CN103544728B - 一种在实景地图中基于法向量的被探面过滤方法 - Google Patents
一种在实景地图中基于法向量的被探面过滤方法 Download PDFInfo
- Publication number
- CN103544728B CN103544728B CN201310372636.4A CN201310372636A CN103544728B CN 103544728 B CN103544728 B CN 103544728B CN 201310372636 A CN201310372636 A CN 201310372636A CN 103544728 B CN103544728 B CN 103544728B
- Authority
- CN
- China
- Prior art keywords
- facade
- buildings
- coordinate
- normal vector
- live
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Processing Or Creating Images (AREA)
- Instructional Devices (AREA)
Abstract
本发明涉及一种在实景地图中基于建筑物立面的探面方法,本方法首先在三维激光点云数据中半自动提取建筑物立面;根据立面的三维空间坐标,自动匹配得到与立面最邻近的全景站点中心坐标,并计算得到立面的法向量;在实景地图进行建筑物探面应用时,取立面上的任意一点坐标,计算该点到全景站点中心的向量值,得到向量值与当前立面的法向量之间的夹角,当夹角小于90度时该立面为有效探面;当夹角大于90度时该立面被过滤掉。本方法主要是给三维建筑物立面数据赋予法向量的属性,在实景地图探面应用中,通过立面的法向量属性,确保过滤掉建筑物背面的立面,得到正确的立面信息,提升实景地图中探面的准确性。
Description
技术领域
本发明涉及一种在实景地图中基于法向量的被探面过滤方法,属于测绘信息技术领域。
背景技术
实景地图,是以第一视角在互联网上进行实景浏览的一种新的体验方式,又称为街景地图。实景地图是目前互联网上的热点和地图服务的发展方向,国内外互联网巨头纷纷推出自己的街景产品,如Google街景和SOSO街景等。
为了提高实景地图的实用性,我们在实景地图中实现了建筑物探面(面片)的功能应用,用来实景站点快速跳转和定位,极大地增强了实景地图的浏览体验。但实际的街景地图应用中,在进行建筑物探面体验时,会出现一种穿透的现象,即探到了本不该被探到的建筑物立面。目前急切需要一种方法对建筑物立面进行有效过滤,提高探面的准确率。
发明内容
本发明的目的是为了解决以上现有技术存在的问题,而提供一种在实景地图中基于法向量的被探面过滤方法。本方法通过建筑物立面的法向量属性,能自动匹配出具有相同方向的建筑物立面,将建筑物背面的立面过滤掉,确保得到正确的立面信息,因此能大大提升探面的准确性。
为实现上述目的,本发明所采用的技术方案是:提供一种在实景地图中基于法向量的被探面过滤方法,首先基于三维激光点云数据,半自动获取建筑物立面数据;即包括获取建筑物的外轮廓线;选取地平面即XY平面作为投影面,外轮廓线在XY平面上的投影为多线段P1P2……Pn,且节点P1、P2……Pn在XY平面上的坐标分别为(X1,Y1)、(X2,Y2)……(Xn,Yn),选取XY平面上离多线段P1P2……Pn的距离为d的范围内的区域为缓冲区,其中d为缓冲半径;将激光点云中的三维激光点的三维坐标(X,Y,Z)中的Z忽略,判断坐标(X,Y)是否在缓冲区中,从而得到在缓冲区中的所有激光点;采用过滤算法,将在缓冲区中的所有激光点进行去噪处理后,根据这些激光点及建筑物外轮廓线,生成建筑物立面;然后按如下步骤操作:
步骤(1)、通过建筑物立面数据的三维空间坐标信息,计算得到与建筑物立面最邻近的全景站点的坐标;
步骤(2)、根据建筑物立面与其最邻近的全景站点的空间位置关系,计算得到建筑物立面的法向量;
步骤(3)、在实景地图前端浏览时,根据当前全景站点的坐标,计算获取和当前全景站点空间位置中最邻近匹配的所有建筑物立面数据;
步骤(4)、在进行建筑物探面应用时,根据建筑物立面的法向量信息,取建筑物立面上的任意一点坐标(x,y,z),计算该点到全景站点的向量方向;计算此向量方向与当前建筑物立面的法向量之间的夹角,当夹角值小于90度时则该立面为有效探面;当夹角值大于90度时则该立面被过滤掉;确保过滤掉建筑物背面的立面,得到正确的立面信息。
本发明的方法步骤(1)中所述的计算得到与建筑物立面最邻近的全景站点的坐标,由于建筑物立面有且仅有四个顶点,分别为左下角坐标(X1,Y1,Z1)、右下角坐标(X2,Y2,Z2)、右上角坐标(X3,Y3,Z3)和左上角坐标(X4,Y4,Z4),四个顶点坐标在XY地平面的投影面是共面的;通过所述的四个顶点坐标,计算得到建筑物立面的中心点二维坐标(X0,Y0);选取建筑物立面中心点(X0,Y0)作为圆心,以10~100米为半径绘制二维圆形缓冲区;判断全景站点的坐标是否在缓冲区内,从而得到在缓冲区内的所有全景站点的坐标集合;根据缓冲区内的全景站点的坐标与建筑物立面中心点的最小距离值,得到与建筑物立面最邻近的全景站点的坐标。
本发明的方法步骤(2)中所述计算得到建筑物立面的法向量,是按常规先定义建筑物立面的法向量n=(x,y,z);在建筑物立面内找到两个不共线的向量,记为a=(a1,a2,a3),b=(b1,b2,b3);根据法向量的定义建立方程组:
n·a=0;n·b=0;……………………………………………①
定义建筑物立面的最邻近全景站点与建筑物立面中心点的向量为c=(c1,c2,c3),定义法向量与向量c的夹角θ,根据向量的点乘公式
n·c=|n|*|c|*cosθ,………………………………………………②
其中cosθ>0即法向量为指向全景站点的正方向;结合①②计算得到立面的法向量n。
本发明的方法步骤(3)中所述在实景地图前端浏览时,选取当前与建筑物立面最邻近的全景站点的中心点(u,v)作为圆心,同样以10~100米为半径绘制二维圆形缓冲区;判断建筑物立面的中心点坐标是否在缓冲区内,从而得到在缓冲区内的所有建筑物立面集合。
本发明的方法主要是给三维建筑物立面数据赋予法向量的属性,在实景地图探面应用中,通过立面的法向量属性,结合特定的过滤算法能自动过滤掉建筑物背面的立面,提升了实景地图中探面的准确性。
本发明与现有的技术相比具有如下优点:
(1)本发明的方法充分利用了三维激光点云的空间坐标信息,并将其成功应用到实景地图的数据生产和实景地图的前端浏览。
(2)本发明的方法能大幅提升实景地图的浏览体验,具有很强的实用性。
附图说明
图1为本发明中建筑物立面示意图。
图2为本发明中建筑物立面与法向量示意图。
图3为本发明中建筑物立面法向量计算示意图。
图4为图1中建筑物立面过滤计算图俯视示意图。
图5为本发明中基于法向量的被探面过滤方法流程图。
上述图中:1-建筑物,2-建筑物立面,3-全景站点,4-建筑物背面的立面。
具体实施方式
以下结合附图和实施例对本发明进行详细描述。
实施例1:本发明提供的一种在实景地图中基于法向量的被探面过滤方法,主要是给三维建筑物立面数据赋予法向量的属性,整个基于法向量的被探面过滤方法流程如图5所示。该流程具体实施的操作步骤如下:
首先基于三维激光点云数据,半自动获取建筑物立面数据;即包括获取建筑物的外轮廓线;选取地平面即XY平面作为投影面,外轮廓线在XY平面上的投影为多线段P1P2……Pn,且节点P1、P2……Pn在XY平面上的坐标分别为(X1,Y1)、(X2,Y2)……(Xn,Yn),选取XY平面上离多线段P1P2……Pn的距离为d的范围内的区域为缓冲区,其中d为缓冲半径;将激光点云中的三维激光点的三维坐标(X,Y,Z)中的Z忽略,判断坐标(X,Y)是否在缓冲区中,从而得到在缓冲区中的所有的激光点;采用过滤算法,将在缓冲区中的所有激光点进行去噪处理后,根据这些激光点及建筑物外轮廓线,生成建筑物立面;然后再按如下步骤操作:
步骤(1)、对于建筑物1,其对应有建筑物立面2,通过建筑物立面2的三维空间坐标信息,计算得到与建筑物立面2最邻近的全景站点3的坐标;其步骤是:
1.1由于建筑物立面2有且仅有四个顶点坐标,分别为左下角坐标(X1,Y1,Z1)、右下角坐标(X2,Y2,Z2)、右上角坐标(X3,Y3,Z3)和左上角坐标(X4,Y4,Z4),四个顶点坐标在XY地平面的投影面是共面的;根据四个顶点坐标可计算得到建筑物立面在XY平面的中心点坐标(X0,Y0),如图1所示。
1.2选取建筑物立面2中心点(X0,Y0)作为圆心,根据全景站点之间的距离为8~10米,以及实景地图的人眼视野范围,推荐半径R取值范围为[10~100]米;本实施例采用100米作为半径绘制二维圆形缓冲区;
1.3遍历当前所有全景站点的的坐标,计算全景站点3的坐标是否在缓冲区内,保存满足条件的全景站点3的坐标,供后续计算;
1.4遍历在缓冲区内的所有全景站点的坐标集合,计算全景站点3的坐标与立面中心点的距离值,最小距离值对应的全景站点的坐标即为与建筑物立面2最邻近的全景站点3的坐标,如图1所示。
步骤(2)、根据建筑物立面2与其最邻近的全景站点3的空间位置关系,计算得到建筑物立面2的法向量;具体操作是:
2.1如图2所示,法向量是空间解析几何的一个概念,垂直于建筑物立面2的直线所表示的向量为该建筑物立面2的法向量;
2.2定义建筑物立面的法向量n=(x,y,z);
2.3在建筑物立面2内找到两个不共线的向量,记为a=(a1,a2,a3),b=(b1,b2,b3),如图3所示;
2.4根据法向量的定义建立方程组:
n·a=0;n·b=0;………………………………………………①
2.5定义建筑物立面2的最邻近全景站点3与建筑物立面2中心点的向量为c=(c1,c2,c3),如图3所示;
2.6定义法向量与向量c的夹角θ,根据向量的点乘公式
n·c=|n|*|c|*cosθ,………………………………………………②
其中cosθ>0即法向量为指向全景站点3的正方向;
2.7结合①、②计算得到立面的法向量n。
步骤(3)、在实景地图前端浏览时,根据当前全景站点3的坐标,计算获取和当前全景站点空间位置最邻近匹配的所有立面数据;步骤如下:
3.1选取当前全景站点3中心点(u,v)作为圆心,同样设置以100米为半径绘制二维圆形缓冲区;判断建筑物立面2的中心点坐标是否在缓冲区内,从而得到在缓冲区内的所有建筑物立面集合。
3.2遍历所有建筑物立面数据,计算建筑物立面2中心点坐标(X0,Y0)是否在缓冲区内,保存满足条件的建筑物立面2的数据,供后续计算。
步骤(4)、在进行建筑物探面应用时,根据获取到的建筑物立面2的法向量信息,采用特定算法过滤掉建筑物背面的立面,得到正确的立面信息。
如图4所示。全景站点3的位置坐标设定为(0,0,0),取建筑物立面2上的任意一点坐标(x,y,z),通过如下公式③计算该点到全景中心的向量方向(a1,b1,c1):
a1=(0-x)/d1;b1=(0-y)/d1;c1=(0-z)/d1;…………③
其中d1为坐标点(x,y,z)到全景站点3(0,0,0)的距离。
计算建筑物立面2平面的向量(a,b,c)与向量(a1,b1,c1)之间的夹角,夹角值小于90度时则该立面为有效探面,如图4中α角;当夹角值大于90度时则该建筑物背面的立面4为被过滤探面,如图4中β角;最终结果确保将建筑物背面的立面4过滤掉,在实景地图中显示正确的建筑物探面效果。
以上实施例仅供说明本发明之用,而非对本发明的限制,有关技术领域的技术人员,在不脱离本发明的精神和范围的情况下,还可以作出各种变换或变型,因此所有等同的技术方案,都落入本发明的保护范围。
Claims (4)
1.一种在实景地图中基于法向量的被探面过滤方法,首先基于三维激光点云数据,半自动获取建筑物立面数据;即包括获取建筑物的外轮廓线;选取地平面即XY平面作为投影面,外轮廓线在XY平面上的投影为多线段P1P2……Pn,且节点P1、P2……Pn在XY平面上的坐标分别为(X1,Y1)、(X2,Y2)……(Xn,Yn),选取XY平面上离多线段P1P2……Pn的距离为d的范围内的区域为缓冲区,其中d为缓冲半径;将激光点云中的三维激光点的三维坐标(X,Y,Z)中的Z忽略,判断坐标(X,Y)是否在缓冲区中,从而得到在缓冲区中的所有激光点;采用过滤算法,将在缓冲区中的所有激光点进行去噪处理后,根据这些激光点及建筑物外轮廓线,生成建筑物立面;其特征在于:然后按如下步骤操作:
步骤(1)、通过建筑物立面数据的三维空间坐标信息,计算得到与建筑物立面最邻近的全景站点的坐标;
步骤(2)、根据建筑物立面与其最邻近的全景站点的空间位置关系,计算得到建筑物立面的法向量;
步骤(3)、在实景地图前端浏览时,根据当前全景站点的坐标,计算获取和当前全景站点空间位置中最邻近匹配的所有建筑物立面数据;
步骤(4)、在进行建筑物探面应用时,根据建筑物立面的法向量信息,取建筑物立面上的任意一点坐标(x,y,z),计算该点到全景站点的向量方向;计算此向量方向与当前建筑物立面的法向量之间的夹角,当夹角值小于90度时则该立面为有效探面;当夹角值大于90度时则该立面被过滤掉;确保过滤掉建筑物背面的立面,得到正确的立面信息。
2.根据权利要求1所述的一种在实景地图中基于法向量的被探面过滤方法,其特征在于:步骤(1)中所述的计算得到与建筑物立面最邻近的全景站点的坐标,由于建筑物立面有且仅有四个顶点,分别为左下角坐标(X1,Y1,Z1)、右下角坐标(X2,Y2,Z2)、右上角坐标(X3,Y3,Z3)和左上角坐标(X4,Y4,Z4),四个顶点坐标在XY地平面的投影面是共面的;通过所述的四个顶点坐标,计算得到建筑物立面的中心点二维坐标(X0,Y0);选取建筑物立面中心点(X0,Y0)作为圆心,以10~100米为半径绘制二维圆形缓冲区;判断全景站点的坐标是否在缓冲区内,从而得到在缓冲区内的所有全景站点的坐标集合;根据缓冲区内的全景站点的坐标与建筑物立面中心点的最小距离值,得到与建筑物立面最邻近的全景站点的坐标。
3.根据权利要求1所述的一种在实景地图中基于法向量的被探面过滤方法,其特征在于:步骤(2)中所述计算得到建筑物立面的法向量,是按常规先定义建筑物立面的法向量n=(x,y,z);在建筑物立面内找到两个不共线的向量,记为a=(a1,a2,a3),b=(b1,b2,b3);根据法向量的定义建立方程组:
n·a=0;n·b=0;……………………………………………①
定义建筑物立面的最邻近全景站点与建筑物立面中心点的向量为c=(c1,c2,c3),定义法向量与向量c的夹角θ,根据向量的点乘公式
n·c=|n|*|c|*cosθ,………………………………………………②
其中cosθ>0即法向量为指向全景站点的正方向;结合①、②计算得到立面的法向量n。
4.根据权利要求1所述的一种在实景地图中基于法向量的被探面过滤方法,其特征在于:步骤(3)中所述在实景地图前端浏览时,选取当前与建筑物立面最邻近的全景站点的中心点(u,v)作为圆心,同样以10~100米为半径绘制二维圆形缓冲区;判断建筑物立面的中心点坐标是否在缓冲区内,从而得到在缓冲区内的所有建筑物立面集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310372636.4A CN103544728B (zh) | 2013-08-23 | 2013-08-23 | 一种在实景地图中基于法向量的被探面过滤方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310372636.4A CN103544728B (zh) | 2013-08-23 | 2013-08-23 | 一种在实景地图中基于法向量的被探面过滤方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103544728A CN103544728A (zh) | 2014-01-29 |
CN103544728B true CN103544728B (zh) | 2016-03-30 |
Family
ID=49968146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310372636.4A Active CN103544728B (zh) | 2013-08-23 | 2013-08-23 | 一种在实景地图中基于法向量的被探面过滤方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103544728B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063499A (zh) * | 2014-07-04 | 2014-09-24 | 纵横皆景(北京)信息技术有限公司 | 基于车载空间信息采集的空间矢量poi提取方法 |
CN104133874B (zh) * | 2014-07-25 | 2017-03-29 | 重庆数字城市科技有限公司 | 基于真彩色点云的街景影像生成方法 |
CN104156969B (zh) * | 2014-08-21 | 2017-02-01 | 重庆数字城市科技有限公司 | 基于全景影像景深图的探面方法 |
CN104392657B (zh) * | 2014-12-09 | 2017-01-18 | 四川省宇行规划设计有限公司 | 一种科艺相融山地江河立体透视景观地图设计方法 |
CN106327558B (zh) * | 2015-07-08 | 2019-11-19 | 深圳市腾讯计算机***有限公司 | 点云立面提取方法和装置 |
CN108734780B (zh) * | 2017-04-17 | 2021-12-10 | 百度在线网络技术(北京)有限公司 | 用于生成地图的方法、装置和设备 |
CN108875804B (zh) * | 2018-05-31 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种基于激光点云数据的数据处理方法和相关装置 |
CN109101998B (zh) * | 2018-07-13 | 2021-05-28 | 中国地质大学(武汉) | 一种基于居民地上下文空间信息的聚类方法及*** |
CN111402415B (zh) * | 2020-03-12 | 2021-06-01 | 腾讯科技(深圳)有限公司 | 对象物体立面图生成方法、装置及存储介质和终端设备 |
CN112446952B (zh) * | 2020-11-06 | 2024-01-26 | 杭州易现先进科技有限公司 | 三维点云法向量的生成方法、装置、电子设备及存储介质 |
CN116128886A (zh) * | 2023-04-18 | 2023-05-16 | 深圳市其域创新科技有限公司 | 一种点云数据分割方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329771A (zh) * | 2008-07-29 | 2008-12-24 | 浙江大学 | 一种基于图像序列的城市街区的快速建模方法 |
CA2790491A1 (en) * | 2011-09-23 | 2013-03-23 | Corelogic Solutions, Llc | Building footprint extraction apparatus, method and computer program product |
CN103198494A (zh) * | 2013-04-03 | 2013-07-10 | 武汉海达数云技术有限公司 | 一种基于建筑外轮廓线及激光点云的建筑立面提取方法 |
-
2013
- 2013-08-23 CN CN201310372636.4A patent/CN103544728B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329771A (zh) * | 2008-07-29 | 2008-12-24 | 浙江大学 | 一种基于图像序列的城市街区的快速建模方法 |
CA2790491A1 (en) * | 2011-09-23 | 2013-03-23 | Corelogic Solutions, Llc | Building footprint extraction apparatus, method and computer program product |
CN103198494A (zh) * | 2013-04-03 | 2013-07-10 | 武汉海达数云技术有限公司 | 一种基于建筑外轮廓线及激光点云的建筑立面提取方法 |
Non-Patent Citations (2)
Title |
---|
3D building reconstruction from LiDAR based on a cell decomposition approach;Kada M et al;《International Archives of Photogrammetry Remote Sensing and Spatital Information Sciences》;20090904;47-52 * |
Extraction of vertical walls from mobile laser scanning data for solar potential assessment;Jochem A et al;《Remote sensing》;20110329;650-667 * |
Also Published As
Publication number | Publication date |
---|---|
CN103544728A (zh) | 2014-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103544728B (zh) | 一种在实景地图中基于法向量的被探面过滤方法 | |
Cabral et al. | Piecewise planar and compact floorplan reconstruction from images | |
CN108320333B (zh) | 场景适应型虚拟现实转换设备和虚拟现实的场景适应方法 | |
CN103942824B (zh) | 一种三维点云直线特征提取方法 | |
CN103943025B (zh) | 一种基于道路坐标系的街景显示方法 | |
CN107767453B (zh) | 一种基于规则约束的建筑物lidar点云重构优化方法 | |
CN105913483A (zh) | 一种三维交叉道路模型生成的方法及装置 | |
CN106444773B (zh) | 一种基于递归简化可视图的环境建模方法 | |
CN104484868B (zh) | 一种结合模板匹配和图像轮廓的运动目标航拍跟踪方法 | |
CN103543830A (zh) | 一种人体骨骼点映射至立体显示中虚拟三维空间点的方法 | |
CN109416843A (zh) | 实时高度映射 | |
CN103237155B (zh) | 一种单视角被遮挡的目标的跟踪和定位方法 | |
CN107194978A (zh) | 一种基于WebGL的三维家居设计及展示*** | |
CN104657713B (zh) | 一种可抗姿态和表情变化的三维人脸校准方法 | |
CN109425348A (zh) | 一种同时定位与建图的方法和装置 | |
CN103914871B (zh) | 基于点云数据的交互式选取物体表面坐标点的方法 | |
CN110032771A (zh) | 一种顾及局部细节特征的露天煤矿dem精确裁剪方法 | |
CN106777086A (zh) | 一种网页埋点的动态管理方法及装置 | |
CN104751479A (zh) | 基于tin数据的建筑物提取方法和装置 | |
CN102663805B (zh) | 一种基于投影的视锥体裁剪的方法 | |
CN109833003B (zh) | 扫地机器人及其进行区域划分的方法 | |
CN103729886B (zh) | 一种基于顶点重定位的三角网格表面模型概率融合方法 | |
JP5815562B2 (ja) | 自動化された三次元マッピング法 | |
CN104517312A (zh) | 旋转体模型的纹理贴图方法 | |
CN104807463B (zh) | 一种路径规划的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |