一种无人机高边坡危岩体智能识别方法技术

本发明专利技术涉及一种无人机高边坡危岩体智能识别方法，涉及图像处理技术领域，包括以下步骤，构建无人机航线，通过无人机飞行拍摄高边坡危岩体，从左到右、从上到下依次进行拍摄；将无人机拍摄的相片导入计算机并获取危岩体的点云数据；对点云数据进行预处理以降低数据量并平滑点云，然后利用种子点滤波算法或拟斜率滤波算法从去噪点云中提取地面点云；采用聚类算法对各边界点云进行分类并对聚类后的点云进行三维重构生成DEM，通过筛选规则提取危岩体对象，本发明专利技术具有高效、自动化和精确提取孤立危岩数据的优点。立危岩数据的优点。立危岩数据的优点。

【技术实现步骤摘要】
一种无人机高边坡危岩体智能识别方法


[0001]本专利技术涉及图像处理
，尤其涉及一种无人机高边坡危岩体智能识别方法。

技术介绍

[0002]危岩是指由多组岩体结构面切割，并且位于陡坡或者陡崖上的不稳定岩体。对于高边坡表面孤立的危岩体，其外部形态通常表现为凸起的块体，在高边坡中具有较为明显的外部边缘。为了对危岩体的稳定性进行评价，传统方式是依靠人工接触式测量，其具有工作效率低、危险性大、且受地形条件及外业环境的限制较大的问题。显然，基于边坡三维模型的危岩体自动识别可以有效的解决这个问题，该技术可以提供从数据非接触式采集到危岩体自动识别的一整套解决方案，从而极大地提高危岩体勘察的效率。然而，由于危岩体的不规则形和判断标准不一致性等特点，目前基于边坡三维模型的危岩体自动识别研究颇为罕见。
[0003]因此，针对以上不足，需要提供一种无人机高边坡危岩体智能识别方法。

技术实现思路

[0004]（一）要解决的技术问题本专利技术要解决的技术问题是现有对危岩体的自动识别研究不足的问题。
[0005]（二）技术方案为了解决上述技术问题，本专利技术提供了一种无人机高边坡危岩体智能识别方法，包括以下步骤，Ⅰ.构建无人机航线，通过无人机飞行拍摄高边坡危岩体，从左到右、从上到下依次进行拍摄；Ⅱ.将无人机拍摄的相片导入计算机并获取危岩体的点云数据；Ⅲ.对点云数据进行预处理以降低数据量并平滑点云，然后利用种子点滤波算法或拟斜率滤波算法从去噪点云中提取地面点云；Ⅳ.采用聚类算法对各边界点云进行分类并对聚类后的点云进行三维重构生成DEM，通过筛选规则提取危岩体对象。
[0006]作为对本专利技术的进一步说明，优选地，无人机的航线范围超出测量范围，无人机的飞行高度超过飞行区域最高障碍物。
[0007]作为对本专利技术的进一步说明，优选地，无人机航向保持80%的重叠度，旁向保持50%的重叠度，相机角度选择45
°
。
[0008]作为对本专利技术的进一步说明，优选地，通过Kd
‑
tree进行拓扑结构构建，采用基于局部表面拟合方法进行离散点云数据的法向量和曲率计算，以直接通过点云模型获取点云的几何特征。
[0009]作为对本专利技术的进一步说明，优选地，种子点滤波算法具体流程如下：
①
对整体构建三角网；
②
找到三角面片边长较大的三角网，遍历顶点，找到高程最大的顶点，标识为噪声点；
③
对三角网进行泛洪增长，其中找到点的周围邻接三角网，将不含噪声点的三角网标识为一簇，直到找到所有三角网簇；
④
最后移除噪声面片获得准确地面种子点。
[0010]作为对本专利技术的进一步说明，优选地，将种子点云投影到种子点最低点对应的XY平面中，外扩种子点云的外包围盒形成缓冲区域，沿着缓冲区域均匀插值，获取每个插值点到种子点的最近邻点，将该点的高程值赋给插值点以确保所有点都位于TIN中，随后迭代以遍历所有的地物点。
[0011]作为对本专利技术的进一步说明，优选地，每次迭代遍历所有的地物点，将满足条件的点作为地面种子点，一次性插入到上一步构建的TIN中，继续遍历剩下的地物点，根据新的TIN，计算迭代角度和迭代阈值，将满足条件的点作为新的地面种子点，重复上述构网过程和迭代过程，直到迭代次数超过阈值或没有新的地面点加入到种子点中为止，以使最后的种子点包含了所有的地面点。
[0012]作为对本专利技术的进一步说明，优选地，拟斜率滤波算法具体流程如下：
①
翻转原始激光点云；
②
自定义基准面，该基准面可为水平面或竖直面或于点云分布基本平行的面，并在该基准面上选择一条基准线，该基准线为直线；
③
获取等距的部分点云投影到该基准面上，获取这些投影点与基准面之间的距离，同时获取这些点与基准线的距离；
④
通过计算选取点的优选正切值并记录，并与在先记录的正切值进行差值计算；
⑤
通过将各项差值导入图表中进行对比；
⑥
由计算机自动选取差值小以及正切值基本接近的点云，即可判断为地面点。
[0013]作为对本专利技术的进一步说明，优选地，所述聚类算法具体方法如下：
①
从模型边界点中选取高程最高点，作为搜索起点，加入待检测点列表；
②
从待检测点列表中提取一个点，从该点出发通过k
‑
邻域算法找出其邻域点云；
③
依次对比当前待检测点与邻域点云中每个点的高程，如果其差值满足给定阈值，则标记该邻域点，并将其加入待检测点列表；如果该邻域点已经被标记跳过该点；
④
不断重复第
②
、
③
步，直到所有待检测点都已经处理完成；
⑤
检查模型边界点中是否还有未标记的点，如果有，选取其高程最高点加入待检测点列表，重复
②
～
④
步，直到模型边界点都已经处理完成；
⑥
通过上述步骤，已标记区域均不属于危岩块体，而未标记点云区域则为危岩块体，然后利用聚类算法进行分类，确定属于各块体的点云。
[0014]作为对本专利技术的进一步说明，优选地，在获得危岩体点云后，采用三维重建技术重构危岩体DEM模型，得出提取规则确定各危岩体。
[0015]（三）有益效果本专利技术的上述技术方案具有如下优点：本专利技术使用无人机采集研究区域的点云数据，通过新式的滤波算法以及聚类算法
准确地获取将地面点和非地面点区分开，通过危岩体提取规则可进行危岩体识别工作。在获取危岩体后，可在此基础上进一步提取结构面等，对危岩体进行更为细致的研究，实现危岩体安全评价。
附图说明
[0016]图1是本专利技术的危岩体识别流程图；图2是本专利技术的Kd
‑
tree拓扑结构二维和三维划分图；图3是本专利技术的点在二维平面的分布图；图4是本专利技术的点的树状结构图；图5是本专利技术的地面点以及噪点构成的三角网图；图6是本专利技术的添加缓冲区域后的三角网图；图7是本专利技术的实例验证对比图。
具体实施方式
[0017]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]一种无人机高边坡危岩体智能识别方法，如图1所示，包括以下步骤：Ⅰ.到达场地后先勘查现场条件，确定测量范围，作好标记构建无人机航线，画航线时要超出测量范围。随后通过无人机从左到右、从上到下依次进行飞行拍摄高边坡危岩体，其中无人机航向保持80%的重叠度，旁向保持50%的重叠度，相机角度选择45
°
以将所测区域拍全，通过多拍带有相同局部特征的照片，在进行处理时将相同的区域进行人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机高边坡危岩体智能识别方法，其特征在于：包括以下步骤，Ⅰ.构建无人机航线，通过无人机飞行拍摄高边坡危岩体，从左到右、从上到下依次进行拍摄；Ⅱ.将无人机拍摄的相片导入计算机并获取危岩体的点云数据；Ⅲ.对点云数据进行预处理以降低数据量并平滑点云，然后利用种子点滤波算法或拟斜率滤波算法从去噪点云中提取地面点云；Ⅳ.采用聚类算法对各边界点云进行分类并对聚类后的点云进行三维重构生成DEM，通过筛选规则提取危岩体对象。2.根据权利要求1所述的一种无人机高边坡危岩体智能识别方法，其特征在于：无人机的航线范围超出测量范围，无人机的飞行高度超过飞行区域最高障碍物。3.根据权利要求1所述的一种无人机高边坡危岩体智能识别方法，其特征在于：无人机航向保持80%的重叠度，旁向保持50%的重叠度，相机角度选择45
°
。4.根据权利要求1所述的一种无人机高边坡危岩体智能识别方法，其特征在于：通过Kd
‑
tree进行拓扑结构构建，采用基于局部表面拟合方法进行离散点云数据的法向量和曲率计算，以直接通过点云模型获取点云的几何特征。5.根据权利要求1所述的一种无人机高边坡危岩体智能识别方法，其特征在于：种子点滤波算法具体流程如下：
①
对整体构建三角网；
②
找到三角面片边长较大的三角网，遍历顶点，找到高程最大的顶点，标识为噪声点；
③
对三角网进行泛洪增长，其中找到点的周围邻接三角网，将不含噪声点的三角网标识为一簇，直到找到所有三角网簇；
④
最后移除噪声面片获得准确地面种子点。6.根据权利要求5所述的一种无人机高边坡危岩体智能识别方法，其特征在于：将种子点云投影到种子点最低点对应的XY平面中，外扩种子点云的外包围盒形成缓冲区域，沿着缓冲区域均匀插值，获取每个插值点到种子点的最近邻点，将该点的高程值赋给插值点以确保所有点都位于TIN中，随后迭代以遍历所有的地物点。7.根据权利要求6所述的一种无人机高边坡危岩体智能识别方法，其特征在于：每次迭代遍历所有的地物点，将满足条件的点作为地面种子点，一次性插入到上一步构建的TIN中，继续遍历剩下的地物点，根据新的TIN，计算迭代角度和迭代阈值，将满足条件的点作为新的地面种子...

【专利技术属性】
技术研发人员：夏金梧，陈娜，王小波，张晋，李书，朱云法，史超，聂峰，
申请(专利权)人：水利部长江勘测技术研究所，
类型：发明
国别省市：