【技術實現步驟摘要】
本專利技術涉及無人機測量測繪，更具體地，本專利技術涉及一種基于傾斜攝影和無人機測量測繪的建模方法和裝置。
技術介紹
1、現有的傾斜攝影和無人機測量測繪技術在地理信息系統、城市規劃、環境監測等領域得到了廣泛應用。這些技術能夠提供高分辨率的地表影像數據，通過無人機搭載的攝影設備，可以快速獲取大面積的地理信息，為地形地貌的三維建模提供了便利。然而，由于地形地貌和地物分布的復雜性，不同區域的建模精度受到多種因素的影響，如地形起伏、地物密度、天氣條件等，這些因素對建模精度的影響程度不同，導致傳統的建模方法難以精確預測和控制最終的建模結果。
2、在實現本專利技術實施例過程中，專利技術人發現現有技術中至少存在如下問題或缺陷：現有的建模方法往往缺乏對測區地形地貌和地物分布特點的綜合分析，未能充分識別和量化影響建模精度的關鍵因素，導致建模精度預測不夠準確，無法針對不同區域的特性進行優化調整，從而影響了建模的效率和質量。此外，現有技術在處理歷史測量數據時，也缺乏有效的數據分析方法來提取精度歷史參考值，以指導實際的建模工作。這些問題限制了傾斜攝影和無人機測量測繪技術在復雜測區的應用潛力，亟需一種新的建模方法來提高建模的精度和可靠性。
技術實現思路
1、本專利技術提供了一種基于傾斜攝影和無人機測量測繪的建模方法和裝置。
2、在本專利技術的第一方面中，提供了一種基于傾斜攝影和無人機測量測繪的建模方法，包括：
3、收集無人機飛行歷史數據和測區相關資料以形成基礎數據庫，其中，
4、根據測區的地形地貌和地物分布特點，對所述測區進行區域劃分，同時針對所述測區的不同區域識別出建模精度的影響因素；
5、基于所述建模精度的影響因素對傾斜攝影和無人機測量測繪建模精度進行預測，得到精度參考目標；
6、基于所述建模精度的影響因素設置相同類型測區方案的關鍵影響因素，基于所述關鍵影響因素識別相同類型的歷史測量信息，然后通過數據分析獲得相同類型的歷史測量的精度歷史參考值；
7、以及根據所述精度參考目標與所述精度歷史參考值，確定建模精度預測目標。
8、進一步地，在確定建模精度預測目標之后進一步包括：
9、結合區域分解，將不同區域的設計精度與所述建模精度預測目標進行比較，判斷其偏差和影響比例，優先調整測量參數彈性較大的區域，以將所述偏差控制在預先設定的誤差范圍內；
10、以及利用所述基于傾斜攝影和無人機測量測繪的建模方法對不同類型的待測量測區建模精度進行預測。
11、進一步地，根據測區的地形地貌和地物分布特點，對所述測區進行區域劃分，同時針對所述測區的不同區域識別出建模精度的影響因素包括：
12、根據所述影像數據和測區地理信息確定所述測區的地形地貌和地物分布特點；
13、根據所述測區的地形地貌和地物分布特點將所述測區的地理部分分解為山區、平原、城市、水域以及特殊地形區；
14、以及對所述測區的山區、平原、城市、水域以及特殊地形區識別出所述建模精度的影響因素，所述建模精度的影響因素包括地形起伏、地物密度、天氣條件、光照強度、風速、空氣質量、地表材質、地物高度和面積。
15、進一步地，基于建模精度的影響因素對傾斜攝影和無人機測量測繪建模精度進行預測，得到精度參考目標包括：
16、對所述測區的山區、平原、城市、水域以及特殊地形區的建模精度進行分別預測，以獲得不同區域的建模精度；
17、以及對所述不同區域的建模精度進行疊加以獲得所述測區的總建模精度作為所述精度參考目標。
18、進一步地，基于所述關鍵影響因素識別相同類型的歷史測量信息包括：
19、基于所述關鍵影響因素對所有樣本數據進行搜索，應用改進k-means算法，找到誤差平方和sse值最小的聚類數量以及對應的初始聚類中心；
20、當初始聚類中心確定以后，根據改進密度峰值聚類算法最終確定樣本數據的類別以及各類別中心，其中，所述山區的關鍵影響因素包括地形起伏、地物高度和地表材質；
21、所述平原的關鍵影響因素包括地物密度和地表材質；
22、所述城市的關鍵影響因素包括地物密度、地物高度和地表材質；
23、所述水域的關鍵影響因素包括地表材質和風速；
24、以及所述特殊地形區的關鍵影響因素包括地形起伏、地表材質和特殊地形屬性。
25、進一步地，根據改進密度峰值聚類算法最終確定樣本數據的類別以及各類別中心進一步包括：
26、所述改進密度峰值聚類算法的目標函數為：
27、max{g(i)}
28、s.t.g＝λi-ωi
29、其中，m是局部鄰域參數，λi表示局部數據關聯度，ωi表示到更高關聯度點的最短路徑距離，i是樣本點集合，i＝1,2,…,n，n為數據個數；
30、在迭代過程中計算每個數據點的局部數據關聯度λi和到更高關聯度點的最短路徑距離ωi，并求得g＝λi-ωi，然后以取得最大值的g最終得到最佳聚類數量、聚類原型以及樣本數據所屬類型；
31、給定局部鄰域參數m，設定迭代停止閾值δ，初始化樣本點屬性，設定迭代計數器t＝0。如果存在i使得λi＞0，則有
32、
33、如果存在i使得λi＝0，則有ωi＝max{ωj}，j＝1,2,…,n：
34、若則算法停止，并且輸出劃分結果和聚類原型，否則令t＝t+1，并轉到上一步驟；
35、確定最佳分類樹cm，計算g(c)的值，當滿足條件：(g(cm)＝max{g(c)}，則認為cm為最佳分類數量，并得到所述輸出劃分結果和所述聚類原型。
36、進一步地，通過數據分析獲得相同類型的歷史測量的精度歷史參考值包括：
37、計算樣本數據的中位數md：將樣本數據從小到大排序，如果數據個數n為奇數，則中位數
38、如果n為偶數，則
39、
40、其中x(k)表示排序后第k個數據；
41、計算眾數mo，所述眾數是樣本數據中出現次數最多的數據值；
42、計算極差r：
43、r＝xmax-xmin
44、其中xmax和xmin分別是樣本數據中的最大值和最小值；
45、計算平均絕對偏差x：
46、
47、其中是樣本數據的平均值；采用格拉布斯準則剔除異常值，設一組測量數據為x1,x2,…,xn，其算術平均值為標準差為s，找出可疑值x(k)(k＝1或n)，計算若t>g(α,n)(g(α,n))為格拉布斯系數，所述格拉布斯系數根據給定的顯著性水平α和數據個數n查格拉布斯表得到，則x(k)為異常值并剔除，對所述樣本數據進行異常值分析；
48、通過以下公式計算精度的合理區間l：
49、
50、其中本文檔來自技高網...
【技術保護點】
1.一種基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，包括：
2.根據權利要求1所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，在確定建模精度預測目標之后進一步包括：
3.根據權利要求1所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，根據測區的地形地貌和地物分布特點，對所述測區進行區域劃分，同時針對所述測區的不同區域識別出建模精度的影響因素包括：
4.根據權利要求3所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，基于建模精度的影響因素對傾斜攝影和無人機測量測繪建模精度進行預測，得到精度參考目標包括：
5.根據權利要求3所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，基于所述關鍵影響因素識別相同類型的歷史測量信息包括：
6.根據權利要求5所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，根據改進密度峰值聚類算法最終確定樣本數據的類別以及各類別中心進一步包括：
7.根據權利要求1所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，通過數據分析獲得相同類型
8.根據權利要求7所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，根據所述精度參考目標與所述精度歷史參考值，確定建模精度預測目標包括：
9.根據權利要求1所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，基于所述建模精度的影響因素對傾斜攝影和無人機測量測繪建模精度進行預測，得到精度參考目標包括：
10.一種基于傾斜攝影和無人機測量測繪的建模裝置，其特征在于，包括：
...【技術特征摘要】
1.一種基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，包括：
2.根據權利要求1所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，在確定建模精度預測目標之后進一步包括：
3.根據權利要求1所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，根據測區的地形地貌和地物分布特點，對所述測區進行區域劃分，同時針對所述測區的不同區域識別出建模精度的影響因素包括：
4.根據權利要求3所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，基于建模精度的影響因素對傾斜攝影和無人機測量測繪建模精度進行預測，得到精度參考目標包括：
5.根據權利要求3所述的基于傾斜攝影和無人機測量測繪的建模方法，其特征在于，基于所述關鍵影響因素識別相同類型的歷史測量信息包括：
【專利技術屬性】
技術研發人員：周豐，沈超，
申請(專利權)人：上海每時每刻文化傳播有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。