面向智慧城市应用的DEM与倾斜摄影模型空间贴合优化算法的制作方法

为实现dem与倾斜摄影模型的贴合服务于三维场景的各专题应用，本发明提供了一种面向智慧城市应用的dem与倾斜摄影模型空间贴合优化算法方法，包括如下：

本发明涉及空间数据多源融合技术领域，具体涉及一种面向智慧城市应用的dem与倾斜摄影空间贴合优化算法。

背景技术：

随着“智慧城市”概念的快速推广，将城市规划建设管理从粗放模式向精细化、可视化、动态化转变是发展的必然趋势。在“智慧城市”的建设过程中，城市倾斜摄影模型、dsm、dem等地理信息数据则是“智慧城市”建设的基础所在，没有精度高、效果好的空间数据支撑，“智慧城市”只能是空中楼阁。在实际应用中，需要将倾斜摄影模型叠加到具有dem的场景中，然而受限于倾斜摄影模型与dem生成方法、生产时间、采集精度不一致等原因，导致两种数据的叠加不匹配，出现了诸如dem插入倾斜摄影模型的现象。具体表现如下：

(1)生成方法不同：倾斜摄影数据模型主要通过飞行平台搭载多个相机，同时从垂直、倾斜等多个不同的角度采集影像并生成。dem主要通过航空航天摄影测量和人工野外测量、现有的地形图数字化获取，也可直接通过遥感影像立体像对，根据视差模型选取同名点生成。受到观测技术、生成方法等因素的影响，dem和倾斜摄影模型往往在空间分辨率、数据精度和覆盖范围等方面存在差异性，造成dem生产和倾斜摄影模型生产存在平面和高程误差，高程精度误差一般受限于倾斜摄影模型控制点坐标。导致倾斜摄影模型和dem贴合时存在交融、交叉、展示效果差的问题。如图11所示。

(2)生产时间不同：受限于倾斜摄影模型和dem来源于多年度、多部门。如：dem采集与生产于2009年，但倾斜摄影模型生产于2018年，而此段时间内，地貌现状已经发生了很大的变化，如：坑塘已经填平用于构建房屋、部分山坡已挖平用于修建公路。因此造成倾斜摄影模型与dem不匹配。

(3)数据精度不同：受限于倾斜摄影模型和dem分辨率精度不一致，如：城镇内部dem空间分辨率精度一般在2m-10m，城镇外部dem空间分辨率精度一般在5m-30m，而倾斜摄影模型的模型空间分辨率精度一般在2cm-10cm，因此造成倾斜摄影模型与dem不匹配。

综上，针对现有dem和倾斜摄影模型不匹配的问题，通过融合的手段，实现高精度倾斜摄影模型和dem两者之间的准确贴合成为“智慧城市”建设中重点关注的问题，也是本专利的发明需要解决的重点问题。

技术实现要素：

(一)解决的技术问题

倾斜摄影模型是一种包含了真实地形信息的数字地表模型，在实际应用中，常常需要将倾斜摄影模型叠加到已具有dem的场景中，而由于倾斜摄影模型与原有dem的生成方法、生产时间、采集精度不一致，导致两种数据的地形不匹配，出现了诸如原dem插入倾斜模型的现象。为了解决这类问题，本发明提供了一种面向智慧城市应用的dem与倾斜摄影空间贴合优化算法，可以通过修改原有dem达到目的。本发明采用选取模型控制点的方法按照1985国家高程标准对拿到的原始倾斜摄影模型进行纠偏处理，减小dem生产和倾斜摄影模型生产存在数据平面误差和高程误差。采用模型压平算子和dsm生成算子，形成倾斜摄影模型覆盖区域的ah-dem数据，采用o-dem与ah-dem镶嵌融合形成融合后dem(af-dem)，dem数据融合能够克服单一数据的限制，提高数据的利用效率和原始dem的数据精度，解决dem生产和倾斜摄影模型生产时间和采集精度不同造成的匹配差异。本发明可提升倾斜摄影覆盖区域的o-dem数据质量，使af-dem和aspm可以有效贴合的展示在三维场景中，服务于智慧城市建设的各项三维专题应用。本专利实现了已有多种三维gis技术的整合应用，属于现有技术的整合应用范畴，用于解决现实智慧城市项目建设过程中常见的dem与倾斜摄影模型贴合效果不佳，从而影响用户体验的问题。

(二)技术方案

本发明所采用的技术方案是：

1)输入原始数据o-dem、hvp、opm等；

2)获取hmsp；

2.1)输入opm模型控制点坐标；

2.2)根据1985国家高程基准，采用opm模型控制点坐标，对opm做高度纠偏处理，获得hmsp；

3)获取ah-dem；

3.1)输入hmsp与hvp，采用模型压平算子，形成近似地表倾斜摄影模型(aspm)；

3.2)基于aspm，采用数字地表模型dsm生成算子，形成opm覆盖区域的ah-dem；

4)o-dem与ah-dem镶嵌融合，形成af-dem；

4.1)输入o-dem与ah-dem，采用栅格镶嵌算子，实现o-dem与ah-dem镶嵌融合；

4.2)o-dem与ah-dem的接边区域采用梯度下降模型；

4.3)形成af-dem；

5)对比分析两种dem的优劣，展示本发明的改进效果；

5.1)对比分析o-dem与af-dem的优劣；

5.2)对比本发明专利改进效果；

6)结果输出与应用；

6.1)输出af-dem，作为本专利方法的输出成果；

6.2)结果应用；

(三)有益效果

与现有技术相比，本发明的有益效果是：一种面向智慧城市应用的dem与倾斜摄影空间贴合优化算法采用选取模型控制点的方法按照1985国家高程标准对拿到的原始倾斜摄影模型进行高度纠偏处理，减少由数据生成方法、机器性能、天气等因素造成的倾斜摄影模型和dem模型的平面误差和高程偏差，得到位置正确的aspm，并在此倾斜摄影模型基础上结合多种算法生成高度正确的倾斜摄影模型覆盖区域的近似高精度dem(ah-dem)。o-dem与ah-dem镶嵌融合获取到的ah-dem。这种方法能够克服单一dem数据的限制，提高数据的利用效率和原始dem的数据精度。此外，af-dem可以与aspm较好的贴合，解决了o-dem和opm无法准确贴合的问题。在智慧城市三维数据构建的实际应用中具有较好的应用价值。

附图说明

图1为本发明流程图。

图2为本发明opm数据。

图3为本发明hvp数据。

图4为本发明o-dem数据。

图5为本发明opm数据存在高度偏差。

图6为本发明倾斜摄影模型生成过程。

图7为本发明倾斜摄影模型流程图。

图8为本发明航线平高点铺设方式。

图9为本发明矫正后的opm。

图10为本发明aspm模型数据。

图11为本发明压平算法流程。

图12为本发明ah-dem地形数据。

图13为本发明o-dem与hmsp贴合。

图14为本发明ah-dem与hmsp贴合。

图15表格1为本发明反距离等分权重法内插权值分配表。

图16表格2为本发明结果对比分析表。

具体实施方式

为使本发明的实施目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分的实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

结合图流程图1，一种面向智慧城市应用的dem与倾斜摄影模型空间贴合优化算法，包括如下步骤：

1)输入数据o-dem、hvp、opm，具体数据形式见图2、图3和图4。

2)获取hmsp数据。

2.1)输入opm模型控制点坐标；

原始倾斜摄影模型由于受到航测技术、生成方法、机器性能、天气等因素造成模型与实际地形存在高度偏差，如图5所示，为了得到高度正确的aspm，采用选取模型控制点对高度进纠偏处理，具体做法如下：

倾斜摄影模型是指通过同一飞行平台搭载多个传感器，同时对从垂直、倾斜等不同角度采集的影像，并通过摄影测量原理，采用自动化建模软件对获得的倾斜影像数据进行几何处理、多视匹配、三角网(tin)构建、自动赋予纹理输出城市实景三维模型成果，并采用人工修改完成模型局部效果纠正。其倾斜摄影模型生成过程如图6所示，流程图如图7所示。

通过自动化软件生成的倾斜摄影模型受到航测技术、模型生成方法、机器性能、天气等因素造成的倾斜摄影模型高度存在误差，本发明采用选取模型控制点的方法对产生的高度差进行纠偏处理。像控点应该选择在航摄像片上影像清晰、目标明显的像点，实地选点时，也应考虑侧视相机是否会被遮挡。对于弧形地物、阴影、狭窄沟头、水系、高程急剧变化的斜坡、圆山顶、跟地面有明显高差的房角、围墙角等以及航摄后有可能变迁的地方，均不应当做选择目标。控制点选取具体方法如下：

①确定测区所用的坐标系统、投影方式、高程基准。

②为保障数据成果精度，对控制点的要求相对提高，需保证1平方公里内30个控制点。房屋顶部应适当增加控制点，从而使数据的精度有进一步的提高。

③采用航线两端及中间均隔一或两条航线布设平高点的方法。此方法既能保证成图精度，又能减少外业工作量。具体布点方式如图8所示。

2.2)根据1985国家高程基准，采用opm模型控制点坐标，对opm做高度纠偏处理，获得hmsp；

中国测绘主管部门通过计算黄海平均海面，并以青岛验潮站1952年～1979年的潮汐观测资料为计算依据，称为“1985国家高程基准”。本发明根据1985国家高程标准并基于控制点采用gis桌面软件(本发明专利选取的是gis软件是超图软件supermapidesktop9d)对opm做高度纠偏处理，得到纠偏后的opm如图9所示。

3)获取ah-dem数据；

3.1)输入hmsp与hvp，采用模型压平算子，形成近似地表倾斜摄影模型aspm；

由于倾斜摄影模型与原有地形的采集时间、采集精度不一致，导致两种数据的地形不匹配，出现了诸如原地形插入倾斜模型的现象。为了解决这类问题，可以通过替换或修改原有地形数据达到目的。但在缺乏数据修改权限或能力时只能另寻办法。为此本发明提供了在小范围的倾斜摄影模型区域通过hvp，采用模型压平算子对上一步得到的hmsp进行计算得到近似地表倾斜摄影模型aspm，如图10所示。之后可采用dsm生成算子，用aspm生成倾斜摄影模型覆盖区域的近似高精度dem。该方法通过将指定区域的原有倾斜摄影模型上的房屋等建筑按照高程压平，生成aspm，解决地形插入倾斜摄影模型不匹配的问题，且不会影响没有倾斜摄影模型区域的地形显示。倾斜摄影模型可以看成是一张表面覆盖了高分影像的连续的tin三角网，通常获取到的倾斜摄影模型也是osgb格式的三维缓存。因此可通过gis二次开发组件(本发明专利选取的是gis二次开发组件是超图软件supermapiobjects9d)对hmsp进行建筑面的压平计算，其算法流程图如图11所示。

3.2)基于aspm，采用数字地表模型dsm生成算子，形成opm覆盖区域的ah-dem；

dsm(digitalsurfacemodel)即数字地表模型，是指包含了地表建筑物、桥梁、树木等要素的地表高程模型，与dem的区别在于：dem只包含了地形高程信息，并未包含其它地表信息，dsm在dem的基础上，进一步涵盖了除地面以外的其它地表信息的高程，多应用于对建筑物高度有需求的领域。本发明采用改进的四点反距离等分权重内插算法生成dsm，算法主要原理是根据反距离权重内插方法，顾及倾斜摄影模型表面的复杂性，设定距离拟内插点最近的点予以一半的权重，其他点另一半权重，称之为“等分”。这种规则同样应用在远离内插点的三个点之间平衡其权重。可能搜索范围内只有不到四个点的特殊情况，因此需要把没有四个点的情况下缺少点的权值平均分配到各个点上，权值分配如表1所示，表1中以0.15m为距离单元。例如在8倍的距离单元处(1.2m)的点的权值只有0.1，而在0.15m之内的点具有100％的权值。四点反距离等分权重内插算法具体描述如下：

①根据最大搜索半径，建立空间索引网格，最大搜索半径由aspm顶点间的平均距离确定，一般确定为平均距离的1.2倍。

②利用八邻域，建立dsm拟内插点备选集合。首先判断拟内插点在空间索引格网的编号(x，y，z)，确定八邻域的编号，注意在研究区域边际的特殊情况。

③利用改进的反距离权重算法内插dsm格网点(pxy)。规则如下：

a.如果周边点距离小于最小距离阈值，其值一般取搜索半径小一点的值，有大于0个点，则距离最小点的高程值直接赋给pxy点。

b.使用这一算法，有搜索不到点的情况，一般是原始倾斜摄影模型存在数据“漏洞”，因此，在数据预处理时需要较长边的三角网，内插出dem，用dem点代替dsm。

c.对于个别少量点的“漏洞”区(一般少于3个点)，需要搜索其周边的点，判断高程值的大小，如果高程值较大，需要内插周边的点，搜索所有周边的dsm格网点，高程值取算数平均值代替“漏洞”区的点值，以消除dsm的孔洞特征。本发明基于aspm，采用数字地表模型dsm生成算子，形成opm覆盖区域的ah-dem，如图12所示。

4)o-dem与ah-dem镶嵌融合，形成af-dem；

4.1)输入o-dem与ah-dem，采用栅格镶嵌算子，实现o-dem与ah-dem的镶嵌融合；

在dem获取过程中，数据的精度和尺度不可避免地受到观测手段、处理方法和地表观测环境的影响，使单一来源的dem在数据质量上往往不能完全满足应用的需求。面对dem精度异常值、噪声、空洞等常见的质量问题，需要对原始dem数据进行质量改善。本发明尝试将倾斜摄影模型生成的ah-dem与o-dem进行数据融合，挖掘两数据之间的互补信息，建立融合数据集的表达模型，以克服o-dem数据质量的缺陷，提高数据精度。

dem表达的是经过处理和解译得到的地表高程信息，由于地表高程起伏的稳定性，在中高分辨率的数据中很难区分短时间内的地形沉降、地物变化与数据的系统和随机误差。并且，dem的灰度变化反映的是地形的高低起伏，不同的dem可能通过不同传感器在不同时间获取而造成的误差，观测手段和生成方法也非常多样化，因此dem精度受到观测值本身和生成过程系统误差和随机误差的共同影响。在数据融合中，需要结合数据本身的特性，并根据应用需求对多源数据的误差进行考虑。本发明采用将稀疏表示的框架引入与o-dem和ah-dem的融合过程，建立数据集的表达模型，形成融合后的af-dem数据模型。这种方法可提高o-dem和ah-dem重合区域的数据的分辨率。

4.2)o-dem与ah-dem的接边区域采用梯度下降模型；

大区域的o-dem与小范围的高精度ah-dem融合后形成的af-dem，在接边区域存在明显的高度差异。为了减小这种差异，使接边区域可以平缓过渡，本发明尝试在接边区域采用梯度下降模型(gradientdescent，简称gd)对af-dem做优化。gd作为目前优化神经网络最基础的迭代算法，其最基本思想是：用在小批量的子集上计算出的梯度近似在整个数据集上计算出的真实的梯度。如公式(1-1)，gd每一步用小批量样本迭代更新权重。

ωt+1＝ωt+δωt

e()

(1-1)

其中，η是算法的学习率，e(ωt)是关于第t次迭代权重ωt的损失函数，δωe(ωt)为权重w在t时刻关于损失函数的一阶梯度，简记为gt，ωt+1为t+1时刻的权重值ωt为t时刻的权重值，δω为梯度算子，即每次迭代的权重更新部分。

4.3)形成af-dem；

本发明实现o-dem与ah-dem的镶嵌融合，并通过对接边区域采用梯度下降模型优化形成af-dem。

5)对比分析两种dem的优劣，展示本发明的改进效果；

5.1)对比分析o-dem与af-dem的优劣；

由前面步骤可知，af-dem是ah-dem与o-dem融合的结果，与o-dem相比，af-dem在倾斜摄影模型覆盖区域的地形拥有相对较好的现势性。为了做改进前后的贴合效果对比，分别将o-dem与af-dem，同hmsp于三维场景中叠加展示，如图13、图14所示，对比指标具体包括：相同区域内dem与hmsp交叉区域大小、dem与hmsp交叉区域个数、道路面所在区域的模型贴合度，根据此三项指标，做本专利方法的用益效果对比，具体对比结果如表2所示。

5.2)对比本发明专利改进效果；

本发明的改进效果是：采用选取模型控制点的方法对拿到的原始倾斜摄影模型做纠偏处理，减少由数据生成方法、机器性能、天气等因素造成的倾斜摄影模型和dem模型的平面误差和高程偏差，得到hmsp，并在此基础上结合多种算法生成位置正确的倾斜摄影模型覆盖区域的ah-dem，其与o-dem镶嵌融合获取到的ah-dem。这种方法能够克服单一dem数据的限制，提高数据的利用效率和原始dem的数据精度，解决了o-dem和opm无法准确贴合的问题。在智慧城市三维数据构建的实际应用中具有较好的应用价值。

6)结果输出与应用；

6.1)输出af-dem，作为本专利方法的输出成果；

af-dem与hmsp空间叠加的展示效果如图14所示。可以明显看到倾斜摄影数据已经和地形数据有了较好的贴合。其成果可通过超图软件的supermapidesktop生成*.s3m格式三维缓存。

6.2)结果应用；

dem数据能够描述地面的起伏形态特征，因此广泛应用在地形分析、地质、水文领域，在生态、农业、气象及军事应用中也扮演着重要的角色。倾斜摄影数据提供了现实世界建筑物的表面模型，地形数据提供了倾斜摄影数据在宏观环境中的位置信息及周边环境。将倾斜摄影数据与dem数据进行融合，为用户提供更加真实、准确的可视化体验，以及三维空间分析数据支撑，服务于智慧城市建设的各项三维专题应用。

综上所述，本发明的一种面向智慧城市应用的dem与倾斜摄影模型空间贴合优化算法，解决了小范围的倾斜摄影模型和大范围的dem贴合效果存在交融、交叉、展示效果差的问题。实现了主城区倾斜摄影模型与地形数据色贴合，可用于智慧城市建设，在实际应用中具有较好的应用价值。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施方式，凡属于本发明思路下的技术方案均属于本发明的保护范围。对于本技术领域的普通技术人员而言，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。