无人机建模三维立体航线规划方法、终端及存储介质 |
|||||||
| 申请号 | CN202311665312.X | 申请日 | 2023-12-05 | 公开(公告)号 | CN117970951A | 公开(公告)日 | 2024-05-03 |
| 申请人 | 深圳大学; | 发明人 | 李清泉; 朱家松; 于文率; 吴迪; 张晓艺; 李明明; | ||||
| 摘要 | 本 发明 公开了一种无人机建模三维立体航线规划方法、终端及存储介质，方法包括：获取无人机预先飞行拍摄的数据，生成概略模型，并对所述概略模型的表面进行泊松圆盘 采样 得到采样点；根据所述采样点生成对应的拍摄视 角 ，并基于可重建性规则和可观测性规则对所述拍摄视角进行视角优化；对优化后的视角进行聚类划分，生成无人机的飞行航线；本发明提出新的优视摄影测量的方法，实现无人机航测过程中智能化地选择最佳拍摄视角，以获取高 质量 的影像数据，为复杂场景对象的 三维建模 提供支持。 | ||||||
| 权利要求 | 1.一种无人机建模三维立体航线规划方法，其特征在于，包括： |
||||||
| 说明书全文 | 无人机建模三维立体航线规划方法、终端及存储介质技术领域背景技术[0002] 航空摄影测量已经有了一百多年的历史。在模拟、解析和数字化三个阶段中，计算机在航测数据后处理中扮演的角色变得越来越重要，逐步建立了以空中三角测量为核心的航测数据后处理体系。 [0003] 进入新世纪后，数字航空摄影测量解决了数字化数据采集的问题，更重要的是集成了高精度的位置定位系统(POS)，从而实现了影像数据和内外参数的融合处理。几乎与此同时，无人机摄影测量开始得到实际应用。相较于飞行更为稳定可靠的有人驾驶飞机，无人机航测对POS系统的依赖更为关键和必要。此外，无人机航测还需要能够模拟有人驾驶飞机航测规划的飞行控制软硬件系统设备。 [0005] 即使进入新世纪，航测技术的产出仍以2维和2.5D数据产品为主导，其中最典型的是"4D"数据产品。这种相对固定的产品需求也是航测技术模式未能突破的主要原因之一。相比有人机摄影测量，无人机摄影测量具有一些优势，使其得到了更广泛的推广和普及，实现了航测的平民化。然而，无人机摄影测量的技术原理和业务模式仍延续了有人机航测体系的内容，并没有实质性的改变。在传统航测中，正射影像被视为底图，而实景三维模型则成为新型基础测绘建设的重要组成部分之一。 [0006] 对于实景三维模型，也被称为真实三维模型，倾斜摄影测量具有开创性意义。通过增加有效的拍摄视角，大尺度空间的实景三维建模成为可能。倾斜摄影测量突破了传统航空摄影测量中基于空中平面布局的摄站布设模式，为具体观测对象定义了新的航测模式，并提出了由粗到细的策略方法，首次使航空摄影测量可以立体呈现。 [0007] 与传统航测技术一脉相承，倾斜摄影测量仍然是一种高效的数据获取方式。然而，传统航测技术主要服务于2维和2.5维数据产品的生产。即使增加了多个视角，由于航线连接的摄站位于空中高度一致的平面上，视角仍然相对固定。此外，由于飞行航高较高，必然会导致拍摄死角和近地面区域有效像素不足等问题。尽管存在视角缺失，但通过空中构成的投影平面可以保证对大范围区域的覆盖。相比之下，贴近摄影测量围绕观测对象解决了侧面和低空视角不足的问题，提供了更多有效的视角。然而，对于城市等由众多建筑构成的场景以及复杂的单体结构或相对独立完整立面，贴近摄影测量的适应性更好。然而，在这些场景中，观测对象往往包含复杂的几何结构，例如大型工程结构体，而且场景中的建筑密集排列。因此，在这些场景中要同时实现贴近观测和有效覆盖变得更加困难。 [0008] 因此，现有技术还有待改进。 发明内容[0009] 本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供一种无人机建模三维立体航线规划方法、终端及存储介质，以解决传统的深航测技术和倾斜摄影测量无法同时实现贴近观测和高效覆盖的技术问题。 [0010] 本发明解决技术问题所采用的技术方案如下： [0011] 第一方面，本发明提供一种无人机建模三维立体航线规划方法，包括： [0012] 获取无人机预先飞行拍摄的数据，生成概略模型，并对所述概略模型的表面进行泊松圆盘采样得到采样点； [0013] 根据所述采样点生成对应的拍摄视角，并基于可重建性规则和可观测性规则对所述拍摄视角进行视角优化； [0014] 对优化后的视角进行聚类划分，生成无人机的飞行航线。 [0015] 在一种实现方式中，所述获取无人机预先飞行拍摄的数据，生成概略模型，并对所述概略模型的表面进行泊松圆盘采样得到采样点，包括： [0016] 获取所述无人机预先飞行拍摄的数据，并根据所述无人机预先飞行拍摄的数据生成所述概略模型； [0017] 利用泊松圆盘半径设置函数，对所述概略模型的表面进行泊松圆盘采样，并将所述概略模型离散化为采样点集。 [0018] 在一种实现方式中，所述根据所述采样点生成对应的拍摄视角，包括： [0019] 根据所述采样点在所述概略模型上的法向量的反方向确定拍摄方向，根据投影中心到所述采样点的距离确定地面分辨率；根据所述拍摄方向和所述地面分辨率确定初始视点以及所述初始视点的拍摄指向； [0020] 根据所述地面分辨率和影像重叠率确定所述初始视点到观测对象的视距以及所述概略模型上的泊松圆板采样密度，并生成与所述采样点对应的拍摄视角。 [0021] 在一种实现方式中，所述根据所述采样点生成对应的拍摄视角，还包括： [0022] 对所述概略模型中的地物对象进行预设距离范围的膨胀处理，将膨胀的区域设置为禁飞区； [0023] 根据分辨率要求、所述概略模型的精细程度、所述无人机的可控性和定位精度调整所述禁飞区的尺寸。 [0024] 在一种实现方式中，所述基于可重建性规则和可观测性规则对所述拍摄视角进行视角优化，包括： [0025] 通过交会角、视距和偏离法向量评估视角的质量，并生成各观测点与对应视角之间的可重建性规则和可观测性规则判据； [0026] 根据所述可重建性规则和可观测性规则判据生成视角优化选取的目标函数，通过所述目标函数进行视角优化。 [0027] 在一种实现方式中，所述对优化后的视角进行聚类划分，生成无人机的飞行航线，包括： [0028] 对所述优化后的视角进行分区聚类处理； [0029] 对所述优化后的视角进行分层聚类处理； [0030] 基于分区聚类后的区域，利用接边代价函数生成主要航线； [0031] 基于分层聚类后的层次，利用所述接边代价函数生成分层航线。 [0032] 在一种实现方式中，所述对所述优化后的视角进行分区聚类处理，包括： [0034] 在一种实现方式中，所述对所述优化后的视角进行分层聚类处理，包括： [0035] 基于拍摄视角的高度进行分层聚类处理，将所述优化后的视角中不同高度的拍摄视角归类到对应高度的分区。 [0036] 第二方面，本发明还提供一种终端，包括：处理器以及存储器，所述存储器存储有无人机建模三维立体航线规划程序，所述无人机建模三维立体航线规划程序被所述处理器执行时用于实现如第一方面所述的无人机建模三维立体航线规划方法的操作。 [0037] 第三方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有无人机建模三维立体航线规划程序，所述无人机建模三维立体航线规划程序被处理器执行时用于实现如第一方面所述的无人机建模三维立体航线规划方法的操作。 [0038] 本发明采用上述技术方案具有以下效果： [0039] 本发明通过获取无人机预先飞行拍摄的数据，从而生成概略模型，并对所述概略模型的表面进行泊松圆盘采样得到采样点；再根据所述采样点生成对应的拍摄视角，并基于可重建性规则和可观测性规则对所述拍摄视角进行视角优化；最后对优化后的视角进行聚类划分，生成无人机的飞行航线；本发明提出新的优视摄影测量的方法，实现无人机航测过程中智能化地选择最佳拍摄视角，以获取高质量的影像数据，为复杂场景对象的三维建模提供支持。附图说明 [0040] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。 [0041] 图1是本发明的一种实现方式中无人机建模三维立体航线规划方法的流程图。 [0042] 图2是本发明的一种实现方式中视网膜上的细胞示意图。 [0043] 图3是本发明的一种实现方式中摄站间的基线宽度、投影幅宽度和影像重叠率之间的关系。 [0044] 图4是本发明的一种实现方式中初始视角生成示意图。 [0045] 图5是本发明的一种实现方式中优化前后视角数量对比图。 [0046] 图6是本发明的一种实现方式中三维立体航线生成示意图。 [0047] 图7是本发明的一种实现方式中终端的功能原理图。 [0048] 本发明目的的实现、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[0049] 本发明提供无人机建模三维立体航线规划方法、终端及存储介质。为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。 [0050] 示例性方法 [0051] 由于传统航测技术模式虽然高效，但主要适用于2维和2.5维数据产品的生产。倾斜摄影测量作为一种创新技术，通过增加有效的拍摄视角，使得大尺度空间的实景三维建模成为可能。然而，无论是传统航测还是倾斜摄影测量，都存在一些局限性，无法同时满足贴近观测和高效覆盖的要求。针对不同的场景和观测对象，需要综合考虑各种航测技术的优势和局限性，选择合适的方法和策略来实现精确、全面的数据采集和处理。 [0052] 在拍摄实体空间中的三维场景对象时，摄影师总是力求充分利用可移动的空间，并选择他们认为最佳的拍摄视角来记录影像。受到摄影师选择角度的启发，无人机这一被称为空中机器人的设备可以像人类一样智能地选择最佳的拍摄视角，并获取实景三维建模以及其他摄影测量应用所需的影像数据。当前的无人机系统具备相机姿态可调整范围大且具备精确定位的RTK技术。无人机具备高度可控性，其高机动性使其能够到达开放空间中的各个位置。相对于人类摄影师而言，无人机航摄具有更高的灵活性和自由度，这些优势条件值得充分利用。 [0053] 借鉴倾斜摄影测量和贴近摄影测量的先进理念，追随利用无人机选择最佳拍摄视角、采集用于复杂场景对象三维建模的影像数据的基本思路。通过交叉融合航空摄影测量、计算机图形学、自动化控制等学科领域的关键技术方法，提出了一种具有较高智能化程度的新型航测技术方法，即优视摄影测量。这一方法旨在实现无人机航测过程中智能化地选择最佳拍摄视角，以获取高质量的影像数据，为复杂场景对象的三维建模提供支持。 [0054] 针对上述技术问题，本发明实施例提供一种无人机建模三维立体航线规划方法，目的是提出新的优视摄影测量的方法，实现无人机航测过程中智能化地选择最佳拍摄视角，以获取高质量的影像数据，为复杂场景对象的三维建模提供支持。 [0055] 如图1所示，本发明实施例提供一种无人机建模三维立体航线规划方法，包括以下步骤： [0056] 步骤S100，获取无人机预先飞行拍摄的数据，生成概略模型，并对所述概略模型的表面进行泊松圆盘采样得到采样点。 [0057] 在本实施例中，所述无人机建模三维立体航线规划方法应用于终端中，所述终端包括但不限于：计算机以及移动终端等设备；所述终端设置有无人机建模三维立体航线规划模型的训练迁移平台。 [0058] 在本实施例中，提出了优视摄影测量方法，实现精确、全面的数据采集和处理；本实施例中，提出的优视摄影测量方法，与贴近摄影类似，优视摄影测量也是以三维模型为规划依据的方法。有多种来源可以用于生成概略模型，包括遥感数据、工程或工业设计模型以及已有的实景三维模型等。在处理大范围城市场景时，通常采用两种模型形式。一种是对象模型，通过预先飞行获取并生成，在预先飞行过程中，可以只选择了两个稍微倾斜的视角，在高空快速采集大范围的数据。另一种是2.5D模型，这种模型按照高度分层，通过逐层将地物的平面外廓轮廓化，不需要采集立面信息。对于概略模型的生成，本实施例遵循一个原则，即在快速生成的基础上表达场景对象的基本几何结构。 [0059] 具体地，在本实施例的一种实现方式中，步骤S100包括以下步骤： [0060] 步骤S101，获取所述无人机预先飞行拍摄的数据，并根据所述无人机预先飞行拍摄的数据生成所述概略模型。 [0061] 步骤S102，利用泊松圆盘半径设置函数，对所述概略模型的表面进行泊松圆盘采样，并将所述概略模型离散化为采样点集。 [0062] 如图2所示，相机的拍摄记录与人类视觉存在内在的本质联系。人眼在接收光信息时进行离散采样，然后传输给大脑进行处理。上面的小图展示了显微镜下视网膜的样子，其中颜色较深较大的是视锥细胞，较小的是视杆细胞。尽管细胞间的相对位置是不规则的，但它们呈现出一种紧密且均匀的分布状态，我们将这种分布称为泊松圆盘分布。在有了概略模型并确定了规划实施操作的具体对象之后，根据视觉感知的原理，可以利用泊松圆盘半径设置函数，对概略模型的表面进行泊松圆盘采样，将模型离散化为采样点集S＝{s(i),n(i)}，其中，n(i)为采样点s(i)的法向量。本实施例将每个采样点作为具体的观测目标，这些采样点均匀分布，能够代表模型的几何结构。 [0063] 具体地，泊松圆盘半径设置函数如下式所示： [0064] R_disk＝B＝W_prj·(1‑overlap_rate) [0065] 式中，W_prj＝2d(GSD)tan(θ/2)，表示视场角为θ的相机在概略模型上的成像长度，d(GSD)为所需的地面分辨率。 [0066] 在本实施例中，根据预先获取的拍摄数据构建场景对象概略模型，并对场景对象概略模型的表面进行泊松圆盘采样，将模型离散化为采样点集，这些采样点均匀分布，能够代表模型的几何结构。 [0067] 如图1所示，在本发明实施例的一种实现方式中，无人机建模三维立体航线规划方法还包括以下步骤： [0068] 步骤S200，根据所述采样点生成对应的拍摄视角，并基于可重建性规则和可观测性规则对所述拍摄视角进行视角优化。 [0069] 在本实施例中，基于模型采样点进行立体观测，并生成与每个采样点对应的摄影视角，然后基于采样和可视性分析生成初选视角，最后基于可重建性规则和可观测性规则进行视角优化，去除冗余视角。 [0070] 具体地，在本实施例的一种实现方式中，步骤S200包括以下步骤： [0071] 步骤S201，根据所述采样点在所述概略模型上的法向量的反方向确定拍摄方向，根据投影中心到所述采样点的距离确定地面分辨率；根据所述拍摄方向和所述地面分辨率确定初始视点以及所述初始视点的拍摄指向。 [0072] 步骤S202，根据所述地面分辨率和影像重叠率确定所述初始视点到观测对象的视距以及所述概略模型上的泊松圆板采样密度，并生成与所述采样点对应的拍摄视角。 [0073] 在本实施例中，需要将采样点与摄影测量和航摄视角联系起来，假设使用直接摄影的方式对每个点进行影像采集，那么对模型上相邻的采样点进行拍摄就构成了立体观测。每个采样点在模型上的法向量的反方向就代表了摄影主光轴的方向，而投影中心到采样点的距离则确定了地面分辨率。我们沿着采样点s(i)法向量n(i)，在视距为d(GSD)的位置定义初始视点，并定义视点的拍摄指向——主光轴方向沿采样点法向量n(i)的反方向，即指向被摄对象。基于上述定义，得到候选视点集C＝{c(i),o(i)}。其中，c(i)＝s(i)+d(GSD)n(i)，o(i)＝－n(i)。图3描述了摄站间的基线宽度、投影幅宽度和影像重叠率之间的关系。在泊松圆盘采样中，两个点之间的距离等于圆盘半径R_disk，在立体观测中，基线宽度等于圆盘半径。因此，在规划过程中，可以确定所需的地面分辨率d(GSD)和重叠率overlap_rate，从而基本确定了相机到观测对象的视距和模型上的泊松圆板采样密度R_disk。通过这种方式，可以初步生成与每个采样点对应的摄影视角V＝{c(i),o(i)}。 [0074] 具体地，在本实施例的一种实现方式中，步骤S200还包括以下步骤： [0075] 步骤S203，对所述概略模型中的地物对象进行预设距离范围的膨胀处理，将膨胀的区域设置为禁飞区。 [0076] 步骤S204，根据分辨率要求、所述概略模型的精细程度、所述无人机的可控性和定位精度调整所述禁飞区的尺寸。 [0077] 在本实施例中，还需要建立场景安全罩。将生成的采样点分布在模型表面，而对应的摄影视角可能在场景环境中分散存在。这种情况下，可能会出现视角受到遮挡或与环境中其他物体发生碰撞的冲突。由于无人机作为载体平台，必须在场景中进行沉浸式低空飞行，因此飞行安全至关重要。 [0078] 具体地，为了确保飞行安全，可以通过对概略模型中的所有地物对象进行一定距离范围的膨胀处理，扩展它们的边界。在扩展的区域内设置为禁飞区，而只有禁飞区外的区域才可以设置摄影视角和无人机可飞行的开放空间。这种设置对地物对象和飞行器具有保护作用，因此将其称为安全罩。安全罩的尺寸可以根据分辨率要求、概略模型的精细程度、无人机的可控性和定位精度等条件进行调整。 [0079] 在本实施例中，根据概略模型上生成的采样点和相邻采样点之间的立体观测关系，可以初步确定摄影视角。在设置了安全罩之后，如果出现与地物冲突、进入安全罩内或遭遇遮挡等情况，采取的应对策略是以对应的采样点为中心，保持视距不变，并将视角朝特定方向偏转，直到摄影视角的摄站点离开禁飞区或不再受到遮挡。 [0080] 具体地，在本实施例的一种实现方式中，步骤S200还包括以下步骤： [0081] 步骤S205，通过交会角、视距和偏离法向量评估视角的质量，并生成各观测点与对应视角之间的可重建性规则和可观测性规则判据。 [0082] 步骤S206，根据所述可重建性规则和可观测性规则判据生成视角优化选取的目标函数，通过所述目标函数进行视角优化。 [0083] 如图4所示，针对由几栋建筑构成的一个小区所生成的初选视角结果，在生成过程中考虑到了周围建筑物对飞行安全的影响以及可能出现的遮挡情况。其中大点代表视角的摄站位置，射线表示摄影方向，小点表示观测采样点。初选视角的结果完全对应于模型上的采样点，密集且数据量巨大。根据无人机成像系统的性能以及重叠率和地面分辨率的设置，在图4中共生成了3777个视角。然而，采集如此多的视角对无人机来说是一项巨大的成本和消耗，其中很多视角是冗余的。因此，需要在这些初选视角的基础上进行进一步的优化。 [0084] 基于可重建性判据，本实施例定义了一个函数q(s,vi,vj)来描述立体观测中两个视角(vi,vj)和观测点s之间的关系，q(s,vi,vj)包含3个权重和1个余弦系数，如下式： [0085] q(s,vi,vj)＝ω1(α)ω2(dm)ω3(α)cosθm [0086] 式中，α为视点对(vi,vj)到采样点s的向量交会角；dm＝max(||svi,|,||svj||)，表示视点对(vi,vj)到采样点s的距离最大值；θm＝max(θi,θj)，表示采样点s到视点对(vi,vj)的向量与其法向量n的夹角最大值。 [0087] 进一步地，ω1、ω2和ω3为加权函数，分别代表交会角权重(宽基线)、视距权重和交会角权重(重叠率)。 [0088] 交会角权重(宽基线)：w1(α)＝(1+exp(‑k1*(α‑α1)))‑1 [0089] 视距权重：w2(dmax)＝1‑min(dmax/dep,1) [0090] 交会角权重(重叠率)：w3(α)＝1‑(1+exp(‑k3*(α‑α3)))‑1 [0091] 权重ω1和ω3与视角之间的交会角有关，保证交会角既不会过大也不会过小；视距权重ω2确保视角与采样点之间的距离不会太远，而余弦系数确保视角的方向不会偏离法向量太多。q(s,vi,vj)通过交会角、视距和偏离法向量三个方面来评估视角的质量，以此为基础进行优化。基于可重建性判据和视角观测点的可视性分析，本实施例生成了每个观测点与所有视角之间的可视性和可重建性判据，采样点s在视点集合U下的可重建性为： [0092] [0093] 式中，δ(s,vi)和δ(s,vj)为可视性函数，表示采样点s在视点vi和vj中的可见性，即取值为1时，可见，否则，不可见。 [0094] 同样的，根据采样点的可重建性，本实施例进一步定义了对每个视角v的重要性评估判据r(v)，表示为关于采样点可重建性的最小值，满足公式如下： [0095] r(v)＝min{h(s，U)|s∈S，δ(s，v)＝1} [0096] 然后，本实施例进一步将这些评估综合成为视角优化选取的目标函数，如下式： [0097] [0098] 该目标函数的含义是，从初始视点V中选取一个足够小的视点子集U，满足最小化所有视点的冗余度R(U)＝∑v∈Ur(v)和最大化所有采样点的可重建性H(S，U)＝Σx∈Sh(s，U)。 [0099] 在本实施例中，通过设定可重建性阈值th对视角进行优化选取。由图5可知，本实施例成功地大大减少了初选视角的数量，剔除了80％以上的冗余视角。同时，通过算法分析，优化后的视角对于模型的重建并没有削弱。 [0100] 如图1所示，在本发明实施例的一种实现方式中，无人机建模三维立体航线规划方法还包括以下步骤： [0101] 步骤S300，对优化后的视角进行聚类划分，生成无人机的飞行航线。 [0102] 在本实施例中，为了方便构建航飞路径，可以对优化后的视角进行进一步的聚类划分，以便更好地组织它们。对于聚类后的视角，本实施例将每个摄站作为节点构建全连接图，并使用经典的旅行推销员算法生成经过每个摄站的最优飞行路径。 [0103] 具体地，在本实施例的一种实现方式中，步骤S300包括以下步骤： [0104] 步骤S301，对所述优化后的视角进行分区聚类处理。 [0105] 步骤S302，对所述优化后的视角进行分层聚类处理。 [0106] 步骤S303，基于分区聚类后的区域，利用接边代价函数生成主要航线。 [0107] 步骤S304，基于分层聚类后的层次，利用所述接边代价函数生成分层航线。 [0108] 在本实施例中，对优化后的视角进行进一步的聚类划分，可以采用两种形式进行划分：一种是基于位姿相似性的分区聚类，另一种是考虑摄站高度的分层聚类。这两种聚类方式的结合，能够综合考虑姿态和高度等因素，为航飞路径的构建提供更全面、智能的解决方案。 [0109] 在本实施例中，对于聚类后的视角，通过将每个摄站作为节点构建全连接图，并使用经典的旅行推销员算法生成经过每个摄站的最优飞行路径。针对航线的生成，本实施例定义了接边代价函数： 其中包括视角之间连接的距离代价和姿态调整的代价。接边误差的引入有助于在全连接图中寻找到经过每个摄站的最优飞行路径，平衡空间距离和姿态调整之间的权衡关系，提高了路径规划的质量和可行性。 [0110] 如图6所示，在本实施例中，根据视角的聚类情况，生成的航线可以分为主要航线(针对分区聚类)和分层航线(针对分层聚类)。 [0111] 具体地，在本实施例的一种实现方式中，步骤S301包括以下步骤： [0112] 步骤S301a，基于位姿相似性算法进行分区聚类处理，将所述优化后的视角中具有相似姿态的拍摄视角归类到同一分区。 [0113] 在本实施例中，通过基于位姿相似性的分区聚类，能够将具有相似姿态的视角归类到同一分区，从而增强路径规划的连续性和流畅性。这有助于避免在航行过程中出现不必要的转向或调整，提高导航的效率和稳定性。 [0114] 具体地，在本实施例的一种实现方式中，步骤S302包括以下步骤： [0115] 步骤S302a，基于拍摄视角的高度进行所述分层聚类处理，将所述优化后的视角中不同高度的拍摄视角归类到对应高度的分区。 [0116] 在本实施例中，通过考虑摄像站的高度进行的分层聚类，可以更好地处理地形变化和复杂地貌。这种分层聚类的方法使得在路径规划中能够更灵活地应对不同高度层次上的挑战，确保航行路径在崎岖或多变地形中能够以最佳方式穿越。 [0117] 在本实施例中，通过基于位姿相似性的分区聚类和考虑摄站高度的分层聚类这两种聚类方式的结合，能够综合考虑姿态和高度等因素，为航飞路径的构建提供更全面、智能的解决方案。同时，根据两种不同视角的聚类情况，可以生成两种不同的航线，平衡空间距离和姿态调整之间的权衡关系，提高了路径规划的质量和可行性。 [0118] 本实施例通过上述技术方案达到以下技术效果： [0119] 本实施例通过获取无人机预先飞行拍摄的数据，生成概略模型，并对所述概略模型的表面进行泊松圆盘采样得到采样点；根据所述采样点生成对应的拍摄视角，并基于可重建性规则和可观测性规则对所述拍摄视角进行视角优化；对优化后的视角进行聚类划分，生成无人机的飞行航线；本发明提出新的优视摄影测量的方法，实现无人机航测过程中智能化地选择最佳拍摄视角，以获取高质量的影像数据，为复杂场景对象的三维建模提供支持。 [0120] 示例性设备 [0121] 基于上述实施例，本发明还提供一种终端，包括：通过系统总线连接的处理器、存储器、接口、显示屏以及通讯模块；其中，所述处理器用于提供计算和控制能力；所述存储器包括存储介质以及内存储器；所述存储介质存储有操作系统和计算机程序；所述内存储器为所述存储介质中的操作系统和计算机程序的运行提供环境；所述接口用于连接外部设备，例如，移动终端以及计算机等设备；所述显示屏用于显示相应的信息；所述通讯模块用于与云端服务器或移动终端进行通讯。 [0122] 所述计算机程序被所述处理器执行时用以实现一种无人机建模三维立体航线规划方法的操作。 [0123] 本领域技术人员可以理解的是，图7中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端的限定，具体的终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。 [0124] 在一个实施例中，提供了一种终端，其中，包括：处理器和存储器，所述存储器存储有无人机建模三维立体航线规划程序，所述无人机建模三维立体航线规划程序被所述处理器执行时用于实现如上所述的无人机建模三维立体航线规划方法的操作。 [0125] 在一个实施例中，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储有无人机建模三维立体航线规划程序，所述无人机建模三维立体航线规划程序被所述处理器执行时用于实现如上所述的无人机建模三维立体航线规划方法的操作。 [0126] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。 [0127] 综上，本发明提供了一种无人机建模三维立体航线规划方法、终端及存储介质，方法包括：获取无人机预先飞行拍摄的数据，生成概略模型，并对所述概略模型的表面进行泊松圆盘采样得到采样点；根据所述采样点生成对应的拍摄视角，并基于可重建性规则和可观测性规则对所述拍摄视角进行视角优化；对优化后的视角进行聚类划分，生成无人机的飞行航线；本发明提出新的优视摄影测量的方法，实现无人机航测过程中智能化地选择最佳拍摄视角，以获取高质量的影像数据，为复杂场景对象的三维建模提供支持。 |
||||||
QQ群二维码
意见反馈
意见反馈