论坛
潜水/灌水快乐,沉淀知识,认识更多同行。
ToB圈子
加入IT圈,遇到更多同好之人。
朋友圈
看朋友圈动态,了解ToB世界。
ToB门户
了解全球最新的ToB事件
博客
Blog
排行榜
Ranklist
文库
业界最专业的IT文库,上传资料也可以赚钱
下载
分享
Share
导读
Guide
相册
Album
记录
Doing
搜索
本版
文章
帖子
ToB圈子
用户
免费入驻
产品入驻
解决方案入驻
公司入驻
案例入驻
登录
·
注册
只需一步,快速开始
账号登录
立即注册
找回密码
用户名
Email
自动登录
找回密码
密码
登录
立即注册
首页
找靠谱产品
找解决方案
找靠谱公司
找案例
找对的人
专家智库
悬赏任务
圈子
SAAS
IT评测·应用市场-qidao123.com
»
论坛
›
企业信息化/数字化
›
ERP
›
SAP
›
Pix4Dmapper空间三维模型的应用实例:GIS选址分析 ...
Pix4Dmapper空间三维模型的应用实例:GIS选址分析
农民
金牌会员
|
2024-4-11 06:56:41
|
显示全部楼层
|
阅读模式
楼主
主题
977
|
帖子
977
|
积分
2931
本文介绍基于
无人机影像建模完成后的结果
,利用
ArcMap
软件进行
空间选址分析
,从而实现空间三维模型应用的方法。
目录
1 空间分析目标确立
2 基于基本约束条件的选址求解
2.1 坡度计算与提取
2.2 海拔提取
2.3 LAS数据初探
2.4 淹没分析
2.5 区域相交
2.6 面积约束
3 基于择优条件的选址求解
4 不足与问题
前面三篇博客分别基于不同软件、不同方法,详细讲解了空间三维模型建立的过程,具体文章包括
物体三维模型的构建:3DSOM软件实现侧影轮廓方法
、
空间三维模型的编码结构光方法实现:基于EinScan-S软件
与
无人机影像的空间三维建模:Pix4Dmapper运动结构恢复法
。
以上三篇博客主要是对空间三维建模的原理与具体操作加以总结;而空间三维模型在建立之后,如何对其加以更为具体的应用,如何提升模型自身的实践价值,同样需要我们去深入探讨。那么本次,综合上述第三篇博客所提到的方法与原理,我们就将在无人机影像三维模型重建的基础之上,对其加以更为具体的实际应用。
其中,本文在上述博客3的基础之上,直接基于无人机影像建模完成后的结果加以空间分析;如果需要了解建模的详细过程,大家查阅
无人机影像的空间三维建模:Pix4Dmapper运动结构恢复法
即可。另一方面,本文并没有像前期遥感图像处理的相关博客那样,具体将每一个步骤记录,更多的则是展现基于三维模型进行空间分析的一个思路;因此,对于本文中没有表明如何具体进行的操作,大家如果有疑问可以留言。
本文原始数据为
无人机影像的空间三维建模:Pix4Dmapper运动结构恢复法
所得到的某校园空间三维模型结果,空间分析部分借助ArcMap 10.2软件完成。
1 空间分析目标确立
完成前述全部无人机航拍影像空间三维建模工作,结合当今疫情实际情况,期望借助建模所得数字表面模型(Digital Surface Model,DSM)与数字正射影像图(Digital Orthophoto Map,DOM),运用
坡度分析、缓冲区分析、叠加分析
等空间分析方法,继续以前述某校园部分区域为研究对象,加以临时观察隔离选址评价。
基于前述空间三维模型建立过程,已知研究区域如下图所示。
基于实际情况,为该学校疫情临时观察隔离选址条件加以初步规划,结果如下:
1)坡度在3°以下;
2)海拔低于35 m;
3)周围15 m不得含有20 m以上地物;
4)需具有一定防洪能力;
5)面积不可过小;
6)阳光照射时长尽可能长(择优)。
上述约束条件更多仅仅作为一种选址分析的首要考虑因素,后续操作过程中将视情况对其加以适当修改。结合上述目标条件,借助空间三维模型建立后所得DSM数据与DOM数据,尝试对其加以实现。
2 基于基本约束条件的选址求解
2.1 坡度计算与提取
利用三维建模所得部分校园区域DSM数据,求取其坡度信息,如下图所示。
其中,可以看到部分房屋在坡度图中具有较好的辨识信息;将其放大即可观察到,这些房屋多为该学校老宿舍区、艺术馆、景园楼等具有倾斜房顶的建筑,如下图所示。
依据前述限定条件,对坡度小于3°的部分加以提取,得到提取结果如下图所示。
随后将其转换为矢量图层,如下图所示。
2.2 海拔提取
依据前述对海拔条件的限制要求,提取出海拔小于35 m的地区;如下图所示。但是,可以发现依据这种划分指标的理想海拔区域明显包括了一些建筑物,如景园楼、艺术馆等。很显然,疫情临时观察隔离不可以设置在已有建筑物区域。
出现这一问题的原因亦较为简单,即由于该所学校面积大、研究区域跨度长,且在东西方向、南北方向均具有较大的海拔差,从而使得所得研究区域DSM数据各位置(如研究区域西侧与东侧)之间海拔范围较大;可能在某一海拔整体较高区域,其地表高度就已高于海拔较低区域建筑物的高度。因此,使得海拔提取结果较为不理想。
基于上述分析,随后尝试将对海拔的要求更改至15 m,得到提取结果如下图所示。
可以看到,以15 m为阈值提取的海拔区域尽管较之前者有了一定改观,但在其理想区域中依然包含有建筑物的存在。因此,同样放弃15 m海拔的提取结果。
进一步考虑,发现不仅仅是海拔的提取会受到影响,DSM数据在地物高度提取方面同样存在一定问题。例如,前述对疫情临时观察隔离的选址初步要求中提及了“周围15 m不得含有20 m以上地物”;其中,20 m以上地物的定义自身即具有一定问题——在未获取研究区域地表平均高程的情况下,地物高度自然没有一个统一的衡量标准,即无法对具有某一高度的地物加以提取。例如,由于研究区域西侧海拔普遍高于东侧,则15米既可能是研究区域西侧某一地表的海拔,亦有可能是东侧某一建筑物的顶层高度。因此,需要首先确定研究区域的平均地表高度,才可依据DSM数据对地物的高度加以进一步求解。
2.3 LAS数据初探
综上所述,考虑是否可对研究区域模型的地表平均高度加以求解。查阅互联网资料后,亦得知通过对地表点云加以分类等方式可对地表平均海拔加以求解;但这些方法整体操作往往较为复杂。随后,看到有部分网络资料提及,可以利用Pix4Dmapper软件建模所得点云LAS结果文件对地表高度加以求解。因此,尝试由这一角度加以实现。
首先,在Pix4Dmapper软件中生成模型所对应的点云文件,并将其导入至ArcMap软件中。如下图所示。
随后,基于导入的LAS数据,创建LAS数据集,如下图所示。
依据网络资源所述,选用“平均值”像元分配类型方法,将LAS数据集转换为栅格,即可得到研究区域的地表平均海拔。借助相关教程,实现这一步骤,如下图所示。
对得到的结果加以识别,并与DSM数据对比,如下所示。
可以看到,其中的像元值与DSM数据几乎并无差别。由此,可以认为基于LAS数据的地表平均高度提取方法似乎亦不奏效。
基于上述分析,个人决定还是需要直接由海拔高度入手,选取一个对研究区域DSM数据中建筑物与地表高度具有较好区分度的海拔数值,并以其作为建筑物与地表的分割阈值。经过多次尝试,发现这一阈值选取为20 m时整体较为合适。
阈值为20 m时,所得海拔提取结果如下图所示。
可以看到,上述所得结果整体对于建筑物与地表具有较好区分能力——除北部一带,其它位置的建筑与地表分离较好。而北部一带由于其自身复杂的地形,原本就不适合疫情临时观察隔离的建立。因此,可以认为20 m阈值的海拔提取结果较好。
对上述海拔提取结果转变为矢量图层,并以15 m为半径进行缓冲区分析,得到结果如以下三幅图所示。
2.4 淹没分析
考虑到该所学校所在城市整体地势,以及过去一段时间曾在该城市发生过的洪涝灾害实例,考虑到需要对疫情临时观察隔离加以一定防洪能力考虑。首先,选择以5 m水位为阈值,对区域整体防洪能力加以区分。其中,防洪能力较高区域即指5 m水位无法淹没区域。所得结果如下图所示。
可以看到,仅仅在研究区域东南角具有部分防洪能力较弱区域。由于这一防洪能力较低区域面积较小,因此考虑适当加大淹没分析对应阈值。
分别以8 m与10 m水位作为阈值,利用同样的方法对研究区域防洪能力加以区分,所得结果如下图所示。
可以看到,当阈值为8 m时,所得到较易淹没地区多为研究区域东南侧一带;而当阈值为10 m时,较易淹没地区则还包含了运动场等区域。结合实际情况与往年该城市洪涝灾害实际情况,认为以8 m为阈值的淹没分析所得结果具有较高的现实性与实际意义。因此,最终结果中,选择以8 m为阈值,对疫情临时观察隔离选址的防洪能力加以评价。
2.5 区域相交
基于上述坡度、周围建筑、防洪能力等因素,将各约束条件所得结果加以整合,从而得到能够满足上述全部要求的区域。
下图为同时满足坡度要求与临近地物要求(距离20 m以上建筑物15 m以上)的区域。
下图为同时满足坡度、临近地物要求与防洪能力(8 m水位为阈值)要求的区域。
由此,即可得到初步选址结果。但是,可以看到所得结果较为零散——其中包含较多零散的点状区域。当然,由上图观之,由于分辨率等影响,点状分布区域或许并不明显;但实际这种小面积区域数量较多。下图即为将ArcMap图层放大后结果,可以明显观察到上述点状区域。
这些区域由于实际面积较小,并不具有建设疫情临时观察隔离的实际价值。因此,我们需要借助各区域的实际面积,对上述所得选址结果加以进一步筛选,从而得到更加符合实际的选址方案。
2.6 面积约束
假设每一疫情临时观察隔离至少应具有10 m2的面积。通过计算几何方法实现各区域面积的量算。
依据10m2阈值,对不符合要求的区域加以剔除,所得结果如下图所示。
其中,绿色区域即为结合了坡度要求、临近地物要求、防洪能力要求与面积要求的选址结果。
3 基于择优条件的选址求解
至此,已完成全部基于基本约束条件的选址求解。考虑到疫情临时观察隔离的防菌、健康需求,尝试以日照情况作为择优条件,对上述区域的选址适宜性进一步加以求解。
其中,以太阳方位角315°为例,求解研究区域山体阴影情况,所得结果如下图所示。
将日照情况较好区域加以提取,如下图所示。
与前述基本约束条件所得选址结果结合,得到具有适宜性评价的该学校疫情临时观察隔离选址分析图,如下图所示。
其中,黄色区域为满足全部基本选址约束条件与具有光照优势的选址区域;将其作为疫情临时观察隔离的首要选址对象,即一级选址区域。红色区域为满足全部基本选址约束条件,但在光照方面较之前者次之的区域;将其作为疫情临时观察隔离的次要选址对象,即二级选址区域。
可以看到,选址区域多分布于整体较为开阔,远离建筑物、山体等位置,尤其在运动场等位置集中分布;此外,较为空旷的区域,如广场等位置,同样是疫情临时观察隔离选址的热门区域。
当然,其中一级选址区域面积较小,分布较为零散,显然存在一定问题。类似的空间分析中的不足将统一列于以下部分。
4 不足与问题
结合上述操作流程中出现的问题,以及所得选址结果的表现效果,可以看到本次空间分析依然具有一定不足。
1)未对选址区域外形特征加以限定。在结果图东北侧,所得结果中将细长的道路同样作为了选址区域。而在实际情况应用中,这一区域由于其细长的特征,或许并不适合作为隔离点选址区域。即上述空间分析中未对各区域的形状特征加以描述、筛选。
2)未对水体加以提取。在前期建立各类缓冲区时,未专门对水体区域加以划分。尽管所得选址区域结果恰好未落入水体,但这样的操作还是具有一定不严谨之处。
3)衡量防洪能力的实际水体高度意义不明确。进行淹没分析时,分别选取5 m、8 m与10 m作为模拟水体高度,从而区分不同区域的防洪能力。但是,这里的5 m、8 m与10 m仅仅是相对所得到的DSM数据而言的相对海拔高度,其所表述的实际意义可能由于无人机拍摄误差等而并不明确(例如,此处8 m的洪水高度到底代表多高的实际标准水位,是否有可能出现此处8 m的洪水等),具有一定不确定性。
4)未考虑零散选址点的联通性。在进行面积筛选时,将很多零散的可选址点直接舍弃;但对于一些相距较近、分布密集的可选址点而言,其往往可以实现相互之间的联通,从而组成更大的选址区域。
5)针对光照约束条件的执行、结果均不理想。针对光照这一约束条件,在操作过程中选取了山体阴影的分析方法。但这一方法一方面未考虑到全天内太阳高度角、太阳方位角等的变化,且在阈值选取过程中具有一定主观性(因为需要自主决定光照是否充足区域的划分阈值),因此这一步空间分析过程并不精密;并进一步导致所得光照条件的分析结果(即一级备选区域)较为不理想。
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有账号?
立即注册
x
回复
使用道具
举报
0 个回复
倒序浏览
返回列表
快速回复
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
or
立即注册
本版积分规则
发表回复
回帖并转播
回帖后跳转到最后一页
发新帖
回复
农民
金牌会员
这个人很懒什么都没写!
楼主热帖
数据库入门
肝了五万字把SQL数据库从基础到高级所 ...
java反射大白话
iOS WebRTC 点对点实时音视频流程介绍 ...
Java中set集合简介说明
【R语言数据科学】(十二):有趣的概 ...
每日算法之数组中的逆序对
消息队列常见的使用场景
flume基本安装与使用
Midjourney 注册 12 步流程教学
标签云
运维
CIO
存储
服务器
浏览过的版块
物联网
人工智能
linux
快速回复
返回顶部
返回列表