堆场三维地图建立方法、库存管理方法、设备及介质

摘要

本发明实施例提供了一种堆场三维地图建立方法、库存管理方法、设备及介质，其中，该堆场三维地图建立方法包括：采集堆场垛位的序列图像；获取点云数据；利用点云数据，生成数字高程模型数据；通过倾斜影像形成倾斜影像贴图模型，并通过贴图形成堆场的建筑模型、集装箱模型和设施模型；将堆场的建筑模型、集装箱模型和设施模型叠加形成堆场的三维地图。由于该方案能够实现对港口生产要素、散货的精确定位、动态跟踪、过程控制和可视化管理，提高装卸效率，降低运营成本，有效解决港口生产过程中司机操作不受控、现场安全事故率高、走错垛、装错货、作业指令无法执行和实时监控的难题，特别是货物在装卸过程中易被不法偷盗的问题。

权利要求

1.一种堆场三维地图建立方法，其特征在于，所述方法包括以下步骤：（1），采集堆场垛位的序列图像；

通过无人机上搭载的多个相机，同时从垂直角度和倾斜角度采集堆场垛位的序列图像，无人机各条航拍航带之间彼此平行，各条相邻的航拍航带之间的间距相等，在各条航拍航带内的任意两幅彼此相邻的序列图像之间包含有不低于50%的重叠被测区域，任意两条彼此平行的相邻航拍航带之间包含有不低于50%的重叠被测区域；

（2），获取堆场的点云数据；

通过图像匹配算法，提取序列图像中处于同一条航拍航带内的相邻的序列图像中重叠区域内所包含的同名特征点和处于相邻航拍航带内的相邻图像中重叠区域内所包含的同名特征点，对所获得到的同名特征点进行欧氏重建并在三维空间内进行三角化处理，由堆场的序列图像生成出放置堆场的点云数据；

（3），利用堆场的点云数据，生成数字高程模型数据；

从所述点云数据中提取特征点、线、面，同时，通过基于凸包分割的四面体剖分体积算法获取体积信息，构网内插生成数字高程模型数据；获得堆场的初始建筑模型、初始集装箱模型和初始设施模型；

所述基于凸包分割的四面体剖分体积算法，具体包括：（3.1），基于凸包分割的四面体剖分；

（3.2），基于拟合曲面计算所述四面体的四个顶点的法向量，并对所述法向量的指向进行一致化；

（3.3），若一个所述四面体的每个顶点的沿法向量指向的射线与四面体的外接球均有交点，判定该所述四面体为体外四面体；否则，判定该所述四面体为体内四面体；

（3.4），所有所述体内四面体的体积之和为结果体积；

步骤（3.1），所述基于凸包分割的四面体剖分，具体包括：（3.1.1），基于步骤（2）中获取的点云数据构建初始四面体，形成初始四面体网格；

（3.1.2），将步骤（2）中获取的点云数据中的散乱的点作为输入点插入当前四面体网格中，对于输入点，使用随机行走方法来寻找包含该输入点的四面体；

先指定一个四面体，如果该输入点位于该四面体内，则完成行走，如果不在该四面体内，则随机指定一个三角面，如果该三角面所在的平面将该四面体和该输入点分割开，下一个访问的四面体就是共享该三角面的邻近四面体；否则，就按预定的顺序遍历其他的面，直到找到分割开该四面体和该输入点的面；

（3.1.3），找到包含该输入点的四面体，则将该四面体分割成为4个小的子四面体；

（3.1.4），如果该输入点位于当前四面体网格外，则选择网格的一个可见面；连接该输入点与该可见面的三个顶点构成新的四面体加入到四面体网格中；

（3.1.5），重复步骤（3.1.2）至步骤（3.1.4），直到步骤（2）中获取的点云数据中的所有散乱的点都被插入四面体网格；

（3.1.6），验证Delaunay三角剖分的有效性；

首先检查Delaunay三角剖分数据结构的连贯性，即四面体的邻接关系，然后验证各四面体的方向和由Delaunay三角剖分获得的凸包的正确性；

（4），通过倾斜影像形成倾斜影像贴图模型，并从倾斜影像中提取建筑物的倾斜影像、集装箱的倾斜影像和堆场设施的倾斜影像；

（5），通过倾斜影像贴图模型，将建筑物的倾斜影像、集装箱的倾斜影像和堆场设施的倾斜影像贴图至初始建筑模型、初始集装箱模型和初始设施模型，形成堆场的建筑模型、集装箱模型和设施模型；

（6），将堆场的建筑模型、集装箱模型和设施模型叠加形成堆场的三维地图。

2.如权利要求1所述的堆场三维地图建立方法，其特征在于，步骤（3.4），所有所述体内四面体的体积之和为结果体积，具体是指根据以下公式计算各四面体的体积之和，就可以得到物体的结果体积：

。

3.如权利要求1所述的堆场三维地图建立方法，其特征在于，无人机航摄影像地面分辨率不低于0.08米；和/或，平均航向重叠度不低于75%，平均旁向重叠度不低于50%；和/或，同一航线上相邻像片的航高差不大于30米，最大航高与最小航高之差不大于50米，实际航高与设计航高之差不大于50米。

4.如权利要求1至3中任一项所述的堆场三维地图建立方法，其特征在于，通过倾斜影像形成倾斜影像贴图模型，具体包括：对倾斜影像依次进行正射纠正、影像镶嵌、影像处理、数字正射影像裁切，形成数字正射影像数据。

5.如权利要求3所述的堆场三维地图建立方法，其特征在于，还包括：采集道路网数据，并利用数字正射影像数据，形成道路网矢量数据；

采集矢量数据，并利用数字正射影像数据，叠加形成影像数据数字化划图；并对矢量数据进行数据分层和坐标转换，形成统一坐标系的矢量地图；

对数字正射影像数据和数字高程模型数据分别进行坐标转换处理，形成统一坐标系的数据；

将堆场的建筑模型、集装箱模型、设施模型、矢量地图、统一坐标系的数字正射影像数据、统一坐标系的数字高程模型数据和倾斜影像进行数据融合，形成堆场的三维地图。

6.一种库存管理方法，其特征在于，包括使用如权利要求1至5中任一项所述的堆场三维地图建立方法建立起的堆场的三维地图，与车载终端跑垛APP、资源图形化调度作业监控管理系统和基础信息管理系统之间进行数据交互。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的堆场三维地图建立方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至5中任一项所述的堆场三维地图建立方法的计算机程序。

说明书

堆场三维地图建立方法、库存管理方法、设备及介质

技术领域

[0001] 本发明涉及适用于大型货场管理的数字图像处理技术领域，特别涉及一种基于无人机测绘的堆场三维地图建立方法、库存管理方法、设备及介质。

背景技术

[0002] 港口港区普遍存在着占地面积较大、货物品类繁杂、往来进出车辆较多等特点，给日常作业人员和港区管理人员对于港口的管理带来了诸多困扰，例如港区内集卡作业司机
操作不受控、现场安全事故率高、走错垛、装错货、作业指令无法执行和实时监控。即便港口
港区投入了高额的人工成本，港口管理中仍然存在以下问题：进出港区的人员、车辆无法快
速找到对应的办事地点，办事效率低下、客户满意度较低；同时货物繁杂，如何准确快速的
找到目标货物、对各类杂货进行存量测算都给货物的管理带来了困扰，更有甚者在货物的
装卸过程中还会被不法偷盗。

发明内容

[0003] 本申请的目的在于提出一种基于无人机测绘的堆场三维地图建立方法、库存管理方法、设备及介质，能够实现对港口生产要素、散货(煤炭、矿砂、粮食等)的精确定位、动态
跟踪、过程控制和可视化管理，提高装卸效率，降低运营成本，有效解决港口生产过程中司
机操作不受控、现场安全事故率高、走错垛、装错货、作业指令无法执行和实时监控的难题，
特别是货物在装卸过程中易被不法偷盗的问题。

[0004] 本发明实施例提供了一种堆场三维地图建立方法，包括以下步骤：

[0005] (1)采集堆场垛位的序列图像；

[0006] 通过无人机上搭载的多个相机，同时从垂直角度和倾斜角度采集堆场垛位的序列图像，无人机各条航拍航带之间彼此平行，各条相邻的航拍航带之间的间距相等，在各条航
拍航带内的任意两幅彼此相邻的序列图像之间包含有不低于50％的重叠被测区域，任意两
条彼此平行的相邻航拍航带之间包含有不低于50％的重叠被测区域；

[0007] (2)获取堆场的点云数据；

[0008] 通过图像匹配算法，提取序列图像中处于同一条航拍航带内的相邻的序列图像中重叠区域内所包含的同名特征点和处于相邻航拍航带内的相邻图像中重叠区域内所包含
的同名特征点，对所获得到的同名特征点进行欧氏重建并在三维空间内进行三角化处理，
由堆场的序列图像生成出放置堆场的点云数据；

[0009] (3)，利用堆场的点云数据，生成数字高程模型数据；

[0010] 从所述点云数据中提取特征点、线、面，同时，通过基于凸包分割的四面体剖分体积算法获取体积信息，构网内插生成数字高程模型数据；获得堆场的初始建筑模型、初始集
装箱模型和初始设施模型；

[0011] (4)，通过倾斜影像形成倾斜影像贴图模型，并从倾斜影像中提取建筑物的倾斜影像、集装箱的倾斜影像和堆场设施的倾斜影像；

[0012] (5)，通过倾斜影像贴图模型，将建筑物的倾斜影像、集装箱的倾斜影像和堆场设施的倾斜影像贴图至初始建筑模型、初始集装箱模型和初始设施模型，形成堆场的建筑模
型、集装箱模型和设施模型；

[0013] (6)，将堆场的建筑模型、集装箱模型和设施模型叠加形成堆场的三维地图。

[0014] 在一个实施例中，所述基于凸包分割的四面体剖分体积算法，具体包括：

[0015] (3.1)，基于凸包分割的四面体剖分；

[0016] (3.2)，基于拟合曲面计算所述四面体的四个顶点的法向量，并对所述法向量的指向进行一致化；

[0017] (3.3)，若一个所述四面体的每个顶点的沿法向量指向的射线与四面体的外接球均有交点，判定该所述四面体为体外四面体；否则，判定该所述四面体为体内四面体；

[0018] (3.4)，所有所述体内四面体的体积之和为结果体积。

[0019] 在一个实施例中，步骤(3.1)，基于凸包分割的四面体剖分，具体包括：

[0020] (3.1.1)，基于步骤(2)中获取的点云数据构建初始四面体，形成初始四面体网格；

[0021] (3.1.2)，将步骤(2)中获取的点云数据中的散乱的点作为输入点插入当前四面体网格中，对于输入点，使用随机行走方法来寻找包含该输入点的四面体；

[0022] 先指定一个四面体，如果该输入点位于该四面体内，则完成行走。如果不在该四面体内，则随机指定一个三角面，如果该三角面所在的平面将该四面体和该输入点分割开，下
一个访问的四面体就是共享该三角面的邻近四面体；否则，就按预定的顺序遍历其他的面，
直到找到分割开该四面体和该输入点的面；

[0023] (3.1.3)，找到包含该输入点的四面体，则将该四面体分割成为4个小的子四面体；

[0024] (3.1.4)，如果该输入点位于当前四面体网格外，则选择网格的一个可见面；连接该输入点与该可见面的三个顶点构成新的四面体加入到四面体网格中；

[0025] (3.1.5)，重复步骤(3.1.2)至步骤(3.1.4)，直到步骤(2)中获取的点云数据中的所有散乱的点都被插入四面体网格；

[0026] (3.1.6)，验证Delaunay三角剖分的有效性；

[0027] 首先检查Delaunay三角剖分数据结构的连贯性，即四面体的邻接关系。然后验证各四面体的方向和由Delaunay三角剖分获得的凸包的正确性。

[0028] 在一个实施例中，步骤(3.4)，所有所述体内四面体的体积之和为结果体积，具体是指根据以下公式计算各四面体的体积之和，就可以得到物体的结果体积：

[0029] 在一个实施例中，无人机航摄影像地面分辨率不低于0.08米；和/或，平均航向重叠度不低于75％，平均旁向重叠度不低于50％；和/或，同一航线
上相邻像片的航高差不大于30米，最大航高与最小航高之差不大于50米，实际航高与设计
航高之差不大于50米。

[0030] 在一个实施例中，步骤(4)中通过倾斜影像形成倾斜影像贴图模型，具体包括对倾斜影像依次进行正射纠正、影像镶嵌、影像处理、数字正射影像裁切，形成数字正射影像数
据。

[0031] 在一个实施例中，堆场三维地图建立方法还包括：采集道路网数据，并利用数字正射影像数据，形成道路网矢量数据；采集矢量数据，并利用数字正射影像数据，叠加形成影
像数据数字化划图；并对矢量数据进行数据分层和坐标转换，形成统一坐标系的矢量地图；
对数字正射影像数据和数字高程模型数据分别进行坐标转换处理，形成统一坐标系的数
据；将堆场的建筑模型、集装箱模型、设施模型、矢量地图、统一坐标系的数字正射影像数
据、统一坐标系的数字高程模型数据和倾斜影像进行数据融合，形成堆场的三维地图。

[0032] 本发明实施例还提供了一种库存管理方法，包括使用如上所述的堆场三维地图建立方法建立起的堆场的三维地图，与车载终端跑垛APP、资源图形化调度作业监控管理系统
和基础信息管理系统之间进行数据交互。

[0033] 本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的堆
场三维地图建立方法，以解决现有技术的作业车辆经常走错位、调度指令执行无法实时监
控，港内车辆作业过程无法监控，货物变化无法实时更新的技术问题。

[0034] 本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的堆场三维地图建立方法的计算机程序，解决了作业车辆经常走错位、调
度指令执行无法实时监控，港内车辆作业过程无法监控，货物变化无法实时更新的问题。

[0035] 本申请的堆场三维地图建立方法、库存管理方法、设备及介质，通过对车载终端与场地垛位的准确定位导航，快速指引作业车辆快速到达堆场垛位，实现对港内作业车辆的
全过程实时监控；通过与港口生产业务系统的实时无缝连接，实现调度人员与机械司机作
业指令的实时传递，有效提高码头作业效率，大大提高了码头堆场的智能化管理水平；同时
通过无人机测绘实现港口堆场的实时地图化，保证堆场垛位信息的实时更新和可视化管
理，以解决现有技术的作业车辆经常走错位、调度指令执行无法实时监控，港内车辆作业过
程无法监控，货物变化无法实时更新的技术问题。

附图说明

[0036] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

[0037] 图1是本发明实施例提供的堆场三维地图建立方法的流程示意图；

[0038] 图2是本发明实施例提供的堆场三维地图建立方法的一个具体实施方式的流程示意图；

[0039] 图3是本发明实施例提供的在不规则区域网进行像控点布设的示意图；

[0040] 图4是本发明实施例提供的利用点云数据提取数据的流程示意图；

[0041] 图5是本发明实施例提供的获得三维模型数据的流程示意图；

[0042] 图6是本发明实施例提供的道路网数据采集流程示意图；

[0043] 图7是本发明实施例提供的矢量数据采集流程示意图；

[0044] 图8是本发明实施例提供的矢量地图处理流程示意图；

[0045] 图9是本发明实施例提供的数字正射影像数据处理流程示意图；

[0046] 图10是本发明实施例提供的三维地图处理流程示意图；

[0047] 图11是本发明实施例提供的基于堆场的三维地图的库存管理方法的流程示意图。

具体实施方式

[0048] 为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并
不作为对本发明的限定。

[0049] 在本发明实施例中，提供了一种堆场三维地图建立方法，如图1所示，该方法包括：

[0050] 步骤(1)，采集堆场垛位的序列图像；

[0051] 步骤(2)，获取堆场的点云数据；

[0052] 步骤(3)，利用堆场的点云数据，生成数字高程模型数据；

[0053] 步骤(4)，通过倾斜影像形成倾斜影像贴图模型，并从倾斜影像中提取建筑物的倾斜影像、集装箱的倾斜影像和堆场设施的倾斜影像；

[0054] 步骤(5)，通过倾斜影像贴图模型，将建筑物的倾斜影像、集装箱的倾斜影像和堆场设施的倾斜影像贴图至初始建筑模型、初始集装箱模型和初始设施模型，形成堆场的建
筑模型、集装箱模型和设施模型；

[0055] 步骤(6)，将堆场的建筑模型、集装箱模型和设施模型叠加形成堆场的三维地图。

[0056] 在如图2所示的一个具体实施方式中，对于步骤(1)采集堆场垛位的序列图像。本项目利用安置在无人机载荷平台上的多个相机，同时从垂直角度和倾斜角度采集堆场垛位
的序列图像，在采集过程中，无人机各条航拍航带之间彼此平行，各条相邻的航拍航带之间
的间距相等，在各条航拍航带内的任意两幅彼此相邻的序列图像之间包含有不低于50％的
重叠被测区域，任意两条彼此平行的相邻航拍航带之间也包含有不低于50％的重叠被测区
域。

[0057] 鉴于港口多设置于城市地区，存在较多建筑物，航摄飞行需考虑到投影差带来的数字影像自动匹配困难的因素，因此，在图像采集过程中可以适当加大航向重叠度，从而确
保航测成果质量、精度能够满足后期数据处理时的要求。例如，对于无人机拍摄，可以使无
人机航摄影像地面分辨率不低于0.08米，和/或平均航向重叠度不低于75％、平均旁向重叠
度不低于50％，和/或同一航线上相邻像片的航高差不大于30米、最大航高与最小航高之差
不大于50米、实际航高与设计航高之差不大于50米；选择像片时，像片倾角一般不大于5°、
最大不超过12°、出现超过8°的片数不多于总数的10％，对于特别困难的地区，像片倾角一
般不大于8°、最大不超过15°、出现超过10°的片数不多于总数的10％，像片旋角一般不大于
15°，在像片航向和旁向重叠度符合规范要求的前提下，最大不超过30°；在一条航线上达到
或接近最大旋偏角限差的像片数不得连续超过三片；在一个摄区内出现最大旋偏角的像片
数不得超过摄区像片总数的10％。本项目采集的影像清晰，反差适中，颜色饱和，色彩鲜明，
色调一致，有较丰富的层次、能辨别与地面分辨率相适应的细小地物影像。本项目外业采集
避免补摄与重摄，对于航摄中出现的相对漏洞和绝对漏洞均应及时补摄，采用前一次航摄
飞行的数码相机补摄，补摄航线的两端根据实际情况按超出漏洞之外两条基线进行补摄。

[0058] 本项目采用无人机航测，不需要进行摄影分区。按测区范围里4个角点进行航线设计。在地面站系统中按照航摄基本要求设计，分别将每个摄影分区的四角坐标输入到地面
站软件，设置航线的间距和飞行的方向，本项目提供的软件可自动生成航线文件。得到符合
要求的像片后，对该像片进行辐射校正和几何校正，制作的到航线和像片的结合图。

[0059] 对于无人机航拍区域的布点，应注意：1)区域网内不应包括像片重叠不附合要求的航线和像对，不应有大片云影、阴影等影响航线模型连接的像对；2)布设平面网或平高
网，按照航向8条基线，旁向间隔一条基线，布设控制点，植被覆盖隐蔽地区可适当放宽基线
数；3)不规则区域网，应在凸角处增补平高点，凹角处增补高程点；但当凹凸角之间距离超
过4条基线时，凹角处亦应布平高点，如图3所示，其中，空心圈代表平高控制点，实心圈代表
高程控制点。对于一些特殊情况的区域网布点，例如：1)航摄区接合处的布点；航摄分区接
合处的控制点应布设在航线重叠接合处，邻区尽量公用；如不能满足公用要求时，应分别布
点；2)航向重叠不够时的布点；航向重叠部分小于53％的重叠度时，视为航摄相对漏洞，应
分别布点，遇绝对漏洞处(无法航摄补救时)应实地补测数字地形图；3)旁向重叠不够时的
布点；当旁向重叠部分小于15％的重叠度时，须分别布点；若重叠部分大于像片上1cm，影像
清晰，且范围内无重要地物时，可在重叠部分加测2～3个高程点，否则重叠不够部分应实地
补测数字地形图。

[0060] 对于像控点选刺，首先，像控点应选刺在交角良好的线状地物交点上，及以影像小于0.2mm的点状地物中心，高程变化较小，在相邻像片上影像清晰便于联测的目标为准；点
位实地的判刺精度为图上0.1mm。像片点位刺孔应刺透。刺点位置刺偏时，应换片重刺或作
说明；点位刺孔后要在实地与目标校核，并绘制略图及编写点位说明；其次，当点位选在高
出或低于地面0.2米以上的，应说明点位落于坎上或坎下，必须量其至较大参照地面比高，
注至0.1m；再者，控制片仅整饰刺点片；同航线和相邻航线公用点只进行转标，相邻区域公
用点为避免转刺的误差，也只进行转标；另外，像控点中的平高点前冠P，高程点前冠G；还包
括像控点的整饰。

[0061] 像控点的精度包括像片控制测量平面精度和像片控制测量高程精度。其中，像片控制测量平面精度为，平面控制点和平高控制点相对邻近基础控制点的平面位置中误差不
超过地物点平面位置中误差的1/5；像片控制测量高程精度为，像片高程控制点和平高控制
点相对邻近基础控制点的高程中误差不应超过基本等高距的1/10。

[0062] 像控点联测采用GPS‑RTK作业方式进行，具体要求包括：1)RTK作业可以采用CORS作业模式；2)采用重复两次观测的方法进行测量，空三加密时取用其平均值；3)特殊情况，
如因楼房无法到楼顶测量、GPS信号差以及无法到达的墙角等，可采用引点法测量，即先用
GPS‑RTK布设一对相互通视的图根点，再利用全站仪配合小棱镜，在其中一个图根点上设
站，经另一点检核无误后，测定像控点坐标。

[0063] 本申请所示出的实施例中，地形图的测量可以通过现有技术的空中三角测量进行。可以采用全数字摄影测量工作站，利用像片数据作为像控加密的原始数据，逐片进行相
对定向，再按区域网进行绝对定向后,进行光束法区域网整体平差,得到加密点成果。加密
点选刺时，加密点本身所需的连接点(标准点)不能与像控点共用时应另选标准点；加密本
身的连接点，应选在规定的1，3，5，2，4，6六个标准点的位置附近，其中1，2点选在距像主点
1cm范围内，个别困难时亦应在1.5cm范围内，3，4，5，6点应与测图定向点一致，其离开方位
线的距离应大致相等，且大于5cm。旁向重叠过大，连接点离开方位线值的距离不小于5cm
时，应在距方位8‑10cm处，或离开通过像主点单垂直于方位线的距离不大于1cm范围内补选
标准点；当旁像重叠过小，在重叠中线处选点难以保证量测精度时，应分别选点，其中两点
至旁向重叠中线之和不得大于1.5cm；点位离各类标志要大于1mm。另外，自由图边应照顾像
对测绘面积，把点选在测图范围线外。其余细节均可根据实际使用时的堆场情况进行设定，
在此不再赘述。

[0064] 对于步骤(2)，获取堆场的点云数据；利用图像匹配算法对无人机航测图像采集所得到的堆场垛位的序列图像进行处理，提取出序列图像中处于同一条航拍航带内的相邻的
序列图像中重叠区域内所包含的同名特征点和处于相邻航拍航带内的相邻图像中重叠区
域内所包含的同名特征点，对所获得到的同名特征点进行欧氏重建并在三维空间内进行三
角化处理，由堆场的序列图像生成出放置堆场的点云数据。

[0065] 下面说明如何利用点云数据，提取生产DEM(数字高程模型)数据以及三维模型数据，整体流程可参看图4。

[0066] 步骤(3)，利用堆场的点云数据，生成数字高程模型(DEM)数据。

[0067] 从步骤(2)获取的堆场的所述点云数据中，提取特征点、线、面，同时，通过基于凸包分割的四面体剖分体积算法获取体积信息，构网内插生成DEM数据；之后，将DEM格网点映
射到影像立体模型上，进行检查观测，保证每个DEM格网点都贴近地面；当DEM格网点高程误
差超限需要编辑时，应寻找有问题的等高线、高程注记点进行修测，或增加特征点、特征线，
重构网内插生成DEM数据。

[0068] 其中，所述基于凸包分割的四面体剖分体积算法，具体包括：

[0069] 步骤(3.1)，基于凸包分割的四面体剖分；

[0070] 本申请中，凸包，是指包含点集 中任意两点连成的线段的最小凸多面体；Delaunay规则，为三维空间中的四面体的外接球内不包含其他的散乱点；退化现象，为在浮
点数系统中，因计算机数值精度有限而导致拓扑错误。

[0071] 对于凸包，例如，在堆场的初始建筑模型中，凸包为包含在堆场内任一个建筑模型中任意两点连成的线段的最小凸多面体；在初始集装箱模型中，凸包为包含在任一个集装
箱模型中任意两点连成的线段的最小凸多面体；在初始设施模型中，凸包为包含在任一个
设施模型中任意两点连成的线段的最小凸多面体。

[0072] 那么，步骤(3.1)的基于凸包分割的四面体剖分，具体包括：

[0073] 步骤(3.1.1)，基于步骤(2)中获取的点云数据构建初始四面体，形成初始四面体网格；

[0074] 步骤(3.1.2)，将步骤(2)中获取的点云数据中的散乱的点作为输入点插入当前四面体网格中，对于输入点，使用随机行走方法来寻找包含该输入点的四面体。先指定一个四
面体，如果该输入点位于该四面体内，则完成行走。如果不在该四面体内，则随机指定一个
三角面，如果该三角面所在的平面将该四面体和该输入点分割开(即该四面体和该输入点
在该三角面所在的平面的两侧)，下一个访问的四面体就是共享该三角面的邻近四面体；否
则，就按预定的顺序遍历其他的面，直到找到分割开该四面体和该输入点的面。

[0075] 步骤(3.1.3)，找到包含该输入点的四面体，则将该四面体分割成为4个小的子四面体。

[0076] 步骤(3.1.4)，如果该输入点位于当前四面体网格外，则选择网格的一个可见面(即该输入点在该可见面的一侧)，连接该输入点与该可见面的3个顶点构成新的四面体加
入到四面体网格中；在此提醒的是，选择可见面时，尽量避免使新生成的四面体是狭长的。

[0077] 步骤(3.1.5)，重复步骤(3.1.2)至步骤(3.1.4)，直到步骤(2)中获取的点云数据中的所有散乱的点都被插入四面体网格。

[0078] 步骤(3.1.6)，验证Delaunay三角剖分的有效性。首先检查Delaunay三角剖分数据结构的连贯性，即四面体的邻接关系。然后验证各四面体的方向和由Delaunay三角剖分获
得的凸包的正确性。

[0079] 本申请的基于凸包分割的四面体剖分体积算法的改进主要在于步骤(3.1.2)的行走方法。传统的四面体剖分体积算法使用的是线性行走方法。对于输入点P，指定一个四面
体，如果该输入点P位于该四面体内，则完成行走；如果不在该四面体内，就构建一条射线，
原点是当前四面体的体内一点，标记为C，它的方向为C→P，定位到与该射线相交的一个四
面体的面，与当前四面体相邻并共用这个面的四面体就是包含P的下一个候选四面体。这个
方法虽然快捷，但有个缺陷，即当射线穿过四面体的顶点或边时与射线相交的下一个四面
体不是相邻的四面体，导致P的定位错误，而随机行走方法有效地避免了该现象。

[0080] 步骤(3.2)，获得所述四面体的四个顶点的法向量，并对所述法向量的指向进行一致化；

[0081] 由于四面体剖分实质上是对凸包的分割，因此步骤(3.1)得到的四面体网格包括作为冗余数据的体外四面体，需要进行剔除。再由于，点云数据中的散乱的点本身不包含任
何拓扑信息，直接确定体外四面体比较困难，因此本申请借由计算散乱的点的四面体的顶
点的法向量来描述四面体所处位置，从而剔除体外四面体。步骤(3.2)具体包括：

[0082] 步骤(3.2.1)，基于拟合曲面计算所述四面体的四个顶点的法向量；

[0083] 为了计算各所述顶点的法向量，用二次曲面来拟合点和它的K近邻(指在欧几里德距离下，包含n个点的数据集 中，找到一个点的K个最近点)。使用最小二乘法计算二次
曲面参数，二次曲面方程可表示为：

[0084] z＝ax2+by2+cxy+dx+ey+f

[0085] 对于给定的散乱的点(xi,yi,zi)i＝1,2,…,N,使总误差Q最小：

[0086]

[0087] 这一问题的求解，可以归结为求六元函数Q(a,b,c,d,e,f)的极值问题，即a,b,c,d,e,f满足：

[0088]

[0089] 由此，可以得到二次曲面方程的参数，进而得到二次曲面方程，之后就可以通过偏微分来计算该点的法向量。

[0090] 步骤(3.2.2)，法向量一致化；

[0091] 因为初始法向量的指向内外不一，得到初始法向量后需要一致化调整，这个问题可以模型化为图的优化。这个图的节点由各散乱的点构成，如果两个节点足够近的话则构
建一条边，边的权值用ni*nj表示，这样法向量一致化就可归结为图的总权值最大化问题，这
里的主要问题是选取连接图中的哪对节点。由于物体表面可以认为是单连通元，所以图应
该是连通的。最小生成树就是一个连接邻近点的简单连通图，因此基于散乱点的欧几里得
距离建立最小生成树。由于初始最小生成树边的密度不能满足本文要求，因此需要添加边，
如果两个节点中的一个点是另一个点的K近邻则连接两点，由此生成的图称为黎曼图
(Riemanniangraph)；然后，再基于该图生成最小生成树，选择一个种子法向量，按深度优先
准则在最小生成树中传播调整法向量方向。调整规则就是：对于最小生成树中的两个近邻
点，如果相应法向量的点积ni*nj＜0，则ni或nj应当被反向。

[0092] 这一步的时间复杂度为O(n2)，近邻个数K的选择是影响法向量精度的一个重要因素，由于对象三维拓扑的复杂度不同，可将K设置成可调整的变量。根据经验，在大部分表面
比较平滑的情况下K可以取偏小的值；如果表面纹理复杂，K可以取偏大的值。

[0093] 步骤(3.3)，若一个所述四面体的每个顶点的沿法向量指向的射线与四面体的外接球均有交点，判定该所述四面体为体外四面体；否则，判定该所述四面体为体内四面体；

[0094] 获得所述四面体的每个顶点的法向量以后，体外四面体和体内四面体可通过法向量的指向进行判断。体内四面体顶点的法向量指向都背离四面体，而体外四面体顶点的法
向量则指向四面体内部或附近区域。实验表明，在获得正确法向量的前提下，利用顶点的法
向量是否和四面体外接球相交来剔除体外四面体可以取得理想的结果。具体算法是：遍历
四面体，计算每个四面体的外接球，然后从四面体的每个顶点沿着法向量方向引出一条射
线，如果4个顶点的射线都与外接球有交点(不包含射线原点)，可以认为该四面体为体外四
面体，不予考虑(若每个顶点的沿法向量指向的射线与四面体的外接球均有交点、即4个顶
点的沿法向量指向的射线与四面体的外接球有4个交点，判断其为体外四面体)；否则，计算
该四面体的体积并加入总体积。

[0095] 这一步的时间复杂度为O(n)，经大量程序验证，在能得到基本正确的法向量的前提下，本申请的基于凸包分割的四面体剖分体积算法能剔除绝大部分体外四面体，证明了
上述方法的可行性。步骤(3.4)，所有所述体内四面体的体积之和为结果体积。

[0096] 根据以下公式计算各四面体的体积之和，就可以得到物体的结果体积：

[0097]

[0098] 由于传统的四面体剖分算法的用时主要在构建表面网络模型过程，所以使用传统的四面体剖分算法来计算物体的体积是比较耗时的。本申请选择采用Poisson重建法重建
表面网络模型，其将表面重建问题表示为Poisson方程的解，通过估计模型的指示函数和提
取等值面，对表面重建一个无缝的三角逼近，这使得很多对隐式表面进行拟合的方法把数
据分隔到不同区域进行局部拟合，然后使用合成函数进一步合成这些局部拟合结果，相比
而言，Poisson重建是一个全局方法，不借助于启发式的分割或合并，这样它能创建较光滑
的表面，稳健地近似含有噪声的数据。

[0099] 针对传统算法先构建表面网络模型再计算物体体积的流程，本申请提出的基于凸包分割的四面体剖分体积算法是一种直接计算物体体积的方法。本算法通过基于凸包分割
的四面体剖分、法向量的计算、体外四面体的剔除和体积的计算等步骤，在保证准确度的前
提下，大幅度提高了效率，使实时的快速体积计算成为可能。

[0100] 步骤(4)，通过倾斜影像形成倾斜影像贴图模型，并从倾斜影像中提取建筑物的倾斜影像、集装箱的倾斜影像和堆场设施的倾斜影像。

[0101] 其中，通过倾斜影像形成倾斜影像贴图模型具体包括：

[0102] 1)影像正射纠正；

[0103] (1)采用逐片纠正方式，优先选取相片中心投影差小的影像进行拼接；

[0104] (2)经过合理有效的影像镶嵌来消除不同航片上由于建筑物及高大树木的投影差而带来的视觉效果矛盾；

[0105] (3)保持立交桥的完整性，地物的完整性和相对关系的正确性。

[0106] 2)影像镶嵌；

[0107] 纠正生成的正射影像，必须进行镶嵌处理，以确保线状和面状地物的完整性，实现邻接正射影像的无缝拼接。镶嵌线尽量沿自然地物划出，如道路、河流、树缝等影像变换处，
避免穿越房屋、地块、高于地面地物等,保证所镶嵌的地物影像完整、连续，无缝和视觉一致
性，且无明显的像片拼接痕迹。

[0108] 3)影像处理；

[0109] 具体包括：

[0110] 3.1)引入空三加密成果建立测区文件，恢复模型。

[0111] 3.2)定义单模型的作业区域，生成核线影像，对核线影像进行匹配，形成匹配点与等视差曲线。作业区域的确定应尽量靠近控制点连线，防止像对之间出现裂隙。

[0112] 3.3)检查匹配结果，根据需要进行交互立体编辑(区域编辑，点编辑)处理。重点是：高层建筑区、影像模糊区、阴影区、大面积水域、建筑密集区、森林覆盖区以及山谷、山脊
地形变换处等。如果局部匹配存在问题，则应回到相对定向，在出现问题的部分增加相对定
向点，或在匹配预处理中增加特征点、特征线。

[0113] 3.4)数字微分纠正

[0114] 根据像片内外方位元素、影像分辨率，采用微分纠正方法进行纠正及影像重采样，生成单模型DOM。

[0115] 3.5)色调或色彩调整

[0116] 影像镶嵌前，检查相邻各片之间的色调或彩色偏差，根据需要采用图像处理方法进行调整，使之基本趋于一致。

[0117] 3.6)镶嵌拼接

[0118] 根据图廓坐标来设定镶嵌范围，指定文件存放路径。执行影像镶嵌命令，自动拼成整幅的DOM。

[0119] 影像镶嵌完成后，认真检查所生成的DOM，对接边区域内部分出现影像模糊、影像遗漏的地方，应给予修补，城区内的影像镶嵌应采用人工方法进行，防止出现高层建筑因投
影方向不一致而产生的影像扭曲变形。

[0120] 3.7)DOM格式转化

[0121] 将DOM由内部格式转成GeoTIFF格式。

[0122] 3.8)接边检查

[0123] 包括模型接边和图幅接边检查。主要检查模型接边处影像的过渡是否自然、是否存在空白缝隙；图幅接边处影像的亮度、反差、色彩是否基本一致，同名点距离是否超限等。

[0124] 4)数字正射影像(DOM)裁切

[0125] 如图5所示，利用步骤(1)中获取的序列图像生成三维模型数据，具体包括：a)图像增强,对序列图像进行去噪和修复等图像增强；b)点云计算与配准，先对图像进行分析，求
解各帧之间的变换参数；然后，以场景的公共部分为基准，把不同时间、角度、照度获取的多
帧图像叠加匹配到统一的坐标系中，以完成图像的配准；再计算出相应的平移向量与旋转
矩阵，同时消除冗余信息(点云计算与配准，除了会制约三维重建的速度，也会影响到最终
模型的精细程度和全局效果)；c)数据融合,经过配准后的深度信息仍为空间中散乱无序的
点云数据，仅能展现景物的部分信息,因此必须对点云数据进行融合处理，以获得更加精细
的重建模型,本申请提供的实施例中生成构造的是体积网格，网格把点云空间分割成极多
的细小立方体，从而构建三维模型；d)表面生成,利用倾斜影像采集的真实场景图片为三维
模型贴图，纹理映射，生成三维模型表面,从而构造物体的可视等值面；e)输出三维成果。

[0126] 除此以外，本申请提供的堆场三维地图建立方法的实施例还包括：

[0127] 1.采集道路网数据，并利用数字正射影像数据，形成道路网矢量数据。具体是利用高分辨率的数字正射影像数据，通过数据工具采集生产港口码头道路网数据，形成道路网
矢量数据成果，结合现场核实的方式，核查纠正道路方向、道路名称、是否单双行的情况。最
终形成道路网数据成果。道路网数据采集流程示意图如图6所示。

[0128] 2.采集矢量数据，并利用数字正射影像数据，叠加形成影像数据数字化划图。利用高分辨率的数字正射影像数据，通过数据工具叠加进行影像数据数字化划图，主要包括道
路、铁路、建筑物、植被、水系、货物堆积范围等主要地理实体信息，可以初步矢量化码头范
围、防坡堤、引堤和护岸、港池、锚地、堆场、仓库、铁路与装卸机械轨道、桥涵、防护设施等基
础设施。然后结合外业采集、核实码头范围、防坡堤、引堤和护岸、港池、锚地、堆场、仓库、铁
路与装卸机械轨道、桥涵、防护设施等通过影像无法明细识别的地物要素，以及相应的属性
信息。对地图识别具备标注性作用的地物点，进行明显标识，形成兴趣点数据。矢量数据采
集流程示意图如图7所示。

[0129] 同时，对已采集高精度矢量数据(包括道路、建筑、水系、仓库、兴趣点等)进行合理的分层，坐标转换，配图符号化等数据处理工作，形成统一坐标系的高精矢量地图。道路数
据、兴趣点数据，通过符号化，叠加影像数据，形成矢量地图数据。矢量地图的具体处理流程
可参看图8。

[0130] 3.对数字正射影像数据和数字高程模型数据分别进行坐标转换处理，形成统一坐标系的数据。对整幅影像数据的数字正射影像数据进行坐标转换处理，形成统一坐标系的
数字正射影像数据，如图9所示。对整幅影像数据的数字高程模型数据进行坐标转换处理，
形成统一坐标系的数字高程模型数据，具体过程可参看图9。

[0131] 4.将堆场的建筑模型、集装箱模型、设施模型、矢量地图、统一坐标系的数字正射影像数据、统一坐标系的数字高程模型数据和倾斜影像进行数据融合，形成堆场的三维地
图。充分利用采集、生产的DOM数据、DEM数据、三维模型数据、倾斜影像数据，构建港口实景
三维地图，三维地图包括的内容有：港口地表模型、港口建筑物模型、集装箱及设施模型、堆
场模型等三维模型。通过DOM、DEM、倾斜影像、三维模型的数据融合，形成实景三维地图。三
维地图处理流程如图10。

[0132] 本申请的实施例还提供了一种基于堆场的三维地图的库存管理方法，具体包括使用如上所述的堆场三维地图建立方法建立起的堆场的三维地图，与车载终端跑垛APP、资源
图形化调度作业监控管理系统和基础信息管理系统之间进行数据传递，参看图11。

[0133] 车载终端跑垛APP、资源图形化调度作业监控管理系统、基础信息管理系统形成了港口的可视化堆场系统。

[0134] 1.车载终端跑垛APP。包括车载终端应用和手持跑垛应用。主要为港口码头内的运输作业车辆提供精准的定位导航找到作业区域功能，为作业司机实时提供港口内的位置服
务，以及与生产业务系统连接，接收系统下发的作业指令；同时实现垛位信息的更新维护，
对垛位实施精准化管理。根据垛位的变化情况进行跑垛作业，在垛位边界上确认位置，从而
自动生产垛位边界准确数据。

[0135] 2.资源图形化调度作业监控管理系统。主要通过无人机航拍成像获取堆场的三维立体模型并在图形化界面进行显示，同时通过三维库场模型计算货物体积从而得到各堆位
的货类及存货量；同时也对港区各资源的监管展示以及区域监控报警。且资源图形化调度
作业监控管理系统设置有软硬件的结构，能够实现与车载终端跑垛APP系统作业指令交互
对接，实现对车辆作业指令的下发传输和获取垛位更新后的位置坐标和可视化图形。

[0136] 3.基础信息管理系统。主要是对所有车载终端设备信息、电子围栏信息、下发的指令信息、堆场垛位信息以及注册用户信息、部门信息、角色权限信息等进行管理。

[0137] 本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意的堆
场三维地图建立方法，以解决现有技术的作业车辆经常走错位、调度指令执行无法实时监
控，港内车辆作业过程无法监控，货物变化无法实时更新的技术问题。

[0138] 具体的，该计算机设备可以是计算机终端、服务器或者类似的运算装置。

[0139] 本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意的堆场三维地图建立方法的计算机程序，解决了作业车辆经常走错位、调
度指令执行无法实时监控，港内车辆作业过程无法监控，货物变化无法实时更新的问题。

[0140] 具体的，计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块
或其他数据。计算机可读存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存
储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器
(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读
存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或
其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照
本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitorymedia)，如调制
的数据信号和载波。

[0141] 显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置
所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它
们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执
行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个
模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬
件和软件结合。

[0142] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的
任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。