[发明专利]基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法

说明书

本发明公开了基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法，包括包括以下步骤：S1、使用无人机和基站利用倾斜摄影测量技术获取监测区域的三维模型，得到三维模型数据；S2、使用机载LIDAR与三维激光扫描仪获取监测区域的点云数据；S3、对监测区域的点云数据和三维模型数据进行自动单体化建模，实现了对倾斜摄影数据和LIDAR点云数据单体化过程中对目标物矢量底面的自动提取，获取速度，降低了人力成本；通过基站的伞架装置实现了在非充电时间对于基站的保护，实现了在充电时对无人机的保护，从而提高了无人机的续航效果和保障了无人机的飞行安全，从而提高单体化建模的稳定性。

技术领域：

本发明涉及一种单体化建模方法，特别涉及到一种基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法。

背景技术：

单体化是相对于倾斜摄影数据特点而言的，指的是我们想要单独管理的一个个对象，且是可以被选中的实体；即用鼠标点击独立的一个对象时可以高亮显示，可以附上属性信息。只有具备了单体化的能力，数据才可以被管理使用，而不仅仅是被用来浏览查看。对于人工建模而言，如3Dmax建的模型，单体化是一件很容易实现的事情。即在人工建模的过程中，自然会把需要单独管理的对象制作为单独的模型，与其它对象分离开。

对于倾斜摄影数据而言，它是连续的一张“皮”，所有地物都是连续的整体，不是分隔开来的。其建模机制在于首先从所拍摄的影像像对中生成稠密的点云，然后对点云进行抽稀，再构建三角网，最后贴上贴图。在这个过程中，是没有人工干预的。当前的建模算法并不会把建筑、地面、树木等地物区分出来，因此构建出来的是一个连续的Tin网。对于这样的数据，本身是无法选中单个建筑的，需要进行一定的中间处理才能实现单体化。而对于大多数实际应用而言，是需要能对建筑等地物进行单独的选中、赋予属性、查询属性等基本的GIS操作。因此，单体化成为倾斜摄影模型在GIS应用中绕不过的一个坎，是必须要解决的问题。

目前，倾斜摄影数据单体化有3种解决思路。第一种最直观的思路，就是用建筑物、道路、树木等对应的矢量面，对倾斜摄影模型进行切割，即把连续的三角面片网从物理上分割开，从而实现单体化。我们可以称之为“切割单体化”。第二种利用三角面片中每个顶点额外的存储空间，把对应的矢量面的ID值存储起来；即一个建筑所对应的三角面片的所有顶点，都存储了同一个ID值，从而实现在鼠标选中这个建筑时，通过判断ID值，将该建筑物呈现出高亮的效果，这个可以称之为“ID单体化”。第三种是在三维渲染的时候，动态的把对应的矢量面叠加到倾斜摄影模型上，通过间接的方式，矢量面范围内的建筑等物体高亮显示，从而实现可被单独选中的效果，这种由于是渲染时动态呈现的，可以称之为“动态单体化”。

本发明提出的单体化算法属于动态单体化范畴。目前传统的建筑物矢量底面的获取是通过已有DLG数据进行配准，此方法是最省事的，不过需要有数据基础。还有一种是通过对正射影像进行人工的矢量化方式来获取。自动化提取现在是一种新兴的获取方式，代表着未来的方向。

在倾斜摄影过程中离不开无人机的长时间运行，在进行大面积的倾斜摄影时，无人机的续航就成了问题，现有技术在特定的高处设置有供无人机充电续航的基站，但存在开放式的结构使得基站内部容易受到外界杂物如垃圾、羽毛等干扰，影响充电效果甚至与影响无人机的飞行安全。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种基于倾斜摄影数据和和LIDAR点云融合自动单体化建模的方法。

基于倾斜摄影数据和LIDAR点云融合自动单体化建模的方法，其特征在于，包括以下步骤：

S1、使用无人机和基站利用倾斜摄影测量技术获取监测区域的三维模型，得到三维模型数据；

S2、使用机载LIDAR与三维激光扫描仪获取监测区域的点云数据；

S3、对监测区域的点云数据和三维模型数据进行自动单体化建模。

其中，所述自动单体化建模方法包括以下子步骤：