一种基于无人机的WebGIS平台下高精度地形建立方法与流程

本发明属于无人机测绘领域，更具体的说涉及一种基于无人机的webgis平台下的高精度地形建立方法。

背景技术：

随着我国工程建设信息化水平的不断提高，越来越多的工程项目开始采用可视化手段进行施工过程的精细化管理。通常可视化要素利用物联网平台采集，通过无线传输传至数据库，再经由后台处理传至前端，从而实现与用户之间的交互。大型工程施工管控要素众多，为了保证数据处理的效率和展示的流畅，传统的施工可视化管理平台大多采用c/s架构实现。针对当前国际通用的epc、pmc、bot、ppp等管理模式，施工质量的管控人员涵盖业主、监理、总承包方、施工方，从项目部总经理到专项经理再到部门员工，均需对项目进行全面直观的把控，而传统的c/s架构系统仅针对施工现场管理人员，其本身存在时效性和地域性问题，无法实现多维度的协同管理，因此越来越无法适应当前管理模式的需要。

webgis是将gis技术应用到internet平台的产物，是gis技术的延伸和发展。webgis具有运行速度快、展示效果好、服务人群多的特点，能够实现施工全范围的覆盖和全网络端的共享。地理信息数据是webgis的核心，传统的3d-webgis平台的地理信息展示主要有两种方式，第一种方式是将处理后的卫星影像数据导入平台当中，这种方式产生的地形精度过低，往往会造成部分施工管控要素埋入地形或处于悬空状态的问题，无法与地形很好的结合；第二种方式是将地形整体导入，精度高但加载速度慢，极易造成浏览器的崩溃。

现有的基于webgis的施工管理可视化平台仍无一种合理有效的地形展示方式。

技术实现要素：

本发明的目的在于提供一种基于webgis的精细化且轻量化的地形建立与应用方式，为整个施工管理可视化平台的搭建提供高精度的地形信息，同时尽可能降低地形加载对浏览器负载的影响。

为了实现上述目的，本发明是通过以下技术方案实现的：所述的基于无人机的webgis平台下高精度地形建立方法由以下几个步骤建立：

步骤1.航测基点布设与定位；

步骤2.无人机图像采集；

步骤3.图像识别与点云生成；

步骤4.dem模型生成；

步骤5.地形瓦片数据的生成；

步骤6.地形瓦片数据的web端解析。

优选的，所述的步骤1航测基点布设与定位包括以下两个步骤：

c.航测基点布设：航测基点在布设的过程中应尽可能将航测基点设置在施工范围的边缘区域；

航测基点坐标确定：航测基点坐标系选用当地的工程坐标系，每一个航测基点采集3次，取平均值。

优选的，所述的步骤2无人机图像采集包括以下步骤：

d.软硬件选择；

e.起飞点选择：起降点应选在平坦、空旷的地域；

f.航线规划：在最优航线计算过程中，首先需根据最大航向重叠度和最大旁向重叠度得到图像相邻边界的位移差,按照这个距离将整个区域分网，最后通过蚁群算法，将采集内容覆盖全部网格作为限定条件，计算出航线路径最优的结果。

优选的，所述的步骤3图像识别与点云生成包括以下步骤：

g.获取无人机拍照相机的标定参数，利用opencv进行中值滤波和直方图均匀化处理；

h.利用sift算法进行特征点的提取；

i.用k-d树结构辅助，利用欧氏距离作为标准，使用最邻近算法进行特征点匹配；

j.通过交叉过滤和基础矩阵过滤的方式剔除误匹配点，得到高质量的匹配点对集合；

k.对匹配出的特征点对进行稀疏重构，恢复其在三维空间中的位置；

l.对稀疏重构后的点云进行密集重构，采用pmvs算法，经过区域匹配、范围扩展、滤波，完成密集重构，得到加密点云。

优选的，所述的步骤4dem模型生成包括以下步骤：

c.将加密后的点云导出，将点云数据转换成三角网数据并导出；

d.利用mapmatric软件转换功能将三角网数据转换成国家标准的dem格式，并进行存储。

9.根据权利要求1所述的一种基于无人机的webgis平台下高精度地形建立方法，其特征是：所述的步骤5地形瓦片数据的生成包括以下步骤：

c.实现图像识别和表面模型的构建；

d.通过坐标提取、坐标转换、gdal渲染与属性映射，得到标准的地形瓦片数据。

优选的，所述的步骤1航线航测基点按照如下方式进行布置：在挖除边坡表土后开挖一直径为40cm的圆形孔或40cm×40cm的正方形孔约40cm深，用钢筋砼浇注底盘至地面高度。

优选的，所述的航线规划：在最优航线计算过程中，首先需根据最大航向重叠度和最大旁向重叠度得到图像相邻边界的位移差，其计算公式如下：

公式1：

公式2：

其中，h为相机距地面的高度，θ为相机镜头视角，pxmax、pymax为允许最大重叠影像边长,lx、ly为相机拍摄范围边长，dxmax、dymax为相邻边界的最大位移差。

本发明有益效果：

1.生成的地形精度相较于卫星影像生成的地形精度大大提高，完全能够满足工程建设过程中地形应用的需要。

2.生成的地形加载效率快，采用了lod加载模式，避免了因地形整体过大导致前端负载过大的问题。

3.生成过程便捷高效，通过多次调用脚本依次对标准化的航测图片和生成的数据进行处理，可以很方便的实现地形瓦片数据的生成。

4.本发明方法步骤简单、实现方便、可操作性强，大大简化了了地形的数据过程和处理效率，而且能确保满足施工管理可视化平台的搭建要求。

附图说明

图1为本发明的监测基点埋设结构示意图；

图2为本发明的局部地形整体航拍图；

图3为本发明的无人机相邻边界最大位移差计算方法；

图4为本发明的点云数据生成效果图；

图5为本发明的dem模型生成效果图；

图6为本发明的地形瓦片解析效果图；

具体实施方式

下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属本发明保护范围。

如图所示，本发明的实现主要包括以下步骤：

步骤1，航测基点布设与定位：

航测基点布设：航测测基点用于将生成的地形坐标系转换为当地工程坐标系，在布设的过程中应尽可能将航测基点设置在施工范围的边缘区域，数量不宜超过5个。航测基点颜色需显眼、中心点需明确。

航测基点坐标确定：坐标系选用当地的工程坐标系，将移动gps的坐标系调成当地的工程坐标系，放置在航测基点的位置进行坐标信息的采集，每一个航测基点采集3次，取平均值，当出现误差较大的采集点时，需重新采集。

监测基点按照如下方式进行布置：在挖除边坡表土后开挖一直径为40cm的圆形孔或40cm×40cm的正方形孔约40cm深，用钢筋砼浇注底盘至地面高度，并涂刷蓝色油漆作为标记，监测基点示意图如图1所示。监测基点设置在位移稳定的区域，避免在松动的表层上设点。在位移稳定的基础上，监测基点尽可能靠近监测坡体，以缩小无人机航测区域，提高监测精度。本实施例中，所埋设的监测基点为3个，整体航拍图如图2所示。

步骤2，无人机图像采集：

软硬件选择：无人机选用大疆经纬m600pro搭配x5r云台，无人机飞控软件选用djigspro。

起飞点选择：无人机的起降点应选在平坦、空旷的地域。针对面积较大的区域，从终点到着陆点的飞行时间会对图像采集的时间产生显著影响，因此需要实地考察后确定。

航线规划：运用python语言编写最优路径算法进行航线的规划，将保证在全范围覆盖的前提下使航线最短。在航线规划过程中，需保证航向重叠度最佳在80％以上，最低不低于60％；旁向重叠度最佳在70％以上，最低不低于30％。在最优航线计算过程中，首先需根据最大航向重叠度和最大旁向重叠度得到图像相邻边界的位移差，计算方法见公式1和公式2，之后按照这个距离将整个区域分网，最后通过蚁群算法，将采集内容覆盖全部网格作为限定条件，计算出航线路径最优的结果。在图像采集过程中，云台应始终垂直向下。

公式1：

公式2：

其中，h为相机距地面的高度，θ为相机镜头视角，pxmax、pymax为允许最大重叠影像边长,lx、ly为相机拍摄范围边长，dxmax、dymax为相邻边界的最大位移差。

航向重叠度指无人机沿航线进行航摄时，同一航线上所拍摄的两张图像重叠区域占单张图片大小的比例；旁向重叠度指无人机沿航线进行航摄时，两航线之间所拍摄相邻的两张图像重叠区域占单张图片大小的比例。在无人机飞行前需进行航线规划，通过规定无人机飞行高度，在地图中通过无人机进行定点标出所需航摄区域，无人机会根据航向重叠度及旁向重叠度的要求按照设定的航线进行图像采集。飞行过程中应保证无人机所载相机镜头垂直朝下，与无人机的航线相垂直。根据图3,无人机的飞行高度指从无人机起飞位置计算起的上升高度；航摄区域是指包含监测边坡、监测点及监测基点在内的区域，本实施例中，无人机飞行高度为100m。

步骤3，图像识别与点云生成：运用开发的系统将所采集到的无人机航摄图像进行处理及识别，并对整体边坡进行三维重建，并通过监测基点计算出坐标转换七参数，将加密后的点云全部转换到工程坐标系，生成效果如图4所示。

获取x5r相机的标定参数，利用opencv开源库进行中值滤波和直方图均匀化处理。

利用sift算法进行特征点的提取。使用图像金字塔表达尺度空间，利用高斯差分方程，构造dog图像金字塔。利用opencv进行sift特征点检查，提取出sift特征点。

用k-d树结构辅助，利用欧氏距离作为标准，使用最邻近算法进行特征点匹配。

通过交叉过滤和基础矩阵过滤的方式剔除误匹配点，得到高质量的匹配点对集合。

对匹配的出的特征点对进行稀疏重构，恢复其在三维空间中的位置。依托opencv来进行图像之间的基础矩阵和本征矩阵的计算。利用相机标定参数三角化重建匹配点坐标并对已重建的图像作集束优化，得到新增图像的投影矩阵。循环重构直到所有的图像重构完成，得到稀疏重构的点云。

对稀疏重构后的点云进行密集重构。采用pmvs算法，经过区域匹配、范围扩展、滤波，完成密集重构，得到加密点云。

步骤4，dem模型生成：

将加密后的点云导出为.las格式，利用vtk中的delaunay将点云数据转换成三角网数据，并导出为基于文本的ascii格式。

打开mapmatric软件，利用软件中的dem转换功能将ascii格式转换成国家标准的dem格式，并进行存储。

步骤5，地形瓦片数据的生成：

地形瓦片数据的生成采用python脚本实现，首先借助opencv-python类库实现图像识别和表面模型的构建，之后借助gdal工具包实现dem地形信息到tin格式地形信息的转换。数字高程模型的标准数据格式为.gif格式，通过坐标提取、坐标转换、gdal渲染与属性映射，即可得到标准的流式瓦片地形数据。地形数据以xml文件为索引，统一存储在一个文件夹当中，每一级分辨率又单独存储，由hdr文件、kml文件和terrain文件构成，卫星地图的精度是米级，瓦片的精度是厘米级，精度由米级提高到了厘米级，同时整体地形导入100兆左右需要1分钟左右，用瓦片加载时只需要1-3秒，尽可能降低地形加载对浏览器负载的影响。

步骤6，地形瓦片数据的web端解析

地形数据的web端解析利用cesium.js插件实现，在引入插件的时候将地形信息以“newcesium.cesiumterrainprovider”的形式导入，最终实现地形数据的web端解析。

步骤3、步骤4、步骤5、步骤6已通过系统开发实现，步骤3、步骤4、步骤5为解析脚本、步骤6为web前端解析程序，过程便捷高效，通过多次调用脚本依次对标准化的航测图片和生成的数据进行处理，可以很方便的实现地形瓦片数据的生成。采用了lod加载模式，生成的地形加载效率快，避免了因地形整体过大导致前端负载过大的问题。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。