CN108171720A - 一种基于几何统计信息的倾斜摄影模型对象边界探测方法 - Google Patents
一种基于几何统计信息的倾斜摄影模型对象边界探测方法 Download PDFInfo
- Publication number
- CN108171720A CN108171720A CN201810026437.0A CN201810026437A CN108171720A CN 108171720 A CN108171720 A CN 108171720A CN 201810026437 A CN201810026437 A CN 201810026437A CN 108171720 A CN108171720 A CN 108171720A
- Authority
- CN
- China
- Prior art keywords
- cloud
- boundary
- point cloud
- information
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000000523 sample Substances 0.000 title claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000012946 outsourcing Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属涉及一种基于几何统计信息的倾斜摄影模型对象边界探测方法,包括,获取模型的点云信息;对点云进行筛选;将筛选后点云投影到统一的平面上,得到点云基于某一平面的统计信息;对点云进行统计滤波,降低边界噪声,得到更加明显的对象的边界特征;分割点云,得到带有噪声的独立对象;筛选出符合对象边界特征的点云数据,得到满足对象实际边界特征的点云集合;统计对象的边界点云信息,得到点云的边界矢量;利用得到的矢量闭合边界,对模型进行分割,得到独立的可编辑的对象。本发明能够在没有人工干预的情况下,提取建筑物对象的边界信息并基于此实现对象单体化,极大的提升了效率,为倾斜摄影数据的进一步应用提供了技术支持。
Description
技术领域
本发明属于城市三维模型数据精细化管理与应用领域,涉及对象精细化管理与对象识别等关键应用场景,特别是涉及一种基于几何统计信息的倾斜摄影模型对象边界探测方法。
背景技术
在如今的城市三维建模过程中,倾斜摄影技术平台作为一种先进的数据采集和建模技术,能够在提供高精度的地物空间信息的同时实现良好的三维重现。但是现有的倾斜摄影模型是由一个连续的不规则三角网加纹理贴图组成的,不能根据不同的地理实体而划分为可单独选中的不同地理对象,这就导致倾斜摄影模型只有浏览功能而无法完成对地理要素数据的编辑管理,这对数据的进一步深入分析应用带来了极大挑战。“单体化”指的是每一个我们想要单独管理的地理对象,是一个个单独的,可以被选择的实体。实现点击、查询等GIS基本功能,“单体化”的实现,对倾斜摄影技术的推广应用有极大的促进作用。
在当前的研究中,实现倾斜摄影数据单体化的方案主要是基于手动或者半自动的方法。其中,基于纯手工的方法主要是通过人工描绘建筑物对象的边界线,用得到的对象的矢量边界对建筑物进行分割;基于半自动的对象分割思路主要是加入矢量底图,而矢量底图的也是通过手动矢量化得到的,并基于手动多边形区域判断算法得到目标对象的区域。因此,现有的方法最主要的缺点效率太低,人力成本太高,无法大规模的应用。
发明内容
针对如上提到的问题,本发明提出一种基于几何统计信息的倾斜摄影模型对象边界探测方法,实现对象边界的探测,并分割出可以独立编辑管理的建筑物对象,极大提高了模型的利用效率。
为了达到上述目的,本发明提供的技术方案是,一种基于几何统计信息的倾斜摄影模型对象边界探测方法,包括以下步骤:
步骤1,获取模型的点云信息;
步骤2,对点云进行筛选;
步骤3,将筛选后点云投影到统一的平面上,得到点云基于某一平面的统计信息;
步骤4,对点云进行统计滤波,降低边界噪声,得到更加明显的对象的边界特征;
步骤5,分割点云,得到带有噪声的独立对象;
步骤6,筛选出符合对象边界特征的点云数据,得到满足对象实际边界特征的点云集合;
步骤7,统计对象的边界点云信息,得到点云的边界矢量;
步骤8,利用得到的矢量闭合边界,对模型进行分割,得到独立的可编辑的对象。
进一步的,步骤2的具体实现方式为,筛选出近似垂直于三角面片所对应的点云,予以保留,去除其他点云。
进一步的,步骤4的具体实现方式为,采用基于点云密度的统计滤波算法,将研究区域网格化,并统计落在每个网格中点的数量,设定阈值,过滤掉点云密度小于阈值的区域,得到更加明显的对象的边界特征。
进一步的,步骤5中采用基于多尺度点云聚类分割算法分割点云,设定阈值,将距离小于阈值范围的点云从场景中分离出来,得到带有噪声的独立对象。
进一步的,步骤6中结合随机采样一致性算法检测直线与霍夫变换检测弧线,筛选出符合建筑物对象边界特征的直线段和弧线段点云数据。
进一步的,步骤7中将对象的最小外包矩形作为边界矢量。
进一步的,步骤8的具体实现方式为,基于矢量边界构成的对象区域与模型求交,选择属于当前对象所在区域的点云数据,根据得到的点云数据重建三维对象表面,结合原始模型文件中的贴图数据给新的模型贴图,得到独立的可编辑的建筑物对象。
与现有技术相比,本发明的优点是:本发明实现了基于几何统计信息的倾斜摄影模型对象边界探测与模型分割,实现了自动边缘检测的功能,相较与传统方法而言,大幅提升了效率,实现自动边缘检测与对象单体化。所获得的可以独立编辑的对象可为倾斜摄影模型的进一步应用提供数据基础;方案中提出的基于几何统计信息的方法能够在一定噪声允许范围内得到建筑物对象的真实边界;方案中基于欧式距离的多尺度聚类分割算法很好的避开了单一尺度聚类方法无法应用与整个场景对象的缺点,将原本统一的场景细分为可以单独操作的对象,为进一步精细化的对象单体化去除了大量的噪声点云,得到更加准确的建筑物边界。本方案能够在没有人工干预的情况下,提取建筑物对象的边界信息并基于此实现对象单体化,极大的提升了效率,为倾斜摄影数据的进一步应用提供了技术支持。
附图说明
图1为本发明实施例流程图;
图2为本发明实施例中点云基于某一平面的统计信息图;
图3为本发明实施例中点云统计滤波结果图;
图4为本发明实施例中基于多尺度点云聚类结果图;
图5为本发明实施例中单个对象边界点云信息图;
图6为本发明实施例中霍夫变换之后的对象边界点云信息图;
图7为本发明实施例中对象的近似边界矢量示意图,图中的虚线为对象的最小外包矩形;
图8、9、10为本发明实施例中针对分割结果进行贴图之后的不同侧面示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图和实施例对本发明的技术方案作进一步说明。
(1)获取模型的点云信息
在倾斜摄影数据模型的构建过程中,是基于对象的多视角图像采集,根据视差,计算并恢复对象的空间信息(即点云数据);为了获取数据的原始点云,本方案深入解析原始数据的点云信息,并将其存储为可编辑的点云文件。
(2)根据模型数据中三角面片的法相量,对点云进行筛选
考虑到模型中对象边界的特点,为了将干扰信息进一步去除,方案选择结合三角面片的法向量信息筛选点云,只保留近似垂直于三角面片所对应的点云,这样做的目的是保留墙体点云。
(3)将点云投影到统一的平面上,得到点云基于某一平面的统计信息
为了进一步可视化墙体点云统计信息,方案选择将点云投影到统一平面上,得到如图2所示效果,可以看到,对象的边界特征已经比较明显,下一步就是设计方法进一步去除噪声点云。
(4)结合欧式距离,对点云进行统计滤波,降低边界噪声
由步骤(3)结果可以得知,在建筑物与地面交界的地方点云累积,点云密度比较大,而在其他区区域,点云的密度比较低,由此,本实施例采用参考文献[1]中提到的点云密度的统计滤波算法,将研究区域网格化,并统计落在每个网格中点的数量,设定阈值,过滤掉点云稀疏的区域,得到更加明显的对象的边界特征,结果如图3所示;
[1]李仁忠,杨曼,冉媛,张缓缓,景军锋,李鹏飞.基于方法库的点云去噪与精简算法[J].激光与光电子学进展,2018,55(01):011008,DOI:10.3788/lop55.011008.
(5)基于欧式距离的多尺度聚类算法,分割点云,得到带有噪声的独立的对象
基于如上的点云数据,要在统一的尺度上得到所有边界清晰的对象是很困难的,于是,采用基于多尺度点云聚类分割算法。
在上一步的试验基础之上,对象特征已经非常明显因此选择基于欧式距离的点云聚类分割,当点云之间的距离在设定的某一阈值以内,则表示点云属于同一类别,否则属于不同的类别,通过如上的策略,可以将给定场景中的对象独立开来,如图4所示。对于不同类别的对象设定不同的距离阈值可以将对象从场景中分离出来,本实施例中的目标对象为建筑物,结果如图5所示;
(6)结合随机采样一致性算法(RANSAC)检测直线与霍夫变换检测弧线,进一步筛选出符合建筑物边界特征(直线段和弧线段)的点云数据,去除对象边界噪声,得到满足对象实际边界特征的点云集合。
步骤(5)得到的试验结果并不足以表达对象的真实边界,数据中还存在许多边界噪声影响对象边界识别的准确度。由先验知识可以得到,建筑物的边界主要是由线段、弧线组合而成的,于是通过设计直线滤波与弧线滤波算法,对点云噪声进行过滤,结果表明,得到的对象边界基本符合真实的对象边界信息,如图6所示;
(7)统计对象的边界点云信息,得到点云的近似边界矢量
借鉴于二维图像中的对象检测任务,本方案采用最小外包矩形来近似代表检测到的场景中的建筑物对象。在建筑物的检测任务中,采取的是将点云投影到某一平面,由此,绘制的最小外包矩形也在此平面上完成,得到的结果如图7所示;
(8)利用的到的矢量闭合边界,对模型进行分割,得到独立的对象
在找到一个完整的独立对象之后,为了能够将对象从整个环境中独立出来,以便于以后进一步的处理和应用,结合参考文献[2]中所述方法,基于矢量边界构成的对象区域与模型求交,选择属于当前对象所在区域的点云数据,根据得到的点云数据重建三维对象表面(TIN),结合原始模型文件中的贴图数据给新的模型贴图,得到的独立可编辑的建筑物对象,贴图之后的不同侧面示意图效果如图8-10所示;
[2]王勇,郝晓燕,李颖.基于倾斜摄影的三维模型单体化方法研究[J].计算机工程与应用,2017,DOI:10.3778/j.issn.1002-8331.1608-0458.
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (7)
1.一种基于几何统计信息的倾斜摄影模型对象边界探测方法,其特征在于,包括如下步骤:
步骤1,获取模型的点云信息;
步骤2,对点云进行筛选;
步骤3,将筛选后点云投影到统一的平面上,得到点云基于某一平面的统计信息;
步骤4,对点云进行统计滤波,降低边界噪声,得到更加明显的对象的边界特征;
步骤5,分割点云,得到带有噪声的独立对象;
步骤6,筛选出符合对象边界特征的点云数据,得到满足对象实际边界特征的点云集合;
步骤7,统计对象的边界点云信息,得到点云的边界矢量;
步骤8,利用得到的矢量闭合边界,对模型进行分割,得到独立的可编辑的对象。
2.如权利要求1所述的一种基于几何统计信息的倾斜摄影模型对象边界探测方法,其特征在于:步骤2的具体实现方式为,筛选出近似垂直于三角面片所对应的点云,予以保留,去除其他点云。
3.如权利要求1所述的一种基于几何统计信息的倾斜摄影模型对象边界探测方法,其特征在于:步骤4的具体实现方式为,采用基于点云密度的统计滤波算法,将研究区域网格化,并统计落在每个网格中点的数量,设定阈值,过滤掉点云密度小于阈值的区域,得到更加明显的对象的边界特征。
4.如权利要求1所述的一种基于几何统计信息的倾斜摄影模型对象边界探测方法,其特征在于:步骤5中采用基于多尺度点云聚类分割算法分割点云,设定阈值,将距离小于阈值范围的点云从场景中分离出来,得到带有噪声的独立对象。
5.如权利要求1所述的一种基于几何统计信息的倾斜摄影模型对象边界探测方法,其特征在于:步骤6中结合随机采样一致性算法检测直线与霍夫变换检测弧线,筛选出符合建筑物对象边界特征的直线段和弧线段点云数据。
6.如权利要求1所述的一种基于几何统计信息的倾斜摄影模型对象边界探测方法,其特征在于:步骤7中将对象的最小外包矩形作为边界矢量。
7.如权利要求1所述的一种基于几何统计信息的倾斜摄影模型对象边界探测方法,其特征在于:步骤8的具体实现方式为,基于矢量边界构成的对象区域与模型求交,选择属于当前对象所在区域的点云数据,根据得到的点云数据重建三维对象表面,结合原始模型文件中的贴图数据给新的模型贴图,得到独立的可编辑的建筑物对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810026437.0A CN108171720A (zh) | 2018-01-08 | 2018-01-08 | 一种基于几何统计信息的倾斜摄影模型对象边界探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810026437.0A CN108171720A (zh) | 2018-01-08 | 2018-01-08 | 一种基于几何统计信息的倾斜摄影模型对象边界探测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108171720A true CN108171720A (zh) | 2018-06-15 |
Family
ID=62517972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810026437.0A Pending CN108171720A (zh) | 2018-01-08 | 2018-01-08 | 一种基于几何统计信息的倾斜摄影模型对象边界探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171720A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766404A (zh) * | 2019-02-12 | 2019-05-17 | 湖北亿咖通科技有限公司 | 点云处理方法、装置及计算机可读存储介质 |
CN110110621A (zh) * | 2019-04-23 | 2019-08-09 | 安徽大学 | 基于多特征整合深度学习模型的倾斜摄影点云分类方法 |
CN110189405A (zh) * | 2019-05-31 | 2019-08-30 | 重庆市勘测院 | 一种顾及建筑物密度的实景三维建模方法 |
CN110379004A (zh) * | 2019-07-22 | 2019-10-25 | 泰瑞数创科技(北京)有限公司 | 一种对倾斜摄影成果进行地物分类及单体化提取的方法 |
CN110866531A (zh) * | 2019-10-15 | 2020-03-06 | 深圳新视达视讯工程有限公司 | 一种基于三维建模的建筑物特征提取方法、***及存储介质 |
CN111288985A (zh) * | 2020-03-04 | 2020-06-16 | 北京易控智驾科技有限公司 | 地图确定方法及装置、设备、矿车自动驾驶方法 |
CN111612806A (zh) * | 2020-01-10 | 2020-09-01 | 江西理工大学 | 一种建筑物立面窗户提取方法及装置 |
CN111815701A (zh) * | 2020-06-11 | 2020-10-23 | 吉旗物联科技(上海)有限公司 | 基于直方柱投影点的体积确定方法及装置 |
CN111833286A (zh) * | 2019-03-26 | 2020-10-27 | 深圳中科飞测科技有限公司 | 点云处理方法及其***、检测方法及其***、可读介质 |
CN112163251A (zh) * | 2020-08-24 | 2021-01-01 | 北京航空航天大学 | 建筑模型单体化方法、装置、存储介质及电子设备 |
WO2021000241A1 (zh) * | 2019-07-01 | 2021-01-07 | Oppo广东移动通信有限公司 | 点云模型重建方法、编码器、解码器、及存储介质 |
CN112700531A (zh) * | 2020-12-18 | 2021-04-23 | 武汉大学 | 一种融合矢量户型图的建筑物倾斜模型分层分户显示方法 |
WO2022166323A1 (zh) * | 2021-02-03 | 2022-08-11 | 华为技术有限公司 | 一种道路线确定的方法,相关装置以及设备 |
CN116051980A (zh) * | 2022-12-13 | 2023-05-02 | 北京乾图科技有限公司 | 基于倾斜摄影的建筑识别方法、***、电子设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009087367A1 (en) * | 2008-01-08 | 2009-07-16 | Gmj Design Ltd | A method of creating a representation of the surface of an object |
CN101726255A (zh) * | 2008-10-24 | 2010-06-09 | 中国科学院光电研究院 | 从三维激光点云数据中提取感兴趣建筑物的方法 |
CN106846494A (zh) * | 2017-01-16 | 2017-06-13 | 青岛海大新星软件咨询有限公司 | 倾斜摄影三维建筑物模型自动单体化算法 |
-
2018
- 2018-01-08 CN CN201810026437.0A patent/CN108171720A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009087367A1 (en) * | 2008-01-08 | 2009-07-16 | Gmj Design Ltd | A method of creating a representation of the surface of an object |
CN101726255A (zh) * | 2008-10-24 | 2010-06-09 | 中国科学院光电研究院 | 从三维激光点云数据中提取感兴趣建筑物的方法 |
CN106846494A (zh) * | 2017-01-16 | 2017-06-13 | 青岛海大新星软件咨询有限公司 | 倾斜摄影三维建筑物模型自动单体化算法 |
Non-Patent Citations (1)
Title |
---|
杨存英: "基于倾斜影像的建筑物提取与参数化三维重建", 《中国优秀硕士学位论文全文数据库 基础科学辑(月刊)》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766404A (zh) * | 2019-02-12 | 2019-05-17 | 湖北亿咖通科技有限公司 | 点云处理方法、装置及计算机可读存储介质 |
CN111833286A (zh) * | 2019-03-26 | 2020-10-27 | 深圳中科飞测科技有限公司 | 点云处理方法及其***、检测方法及其***、可读介质 |
CN110110621A (zh) * | 2019-04-23 | 2019-08-09 | 安徽大学 | 基于多特征整合深度学习模型的倾斜摄影点云分类方法 |
CN110189405A (zh) * | 2019-05-31 | 2019-08-30 | 重庆市勘测院 | 一种顾及建筑物密度的实景三维建模方法 |
CN110189405B (zh) * | 2019-05-31 | 2023-05-23 | 重庆市勘测院 | 一种顾及建筑物密度的实景三维建模方法 |
US11790563B2 (en) | 2019-07-01 | 2023-10-17 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Point cloud model reconstruction method, encoder, and decoder |
WO2021000241A1 (zh) * | 2019-07-01 | 2021-01-07 | Oppo广东移动通信有限公司 | 点云模型重建方法、编码器、解码器、及存储介质 |
CN110379004A (zh) * | 2019-07-22 | 2019-10-25 | 泰瑞数创科技(北京)有限公司 | 一种对倾斜摄影成果进行地物分类及单体化提取的方法 |
CN110866531A (zh) * | 2019-10-15 | 2020-03-06 | 深圳新视达视讯工程有限公司 | 一种基于三维建模的建筑物特征提取方法、***及存储介质 |
CN111612806A (zh) * | 2020-01-10 | 2020-09-01 | 江西理工大学 | 一种建筑物立面窗户提取方法及装置 |
CN111288985A (zh) * | 2020-03-04 | 2020-06-16 | 北京易控智驾科技有限公司 | 地图确定方法及装置、设备、矿车自动驾驶方法 |
CN111815701A (zh) * | 2020-06-11 | 2020-10-23 | 吉旗物联科技(上海)有限公司 | 基于直方柱投影点的体积确定方法及装置 |
CN112163251A (zh) * | 2020-08-24 | 2021-01-01 | 北京航空航天大学 | 建筑模型单体化方法、装置、存储介质及电子设备 |
CN112700531A (zh) * | 2020-12-18 | 2021-04-23 | 武汉大学 | 一种融合矢量户型图的建筑物倾斜模型分层分户显示方法 |
WO2022166323A1 (zh) * | 2021-02-03 | 2022-08-11 | 华为技术有限公司 | 一种道路线确定的方法,相关装置以及设备 |
CN116051980A (zh) * | 2022-12-13 | 2023-05-02 | 北京乾图科技有限公司 | 基于倾斜摄影的建筑识别方法、***、电子设备及介质 |
CN116051980B (zh) * | 2022-12-13 | 2024-02-09 | 北京乾图科技有限公司 | 基于倾斜摄影的建筑识别方法、***、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108171720A (zh) | 一种基于几何统计信息的倾斜摄影模型对象边界探测方法 | |
CN110363858B (zh) | 一种三维人脸重建方法及*** | |
CN109993783B (zh) | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 | |
CN111508074B (zh) | 一种基于屋顶轮廓线的三维建筑模型简化方法 | |
CN112070769B (zh) | 一种基于dbscan的分层点云分割方法 | |
CN105844064B (zh) | 基于激光点云数据的三维变电站半自动重建方法 | |
CN104134234B (zh) | 一种全自动的基于单幅图像的三维场景构建方法 | |
CN110363861B (zh) | 基于激光雷达点云的田地作物三维重构方法 | |
CN105572687B (zh) | 一种基于车载激光雷达点云制作建筑物数字线划图的方法 | |
CN109242862B (zh) | 一种实时的数字表面模型生成方法 | |
CN108090960A (zh) | 一种基于几何约束的目标重建方法 | |
CN109900338B (zh) | 一种路面坑槽体积测量方法及装置 | |
CN106529469A (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
CN114332366B (zh) | 数字城市单体房屋点云立面3d特征提取方法 | |
CN105303616B (zh) | 基于单张照片的浮雕建模方法 | |
CN103870845A (zh) | 点云聚类去噪过程中新的k值优化方法 | |
CN105139379B (zh) | 基于分类分层的机载Lidar点云建筑物顶面渐进提取方法 | |
CN103701466A (zh) | 基于特征保留的散乱点云压缩算法 | |
CN109712143B (zh) | 一种基于超像素多特征融合的快速图像分割方法 | |
CN103679807A (zh) | 一种带边界约束的散乱点云重构方法 | |
CN110379004A (zh) | 一种对倾斜摄影成果进行地物分类及单体化提取的方法 | |
CN115937151B (zh) | 一种作物叶片卷曲程度的判定方法 | |
CN108986024A (zh) | 一种基于网格的激光点云规则排列处理方法 | |
CN110348067B (zh) | 一种气流表征物理参数提取方法及***、介质、设备 | |
CN110827408A (zh) | 一种基于深度传感器的实时三维重建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180615 |
|
RJ01 | Rejection of invention patent application after publication |