点击关注 关注我们吧~

根据现场踏勘进行航高设计及航线设计，利用多旋翼无人机搭载多镜头相机从多视角同步采集地表数据，通过搭载POS/IMU平台获取飞行过程中的实时位置信息，并利用RTK设备进行地面点数据采集。

结合PhotoScan软件对测区边界外多余影像数据进行剔除，利用POS数据与地面控制点数据进行影像匹配和联合平差，生成稀疏点云数据。通过对稀疏点云进行点云加密得到密集点云数据，利用点云分类方式细化出地面点和非地面点，并基于高程改进方法进行非地面点高程改正，联合改正后的地面点和非地面点构建数字高程模型(DEM)，最后通过导入测区和设计标高进行土方计算。

密集点云分类。

生成的密集点云包含大量树木、建筑物等非地面点数据，若直接利用数据进行计算，会使得该部分计算高程明显大于实际高程，从而导致计算结果出现较大的误差，因此进行点云数据的分类，准确的区分出各类地物显得至关重要。测区各类型地物点数据往往不是均匀分布，如何准确识别出各个地物类型的边界范围线，快速准确地构建建筑物、高大植被、湖泊等分类区，是土方计算数据分类的难点。

非地面点高程改正。

当测区覆盖大量的植被、建筑物等非地面点数据时，会导致所获取的数据无法真实反映地面起伏变化。若直接舍弃植被、建筑物等非地面点坐标进行内插求算土方，内插部分会产生较大的高程误差，且无法真实表现地面高程起伏，而土方计算的目的是获取地表真实的标高和设计标高之间的真实差值，因此需要笔者对非地面点高程值进行修正，使得其能够最佳的逼近真实高程值坐标。由于测区覆盖的植被树木和建筑物等非地面点数据往往高低不一，如何利用抽样测量的方式得到植被树木最佳逼近值，如何对测区覆盖的建筑物利用临近区域高程进行差值计算获得其地面点高程是进行非地面点高程纠正的难点。

土方计算精度分析。

土方计算的精度会对整个工程的施工控制、成本管理等产生直接影响，对土方精度进行分析优化使土方计算结果能反映真实地貌特征显得尤为重要。不同测区其地形地物特征都千变万化，如何通过对其影响因素进行分析得出各个要素对精度的影响情况，提出各个影响因素的最优化方案以提升土方计算精度，这是土方计算精度分析的主要目的和难点。