本发明涉及地理信息测量,更具体地说,它涉及一种基于激光测距的大地测量系统。
背景技术:
1、激光测距是以激光器作为光源进行测距。根据激光工作的方式分为连续激光器和脉冲激光器。
2、现有的大地测量中常用的测量方法就包括激光测距,该测量方法的优点是测量精度高,缺点是测量效率低,需要在选定的多个测量点基础上进行多次测量,并且将多个断测量点的测量数据进行对比,从而判断测量数据是否准确。
技术实现思路
1、针对现有技术存在的不足,本发明的目的在于提供一种基于激光测距的大地测量系统。
2、为实现上述目的,本发明提供了如下技术方案:
3、一种基于激光测距的大地测量系统,包括激光发射模块、测距处理模块、测点重选模块;
4、所述激光发射模块用于控制n个激光发射器在相同时间间隔内,从测量点朝向目标物体发送激光脉冲。测量点为人工选定,通常选定在视野开阔位置。大地测量系统一共包括10个激光发射器,10个激光发射器每隔5分钟朝向目标发送激光脉冲。
5、所述测距处理模块用于对测量点进行判断,判断测量点是否可以进行正常的激光测距,具体为:
6、步骤一:获取得到送返普时差js;
7、步骤二:设置每个送返普时差均对应一个送返时差值gi,将送返普时差与送返时差值进行对比,当送返普时差小于送返时差值时,将该送返普时差标记为送返时差低值,将送返时差值与送返时差低值进行差值计算,获取得到低值标准差;将所有低值标准差进行求和处理,获取得到低值总标准差并标记为rw;获取得到出现送返时差低值的总次数,并标记为ky;
8、步骤三:当送返普时差大于送返时差值时,将该送返普时差标记为送返时差超值,将送返时差超值与送返时差值进行差值计算,获取得到超值标准差;将所有超值标准差进行求和处理,获取得到超值总标准差并标记为ej;获取得到出现送返时差超值的总次数,并标记为sc;
9、利用公式获取得到激光低测准值hm;其中,b1、b2均为预设比例系数;
10、利用公式获取得到激光超测准值bk;其中,c1、c2均为预设比例系数;
11、利用公式获取得到该测量点的激光预警准值pe,其中,d1、d2均为预设比例系数,设置激光预警准值阈值为cz,当激光预警准值pe≥激光预警准值阈值cz,将测量点标记为异常测量点,当激光预警准值pe<激光预警准值阈值cz,将该测量点标记为正常测量点,当测量点判断正常时,不再需要选择其他的测量点进行激光测距,当测量点判断异常时,及时选择其他的测量点进行激光测距;
12、所述测点重选模块用于在异常测量点的基础上重新选择测量点,具体为:
13、步骤一:获取得到异常测量点的位置,并以当前位置为圆心,以预设半径画圆获取得到定点范围,将位置在定点范围内的未测量点标记为预选测量点;
14、步骤二:测点确定模块控制无人机到达预选测量点后对目标物体拍摄视频,获取得到同一预选测量点所对应视频的首选值ak;
15、步骤三:将首选值ak数值最小的预选测量点标记为终选测量点,在异常测量点的基础上快速选择测量点,保证每次选择合适的测量点进行重新测量。
16、进一步的,所述送返时差值通过下述步骤获取得到:测距处理模块控制拍照组件对目标物体拍摄照片,对照片进行预处理,获取得到预处理照片,将预处理照片作为图像分析模型的输入数据获取图像分析模型的输出数据,将输出数据标记为目标标签;所述目标标签为每个格子对应的图像标签;设置图像标签的取值范围为[0-3],其中图像标签的取值越大,表示目标物体在格子中所占面积越大,将所有图像标签进行求和处理,获取得到图像标签总值并标记为tb,利用公式gi=tb×m1获取得到送返时差值,其中,m1为预设比例系数。
17、进一步的,照片的预处理包括对照片的图像去噪、灰度变换以及锐化处理。
18、进一步的,图像分析模型通过下述步骤:获取得到n张图像素材,将图像素材标记为训练图像,将训练图像通过等间距的多条横线以及等间距的多条纵线划分成多个相同的格子,对每个格子赋予图像标签;将训练图像按照设定比例划分成训练集和验证集;构建神经网络模型;通过训练集和验证集对神经网络模型进行迭代训练,当迭代训练次数大于迭代次数阈值时,则判定神经网络模型完成训练,将训练完成的神经网络模型标记为图像分析模型。
19、进一步的,同一预选测量点所对应视频的首选值ak通过下述步骤获取得到:将同一预选测量点所对应视频转换成影像帧,获取得到每个影像帧的平均灰度值并标注为pv,设置影像帧的低异灰度阈值为lm,设置影像帧的高异灰度阈值为yp,当影像帧的灰度点灰度值<低异灰度阈值lm时,则将该灰度点标注为低异灰度点,当影像帧的灰度点灰度值>高异灰度阈值yp时,则将该灰度点标注为高异灰度点,将低异灰度点的数量与高异灰度点的数量进行求和处理,获取得到异常灰点数,将异常灰点数与影像帧中像素点的数量进行比值计算,获取得到异常灰度比并标记为ve,利用公式获取得到影像帧的标异值qj,将同一预选测量点影像帧的标异值进行求和处理并取均值,获取得到同一预选测量点所对应视频的首选值ak,其中,n1、n2均为预设比例系数。
20、进一步的,所述送返普时差js通过下述步骤获取得到:将n个激光脉冲所对应的激光发送时刻与激光接收时刻按照时间先后顺序进行排序,将相邻两个激光脉冲中后一个激光脉冲的激光发送时刻标记为lg,后一个激光脉冲的激光接收时刻标记为lh,将相邻两个激光脉冲中前一个激光脉冲的激光发送时刻标记为lz,前一个激光脉冲的激光接收时刻标记为lr,利用公式获取得到送返普时差js,其中,a1、a2均为预设比例系数。
21、进一步的,当激光发射器在测量点朝向目标物体发送激光脉冲时,将该时刻标记为激光发送时刻,当测距处理模块接收到从目标物体返回的激光脉冲时,将该时刻标记为激光接收时刻。
22、与现有技术相比,本发明具备以下有益效果:
23、1、设置激光发射模块,可以控制n个激光发射器在相同时间间隔内,从测量点朝向目标物体发送激光脉冲,为后续测量点的判断提供参考基础,设置测距处理模块,可以判断测量点是否能进行正常且准确的激光测距,当测量点判断正常时,不再需要选择其他的测量点进行激光测距,当测量点判断异常时,及时选择其他的测量点进行激光测距;
24、2、设置测点重选模块,可以在异常测量点的基础上快速选择测量点,保证每次选择合适的测量点进行重新测量,大大减小测量点的重选次数,提高激光测距的效率以及准确性。
1.一种基于激光测距的大地测量系统,其特征在于,包括激光发射模块、测距处理模块、测点重选模块;
2.根据权利要求1所述的一种基于激光测距的大地测量系统,其特征在于,所述送返时差值通过下述步骤获取得到:测距处理模块控制拍照组件对目标物体拍摄照片,对照片进行预处理,获取得到预处理照片,将预处理照片作为图像分析模型的输入数据获取图像分析模型的输出数据,将输出数据标记为目标标签;所述目标标签为每个格子对应的图像标签;设置图像标签的取值范围为[0-3],其中图像标签的取值越大,表示目标物体在格子中所占面积越大,将所有图像标签进行求和处理,获取得到图像标签总值并标记为tb,利用公式gi=tb×m1获取得到送返时差值,其中,m1为预设比例系数。
3.根据权利要求2所述的一种基于激光测距的大地测量系统,其特征在于,照片的预处理包括对照片的图像去噪、灰度变换以及锐化处理。
4.根据权利要求3所述的一种基于激光测距的大地测量系统,其特征在于,图像分析模型通过下述步骤:获取得到n张图像素材,将图像素材标记为训练图像,将训练图像通过等间距的多条横线以及等间距的多条纵线划分成多个相同的格子,对每个格子赋予图像标签;将训练图像按照设定比例划分成训练集和验证集;构建神经网络模型;通过训练集和验证集对神经网络模型进行迭代训练,当迭代训练次数大于迭代次数阈值时,则判定神经网络模型完成训练,将训练完成的神经网络模型标记为图像分析模型。
5.根据权利要求4所述的一种基于激光测距的大地测量系统,其特征在于,同一预选测量点所对应视频的首选值ak通过下述步骤获取得到:将同一预选测量点所对应视频转换成影像帧,获取得到每个影像帧的平均灰度值并标注为pv,设置影像帧的低异灰度阈值为lm,设置影像帧的高异灰度阈值为yp,当影像帧的灰度点灰度值<低异灰度阈值lm时,则将该灰度点标注为低异灰度点,当影像帧的灰度点灰度值>高异灰度阈值yp时,则将该灰度点标注为高异灰度点,将低异灰度点的数量与高异灰度点的数量进行求和处理,获取得到异常灰点数,将异常灰点数与影像帧中像素点的数量进行比值计算,获取得到异常灰度比并标记为ve,利用公式获取得到影像帧的标异值qj,将同一预选测量点影像帧的标异值进行求和处理并取均值,获取得到同一预选测量点所对应视频的首选值ak,其中,n1、n2均为预设比例系数。
6.根据权利要求5所述的一种基于激光测距的大地测量系统,其特征在于,所述送返普时差js通过下述步骤获取得到:将n个激光脉冲所对应的激光发送时刻与激光接收时刻按照时间先后顺序进行排序,将相邻两个激光脉冲中后一个激光脉冲的激光发送时刻标记为lg,后一个激光脉冲的激光接收时刻标记为lh,将相邻两个激光脉冲中前一个激光脉冲的激光发送时刻标记为lz,前一个激光脉冲的激光接收时刻标记为lr,利用公式获取得到送返普时差js,其中,a1、a2均为预设比例系数。
7.根据权利要求6所述的一种基于激光测距的大地测量系统,其特征在于,当激光发射器在测量点朝向目标物体发送激光脉冲时,将该时刻标记为激光发送时刻,当测距处理模块接收到从目标物体返回的激光脉冲时,将该时刻标记为激光接收时刻。