基于无人机航拍配合ContextCapture和CASS3D在土方计算与施工中的应用

传统航拍成果通常缺乏与工程设计图纸的结合,将无人机航拍结合Context Capture和CASS3D应用于土方计算与施工中,使用无人机航拍可获取大范围的高分辨率影像数据,通过Context Capture软件进行图像处理和三维重建,生成精确的数字地图和三维模型。利用CASS3D数据处理性能和多样化稳定高效处理模式,结合Context Capture产出的三维模型数据,在CASS3D平台下加载和同步矢量设计图纸分析DSM(数字地表模型),进行三维数据采集、编辑、DLG成图,完成大面积土方量测量,快速生成方格网,计算土方量。通过融合自然现状与工程设计图纸,从而模拟建设与现状地物冲突及关键节点处的接驳,以提早发现工程建设过程中可能遇到的问题。相比传统测量方法,该法精度更稳定可靠,满足土方算量要求,大幅度提高施工效率。

基于栅格DEM的微观地形分类技术

认为微观地貌形态的划分是宏观地貌形态划分的延续,基于栅格数字高程模型(DEM)和数字地形分析(DTA)技术实现微观地貌形态分类的关键在于提取地形地貌因子和制定合理的分类决策方案.以土壤侵蚀研究中的临界坡度值为参考,改进了Dragut提出的山体部位划分的分类决策方案.采用黄土高原的局部DEM进行了山体部位分类的试验研究,实现了微观地形地貌的自动分类,试验结果揭示了微观地形地貌分布与土壤侵蚀之间的关系.

栅格DEM微地形分类的卷积神经网络法

针对传统规则化知识的栅格数字高程模型(digital elevation model,DEM)微地形分类方法自动化程度低、分类不完全等缺陷,构建了一种适用于栅格DEM微地形自动分类的卷积神经网络(convolutional neural network,CNN)模型。借助该模型具有自动深入学习样本数据和挖掘隐含分类信息的优势,提出了栅格DEM微地形分类的卷积神经网络方法并创建了其自动化实现流程。以山体部位分类为典型样例进行实验验证分析,实验结果统计显示:在山体部位分出的山顶、山肩、背坡、麓坡、趾坡和冲积地6类微地形中,分类精准程度最高的为冲积地,最低的为趾坡,准确率分别达到了99.64%和92.95%;栅格DEM数据的像元大小影响其分类准确率,5 m×5 m的栅格DEM比2.5 m×2.5 m和10 m×10 m更适应山体部位分类的卷积神经网络法。

输电线路的数字微地形自动提取方法

微地形是输电线路工程安全运行、电线积冰风险区划和线路建设期能耗计算等工作的重要基础,实现输电线路微地形的合理提取是复杂地形条件下电网工程建设的前提与保证。针对传统输电线路微地形提取存在决策知识模糊、主观因素影响大和缺少定量提取指标等问题,依据规程中微地形分类体系,提出了以地形位置指数、坡度、相对高程和水体距离为特征因子的组合表达输电线路微地形提取决策方案,利用数字地形分析技术建立了输电线路微地形自动提取方法。以2012—2018年某电网公司9条输电线路域栅格数字高程模型数据进行提取实验,实验结果与分析表明,所提方法能够有效提取垭口地形、高山地形、抬升地形、峡谷地形和水汽地形5类典型输电线路微地形,且揭示了微地形分布与线路灾害发生的相关性,可为电网建设可行性论证、线路精细化设计等提供技术支持。