【技术实现步骤摘要】
本专利技术涉及实景建模，尤其涉及一种基于无人机航测数据的三维实景建模系统及方法。
技术介绍
1、在城市规划、环境监控和虚拟现实等领域，三维实景建模技术发挥着越来越重要的作用，传统的三维建模方法主要依赖于地面测量或者卫星图像，这些方法往往受限于成本、时间效率以及环境条件的影响，随着无人机技术的发展，利用无人机进行空中测绘提供了一种灵活、高效且成本较低的数据采集手段，无人机可以搭载多种传感器，如光学相机、红外传感器和激光雷达，收集高分辨率的地表数据，然而，尽管无人机航测数据的获取变得更加便捷和经济，如何从这些大量且多样化的数据中提取有用的信息，并快速准确地构建高质量的三维实景模型，仍然是一个技术挑战。
2、现有的三维建模技术在数据处理和模型构建方面存在多个问题，首先，如何有效整合来自不同传感器的数据，并在保证数据精确同步和空间对齐的基础上进行高效处理，是目前的一个技术难点，此外，现有方法在处理用户兴趣和交互反馈方面也通常缺乏有效机制，无法动态地根据用户需求调整建模精度，导致模型无法精确反映用户最关心的区域，最后，现有的三维建模系统往往未能提供有效的模型验证和优化机制，难以确保模型的准确性和逼真度。
3、因此，迫切需要一种能够整合多源无人机航测数据，支持高效数据处理和特征提取，并能根据用户需求进行动态优化的三维实景建模系统，以解决上述问题，提高模型的构建效率和应用价值。
技术实现思路
1、基于上述目的，本专利技术提供了一种基于无人机航测数据的三维实景建模系统及方法
2、一种基于无人机航测数据的三维实景建模方法，包括以下步骤：
3、s1：通过无人机进行航测，采集地表的多维度数据，包括光学影像、红外数据和激光雷达点云数据，同时还采集环境因子数据包括温度、湿度，以用于后续数据校正；
4、s2：采用数据融合技术对s1采集的不同类型数据进行整合处理，包括时间同步和空间配准，以形成统一的数据模型；
5、s3：利用自注意力卷积网络算法对数据模型进行特征分析，自动识别地貌特征，包括建筑物、道路及自然地形；
6、s4：基于s3识别的地貌特征数据，构建初步的三维实景模型，并运用物理模型修正模型中的光影效果和材质反射属性；
7、s5：在模型构建阶段，根据用户的历史查询和操作记录预测用户兴趣度高的地物或区域，并对高兴趣的地物或区域进行高精度建模，得到最终的三维实景模型；
8、s6：通过模型验证算法对最终的三维实景模型进行质量检验，确保模型的准确性和逼真度，并根据检验结果反馈优化建模流程。
9、进一步的，所述s1具体包括：
10、s11：配置无人机搭载高分辨率光学相机，进行地表光学影像的连续拍摄；该光学相机包括自动曝光与焦点调整功能，用于在不同光照条件下获取高质量图像；
11、s12：配置无人机搭载红外传感器，用于捕捉地表的红外数据；红外传感器用于识别和记录不同物质的热辐射特性，能够在夜间或低可见光环境下运行；
12、s13：配置无人机搭载激光雷达系统，发射激光脉冲并测量反射脉冲的时间差，用于生成地表的高精度三维点云数据；激光雷达系统能够穿透轻微植被，捕捉地形地貌的细节；
13、s14：配置无人机搭载环境传感器，连续记录飞行期间的温度和湿度数据；环境传感器包括温湿度计，确保数据的精确性，用于后续的数据校正处理；
14、s15：实施数据同步措施，确保从光学相机、红外传感器、激光雷达和环境传感器收集的数据时间标签一致，便于数据整合与后续处理。
15、进一步的，所述s2具体包括：
16、s21：利用时间戳同步技术，确保从光学相机、红外传感器、激光雷达和环境传感器采集的所有数据具有统一的时间标签，确保所有数据采集行为在时间上的一致性；
17、s22：应用空间配准算法，对不同传感器收集的数据进行空间对齐，具体采用基于特征匹配的配准技术，自动识别各数据集中的相同地理特征点，并通过特征点对数据进行精确对齐；
18、s23：采用多源数据融合框架，整合光学影像、红外数据和激光雷达点云数据，该多源数据融合框架包括多层次的融合算法，首先在像素级进行融合，然后在特征级进行提炼和优化数据，以形成详尽且连续的三维数据模型；
19、s24：进行数据质量评估和校正，具体使用从环境传感器采集的温度和湿度数据对其他传感器数据进行环境影响校正，确保数据在不同环境条件下的一致性和可靠性；
20、s25：最终生成统一的数据模型，该数据模型包括地形和地貌的详细三维视图，还整合了环境变量。
21、进一步的，所述s23具体包括：
22、s231：在像素级融合中，具体应用加权平均法对光学影像、红外数据和激光雷达点云数据的对应像素进行融合，预设iopt,iir,plidar分别代表光学影像、红外影像和激光雷达点云数据的像素值，则融合后的像素值ifused通过以下公式计算：
23、ifused＝ωopt·iopt+ωir·iir+ωlidar·plidar，其中，ωopt,ωir,ωlidar是权重系数；
24、s232：在特征级提炼和优化阶段，利用卷积神经网络提取各数据源的高级特征，假设fopt,fir,flidar分别代表从光学影像、红外影像和激光雷达数据中提取的特征图，通过cnn处理后，每个特征图表示为：fsource＝cnn(isource)，其中isource是输入的各类图像数据；
25、s233：接着使用基于特征融合层的特征融合技术，将fopt,fir,flidar进行混合和优化，形成一个综合特征表示fcombined，具体公式为：fcombined＝σ(fopt⊕fir⊕flidar，其中，⊕表示特征合并操作，σ是非线性激活函数；
26、s23：基于fcombined，使用三维重建算法将提炼和优化后的特征转换为连续的三维数据模型。
27、进一步的，所述s24具体包括：
28、s241：首先从环境传感器中实时采集温度数据t和湿度数据h；
29、s242：对光学影像数据进行色彩校正，具体使用以下公式对影像中的每个像素点的rgb值进行调整：
30、rgbcorrected＝rgboriginal×(1+at·(t-tref)+αh·(h-href))，其中，rgboriginal为原始光学影像数据中每个像素点的红绿蓝色彩值；rgbcorrected为校正后的rgb色彩值；t为实时采集的环境温度值；h为实时采集的环境湿度值；tref为参考温度值；href为参考湿度值；αt和αh为温度和湿度对光学影像色彩的影响系数；
31、s243：对红外数据进行温度校正，因为红外传感器输出的是热辐射强度，其对环境温度极为敏感，具体使用以下公式进行校正：
32、ircorrected＝iroriginal×(1+βt·(t本文档来自技高网...
【技术保护点】
1.一种基于无人机航测数据的三维实景建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述S1具体包括：
3.根据权利要求1所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述S2具体包括：
4.根据权利要求3所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述S23具体包括：
5.根据权利要求4所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述S24具体包括：
6.根据权利要求1所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述S3具体包括：
7.根据权利要求1所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述S4具体包括：
8.根据权利要求1所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述S5具体包括：
9.根据权利要求1所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述S6具体包括：
10.一种基于无人机航测
...【技术特征摘要】
1.一种基于无人机航测数据的三维实景建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述s1具体包括：
3.根据权利要求1所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述s2具体包括：
4.根据权利要求3所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述s23具体包括：
5.根据权利要求4所述的一种基于无人机航测数据的三维实景建模方法，其特征在于，所述s24具体包括：
6.根据权利要求1所述的一种基于...
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。