一种基于机载激光雷达的路基沉降监测方法 |
|||||||
| 申请号 | CN202410366075.5 | 申请日 | 2024-03-28 | 公开(公告)号 | CN117970285A | 公开(公告)日 | 2024-05-03 |
| 申请人 | 湖南省交通科学研究院有限公司; 湖南省衡永高速公路建设开发有限公司; | 发明人 | 刘文劼; 刘峥嵘; 巢万里; 黄华; 杨飞; 聂伟; 方鸿; 潘世强; 龙英; 张子昕; 刘真钢; | ||||
| 摘要 | 本 发明 涉及路基沉降分析技术领域，尤其涉及一种基于机载 激光雷达 的路基沉降监测方法。获取航飞路段数据；根据航飞路段数据调动无人机设备执行航飞作业；利用机载激光雷达对执行航飞作业的无人机设备进行机载激光雷达的航飞 数据采集 ，生成航飞采集数据；建立地面基 站点 ；利用地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据；根据航飞基站数据对航飞采集数据进行机载激光点 云 数据映射处理，以生成机载激光点云数据；根据机载激光点云数据进行路基沉降指数分析，生成路基沉降指数数据。本发明实现更为精准及自动化的路基沉降监测方法。 | ||||||
| 权利要求 | 1.一种基于机载激光雷达的路基沉降监测方法，其特征在于，包括以下步骤： |
||||||
| 说明书全文 | 一种基于机载激光雷达的路基沉降监测方法技术领域[0001] 本发明涉及路基沉降分析技术领域，尤其涉及一种基于机载激光雷达的路基沉降监测方法。 背景技术[0002] 机载激光雷达测量是集激光测距技术、GNSS技术、IMU惯性导航技术以及影像技术于一体的集成技术，已逐步应用于公路勘测、水利规划、建筑测量、林业调查等应用领域。由于激光雷达具有自动化程度高、数据生产周期短、精度高、非接触式测量等特点，目前在公路勘测行业被广泛应用。随着时间的推移，道路路基可能受到各种因素的影响，如地基沉降、降雨引起的土壤软化等，从而导致路基沉降或变形，为了确保交通运输的安全和道路工程的可持续性，需要定期监测路基的沉降情况。然而，传统的路基沉降监测方法需要人工进行定期测量等方式，大量耗费人力资源，并且对于路基沉降的指标在计算过程中也有可能出现认为的失误，导致结果不精准。 发明内容[0003] 基于此，本发明提供一种基于机载激光雷达的路基沉降监测方法，以解决至少一个上述技术问题。 [0004] 为实现上述目的，一种基于机载激光雷达的路基沉降监测方法，包括以下步骤：步骤S1:获取航飞路段数据；根据航飞路段数据调动无人机设备执行航飞作业； 步骤S2:利用机载激光雷达对执行航飞作业的无人机设备进行机载激光雷达的航飞数据采集，生成航飞采集数据；建立地面基站点；利用地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据； 步骤S3:根据航飞基站数据对航飞采集数据进行机载激光点云数据映射处理，以生成机载激光点云数据； 步骤S4:根据机载激光点云数据进行路基沉降指数分析，生成路基沉降指数数据。 [0005] 本发明根据航飞路段数据调动无人机设备执行航飞作业，以实现对目标区域的数据采集，通过无人机的航飞作业能够高效获取三维点云和影像数据，为后续路基沉降监测提供了数据基础。通过机载激光雷达采集执行航飞作业的无人机设备对应的航飞数据，机载激光雷达提供了高效的自动化数据采集，使得监测过程可以迅速响应变化，并及时捕捉到可能的沉降情况。同时，建立地面基站点并利用其对无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据，提高监测系统的定位精度，通过航飞基站数据对机载激光雷达采集的航飞采集数据进行修正，可以更准确地检测无人机设备相对于地面的位置，增强了数据的准确性和可靠性。根据航飞基站数据对航飞采集数据进行机载激光点云数据映射处理，有助于建立准确的坐标关系，进一步提高激光点云数据的准确性和一致性，有助于确保机载激光雷达采集航飞数据的空间一致性和准确性，使得监测结果更加精准和可信。对机载激光点云数据进行专业的沉降指数分析，能够定量评估路基的沉降情况，有助于预测潜在问题并及时采取措施进行修复。 [0006] 优选地，步骤S1包括以下步骤：步骤S11:获取航飞路段数据； 步骤S12:根据航飞路段数据进行航线规划设计，生成航线规划数据； 步骤S13:根据预设的航飞参数以及航线规划数据调动无人机设备执行航飞作业。 [0007] 本发明获取航飞路段数据，可以包括卫星遥感、数字地图等多源数据，有益于获取目标区域的地理信息，提供了全面的基础数据。根据航飞路段数据进行航线规划设计，生成航线规划数据，能够有效地优化无人机的航线，使其在飞行过程中能够高效覆盖整个路段，确保数据采集的完整性和全面性，有助于最大程度地提高数据采集效率，减少盲区。根据预设的航飞参数以及航线规划数据调动无人机设备执行航飞作业，实现了无人机的自主飞行，这样的自主性和精确性有益于在实际操作中灵活应对不同地形和复杂环境，确保数据采集的高质量和高效率。 [0008] 优选地，步骤S2包括以下步骤：步骤S21:利用机载激光雷达对执行航飞作业的无人机设备进行机载激光雷达的航飞数据采集，生成航飞采集数据，其中航飞采集数据包括GNSS航飞数据、IMU航飞数据、航飞影像数据以及激光航飞数据； 步骤S22:基于GPS技术以及航线规划数据建立初始地面基站点；并根据预设的位置精度因子对地面基站点进行精度调节，生成地面基站点； 步骤S23:利用地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据。 [0009] 本发明通过机载激光雷达对无人机进行机载激光雷达的航飞数据采集，生成包含GNSS航飞数据、IMU航飞数据、航飞影像数据以及激光航飞数据的全面航飞采集数据，实现多维度信息的融合，提供了更为全面和精确的飞行数据，GNSS数据提供了无人机的位置信息，IMU数据记录了设备的姿态和运动状态，航飞影像数据增加了直观的视觉信息，而激光航飞数据则用于后续点云生成。通过GPS技术和航线规划数据，建立初始地面基站点。此外，通过预设的位置精度因子对地面基站点进行调节，提高地面基站点的定位精度，确保后续的数据处理和点云映射能够在更高水平上实现准确性和一致性。利用地面基站点对无人机进行机载激光雷达的航飞数据采集，航飞基站数据是通过与地面基站点的对比来校正和优化航飞采集数据的关键，提高了整个系统的数据一致性，通过地面基站点的参与，更好地维护了飞行数据的准确性和相对位置的稳定性。 [0010] 优选地，步骤S3包括以下步骤：步骤S31:根据航飞基站数据对GNSS航飞数据进行航飞轨迹的差分校正处理，生成校正航飞轨迹数据； 步骤S32:根据IMU航飞数据以及航飞轨迹差分数据进行航飞轨迹的紧耦合解算处理，生成初始耦合航飞轨迹数据； 步骤S33:对初始耦合航飞轨迹数据进行轨迹突变校正处理，生成耦合航飞轨迹数据； 步骤S34:根据耦合航飞轨迹数据对航飞影像数据进行路基的数字正射影像映射处理，生成路基正射影像数据； 步骤S35:根据航线规划数据进行航线标靶点设计，以获得航线标靶点坐标数据； 步骤S36:基于耦合航飞轨迹数据对激光航飞数据进行高精度路基点云数据分析，生成高精度路基点云数据； 步骤S37:根据航线标靶点坐标数据进行路基的数字高程点云数据分析处理，生成路基高程点云数据； 步骤S38:将路基正射影像数据、高精度路基点云数据以及路基高程点云数据进行路基的机载激光点云数据匹配对齐处理，以生成机载激光点云数据。 [0011] 本发明对GNSS航飞数据进行航飞轨迹的差分校正处理，提高航飞轨迹数据的精度，通过使用航飞基站数据进行差分校正，能够校正GNSS数据中的误差，包括大气延迟和钟差等，从而获得更为准确的航飞轨迹，有助于提高整个监测系统的定位精度，确保后续的航飞轨迹分析和数据整合更加可靠。根据IMU航飞数据和航飞轨迹差分数据进行航飞轨迹的紧耦合解算处理，生成初始耦合航飞轨迹数据，通过紧耦合解算，将GNSS和IMU数据结合起来，提高了航飞轨迹的精度和一致性，通过利用两者的互补性，可以更准确地确定无人机的位置和姿态，为后续的数字影像映射和点云数据分析提供更为可靠的基础。对初始耦合航飞轨迹数据进行轨迹突变校正处理，生成耦合航飞轨迹数据，去除可能存在的轨迹突变，确保航飞轨迹的平滑性和一致性，通过校正突变，可以避免在后续处理中产生不合理的数据变化。根据耦合航飞轨迹数据对航飞影像数据进行路基的数字正射影像映射处理，将航飞轨迹与影像数据关联起来，实现数字正射影像的生成，通过这种映射处理，得到具有直观、高分辨率的影像数据。根据航线规划数据进行航线标靶点设计，提高对特定区域的关键地点定位的精度，这些航线标靶点的设计基于航线规划数据，确保了它们的位置与整个监测区域的地理坐标一致，获得的航线标靶点坐标数据提供了可靠的地标，有助于更准确地对路基进行数字高程点云数据分析和机载激光点云数据匹配对齐处理。基于耦合航飞轨迹数据对激光航飞数据进行高精度路基点云数据分析，通过结合耦合航飞轨迹数据，提高激光航飞数据的准确性和一致性。高精度的路基点云数据为后续的路基沉降指数分析提供了更为精细和准确的地形信息。根据航线标靶点坐标数据进行路基的数字高程点云数据分析处理，获取路基的详细高程信息，为沉降指数分析提供了精确的基础，数字高程点云数据中蕴含了地形的高程细节，能够更全面地了解路基的特征，为路基沉降评估提供准确的高程数据。将路基正射影像数据、高精度路基点云数据以及路基高程点云数据进行机载激光点云数据匹配对齐处理，整合不同源的数据，确保它们在同一坐标系中对齐，生成的机载激光点云数据综合了影像、地形、和激光数据，为最终的路基沉降指数分析提供了全面且一致的数据基础。 [0012] 优选地，步骤S33包括以下步骤：对初始耦合航飞轨迹数据进行轨迹突变异常监测处理，包括：当初始耦合航飞轨迹数据的数据变化率大于预设的航飞轨迹变化阈值时，生成异常耦合航飞轨迹数据；当初始耦合航飞轨迹数据的数据变化率不大于预设的航飞轨迹变化阈值时，生成有效耦合航飞轨迹数据； 对异常耦合航飞轨迹数据进行数据平滑处理，生成修复耦合航飞轨迹数据； 对有效耦合航飞轨迹数据以及修复耦合航飞轨迹数据进行数据整合，生成耦合航飞轨迹数据。 [0013] 本发明通过监测初始耦合航飞轨迹数据的数据变化率，可以实时识别轨迹上的异常点，即数据变化率大于预设的航飞轨迹变化阈值的点，当检测到异常点时，生成异常耦合航飞轨迹数据，有助于标识和记录轨迹上的潜在问题。对异常耦合航飞轨迹数据进行数据平滑处理，通过降低数据的波动异常，修正异常点的影响，生成修复耦合航飞轨迹数据，平滑处理有助于维持整个轨迹数据的一致性，确保修复后的轨迹仍然能够准确反映无人机的运动状态。对有效耦合航飞轨迹数据和修复后的轨迹数据进行整合，生成耦合航飞轨迹数据，确保了处理异常数据时的灵活性和鲁棒性，整合后的耦合航飞轨迹数据综合了有效数据和修复后的数据，提高了整体数据的准确性，为后续的点云处理和路基分析提供了更可信的基础。 [0014] 优选地，步骤S34包括以下步骤：根据耦合航飞轨迹数据对航飞影像数据进行影像配准处理，生成配准航飞影像数据； 对配准航飞影像数据进行空三解析处理，生成航飞空三解析数据； 根据航飞空三解析数据进行路基的数字正射影像映射处理，生成路基正射影像数据。 [0015] 本发明根据耦合航飞轨迹数据对航飞影像数据进行影像配准处理，确保影像与实际地理坐标系统对齐，提高整个数据集的一致性和准确性，使得后续处理的各个数据源在同一坐标系下进行，配准处理有助于提供高精度的航飞影像数据，为路基地形和特征的可视化提供更清晰和准确的图像。对配准航飞影像数据进行空三解析处理，可以提取出每个像素点的三维坐标信息，空三解析处理能够更准确地表达地物在垂直方向上的分布和形态，提高了地物识别的准确性，有助于更精细地描述路基及其附属设施。根据航飞空三解析数据进行路基的数字正射影像映射处理，将影像映射到地理坐标系统中，实现影像数据的地理位置关联，使得路基正射影像数据与地理实体更为精确地对应，提供路基的清晰、真实的正射影像，为后续的路基质量评估和特征提取提供可靠的数据基础。 [0016] 优选地，步骤S36包括以下步骤：对激光航飞数据进行有效激光反射点提取，生成有效激光航飞数据； 利用耦合航飞轨迹数据对有效激光航飞数据进行集合校正，生成校正激光航飞数据； 根据校正激光航飞数据进行路基点云数据映射处理，生成路基点云数据； 基于航线标靶点坐标数据对耦合航飞轨迹数据进行航飞轨迹精度偏差计算，生成航飞轨迹精度偏差数据； 根据航飞轨迹精度偏差数据对路基点云数据进行精读校正，生成高精度路基点云数据。 [0017] 本发明对激光航飞数据进行有效激光反射点提取，有助于筛选出具有实际地物信息的激光反射点，排除激光数据中的无效点，如激光照射不规则水域的反射节点，提高了后续处理的数据质量和准确性。利用耦合航飞轨迹数据对有效激光航飞数据进行集合校正，确保激光数据与航飞轨迹的空间位置关系一致，提高激光数据的准确性和一致性，使其更好地反映实际地形。根据校正激光航飞数据进行路基点云数据映射处理，生成了反映路基地形的点云数据，以了解路基的三维形状信息，为后续路基质量分析和变化检测提供了可靠的数据基础。基于航线标靶点坐标数据对耦合航飞轨迹数据进行航飞轨迹精度偏差计算，可以评估航飞轨迹的精度，通过计算轨迹与标靶点之间的偏差，解轨迹的精度水平，从而为后续的点云数据进行更准确的精度校正提供依据，根据航飞轨迹精度偏差数据对路基点云数据进行精度校正，有助于消除由于轨迹误差引起的点云数据的精度问题，提供更为准确和可靠的高精度路基地形信息。 [0018] 优选地，步骤S37包括以下步骤：根据航线标靶点坐标数据进行标靶点高程数据提取，生成标靶点高程数据； 根据标靶点高程数据路基的数字高程点云数据映射处理，生成路基高程点云数据。 [0019] 本发明根据航线标靶点坐标数据进行标靶点高程数据提取，有助于获取精确的标靶点高程信息，这些标靶点是事先规划的地面控制点，提供了地表的准确高程作为基准，可用于校正点云数据，提高整体的几何精度，标靶点高程数据提供了作为地面参考的绝对高程信息，使得路基数字高程点云数据能够与地理坐标系统精确对应，增加了数据的地理一致性。利用标靶点高程数据对路基的数字高程点云数据进行映射处理，生成了具有精确高程信息的路基高程点云数据，有效地将点云数据与地面控制点关联，提高了整个点云数据集的高程精度。 [0020] 优选地，步骤S4包括以下步骤：步骤S41:根据机载激光点云数据进行纵断面节点的高程数据提取，生成纵断面节点高程数据； 步骤S42:根据纵断面节点高程数据进行纵断面高程均值数据计算，生成纵断面高程均值数据； 步骤S43:根据纵断面节点高程数据以及纵断面高程均值数据进行路基平整度数据计算，生成路基平整度数据； 步骤S44:根据机载激光点云数据进行路基横坡度计算，生成路基横坡度数据； 步骤S45:基于边缘检测算法以及机载激光点云数据进行路基中线数据提取，生成路基中线数据； 步骤S46:根据路基中线数据进行平面偏位计算，生成中线平面偏位数据； 步骤S47:将纵断面节点高程数据、路基平整度数据、路基横坡度数据以及路基中线数据进行路基沉降指数整合处理，生成路基沉降指数数据。 [0021] 本发明根据机载激光点云数据进行纵断面节点的高程数据提取，能够提供路基沿纵向的详细地形信息，了解路基在垂直方向上的高程变化，为工程评估和设计提供详实的纵断面数据。根据纵断面节点高程数据进行纵断面高程均值数据计算，有助于计算路基平整度数据，并且提供更为综合和平均的高程数据。利用纵断面节点高程数据以及纵断面高程均值数据进行路基平整度数据计算，能够评估路基表面的平整度，判断路基的表面平坦程度，为路基施工质量评价提供关键指标。根据机载激光点云数据进行路基横坡度计算，提供了路基横向坡度的信息，对于了解路基在横向上的坡度变化提供了数据集。基于边缘检测算法以及机载激光点云数据进行路基中线数据提取，有助于准确确定路基的中心线位置，并且根据路基中线数据进行平面偏位计算，提供了路基中心线在水平平面上的偏移信息，评估路基在平面上的准确性，尤其是与设计中心线的对比。将纵断面节点高程数据、路基平整度数据、路基横坡度数据以及路基中线数据整合处理，生成路基沉降指数数据，提供了全面的路基质量评估指标，有助于检测路基的变化、缺陷或沉降情况。 [0022] 本说明书中提供一种基于机载激光雷达的路基沉降监测系统，用于执行如上述所述的基于机载激光雷达的路基沉降监测方法，该基于机载激光雷达的路基沉降监测系统包括：无人机设备调动模块，用于获取航飞路段数据；根据航飞路段数据调动无人机设备执行航飞作业； 航飞数据采集模块，用于利用机载激光雷达对执行航飞作业的无人机设备进行机载激光雷达的航飞数据采集，生成航飞采集数据；建立地面基站点；利用地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据； 机载激光点云数据处理模块，用于根据航飞基站数据对航飞采集数据进行机载激光点云数据映射处理，以生成机载激光点云数据； 路基沉降指数分析模块，用于根据机载激光点云数据进行路基沉降指数分析，生成路基沉降指数数据。 [0023] 本申请有益效果在于，本发明的基于机载激光雷达的路基沉降监测方法通过机载激光雷达对激光测距、GNSS和IMU惯导三种传感器的集成，以无人机作为搭载平台，可以实时、快速准确地获取路基及附属设施的高精度点云数据及影像数据，经过数据后处理运算后,得到更加精确有效、完整的路基及其附属设施的相关信息。通过三维点云及正射影像对路基平整度、纵断高程、横坡、中线偏位、裂缝等路基质量指标进行判断、分析，进一步对路基施工质量进行评价。附图说明 [0024] 图1为本发明一种基于机载激光雷达的路基沉降监测方法的步骤流程示意图；图2为图1中步骤S3的详细实施步骤流程示意图； 图3为图1中步骤S4的详细实施步骤流程示意图； 本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。 具体实施方式[0025] 下面结合附图对本发明的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做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。 [0026] 此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。 [0027] 应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。 [0028] 为实现上述目的，请参阅图1至图3，本发明提供一种基于机载激光雷达的路基沉降监测方法，包括以下步骤：步骤S1:获取航飞路段数据；根据航飞路段数据调动无人机设备执行航飞作业； 步骤S2:利用机载激光雷达对执行航飞作业的无人机设备进行机载激光雷达的航飞数据采集，生成航飞采集数据；建立地面基站点；利用地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据； 步骤S3:根据航飞基站数据对航飞采集数据进行机载激光点云数据映射处理，以生成机载激光点云数据； 步骤S4:根据机载激光点云数据进行路基沉降指数分析，生成路基沉降指数数据。 [0029] 本发明根据航飞路段数据调动无人机设备执行航飞作业，以实现对目标区域的数据采集，通过无人机的航飞作业能够高效获取三维点云和影像数据，为后续路基沉降监测提供了数据基础。通过机载激光雷达采集执行航飞作业的无人机设备对应的航飞数据，机载激光雷达提供了高效的自动化数据采集，使得监测过程可以迅速响应变化，并及时捕捉到可能的沉降情况。同时，建立地面基站点并利用其对无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据，提高监测系统的定位精度，通过航飞基站数据对机载激光雷达采集的航飞采集数据进行修正，可以更准确地检测无人机设备相对于地面的位置，增强了数据的准确性和可靠性。根据航飞基站数据对航飞采集数据进行机载激光点云数据映射处理，有助于建立准确的坐标关系，进一步提高激光点云数据的准确性和一致性，有助于确保机载激光雷达采集航飞数据的空间一致性和准确性，使得监测结果更加精准和可信。对机载激光点云数据进行专业的沉降指数分析，能够定量评估路基的沉降情况，有助于预测潜在问题并及时采取措施进行修复。 [0030] 本发明实施例中，参考图1所述，为本发明一种基于机载激光雷达的路基沉降监测方法的步骤流程示意图，在本实施例中，所述基于机载激光雷达的路基沉降监测方法包括以下步骤：步骤S1:获取航飞路段数据；根据航飞路段数据调动无人机设备执行航飞作业； 本发明实施例中，从地理信息系统（GIS）或先前的测绘数据中获取目标航飞路段的地理坐标信息。随后，根据获取的航飞路段数据进行航线规划设计，包括设定飞行高度、航速、航向等参数。最后，利用航线规划数据，通过遥控指令或者预设的飞行计划调动无人机设备执行航飞作业。这确保了无人机按照规划路径进行飞行，实时采集航飞数据。例如，对于公路监测，可以通过获取公路段的地理坐标，规划无人机的飞行高度和路径，然后通过自动飞行模式调动无人机，使其按照预定路线进行自主飞行，实现对公路路况的全面监测。 [0031] 步骤S2:利用机载激光雷达对执行航飞作业的无人机设备进行机载激光雷达的航飞数据采集，生成航飞采集数据；建立地面基站点；利用地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据；本发明实施例中，利用搭载机载激光雷达的无人机对执行航飞作业的区域进行激光扫描，实时采集激光点云数据和相应的航飞数据。同时，在监测区域的地面上建立地面基站点，通过全球定位系统（GPS）或其他定位技术准确测量基站点的坐标。随后，利用这些地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，实时获取航飞基站数据。例如，一架搭载激光雷达的无人机在飞行过程中通过激光雷达扫描地面，同时与地面上设置的基站相互通信，获取基站的精准位置信息，从而实现对无人机航飞数据的更准确的定位和校正，确保了机载激光雷达数据的精确性和可靠性，为后续的数据处理提供了可靠基础。 [0032] 步骤S3:根据航飞基站数据对航飞采集数据进行机载激光点云数据映射处理，以生成机载激光点云数据；本发明实施例中，利用航飞基站数据对执行航飞作业的无人机的航飞数据进行精确定位和校正。随后，通过机载激光雷达对执行航飞作业的区域进行激光扫描，采集激光点云数据。接下来，利用航飞基站数据对航飞采集数据进行机载激光点云数据映射处理，将航飞数据映射到激光点云的坐标系下。这一过程确保了激光点云数据的准确性和一致性，生成了高密度、高精度的机载激光点云数据。例如，通过将无人机的航飞轨迹与基站的精准位置数据进行匹配，可以实现对激光点云数据的精准地定位，生成反映地表特征的机载激光点云模型，为后续路基沉降指数分析提供了高质量的输入。 [0033] 步骤S4:根据机载激光点云数据进行路基沉降指数分析，生成路基沉降指数数据。 [0034] 本发明实施例中，从机载激光点云数据中提取纵断面节点的高程数据。通过对这些节点的数据进行进一步处理，例如计算纵断面高程均值，生成平整度数据，评估路基表面的平坦程度。同时，利用机载激光点云数据计算路基的横坡度，提供路基在横向上的坡度信息。通过边缘检测算法和机载激光点云数据，提取路基中线数据，进而计算中线平面偏位数据。最后，将提取的纵断面节点高程数据、路基平整度数据、路基横坡度数据以及路基中线数据进行整合处理，生成全面的路基沉降指数数据。例如，在对激光点云数据进行处理时，可以通过在纵向上提取一系列断面，计算每个断面上的高程均值以及横坡度，综合考虑这些指标可以更全面地评估路基的质量，结合中线数据的提取和平面偏位计算，可以更准确地判断路基的变形情况。 [0035] 优选地，步骤S1包括以下步骤：步骤S11:获取航飞路段数据； 步骤S12:根据航飞路段数据进行航线规划设计，生成航线规划数据； 步骤S13:根据预设的航飞参数以及航线规划数据调动无人机设备执行航飞作业。 [0036] 本发明获取航飞路段数据，可以包括卫星遥感、数字地图等多源数据，有益于获取目标区域的地理信息，提供了全面的基础数据。根据航飞路段数据进行航线规划设计，生成航线规划数据，能够有效地优化无人机的航线，使其在飞行过程中能够高效覆盖整个路段，确保数据采集的完整性和全面性，有助于最大程度地提高数据采集效率，减少盲区。根据预设的航飞参数以及航线规划数据调动无人机设备执行航飞作业，实现了无人机的自主飞行，这样的自主性和精确性有益于在实际操作中灵活应对不同地形和复杂环境，确保数据采集的高质量和高效率。 [0037] 本发明实施例中，通过地理信息系统（GIS）或其他测绘数据源获取目标航飞路段的地理坐标信息。例如，对于公路监测，可以获取需要勘测的公路路段的起点和终点坐标。根据获取的航飞路段数据进行航线规划设计。这包括确定无人机的飞行高度、航速、航向等参数，以确保全面覆盖目标区域。例如，规划飞行路径时可以考虑交叉覆盖以提高数据采集的密度。根据预设的航飞参数和航线规划数据调动无人机设备执行航飞作业。这可以通过预设的飞行计划或遥控指令实现。例如，通过自主飞行模式，无人机可以按照预定的航线进行自主飞行，确保全面而高效地采集航飞数据。例如，本试验共选取4处路基段进行机载激光雷达测量，航飞作业前，根据实地踏勘情况、已收集地形图、测区低分辨率DEM及相关地形地貌资料进行测区分区、航线规划、航摄因子计算等工作，如其中一处的航飞参数设计为相对航高100米、飞行速度6米/秒、激光行间距70米、激光点频600khz‑430m、扫描线速度100转/秒、航程3.55km等参数，在进入作业航线前应进行“8”字飞行以激活雷达IMU装置，弯道处采用协调转弯，以保证POS定位定姿精度，确保航摄外方位元素解算的精度。航速保持在 5m/s‑7m/s之间，激光点云旁向重叠率不小于60%，保证采集激光点云具有较高的航向及旁向点间距，具有足够的密度便于后期利用标靶点进行平面、高程精度验证及点云纠正。根据这些航飞参数以及航线规划数据调动无人机设备执行航飞作业，并对航飞作业的单架次航线航摄因子进行计算，包括基站覆盖半径、相对航高等参数。 [0038] 优选地，步骤S2包括以下步骤：步骤S21:利用机载激光雷达对执行航飞作业的无人机设备进行机载激光雷达的航飞数据采集，生成航飞采集数据，其中航飞采集数据包括GNSS航飞数据、IMU航飞数据、航飞影像数据以及激光航飞数据； 步骤S22:基于GPS技术以及航线规划数据建立初始地面基站点；并根据预设的位置精度因子对地面基站点进行精度调节，生成地面基站点； 步骤S23:利用地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据。 [0039] 本发明通过机载激光雷达对无人机进行机载激光雷达的航飞数据采集，生成包含GNSS航飞数据、IMU航飞数据、航飞影像数据以及激光航飞数据的全面航飞采集数据，实现多维度信息的融合，提供了更为全面和精确的飞行数据，GNSS数据提供了无人机的位置信息，IMU数据记录了设备的姿态和运动状态，航飞影像数据增加了直观的视觉信息，而激光航飞数据则用于后续点云生成。通过GPS技术和航线规划数据，建立初始地面基站点。此外，通过预设的位置精度因子对地面基站点进行调节，提高地面基站点的定位精度，确保后续的数据处理和点云映射能够在更高水平上实现准确性和一致性。利用地面基站点对无人机进行机载激光雷达的航飞数据采集，航飞基站数据是通过与地面基站点的对比来校正和优化航飞采集数据的关键，提高了整个系统的数据一致性，通过地面基站点的参与，更好地维护了飞行数据的准确性和相对位置的稳定性。 [0040] 本发明实施例中，利用搭载机载激光雷达的无人机对执行航飞作业的区域进行机载激光雷达的航飞数据采集，航飞数据包括GNSS航飞数据、IMU航飞数据、航飞影像数据以及激光航飞数据，通过GNSS系统获取无人机的位置信息，IMU记录飞行状态，航飞影像数据记录地表图像，而激光航飞数据则提供了高密度的地面点云信息，确保了多源数据的综合利用，提高了航飞数据的丰富度和精度。在目标区域选择一个相对平坦且易于接收卫星信号的地点作为初始地面基站点位置。设置GPS接收器，并通过卫星定位系统获得该点的经度、纬度和海拔高度信息，根据系统要求和预设的位置精度因子，对初始地面基站点的位置进行精度调节。这可能涉及使用差分GPS或其他辅助定位技术来提高基站点的位置精度，根据调整后的位置信息，生成最终的地面基站点。这包括地面基站点的准确经度、纬度和海拔高度信息。例如，地面基站采用地面静态基站模式，采用测区布设的GPS首级控制点作为地面基站点，选取位置精度因子（PDOP）<3的时段进行作业，基站数据均能够进行GPS解算，无失锁现象。利用已建立的地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，例如通过地面基站点监测无人机设备的位置信息，以生成地面基站采集到的航飞基站数据。 [0041] 优选地，步骤S3包括以下步骤：步骤S31:根据航飞基站数据对GNSS航飞数据进行航飞轨迹的差分校正处理，生成校正航飞轨迹数据； 步骤S32:根据IMU航飞数据以及航飞轨迹差分数据进行航飞轨迹的紧耦合解算处理，生成初始耦合航飞轨迹数据； 步骤S33:对初始耦合航飞轨迹数据进行轨迹突变校正处理，生成耦合航飞轨迹数据； 步骤S34:根据耦合航飞轨迹数据对航飞影像数据进行路基的数字正射影像映射处理，生成路基正射影像数据； 步骤S35:根据航线规划数据进行航线标靶点设计，以获得航线标靶点坐标数据； 步骤S36:基于耦合航飞轨迹数据对激光航飞数据进行高精度路基点云数据分析，生成高精度路基点云数据； 步骤S37:根据航线标靶点坐标数据进行路基的数字高程点云数据分析处理，生成路基高程点云数据； 步骤S38:将路基正射影像数据、高精度路基点云数据以及路基高程点云数据进行路基的机载激光点云数据匹配对齐处理，以生成机载激光点云数据。 [0042] 本发明对GNSS航飞数据进行航飞轨迹的差分校正处理，提高航飞轨迹数据的精度，通过使用航飞基站数据进行差分校正，能够校正GNSS数据中的误差，包括大气延迟和钟差等，从而获得更为准确的航飞轨迹，有助于提高整个监测系统的定位精度，确保后续的航飞轨迹分析和数据整合更加可靠。根据IMU航飞数据和航飞轨迹差分数据进行航飞轨迹的紧耦合解算处理，生成初始耦合航飞轨迹数据，通过紧耦合解算，将GNSS和IMU数据结合起来，提高了航飞轨迹的精度和一致性，通过利用两者的互补性，可以更准确地确定无人机的位置和姿态，为后续的数字影像映射和点云数据分析提供更为可靠的基础。对初始耦合航飞轨迹数据进行轨迹突变校正处理，生成耦合航飞轨迹数据，去除可能存在的轨迹突变，确保航飞轨迹的平滑性和一致性，通过校正突变，可以避免在后续处理中产生不合理的数据变化。根据耦合航飞轨迹数据对航飞影像数据进行路基的数字正射影像映射处理，将航飞轨迹与影像数据关联起来，实现数字正射影像的生成，通过这种映射处理，得到具有直观、高分辨率的影像数据。根据航线规划数据进行航线标靶点设计，提高对特定区域的关键地点定位的精度，这些航线标靶点的设计基于航线规划数据，确保了它们的位置与整个监测区域的地理坐标一致，获得的航线标靶点坐标数据提供了可靠的地标，有助于更准确地对路基进行数字高程点云数据分析和机载激光点云数据匹配对齐处理。基于耦合航飞轨迹数据对激光航飞数据进行高精度路基点云数据分析，通过结合耦合航飞轨迹数据，提高激光航飞数据的准确性和一致性。高精度的路基点云数据为后续的路基沉降指数分析提供了更为精细和准确的地形信息。根据航线标靶点坐标数据进行路基的数字高程点云数据分析处理，获取路基的详细高程信息，为沉降指数分析提供了精确的基础，数字高程点云数据中蕴含了地形的高程细节，能够更全面地了解路基的特征，为路基沉降评估提供准确的高程数据。将路基正射影像数据、高精度路基点云数据以及路基高程点云数据进行机载激光点云数据匹配对齐处理，整合不同源的数据，确保它们在同一坐标系中对齐，生成的机载激光点云数据综合了影像、地形、和激光数据，为最终的路基沉降指数分析提供了全面且一致的数据基础。 [0043] 作为本发明的一个实例，参考图2所示，为图1中步骤S3的详细实施步骤流程示意图，在本实例中所述步骤S3包括：步骤S31:根据航飞基站数据对GNSS航飞数据进行航飞轨迹的差分校正处理，生成校正航飞轨迹数据； 本发明实施例中，基于地面基站点和执行航飞的无人机之间的距离，计算出两者之间的相对位置差异。利用这一相对位置信息，对执行航飞的无人机的GNSS航飞数据进行差分校正。例如，对于无人机记录的GNSS轨迹数据，通过减去来自地面基站的相对位置校正值，可以得到更为准确的校正后的航飞轨迹数据。 [0044] 步骤S32:根据IMU航飞数据以及航飞轨迹差分数据进行航飞轨迹的紧耦合解算处理，生成初始耦合航飞轨迹数据；本发明实施例中，将校正后的GNSS航飞轨迹数据与IMU（惯性导航系统）航飞数据进行紧耦合解算。通过结合GNSS和IMU数据，可以更准确地估算无人机的位置、速度和姿态。 这样生成的初始耦合航飞轨迹数据更具准确性和稳定性。 [0045] 步骤S33:对初始耦合航飞轨迹数据进行轨迹突变校正处理，生成耦合航飞轨迹数据；本发明实施例中，对初始耦合航飞轨迹数据进行轨迹突变校正处理，以消除由于飞行中的不稳定性或其他异常因素导致的轨迹突变。例如，利用相邻接点的轨迹变化率对轨迹数据中异常的轨迹变化绿率进行平滑处理，过滤掉异常值或突变点，确保生成的耦合航飞轨迹数据在空间上更加平滑和连续。 [0046] 步骤S34:根据耦合航飞轨迹数据对航飞影像数据进行路基的数字正射影像映射处理，生成路基正射影像数据；本发明实施例中，利用耦合航飞轨迹数据对航飞影像数据进行数字正射影像映射处理，例如通过耦合航飞轨迹数据中的航飞轨迹位置信息将对应的航飞影像照射的路基影像进行相同路基位置信息匹配校正，以生成与地面实际几何特征更为一致的路基正射影像数据。 [0047] 步骤S35:根据航线规划数据进行航线标靶点设计，以获得航线标靶点坐标数据；本发明实施例中，在执行无人机的横飞作业前，根据航线规划数据，已在试验段范围内布设完成标靶点（单侧每300米1个，双向交叉150米1个），这些标靶点通常选择在路基上具有代表性的位置，以便后续的数据分析可以参考这些点进行精度验证和纠正，采集这些标靶点的坐标信息，以获得航线标靶点坐标数据。 [0048] 步骤S36:基于耦合航飞轨迹数据对激光航飞数据进行高精度路基点云数据分析，生成高精度路基点云数据；本发明实施例中，基于耦合航飞轨迹数据对激光航飞数据进行高精度路基点云数据分析。这包括通过耦合航飞轨迹数据中的航飞轨迹位置信息将对应的激光数据中的反射点进行提取，以获取路基的高精度点云数据，并且通过与航线标靶点进行对齐，可以进一步提高点云数据的精确性。 [0049] 步骤S37:根据航线标靶点坐标数据进行路基的数字高程点云数据分析处理，生成路基高程点云数据；本发明实施例中，根据航线标靶点坐标数据进行路基的数字高程点云数据分析处理，通过对每个标靶点进行高程分析，生成路基的高程点云数据。例如，对于每个标靶点，通过在激光点云数据中找到最近邻的激光点，并提取其高程信息，得到具有高精度的路基高程点云数据。 [0050] 步骤S38:将路基正射影像数据、高精度路基点云数据以及路基高程点云数据进行路基的机载激光点云数据匹配对齐处理，以生成机载激光点云数据。 [0051] 本发明实施例中，将路基正射影像数据、高精度路基点云数据以及路基高程点云数据进行匹配对齐处理，生成机载激光点云数据。通过利用已知的标靶点坐标和高程信息，采用匹配算法将不同数据源的信息进行对齐。例如，对于每个标靶点生成的路基高程点云数据，使用其在正射影像和高精度点云数据中的坐标，将机载激光点云数据中的相应点进行匹配，确保所有数据在同一坐标系下对齐。 [0052] 优选地，步骤S33包括以下步骤：对初始耦合航飞轨迹数据进行轨迹突变异常监测处理，包括：当初始耦合航飞轨迹数据的数据变化率大于预设的航飞轨迹变化阈值时，生成异常耦合航飞轨迹数据；当初始耦合航飞轨迹数据的数据变化率不大于预设的航飞轨迹变化阈值时，生成有效耦合航飞轨迹数据； 对异常耦合航飞轨迹数据进行数据平滑处理，生成修复耦合航飞轨迹数据； 对有效耦合航飞轨迹数据以及修复耦合航飞轨迹数据进行数据整合，生成耦合航飞轨迹数据。 [0053] 本发明通过监测初始耦合航飞轨迹数据的数据变化率，可以实时识别轨迹上的异常点，即数据变化率大于预设的航飞轨迹变化阈值的点，当检测到异常点时，生成异常耦合航飞轨迹数据，有助于标识和记录轨迹上的潜在问题。对异常耦合航飞轨迹数据进行数据平滑处理，通过降低数据的波动异常，修正异常点的影响，生成修复耦合航飞轨迹数据，平滑处理有助于维持整个轨迹数据的一致性，确保修复后的轨迹仍然能够准确反映无人机的运动状态。对有效耦合航飞轨迹数据和修复后的轨迹数据进行整合，生成耦合航飞轨迹数据，确保了处理异常数据时的灵活性和鲁棒性，整合后的耦合航飞轨迹数据综合了有效数据和修复后的数据，提高了整体数据的准确性，为后续的点云处理和路基分析提供了更可信的基础。 [0054] 本发明实施例中，对初始耦合航飞轨迹数据进行轨迹突变异常监测处理。在这一步骤中，首先计算初始耦合航飞轨迹数据的数据变化率，并与预设的航飞轨迹变化阈值进行比较。例如，设定一个变化率阈值，当某段轨迹数据的变化率超过该阈值时，判断为轨迹突变异常。如果变化率不超过阈值，则认为轨迹数据有效。通过这一过程，可以将异常耦合航飞轨迹数据和有效耦合航飞轨迹数据进行区分，假设设定航飞轨迹变化阈值为5%。当某段初始耦合航飞轨迹数据的变化率为8%时，判定为异常轨迹数据；而变化率为3%时，判定为有效轨迹数据。对异常耦合航飞轨迹数据进行数据平滑处理，生成修复耦合航飞轨迹数据。在异常数据平滑处理中，可以采用插值法等方法，例如以平滑异常轨迹数据，减少其突变的影响，例如对于检测到的异常轨迹数据，在异常点周围进行滑动平均处理，取得附近点的平均值，以修复轨迹的突变。将有效耦合航飞轨迹数据和修复耦合航飞轨迹数据进行数据整合，生成最终的耦合航飞轨迹数据，整合过程可采用简单的数据拼接等方法，确保修复后的异常轨迹与原始有效轨迹在一致性和平滑性上达到较好的平衡。将修复后的异常轨迹数据与原始有效轨迹数据进行时间序列拼接，形成一段完整的耦合航飞轨迹数据。 [0055] 优选地，步骤S34包括以下步骤：根据耦合航飞轨迹数据对航飞影像数据进行影像配准处理，生成配准航飞影像数据； 对配准航飞影像数据进行空三解析处理，生成航飞空三解析数据； 根据航飞空三解析数据进行路基的数字正射影像映射处理，生成路基正射影像数据。 [0056] 本发明根据耦合航飞轨迹数据对航飞影像数据进行影像配准处理，确保影像与实际地理坐标系统对齐，提高整个数据集的一致性和准确性，使得后续处理的各个数据源在同一坐标系下进行，配准处理有助于提供高精度的航飞影像数据，为路基地形和特征的可视化提供更清晰和准确的图像。对配准航飞影像数据进行空三解析处理，可以提取出每个像素点的三维坐标信息，空三解析处理能够更准确地表达地物在垂直方向上的分布和形态，提高了地物识别的准确性，有助于更精细地描述路基及其附属设施。根据航飞空三解析数据进行路基的数字正射影像映射处理，将影像映射到地理坐标系统中，实现影像数据的地理位置关联，使得路基正射影像数据与地理实体更为精确地对应，提供路基的清晰、真实的正射影像，为后续的路基质量评估和特征提取提供可靠的数据基础。 [0057] 本发明实施例中，针对耦合航飞轨迹数据，进行航飞影像数据的影像配准处理，将航飞影像与地面实际情况对应起来，确保后续分析具有地理空间的准确性。例如通过特征点匹配算法，并根据耦合航飞轨迹数据的作为航飞影像的数据序列，将航飞影像中的显著特征点与地面实际特征点进行匹配，得到影像配准的变换参数。对配准后的航飞影像数据进行空三解析处理，得到航飞空三解析数据，将影像中的二维信息转化为三维坐标信息，为后续路基表面的高程分析提供立体感知的数据基础，例如通过三角测量法，基于已知的航飞影像位置信息和影像上的物体特征，计算物体在空间中的三维坐标。利用航飞空三解析数据，进行路基的数字正射影像映射处理。这一步骤旨在生成高精度、无畸变的路基正射影像，用于后续的沉降指数分析，例如通过几何校正和数字正射影像技术（DOM），将航飞空三解析数据映射到地面坐标系，生成数字正射影像，确保影像中各点在地面上的位置精确对应。 [0058] 优选地，步骤S36包括以下步骤：对激光航飞数据进行有效激光反射点提取，生成有效激光航飞数据； 利用耦合航飞轨迹数据对有效激光航飞数据进行集合校正，生成校正激光航飞数据； 根据校正激光航飞数据进行路基点云数据映射处理，生成路基点云数据； 基于航线标靶点坐标数据对耦合航飞轨迹数据进行航飞轨迹精度偏差计算，生成航飞轨迹精度偏差数据； 根据航飞轨迹精度偏差数据对路基点云数据进行精读校正，生成高精度路基点云数据。 [0059] 本发明对激光航飞数据进行有效激光反射点提取，有助于筛选出具有实际地物信息的激光反射点，排除激光数据中的无效点，如激光照射不规则水域的反射节点，提高了后续处理的数据质量和准确性。利用耦合航飞轨迹数据对有效激光航飞数据进行集合校正，确保激光数据与航飞轨迹的空间位置关系一致，提高激光数据的准确性和一致性，使其更好地反映实际地形。根据校正激光航飞数据进行路基点云数据映射处理，生成了反映路基地形的点云数据，以了解路基的三维形状信息，为后续路基质量分析和变化检测提供了可靠的数据基础。基于航线标靶点坐标数据对耦合航飞轨迹数据进行航飞轨迹精度偏差计算，可以评估航飞轨迹的精度，通过计算轨迹与标靶点之间的偏差，解轨迹的精度水平，从而为后续的点云数据进行更准确的精度校正提供依据，根据航飞轨迹精度偏差数据对路基点云数据进行精度校正，有助于消除由于轨迹误差引起的点云数据的精度问题，提供更为准确和可靠的高精度路基地形信息。 [0060] 本发明实施例中，针对机载激光雷达采集的原始激光航飞数据，进行有效激光反射点提取，筛选出由激光雷达探测到的地面反射点，减少噪声和非地面干扰，主要是去除由设备MTA效应、道路上水域不规则反射以及大气环境等因素引起的噪点，这类噪点通常表现为低点、孤立点或孤立噪点组。利用耦合航飞轨迹数据（POS数据）对有效激光航飞数据进行集合校正，将激光点的位置信息与航飞轨迹数据关联，提高点云数据的地理精度，通过时间戳匹配，将每个激光点与对应时刻的航飞轨迹数据关联，进行位置的集合校正，以纠正由于飞行过程中的姿态变化而导致的激光偏移。利用校正后的激光航飞数据进行路基点云数据映射处理，将激光点云数据映射到点云坐标系中，生成路基点云数据，该路基点云数据包括了通过激光设备采集的路基图像地图以及点云坐标。基于航线标靶点坐标数据，计算耦合航飞轨迹数据与实际地面标靶点之间的偏差，生成航飞轨迹精度偏差数据，例如通过对比航线标靶点在航飞轨迹数据中的位置与实际标靶点坐标的差异，计算出航飞轨迹精度偏差。根据航飞轨迹精度偏差数据，对路基点云数据进行精读校正，提高点云数据的精度和一致性。例如，当航飞轨迹精度偏差数据的偏差因子（PDOP）大于3时，则根据航飞轨迹精度偏差数据，对每个点的位置进行校正，根据航飞轨迹精度偏差进行相应的调整；或者，当航飞轨迹精度偏差数据的偏差因子（PDOP）小于3时，则不需要进行调整，最终生成精读校正后的高精度路基点云数据。 [0061] 优选地，步骤S37包括以下步骤：根据航线标靶点坐标数据进行标靶点高程数据提取，生成标靶点高程数据； 根据标靶点高程数据路基的数字高程点云数据映射处理，生成路基高程点云数据。 [0062] 本发明根据航线标靶点坐标数据进行标靶点高程数据提取，有助于获取精确的标靶点高程信息，这些标靶点是事先规划的地面控制点，提供了地表的准确高程作为基准，可用于校正点云数据，提高整体的几何精度，标靶点高程数据提供了作为地面参考的绝对高程信息，使得路基数字高程点云数据能够与地理坐标系统精确对应，增加了数据的地理一致性。利用标靶点高程数据对路基的数字高程点云数据进行映射处理，生成了具有精确高程信息的路基高程点云数据，有效地将点云数据与地面控制点关联，提高了整个点云数据集的高程精度。 [0063] 本发明实施例中，根据航线标靶点坐标数据提取标靶点的高程数据，例如通过对航线标靶点坐标数据的解析，得到每个标靶点的三维坐标信息，并根据三维坐标信息提取对应的标靶点高程数据，这些高程数据反映了标靶点在地面的相对高度。利用数字高程模型（DEM）对标靶点高程数据进行路基的数字高程点云数据映射到地面坐标系，形成精确的路基高程点云数据，采用插值等方法，根据标靶点的高程数据在空间上的分布，将路基的数字高程点云数据映射到数字高程模型中，这个映射过程可以在三维空间中准确还原路基的地形信息，生成路基高程点云数据。 [0064] 优选地，步骤S4包括以下步骤：步骤S41:根据机载激光点云数据进行纵断面节点的高程数据提取，生成纵断面节点高程数据； 步骤S42:根据纵断面节点高程数据进行纵断面高程均值数据计算，生成纵断面高程均值数据； 步骤S43:根据纵断面节点高程数据以及纵断面高程均值数据进行路基平整度数据计算，生成路基平整度数据； 步骤S44:根据机载激光点云数据进行路基横坡度计算，生成路基横坡度数据； 步骤S45:基于边缘检测算法以及机载激光点云数据进行路基中线数据提取，生成路基中线数据； 步骤S46:根据路基中线数据进行平面偏位计算，生成中线平面偏位数据； 步骤S47:将纵断面节点高程数据、路基平整度数据、路基横坡度数据以及路基中线数据进行路基沉降指数整合处理，生成路基沉降指数数据。 [0065] 本发明根据机载激光点云数据进行纵断面节点的高程数据提取，能够提供路基沿纵向的详细地形信息，了解路基在垂直方向上的高程变化，为工程评估和设计提供详实的纵断面数据。根据纵断面节点高程数据进行纵断面高程均值数据计算，有助于计算路基平整度数据，并且提供更为综合和平均的高程数据。利用纵断面节点高程数据以及纵断面高程均值数据进行路基平整度数据计算，能够评估路基表面的平整度，判断路基的表面平坦程度，为路基施工质量评价提供关键指标。根据机载激光点云数据进行路基横坡度计算，提供了路基横向坡度的信息，对于了解路基在横向上的坡度变化提供了数据集。基于边缘检测算法以及机载激光点云数据进行路基中线数据提取，有助于准确确定路基的中心线位置，并且根据路基中线数据进行平面偏位计算，提供了路基中心线在水平平面上的偏移信息，评估路基在平面上的准确性，尤其是与设计中心线的对比。将纵断面节点高程数据、路基平整度数据、路基横坡度数据以及路基中线数据整合处理，生成路基沉降指数数据，提供了全面的路基质量评估指标，有助于检测路基的变化、缺陷或沉降情况。 [0066] 作为本发明的一个实例，参考图3所示，为图1中步骤S4的详细实施步骤流程示意图，在本实例中所述步骤S4包括：步骤S41: 根据机载激光点云数据进行纵断面节点的高程数据提取，生成纵断面节点高程数据； 本发明实施例中，对机载激光点云数据中的路基地图进行高度差异数据处理与分析，得到道路的高度差异图，根据测得的高度差异图可以清晰地看到道路表面存在高低起伏的情况，根据高度差异图中每个纵断面节点的高程数据以及坐标数据进行提取，生成纵断面节点高程数据。 [0067] 步骤S42: 根据纵断面节点高程数据进行纵断面高程均值数据计算，生成纵断面高程均值数据；本发明实施例中，根据纵断面节点高程数据计算纵断面的高程均值，得到纵断面高程均值数据。 [0068] 步骤S43:根据纵断面节点高程数据以及纵断面高程均值数据进行路基平整度数据计算，生成路基平整度数据；本发明实施例中，利用路基平整度技术，并根据纵断面节点高程数据以及纵断面高程均值数据进行路基平整度数据计算，其中路基平整度技术包括三米直尺测定最大间隙Δh（mm）、路面平整度标准差σ（mm）和国际通用的国际平整度指数IRI（m/km）。例如，根据平整度标准差计算公式计算不同采样间隔的路面平整度标准差，其中平整度标准差计算公式表示为： ； 式中， 为路面第i处的纵断面点高程值； 为所提取纵断面点高程值的平均值，高程值个数为n。计算同一路基段内均匀分布的各纵断面线路面平整度标准差，比较标准差差值，剔除粗差，然后计算均值确定为该路基段路面平整度标准差，从而得到路基平整度数据。 [0069] 步骤S44:根据机载激光点云数据进行路基横坡度计算，生成路基横坡度数据；本发明实施例中，根据机载激光点云数据构建TIN模型，并根据道路中线、边线按一定间距提取中桩高程以及边桩高程，道路横坡度计算方式为，按照路基（路面）横坡度计算公式计算横坡度，计算公式表示为：横坡度=（中桩高程‑边桩高程）/（1/2的路面实测宽度）×100%，从而得到路基横坡度数据。 [0070] 步骤S45:基于边缘检测算法以及机载激光点云数据进行路基中线数据提取，生成路基中线数据；本发明实施例中，机载激光点云具有强度属性，可利用道路行车道标线与沥青路面的强度反差，并利用边缘检测算法自动提取道路中央分隔带或中间护栏两侧对称行车道标线，通过两侧对称标线拟合出道路中线，以生成路基中线数据。 [0071] 步骤S46:根据路基中线数据进行平面偏位计算，生成中线平面偏位数据；本发明实施例中，采用CAD软件根据道路两侧对称标线拟合道路中线，并与道路中线进行比较，计算平面偏位，以生成中线平面偏位数据。 [0072] 步骤S47:将纵断面节点高程数据、路基平整度数据、路基横坡度数据以及路基中线数据进行路基沉降指数整合处理，生成路基沉降指数数据。 [0073] 本发明实施例中，将纵断面节点高程数据、路基平整度数据、路基横坡度数据以及路基中线数据进行路基沉降指数整合处理，生成的路基沉降指数数据反馈至终端以便于管理人员进行后续的路基沉降管理步骤。 [0074] 本说明书中提供一种基于机载激光雷达的路基沉降监测系统，用于执行如上述所述的基于机载激光雷达的路基沉降监测方法，该基于机载激光雷达的路基沉降监测系统包括：无人机设备调动模块，用于获取航飞路段数据；根据航飞路段数据调动无人机设备执行航飞作业； 航飞数据采集模块，用于利用机载激光雷达对执行航飞作业的无人机设备进行机载激光雷达的航飞数据采集，生成航飞采集数据；建立地面基站点；利用地面基站点对执行航飞作业的无人机设备进行地面基站点的航飞数据采集，生成航飞基站数据； 机载激光点云数据处理模块，用于根据航飞基站数据对航飞采集数据进行机载激光点云数据映射处理，以生成机载激光点云数据； 路基沉降指数分析模块，用于根据机载激光点云数据进行路基沉降指数分析，生成路基沉降指数数据。 [0075] 本申请有益效果在于，本发明的基于机载激光雷达的路基沉降监测方法通过机载激光雷达对激光测距、GNSS和IMU惯导三种传感器的集成，以无人机作为搭载平台，可以实时、快速准确地获取路基及附属设施的高精度点云数据及影像数据，经过数据后处理运算后,得到更加精确有效、完整的路基及其附属设施的相关信息。通过三维点云及正射影像对路基平整度、纵断高程、横坡、中线偏位、裂缝等路基质量指标进行判断、分析，进一步对路基施工质量进行评价。 [0076] 因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。 [0077] 以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。 |
||||||
QQ群二维码
意见反馈
意见反馈