【技术实现步骤摘要】
本专利技术涉及土方量计算，尤其涉及一种基于无人机的土方算量方法及系统。
技术介绍
1、土方工程是土木工程中的一个重要组成部分，涉及到土壤、石头和其他材料的挖掘、搬运和堆放。准确、快速地进行土方算量是确保工程进度和成本控制的关键。传统的土方测量方法主要依赖于人工或地面设备，这些方法往往效率低下、成本高昂，且可能受到地形、气候等因素的影响。
2、近年来，随着无人机技术的快速发展，其在土方测量中的应用也日益受到关注。无人机可以快速、低成本地覆盖大面积的地形，采集高分辨率的地面图像，从而为土方算量提供了新的可能性。
3、例如中国专利201610232259.8公开了基于无人机摄影技术的工程土方量测量方法，包括如下步骤：点云数据获取；对获取的点云数据进行预处理；利用积分法进行土方量计算，基于无人机摄影技术的工程土方量测量方法测算精度高，工作效率好，可节约大量的人工成本。然而，尽管无人机为土方测量带来了许多优势，但在实际应用中仍然存在一些问题。其中最为关键的问题是，由无人机采集的点云数据在某些情况下可能存在特征缺失的问题。例如，当无人机所在区域有某些物体，如深色的表面或某些植被，可能不容易反射激光束，导致这些区域的点云数据稀疏或缺失，这会影响到土方测量的准确性。
4、针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
1、有鉴于此，本申请实施例的目的是提供一种基于无人机的土方算量方法及系统，以克服现有相关技术所存在的上述技术问题。
3、根据本专利技术的一个方面，提供了一种基于无人机的土方算量方法，该方法包括以下步骤：
4、s1、基于gis及gps技术，规划无人机的飞行路径，并覆盖工地区域，且位于无人机上配置相机及激光雷达。
5、s2、无人机按照飞行路径进行飞行，并通过搭载的相机及激光雷达收集土方地形的图像数据及点云数据。
6、s3、对土方地形的图像数据及点云数据进行融合，得到土方融合图像，并将土方融合图像中的遮挡物进行去除。
7、s4、通过对融合后的图像数据及点云数据进行分析，得到土方体积的测量结果，并将测量结果进行可视化处理。
8、s5、定期使用无人机重新按照飞行路径对土方体积进行重新测量，并获取土方体积的变化量。
9、优选地，所述对土方地形的图像数据及点云数据进行融合，得到土方融合图像，并将土方融合图像中的遮挡物进行去除包括以下步骤：
10、s31、对土方地形的图像数据进行校正、增强及归一化处理，并提高图像数据的一致性；
11、s32、对土方地形的点云数据进行滤波、降采样及归一化处理，并减少点云数据的噪声及冗余信息；
12、s33、将点云数据中的点云转换到相机的坐标系，并利用转换公式，得到像素坐标，并剔除投影到图像外的点云，得到土方融合图像；
13、s34、利用投影到土方融合图像上的点云的像素坐标，构建德洛内三角网，并为每个点云构建局部空间关系，同时区分障碍物及非障碍物节点；
14、s35、若有障碍物节点，则获取障碍物区域，且提取出障碍物区域的边界，得到障碍物图像；
15、s36、将土方融合图像中的障碍物进行剔除并重建。
16、优选地，所述将点云数据中的点云转换到相机的坐标系，并利用转换公式，得到像素坐标，并剔除投影到图像外的点云包括以下步骤：
17、s331、将点云数据中的点云通过坐标变换成相机的坐标系；
18、s332、通过矫正后的相机坐标系至像素坐标系的投影矩阵对相机坐标系下的点云进行处理，得到像素坐标（u，v）；
19、s333、将图像外的点云进行剔除。
20、优选地，所述利用投影到土方融合图像上的点云的像素坐标，构建德洛内三角网，并为每个点云构建局部空间关系，同时区分障碍物及非障碍物节点包括以下步骤：
21、s341、通过像素坐标（u，v）构建德洛内三角网，并利用德洛内三角网的特性，使得所有点云都被包含在德洛内三角网中，且找出两两之间距离最接近的点云，将其作为三角形的顶点，同时利用德洛内三角网将原本非结构化的离散的点云数据结构化，为每个点云构建局部空间关系；
22、s342、将所有三角形的每条边所连接的2个点 p及 q为一对，且将障碍物和非障碍物节点区分开：
23、
24、式中， o表示最优二叉搜索树， a表示阈值， else表示其它；
25、 y2表示相机坐标系下的y轴坐标值，表示 p及 q两点之间的高度差；
26、若最优二叉搜索树输出1，则节点为障碍物，若最优二叉搜索树输出0，则节点为非障碍物。
27、优选地，所述若有障碍物节点，则获取障碍物区域，且提取出障碍物区域的边界，得到障碍物图像包括以下步骤：
28、s351、将节点为障碍物的区域合并，获得障碍物区域，
29、s352、对障碍物区域进行中值滤波及平滑滤波，并消除噪声及过分割影响，且提取出障碍物区域的边界，得到障碍物图像。
30、优选地，所述将土方融合图像中的障碍物进行剔除并重建包括以下步骤：
31、s361、构建包含k类的训练样本集a，且每类包含若干张无遮挡的土方图像，同时获取土方融合图像中的无遮挡部分y0在训练样本集a上的稀疏系数x0；
32、s362、将土方融合图像的无遮挡部分y0和遮挡部分e0组合成有遮挡的测试样本y；
33、s363、将e0和x0均作为稀疏系数，并将训练样本集a与单位矩阵i水平拼接得到矩阵b，且求解y=bω，并使得ω的l1范数最小，得到稀疏解ω=[x，e]，同时去除遮挡部分，重建土方融合图像，其中x表示无遮挡部分的稀疏系数，e表示遮挡部分的稀疏系数；
34、其中，重建土方融合图像包括以下步骤：
35、对训练样本集a进行归一化；
36、获取去除遮挡部分的土方融合图像yr在训练样本集a上的稀疏系数x，使得稀疏系数x的l1范数最小，并满足ax=yr或者‖ax-yr‖2≤ε，ε表示容错项；
37、计算去除遮挡部分的土方融合图像在每一类上的残差：ri（yr）=‖yr-aδi（x）‖2，其中，δi（x）是x中只保留第i类的非零分量；
38、输出去除遮挡部分的土方融合图像所属的类别为残差最小的那一类；
39、根据分类结果，从训练样本集a中选取一张与去除遮挡部分的土方融合图像相似度最高的土方参考图像作为参考图像，并将去除遮挡本文档来自技高网...
【技术保护点】
1.一种基于无人机的土方算量方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于无人机的土方算量方法，其特征在于，所述对土方地形的图像数据及点云数据进行融合，得到土方融合图像，并将土方融合图像中的遮挡物进行去除包括以下步骤：
3.根据权利要求2所述的一种基于无人机的土方算量方法，其特征在于，所述将点云数据中的点云转换到相机的坐标系，并利用转换公式，得到像素坐标，并剔除投影到图像外的点云包括以下步骤：
4.根据权利要求3所述的一种基于无人机的土方算量方法，其特征在于，所述利用投影到土方融合图像上的点云的像素坐标，构建德洛内三角网，并为每个点云构建局部空间关系，同时区分障碍物及非障碍物节点包括以下步骤：
5.根据权利要求4所述的一种基于无人机的土方算量方法，其特征在于，所述若有障碍物节点，则获取障碍物区域，且提取出障碍物区域的边界，得到障碍物图像包括以下步骤：
6.根据权利要求5所述的一种基于无人机的土方算量方法，其特征在于，所述将土方融合图像中的障碍物进行剔除并重建包括以下步骤：
7.根据权
8.根据权利要求7所述的一种基于无人机的土方算量方法，其特征在于，所述并将测量结果进行可视化处理时，使用三维可视化工具，将计算的土方体积测量结果在三维融合模型上进行显示。
9.根据权利要求8所述的一种基于无人机的土方算量方法，其特征在于，所述定期使用无人机重新按照飞行路径对土方体积进行重新测量，并获取土方体积的变化量时，使用三维可视化工具显示土方体积的变化，并将计算结果进行存档及备份。
10.一种基于无人机的土方算量系统，用于实现权利要求1-9任一项所述的基于无人机的土方算量方法，其特征在于，该系统包括测量准备模块、土方数据采集模块、融合模块、测量数据计算模块及定期测量模块；
...【技术特征摘要】
1.一种基于无人机的土方算量方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于无人机的土方算量方法，其特征在于，所述对土方地形的图像数据及点云数据进行融合，得到土方融合图像，并将土方融合图像中的遮挡物进行去除包括以下步骤：
3.根据权利要求2所述的一种基于无人机的土方算量方法，其特征在于，所述将点云数据中的点云转换到相机的坐标系，并利用转换公式，得到像素坐标，并剔除投影到图像外的点云包括以下步骤：
4.根据权利要求3所述的一种基于无人机的土方算量方法，其特征在于，所述利用投影到土方融合图像上的点云的像素坐标，构建德洛内三角网，并为每个点云构建局部空间关系，同时区分障碍物及非障碍物节点包括以下步骤：
5.根据权利要求4所述的一种基于无人机的土方算量方法，其特征在于，所述若有障碍物节点，则获取障碍物区域，且提取出障碍物区域的边界，得到障碍物图像包括以下步骤：
6.根据权利要求5所述的一种...
【专利技术属性】
技术研发人员：张静，王建，张会敏，张文群，杨欢超，郭晓君，任冲，周作娟，张磊，赵建华，徐永力，蔡增光，张桂英，
申请(专利权)人：西安迈远科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。