(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210201869.7 (22)申请日 2022.03.03 (65)同一申请的已公布的文献号 申请公布号 CN 114266987 A (43)申请公布日 2022.04.01 (73)专利权人 水利部长江勘测技 术研究所 地址 430014 湖北省武汉市江岸区解 放大 道2689号 (72)发明人 夏金梧　陈娜　王小波　张晋　 李书　朱云法　史超　聂峰　 (74)专利代理 机构 北京沃知思真知识产权代理 有限公司 1 1942 专利代理师 王妮 (51)Int.Cl. G06V 20/17(2022.01)G06V 10/762(2022.01) G06T 5/00(2006.01) E02D 33/00(2006.01) (56)对比文件 CN 111178214 A,2020.0 5.19 审查员 李轲 (54)发明名称 一种无人机高边坡危岩体智能识别方法 (57)摘要 本发明涉及一种无人机高边坡危岩体智能 识别方法， 涉及图像处理技术领域， 包括以下步 骤， 构建无人机航线， 通过无人机飞行拍摄高边 坡危岩体， 从左到右、 从上到 下依次进行拍摄； 将 无人机拍摄的相片导入计算机并获取危岩体的 点云数据； 对点云数据进行预处理以降低数据量 并平滑点云， 然后利用种子点滤波算法或拟斜率 滤波算法从去噪点云中提取地面点云； 采用聚类 算法对各边界点云进行分类并对聚类后的点云 进行三维重构生成DEM， 通过筛选规则提取危岩 体对象， 本发明具有高效、 自动化和精确提取孤 立危岩数据的优点。 权利要求书2页 说明书8页 附图4页 CN 114266987 B 2022.05.20 CN 114266987 B 1.一种无 人机高边坡危岩体智能识别方法， 其特 征在于： 包括以下步骤， Ⅰ.构建无人机航线， 通过无人机飞行拍摄高边坡危岩体， 从左到右、 从上到下依次进行 拍摄； Ⅱ.将无人机拍摄的相片导入计算机并获取危岩体的点云数据； Ⅲ.对点云数据进行预处理以降低数据量并平滑点云， 然后利用种子点滤波算法或拟 斜率滤波算法从去噪点云中提取地 面点云； 其中， 种子点滤波算法具体流 程如下： ①对整体构建三角网； ②找到三角面片边长较大的三角网， 遍历顶点， 找到高程 最大的顶点， 标识为噪声点； ③对三角网进行泛洪增长， 其中找到点的周围邻接三角网， 将不含噪声点的三角网标 识为一簇， 直到找到所有三角网簇； ④最后移除噪声面片获得准确地面种子点； 将种子点云投影到种子点最低 点对应的XY 平面中， 外扩种子点云的外包围盒形成缓冲区域， 沿着缓冲区域均匀插值， 获取每个插值点 到种子点的最近邻点， 将该点的高程值赋给插值点以确保所有点 都位于TIN中， 随后迭代以 遍历所有的地物点； 每次迭代遍历所有的地物点， 将满足条件的点作为地面种子点， 一次性 插入到上一步构建的TIN中， 继续遍历剩下的地物 点， 根据新的TIN， 计算迭代角度和迭代阈 值， 将满足条件的点作为新的地面种子点， 重复上述构网过程和迭代过程， 直到迭代次数超 过阈值或没有新的地 面点加入到种子点中为止， 以使最后的种子点包 含了所有的地 面点； Ⅳ.采用聚类算法对各边界点云进行分类并对聚类后的点云进行三维重构生成DEM， 通 过筛选规则提取危岩体对象。 2.根据权利要求1所述的一种无人机 高边坡危岩体智能识别方法， 其特征在于： 无人机 的航线范围超出测量范围， 无 人机的飞行高度超过飞行区域 最高障碍物。 3.根据权利要求1所述的一种无人机 高边坡危岩体智能识别方法， 其特征在于： 无人机 航向保持80%的重 叠度， 旁向保持5 0%的重叠度， 相机角度选择45 °。 4.根据权利要求1所述的一种无人机高边坡危岩体智能识别方法， 其特征在于： 通过 Kd‑tree进行拓扑结构构建， 采用基于局部表面拟合方法进行离散点云数据的法向量和曲 率计算， 以直接通过点云模型获取点云的几何特 征。 5.根据权利要求1所述的一种无人机 高边坡危岩体智能识别方法， 其特征在于： 拟斜率 滤波算法具体流 程如下： ①翻转原始激光点云； ②自定义基准面， 该基准面可为水平面或竖直面或与点云分布基本平行的面， 并在该 基准面上选择一条基准线， 该基准线为 直线； ③获取等距 的部分点云投影到该基准面上， 获取这些投影点与基准面之间的距离， 同 时获取这些点与基准线的距离； ④通过计算选取点的正切值并记录， 并与在先记录的正切值进行差值计算； ⑤通过将各项差值 导入图表中进行对比； ⑥由计算机自动选取差值小以及正切值基本 接近的点云， 即可判断为 地面点。 6.根据权利要求1所述的一种无人机 高边坡危岩体智能识别方法， 其特征在于： 所述 聚 类算法具体方法如下：权　利　要　求　书 1/2 页 2 CN 114266987 B 2①从模型边界点中选取高程 最高点， 作为搜索起 点， 加入待检测点列表； ②从待检测点列表中提取一个点， 从该点出发通过 k‑邻域算法找出其邻域 点云； ③依次对比当前待检测点与邻域点云中每个点的高程， 如果其差值满足给定阈值， 则 标记该邻域 点， 并将其加入待检测点列表； 如果该邻域 点已经被标记跳过 该点； ④不断重复第 ②、③步， 直到所有 待检测点都已经处 理完成； ⑤检查模型边界点中是否还有未标记的点， 如果有， 选取其高程最高点加入待检测点 列表， 重复 ②～④步， 直到模型边界点都已经处 理完成； ⑥通过上述步骤， 已标记区域均不属于岩石块体， 而未标记点云区域则为岩石块体， 然 后利用聚类算法进行分类， 确定属于各块体的点云。 7.根据权利要求6所述的一种无人机 高边坡危岩体智能识别方法， 其特征在于： 在获得 岩石块体点云后， 采用三 维重建技术重构岩石块体D EM模型， 得出提取规则筛选确定各危岩 体。权　利　要　求　书 2/2 页 3 CN 114266987 B 3