禄丰恐龙谷UAV LiDAR点云构建背斜数字地貌模型研究

UAV LiDAR具有高效、准确地采集复杂地形点云数据的优势,已成为构建精准数字地貌模型的重要手段。然而,针对背斜地貌的UAV LiDAR点云构建数字地貌模型的插值误差研究缺乏,严重制约了其在地貌学研究中的应用。本文基于禄丰恐龙谷环状构造中背斜地貌的UAV LiDAR点云数据,优选了IDW、NN、RBF、TIN、OK插值算法的关键参数,采用交叉验证和模型差异衡量不同点云密度和地表粗糙度下的插值精度,全局Moran指数、地貌参数分析误差的空间分布特征,基于最优的模型分析褶皱构造的形态特征。结果表明:1)IDW最优参数为权指数2和搜索点数16,RBF为规则样条函数和搜索点数24,OK为球面函数、无方向和搜索点数8;2)IDW最容易受点云密度的影响,TIN抑制插值误差随点云密度变化的效果最好,OK构建的模型最优;3)局部插值误差在空间上是可变的,地表粗糙度大的区域误差增加得快;4)该褶皱分为穹窿构造和短轴褶皱两类,翼间角为108~131°,背斜Ⅱ沿西南-东北向地下延伸。研究结果可为UAV LiDAR用于禄丰恐龙谷环状构造数字地貌建模及地表特征测量模拟分析提供参考。

不同UAV航摄方法的3D建模技术及精细化量测分析

本文以云南省禄丰恐龙谷南部的典型冲沟为研究区域,分别设计两种模式进行数据采集,先采用无人机正常航测模式对试验区一进行数据采集,再用无人机贴近地面飞行的方式对试验区二进行数据采集,通过数据处理,得到两个试验区的三维实景模型、点云数据、DOM、DSM等,对无人机成像点云进行PTD滤波处理,构建高分辨率的DEM;结合三维实景模型和DEM分析不同数据采集模式的优缺点以及适用性,结果总体实证了应用近地面飞行采集数据构建的三维实景模型能够实现对复杂地物的精细化量测分析,为广大山区复杂地形的三维建模和精细化分析提供了一种思路,对复杂地形的研究分析具有参考借鉴作用。

UAV LiDAR在煤矿开采沉陷监测中的应用

煤炭资源是我国的主体能源,煤矿开采引起的地表沉陷严重影响着人类的安全生产和生活。传统的岩石运动观测方法速度慢且费力,而合成孔径雷达干涉测量(InSAR)等方法的精度相对较低。本文针对地表开采沉陷变形效率低、灵活性差的问题,采用无人机机载激光雷达(LiDAR)技术进行监测,分析了数据获取流程,研究了数据处理方法,得到了地表沉降点云模型。经验证,点云数据成果平均中误差为0.023 m,满足精度要求,验证了机载LiDAR进行开采沉陷测量的可行性。

智航无人机载LiDAR系统在轨道交通建设中的应用分析

为了减少轨道交通建设外业勘测的工作量,提高制图的效率和精度,本文首先基于实际项目,选用智航SF1650六旋翼无人机载LiDAR系统对济南新东站片区进行航摄,利用获取的LiDAR点云和影像数据制作DEM、DOM,然后再进行大比例尺地形图和片区断面图的制作。通过外业勘测核实,DEM和DOM精度完全满足轨道交通建设工程制作大比例尺地形图的要求,且相较于传统立体航测,精度和数据利用率得到很大的提升,极大减少了外业勘测工作量,验证了智航SF1650无人机载LiDAR系统的可行性,为今后的工程应用提供了参考方案。

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。

低空UAV激光点云和序列影像的自动配准方法

提出了一种低空无人机(unmanned aerial vehicle,UAV)序列影像与激光点云自动配准的方法。首先分别基于多标记点过程与局部显著区域检测对激光点云和序列影像的建筑物顶部轮廓进行提取,并依据反投影临近性匹配提取的顶面特征。然后利用匹配的建筑物角点对,线性解算序列影像外方位元素,再使用建筑物边线对的共面条件进行条件平差获得优化解。最后,为消除错误提取与匹配特征对整体配准结果的影响,使用多视立体密集匹配点集与激光点集进行带相对运动阈值约束的ICP(迭代最临近点)计算,整体优化序列影像外方位元素解。试验结果表明本文方法能实现低空序列影像与激光点云像素级精度的自动配准,联合制作DOM精度满足现行无人机产品1∶500比例尺标准。

三维激光扫描技术在历史建筑测绘中的应用——以闽清县历史建筑测绘建档项目为例

历史建筑作为城市的文脉,承载着一座城市的历史,受各种因素影响遭受不断的侵蚀甚至灭失,其保护形势越来越严峻。文章以闽清县历史建筑保护测绘为例,采用三维激光扫描技术,结合无人机倾斜摄影技术,对历史建筑真彩色三维点云模型建设进行了探索研究,为历史建筑的测绘资料建档和文物保护工作积累了宝贵的技术经验。结语对该技术进行了总结分析,认为三维激光扫描技术不仅能大幅提升工作效率和测量成果精度,还可实现历史建筑三维可视化,具有广阔的应用前景。

机载激光雷达在堤防隐患巡查试验中的应用

水利堤防工程是江河和湖泊用以管护水域、防洪度汛的建筑设施,直接关系到国民的生命和财产安全,其重要性不言而喻,因此及时发现堤防隐患,保障堤防安全具有重大意义。机载激光雷达用于巡查堤防隐患时是无接触式的,相比传统方法而言,在灵活性、时效性、及环境适应性等方面具有显著的优势。文章主要介绍了利用无人机机载激光雷达对人工模拟的堤防隐患进行巡查的试验过程,以及取得的良好应用效果。通过试验积累了一定的经验,希望为水利堤防安全管理部门或者相关科研单位在堤防隐患巡查课题的开展方面提供参考。

融合无人机和地基激光雷达点云数据估测单木结构参数

激光雷达(Light detection and ranging,LiDAR)作为一种主动遥感技术,能够通过发射激光能量并接收返回信息的方式获取森林空间结构信息,然而,单独使用时存在扫描盲区,无法获取完整的森林树木三维点云。为此,提出融合无人机和地基LiDAR点云估测单木结构参数的方法,采用地面特征和树木位置关系的配准方法实现点云融合,并在融合点云数据的基础上提出一种改进的K均值层次聚类分割算法完成单木分割,然后根据基于分割后的单木点云使用轴对齐包围盒算法以及最小二乘拟合圆法分别提取单木树高和胸径,最后通过生物量异速生长方程估测单木生物量。研究结果表明,蒙古栎样地的树高、胸径和单木生物量的决定系数(R^(2))分别为0.84、0.93和0.91,单木结构参数的均方根误差(RMSE)分别为0.75 m、0.96 cm和26.31 kg/株;樟子松样地的树高、胸径和单木生物量的R^(2)分别为0.92、0.96和0.95,相应的均方根误差分别为0.43 m、1.06 cm和26.12 kg/株。融合无人机和地基LiDAR点云为快速完整地获取林木构型信息提供可靠的数据基础,为联合多源激光雷达技术深入林业应用提供有力的技术支撑。

无人机载LiDAR点云密度对DEM精度的影响分析

无人机载LiDAR点云数据是目前生产DEM的重要数据源。为进一步提升DEM构建效率,本文选取平地和山地两类地形作为试验区,利用基于不规则三角网的点云抽稀算法,对滤波处理后的地面点云数据分别按照80%、60%、40%等7种地面点保留率进行抽稀,并用平均误差(ME)、标准差(SD)、均方根误差(RMSE)3个指标,对不同抽稀比例下生产的DEM成果进行综合精度评定。结果表明:(1)平地地面点云密度达2点/m^(2),山地地面点云密度达9点/m^(2)时,生产的0.5 m格网间距的DEM精度优于0.05 m;(2)随着地面点云密度的增加,DEM精度水平逐渐趋于稳定,当地面点云密度抽稀到1点/m^(2)时,DEM精度快速下降。针对无人机载LiDAR点云数据进行大范围工程化DEM生产任务,该研究结论对降低数据获取成本、提升DEM生产效率具有一定的指导和借鉴意义。

基于激光点云精确定位的输电线路无人机自主巡检系统研究

以某市±500kV输电网络和500kV输电网络的整合巡线任务为个案,研究一种基于激光点云精确定位的输电线路无人机自主巡检系统。通过三角定位法、回波定位法及最小二乘法平差法将激光点云探测数据构成输电网络BIM数字化三维模型的持续维护数据,使用卷积神经元网络算法整合的二值化算法对特定坐标点的侵入物、蠕变风险提供预警数据,通过IaaS架构的API服务持续向电力值班系统提供数据支持来完善系统的BIM数字化三维模型数据和预警信息数据。从算法角度和IaaS实现角度,对该系统进行完整分析,完成激光点云精确定位的输电线路无人机自主巡检系统的研究。

乡村振兴中消费级无人机摄影测量的应用与评估

在实施乡村振兴战略的过程中,规划工作开展的同时伴生了对所规划地区地理信息数据的需求。规划设计过程中,对于非测绘专业的设计人员,获取所需地理信息数据大多依赖于精度有限的卫星地图,难以满足规划过程中进一步深化的需求。无人机摄影测量的结果经处理,可转化为数字正射影像图、数字高程模型和真实三维模型等多种成果,为乡村规划的设计人员提供认知和数据上的支持。文章以作者的实践案例为基础,介绍无人机摄影测量的技术流程、注意事项及成果使用。

基于无人机激光点云的电力线路树障隐患预测技术分析

为解决无人机激光测距存在的树木隐患排查不全的问题,提出采用激光点云数据实现电力线路树障隐患预测。通过实现电力线点云数据自动提取和分类,完成单木分割分类管理,并建立模型实现数据生长态势预测,能够解决树木畸形生长带来的树障隐患排查难题。研究结果表明,利用贝叶斯估计法对树木生长态势实施科学预测,根据树木和导地线距离精准评估树障隐患风险,能够为解决树障隐患排查问题提供有效技术方案。

无人机摄影测量点云道路自适应提取

在无人机摄影测量中,针对传统的地面点云提取方法对图像点云数据中的道路提取适应性较差的问题,本文提出了一种无人机摄影测量点云道路自适应提取方法.首先,根据点云的空间几何特征将点云划分为3个类别;然后,针对非道路的点云类别采取相应的方法进行剔除;最后,对经过自适应提取方法得到的点云数据进行滤波平滑和基于颜色的区域生长分割处理.实验结果表明,该方法提取的道路点云的I类误差为4.97%,II类误差为1.14%.该方法能够有效地提取目标道路路面,提高了无人机摄影测量工程应用中点云数据处理的效率.

激光点云滤波技术在植被分布调查中的应用

研究了机载激光雷达点云滤波技术在植被分布调查中的应用方法及效果。以RY县PK林场为案例分析对象,首先根据地质气候条件及测绘目标成像需求对航测设备、雷达设备进行选型;其次利用点云滤波技术,对PK林场点云数据进行采集与建模,并实现地块识别与分类;再次,针对十年间地块植被变异情况进行点云差异化建模,分析地块内植被空间变化情况;最后对研究成果进行误差分析,得出运用无人机航测设备、激光雷达测绘设备、点云模型建模系统等,可以为森林治理、土地调查等工作提供可靠的数据基础的结论。

无人机LiDAR在输电线路平断面测绘中的应用

传统输电线路平断面测绘方法工作量大、野外危险性高,难以测量植被覆盖区域地面点高程及交叉跨越导线。针对该问题,本文提出了将无人机LiDAR技术应用于输电线路平断面测绘的方法。首先分析了无人机LiDAR的原理及优势;然后对无人机LiDAR外业数据采集、激光点云滤波构建DEM、三维地物采集、断面提取及平断面快速成图等关键技术进行了深入研究。结果表明,该方法可以实现高精度、智能化地测绘平断面图,效率大大提高,为输电线路路径优化提供了技术支撑,具有巨大的经济和社会效益,值得推广与借鉴。

基于无人机倾斜摄影测量技术的复杂重丘区三维重构技术研究

结合无人机倾斜摄影技术和三维激光扫描技术两种方法,分析复杂重丘区地形条件下三维重构技术应用的可实施性,将地面三维激光点云与密集匹配点云配准融合得到完整的复杂重丘区三维点云模型,在生产传统平立剖图件的基础上,以三维点云和实景三维模型的形式对复杂重丘区进行数字化建档,为复杂地形测绘提供了理论支撑和技术参考。

基于图像点云的道路缺陷检测

本文针对无人机图像点云道路缺陷检测问题,提出了一种基于点云切片平面拟合与聚类的道路缺陷检测方法.首先,采集无人机图像进行三维重建生成图像点云,对点云进行坡度滤波与统计离群点滤波,消除噪声和异常点的干扰.然后,对点云进行切片并利用随机采样一致性平面拟合算法估计道路的平面模型.随后,运用点云DBSCAN聚类算法分类出边缘噪声与道路损伤点云.最后,采用点云切片法估计损伤程度.在实验中,我们使用真实无人机采集的点云数据,并与基于点云垂直度特征检测方法进行了对比.实验结果表明,本文方法表现出较高的准确性和鲁棒性,体积估计的误差为1 307 cm^(3).相较于传统方法,本文方法能够更精确地检测出道路损伤,并能适应复杂的道路形状变化.

联合UAV-LiDAR和HMLS技术的森林样地点云数据融合

【目的】基于单一平台遥感数据提取的森林结构参数信息不全面,因此融合多平台遥感数据已成为遥感技术在林业应用中的发展趋势。本研究针对手持移动激光雷达和无人机激光雷达2种不同平台的数据,提出一种基于Delaunay三角网和迭代最近点(ICP)算法的点云数据融合方法,通过融合获得完整的树木点云数据。【方法】选取哈尔滨城市林业示范基地中樟子松和蒙古栎2块人工林作为研究样地,利用手持移动激光雷达和无人机激光雷达获取样地中树木点云数据,然后分别提取2种不同平台点云数据的树木位置点,使用2组位置点构建2个Delaunay三角网来搜索树木位置目标点与其对应点,以此实现点云的粗配准,并利用模拟退火算法优化粗配准过程。在此基础上,通过选取点云重合度高的部分树冠点云,利用ICP算法进行点云数据的精配准,从而实现2种平台森林样地点云数据的精确融合。【结果】粗配准和精配准中分别设置的线段差阈值和高度区域范围这2个参数对点云数据的配准有较大的影响,而粗配准中迭代次数参数的设置对融合结果的影响较小。在样地内部随机选取区域,将区域内配准后的2种平台点云的树木位置投影点坐标进行对比,得到樟子松和蒙古栎的投影点平均坐标偏移距离分别为0.19和0.25 m。根据采集数据时设置的标志物计算偏移误差,樟子松样地和蒙古栎样地融合结果的均方误差分别为0.0512和0.0802,樟子松样地点云数据的融合精度高于蒙古栎样地。【结论】本研究提出一种基于树木位置的不同激光雷达平台点云数据无标识融合方法,融合精度较高,空中与地面获取的点云数据实现了相互补充,可为森林结构参数的精确提取及树木三维模型构建提供数据支撑,从而推动激光雷达数据在森林资源调查等方面更加广泛地应用。