施工场地无人机精细化三维模型构建及土方测量

利用无人机倾斜摄影测量技术,获取工程施工场地多视图影像序列,利用基于运动恢复结构算法（Structure from Motion, SfM）和多视图立体匹配算法（Multi View Stereo, MVS）的多视影像密集匹配形成超高密度点云,采用布料模拟滤波（Cloth Simulation Filter, CSF）算法剔除植被及废弃建筑物点云,获取真实地面点云,基于基底设计模型计算出两期点云之间土方量,实现复杂土方工程智能化测量. 采用上述无人机方法,对长沙岳麓山脚两块建设用地进行土方快速测量及精度评估,得到5.384 6亿点/公顷的点云密度,土方计算结果相对于RTK-GNSS测量结果误差为2.8%,满足土方测量误差小于5%的要求,具有较好的应用前景及工程实用价值.     

基于多元回归模型的GB-SAR监测误差改正及形变分析

针对基于地基合成孔径雷达(GB-SAR)露天矿边坡监测原始影像干涉相位误差改正不准确导致形变数据精度偏低的关键问题,以马兰庄露天铁矿GB-SAR原始影像为数据源,对原始影像干涉相位误差来源和分布特征进行了分析.提出了利用三重阈值提取PS点和高质量PS点的方法,并基于高质量PS点相位与像元坐标建立了多元回归模型.依据该模型对PS点进行相位改正以获取准确形变相位和单幅影像形变量,并在时间序列上进行叠加分析.研究结果表明,基于多元回归模型的GB-SAR形变监测误差改正方法可以准确改正GB-SAR形变监测误差,提高了形变监测数据的精度.     

多视几何无人机影像堆体体积量算

针对形态不规则、大规模或不便于近距离实测的堆体体积的计算问题,借助低空无人机(Unmanned Aerial Vehicle,UAV)搭载非量测的普通数码相机对堆体进行倾斜摄影,获取堆体多视角的倾斜影像。利用运动恢复结构和基于面片的多视角立体视觉(Sf M-PMVS)技术处理由无人机获取的倾斜影像。在引入地面像控点后,首先对影像进行特征点提取和基于最近邻距离比率(Nearest Neighbor Distance Ratio,NNDR)算法的SIFT粗匹配,采用随机抽样一致算法(Random Sample Consensus,RANSAC)剔除误匹配点对进而精确求得影像的基本矩阵F完成影像匹配。引入经相机检校得到的相机内参数精确求解本质矩阵E,恢复相机运动姿态后由投影矩阵P计算稀疏点云在物方坐标系下的坐标,采用PMVS算法进行点云密集匹配,经光束法平差后得到堆体在物方坐标系下精确的三维密集点云。对三维密集点云做点云分割,剔除非堆体表面点后构建Delaunay三角网,利用数字地面模型(Digital Terrain Model,DTM)法计算堆体的体积。与用GNSS-RTK均匀测得堆体表面三维坐标点采用DTM法计算堆体体积的结果对比证明,所给方法计算堆体的体积在准确性上能满足实际生产中的要求。     

一种基于特征表达的无人机影像匹配像对提取方法

针对无人机(unmanned aerial vehicle, UAV)影像三维重建中匹配像对提取适应性差、效率低、需准确的先验知识等问题,提出一种基于特征表达的无人机影像匹配像对提取方法。首先利用SiftGPU算法对一组无人机影像进行尺度不变特征转换(scale-invariant feature transform, SIFT)特征提取。其次,对SIFT特征向量集合构建分层词汇树,并分别计算各个影像与影像集中各影像的综合权重因子并按得分大小进行排序。最后,自适应计算影像检索阈值,得到最终的影像匹配像对。通过对不同地形地貌的无人机影像进行试验。实验结果表明:所提方法能快速、有效获取查询影像的匹配像对。与常规词汇树检索方法相比,查准率提高了19%～24%,查全率提高了17.4%～30.9%。尤其针对海量的无人机影像数据,所提方法具有更高的处理效率。     

露天矿点云数据中台阶线提取

台阶线信息对于露天开采具有重要价值，现有获取台阶线的方法工作量大、效率低、精度差，降低了矿山的生产效率和验收精度.因此，本文基于序列无人机影像生成的露天矿密集点云数据，研究并提出了一种自动提取露天矿台阶线的方法.该方法利用渐进形态学滤波算法对点云进行预处理，提出一种顾及邻域几何属性的三维边缘检测与曲率指数加权方法提取出台阶线特征点，并使用移动最小二乘法精确拟合出台阶线.实验结果表明该算法可以自动、高效、精确地提取出露天矿台阶线，生成露天开采现状图，对于露天矿生产和安全具有重要的应用价值.     

基于无人机LiDAR数据的公路路面监测和平整度评价方法研究

低空无人机(Unmanned Aerial Vehicle,UAV)LiDAR(Light Detection and Ranging)是一项新的遥感技术,该技术获取的数据具有高精度、高密度、高效率、低成本的特点,被广泛应用于地形测绘、林业监测、三维建模、道路勘测设计等诸多领域.本文利用该技术对新疆石河子市郊的一处县级道路进行点云与影像数据的获取,经过格式转换、点云滤波、点云分类以及基于不规则三角网插值等处理,得到精细的三维地形表面模型.在此基础上选用国际平整度指数进行路面平整度的空间可视化表达,并依据平整度值进行分等定级从而实现对路面质量的评价;通过选取坑槽、沉陷、裂缝、麻面等不同类型、不同程度的病害、损坏路面样本以及质量较好的路面样本对平整度评价结果进行验证,表明本文评价方法的整体精度为75%,kappa系数为0.65.结果表明无人机LiDAR可作为低等级道路平整度监测的一种新技术途径,所建立的路面质量评价方法能为公路的养护与维修提供决策参考.     

影像采集参数对无人机遥感估测树高精度的影响

以福州大学旗山校区为研究区,采集不同地面分辨率/航向/旁向重叠率无人机影像（5 cm/90%/80%、10 cm/90%/80%、5 cm/65%/60%）,并实测树高及冠幅. 无人机影像经处理生成正射影像和三维点云;然后评价数字高程模型(DEM）的精度,并采用基于点云的局部最大值法提取树高;最后比较不同影像重叠率及地面分辨率下的树高估测精度. 实验结果表明： 较小的地面分辨率及较大的重叠率下的采集参数不仅生成的点云密度较高,重建更为完整,单木检测的F测度及树高估测精度更高,尤其是对于高度和冠幅较小的梧桐,而当林下无灌木丛时有助于减小DEM误差.     

塔形建筑物轮廓点Z坐标点云倾斜监测方法

针对目前三维激光扫描技术对塔形建筑物的倾斜监测,普遍采用拟合点云数据提取塔体中轴线的方法计算塔体倾斜度,数据计算方案较为单一且无法逐层计算倾斜量等问题,为更好解决这一难题,提出新的基于激光扫描点云数据倾斜监测思路,一种基于轮廓点Z坐标倾斜监测方法。该方法通过提取塔檐轮廓点中Z坐标最大、最小值点,利用相关函数计算出各层倾斜度,引入权要素,计算整体倾斜量。以大雁塔为例,对三维激光扫描点云数据进行倾斜变形计算、对比分析。结果表明:2种方法计算结果相差约0.26%,基于轮廓点Z坐标倾斜监测方法切实有效;在明确塔体倾斜方向后,可直接提取沿该方向的塔檐对角点,作为Z坐标最大值最小值点参与倾斜量计算;该方法能快速计算出塔体倾斜量,有效提高工作效率,为三维激光扫描塔形建筑物倾斜监测提供一种新的数据处理方案。     

基于堆料面预测模型的电铲三维挖掘轨迹规划

为实现智能化电铲在露天矿山实时节能的挖掘,提出了一种基于堆料面预测模型的能耗最优挖掘轨迹规划方法.该方法通过激光雷达获取实际堆料面点云感知外部环境,并基于点云数据,采用多项式响应面(PRS)法对堆料面形貌进行建模,实现轨迹规划中动态挖掘体积计算;然后,采用拉格朗日方程建立电铲工作装置动力学模型计算挖掘能耗,采用高次多项式对挖掘轨迹进行插值,将挖掘时间和能耗分别作为优化变量和优化目标,以挖掘过程中几何条件与电机性能等为约束,实现真实料场环境中高效的三维挖掘轨迹规划.实验结果表明,基于多项式响应面法的堆料面模型精度能达到95%以上且建模时间在0.05 s内;挖掘轨迹规划可满足实时性要求,计算结果可靠且所得轨迹能有效应用于电铲自主挖掘.     

基于无人机激光雷达技术的开采沉陷监测方法与参数反演

矿区开采沉陷监测与预测对于煤炭安全生产来说至关重要,目前煤矿地表沉陷监测的主流手段均有一定的局限性,存在精度与效率不能兼得的问题。利用无人机激光雷达(unmanned aerial vehicle lidar, UAV LiDAR)技术可以实现矿区地表三维点云的快速获取,建立多期数字高程模型(digital elevation model, DEM),两期DEM相减即可得到沉陷盆地,具有高效高精的特点。对无人机激光雷达地表沉陷监测的原理流程和概率积分预计参数动态反演方法进行了分析讨论,以内蒙古唐家会煤矿为例,设计了无人机激光雷达飞行方案,采集了两期激光点云数据,并对实测数据进行了组合解算、融合、滤波,建立两期DEM,求取了观测时间段内的地表下沉盆地,并进行了全盆地动态反演,得到测区概率积分预计参数。结果表明：DEM精度分别为34 mm和37 mm;下沉盆地精度为50 mm,结果对于煤矿开采沉陷监测与预测来说是相对可靠的,为无人机激光雷达应用于地表监测提供了案例。     

基于移动平台的激光点云与数字影像融合方法

车载激光扫描系统集成多种传感器,可以在获取三维激光点云数据的同时获取相应的光学影像,融合处理激光点云和光学影像能实现城市场景的真彩色三维可视化.本文讨论如何在车载系统的基础上对纹理的采集,纹理的重建进行研究和改进.分析了采集平台、采集的原则,建立了激光点云与数字影像的映射关系,生成彩色激光点云,重点阐述原始彩色激光点云...     

结合树冠体积的油茶树高与产量估测研究

【目的】以长沙县明月村油茶林基地为研究区,探讨利用无人机倾斜摄影提取树冠体积进行油茶树高和产量估测的可行性。【方法】基于无人机正射影像和密集匹配点云,提取波段反射率、植被指数、纹理因子、高度特征等遥感变量和冠幅等冠层参数,同时利用克里金法、反距离权重法、自然邻近点法和过滤三角网法分别获取油茶树冠体积,建立多元线性回归、随机森林、K最邻近模型估测油茶树高和产量,并以地面三维激光点云获取的树冠体积、样地实测树高和产量作为实测值分别对估测结果进行精度评价。【结果】过滤三角网是获取油茶树冠体积最有效的方法,其平均相对误差(31.54%)优于反距离权重法(36.73%)、克里金法(37.04%)和自然邻近点法(38.54%)。将树冠体积作为特征变量参与建模后,树高和产量的多元线性回归、随机森林、K最邻近模型的精度均有所提升(树高相对均方根误差分别减小了3.77%、0.78%、0.64%,产量相对均方根误差分别减小了1.32%、0.34%、0.16%)。对比3种估测模型,随机森林模型的决定系数均优于多元线性回归和K最邻近(树高决定系数分别为0.78、0.51和0.19,产量决定系数分别为0.61、0.48和0.24)。研究发现,分别使用估测树高和实测树高参与产量建模的精度无明显差异。【结论】结合树冠体积和树高参与建模可有效提高油茶产量估测精度,研究结果可为区域范围内利用无人机遥感技术开展油茶树高和产量调查提供参考。     

Segments-based progressive TIN densification filter for DTM generation from airborne LIDAR data

Airborne light detection and ranging (LIDAR) has revolutionized conventional methods for digital terrain models (DTMs) acquisition.Ground filtering for airborne LIDAR is one of the core steps taken to obtain a high quality DTM.This paper presents a segments-based progressive TIN (triangulated irregular network) densification (SPTD) filter that can automatically separate ground points from non-ground points.The SPTD method is composed of two key steps:point cloud segmentation and clustering by iterative judgement.The clustering method uses the dual distance to obtain a set of seed points as a coarse spatial clustering process.Then the rest of the valid point clouds are classified iteratively.Finally,the datasets provided by ISPRS are utilized to test the filtering performance.In comparison with the commercial software TerraSolid,the experimental results show that the SPTD method in this paper can avoid single threshold restrictions.The expected accuracy of ground point determination is capable of producing reliable DTMs in the discontinuous areas.     

无人机与三维激光扫描融合的拱桥三维重建

针对单一无人机影像在复杂拱桥建模精度和完整度方面的不足,提出一种将三维激光扫描数据与无人机航空影像融合的拱桥精细化建模方法。首先以无人机低空区域环绕航摄及近景摄影获取拱桥主体及细部高质量纹理数据;然后通过增加连接影像将无人机主体及细部影像数据融合并生成高精度拱桥主体上部点云数据;最后将三维激光扫描仪采集所得拱桥桥体下部多站点云数据经坐标转换、配准实现与拱桥上部高精度点云融合从而生成拱桥完整的精细化实景三维模型。通过与单一无人机影像建模结果进行精度对比分析和纹理完整性评价以此验证本文建模方法的有效性。结果表明：该方法可重建几何精度高、完整性好、纹理真实的拱桥实景三维模型,并为类似底部脱空建筑的数据采集方法提供参考,具有较好的工程应用价值。     

基于逆向工程的注塑模具设计研究

介绍了应用逆向工程技术结合三维设计软件设计注塑模具的方法。使用机械式三维坐标测量仪，测出电话壳的点云并对其处理，利用Pro／E软件曲面造型功能，构造出电话壳的CAD模型，再用Pro／E软件的模具设计模块设计出电话壳的注塑模具。实现了电话壳注塑模具的快速设计。在注塑件设计研发过程中，应用逆向工程技术和三维设计软件缩短了新产品的研发周期，提高了企业在市场上的竞争力。     

密集匹配点云下的矿石块度提取

在矿山爆破作业中,评判矿山爆破质量的重要指标是爆破后矿石块度的大小。矿石块度的大小直接影响着后期的生产作业。针对露天矿施工过程中矿石块度测定问题,提出了一种基于密集匹配点云数据的矿石块度测定方法。首先通过寻找矿石堆中最高点与最低点计算不同矿石堆的坡度;然后依据计算得到的矿石堆坡度信息以及点云灰度信息、邻域特征等,采用粗提取与精提取相结合的方式对矿石点云边界线进行提取;依据提取出的边界线实现不同矿石点云的有效分割;最后利用分割得到的单个矿石点云进行块度估算以及矿石分布规律研究。试验表明本文方法可以有效的分割出单个矿石点云,且分割效果较好,研究区内矿石块度大多介于0.5-1.0m。     

基于 SIFT 算法的无人机遥感图像拼接技术

为了给农田研究人员提供高精度、 宽视野的图像, 在利用 SIFT(Scale-Invariant Feature Transform)算法初 步检测候选点步骤中, 加入自适应阈值去除部分候选特征点; 结合无人机图像的经纬度坐标及重叠区域位置关 系剔除部分无效特征点, 并进行特征点粗匹配; 利用随机采样一致算法消除误匹配点对, 并求解投影变换矩阵 完成相邻两幅农田遥感图像的拼接; 设计了金字塔拼接策略, 完成 128 幅高分辨率图像的拼接。 实验结果表 明, 基于 SIFT 算法, 利用改进的特征点精简方法, 特征点粗匹配时间平均减少了52%, 精匹配时间平均减少了 25%; 基于 6 个图像融合评价参数的对比实验发现, 从定性和定量两个方面, 基于多分辨率的图像融合均优于 其他融合算法。     

一种新的用于编制露天矿生产计划开采模型

用混合整数规划法求解露天矿生产计划编制问题(OMPSP),其算法的时间复杂度为指数阶。提出一种基于成本流的露天矿开采锥模型(CFCM)。采用图论的方法将矿床块段模型抽象为节点的集合,用有向边表示成本流,将所有正价值节点与其开采锥内负价值节点相连形成初始CFCM。研究采用线性规划的方法对成本流进行合理分配而形成最终CFCM的方法,并应用于实际露天矿山的计划编制工程中。研究结果表明:CFCM能极大地减少用混合整数规划法求解OMPSP时的整数变量个数,适应于复杂的实际OMPSP,其计算结果与工程实际结果较吻合,为解决实际OMPSP提供了一种新的有效方法。