基于无人机点云数据的露天采场矿车提取方法

针对在基于无人机点云数据进行露天采场验收测量过程中,由于矿车点集的存在导致验收精度降低的关键问题,提出了一种露天采场矿车点集自动提取方法.以哑巴岭露天采场无人机点云为数据源,首先利用渐进式形态学滤波算法分割出地面点与非地面点,然后通过改进的欧氏聚类算法对非地面点中的矿车点集进行聚类提取,最后基于国际摄影测量和遥感学会(ISPRS)提出的误差评判标准对矿车提取结果进行评估分析.分析结果表明,该方法可以有效提取露天采场中的矿车点集,为实现露天采场快速高效验收提供了重要的技术支持.

基于无人机点云的路灯提取方法

针对三维点云中路灯自动提取的问题,利用无人机点云,提出一种基于样本匹配的路灯点云分层提取方法。该方法首先利用布料模拟滤波(CSF)算法将原始点云划分为灯头层、灯杆层和地面层,并进行分层聚类;然后利用样本匹配的方法提取灯杆点云;最后基于灯头点云到灯杆中心的相对位置约束,对灯头点云进行提取,从而完成整个路灯的提取。试验结果表明,在不同道路环境下,该方法路灯提取的准确率、完整率和F1值均不低于90%,可以实现对路灯的高效完整提取。

基于无人机3D点云的高陡斜坡岩体结构特征

岩体结构控制着岩质斜坡的变形破坏模式,但传统的结构面信息调查方法存在危险性高、难度大的缺陷。为安全、高效地获取斜坡岩体结构信息,利用无人机摄影技术开展高陡岩质斜坡的测量,构建斜坡岩体的3D点云模型,识别结构面的产状、间距、迹长等岩体结构信息。对湖北秭归卡门子湾滑坡区调查验证,斜坡共发育6组优势结构面,平均间距为0.46~1.01 m,平均迹长为0.82~12.57 m;无人机3D点云获取的岩体结构信息精度满足要求,方法高效、可行;获得的岩体结构信息为斜坡岩体结构模型建立和稳定性评价等工作提供了可靠的数据基础。

一种基于地面特征与树木位置关系的无人机和地基LiDAR点云配准方法

【目的】无人机激光雷达与地基激光雷达的工作方式不同,导致无人机点云缺乏林内信息,地基点云缺乏林冠信息,单一平台的LiDAR点云难以完整描述森林三维垂直结构,将这两者点云融合有利于消除各自的扫描盲区,估测更为准确的森林结构参数。基于此,提出了一种基于地面特征与树木位置关系的无标识自动化配准方法。【方法】选取哈尔滨城市林业示范基地内的蒙古栎和樟子松作为研究对象,采用大疆禅思L1激光雷达设备与FARO Focus3D X330三维激光扫描仪分别获取样地内的无人机和地基LiDAR点云。首先,利用改进的渐进式加密三角网滤波算法分别从无人机点云和地基点云中提取地面点云,基于两者相似的快速点特征直方图(FPFH)特征,使用随机采样一致性算法得到初始配准参数,完成初始配准。然后,从初始配准后的无人机点云和地基点云中提取相同高度处的树干点云的水平投影位置作为配准基元,分别构建不规则三角网,并基于三角形的角度相似性原理寻找同名三角形对。最后,使用奇异值分解法得到旋转平移参数,从而完成精细配准。【结果】蒙古栎样地内对应树木水平偏移距离的平均值为0.173 m,樟子松样地内对应树木水平偏移距离的平均值为0.283 m,2个样地的树木点云均取得了较高的配准精度。【结论】提出的点云配准方法有效实现了林区无人机点云数据和地基点云数据的配准,二者的融合可为快速完整地获取林木构型信息提供数据基础,从而推动多源激光雷达技术联合应用于林木三维重建和森林资源精细调查等方面。

无人机LiDAR点云与无人机影像匹配点云分析比较

随着无人机技术的不断发展,无人机数码航测技术和无人机LiDAR技术在测量领域的应用越来越广泛。为分析无人机LiDAR点云和无人机影像匹配点云2种点云的差异,该文通过对西南某铁路一个测区在同一飞行高度的情况下同时进行无人机数码航摄及无人机LiDAR航摄2种方式航摄。对2种不同的摄影方式获取的点云进行比较,分析出2种方法获取点云在形态表现、滤波分类,以及利用2种点云制作DEM高程精度方面的差异,为实际工程航飞方式的选择提供一个参考。

使用安置参数优化的无人机点云与影像精配准

针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法。以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准。基于实验数据与现有两种配准方法进行精度对比。实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度。

无人机航摄点云测图技术在夹岩水利枢纽建设中的应用与研究

无人机航摄成图技术越来越广泛地应用于水利工程建设中的大比例尺测图工作中,但以夹岩水利枢纽为代表的贵州水利工程项目,测区存在高差大、植被覆盖茂密、地形地貌破碎等客观情况,传统的无人机航测立体成图的方式在高程精度上难以达到水利工程建设的要求。因而文章提出了基于无人机高精度点云数据进行大比例尺成图的方式,提高了地形图成果的高程精度,同时降低了对无人机原始数据采集部分环节的精度要求,提高了成图效率。

一种利用无人机载点云的道路设施提取方法

无人机载激光扫描技术的发展,为道路三维调查提供了数据基础,也对相应的要素提取算法提出了迫切需求。为此,本文针对无人机载点云中路灯、标牌等道路设施的提取方法展开研究。首先,使用道路红线、离地高度进行初步筛选,抑制护栏、汽车、树干等高反射物体的干扰;接着,利用目标的高反射特性,通过强度阈值分割得到目标地物点;最后,使用统计滤波器消除离散的高反射噪点。通过数据测试,提取准确率为95.31%,误检率为6.25%。实验证明,本文方法创新性地使用强度分割与位置约束来提取无人机载点云中的道路设施,具有自动化程度高、准确性好、适用性强等特点,可运用于城市部件调查、城市规划以及应急调查等领域。

融合无人机影像点云与三维激光点云的建筑物三维建模研究

针对传统的建筑物建模方法存在由于建筑信息采集不完整引起的模型空洞、扭曲等问题,提出一种无人机影像点云与三维激光点云的融合建模方法。在基于坐标转换与配准统一两种点云空间基准的基础上,利用局部法向量分布密度聚类算法提取建筑物屋顶面,以三维激光点云为基准利用半径滤波剔除非屋顶面点云,利用非有理样条B曲面重构了建筑物表面模型,并将所得的融合模型与倾斜模型做对比。实验表明:融合后模型在点位精度和线精度上均高于倾斜摄影模型,并且融合后模型在平面精度优于高程精度,屋顶的精度相对低于模型整体精度,验证了融合建模方法的有效性。

复杂地形条件下多密度级无人机LiDAR点云DEM精度研究——以2022年北京冬奥会延庆赛区为例

为进一步提升复杂地形条件下无人机激光雷达(Light Detection and Ranging,LiDAR)点云数据构建数字高程模型的效率与精度,以2022年北京冬奥会延庆赛区场馆建设用地为实验区,按照不同抽稀比例,对实验区原始无人机激光雷达点云中分类出的地面点数据进行抽稀处理,利用克里金插值算法对不同密度地面点数据进行插值处理,结合高程中误差、平均绝对误差对生成的数字高程模型进行双重精度评定,得出以下结论:对于复杂地形而言,随着点云数据密度的下降,数字高程模型建模效率明显提升,但地形特征逐渐模糊,数据精度级别逐级降低,其中高程中误差由0.381 m增大至1.914 m,平均绝对误差值由0.335 m增大至1.357 m。在满足精度要求的前提下,对LiDAR点云数据进行适度抽稀处理,可保障生产成本与时效。

关于无人机影像匹配点云技术在道路测设中的应用分析

针对无人机影像匹配点云技术在道路测设中的应用现状,进行科学的分析,并结合具体的道路工程实例,简要介绍了道路测设中应用无人机影像匹配点云技术的重要价值,无人机影像匹配点云技术的优点,如影像匹配效果好、海量点云数据实现快速输出、提高智能管理水平、促进影像点的快速匹配等等。借此提出无人机影像匹配点云技术在道路测设中的应用要点,希望能够为类似工程提供良好的借鉴。

浅谈无人机影像匹配点云技术在道路测设中的应用

目前无人机影像匹配点云技术逐渐在道路测设中被广泛应用,为了更好的掌握及了解该技术要领,本文以此为基础进行了深入探讨。首先阐述了无人机影像匹配点云技术的重要作用,并在匹配影像的效果、输出点云数据、智能化管理等方面,从影像匹配点云技术的应用价值及优势进行了分析,同时指出了道路测设过程中的无人机影像匹配点云技术的应用要点,希望为后续相关的应用及实际工作提供一定参考。

无人机遥感技术的煤矿地表监测中的应用

无人飞机航摄技术特点及优势对小区域矿山空间数据采集的应用开展为例,简要分析无人飞机航摄获取矿山影像资料的过程,对矿山数字正射影像及矿山三维立体模型的制作,分析无人飞机机载雷达获取矿山地形数据的应用,对煤矿采区地表形态变化进行监测。煤矿采区地面容易受到采煤影响而出现地质灾害,如砂石结构变化致使地表发生移位,通常会出现沉陷沟槽、土层裂隙以及滑坡坍塌等事故。针对过度开采的区域,地面移动产生的沉陷区不仅危险性高,还面积较大,如果采用人工巡检这一传统监测手段,很难保证监测的有效性、精准性,还无法全面监测地表形态及裂缝情况,还易受监测人员及设备等因素影响而无法顺利、安全地进行智能化矿山地质建设工作。针对此,本文以无人机遥感技术为例,简要分析了该技术对煤矿采区地表形态变化的监测。

基于点云数据的排土场安全挡墙提取方法研究

安全挡墙作为排土场安全措施之一,用来保障排土场正常作业,避免排岩车辆未保持安全卸载距离导致车辆滑落。文章提出基于无人机点云数据的排土场安全挡墙提取方法。以辽宁省鞍山市齐大山铁矿排土场点云数据作为数据源,利用坡度滤波算法提取排土平台点云数据,再对其进行alphashape边缘提取算法来提取出安全挡墙一侧的边缘点云数据,再根据高程约束与向量叉乘位置判别来提取安全挡墙点云数据。通过对安全挡墙进行三维可视化建模实现安全挡墙的监测。

基于多分辨率点云表型重建的田间植株叶面积指数估算

为解决传统田间植株叶面积参数测量精度低、破坏性大和劳动强度大等问题,文章选取烟草作为研究对象,利用无人机摄影测量进行特征点匹配生成密集点云构建烟草点云表型模型,并利用Lambert球面坐标系将三维坐标转换为球面坐标,分别计算孔隙度、有效叶面积指数和丛生指数进而得到真实叶面积指数,以半球摄影法计算的结果作为参考值分析不同空间分辨率下单株和地块尺度叶面积指数的计算精度。结果表明:无人机摄影测量中0.43、0.86、1.29、2.15 cm 4种分辨率点云模型计算的结果和数字半球摄影法计算得到的结果的决定系数R²分别为0.959、0.931、0.967和0.985,相对误差RE分别为11.87%、19.74%、14.96%和11.79%,均方根误差RMSE分别为0.150、0.195、0.136和0.094,相对均方根误差rRMSE分别为20.81%、26.97%、18.87%和13.10%。4种分辨率模型的整体计算精度较高,其中单株烟草和地块尺度烟草最佳计算精度模型均为分辨率2.15 cm的点云模型,计算精度分别为87.29%、94.24%,研究结果表明通过无人机摄影测量获取三维点云能够对喀斯特山区石漠化较为严重地区的烟草LAI进行估算,同时证明无人机点云表型模型估算田间植株叶面积指数具有可行性、准确性和高效性的特点。

基于改进PointPillars点云目标距离判断分析方法

结合Point Pillars点云目标检测算法,提出了一种引入自注意力机制的改进Point Pillars算法用于检测输电线路巡线点云的目标物体,提升了点云物体检测网络PointPillars在点云目标物体检测的准确率,降低了点云目标识别的误报率。实验结果表明,与原始的PointPillars方法相比,在不改变PointPillars的检测效率高的优势下,进一步提升了算法的性能。

强震区公路沿线崩塌危岩体特征提取及失稳分析

强震区岩体的稳定性问题尤为突出,岩体稳定性受控于岩体结构。本文以云南鲁甸国道公路沿线崩塌危岩体为例,提出直接利用点云数据进行结构面可视化识别和特征信息快速提取的方法。首先,采用随机Hough算法和Fuzzy C-means(FCM)算法对点云数据进行聚类分析,再利用Fast-Marching算法对优势结构面进行三维重建,从而实现对岩体结构面几何信息和空间分布状态的特征提取。在结构面特征提取的基础上,结合HSV技术对研究区原位危岩块体进行识别和统计,并采用Monte Carlo模拟获取研究区原位块体体积分布。最后,对研究区进行运动学分析以判断危岩块体的失稳破坏模式。研究成果对强震区公路危岩体的调查与评价以及防护结构能级设计具有一定参考价值。

基于增强Frost局部滤波及单木距离图重构标记的CHM树冠分割

【目的】利用增强Frost局部滤波和单木距离图重构标记技术对冠层高度模型(CHM)进行分割,以提高无人机激光雷达在单木树冠分割的精度和效率。【方法】选取江西分宜山下实验林场阔叶混交林、针叶混交林和针阔混交林3个不同类型的林分为研究对象,以无人机激光雷达数据为数据源,构建CHM。针对高分辨率CHM树冠区域孔隙较多的问题,利用增强Frost局部滤波处理优化CHM,优化结果与不同滤波方法进行了比较分析;然后应用距离图重构标记分割技术对增强Frost局部滤波优化后的0.1、0.2、0.5及1.0m分辨率的CHM进行分割与分析;最后确定最佳分辨率的CHM,并其将分割结果与同等分辨率下分水岭算法以及点云分割均值偏移算法结果进行比较。【结果】采用增强Frost局部滤波处理的CHM优化效果显著,在有效抑制树冠噪音的同时,也能较好地保留图像细节信息。0.2m分辨率的CHM分割效果最佳。距离图重构标记分割方法分割针叶混交林、针阔混交林、阔叶混交林3种不同林分类型的分割精度(OA)分别为0.96、0.84、0.75;根据树冠分割结果计算单木冠幅,冠幅估测的决定系数R^(2)分别为0.83、0.82、0.71。【结论】基于增强Frost局部滤波及距离图重构标记技术可实现对激光点云CHM的单木分割和树冠估算,能够满足森林调查和监测的基本需求。