一种目标物高度的集中测算方法技术

本发明专利技术涉及一种目标物高度的集中测算方法，包括步骤：S1:在同一地理位置信息下获取研究区的地物高程图和地物分布图；S2:对地物分布图进行图像识别和分类，获得目标分布图区以及非目标分布图区；S3:根据非目标分布图区，提取出S1地物高程图中的非目标高程图区；S4:结合非目标高程数据，对S3非目标高程图区中的空白区进行数据插补，以获取目标区的地面高程，从而得到完整的地面高程图；S5:将S1的地物高程图减去S4得到的地面高程图，得到目标物的高度数据分布。本发明专利技术中的测算方法，涉及图像识别和插补算法，因此，该方法的目标物针对性强，且能实现高度信息的集中测算、测算效率高且精度高、应用广泛，灵活性强，能实现不同尺度的动态化目标物高度测算。

【技术实现步骤摘要】
一种目标物高度的集中测算方法
本专利技术涉及一种目标物高度的集中测算方法。
技术介绍
目前，地表建筑物、桥梁和树木等高度信息调查是整个地理信息调查的重要内容，这是开展科学的土地利用结构分析和土地生产布局调整的基础，同时也是研究植被地上生物量分析和生产力测算的科学依据。因此，在地理空间内针对目标物的高度进行集中精确测算，这是一项非常具有意义的工作。当前，针对地理空间中目标物的高度信息调查主要采用地面实测法和激光雷达法等，其中地面实测法主要是利用测绘工具进行人工实地测量目标物的高度信息，这种高度测算方法具有精度高的优势，但是存在测量效率低下和测量成本高，难以测量超出测绘工具量程范围的目标物高度，而且无法进行地理坐标系下的高度数据连续集中测量，因此，这种方法难以实现动态化目标物的高度数据测量。另一种主要方式是采用激光雷达进行测算目标区高程信息，激光雷达因其具有极高的分辨率和抗干扰能力等优势，因此能获得地面更为丰富的三维点云数据，从而获得物体的三维结构特征信息，比如高度、面积以及体积等。尽管这种方式能够得到目标区中目标物的高度信息，但是激光雷达传感器价格昂贵，成本很高，且难以获取地物的光谱特征和纹理特征等信息，这会对后期分析造成一定的困难。综上所述，当前对地表建筑物、桥梁和树木等特定目标物的高度信息进行调查存在一定的技术和方法问题，亟需做出进一步的改进，以低成本和高质量地获取目标物所在任意位置并与之对应的高度信息。
技术实现思路
为解决以上技术问题，本专利技术提供以下技术方案：一种目标物高度的集中测算方法，其特征在于:包括以下步骤：S1:在同一地理位置信息下获取研究区的地物高程图和地物分布图；S2:对地物分布图进行图像识别和分类，获得目标分布图区以及非目标分布图区；S3:根据非目标分布图区，提取出S1地物高程图中的非目标高程图区；S4:结合非目标高程数据，对S3非目标高程图区中的空白区进行数据插补，以获取目标区的地面高程，从而得到完整的地面高程图；S5:将S1的地物高程图减去S4得到的地面高程图，得到目标物的高度数据分布图。进一步地，所述图像识别的方法包括监督分类或非监督分类、基于像素的分类或面向对象的分类，其中，识别的结果包括非目标物的矢量图、目标物的矢量图。进一步地，所述数据插补方法包括拉格朗日插值法、牛顿插值法，Hermite插值、分段插值或样条插值法。本专利技术中目标物高度的集中测算方法中具有以下优点：1、高度测算的针对性强，且能实现高度信息的集中测算。由于本方法中采用了目标物的图像识别环节，因此其高度测算的针对性较强，能自动识别出目标物所在位置并与之对应的高度信息。同时，本方法能对目标物的高度因位置的变动而变化做出响应，实现了目标物高度数据的集中测算，这大大提升了目标物高度信息的丰富性和实用性。2、测算效率高且精度高。相比于传统地面实测法，本方法大大缩减地面目标物高度测量的时间，从而提高效率，并且能实现传统测绘工具难以测量的目标物高度测算。实验证明，与激光雷达法相比，该方法通过优化目标物图像识别算法和高程数据插补算法，能大大提升测算精度。3、应用广泛，灵活性强，能实现不同尺度的动态化目标物高度测算。由于本方法基于研究区的数字表面模型图(DSM)和数字正射影像图(DOM)，而这些图像数据来源广泛，包括可见光倾斜摄影数据和激光雷达数据或卫星数据等，因此这就大大增强了目标物高度测算的灵活性和广泛适用性。此外，本方法还可以结合数据获取的高效率和图像的多尺度，从而实现目标物周期性高度数据获取，从而形成动态化的目标物高度信息。附图说明图1是本专利技术中目标物高度的集中测算方法流程图；图2(a)为本专利技术具体例子中地物分布图；图2(b)为本专利技术具体例子中地物高程图；图3为本专利技术具体例子中地物分布图进行图像识别和分类后结果图；图4为本专利技术具体例子中地物高程图中提取非目标高程图区后结果图；图5为本专利技术具体例子中的经过数据插补之后的地面高程图；图6为本专利技术具体例子中的目标物高度分布图；图7为本专利技术具体例子中的目标物高度分布实际效果图；具体实施方式见图1，一种目标物高度的集中测算方法，包括以下步骤：S1:在同一地理位置信息下获取研究区的地物高程图和地物分布图；地物高程图是指包含了地表建筑物、桥梁和树木等高度信息分布图；地物分布图是包含地物光谱和纹理特征分布的数字正射图。需要注意的是，二者要有相同的地理位置信息。上面两种图像来源广泛，包括但不限定于激光雷达产生的三维点云，倾斜摄影产生的三维实景模型等等。S2:对地物分布图进行图像识别和分类，获得目标分布图区以及非目标分布图区；其中，图像识别方法包括但不限于监督分类或非监督分类、基于像素的分类或面向对象的分类等。其中，识别的结果包括但不限定于非目标的矢量图和目标的矢量图。S3:根据非目标分布图区，提取出S1地物高程图中的非目标高程图区；S4:结合非目标高程数据，对S3非目标高程图区中的空白区进行数据插补，以获取目标区的地面高程，从而得到完整的地面高程图；其中，数据插补方法包括但不限定于拉格朗日插值法、牛顿插值法，Hermite插值、分段插值以及样条插值法等。S5:将S1的地物高程图减去S4得到的地面高程图，得到目标物的高度数据分布图。本专利技术中目标物高度的集中测算方法中具有以下优点：1、高度测算的针对性强，且能实现高度信息的集中测算。由于本方法中采用了目标物的图像识别环节，因此其高度测算的针对性较强，能自动识别出目标物所在位置并与之对应的高度信息。同时，本方法能对目标物的高度因位置的变动而变化做出响应，实现了目标物高度数据的集中测算，这大大提升了目标物高度信息的丰富性和实用性。2、测算效率高且精度高。相比于传统地面实测法，本方法大大缩减地面目标物高度测量的时间，从而提高效率，并且能实现传统测绘工具难以测量的目标物高度测算。实验证明，与激光雷达法相比，该方法通过优化目标物图像识别算法和高程数据插补算法，能大大提升测算精度。3、应用广泛，灵活性强，能实现不同尺度的动态化目标物高度测算。由于本方法基于研究区的数字表面模型图(DSM)和数字正射影像图(DOM)，而这些图像数据来源广泛，包括可见光倾斜摄影数据和激光雷达数据或卫星数据等，因此这就大大增强了目标物高度测算的灵活性和广泛适用性。此外，本方法还可以结合数据获取的高效率和图像的多尺度，从而实现目标物周期性高度数据获取，从而形成动态化的目标物高度信息。以下根据一个具体的例子来直观详细地介绍本专利技术的方法：其中，研究区为一块具有箱子和人体的草坪，箱子和人体选定为目标物，则除箱子和人体以外的草坪和树叶为非目标物,通过本专利技术的方法获取目标物的高度的具体过程如下：S1:获取研究区的地物高程图和地物分布图；...

【技术保护点】
1.一种目标物高度的集中测算方法，其特征在于:包括以下步骤：/nS1:在同一地理位置信息下获取研究区的地物高程图和地物分布图；/nS2:对地物分布图进行图像识别和分类，获得目标分布图区以及非目标分布图区；/nS3:根据非目标分布图区，提取出S1地物高程图中的非目标高程图区；/nS4:结合非目标高程数据，对S3非目标高程图区中的空白区进行数据插补，/n以获取目标区的地面高程，从而得到完整的地面高程图；/nS5:将S1的地物高程图减去S4得到的地面高程图，得到目标物的高度数据分布图。/n

【技术特征摘要】
1.一种目标物高度的集中测算方法，其特征在于:包括以下步骤：
S1:在同一地理位置信息下获取研究区的地物高程图和地物分布图；
S2:对地物分布图进行图像识别和分类，获得目标分布图区以及非目标分布图区；
S3:根据非目标分布图区，提取出S1地物高程图中的非目标高程图区；
S4:结合非目标高程数据，对S3非目标高程图区中的空白区进行数据插补，
以获取目标区的地面高程，从而得到完整的地面高程图；
S5:将S1的地...

【专利技术属性】
技术研发人员：邱国玉，毛鹏，郝梦宇，秦龙君，赵文利，熊博文，罗婕纯一，丁俊杰，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：广东;44