一步包含：
S31，立体摄影测量利用收集的图像，通过立体摄影测量技术构建三维地表模型，采用如下公式进行图像匹配：
；
其中，是匹配得分，/>表示图像平面上的水平坐标位置，/>表示图像平面上的垂直坐标位置，/>是窗口大小，/>、/>是匹配图像对，/>，/>是图像之间的位移；
立体摄影测量使用无人机收集的图像通过立体摄影测量技术构建三维地表模型。这一过程能够精确地捕捉地表的形态和特征，为后续的地质分析提供详尽的三维视角。立体摄影测量的精确性意味着模型能够真实反映地形地貌和生态特征。
S32，三维重建使用多视角立体视觉算法将匹配的图像对转换为三维点云；进行图像匹配，即在不同图像中识别相同物理点的过程，涉及特征点提取和特征描述；特征点提取识别图像中独特的点，使用SIFT（尺度不变特征变换）算法，使用以下公式表示特征点的提取：
；
其中是高斯差分空间，/>是高斯模糊函数，/>是原始图像，/>是尺度参数；
三维点云重建计算两个视角看到的同一点在三维空间中的确切位置，三角测量的基本公式表示为：
；
其中P1、是两个相机的投影矩阵，/>、/>是相应的像素坐标，/>是三维空间中的点，/>为三角测量函数；
S33，通过调整优化过程以改善点云的质量和准确性，调整相机的位置和方向，以及三维点的位置，以最小化投影误差，优化调整公式为：
；
其中是投影矩阵，/>是三维点，/>是相机/>的投影矩阵，/>是在相机/>中观察到的点的图像坐标，/>是投影函数。
三维重建与优化使用多视角立体视觉算法，将匹配的图像对转换为三维点云，从而实现地表的三维重建。通过特征点提取和三角测量，模型能够精确地描绘地表的细节，如岩层分布、植被覆盖和地形变化。优化过程进一步提高了点云的质量和准确性，确保模型能够准确地反映实际地貌和地质结构。步骤S3的实施提升了地质和生态数据的空间准确性和视觉表现力。通过精确的三维模型，研究人员能够更加深入地分析和解释地表数据，从而获得更准确的地质和生态洞见。
S4，进行野外大范围生态地质填绘，基于步骤S3的底图，结合无人机摄影测量和GPS定位，进行自然地理、地层、构造、矿产、生态资源、水文地质和矿山地质灾害专项与煤炭资源保护要素的详细调查；对生态地质底图进行进一步三维地表模型建模和解释；
所述步骤S4中的进行自然地理、地层、构造、矿产、生态资源、水文地质和矿山地质灾害专项与煤炭资源保护要素的详细调查，以及对生态地质底图进行进一步三维地表模型建模和解释，进一步包含：
S41，分析地区的地形地貌、气候条件以及生态环境等因素，以了解该地区的自然特征和潜在的环境问题；识别和评估该地区的矿产资源，包括各种金属和非金属矿物，分析地下水的分布、运动和质量，识别和评估矿区的地质灾害风险；
S42，三维建模对采集的图像和数据进行处理，包括图像拼接、校正和数据分析；利用收集到的数据创建地表和地下的三维模型对地质结构和生态特征进行分析和解释。
步骤S4在本发明中是执行详细的地质和生态特征调查，并将这些数据应用于进一步的三维地表模型建模和解释的阶段。全面的地质和生态调查将对自然地理、地层、构造、矿产资源、生态资源、水文地质和矿山地质灾害等进行深入的专项调查。三维地表模型的深入解释与建模利用从地质调查中获得的数据。将收集到的各种地质和生态数据集成到三维地表模型中，并通过高级可视化技术展示这些信息。这使得复杂的地质数据和生态信息可以以更易于理解和交互的方式呈现。
S5，生成生态地质图件，使用三维空间插值方法将地表观测点的地质信息与无人机三维模型、剖面图融合，加权叠加不同生态地质要素信息，形成多层空间三维电子生态地质图，并添加图件辅助要素。
所述步骤S5所述中的三维空间插值方法，形成多层空间三维电子生态地质图以及添加图件辅助要素，进一步包含：
S51，根据地质填图地表观测点的平面坐标和高程的地质信息点数据，对区内地层、矿层发育、构造特征进行可视化演示，将上述形成的信息与无人机三维模型、剖面图相结合，按照地表层、地下浅层、地下深层三个维度叠置生态地质要素信息，并添加各维度生态要素的属性信息，形成多层空间不同要素叠置的三维电子生态地质图；三维空间插值方法将地质数据映射到无人机三维模型上，使用三维克里金插值：
；
其中是待估计点的值，/>是已知点的值，/>是权重，/>是三维坐标，/>是待估计点的数量；
采用三维空间插值方法将地表观测点的地质信息与无人机三维模型和剖面图融合。这种先进的插值技术允许在三维模型中精确地表示地质数据，提供了空间上连续的地质信息展示。
S52，将插值后的地质数据叠加到无人机生成的三维模型上，形成多层空间三维电子生态地质图：使用加权方法将地质数据叠加到三维模型的顶点对于三维模型中的每个顶点上；权重可以根据顶点到最近邻点的距离计算，以达到在模型表面平滑过渡的效果，加权叠加公式为：
；
其中，是增强后的三维模型顶点，/>是原始三维模型顶点，/>是为地质数据中最接近/>的点；/>是根据距离计算的权重函数，定义为：
；
这里是控制权重衰减速率的参数；
加权叠加方法用于在三维模型上精确地映射地质数据，确保在模型表面平滑过渡和高度还原。此外，使用颜色、纹理和符号等可视化元素来区分岩石类型、土壤质地和水文地质特征，使得三维模型不仅信息丰富，而且直观易懂。
S53，综合整理，补充图件辅助要素；基于地质数据，应用颜色、纹理和符号来区分不同的岩石类型、土壤质地和水文地质特征，使用三维可视化软件渲染具有地质属性的三维模型。
所述各维度生态要素的属性信息包括基础要素、生态资源、水文地质和地质灾害；所述图件辅助要素包括图例、图框、比例尺。
步骤S5的执行将极大地提升地质数据的可用性和实用价值。通过精确的三维表示和细致的层次分析，这个阶段不仅增强了对地质结构的理解，而且为相关领域的专业人士提供了一个强大的分析和展示工具。
为了更好的展示本发明的技术和思想，以煤炭生态地质图为例展示了相关过程，生成的煤炭生态地质图如图2所示。首先收集煤炭区域的传统生态地质数据，包括地质结构、煤层分布、土壤类型、水文地质特征等。使用无人机对煤炭开采区进行空中摄影测量，收集高分辨率的地表图像，覆盖整个煤炭区域。煤层和地质结构模型结合地面采集的地质数据，创建煤层和其他地质结构的三维模型。将无人机生成的三维地表模型与传统的煤炭生态地质数据融合，创建一个综合的三维地质模型。分析煤炭开采对生态环境的影响，包括地形变化、土壤侵蚀、水资源变化等。利用融合后的数据，制作包含煤层分布、地质构造、生态特征和水文地质等信息的详细煤炭生态地质图。利用三维图形技术，为煤炭生态地质图提供直观、易于理解的可视化效果。通过这个过程，可以清晰地展示本发明如何将现代无人机测绘技术与传统地质调查方法相结合，以提高地质图的精度和实用性，特别是复杂的煤炭生态地质环境。
本文结合说明书附图和具体实施例进行阐述只是用于帮助理解本发明的方法和核心思想。本发明所述的方法并不限于具体实施方式中所述的实施例，本领域技术人员依据本发明的方法和思想得出的其它实施方式，同样属于本发明的技术创新范围。本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种融合无人机三维模型和地质填图的三维地质图填绘方法，其特征在于，包括以下步骤：
S1，收集区内生态地质、水文地质及煤炭、煤系气矿产地质数据；并开展无人机小比例尺测绘，通过无人机飞行采集全区地表信息，形成数字高程模型，生成1:2000~1:10000地形图和影像图；
S2，开展无人机遥感初步解译，形成初步生态地质底图，图件上包含的信息主要包括区域地质与构造信息、生态环境、地表岩性、地表植物生长情况、地形地貌、地表建筑物；初步掌握研究区内地质背景、生态地质概况，并对收集到的图像和扫描数据进行预处理；
S3，开展煤炭地质与地表生态地质概略调查，针对步骤S2初步解译需调查的重点问题开展调查验证，构建初步三维地表模型；开展无人机大比例尺专项测量，针对详细生态地质要素、专项生态要素信息开展专项测量，对立体摄影数据进行图像匹配，并进行三维重建和调整优化，形成详细的生态地质底图；
S4，进行野外大范围生态地质填绘，基于步骤S3的底图，结合无人机摄影测量和GPS定位，进行自然地理、地层、构造、矿产、生态资源、水文地质和矿山地质灾害专项与煤炭资源保护要素的详细调查；对生态地质底图进行进一步三维地表模型建模和解释；
S5，生成生态地质图件，使用三维空间插值方法将地表观测点的地质信息与无人机三维模型、剖面图融合，加权叠加不同生态地质要素信息，形成多层空间三维电子生态地质图，并添加图件辅助要素。
2.根据权利要求1所述的融合无人机三维模型和地质填图的三维地质图填绘方法，其特征在于，所述步骤S1中的收集区内生态地质、水文地质及煤炭、煤系气矿产地质数据和通过无人机飞行采集全区地表信息进一步包含：
S11，全面理解区域的自然特性和资源潜力，进行数据收集工作；对区域内的生态地质、水文地质以及矿产地质数据深入研究和分析；生态地质数据的收集涉及评估地区的地质结构、土壤类型、地貌特征；水文地质的数据收集聚焦于理解地下水的分布、流动和质量；矿产地质数据的收集关注于识别和评估区域内的矿产资源；
S12，根据所需的地形图和影像图的精度，选择配备高分辨率相机和激光雷达的无人机；根据目标区域的大小和地形特征，计划无人机的飞行路径，确保全面覆盖整个区域。
3.根据权利要求1所述的融合无人机三维模型和地质填图的三维地质图填绘方法，其特征在于，所述步骤S2中的形成初步生态地质底图和对收集到的图像和扫描数据进行预处理进一步包含：
S21，使用地理信息系统软件，将收集到的数据解译为专业的地形图和影像图，包括添加图例、比例尺、方向指标元素形成初步生态地质底图；
S22，对收集的图像和扫描数据进行去噪和校正预处理，图像和扫描数据校正使用以下公式：
；
其中是校正后的图像和扫描数据，/>是原始图像和扫描数据，/>是暗场校正数据，/>是常数校正因子。
4.根据权利要求1所述的融合无人机三维模型和地质填图的三维地质图填绘方法，其特征在于，所述步骤S3中的构建三维地表模型、三维重建和调整优化进一步包含：
S31，立体摄影测量利用收集的图像，通过立体摄影测量技术构建三维地表模型，采用如下公式进行图像匹配：
；
其中，是匹配得分，/>表示图像平面上的水平坐标位置，/>表示图像平面上的垂直坐标位置，/>是窗口大小，/>、/>是匹配图像对，/>，/>是图像之间的位移；
S32，三维重建使用多视角立体视觉算法将匹配的图像对转换为三维点云；进行图像匹配，即在不同图像中识别相同物理点的过程，涉及特征点提取和特征描述；特征点提取识别图像中独特的点，使用尺度不变特征变换算法，使用以下公式表示特征点的提取：
；
其中是高斯差分空间，/>是高斯模糊函数，/>是原始图像，/>是尺度参数；
三维点云重建计算两个视角看到的同一点在三维空间中的确切位置，三角测量的基本公式表示为：
；
其中P1、是两个相机的投影矩阵，/>、/>是相应的像素坐标，/>是三维空间中的点，为三角测量函数；
S33，通过调整优化过程以改善点云的质量和准确性，调整相机的位置和方向，以及三维点的位置，以最小化投影误差，优化调整公式为：
；
其中是投影矩阵，/>是三维点，/>是相机/>的投影矩阵，/>是在相机/>中观察到的点/>的图像坐标，/>是投影函数。
5.根据权利要求1所述的融合无人机三维模型和地质填图的三维地质图填绘方法，其特征在于，所述步骤S4中的进行自然地理、地层、构造、矿产、生态资源、水文地质和矿山地质灾害专项与煤炭资源保护要素的详细调查，以及对生态地质底图进行进一步三维地表模型建模和解释，进一步包含：
S41，分析地区的地形地貌、气候条件以及生态环境因素，以了解该地区的自然特征和潜在的环境问题；识别和评估该地区的矿产资源，包括各种金属和非金属矿物，分析地下水的分布、运动和质量，识别和评估矿区的地质灾害风险；
S42，三维建模对采集的图像和数据进行处理，包括图像拼接、校正和数据分析；利用收集到的数据创建地表和地下的三维模型对地质结构和生态特征进行分析和解释。
6.根据权利要求1所述的融合无人机三维模型和地质填图的三维地质图填绘方法，其特征在于，所述步骤S5进一步包含：
S51，根据地质填图地表观测点的平面坐标和高程的地质信息点数据，对区内地层、矿层发育、构造特征进行可视化演示，将上述形成的信息与无人机三维模型、剖面图相结合，按照地表层、地下浅层、地下深层三个维度叠置生态地质要素信息，并添加各维度生态要素的属性信息，形成多层空间不同要素叠置的三维电子生态地质图；三维空间插值方法将地质数据映射到无人机三维模型上，使用三维克里金插值：
；
其中 是待估计点的值，/>是已知点的值，/>是权重，/>是三维坐标，/>是待估计点的数量；
S52，将插值后的地质数据叠加到无人机生成的三维模型上，形成多层空间三维电子生态地质图：使用加权方法将地质数据叠加到三维模型的顶点对于三维模型中的每个顶点上；权重可以根据顶点到最近邻点的距离计算，以达到在模型表面平滑过渡的效果，加权叠加公式为：
；
其中，是增强后的三维模型顶点，/>是原始三维模型顶点，/>是为地质数据中最接近/>的点；/>是根据距离计算的权重函数，定义为：
；
这里是控制权重衰减速率的参数；
S53，综合整理，补充图件辅助要素；基于地质数据，应用颜色、纹理和符号来区分不同的岩石类型、土壤质地和水文地质特征，使用三维可视化软件渲染具有地质属性的三维模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410079040.3A CN117593477B (zh) | 2024-01-19 | 2024-01-19 | 融合无人机三维模型和地质填图的三维地质图填绘方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410079040.3A CN117593477B (zh) | 2024-01-19 | 2024-01-19 | 融合无人机三维模型和地质填图的三维地质图填绘方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117593477A true CN117593477A (zh) | 2024-02-23 |
| CN117593477B CN117593477B (zh) | 2024-04-19 |
Family
ID=89920615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410079040.3A Active CN117593477B (zh) | 2024-01-19 | 2024-01-19 | 融合无人机三维模型和地质填图的三维地质图填绘方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117593477B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6356646B1 (en) * | 1999-02-19 | 2002-03-12 | Clyde H. Spencer | Method for creating thematic maps using segmentation of ternary diagrams |
| CN104392017A (zh) * | 2014-10-14 | 2015-03-04 | 王佟 | 一种煤炭地质填图方法 |
| CN110163931A (zh) * | 2019-04-29 | 2019-08-23 | 山东省地质矿产勘查开发局第六地质大队 | 一种复杂矿区大比例尺地质填图方法 |
| CN111966732A (zh) * | 2020-08-12 | 2020-11-20 | 河北省地矿局第二地质大队 | 全智能化地质填图方法、装置、设备及可读存储介质 |
| CN116486028A (zh) * | 2023-04-26 | 2023-07-25 | 滁州学院 | 一种用于三维地质结构建模的自适应反距离加权插值方法 |
| WO2023185734A1 (zh) * | 2022-03-28 | 2023-10-05 | 中国矿业大学 | 一种基于三维点云数据库的矿山数字模型建立方法 |
| CN117274520A (zh) * | 2023-10-19 | 2023-12-22 | 中国煤炭地质总局地球物理勘探研究院 | 一种地质勘探的测绘方法 |
-
2024
- 2024-01-19 CN CN202410079040.3A patent/CN117593477B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6356646B1 (en) * | 1999-02-19 | 2002-03-12 | Clyde H. Spencer | Method for creating thematic maps using segmentation of ternary diagrams |
| CN104392017A (zh) * | 2014-10-14 | 2015-03-04 | 王佟 | 一种煤炭地质填图方法 |
| CN110163931A (zh) * | 2019-04-29 | 2019-08-23 | 山东省地质矿产勘查开发局第六地质大队 | 一种复杂矿区大比例尺地质填图方法 |
| CN111966732A (zh) * | 2020-08-12 | 2020-11-20 | 河北省地矿局第二地质大队 | 全智能化地质填图方法、装置、设备及可读存储介质 |
| WO2023185734A1 (zh) * | 2022-03-28 | 2023-10-05 | 中国矿业大学 | 一种基于三维点云数据库的矿山数字模型建立方法 |
| CN116486028A (zh) * | 2023-04-26 | 2023-07-25 | 滁州学院 | 一种用于三维地质结构建模的自适应反距离加权插值方法 |
| CN117274520A (zh) * | 2023-10-19 | 2023-12-22 | 中国煤炭地质总局地球物理勘探研究院 | 一种地质勘探的测绘方法 |
Non-Patent Citations (10)
| Title |
|---|
| 吴志春;郭福生;林子瑜;侯曼青;罗建群;: "三维地质建模中的多源数据融合技术与方法", 吉林大学学报(地球科学版), no. 06, 26 November 2016 (2016-11-26), pages 1895 - 1913 * |
| 张文若;康高峰;王永;: "遥感技术在煤炭地质中的应用现状及前景", 中国煤田地质, no. 02, 30 April 2006 (2006-04-30), pages 5 - 8 * |
| 徐社美: "忻定盆地松散地层结构研究及可视化模型的构建", 中国地质大学(武汉), 31 December 2006 (2006-12-31) * |
| 毛, 潘红, 吴飞, 庄越挺: "基于深度加权法向映射的三维模型检索", 计算机辅助设计与图形学学报, no. 02, 20 February 2005 (2005-02-20), pages 247 - 252 * |
| 王宁;付梅臣;郑新奇;: "数字地价模型的研究现状及展望", 安徽农业科学, no. 32, 10 November 2008 (2008-11-10), pages 14333 - 14335 * |
| 王辉;康高峰;尹卫军;滕志宏;: "剖面法编联地质界线在地质填图中的应用", 西北大学学报(自然科学版), no. 06, 25 December 2008 (2008-12-25), pages 1001 - 1005 * |
| 贺建群等: "三维地质建模技术在公路地质调绘中的应用", 《路基工程》, no. 06, 20 December 2019 (2019-12-20), pages 150 - 154 * |
| 郭福生;吴志春;李祥;张万良;曾文乐;林子瑜;谢财富;: "江西相山火山盆地三维地质建模的实践与思考", 地质通报, no. 1, 15 March 2018 (2018-03-15), pages 421 - 434 * |
| 闫和平: "航空遥感在煤田地质填图中的应用", 《陕西煤炭》, vol. 36, no. 05, 15 October 2017 (2017-10-15), pages 79 - 82 * |
| 黄海朋: "相山铀矿田河元背-居隆庵重点勘查区三维地质建模与分析", 《中国优秀硕士学位论文全文数据库 工程科技I辑》, no. 2018, 15 December 2018 (2018-12-15), pages 011 - 116 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117593477B (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111927552B (zh) | 基于天空地勘察技术的复杂山区长大深埋隧道勘察方法 | |
| Matasci et al. | Assessing rockfall susceptibility in steep and overhanging slopes using three-dimensional analysis of failure mechanisms | |
| García-Sellés et al. | Supervised identification and reconstruction of near-planar geological surfaces from terrestrial laser scanning | |
| Von Schwerin et al. | Airborne LiDAR acquisition, post-processing and accuracy-checking for a 3D WebGIS of Copan, Honduras | |
| Rarity et al. | LiDAR-based digital outcrops for sedimentological analysis: workflows and techniques | |
| Ismail et al. | Application of combined terrestrial laser scanning and unmanned aerial vehicle digital photogrammetry method in high rock slope stability analysis: A case study | |
| CN109872393B (zh) | 一种基于地上、地下地质信息的三维地质数据处理方法 | |
| WO2024083262A1 (zh) | 天-空-地-隧-孔一体化不良地质识别方法及系统 | |
| Buckley et al. | Combining aerial photogrammetry and terrestrial lidar for reservoir analog modeling | |
| Traxler et al. | The PRoViDE Framework: Accurate 3D geological models for virtual exploration of the Martian surface from rover and orbital imagery | |
| Yong et al. | Site characterization using integrated imaging analysis methods on satellite data of the Islamabad, Pakistan, region | |
| Zahm et al. | Use of unmanned aerial vehicles (UAVs) to create digital outcrop models: An example from the Cretaceous Cow Creek Formation, Central Texas | |
| Saputra et al. | The application of structure from motion (SfM) to identify the geological structure and outcrop studies | |
| CN117593477B (zh) | 融合无人机三维模型和地质填图的三维地质图填绘方法 | |
| Hodgetts | LiDAR in the environmental sciences: geological applications | |
| Mrics et al. | Combining terrestrial laser scanning, RTK GPS and 3D Visualisation: Application of optical 3D measurement in geological exploration | |
| Nguyen et al. | Application of Unmanned Aerial Vehicles for Surveying and Mapping in Mines: A Review | |
| Maiti et al. | A k-means clustering–based approach for 3D mapping and characterization of rock faces using digital images | |
| Rana et al. | Identification of lineaments using Google tools | |
| Monsen et al. | The automated interpretation of photorealistic outcrop models | |
| Dadon et al. | A semi-automated GIS model for extracting geological structural information from a spaceborne thematic image | |
| Betlem et al. | High resolution digital outcrop model of faults and fractures in caprock shales, Konusdalen West, central Spitsbergen | |
| Aabø et al. | Establishing a high resolution 3D fracture dataset in chalk: possibilities and obstacles working with outcrop data | |
| Stewart | Scale dependence of strike and dip in sedimentary basins: Implications for field measurements and integrating subsurface datasets | |
| Riley et al. | Airborne and terrestrial laser scanning-applications for Illawarra Coal |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |