CN110889888B - 纹理精简和分形压缩集成的三维模型可视化方法 - Google Patents
纹理精简和分形压缩集成的三维模型可视化方法 Download PDFInfo
- Publication number
- CN110889888B CN110889888B CN201911037074.1A CN201911037074A CN110889888B CN 110889888 B CN110889888 B CN 110889888B CN 201911037074 A CN201911037074 A CN 201911037074A CN 110889888 B CN110889888 B CN 110889888B
- Authority
- CN
- China
- Prior art keywords
- texture
- textures
- resolution
- dimensional model
- fractal
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种纹理精简和分形压缩集成的三维模型可视化方法,主要涉及计算机图形处理和摄影测量领域。1、将纹理的统计分析方法和结构分析方法相结合,利用分形维数的特点对所有纹理进行初次筛选;2、当存在多个纹理的分形维数在设定的阈值范围内时,将这些纹理进行Radon变换,计算其标准差,进一步精简纹理;3、利用分形压缩方法将纹理进行压缩,通过解码时的多次迭代生成不同分辨率的纹理图像,创建一个具有四叉树结构的多分辨率纹理数据组织。利用本发明进行纹理处理和三维模型可视化,解决了现阶段纹理数据冗余占用内存空间大的问题,提高了纹理数据调用速度和三维模型动态可视化的流畅程度。
Description
技术领域
本发明涉及计算机图形处理和摄影测量领域,尤其涉及纹理数据的处理、数据结构和三维模型可视化三个方面。
背景技术
随着人们对三维场景真实感要求越来越高,快速管理和调用精细纹理对建立高质量三维模型十分重要。然而在现阶段的建筑物三维模型可视化过程中存在纹理数据冗余、加载纹理数据占用内存大问题,这对三维建筑模型可视化的流畅加载提出了巨大挑战。
目前,三维建筑模型数据常用压缩的方法对其进行简化,但是简化后的模型会丢失许多建筑的特征点,并且利用建筑简化无法提高大规模建筑物的可视化速度。同时,许多研究人员提出了建筑泛化方法,通过使用多细节层次(Levels of Detail,LOD)技术来减少调用数据,提高呈现速度。大多数的建筑模型泛化方法都侧重于模型的几何结构,很少考虑纹理,然而与建筑几何数据相比,纹理数据占用的内存空间更大。目前纹理数据的管理和存储方法主要是基于空间剖分方法和对象包围盒方法生成索引,这些方法都将每一张纹理独立存储,调用纹理时需要先完成数据解析,找到关联信息,最后读取相应格式的纹理数据,整个过程需要多次的索引才能完成纹理的读取,消耗极大的存储空间。并且在城市三维模型的动态可视化过程中,不同的视角距离都需要不同的LOD模型,所以需要使用多个数据结构来存储不同分辨率尺度的纹理。虽然有些方法已经能够创建高真实感的三维模型,但是仍然存在以下几个明显的问题:
(1)在同一区域可能会出现建筑物风格相似甚至一致的现象,这样就会出现多栋建筑物纹理类型和材质有相同部分的情况,若将其所有纹理进行存储,必然会造成数据冗余。
(2)当进行三维模型可视化时,精细纹理的加载势必会影响模型可视化速度,当局部区域放大显示时会出现卡顿现象。
发明内容
本发明提出了一种纹理精简和分形压缩集成的三维模型可视化方法,以解决目前国际上三维模型可视化过程中模型加载速度慢,纹理冗余且消耗内存大的关键技术问题。
为实现本发明之目的,本发明采用以下具体技术方案予以实现:
1.将纹理的统计分析方法和结构分析方法相结合,利用分形维数的特点和图像的标准差进行纹理精简。
在纹理管理过程中,要判断两个纹理是否相同,需要设置分类阈值。一般选取纹理特征集的能量作为分类阈值,但是,在目标纹理与其他区域纹理对比度很小的情况下,就会出现丢失目标纹理或者划分失误的情况。由于分形维数可以描述物体表面的粗糙程度,并且可以作为区别不同类别纹理的有效参数以克服传统图像分割的缺点,所以利用这个特点可以将图像分形维数之差设置为纹理筛选阈值。
然而不同的纹理可能会有相同的分形维数,因此仅用原始图像的分形维数这一特征量不足以描述纹理图像的纹理特征,并且在所有纹理进行初次分类后还存在一些纹理可以经过旋转变换得到,所以需要先利用分形维数阈值进行纹理筛选,然后将阈值范围内的纹理进行Radon变换,计算其标准差,进一步进行纹理的精简,减少内存的占用。
2.将多幅纹理进行精简后,利用纹理图像的自相似性和自仿射性质对其进行分形压缩。
整个纹理压缩的过程可以分成编码过程和解码过程。在分形压缩中,编码过程主要基于拼贴定理,并且要考虑图像的灰度分布以及概率求取的策略,后者主要是随机迭代问题。近年来,人们不断地研究和开发各种改进的分形图像压缩编码方法,其中四叉树分割法因其具有分块灵活、压缩比高、算法简单等优点成为目前最流行的分割方法之一,所以本发明使用此方法进行纹理压缩。
3.从压缩的纹理图像中生成不同分辨率的纹理,然后采用四叉树结构进行纹理的管理,根据距离和视角的不同选择不同分辨率纹理。
本发明采用四叉树结构进行纹理层次的组织,所以需要先对纹理按照其分辨率大小进行分层分块,每个纹理块对应的位置编码是唯一的,利用这个位置编码可以为其建立索引,建立具有四叉树结构的纹理树。在建筑物模型可视化过程中为了确定每个立面的压缩程度,考虑了距离和视角,当视点距离节点位置较近的选择高分辨率纹理,反之选择较低分辨率纹理。
4.根据本发明提出的纹理精简和压缩方法以及数据的存储方案进行建筑物模型的可视化。
本发明提出的方法流程简单,可以精简大量纹理,减少占用内存,通过管理和调用多分辨率纹理,实现城市建筑三维模型的流畅可视化。并且本发明提出的方法面向的建筑物越多,纹理越丰富时优势越明显,效果越显著。
附图说明
图1是本发明总体设计图。
图2是本发明实施例盒子法分形维数计算原理图。
图3是本发明纹理分形压缩流程图。
图4是本发明实施例多分辨纹理图像;其中:(1)原图(262144像素);(2)1/4(65536像素);(3)1/16(16384像素);(4)1/64(4096像素)。
图5是本发明实施例未贴图的建筑物三维模型显示图。
图6是本发明视距表示图。
图7是本发明实施例的城市建筑物三视角模型图;其中:(1)东南视角A建筑三维模型;(2)正东视角A建筑三维模型;(3)正西视角A建筑三维模型。
具体实施方式
下面结合本发明中的实施例附图对本发明的具体实施方式做进一步说明。
实施例:
本实施例中,我们选择美国科罗拉多州丹佛地区作为研究区域,该地区包含不同结构和用途的建筑类型,且密度较大,结构相对复杂。纹理数据由RC30航空相机拍摄获得,其中覆盖中心城区的相邻影像为dv1119和dv1120,二者具有65%的航向重叠度。
本发明提出的一种纹理精简和分形压缩集成的三维模型可视化方法具体步骤见总体设计图(图1)。
步骤1、对获得的所有纹理进行初次筛选分类。
利用分形的自相似性和相同纹理具有相同分形维数的特点,将所有纹理进行大范围的筛选。计算纹理图像分形维度的方法有很多种,通过对几种方法的对比分析,本发明采用盒子法计算纹理图像的分形维数。
结合图2,将大小为M×M的图像I看做三维空间的一个曲面,长为M宽为M高为L,其中L为图像的像素级数,一般取L=256;将I分为R×R大小的网格,“高度”方向划分单位为R×L/M;在被划分成的每个R×R的网格中(如图2中盒子的边长为3,网格为3×3),找出最大像素值u和最大像素值b,输出从最小值到最大值,一共要几个盒子才能覆盖住,盒子个数记为n(i,j);对每个R×R的盒子数求和,记为N,即N=sum(n(i,j);此时理论上分形维数D=-log N/log R,当R趋向无穷大时,R是有限值的,所以改变R的值求出一组N,应用线性拟合,所得到的直线斜率就是纹理图像的分形维数D。根据设置的分形维数阈值,将所有在阈值范围内的纹理选出,进行二次精简。
步骤2、利用Radon变换计算纹理的标准差,根据标准差阈值精简纹理。
其中,P1(r,θ)是纹理图像f1(x,y)对应的Radon变换。P1(r,θ)和P2(r,θ)的互相关函数为:
由(3)式可以看出,如果f1(x,y)和f2(x,y)为同一类纹理,标准差σ会很小,因此其判定规则为:
其中,T为标准差阈值,可以由精度要求确定。将符合分形维数阈值范围内的纹理进行上述的Radon变换,计算其标准差,若存在计算结果在标准差阈值范围之内的纹理,则将其合并,进一步精简纹理。
步骤3、将精简后的纹理进行分形压缩,生成多分辨率纹理数据。
结合图3,利用四叉树分割法改进分形图像压缩,其基本原理如下:让原始纹理图像对应于四叉树的树根,当匹配误差超过预定阈值时,将原始纹理图像等分为四个子块,分别对应于四叉树树根的四个子节点。依次考虑四个子块中的每一块,重复这一过程直至图像中的任意一块都能找到合适的匹配块为止。
结合图4,以研究区其中一栋建筑的一个面为例进行分形纹理压缩并解码,迭代四次,形成多分辨率纹理数据,随着解码迭代次数的增加,纹理数据越来越精细。
步骤4、导入建筑物数据,生成建筑物三维模型。
结合图5,首先加载城市建筑的倾斜影像和POS(Position and OrientationSystem)数据,然后进行区域的整体平差,接下来进行多视角影像的密集匹配,进而生成三维的TIN网格,最终创建未贴图的建筑物三维模型。
步骤5、根据视点到建筑物的角度和距离,调用不同分辨率的纹理数据。
结合图6,为了确定每个立面的压缩程度,考虑了距离和视角,主要是根据视点到四叉树节点的距离来选取不同细化程度的纹理,当视点距离节点位置较近的选择高分辨率纹理,反之选择较低分辨率纹理。基于视距的评价函数如下:
其中,视距l是视点A(x0,y0,z0)与四叉树中目标节点即中心点B(x1,y1,z1)的距离,即:
为避免计算过程的复杂性,特采用如下计算方法计算l:
l=|x1-x0|+|y1-|y0|+z1-| (9)
d表示该节点处分块的长度;C表示控制整体场景最小分辨率的常量,用来调整层次细节模型精度的常数阈值。C越大,表明需要参与当前场景绘制的块节点越多,当前场景的模型的分辨率越高。设定一个误差控制阈值τ,同时通过公式(7)计算得到一个f值,若f<τ,则对该块节点进行细分操作,即索引到该块节点的子节点,直到f≥τ。
步骤6、根据本发明的纹理精简和分形压缩方式,以及建筑物多分辨率纹理调用方案,对建筑物进行三维可视化。
结合图7,在本实施例中选取A建筑的东南、正东和正西三个方向,利用不同视点位置进行对比实验,由图7(1)可以得出当视点位置在距离A建筑最远的东南方向时,选择了较低分辨率的纹理,建筑中很多细节都没有展示出来,所以生成的三维模型比较粗糙;图7(2)显示了当视点位置在距离A建筑较远的正东方向时,因为距离比东南方向稍近,所以有些细节展示出来,比如窗外的空调和个别窗户的窗帘明显变清晰;由图7(3)可看出当视点位置在距离A最近的正西方向时,选择了较高分辨率的纹理,基本所有的细节都展示出来,如窗框、门框和各种窗帘等。很明显,随着视距的不断变化,纹理分辨率的选择也越来越高,生成的三维建筑模型更富有真实感和美观性。虽然结合附图描述了本发明的实施方式,但是本领域内熟练的技术人员可以在所附权利要求的范围内做出各种变形和修改。
Claims (4)
1.一种纹理精简和分形压缩集成的三维模型可视化方法,其特征在于具体步骤为:
(1)将纹理的统计分析方法和结构分析方法相结合,根据设置的分形维数阈值,将所有在阈值范围内的纹理选出,再根据标准差阈值精简纹理;
(2)将精简后的纹理进行分形压缩;
(3)对压缩的纹理图像解压迭代四次进行解码,形成多分辨率纹理数据,并将其采用四叉树结构进行纹理的管理,然后导入建筑物三维模型,根据距离和视角的不同选择不同分辨率纹理;
(4)根据所述纹理精简和压缩方法以及数据的存储方案进行建筑物模型的可视化。
2.根据权利要求1所述的方法,其特征在于所述的步骤(1)具体为:
(1)在纹理管理过程中,要判断两个纹理是否相同,需要先设置分类阈值;
(2)由于分形维数可以描述物体表面的粗糙程度,并且可以作为区别不同类别纹理的有效参数以克服传统图像分割的缺点,所以利用这个特点可以将图像分形维数之差设置为纹理分类阈值;
(3)需要先利用分形维数阈值进行纹理筛选,然后将阈值范围内的纹理进行Radon变换,计算其标准差,进一步进行纹理的精简。
3.根据权利要求1所述的方法,其特征在于所述的步骤(3)具体为:
采用四叉树结构进行纹理层次的组织,所以需要先对纹理按照其分辨率大小进行分层分块,每个纹理块对应的位置编码是唯一的,利用这个位置编码可以为其建立索引,建立具有四叉树结构的纹理树,在建筑物模型可视化过程中为了确定每个立面的压缩程度,考虑了距离和视角,当视点距离节点位置较近的选择高分辨率纹理,反之选择较低分辨率纹理。
4.根据权利要求1所述的方法,其特征在于所述的步骤(4)具体为:
将所有纹理按照权利要求1和权利要求2所述的具体方法进行精简和压缩后形成多分辨率纹理,按照权利要求3所述的方法建立多分辨率纹理树后根据视距法则进行纹理的调用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911037074.1A CN110889888B (zh) | 2019-10-29 | 2019-10-29 | 纹理精简和分形压缩集成的三维模型可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911037074.1A CN110889888B (zh) | 2019-10-29 | 2019-10-29 | 纹理精简和分形压缩集成的三维模型可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889888A CN110889888A (zh) | 2020-03-17 |
CN110889888B true CN110889888B (zh) | 2020-10-09 |
Family
ID=69746546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911037074.1A Active CN110889888B (zh) | 2019-10-29 | 2019-10-29 | 纹理精简和分形压缩集成的三维模型可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889888B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470171B (zh) * | 2021-07-07 | 2024-01-30 | 西安震有信通科技有限公司 | 一种城市三维建筑可视化构建方法、终端设备及存储介质 |
CN115334468A (zh) * | 2022-08-10 | 2022-11-11 | 深圳市芯盈科技有限公司 | 一种显卡输出接口转换装置及转换方法 |
CN115409906B (zh) * | 2022-11-02 | 2023-03-24 | 中国测绘科学研究院 | 一种大规模倾斜摄影模型轻量化方法及装置 |
CN117152353B (zh) * | 2023-08-23 | 2024-05-28 | 北京市测绘设计研究院 | 实景三维模型创建方法、装置、电子设备和可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7761240B2 (en) * | 2004-08-11 | 2010-07-20 | Aureon Laboratories, Inc. | Systems and methods for automated diagnosis and grading of tissue images |
CN103310459A (zh) * | 2013-06-20 | 2013-09-18 | 长安大学 | 一种基于三维信息的水泥混凝土路面构造深度的检测算法 |
CN106023297A (zh) * | 2016-05-20 | 2016-10-12 | 江苏得得空间信息科技有限公司 | 一种精细三维模型的纹理动态组织方法 |
CN108564609A (zh) * | 2018-04-23 | 2018-09-21 | 大连理工大学 | 一种基于盒维数法的计算分形维数的方法 |
CN108932742A (zh) * | 2018-07-10 | 2018-12-04 | 北京航空航天大学 | 一种基于遥感图像分类的大规模红外地形场景实时渲染方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996322B (zh) * | 2010-11-09 | 2012-11-14 | 东华大学 | 一种用于表征织物纹理的分形细节特征提取方法 |
CN104915986B (zh) * | 2015-06-26 | 2018-04-17 | 北京航空航天大学 | 一种实体三维模型自动建模方法 |
CN108562727A (zh) * | 2018-04-24 | 2018-09-21 | 武汉科技大学 | 一种沥青混合料表面纹理磨光行为的评价方法 |
CN109934933B (zh) * | 2019-02-19 | 2023-03-03 | 厦门一品威客网络科技股份有限公司 | 基于虚拟现实的仿真方法及基于虚拟现实的图像仿真*** |
CN110264404B (zh) * | 2019-06-17 | 2020-12-08 | 北京邮电大学 | 一种超分辨图像纹理优化的方法和装置 |
-
2019
- 2019-10-29 CN CN201911037074.1A patent/CN110889888B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7761240B2 (en) * | 2004-08-11 | 2010-07-20 | Aureon Laboratories, Inc. | Systems and methods for automated diagnosis and grading of tissue images |
CN103310459A (zh) * | 2013-06-20 | 2013-09-18 | 长安大学 | 一种基于三维信息的水泥混凝土路面构造深度的检测算法 |
CN106023297A (zh) * | 2016-05-20 | 2016-10-12 | 江苏得得空间信息科技有限公司 | 一种精细三维模型的纹理动态组织方法 |
CN108564609A (zh) * | 2018-04-23 | 2018-09-21 | 大连理工大学 | 一种基于盒维数法的计算分形维数的方法 |
CN108932742A (zh) * | 2018-07-10 | 2018-12-04 | 北京航空航天大学 | 一种基于遥感图像分类的大规模红外地形场景实时渲染方法 |
Non-Patent Citations (5)
Title |
---|
"一种大规模倾斜摄影模型三维可视化方案";李新维等;《测绘通报》;20171231(第4期);34-43页 * |
"一种改进的四叉树分形图像编码算法";刘伯红等;《微电子学与计算机》;20100531;第27卷(第5期);103-105页 * |
"图像旋转与尺度变换不变性识别方法研究";王晅;《中国博士学位论文全文数据库 信息科技辑》;20081215;正文82-83页 * |
"基于Creator/Vega Prime的大场景虚拟现实关键技术研究";王明印;《***仿真学报》;20091031;第21卷;117-120页 * |
"基于分形理论的遥感影像纹理分析与分类研究";徐文海;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110115;14-15页,21页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110889888A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889888B (zh) | 纹理精简和分形压缩集成的三维模型可视化方法 | |
CN105336003B (zh) | 结合gpu技术实时流畅绘制出三维地形模型的方法 | |
WO2023124842A1 (zh) | 基于lod的bim模型轻量化构建与显示方法 | |
CN102081804B (zh) | 在图形硬件中细分几何图像 | |
US7940279B2 (en) | System and method for rendering of texel imagery | |
WO2012096790A2 (en) | Planetary scale object rendering | |
CN103559374A (zh) | 一种多子网格模型上进行面***型曲面细分的方法 | |
Cline et al. | Terrain decimation through quadtree morphing | |
CN110602477A (zh) | 一种显示方法、显示装置、电子设备及存储介质 | |
CN114004842A (zh) | “分形视距”纹理压缩与彩色多边形纹理集成的三维模型可视化方法 | |
CN110533764B (zh) | 面向建筑群的分形四叉树纹理组织方法 | |
CN110544318B (zh) | 一种基于显示窗口的场景分辨率的海量模型加载方法 | |
CN1932884A (zh) | 一种基于分形层次树的过程式地形快速绘制方法 | |
Andújar et al. | Visualization of Large‐Scale Urban Models through Multi‐Level Relief Impostors | |
CN117710893B (zh) | 一种多维度数字画像智慧校园数字化*** | |
CN118076977A (zh) | 使用分层神经表示的可编辑自由视点视频 | |
Zhang et al. | A geometry and texture coupled flexible generalization of urban building models | |
CN111028349B (zh) | 一种适用于海量三维实景数据快速可视化的层级构建方法 | |
Koca et al. | A hybrid representation for modeling, interactive editing, and real-time visualization of terrains with volumetric features | |
CN115861558A (zh) | 一种空间数据模型切片的多级简化方法 | |
CN113591208A (zh) | 一种基于舰船特征提取的超大模型轻量化方法及电子设备 | |
Chang et al. | Hierarchical simplification of city models to maintain urban legibility. | |
Qiu et al. | An effective visualization method for large-scale terrain dataset | |
Yoo | Rapid three-dimensional urban model production using bilayered displacement mapping | |
CN115409906B (zh) | 一种大规模倾斜摄影模型轻量化方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |