CN118247462A - 一种dem数据生成方法、系统、存储介质及电子设备 - Google Patents
一种dem数据生成方法、系统、存储介质及电子设备 Download PDFInfo
- Publication number
- CN118247462A CN118247462A CN202410342499.8A CN202410342499A CN118247462A CN 118247462 A CN118247462 A CN 118247462A CN 202410342499 A CN202410342499 A CN 202410342499A CN 118247462 A CN118247462 A CN 118247462A
- Authority
- CN
- China
- Prior art keywords
- data
- point
- points
- repetition
- dem
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 230000001788 irregular Effects 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 11
- 238000009826 distribution Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000750 progressive effect Effects 0.000 description 5
- 238000012876 topography Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本申请涉及点云数据处理技术领域,尤其涉及一种DEM数据生成方法、系统、存储介质及电子设备,本发明通过将点云数据划分为多个数据块,对数据块进行格网分割,提取每一个格网中高程局部最低点作为初始地面种子点,基于初始地面种子点构建不规则三角网;遍历所有数据点,计算数据点与三角面片的最小反复距离以及最大反复角;通过预设的反复距离阈值和反复角阈值进行双重判断,同时满足最小反复距离小于反复距离阈值,且最大反复角小于反复角阈值时,才确定该数据点为地面数据点,否则确定该数据点为数据孔洞格网坐标点;最后对所有数据孔洞格网坐标点进行插值处理,导出插值后的数据至DEM文件,得到DEM数据产品。
Description
技术领域
本申请涉及点云数据处理技术领域,尤其涉及一种DEM数据生成方法、系统、存储介质及电子设备。
背景技术
机载激光雷达系统(light detection and ranging,LiDAR)作为目前最可靠、高效的空间数据采集手段,在三维立体建模、基础地形测绘、地形分析和自然资源管理等领域都具有广泛应用,为地表形态的数字化表达提供了重要的信息来源。在DEM(DigitalElevation Model,数字高程模型)和等高线数据产品的生产中,由于雷达点云中存在大量的非地面点,需要通过地物滤波的方式对数据进行重构,保留地表特征的同时提取并剔除植被、桥梁和建筑物等目标地物,从而有效提高数字高程产品的精度并保证其可用性。
现有技术中,为适应点云数据空间分布的差异性,采用渐进加密不规则三角网滤波方法进行地物提取;渐进加密不规则三角网滤波方法针对不同区域,仅需对数据进行归类并分别设置滤波参数,即可去除布料算法中存在的精度误差。对于平地区域,窗口大小应当大于区域最大建筑物对角线,距离与角度阈值不宜过大,防止低矮地物误分导致地表出现错误的凹凸起伏;对于山地区域,窗口选取不易过小,足够的地面点密度确保TIN(Triangulated Irregular Network,不规则三角网)的完整表达,由于相邻地面点的高程差值较大,且山体坡度明显小于地物上点与地面夹角,因此距离和角度阈值的选取应整体大于平坦地区。在数据点密度足够的情况下,该算法能够一定程度上适应地形特征,在平坦区域与崎岖山地均可实现较好的地物分割效果。
但是,现有渐进加密不规则三角网滤波阈值参数选择缺乏大量数据信息论证,导致在陡坡或者陡坎的时候,通常不能很好的保留陡坎上的点,同时在贴近地面的物体的一定高度处会被视作为地面点,比如路面上的车、行人等,因此,造成对激光点云和DSM(Digital Surface Model,数字地表模型)数据细节信息的丢失,导致激光点云和DSM数据滤波算法精度下降,而构建DEM使用的是点云的地面点部分,因此在一定程度上,将影响DEM数据重构的精度;同时,大范围数据下循环查找三角面片耗时长、计算量大且一次性加载到内存会出现内存不足的技术问题,导致对于数据具有一定的局限性,计算效率较低。
发明内容
本发明公开了一种DEM数据生成方法、系统、存储介质及电子设备,旨在解决现有技术中地物提取精度和计算效率低的技术问题。
主要通过以下技术方案实现上述发明目的:
第一方面,提供了一种DEM数据生成方法,通过获取点云数据;将所述点云数据划分为多个数据块;对所述数据块进行格网分割;提取每一个格网中高程局部最低点作为初始地面种子点;根据初始地面种子点构建不规则三角网,所述不规则三角网包含若干由所述初始地面种子点组成的三角面片;遍历所有数据点,分别计算数据点与所述三角面片的最小反复距离和最大反复角,基于预设的反复距离阈值和反复角阈值进行判断,将最小反复距离小于反复距离阈值且最大反复角小于反复角阈值的数据点,确定为地面数据点,否则确定为数据孔洞格网坐标点;最后对所有数据孔洞格网坐标点进行插值处理;再导出插值后的目标点云数据至DEM文件,即得到DEM数据产品。
第二方面,提供了一种DEM数据生成系统,其特征在于,包括:
数据模块,用于获取点云数据;
数据划分模块,用于将所述点云数据划分为多个数据块;
格网分割模块,用于对所述数据块进行格网分割;
提取模块,用于提取每一个格网中高程局部最低点作为初始地面种子点;
三角网构建模块,用于根据所述初始地面种子点构建不规则三角网,所述不规则三角网包含若干由所述初始地面种子点组成的三角面片;
计算模块,用于遍历所有数据点,分别计算数据点与所述三角面片的最小反复距离和最大反复角;
判断模块,用于判断所述最小反复距离是否小于预设的反复距离阈值,以及判断所述最大反复角是否小于预设的反复角阈值;
确定模块,用于将最小反复距离小于反复距离阈值且最大反复角小于反复角阈值的数据点,确定为地面数据点,否则确定为数据孔洞格网坐标点;
插值处理模块,用于对所有数据孔洞格网坐标点进行插值处理;
DEM数据生成模块,用于导出插值后的目标点云数据至DEM文件,得到DEM数据产品。
第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的一种DEM数据生成方法的部分或全部步骤。
第四方面,一种电子设备,所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的一种DEM数据生成方法的部分或全部步骤。
第五方面,一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的一种DEM数据生成方法的部分或全部步骤。
相较于现有技术的有益效果:
本发明通过将点云数据划分为多个数据块,对数据块进行格网分割,提取每一个格网中高程局部最低点作为初始地面种子点,基于初始地面种子点构建不规则三角网;遍历所有数据点,计算数据点与三角面片的最小反复距离以及最大反复角;通过预设的反复距离阈值和反复角阈值进行双重判断,同时满足最小反复距离小于反复距离阈值,且最大反复角小于反复角阈值时,才确定该数据点为地面数据点,否则确定该数据点为数据孔洞格网坐标点;最后对所有数据孔洞格网坐标点进行插值处理,导出插值后的数据至DEM文件,得到DEM数据产品。本发明技术方案可针对多个数据块进行多核并行的运算方式,避免了因一次性加载数据到内存导致内存不足的问题,可降低大范围数据下循环查找三角面片的耗时和计算量,有利于提高计算效率;同时,利用空间几何信息统计分布特征的最大峰值,作为反复距离阈值和反复角阈值的设定依据,不仅能有效去除激光点云数据和DSM数据的地理表面物,且极大地提高了激光点云数据和DSM数据的地物提取精度,从而提高将激光点云数据和DSM数据恢复到DEM数据(即DEM数据重构)的精度。解决了现有技术中地物提取精度和计算效率低的技术问题。
附图说明
图1为本发明实施例一种DEM数据生成方法的流程示意图;
图2为本发明实施例不规则三角网的结构示意图;
图3为本发明实施例数据点与三角面片的空间示意图;
图4为本发明实施例低矮狭长建筑物在不规则三角网模型中的示意图;
图5为本发明实施例一种DEM数据生成系统的结构示意图;
图6为本发明实施例的一种电子设备的结构示意图;
本申请涉及的附图标记如下:
第一初始地面种子点-V1;第二初始地面种子点-V2;第三初始地面种子点-V3;
边界辅助点-A;任一数据点-P;最小反复距离- d;
连线PV1与三角面片V1V2V3之间的夹角;连线PV2与三角面片 V1V2V3之间的夹角;连线PV3与三角面片V1V2V3之间的夹角/>;
低矮狭长的建筑物-MN;三角形顶点-Q;
数据模块-501;数据划分模块-502;格网分割模块-503;提取模块-504;三角网构建模块-505;计算模块-506;判断模块-507;确定模块-508;插值处理模块-509;DEM数据生成模块-510;
中央处理单元-601;只读存储器-602;随机访问存储器-603;总线-604;输入/输出接口-605;输入部分-606;输出部分-607;存储部分-608;通信部分-609;驱动器-610;可拆卸介质-611。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本文件的保护范围。
需要说明的是,本发明实施例描述的仅仅是为了更加清楚地说明本发明实施例的技术方案,并不构成对本发明实施例提供的技术方案的限定。
实施例一
如图1所示,本发明实施例公开了一种DEM数据生成方法,其通过一种DEM数据生成系统来实现,以下简称系统。该系统采用UCDA(Compute Unified Device Architecture,统一计算设备架构,是显卡厂商NVIDIA推出的运算平台)加速计算模块,使得整体运行速度提升60%,解决大范围数据下循环查找三角面片时因计算量太大导致运行速度较低的问题。
本发明实施例主要应用于DEM(Digital Elevation Model,数字高程模型)和等高线数据产品的生产中,由于雷达点云中存在大量的非地面点,需要通过地物滤波的方式对数据进行重构,保留地表特征的同时提取并剔除植被、桥梁和建筑物等目标地物,从而有效提高数字高程产品的精度并保证其可用性;因此,本发明实施例主要是针对获取的原始雷达点云数据进行高精度的地物提取,提取出对数字高程产品精度影响的植被、桥梁和建筑物等目标地物。
上述方法具体包括以下内容:
101、获取点云数据。
本发明实施例可通过机载激光雷达系统(light detection and ranging,LiDAR)采集点云数据,LiDAR是目前最可靠、高效的空间数据采集工具,在三维立体建模、基础地形测绘、地形分析和自然资源管理等领域都具有广泛应用,为地表形态的数字化表达提供了重要的数据来源。
102、将所述点云数据划分为多个数据块。
根据渐进加密不规则三角网滤波算法的原理及数据实际大小情况,需要将原始的点云数据进行分块(例如按1000*1000大小将所述点云数据划分为多个数据块),然后逐块或同时以多核并行的方式进行地形过滤及修复。
本发明实施例采用此种方式,避免了因一次性加载数据到内存导致内存不足的问题,可降低大范围数据下循环查找三角面片的耗时和计算量,有利于提高计算效率。
在一些可行的实施方式中,遍历所有数据块的点云数据,判断每个数据块中的每个数据点的航带重叠度和密度是否满足预设条件,若不满足,则将该数据点剔除,若满足,则对该数据点进行投影变换和高程转换,检查数据指令,是否存在明显漏洞,基于邻域统计分析,对雷达系统多路效应导致的低于实际地形的低位粗差点进行剔除。
103、对所述数据块进行格网分割。
通过估计最大建筑物尺寸,以最大建筑物的外接矩形边界大小对所述数据块进行格网分割;建立规则格网索引。格网索引作为在数据库中高效处理空间查询而设计的索引结构,其目的是便于空间选取和空间连接查询。在响应一条查询时,空间索引方法只需查找该空间中所有对象的一个关联子集,并将其返回至查询结 果集中。因此,采用此种方式有利于进一步提高对点云数据进行地物提取的计算效率。
104、提取每一个格网中高程局部最低点作为初始地面种子点。
通过估计最大建筑物尺寸,以最大建筑物的外接矩形边界大小对所述数据块进行格网分割之后,在每个数据块分割的格网中找到高程局部最低点位置,作为初始地面种子点,以便后续通过这些初始地面种子点建立稀疏三角网。然后通过向上渐进加密三角网的方法提取地面点,直至没有新的地面点位置。
105、根据所述初始地面种子点构建不规则三角网。
如图2所示,图2为本发明实施例不规则三角网的结构示意图,首先任意选取一个第一初始地面种子点 V1,再选取与所述第一初始地面种子点V1距离最近的第二初始地面种子点V2和第三初始地面种子点V3;将第一初始地面种子点V1、第二初始地面种子点V2和第三初始地面种子点V3作为三个顶点,组成一个三角面片。以此类推,遍历所有的初始地面种子点,组成若干个三角面片;再基于所有的三角面片构建不规则三角网。
在一些可行的实施方式中,如图2所示,设定边界辅助点A,将其也作为初始地面种子点,边界辅助点A位于网格边界上。
更进一步的,在一些可行的实施方式中,将位于网格边界上的网格顶点作为边界辅助点A。
如此,如上所述,基于初始地面种子点构建的不规则三角网,可以完全覆盖网格内的所有数据点,可确保所有数据点都能参与到后续基于最小反复距离和最大反复角的判断,从而确定是否为地面数据点的筛选。
106、任意选取一数据点,计算该数据点与所述三角面片的最小反复距离。
如上所述,选定初始地面种子点之后,则其余的数据点均为待判断点。从待判断点中任意选取一数据点 P(xP,yP,zP)。所述反复距离表示数据点与三角面片的垂直距离。反复距离反映了三角网向上抬升的程度,其保证了当三角形很大时,三角网不会向上产生较大的跳跃,因此,尤其能有效地滤除一些低矮狭长的建筑物。因此,本发明实施例中,通过计算数据点P(xP,yP,zP)到最近三角形的垂直距离d,来筛选地面数据点,即,计算数据点P(xP,yP,zP)与上述步骤5构建的不规则三角网中的三角面片的反复距离中的最小值,即所述最小反复距离。
如图3所示,图3为本发明实施例数据点与三角面片的空间示意图,从待判断点中任意选取一数据点 P(xP,yP,zP),假设其最近三角形为 V1V2V3, V1、V2、V3为该三角形的顶点,其空间坐标分别为V1(xv1,yv1,zv1)、V2(xv2,yv2,zv2)、V3(xv3,yv3,zv3)。
空间中已知三角形顶点坐标,可确定平面方程为:
;
其中:
A、B、C、D为常数项,A、B、C分别表示空间坐标系x、y、z轴方向上的法向量分量; D表示空间坐标系原点(0,0,0)到三角面片的垂直距离。
根据上述平面方程可知,计算数据点P(xP,yP,zP)与三角面片V1V2V3的最小反复距离的计算式如下:
;
其中:
d为数据点与三角面片的最小反复距离;
xP,yP,zP表示数据点的空间坐标;
A、B、C分别表示空间坐标系 x、y、z轴方向上的法向量分量;
D表示空间坐标系原点(0,0,0)到三角面片V1V2V3的垂直距离。
107、判断最小反复距离是否小于预设的反复距离阈值。
本发明实施例利用空间几何信息统计分布特征的最大峰值,作为反复距离阈值和反复角阈值的设定依据。反复角反映了三角网向上抬升的程度,反复角越小,地面上的低矮植被点被误判定为地面点的可能性就越小,因此,若最小反复距离小于预设的反复距离阈值,则需要继续通过判断反复角是否小于预设的反复角阈值,来进一步确定该数据点是否为地面数据点,因此,转到步骤108,计算该数据点与所述三角面片的最大反复角。否则,若最小反复距离大于预设的反复距离阈值,则可以判定该数据点一定不是地面数据点,因此,可以直接确定该数据点为数据孔洞格网坐标点,转到步骤111。
如上所述,本发明实施例当判断到当前数据点与三角面片的最小反复距离,大于或等于预设的反复距离阈值时,则可以直接确定该数据点为数据孔洞格网坐标点,无需再继续计算当前数据点与三角面片的最大反复角,以及判断该最大反复角是否小于预设的反复角阈值,减少运算量,有利于提高计算效率。当确定当前数据点为数据孔洞格网坐标点后,遍历下一数据点,返回步骤106,重复执行步骤106~111,直至遍历完所有的数据点。
108、计算该数据点与所述三角面片的最大反复角。
如图3所示,反复角表示连线PV1、PV2、PV3分别与三角面片V1V2V3之间的夹角,连线PV1、PV2、PV3表示数据点 P(xP,yP,zP)分别与三角面片的顶点V1、V2、V3之间的连线;数据点 P(xP,yP,zP)与三角面片 V1V2V3的最大反复角为最短连线min(PV1、PV2、PV3)与三角面片 V1V2V3之间的夹角/>,即/>。
计算数据点P(xP,yP,zP)与三角面片V1V2V3的最大反复角的计算式如下:
;
其中:
表示数据点与三角面片的最大反复角;
表示数据点与三角面片三个顶点的距离最小值,即上述min(PV1、PV2、PV3);
计算数据点与三角面片三个顶点的距离的计算式如下:
;
其中:
SiP表示数据点与三角面片第 i个顶点的距离, i为正整数;
xvi、yvi、zvi表示三角面片第 i个顶点的空间坐标。
109、判断所述最大反复角是否小于预设的反复角阈值。
本发明实施例利用空间几何信息统计分布特征的最大峰值,作为反复距离阈值和反复角阈值的设定依据。反复角反映了三角网向上抬升的程度,反复角越小,地面上的低矮植被点被误判定为地面点的可能性就越小,因此,若最小反复距离小于预设的反复距离阈值,则需要继续通过判断反复角是否小于预设的反复角阈值,来进一步确定该数据点是否为地面数据点。若最大反复角也小于预设的反复角阈值,则确定该数据点 P(xP,yP,zP)为地面数据点,转到步骤110,否则转到步骤111,确定该数据点 P(xP,yP,zP)为数据孔洞格网坐标点。
如上所述,本发明实施例通过对最小反复距离和最大反复角的双重判断,确定出地面数据点和数据孔洞格网坐标点,因反复角和反复距离均反映了三角网向上抬升的程度;反复角越小,地面上的低矮植被点被误分为地面点的可能性也就越小;而反复距离则保证了当三角形很大时,三角网不会向上产生较大的跳跃,尤其能有效地滤除一些低矮狭长的建筑物。
如图4所示,图4为本发明实施例低矮狭长建筑物在不规则三角网模型中的示意图,MN表示一低矮狭长的建筑物,而Q为三角形顶点,建筑物中部的点与Q点形成的反复角可能在反复角阈值之内,但由于反复距离的限制,就不会被加入到TIN模型中去,即不会被提取为地面数据点。
110、确定该数据点为地面数据点,返回步骤106,直至遍历所有数据点。
111、确定该数据点为数据孔洞格网坐标点,返回步骤106,直至遍历所有数据点。
无论确定当前数据点是否为地面数据点,即表示对当前数据点的筛选结束,均需遍历下一数据点,返回步骤106,重复执行步骤106~111,直至遍历完所有的数据点。
在一些可行的实施方式中,当确定当前数据点为地面数据点时,根据确定的地面数据点更新上述不规则三角网,即,通过提取的地面数据点迭代加密三角网格,有利于提高点云数据中地物提取的精度。
112、对所有数据孔洞格网坐标点进行插值处理。
滤波后点云表现为存在大量空洞,通过反距离加权平均法对所有数据孔洞格网坐标点进行插值补齐。
113、导出插值后的目标点云数据至DEM文件,得到DEM数据产品。
最后通过构造算子矩阵并计算未知点高度,最终导出插值后的新数据至DEM文件,得到DEM数据产品。
本发明技术方案可针对多个数据块进行多核并行的运算方式,避免了因一次性加载数据到内存导致内存不足的问题,可降低大范围数据下循环查找三角面片的耗时和计算量,有利于提高计算效率;同时,利用空间几何信息统计分布特征的最大峰值,作为反复距离阈值和反复角阈值的设定依据,不仅能有效去除激光点云数据和DSM数据的地理表面物,且极大地提高了激光点云数据和DSM数据的地物提取精度,从而提高将激光点云数据和DSM数据恢复到DEM数据(即DEM数据重构)的精度。解决了现有技术中地物提取精度和计算效率低的技术问题。
实施例二
以上结合图1-图4详细说明了本申请实施例提供的一种DEM数据生成方法。以下结合图5详细说明用于执行本申请实施例提供的DEM数据生成方法的一种DEM数据生成系统。
图5为本发明实施例的一种DEM数据生成系统的结构示意图;参照图5,该DEM数据生成系统包括:
数据模块501,用于获取点云数据;
数据划分模块502,用于将所述点云数据划分为多个数据块;
格网分割模块503,用于对所述数据块进行格网分割;
提取模块504,用于提取每一个格网中高程局部最低点作为初始地面种子点;
三角网构建模块505,用于根据所述初始地面种子点构建不规则三角网,所述不规则三角网包含若干由所述初始地面种子点组成的三角面片;
计算模块506,用于遍历所有数据点,分别计算数据点与所述三角面片的最小反复距离和最大反复角;
判断模块507,用于判断所述最小反复距离是否小于预设的反复距离阈值,以及判断所述最大反复角是否小于预设的反复角阈值;
确定模块508,用于将最小反复距离小于反复距离阈值且最大反复角小于反复角阈值的数据点,确定为地面数据点,否则确定为数据孔洞格网坐标点;
插值处理模块509,用于对所有数据孔洞格网坐标点进行插值处理;
DEM数据生成模块510,用于导出插值后的目标点云数据至DEM文件,得到DEM数据产品。
本发明实施例一种DEM数据生成系统是对应上述实施例一种DEM数据生成方法,实现相应的功能。由于上述实施例中已经对一种DEM数据生成方法的各步骤具体实施方式进行了详细的说明,故在此DEM数据生成系统中不再赘述。
实施例三
如图6所示,本发明实施例还提供了一种电子设备,该电子设备包括,中央处理单元601,其可以根据存储在只读存储器602中的程序或者从存储部分608加载到随机访问存储器603中的程序而执行各种适当的动作和处理。在随机访问存储器603中,还存储有系统操作所需的各种程序和数据。中央处理单元601、只读存储器602以及随机访问存储器603通过总线604彼此相连。输入/输出接口605也连接至总线604。
以下部件连接至输入/输出接口605:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至输入/输出接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等,根据需要安装在驱动器610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608。
实施例四
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例所述的任一种DEM数据生成方法的部分或全部步骤。
实施例五
本发明还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述实施例所述的任一种DEM数据生成方法的部分或全部步骤。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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,所述模块、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,框图和/或流程图中的每个方框,以及框图和/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。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其他技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种DEM数据生成方法,其特征在于,包括:
获取点云数据;将所述点云数据划分为多个数据块;对所述数据块进行格网分割;提取每一个格网中高程局部最低点作为初始地面种子点;根据初始地面种子点构建不规则三角网,所述不规则三角网包含若干由所述初始地面种子点组成的三角面片;
遍历所有数据点,分别计算数据点与所述三角面片的最小反复距离和最大反复角,基于预设的反复距离阈值和反复角阈值进行判断,将最小反复距离小于反复距离阈值且最大反复角小于反复角阈值的数据点,确定为地面数据点,否则确定为数据孔洞格网坐标点;
对所有数据孔洞格网坐标点进行插值处理;导出插值后的目标点云数据至DEM文件,得到DEM数据产品。
2.根据权利要求1所述的DEM数据生成方法,其特征在于,对所述数据块进行格网分割,包括:
以最大建筑物的外接矩形边界大小对所述数据块进行格网分割。
3.根据权利要求2所述的DEM数据生成方法,其特征在于,根据初始地面种子点构建不规则三角网,包括:
遍历所有初始地面种子点,将每一个初始地面种子点与其距离最近的两个初始地面种子点组成若干三角面片;基于所述若干三角面片构建不规则三角网。
4.根据权利要求3所述的DEM数据生成方法,其特征在于,对所有数据孔洞格网坐标点进行插值处理,包括:
采用反距离加权平均法对所有数据孔洞格网坐标点进行插值处理。
5.根据权利要求4所述的DEM数据生成方法,其特征在于,计算数据点与所述三角面片的最小反复距离的计算式如下:
;
其中:
d为数据点与三角面片的最小反复距离;
xP、yP、zP表示数据点的空间坐标;
A、B、C分别表示空间坐标系x、y、z轴方向上的法向量分量;
D表示空间坐标系原点到三角面片的垂直距离。
6.根据权利要求5所述的DEM数据生成方法,其特征在于,计算数据点与所述三角面片的最大反复角的计算式如下:
;
其中:
表示数据点与三角面片的最大反复角;
表示数据点与三角面片三个顶点的距离最小值;
;
其中:
SiP表示数据点与三角面片第i个顶点的距离,i为正整数;
xvi、yvi、zvi 表示三角面片第i个顶点的空间坐标。
7.根据权利要求1~6任一项所述的DEM数据生成方法,其特征在于,将所述点云数据划分为多个数据块,之后还包括:
判断每个数据块中的每个数据点的航带重叠度和密度是否满足预设条件,若不满足,则将该数据点剔除,若满足,则对该数据点进行投影变换和高程转换。
8.一种DEM数据生成系统,其特征在于,包括:
数据模块,用于获取点云数据;
数据划分模块,用于将所述点云数据划分为多个数据块;
格网分割模块,用于对所述数据块进行格网分割;
提取模块,用于提取每一个格网中高程局部最低点作为初始地面种子点;
三角网构建模块,用于根据所述初始地面种子点构建不规则三角网,所述不规则三角网包含若干由所述初始地面种子点组成的三角面片;
计算模块,用于遍历所有数据点,分别计算数据点与所述三角面片的最小反复距离和最大反复角;
判断模块,用于判断所述最小反复距离是否小于预设的反复距离阈值,以及判断所述最大反复角是否小于预设的反复角阈值;
确定模块,用于将最小反复距离小于反复距离阈值且最大反复角小于反复角阈值的数据点,确定为地面数据点,否则确定为数据孔洞格网坐标点;
插值处理模块,用于对所有数据孔洞格网坐标点进行插值处理;
DEM数据生成模块,用于导出插值后的目标点云数据至DEM文件,得到DEM数据产品。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~7任一项所述的一种DEM数据生成方法的步骤。
10.一种电子设备,所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~7任一项所述的一种DEM数据生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410342499.8A CN118247462A (zh) | 2024-03-25 | 2024-03-25 | 一种dem数据生成方法、系统、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410342499.8A CN118247462A (zh) | 2024-03-25 | 2024-03-25 | 一种dem数据生成方法、系统、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118247462A true CN118247462A (zh) | 2024-06-25 |
Family
ID=91564199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410342499.8A Pending CN118247462A (zh) | 2024-03-25 | 2024-03-25 | 一种dem数据生成方法、系统、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118247462A (zh) |
-
2024
- 2024-03-25 CN CN202410342499.8A patent/CN118247462A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325837B (zh) | 一种基于地面三维激光点云的边坡dem生成方法 | |
CN106529469B (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
Tsai | Delaunay triangulations in TIN creation: an overview and a linear-time algorithm | |
Chen et al. | A multiresolution hierarchical classification algorithm for filtering airborne LiDAR data | |
CN112257597B (zh) | 一种点云数据的语义分割方法 | |
CN106327577B (zh) | 基于局部曲率熵和四叉树结构的三维地形曲面优化方法 | |
CN111986115A (zh) | 激光点云噪声和冗余数据的精准剔除方法 | |
CN113781667B (zh) | 三维结构简化重建方法、装置、计算机设备和存储介质 | |
CN116310192A (zh) | 一种基于点云的城市级建筑物三维模型单体重建方法 | |
CN111784840B (zh) | 基于矢量数据自动分割lod层级三维数据单体化方法及系统 | |
CN114926602B (zh) | 基于三维点云的建筑物单体化方法及系统 | |
CN111260668A (zh) | 一种电力线提取方法、系统及终端 | |
Wang et al. | The isotropic organization of DEM structure and extraction of valley lines using hexagonal grid | |
CN114723907A (zh) | 面向无人机倾斜摄影三维模型数据的水面区域重建方法 | |
Deng et al. | A novel fast classification filtering algorithm for LiDAR point clouds based on small grid density clustering | |
CN115061150A (zh) | 一种基于激光雷达点云数据伪波形特征处理的建筑物提取方法 | |
CN114862715A (zh) | 一种融合地形特征语义信息的tin渐进加密去噪方法 | |
Chen et al. | Adaptive coarse-to-fine clustering and terrain feature-aware-based method for reducing LiDAR terrain point clouds | |
CN113987969A (zh) | 多高程尺度水流网的陆地水动态仿真模型 | |
WO2011085434A1 (en) | Extraction processes | |
CN118247462A (zh) | 一种dem数据生成方法、系统、存储介质及电子设备 | |
WO2011085437A1 (en) | Extraction processes | |
CN115661398A (zh) | 一种用于实景三维模型的建筑物提取方法、装置及设备 | |
CN111612869B (zh) | 一种基于栅格数据进行地质编图的分析方法 | |
CN113343565A (zh) | 顾及空间异质性的邻域效应模式构建与ca模拟方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |