【技术实现步骤摘要】
本专利技术涉及无人机测量测绘，更具体地，本专利技术涉及一种基于倾斜摄影和无人机测量测绘的建模方法和装置。
技术介绍
1、现有的倾斜摄影和无人机测量测绘技术在地理信息系统、城市规划、环境监测等领域得到了广泛应用。这些技术能够提供高分辨率的地表影像数据，通过无人机搭载的摄影设备，可以快速获取大面积的地理信息，为地形地貌的三维建模提供了便利。然而，由于地形地貌和地物分布的复杂性，不同区域的建模精度受到多种因素的影响，如地形起伏、地物密度、天气条件等，这些因素对建模精度的影响程度不同，导致传统的建模方法难以精确预测和控制最终的建模结果。
2、在实现本专利技术实施例过程中，专利技术人发现现有技术中至少存在如下问题或缺陷：现有的建模方法往往缺乏对测区地形地貌和地物分布特点的综合分析，未能充分识别和量化影响建模精度的关键因素，导致建模精度预测不够准确，无法针对不同区域的特性进行优化调整，从而影响了建模的效率和质量。此外，现有技术在处理历史测量数据时，也缺乏有效的数据分析方法来提取精度历史参考值，以指导实际的建模工作。这些问题限制了倾斜摄影和无人机测量测绘技术在复杂测区的应用潜力，亟需一种新的建模方法来提高建模的精度和可靠性。
技术实现思路
1、本专利技术提供了一种基于倾斜摄影和无人机测量测绘的建模方法和装置。
2、在本专利技术的第一方面中，提供了一种基于倾斜摄影和无人机测量测绘的建模方法，包括：
3、收集无人机飞行历史数据和测区相关资料以形成基础数据库，其中，
4、根据测区的地形地貌和地物分布特点，对所述测区进行区域划分，同时针对所述测区的不同区域识别出建模精度的影响因素；
5、基于所述建模精度的影响因素对倾斜摄影和无人机测量测绘建模精度进行预测，得到精度参考目标；
6、基于所述建模精度的影响因素设置相同类型测区方案的关键影响因素，基于所述关键影响因素识别相同类型的历史测量信息，然后通过数据分析获得相同类型的历史测量的精度历史参考值；
7、以及根据所述精度参考目标与所述精度历史参考值，确定建模精度预测目标。
8、进一步地，在确定建模精度预测目标之后进一步包括：
9、结合区域分解，将不同区域的设计精度与所述建模精度预测目标进行比较，判断其偏差和影响比例，优先调整测量参数弹性较大的区域，以将所述偏差控制在预先设定的误差范围内；
10、以及利用所述基于倾斜摄影和无人机测量测绘的建模方法对不同类型的待测量测区建模精度进行预测。
11、进一步地，根据测区的地形地貌和地物分布特点，对所述测区进行区域划分，同时针对所述测区的不同区域识别出建模精度的影响因素包括：
12、根据所述影像数据和测区地理信息确定所述测区的地形地貌和地物分布特点；
13、根据所述测区的地形地貌和地物分布特点将所述测区的地理部分分解为山区、平原、城市、水域以及特殊地形区；
14、以及对所述测区的山区、平原、城市、水域以及特殊地形区识别出所述建模精度的影响因素，所述建模精度的影响因素包括地形起伏、地物密度、天气条件、光照强度、风速、空气质量、地表材质、地物高度和面积。
15、进一步地，基于建模精度的影响因素对倾斜摄影和无人机测量测绘建模精度进行预测，得到精度参考目标包括：
16、对所述测区的山区、平原、城市、水域以及特殊地形区的建模精度进行分别预测，以获得不同区域的建模精度；
17、以及对所述不同区域的建模精度进行叠加以获得所述测区的总建模精度作为所述精度参考目标。
18、进一步地，基于所述关键影响因素识别相同类型的历史测量信息包括：
19、基于所述关键影响因素对所有样本数据进行搜索，应用改进k-means算法，找到误差平方和sse值最小的聚类数量以及对应的初始聚类中心；
20、当初始聚类中心确定以后，根据改进密度峰值聚类算法最终确定样本数据的类别以及各类别中心，其中，所述山区的关键影响因素包括地形起伏、地物高度和地表材质；
21、所述平原的关键影响因素包括地物密度和地表材质；
22、所述城市的关键影响因素包括地物密度、地物高度和地表材质；
23、所述水域的关键影响因素包括地表材质和风速；
24、以及所述特殊地形区的关键影响因素包括地形起伏、地表材质和特殊地形属性。
25、进一步地，根据改进密度峰值聚类算法最终确定样本数据的类别以及各类别中心进一步包括：
26、所述改进密度峰值聚类算法的目标函数为：
27、max{g(i)}
28、s.t.g＝λi-ωi
29、其中，m是局部邻域参数，λi表示局部数据关联度，ωi表示到更高关联度点的最短路径距离，i是样本点集合，i＝1,2,…,n，n为数据个数；
30、在迭代过程中计算每个数据点的局部数据关联度λi和到更高关联度点的最短路径距离ωi，并求得g＝λi-ωi，然后以取得最大值的g最终得到最佳聚类数量、聚类原型以及样本数据所属类型；
31、给定局部邻域参数m，设定迭代停止阈值δ，初始化样本点属性，设定迭代计数器t＝0。如果存在i使得λi＞0，则有
32、
33、如果存在i使得λi＝0，则有ωi＝max{ωj}，j＝1,2,…,n：
34、若则算法停止，并且输出划分结果和聚类原型，否则令t＝t+1，并转到上一步骤；
35、确定最佳分类树cm，计算g(c)的值，当满足条件：(g(cm)＝max{g(c)}，则认为cm为最佳分类数量，并得到所述输出划分结果和所述聚类原型。
36、进一步地，通过数据分析获得相同类型的历史测量的精度历史参考值包括：
37、计算样本数据的中位数md：将样本数据从小到大排序，如果数据个数n为奇数，则中位数
38、如果n为偶数，则
39、
40、其中x(k)表示排序后第k个数据；
41、计算众数mo，所述众数是样本数据中出现次数最多的数据值；
42、计算极差r：
43、r＝xmax-xmin
44、其中xmax和xmin分别是样本数据中的最大值和最小值；
45、计算平均绝对偏差x：
46、
47、其中是样本数据的平均值；采用格拉布斯准则剔除异常值，设一组测量数据为x1,x2,…,xn，其算术平均值为标准差为s，找出可疑值x(k)(k＝1或n)，计算若t>g(α,n)(g(α,n))为格拉布斯系数，所述格拉布斯系数根据给定的显著性水平α和数据个数n查格拉布斯表得到，则x(k)为异常值并剔除，对所述样本数据进行异常值分析；
48、通过以下公式计算精度的合理区间l：
49、
50、其中本文档来自技高网...
【技术保护点】
1.一种基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，包括：
2.根据权利要求1所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，在确定建模精度预测目标之后进一步包括：
3.根据权利要求1所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，根据测区的地形地貌和地物分布特点，对所述测区进行区域划分，同时针对所述测区的不同区域识别出建模精度的影响因素包括：
4.根据权利要求3所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，基于建模精度的影响因素对倾斜摄影和无人机测量测绘建模精度进行预测，得到精度参考目标包括：
5.根据权利要求3所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，基于所述关键影响因素识别相同类型的历史测量信息包括：
6.根据权利要求5所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，根据改进密度峰值聚类算法最终确定样本数据的类别以及各类别中心进一步包括：
7.根据权利要求1所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，通过数据分析获得相同类型
8.根据权利要求7所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，根据所述精度参考目标与所述精度历史参考值，确定建模精度预测目标包括：
9.根据权利要求1所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，基于所述建模精度的影响因素对倾斜摄影和无人机测量测绘建模精度进行预测，得到精度参考目标包括：
10.一种基于倾斜摄影和无人机测量测绘的建模装置，其特征在于，包括：
...【技术特征摘要】
1.一种基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，包括：
2.根据权利要求1所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，在确定建模精度预测目标之后进一步包括：
3.根据权利要求1所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，根据测区的地形地貌和地物分布特点，对所述测区进行区域划分，同时针对所述测区的不同区域识别出建模精度的影响因素包括：
4.根据权利要求3所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，基于建模精度的影响因素对倾斜摄影和无人机测量测绘建模精度进行预测，得到精度参考目标包括：
5.根据权利要求3所述的基于倾斜摄影和无人机测量测绘的建模方法，其特征在于，基于所述关键影响因素识别相同类型的历史测量信息包括：
【专利技术属性】
技术研发人员：周丰，沈超，
申请(专利权)人：上海每时每刻文化传播有限公司，
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。