CN112785710B - Osgb三维模型建筑物快速单体化方法、***、存储器及设备 - Google Patents
Osgb三维模型建筑物快速单体化方法、***、存储器及设备 Download PDFInfo
- Publication number
- CN112785710B CN112785710B CN202110118885.5A CN202110118885A CN112785710B CN 112785710 B CN112785710 B CN 112785710B CN 202110118885 A CN202110118885 A CN 202110118885A CN 112785710 B CN112785710 B CN 112785710B
- Authority
- CN
- China
- Prior art keywords
- mask
- building
- osgb
- dsm
- dimensional 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000015654 memory Effects 0.000 title claims abstract description 24
- 230000011218 segmentation Effects 0.000 claims abstract description 51
- 238000000605 extraction Methods 0.000 claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000007797 corrosion Effects 0.000 claims abstract description 24
- 238000005260 corrosion Methods 0.000 claims abstract description 24
- 230000000877 morphologic effect Effects 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012805 post-processing Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000000178 monomer Substances 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000003628 erosive effect Effects 0.000 description 6
- 230000010339 dilation Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Image Generation (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种OSGB三维模型建筑物快速单体化方法、***、存储器及设备，该方法首先从OSGB三维模型中提取DSM信息与DOM信息，随后利用OTSU针对DSM进行自动阈值分割得到初始掩膜，使用距离插值并重新阈值化得到前景掩膜，将初始掩膜进行反相并进行腐蚀重建得到背景掩膜，依据提取的背景与前景以及DOM使用分水岭算法进行建筑物边界提取；该技术方案将提取的建筑边界进行矢量化后进行简化与直角化，得到最终的建筑物矢量边界，完成建筑物的单体化分割。本发明解决了现有的建筑物单体化人工干预多、数据利用效率低等问题。
Description
技术领域
本发明涉及摄影测量与计算机图形学领域，具体涉及一种OSGB三维模型建筑物快速单体化方法、***、存储器及设备。
背景技术
OSGB(Open Scene Graph Binary)格式是倾斜摄影三维模型的成果数据主流格式。OSGB格式存储了三维面状框架、顶点数据以及相应的纹理影像数据。在智慧城市建设中三维建筑物的单体化尤为重要,单体后的建筑物才能够赋予相应的属性信息,满足用户的不同需求。在倾斜摄影测量中建筑物如何实现单体化是一项至关重要的研究内容,其独立出的建筑物对模型库管理、建筑物属性编辑、三维可视化等应用都有重要意义。
当前主流的建筑物单体化算法主要有基于建筑物点云实现单体化、ID单体化等方法，但是目前点云为基础进行建筑物三维建模时存在的点云数量庞大、构网复杂等问题，其处理算法对设备的性能要求较高，ID化的模型不能进行渲染,不利于后期的管理。公开号CN111009034A的中国专利于2020年4月14日公开了一种三维模型单体化方法，该方法通过对每一块地块，分解多边形地块的每条边，根据每条边的实际情况，构建不同外扩距离的外扩平行线，通过获取相邻平行线的交点构建不规则的缓冲多边形，通过以灵活的缓冲距离构建缓冲区，为osgb三维数据单体化提取，提供了更合适的提取范围。该专利主要解决三维成果数据缺失或过量的问题，未考虑单体化人工干预多及数据利用率低的问题。
为此，本发明提出了一种基于OSGB三维模型建筑物快速单体化方法，该方法能够充分利用三维数据的高程信息，依据DSM数据自动提取建筑前景与非建筑背景，并结合分水岭算法得到精确的建筑矢量边界，与传统方法相比所需的人工干预更少，提高了生产效率与三维数据的利用率。
发明内容
为克服上述现有技术的不足，本发明提供一种OSGB三维模型建筑物快速单体化方法、***、存储器及设备，解决现有的建筑物单体化人工干预多、数据利用效率低等问题。
根据本发明说明书的一方面，提供了一种OSGB三维模型建筑物快速单体化方法，包括：
基于OSGB三维模型进行DSM信息与DOM信息提取；
基于提取的DSM信息进行阈值分割和开运算，得到初始掩膜；
所述初始掩膜，一方面经由反相、腐蚀去噪得到背景掩膜，另一方面经由距离变换、OTSU二值分割和腐蚀去噪得到前景掩膜；
基于所述背景掩膜、前景掩膜及DOM信息，利用分水岭算法进行建筑物边界提取；
对提取的建筑物边界依次进行矢量化、简化和直角化处理，完成建筑物的单体化。
上述技术方案中，首先从OSGB三维模型中提取DSM信息与DOM信息，随后利用OTSU针对DSM进行自动阈值分割得到初始掩膜，使用距离插值并重新阈值化得到前景掩膜，将初始掩膜进行反相并进行腐蚀重建得到背景掩膜，依据提取的背景与前景以及DOM使用分水岭算法进行建筑物边界提取；该技术方案将提取的建筑边界进行矢量化后进行简化与直角化，得到最终的建筑物矢量边界，完成建筑物的单体化分割。
作为进一步的技术方案，所述方法进一步包括：将大场景OSGB三维模型进行分块，针对每块采用分块OpenGL高程渲染+RTT方式，快速生成区块相对高程的初始DSM与DOM信息，并利用区块间重叠区域进行相对高程校正和数据拼接，得到最终全局DSM与DOM信息。该技术方案基于OpenGL显卡渲染加速、对大场景OSGB数据进行DSM快速提取，解决了现有DSM数据提取方法计算效率低、冗余数据高的问题。
进一步地，将大场景OSGB三维模型进行分块时，分块大小需要适中，过大会导致内存占用过高，过小会导致线程数量增多，导致线程消耗增加。在本技术方案中经过实验得到每块的大小约为100*resolution较为合适。
上述技术方案中，采用多线程方式对每块的DSM与DOM进行提取，充分利用GPU与CPU的运算能力。
作为进一步的技术方案，所述方法进一步包括：数据拼接过程中，由于相邻块之间存在线性拉伸，因此选择左上角为基准点，将其余块的高程采用线性变换的方式统一至设定的高程参考。
进一步地，拼接过程中需要注意相邻块之间存在线性拉伸，一般选择左上角为基准点，将其余块的高程采用线性变换的方式将其统一至统一高程参考。线性变换的参数计算方式为：设相邻两块DSM中的相邻行或列的数据为x,y，使用最小二乘法计算a,b使得尽可能满足y＝ax+b。
作为进一步的技术方案，所述方法进一步包括：利用OTSU阈值分割算法，对提取的DSM信息进行阈值分割，分割原理为：以影像的一维直方图为基础,根据目标图像的灰度特征对图像进行分割,当目标和背景间灰度值的方差达到最大时的阈值为最佳分割阈值，此时目标与背景间的差别最大,分割最有效。
作为进一步的技术方案，对阈值分割后的DSM数据进行形态学开运算，得到初始掩膜，具体为：利用5*5的方形算子作为形态学算子，对阈值分割后的DSM数据进行先腐蚀后膨胀。
进一步地，在对DSM分割之后得到掩膜A，对掩膜A进行经典的形态学开运算，即先腐蚀后膨胀的过程，得到初始掩膜。
腐蚀是一种消除边界点，使边界向内部收缩的过程，可以用来消除小且无意义的物体。具体过程为：用n*n的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1；否则为0。在本方法中采用的形态学算子为5*5的方形算子。
膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程，可以用来填补物体中的空洞。具体过程为：用n*n的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“或”操作；如果都为0，结果图像的该像素为0；否则为1。
上述先腐蚀后膨胀的目的在于去除因树木、电线杆等物体的干扰。
作为进一步的技术方案，所述方法进一步包括：对初始掩膜进行距离变换，计算非0像素区域到0像素区域的距离，计算的距离类型为欧式距离；对距离变换的结果进行OSTU二值分割，消除干扰小区域；利用5*5的方形算子作为形态学算子，对二值化结果进行腐蚀去噪。
根据本发明说明书的另一方面，提供了一种OSGB三维模型建筑物快速单体化***，包括：
信息提取模块，用于基于OSGB三维模型进行DSM信息与DOM信息提取；
初始掩膜获取模块，用于基于提取的DSM信息进行阈值分割和开运算，得到初始掩膜；
背景掩膜获取模块，用于对初始掩膜进行反相、腐蚀去噪得到背景掩膜；
前景掩膜获取模块，用于对初始掩膜进行距离变换、OTSU二值分割和腐蚀去噪得到前景掩膜；
建筑物边界提取模块，用于依据信息提取模块提取的DOM信息、背景掩膜模块获取的背景掩膜及前景掩膜获取模块获取的前景掩膜，利用分水岭算法进行建筑物边界提取；
后处理模块，用于对提取的建筑物边界依次进行矢量化、简化和直角化处理，完成建筑物的单体化。
上述技术方案中，利用信息提取模块提取OSGB三维模型的DSM信息与DOM信息；提取后的DSM信息传递至初始掩膜模块，DOM信息传递至建筑物边界提取模块；上述初始掩膜模块对提取的DSM信息进行阈值分割和开运算，得到初始掩膜并将所述初始掩膜分别传递至背景掩膜获取模块和前景掩膜获取模块；所述背景掩膜获取模块对初始掩膜进行反相、腐蚀去噪得到背景掩膜，并将所述背景掩膜传递至建筑物边界提取模块；所述前景掩膜获取模块对初始掩膜进行距离变换、OTSU二值分割和腐蚀去噪得到前景掩膜，并将所述前景掩膜传递至建筑物边界提取模块；所述建筑物边界提取模块依据信息提取模块传递的DOM信息、背景掩膜模块传递的背景掩膜及前景掩膜获取模块传递的前景掩膜，利用分水岭算法进行建筑物边界提取并将边界提取结果传递至后处理模块；所述后处理模块对提取的建筑物边界依次进行矢量化、简化和直角化处理，完成建筑物的单体化。
根据本发明说明书的一方面，还提供了一种存储器，其上储存有计算机程序，该计算机程序被处理器执行时实现如所述的OSGB三维模型建筑物快速单体化方法的步骤。
根据本发明说明书的一方面，还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如所述的OSGB三维模型建筑物快速单体化方法的步骤。
与现有技术相比，本发明的有益效果在于：本发明首先从OSGB三维模型中提取DSM信息与DOM信息，随后利用OTSU针对DSM进行自动阈值分割得到初始掩膜，使用距离插值并重新阈值化得到前景掩膜，将初始掩膜进行反相并进行腐蚀重建得到背景掩膜，依据提取的背景与前景以及DOM使用分水岭算法进行建筑物边界提取；将提取的建筑边界进行矢量化后进行简化与直角化，得到最终的建筑物矢量边界，完成建筑物的单体化分割；本发明与传统方法相比所需的人工干预更少，提高了生产效率与三维数据的利用率，解决了现有的建筑物单体化人工干预多、数据利用效率低等问题。
附图说明
图1为根据本发明实施例的一种OSGB三维模型建筑物快速单体化方法的流程图；
图2为根据本发明实施例的一种OSGB三维模型建筑物快速单体化***的结构示意图；
图3为根据本发明实施例的OSGB数据分块和拼接示意图；
图4为根据本发明实施例一种OSGB三维模型建筑物快速单体化方法所提取的DSM数据示意图；
图5为根据本发明实施例一种OSGB三维模型建筑物快速单体化方法所提取的DOM数据示意图；
图6为根据本发明实施例一种OSGB三维模型建筑物快速单体化方法所得到的初始掩膜示意图；
图7为根据本发明实施例一种OSGB三维模型建筑物快速单体化方法进行分水岭算法处理后得到的掩膜示意图；
图8为根据本发明实施例一种OSGB三维模型建筑物快速单体化方法所提取的建筑物平面矢量提取结果示意图；
图9为根据本发明实施例一种OSGB三维模型建筑物快速单体化方法所提取的建筑物三维模型单体化结果示意图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
根据本发明说明书的一方面，如图1，提供了一种OSGB三维模型建筑物快速单体化方法，该方法首先从OSGB三维模型中提取DSM信息与DOM信息，随后利用OTSU针对DSM进行自动阈值分割得到初始掩膜，使用距离插值并重新阈值化得到前景掩膜，将初始掩膜进行反相并进行腐蚀重建得到背景掩膜，依据提取的背景与前景以及DOM使用分水岭算法进行建筑物边界提取；该技术方案将提取的建筑边界进行矢量化后进行简化与直角化，得到最终的建筑物矢量边界，完成建筑物的单体化分割。该方法与传统方法相比所需的人工干预更少，提高了生产效率与三维数据的利用率，解决了现有的建筑物单体化人工干预多、数据利用效率低等问题。
作为一种实施方式，所述的OSGB三维模型建筑物快速单体化方法的具体步骤如下：
步骤1，基于OSGB的DSM与DOM提取。
如图3，首先将大场景OSGB三维模型进行分块，针对每块采用OpenGL高程渲染+RTT方式，快速生成区块相对高程的初始DSM与DOM数据，并利用区块间重叠区域进行相对高程校正和数据拼接，得到最终全局DSM与DOM数据。该步骤采用多线程方式对每块的DSM与DOM进行提取，充分利用GPU与CPU的运算能力。
其中，分块大小需要适中，过大会导致内存占用过高，过小会导致线程数量增多，导致线程消耗增加。在本步骤中经过实验得到每块的大小约为100*resolution较为合适。
拼接过程中需要注意相邻块之间存在线性拉伸，一般选择左上角为基准点，将其余块的高程采用线性变换的方式将其统一至统一高程参考。线性变换的参数计算方式为：设相邻两块DSM中的相邻行或列的数据为x,y，使用最小二乘法计算a,b使得尽可能满足y＝ax+b。
步骤2，DSM阈值分割(OTSU)
依据步骤1中的DSM结果，基于经典的OSTU阈值分割算法，对DSM进行分割，其分割原理如下：以影像的一维直方图为基础,根据目标图像的灰度特征对图像进行分割，当目标和背景间灰度值的方差达到最大时的阈值为最佳分割阈值，此时目标与背景间的差别最大，分割最有效。假设一幅图像的灰度级为L，图像总的像素点个数为N，ni代表灰度为i的像素点数，即
Pi代表灰度级为i的像素点出现的概率，即
Pi＝ni/N,i＝0,1,2,3……L-1
Pi≥0且
如果把图像由阈值x分成目标α1和背景α2两部分，α1由灰度值在[0,x]之间的像素组成，α2由灰度值在[x+1,L-1]之间的像素组成；那么这两类出现的概率为:
因此这两个类α1，α2的灰度均值分别为:
其中
综上可得：
μT＝w1μ1+w2μ2
假设用
让α1、α2在[0,L-1]范围内依次取值，当
最大时对应的x值即为分割算法所得的最佳阈值。
在对DSM分割之后得到掩膜A，对掩膜A进行经典的形态学开运算，即先腐蚀后膨胀的过程，得到初始掩膜。腐蚀是一种消除边界点，使边界向内部收缩的过程，可以用来消除小且无意义的物体。具体过程为：用n*n的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1；否则为0。在本方法中采用的形态学算子为5*5的方形算子。膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程，可以用来填补物体中的空洞。具体过程为：用n*n的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“或”操作；如果都为0，结果图像的该像素为0；否则为1。
在本步骤中采用的形态学算子为5*5的方形算子。该步骤的目的在于去除因树木、电线杆等物体的干扰。
步骤3，背景掩膜提取和前景掩膜提取
步骤3.1，背景掩膜提取
根据步骤2中提取的初始掩膜，对其进行反相运算，并进行经典的形态学腐蚀，得到建筑物的背景掩膜B。
其中，对初始掩膜进行反相的目的在于得到高程较低区域。
其中，形态学腐蚀的目的同样在于去除因树木、电线杆等物体的干扰。腐蚀采用的形态学算子为5*5的方形算子。
步骤3.2，前景掩膜提取
根据步骤2中提取的初始掩膜，对其进行距离变换并归一化，经过OTSU二值分割与形态学腐蚀后得到前景掩膜F。
其中，距离变换中计算非0像素区域到0像素区域的距离，所计算的距离类型为欧式距离(L2距离)。对距离变换的结果进行OTSU二值化后，许多干扰小区域将会消失。为进一步去除干扰得到更加精确的前景区域，对二值化结果进行腐蚀操作。该操作中的形态学算子为5*5的方形算子。
步骤4，分水岭算法
将步骤3中所提取的背景掩膜B与前景掩膜F以及步骤1中所提取的DOM输入至分水岭算法中，该算法将自动基于初始的背景与前景区域计算得到较为精准的建筑区域。
步骤5，栅格矢量化与后处理
将步骤,4中所提取的建筑区域首先提取边界矢量，将边界线进行简化与直角化，完成最终结果的输出。
提取边界矢量的过程中，需要设置参数为检索所有轮廓并构建等级树。该参数的目的为考虑存在环形建筑，其内部区域为非建筑，因此存在嵌套情况。另外为简化点数设置寻找轮廓时仅保留轮廓的拐点信息。
边界线简化过程中，需要设置点的保留参数。在本步骤中，由于建筑区域存在面积的变换，而点的数量与面积存在一定相关关系，因此通过实验，将过滤参数设置为多边形面积的1/6。
根据本发明说明书的另一方面，如图2，提供了一种OSGB三维模型建筑物快速单体化***，包括：
信息提取模块，用于基于OSGB三维模型进行DSM信息与DOM信息提取；
初始掩膜获取模块，用于基于提取的DSM信息进行阈值分割和开运算，得到初始掩膜；
背景掩膜获取模块，用于对初始掩膜进行反相、腐蚀去噪得到背景掩膜；
前景掩膜获取模块，用于对初始掩膜进行距离变换、OTSU二值分割和腐蚀去噪得到前景掩膜；
建筑物边界提取模块，用于依据信息提取模块提取的DOM信息、背景掩膜模块获取的背景掩膜及前景掩膜获取模块获取的前景掩膜，利用分水岭算法进行建筑物边界提取；
后处理模块，用于对提取的建筑物边界依次进行矢量化、简化和直角化处理，完成建筑物的单体化。
所述***利用信息提取模块提取OSGB三维模型的DSM信息与DOM信息；提取后的DSM信息传递至初始掩膜模块，DOM信息传递至建筑物边界提取模块；上述初始掩膜模块对提取的DSM信息进行阈值分割和开运算，得到初始掩膜并将所述初始掩膜分别传递至背景掩膜获取模块和前景掩膜获取模块；所述背景掩膜获取模块对初始掩膜进行反相、腐蚀去噪得到背景掩膜，并将所述背景掩膜传递至建筑物边界提取模块；所述前景掩膜获取模块对初始掩膜进行距离变换、OTSU二值分割和腐蚀去噪得到前景掩膜，并将所述前景掩膜传递至建筑物边界提取模块；所述建筑物边界提取模块依据信息提取模块传递的DOM信息、背景掩膜模块传递的背景掩膜及前景掩膜获取模块传递的前景掩膜，利用分水岭算法进行建筑物边界提取并将边界提取结果传递至后处理模块；所述后处理模块对提取的建筑物边界依次进行矢量化、简化和直角化处理，完成建筑物的单体化。
根据本发明说明书的一方面，还提供了一种存储器，其上储存有计算机程序，该计算机程序被处理器执行时实现如所述的OSGB三维模型建筑物快速单体化方法的步骤。
本发明可采用在一个或多个其中包含有程序代码的存储器(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读储存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、程序的模块或其它数据。计算机的存储器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)、其它类型的随机存取存储器(R AM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带，磁带磁磁盘存储或其它磁性存储设备或任何其它非传输介质，可用于存储可以被计算设备访问的信息。
根据本发明说明书的一方面，还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如所述的OSGB三维模型建筑物快速单体化方法的步骤。
如图4-5分别为利用本发明所述OSGB三维模型建筑物快速单体化方法所提取的DSM数据与DOM数据示意图，如图6为利用本发明所述OSGB三维模型建筑物快速单体化方法得到的初始掩膜，如图7为利用本发明所述OSGB三维模型建筑物快速单体化方法进行分水岭算法处理后得到的掩膜，如图8为利用本发明所述OSGB三维模型建筑物快速单体化方法得到的建筑物矢量提取结果示，如图9为利用本发明所述OSGB三维模型建筑物快速单体化方法得到的建筑物三维模型单体化结果，由图中可见，对于所选区域的建筑物能够进行完整的单体提取，建筑物的边界能够得到清晰的展示。
在本说明书的描述中，参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案。
Claims (6)
1.一种OSGB三维模型建筑物快速单体化方法，其特征在于，包括：
基于OSGB三维模型进行DSM信息与DOM信息提取；
基于提取的DSM信息进行阈值分割和开运算，得到初始掩膜；进一步包括：利用OTSU阈值分割算法，对提取的DSM信息进行阈值分割，分割原理为：以影像的一维直方图为基础,根据目标图像的灰度特征对图像进行分割,当目标和背景间灰度值的方差达到最大时的阈值为最佳分割阈值；
对阈值分割后的DSM数据进行形态学开运算，得到初始掩膜，具体为：利用5*5的方形算子作为形态学算子，对阈值分割后的DSM数据进行先腐蚀后膨胀；
所述初始掩膜，一方面经由反相、腐蚀去噪得到背景掩膜，另一方面经由距离变换、OTSU二值分割和腐蚀去噪得到前景掩膜；进一步包括：对初始掩膜进行距离变换，计算非0像素区域到0像素区域的距离，计算的距离类型为欧式距离；对距离变换的结果进行OSTU二值分割，消除干扰小区域；利用5*5的方形算子作为形态学算子，对二值化结果进行腐蚀去噪；
基于所述背景掩膜、前景掩膜及DOM信息，利用分水岭算法进行建筑物边界提取；对提取的建筑物边界依次进行矢量化、简化和直角化处理，完成建筑物的单体化。
2.根据权利要求1所述OSGB三维模型建筑物快速单体化方法，其特征在于，所述方法进一步包括：将大场景OSGB三维模型进行分块，针对每块采用分块OpenGL高程渲染+RTT方式，快速生成区块相对高程的初始DSM与DOM信息，并利用区块间重叠区域进行相对高程校正和数据拼接，得到最终全局DSM与DOM信息。
3.根据权利要求2所述OSGB三维模型建筑物快速单体化方法，其特征在于，所述方法进一步包括：数据拼接过程中，由于相邻块之间存在线性拉伸，因此选择左上角为基准点，将其余块的高程采用线性变换的方式统一至设定的高程参考。
4.一种OSGB三维模型建筑物快速单体化***，其特征在于，包括：
信息提取模块，用于基于OSGB三维模型进行DSM信息与DOM信息提取；
初始掩膜获取模块，用于基于提取的DSM信息进行阈值分割和开运算，得到初始掩膜；进一步包括：利用OTSU阈值分割算法，对提取的DSM信息进行阈值分割，分割原理为：以影像的一维直方图为基础,根据目标图像的灰度特征对图像进行分割,当目标和背景间灰度值的方差达到最大时的阈值为最佳分割阈值；
对阈值分割后的DSM数据进行形态学开运算，得到初始掩膜，具体为：利用5*5的方形算子作为形态学算子，对阈值分割后的DSM数据进行先腐蚀后膨胀；
背景掩膜获取模块，用于对初始掩膜进行反相、腐蚀去噪得到背景掩膜；
前景掩膜获取模块，用于对初始掩膜进行距离变换、OTSU二值分割和腐蚀去噪得到前景掩膜；进一步包括：对初始掩膜进行距离变换，计算非0像素区域到0像素区域的距离，计算的距离类型为欧式距离；对距离变换的结果进行OSTU二值分割，消除干扰小区域；利用5*5的方形算子作为形态学算子，对二值化结果进行腐蚀去噪；
建筑物边界提取模块，用于依据信息提取模块提取的DOM信息、背景掩膜模块获取的背景掩膜及前景掩膜获取模块获取的前景掩膜，利用分水岭算法进行建筑物边界提取；
后处理模块，用于对提取的建筑物边界依次进行矢量化、简化和直角化处理，完成建筑物的单体化。
5.一种存储器，其上储存有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-3中任一项所述的OSGB三维模型建筑物快速单体化方法的步骤。
6.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述的OSGB三维模型建筑物快速单体化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110118885.5A CN112785710B (zh) | 2021-01-28 | 2021-01-28 | Osgb三维模型建筑物快速单体化方法、***、存储器及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110118885.5A CN112785710B (zh) | 2021-01-28 | 2021-01-28 | Osgb三维模型建筑物快速单体化方法、***、存储器及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112785710A CN112785710A (zh) | 2021-05-11 |
| CN112785710B true CN112785710B (zh) | 2021-12-21 |
Family
ID=75759444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110118885.5A Active CN112785710B (zh) | 2021-01-28 | 2021-01-28 | Osgb三维模型建筑物快速单体化方法、***、存储器及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112785710B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113362359A (zh) * | 2021-06-18 | 2021-09-07 | 天津市勘察设计院集团有限公司 | 融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法 |
| CN114202704B (zh) * | 2022-02-15 | 2022-05-17 | 中国测绘科学研究院 | 一种人机交互的水体半自动提取方法及*** |
| CN114926602B (zh) * | 2022-04-13 | 2023-03-31 | 湖北省国土测绘院 | 基于三维点云的建筑物单体化方法及*** |
| CN115186347B (zh) * | 2022-07-18 | 2023-08-08 | 北京星天地信息科技有限公司 | 户型平面图与倾斜模型相结合的建筑物CityGML建模方法 |
| CN115098934A (zh) * | 2022-08-10 | 2022-09-23 | 中建海峡建设发展有限公司 | 一种基于gis+bim的水泥搅拌桩管理***及其施工方法 |
| CN115546455B (zh) * | 2022-09-22 | 2023-06-30 | 广东国地规划科技股份有限公司 | 一种三维建筑模型单体化方法、装置及存储介质 |
| CN116342783B (zh) * | 2023-05-25 | 2023-08-08 | 吉奥时空信息技术股份有限公司 | 一种实景三维模型数据渲染优化方法及*** |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112149543A (zh) * | 2020-09-16 | 2020-12-29 | 北京工业大学 | 一种基于计算机视觉的建筑扬尘识别***与方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9582932B2 (en) * | 2012-06-05 | 2017-02-28 | Apple Inc. | Identifying and parameterizing roof types in map data |
| CN104517024A (zh) * | 2014-08-05 | 2015-04-15 | 中国科学院遥感与数字地球研究所 | 一种基于建筑物尺度的城市绿度空间评价建模方法 |
| CN107038755A (zh) * | 2017-05-09 | 2017-08-11 | 北京四维空间数码科技有限公司 | 矢量数据叠加dsm自动批量生成三维模型的方法 |
| US10354433B2 (en) * | 2017-07-11 | 2019-07-16 | Here Global B.V. | Method and apparatus for generating an abstract texture for a building facade or model |
| CN110570428B (zh) * | 2019-08-09 | 2023-07-07 | 浙江合信地理信息技术有限公司 | 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及*** |
| CN110674735B (zh) * | 2019-09-23 | 2022-05-24 | 中国科学院地理科学与资源研究所 | 基于精细分类的农业设施遥感提取方法和装置 |
| CN111009034B (zh) * | 2019-11-11 | 2020-10-23 | 广州地理研究所 | 一种三维模型单体化方法、***、存储介质及设备 |
| CN111340822B (zh) * | 2020-02-24 | 2022-07-15 | 武汉大学 | 一种多尺度自适应机载LiDAR点云建筑物单体化分割方法 |
| CN112163251B (zh) * | 2020-08-24 | 2023-02-17 | 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 |
-
2021
- 2021-01-28 CN CN202110118885.5A patent/CN112785710B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112149543A (zh) * | 2020-09-16 | 2020-12-29 | 北京工业大学 | 一种基于计算机视觉的建筑扬尘识别***与方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112785710A (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112785710B (zh) | Osgb三维模型建筑物快速单体化方法、***、存储器及设备 | |
| US7561156B2 (en) | Adaptive quadtree-based scalable surface rendering | |
| JP7029283B2 (ja) | 画像の補完 | |
| CN109934110B (zh) | 一种河道附近违建房屋识别方法 | |
| US9959670B2 (en) | Method for rendering terrain | |
| CN109712143B (zh) | 一种基于超像素多特征融合的快速图像分割方法 | |
| CN113781667A (zh) | 三维结构简化重建方法、装置、计算机设备和存储介质 | |
| CN109118588B (zh) | 一种基于块分解的彩色lod模型自动生成方法 | |
| CN114926602B (zh) | 基于三维点云的建筑物单体化方法及*** | |
| CN111325684A (zh) | 一种半自动高空间分辨率遥感影像不同形状建筑物提取方法 | |
| CN115018992A (zh) | 发型模型的生成方法、装置、电子设备及存储介质 | |
| US10937236B1 (en) | Mesh smoothing for visual quality and analysis improvement | |
| CN110046623B (zh) | 一种图像特征点提取方法和相机 | |
| Chen et al. | Binary orientation trees for volume and surface reconstruction from unoriented point clouds | |
| CN116502303B (zh) | 一种基于场景层级实例信息增强的bim模型可视化方法 | |
| Horvat et al. | Ray-casting point-in-polyhedron test | |
| Jeong et al. | Neural meshes: Statistical learning based on normals | |
| CN115797588A (zh) | 一种基于室内表面网格(Mesh)数据的BIM实体墙建模方法 | |
| Dimiccoli et al. | Hierarchical region-based representation for segmentation and filtering with depth in single images | |
| CN108376390B (zh) | 一种动态感知平滑滤波算法 | |
| Alderson et al. | Optimizing line-of-sight using simplified regular terrains | |
| CN108985306B (zh) | 基于改进边界代数法的相交多边形提取方法 | |
| CN111815532A (zh) | 深度图修复方法及其相关装置 | |
| Abderrahim et al. | Interactive multiresolution visualization of 3D Mesh | |
| CN112215951B (zh) | 一种核外多分辨率点云表示方法及点云显示方法 |
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 |