CN114896679A - 一种建筑物的三维模型优化方法、智能终端及存储介质 - Google Patents
一种建筑物的三维模型优化方法、智能终端及存储介质 Download PDFInfo
- Publication number
- CN114896679A CN114896679A CN202210819365.1A CN202210819365A CN114896679A CN 114896679 A CN114896679 A CN 114896679A CN 202210819365 A CN202210819365 A CN 202210819365A CN 114896679 A CN114896679 A CN 114896679A
- Authority
- CN
- China
- Prior art keywords
- building
- point
- vertex
- image
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种建筑物的三维模型优化方法、智能终端及存储介质,所述方法包括:采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型;获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线;恢复所述结构线的空间位置,对所述结构线进行过滤处理,并获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点;获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标。本发明通过从无人机影像提取的结构线对卫星影像生产的建筑物三维模型进行优化,以获取精度更高、视觉效果更好的LOD2级建筑物的三维模型。
Description
技术领域
本发明涉及摄影测量与遥感技术领域,尤其涉及一种建筑物的三维模型优化方法、智能终端及存储介质。
背景技术
高分辨率立体影像很容易受到相机搭载平台以及在数据传输过程中电磁干扰等因素影响,高分辨率立体影像在定位精度和影像分辨率等方面往往不够精细,从而导致采用高分辨率立体影像所生产的建筑物三维模型在屋顶或立面的边缘不够规则。
而现有技术中的建筑物边缘优化方法,大多数针对二维建筑物房角进行规则化或对建筑物立面进行平面拟合,使得非地面或房顶的结构特征线的特征仍存在退化;基于高分辨率立体测绘卫星影像建立的建筑物三维模型存在边缘规则度较低、视觉效果较差的问题。
因此,现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于提供一种建筑物的三维模型优化方法、智能终端及存储介质,旨在解决现有技术中基于高分辨率立体测绘卫星影像建立的建筑物三维模型存在边缘规则度较低、视觉效果较差的问题。
为实现上述目的,本发明提供一种建筑物的三维模型优化方法,所述建筑物的三维模型优化方法包括如下步骤:
采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型;
获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线;
恢复所述结构线的空间位置,对所述结构线进行过滤处理,并获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点;
获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标。
可选地,所述的建筑物的三维模型优化方法,其中,所述采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型,具体包括:
获取高分辨率多光谱DOM影像和高精度DSM影像;
基于所述高分辨率多光谱DOM影像提取出建筑物,对所述建筑物内的所述高精度DSM影像进行重采样以恢复空间点云;
将所述空间点云运用二次线性插值法进行加密得到密集点云,基于所述密集点云通过构网算法重建所述建筑物的三维模型。
可选地,所述的建筑物的三维模型优化方法,其中,所述获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线,具体包括:
获取指定区域内建筑物的建筑物影像,提取出所述建筑物影像中的灰度图像;
对所述灰度图像进行边缘绘制算法处理后,生成一套像素相邻的边缘像素链;
根据最小二乘直线拟合法从所述边缘像素链中提取出结构线,并采用亥姆霍兹原理消除错误的线段。
可选地,所述的建筑物的三维模型优化方法,其中,所述恢复所述结构线的空间位置,对所述结构线进行过滤处理,具体包括:
对所述结构线进行离散化得到离散点,基于所述离散点所在图像上的空间信息,将所述离散点通过共线方程投影至对应的空间位置得到投影点,并将所述投影点拟合为直线段;
基于所述直线段,根据K近邻检索方法检索出所述直线段的三角面片,并得出所述三角面片的法向量;
基于每个三角面片的法向量,计算所述法向量与所述结构线之间的夹角;
若夹角大于预设的阈值,则确认所述直线段为建筑物的结构线,进行保留;
若夹角小于预设阈值,则确认所述直线段为纹理线,进行剔除。
可选地,所述的建筑物的三维模型优化方法,其中,所述共线方程为:
其中,x为像点的横坐标,y为像点的纵坐标;x 0为相机内横轴元素,y 0为相机内纵轴元素,f为相机内竖轴元素;Xs为相机摄影站点的横坐标,Ys为相机摄影站点的纵坐标,Zs为相机摄影站点的竖坐标,X A 为空间投影点的横坐标,Y A 为空间投影点的纵坐标,Z A 为空间投影点的竖坐标;a i 为影像的a方位元素,b i 为影像的b方位元素,c i 为影像的c方位元素。
可选地,所述的建筑物的三维模型优化方法,其中,所述获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点,具体包括:
将所述离散点作为检索中心点,接收根据空间K近邻检索法检索出所述离散点周围的三角面顶点;
基于所述三角面顶点,根据三角形关系计算出所述三角面顶点到所述结构线两个端点的距离,并保留距离两个端点最近的第一顶点pt1和第二顶点pt2。
可选地,所述的建筑物的三维模型优化方法,其中,所述获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标,具体包括:
将所述结构线设为轴线并以r为半径,构建缓冲区,其中,所述半径设置为影像平均地面分辨率的5倍;
基于所述缓冲区,获取所述三维模型上的三角面顶点,并构建无向图;
基于所述无向图,根据最短路径算法进行空间检索计算出所述第一顶点pt1和所述第二顶点pt2之间的最短路径,并得到点集合pt(i);
当所述点集合pt(i)中三角面顶点按垂线方向投影至所述三角面顶点对应的结构线上得到垂点时,计算出垂点坐标,并将三角面顶点的坐标更新为所述垂点坐标。
可选地,所述的建筑物的三维模型优化方法,其中,所述计算出垂点坐标的计算过程具体为:
求解得到投影坐标N点的坐标;
其中,x0为点的横坐标,y0为点的纵坐标,z0为点的竖坐标,x1为点S1的横坐标,y1为点S1的纵坐标,z1为点S1的竖坐标,x2为点S2的横坐标,y2为点S2的纵坐标,z2为点S2的竖坐标,xn为点N的横坐标,yn为点N的纵坐标,zn为点N的竖坐标,k为未知数。
此外,为实现上述目的,本发明还提供一种智能终端,其中,所述智能终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的建筑物的三维模型优化程序,所述建筑物的三维模型优化程序被所述处理器执行时实现如上所述的建筑物的三维模型优化方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储有建筑物的三维模型优化程序,所述建筑物的三维模型优化程序被处理器执行时实现如上所述的建筑物的三维模型优化方法的步骤。
本发明中,采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型;获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线;恢复所述结构线的空间位置,对所述结构线进行过滤处理,并获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点;获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标。本发明对传统的基于高分辨立体测绘卫星影像进行建筑物三维重建方案进行了改进,首先利用多视立体卫星影像生产试验区域的LOD2级建筑物三维模型;然后从相应区域的无人机影像中提取建筑物结构线,恢复结构线的空间位置,并过滤掉纹理线;最后利用恢复空间位置的结构线对建筑物三维模型的进行优化,以获取精度更高、视觉效果更好的LOD2级建筑物三维模型。
附图说明
图1是本发明中建筑物的三维模型优化方法的较佳实施例的流程图;
图2是本发明中建筑物的三维模型优化方法的较佳实施例中步骤S10的流程图;
图3是本发明中基于建筑物的三维模型优化方法的较佳实施例中场景示意图;
图4是本发明中建筑物的三维模型优化方法的较佳实施例中步骤S20的流程图;
图5是本发明中建筑物的三维模型优化方法的较佳实施例中步骤S30中结构线的恢复与过滤的流程图;
图6是本发明中建筑物的三维模型优化方法的较佳实施例中步骤S30中获取最近的三角面顶点的流程图;
图7是本发明中建筑物的三维模型优化方法的较佳实施例中步骤S40的流程图;
图8是本发明中建筑物的三维模型优化方法的整体流程图;
图9为本发明智能终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明较佳实施例所述的建筑物的三维模型优化方法,如图1所示,所述建筑物的三维模型优化方法包括以下步骤:
步骤 S10、采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型。
如图 2 所示,所述步骤 S10 包括:
步骤 S11、获取高分辨率多光谱DOM影像和高精度DSM影像;
步骤 S12、基于所述高分辨率多光谱DOM影像提取出建筑物,对所述建筑物内的所述高精度DSM影像进行重采样以恢复空间点云;
步骤 S13、将所述空间点云运用二次线性插值法进行加密得到密集点云,基于所述密集点云通过构网算法重建所述建筑物的三维模型。
具体地,如图3所示,利用卫星在试验区域采集LOD(Level Of Detail,多细节层次,是描述BIM模型信息数据细致程度的术语)2级建筑物的多视立体卫星影像及无人机采集建筑物的影像,而通过所述多视立体卫星影像重建建筑物三维模型具体为,利用多光谱影像和相同视角的高分辨率全色后视影像采用Gram-Schmidt算法生产高分辨率多光谱DOM影像,及利用多视全色立体影像采用半全局立体匹配算法生产高精度DSM影像;然后采用机器学习或深度学习方法从所述高分辨率多光谱DOM影像中提取出建筑物;对建筑图斑内的所述高精度DSM影像进行重采样恢复空间点云,并利用二次线性插值法对所述空间点云进行加密得到密集点云,其中,加密的作用是由于卫星影像空间分辨率较低,直接进行密集匹配获取的空间点云密度比较稀疏,若直接进行构网建模,将会丢失较多的细节信息,因此需要对点云进行加密以获取稠密点云,最后利用所述密集点云,通过构网算法重建建筑物的三维模型。
步骤 S20、获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线。
如图 4 所示,所述步骤 S20 包括:
步骤 S21、获取指定区域内建筑物的建筑物影像,提取出所述建筑物影像中的灰度图像;
步骤 S22、对所述灰度图像进行边缘绘制算法处理后,生成一套像素相邻的边缘像素链;
步骤 S23、根据最小二乘直线拟合法从所述边缘像素链中提取出结构线,并采用亥姆霍兹原理消除错误的线段。
具体地,通过无人机采集试验区域内LOD2级建筑物的建筑物影像,提取出所述建筑物影像中的灰度图像,利用ED(edge drawing,边缘绘制)边缘检测器对所述灰度图像进行边缘绘制算法处理后生成一组干净、像素相邻的边缘像素链,根据最小二乘直线拟合法从所述边缘像素链中提取结构线,并采用Helmholtz(亥姆霍兹)原理消除检测错误的直线段。
步骤 S30、恢复所述结构线的空间位置,对所述结构线进行过滤处理,并获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点。
如图 5 所示,所述步骤 S30 中恢复所述结构线的空间位置,对所述结构线进行过滤处理包括:
步骤 S311、对所述结构线进行离散化得到离散点,基于所述离散点所在图像上的空间信息,将所述离散点通过共线方程投影至对应的空间位置得到投影点,并将所述投影点拟合为直线段;
步骤 S312、基于所述直线段,根据K近邻检索方法检索出所述直线段的三角面片,并得出所述三角面片的法向量;
步骤 S313、基于每个三角面片的法向量,计算所述法向量与所述结构线之间的夹角;
步骤 S314、若夹角大于预设的阈值,则确认所述直线段为建筑物的结构线,进行保留;
步骤 S315、若夹角小于预设阈值,则确认所述直线段为纹理线,进行剔除。
具体地,恢复结构线的空间位置包括特征线投影和空间直线拟合两个部分;特征线投影部分为对所述结构线进行离散化得到一系列的离散点,然后将这一系列的离散点所在图像上的空间信息通过共线方程投影至对应的空间位置得到投影点,而使用的所述共线方程为:;
其中,x为像点的横坐标,y为像点的纵坐标;x 0为相机内横轴元素,y 0为相机内纵轴元素,f为相机内竖轴元素;Xs为相机摄影站点的横坐标,Ys为相机摄影站点的纵坐标,Zs为相机摄影站点的竖坐标,X A 为空间投影点的横坐标,Y A 为空间投影点的纵坐标,Z A 为空间投影点的竖坐标;a i 为影像的a方位元素,b i 为影像的b方位元素,c i 为影像的c方位元素;而空间直线拟合为在所述离散点完成投影后,为了恢复这些结构线,采用RANSAC空间直线拟合或最小二乘空间直线拟合算法将这些投影点拟合成为直线段;经过以上线段的提取,能够获得场景中的若干直线段,在这些直线段中除了建筑物的结构线还包含大量的窗户或地面纹理所产生的纹理线;为了对这些无法利用的纹理线进行剔除,运用K近邻检索方法检索出所述直线段附近的三角面片,并在计算出每个三角面片的法向量后,求取这些法向量的平均值,其中,求取法向量的平均值的作用是以局部三角面片法向量的平均值作为该局部区域的法向量,然后计算结构线与法向量的之间的夹角,若夹角大于预设的阈值,则确认所述直线段为建筑物的结构线,进行保留;若夹角小于预设阈值,则确认所述直线段为纹理线,进行剔除。
进一步地,如图 6 所示,所述步骤 S30 中获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点包括:
步骤 S321、将所述离散点作为检索中心点,接收根据空间K近邻检索法检索出所述离散点周围的三角面顶点;
步骤 S322、基于所述三角面顶点,根据三角形关系计算出所述三角面顶点到所述结构线两个端点的距离,并保留距离两个端点最近的第一顶点pt1和第二顶点pt2。
具体地,以恢复空间位置结构线的离散点作为检索中心点,利用空间K近邻检索方法检索出所述离散点附近的三角面顶点,以缩小检索范围;遍历所检索处的所有三角面顶点,然后通过空间中两个坐标已知的点,利用三角形关系(sqrt(x*2+y*2+z*2))计算三角面顶点到所述结构线的两个端点的距离,并保留距离两个端点最近的第一顶点pt1和第二顶点pt2。
步骤 S40、获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标。
如图 7 所示,所述步骤 S40 包括:
步骤 S41、将所述结构线设为轴线并以r为半径,构建缓冲区,其中,所述半径设置为影像平均地面分辨率的5倍;
步骤 S42、基于所述缓冲区,获取所述三维模型上的三角面顶点,并构建无向图;
步骤 S43、基于所述无向图,根据最短路径算法进行空间检索计算出所述第一顶点pt1和所述第二顶点pt2之间的最短路径,并得到点集合pt(i);
步骤 S44、当所述点集合pt(i)中三角面顶点按垂线方向投影至所述三角面顶点对应的结构线上得到垂点时,计算出垂点坐标,并将三角面顶点的坐标更新为所述垂点坐标。
具体地,将所述结构线设为轴线、以r为半径,构建缓冲区,其中,r设置为影像平均地面分辨率的5倍;在所述缓冲区内采用k近邻搜索的方式获取搜索出所述三维模型上所有三角面顶点V=(V1,V2,…,Vn);构建无向图G<V,E>,如果三角面顶点在所述三维模型中邻接,则构建一条边(E),所述边的权重与Mesh模型中的边长成正比;利用Dijkstra算法(最短路径算法)求解所述第一顶点pt1和所述第二顶点pt2之间的最短路径,并得到点集合pt(i),然后遍历所述点集合pt(i)中的所有点,利用被遍历的三角面顶点和其对应的结构线,计算出所述三角面顶点到结构线的垂线方向投影的垂点坐标;将三角面顶点和所述结构线上点S1和点S2的坐标分别设为、、,其中,所述点S1与所述点S2连接构成直线S1S2,且所述三角面顶点在直线S1S2垂线方向投影的垂点坐标为点N,点N的坐标为;基于所述三角面顶点、点S1和点S2,构建出三角形的三条边向量分别为,和,由向量间的垂直关系得到:(1);根据向量共线得到:(2);再根据向量垂距计算公式得到:(3);将其带入求解未知数k,得到:(4);将公式(4)带入公式(3)中求解出xn、yn和zn,即垂点N的坐标,将所述三维模型中被遍历的三角面顶点的坐标更新为对应N的坐标,即完成点位的更新。
其中,x0为点的横坐标,y0为点的纵坐标,z0为点的竖坐标,x1为点S1的横坐标,y1为点S1的纵坐标,z1为点S1的竖坐标,x2为点S2的横坐标,y2为点S2的纵坐标,z2为点S2的竖坐标,xn为点N的横坐标,yn为点N的纵坐标,zn为点N的竖坐标,k为未知数。
进一步地,如图 8 所示,本发明中建筑物的三维模型优化方法的整个流程如下:
步骤 S1,多视立体卫星影像生产建筑物的三维模型;
步骤 S2,获取无人机影像;
步骤 S3,从所述无人机影像中提取建筑物的结构线;
步骤 S4,恢复所述结构线在空间中的位置;
步骤 S5,对所述结构线进行过滤;
步骤 S6,检索所述三维模型上距离所述结构线的两个端点最近的三角面顶点;
步骤 S7,搜索两个三角面顶点之间的最短路径;
步骤 S8,将所述最短路径上的三角面顶点的坐标更新为其在结构线上的投影点的坐标。
进一步地,如图9所示,基于上述建筑物的三维模型优化方法,本发明还相应提供了一种智能终端,所述智能终端包括处理器10、存储器20及显示器30。图9仅示出了智能终端的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述智能终端的内部存储单元,例如智能终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述智能终端的外部存储设备,例如所述智能终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器20还可以既包括所述智能终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述智能终端的应用软件及各类数据,例如所述安装智能终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器20上存储有建筑物的三维模型优化程序40,该建筑物的三维模型优化程序40可被处理器10所执行,从而实现本申请中建筑物的三维模型优化方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行所述存储器20中存储的程序代码或处理数据,例如执行所述建筑物的三维模型优化方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。所述显示器30用于显示在所述智能终端的信息以及用于显示可视化的用户界面。所述智能终端的部件10-30通过***总线相互通信。
在一实施例中,当处理器10执行所述存储器20中建筑物的三维模型优化程序40时实现以下步骤:
采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型;
获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线;
恢复所述结构线的空间位置,对所述结构线进行过滤处理,并获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点;
获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标。
其中,所述采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型,具体包括:
获取高分辨率多光谱DOM影像和高精度DSM影像;
基于所述高分辨率多光谱DOM影像提取出建筑物,对所述建筑物内的所述高精度DSM影像进行重采样以恢复空间点云;
将所述空间点云运用二次线性插值法进行加密得到密集点云,基于所述密集点云通过构网算法重建所述建筑物的三维模型。
其中,所述获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线,具体包括:
获取指定区域内建筑物的建筑物影像,提取出所述建筑物影像中的灰度图像;
对所述灰度图像进行边缘绘制算法处理后,生成一套像素相邻的边缘像素链;
根据最小二乘直线拟合法从所述边缘像素链中提取出结构线,并采用亥姆霍兹原理消除错误的线段。
其中,所述恢复所述结构线的空间位置,对所述结构线进行过滤处理,具体包括:
对所述结构线进行离散化得到离散点,基于所述离散点所在图像上的空间信息,将所述离散点通过共线方程投影至对应的空间位置得到投影点,并将所述投影点拟合为直线段;
基于所述直线段,根据K近邻检索方法检索出所述直线段的三角面片,并得出所述三角面片的法向量;
基于每个三角面片的法向量,计算所述法向量与所述结构线之间的夹角;
若夹角大于预设的阈值,则确认所述直线段为建筑物的结构线,进行保留;
若夹角小于预设阈值,则确认所述直线段为纹理线,进行剔除。
其中,所述共线方程为:
其中,x为像点的横坐标,y为像点的纵坐标;x 0为相机内横轴元素,y 0为相机内纵轴元素,f为相机内竖轴元素;Xs为相机摄影站点的横坐标,Ys为相机摄影站点的纵坐标,Zs为相机摄影站点的竖坐标,X A 为空间投影点的横坐标,Y A 为空间投影点的纵坐标,Z A 为空间投影点的竖坐标;a i 为影像的a方位元素,b i 为影像的b方位元素,c i 为影像的c方位元素。
其中,所述获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点,具体包括:
将所述离散点作为检索中心点,接收根据空间K近邻检索法检索出所述离散点周围的三角面顶点;
基于所述三角面顶点,根据三角形关系计算出所述三角面顶点到所述结构线两个端点的距离,并保留距离两个端点最近的第一顶点pt1和第二顶点pt2。
其中,所述获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标,具体包括:
将所述结构线设为轴线并以r为半径,构建缓冲区,其中,所述半径设置为影像平均地面分辨率的5倍;
基于所述缓冲区,获取所述三维模型上的三角面顶点,并构建无向图;
基于所述无向图,根据最短路径算法进行空间检索计算出所述第一顶点pt1和所述第二顶点pt2之间的最短路径,并得到点集合pt(i);
当所述点集合pt(i)中三角面顶点按垂线方向投影至所述三角面顶点对应的结构线上得到垂点时,计算出垂点坐标,并将三角面顶点的坐标更新为所述垂点坐标。
其中,所述计算出垂点坐标的计算过程具体为:
求解得到投影坐标N点的坐标;
其中,x0为点的横坐标,y0为点的纵坐标,z0为点的竖坐标,x1为点S1的横坐标,y1为点S1的纵坐标,z1为点S1的竖坐标,x2为点S2的横坐标,y2为点S2的纵坐标,z2为点S2的竖坐标,xn为点N的横坐标,yn为点N的纵坐标,zn为点N的竖坐标,k为未知数。
本发明还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储有建筑物的三维模型优化程序,所述建筑物的三维模型优化程序被处理器执行时实现如上所述的建筑物的三维模型优化方法的步骤。
综上所述,本发明提供一种建筑物的三维模型优化方法,所述方法包括:采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型;获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线;恢复所述结构线的空间位置,对所述结构线进行过滤处理,并获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点;获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标。本发明对传统的基于高分辨立体测绘卫星影像进行建筑物三维重建方案进行了改进,首先利用多视立体卫星影像生产试验区域的LOD2级建筑物三维模型;然后从相应区域的无人机影像中提取建筑物结构线,恢复结构线的空间位置,并过滤掉纹理线;最后利用恢复空间位置的结构线对建筑物三维模型的进行优化,以获取精度更高、视觉效果更好的LOD2级建筑物三维模型。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的计算机可读存储介质中,所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种建筑物的三维模型优化方法,其特征在于,所述建筑物的三维模型优化方法包括:
采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型;
获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线;
恢复所述结构线的空间位置,对所述结构线进行过滤处理,并获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点;
获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标。
2.根据权利要求1所述的建筑物的三维模型优化方法,其特征在于,所述采集多视立体卫星影像,基于所述多视立体卫星影像重建建筑物三维模型,具体包括:
获取高分辨率多光谱DOM影像和高精度DSM影像;
基于所述高分辨率多光谱DOM影像提取出建筑物,对所述建筑物内的所述高精度DSM影像进行重采样以恢复空间点云;
将所述空间点云运用二次线性插值法进行加密得到密集点云,基于所述密集点云通过构网算法重建所述建筑物的三维模型。
3.根据权利要求1所述的建筑物的三维模型优化方法,其特征在于,所述获取指定区域内建筑物的建筑物影像,基于所述建筑物影像提取所述建筑物影像中建筑物的结构线,具体包括:
获取指定区域内建筑物的建筑物影像,提取出所述建筑物影像中的灰度图像;
对所述灰度图像进行边缘绘制算法处理后,生成一套像素相邻的边缘像素链;
根据最小二乘直线拟合法从所述边缘像素链中提取出结构线,并采用亥姆霍兹原理消除错误的线段。
4.根据权利要求1所述的建筑物的三维模型优化方法,其特征在于,所述恢复所述结构线的空间位置,对所述结构线进行过滤处理,具体包括:
对所述结构线进行离散化得到离散点,基于所述离散点所在图像上的空间信息,将所述离散点通过共线方程投影至对应的空间位置得到投影点,并将所述投影点拟合为直线段;
基于所述直线段,根据K近邻检索方法检索出所述直线段的三角面片,并得出所述三角面片的法向量;
基于每个三角面片的法向量,计算所述法向量与所述结构线之间的夹角;
若夹角大于预设的阈值,则确认所述直线段为建筑物的结构线,进行保留;
若夹角小于预设阈值,则确认所述直线段为纹理线,进行剔除。
6.根据权利要求4所述的建筑物的三维模型优化方法,其特征在于,所述获取所述三维模型与所述结构线的端点距离最短的第一顶点和第二顶点,具体包括:
将所述离散点作为检索中心点,接收根据空间K近邻检索法检索出所述离散点周围的三角面顶点;
基于所述三角面顶点,根据三角形关系计算出所述三角面顶点到所述结构线两个端点的距离,并保留距离两个端点最近的第一顶点pt1和第二顶点pt2。
7.根据权利要求1所述的建筑物的三维模型优化方法,其特征在于,所述获取所述第一顶点和所述第二顶点之间的最短路径,将所述最短路径上三角面顶点的坐标更新为所述三角面顶点在所述结构线的投影点坐标,具体包括:
将所述结构线设为轴线并以r为半径,构建缓冲区,其中,所述半径设置为影像平均地面分辨率的5倍;
基于所述缓冲区,获取所述三维模型上的三角面顶点,并构建无向图;
基于所述无向图,根据最短路径算法进行空间检索计算出所述第一顶点pt1和所述第二顶点pt2之间的最短路径,并得到点集合pt(i);
当所述点集合pt(i)中三角面顶点按垂线方向投影至所述三角面顶点对应的结构线上得到垂点时,计算出垂点坐标,并将三角面顶点的坐标更新为所述垂点坐标。
8.根据权利要求6所述的建筑物的三维模型优化方法,其特征在于,所述计算出垂点坐标的计算过程具体为:
求解得到投影坐标N点的坐标;
9.一种智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的建筑物的三维模型优化程序,所述建筑物的三维模型优化程序被所述处理器执行时实现如权利要求1-8任意一项所述建筑物的三维模型优化方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机可读存储介质存储有建筑物的三维模型优化程序,所述建筑物的三维模型优化程序被处理器执行时实现如权利要求1-8任意一项所述建筑物的三维模型优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210819365.1A CN114896679B (zh) | 2022-07-13 | 2022-07-13 | 一种建筑物的三维模型优化方法、智能终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210819365.1A CN114896679B (zh) | 2022-07-13 | 2022-07-13 | 一种建筑物的三维模型优化方法、智能终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114896679A true CN114896679A (zh) | 2022-08-12 |
CN114896679B CN114896679B (zh) | 2022-10-04 |
Family
ID=82729562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210819365.1A Active CN114896679B (zh) | 2022-07-13 | 2022-07-13 | 一种建筑物的三维模型优化方法、智能终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114896679B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115409941A (zh) * | 2022-08-31 | 2022-11-29 | 中南大学 | 一种三维道路场景中三维地物模型融合方法及其*** |
CN115982542A (zh) * | 2023-03-21 | 2023-04-18 | 湖北泰跃卫星技术发展股份有限公司 | 土地之间相邻关系的计算方法、计算设备及存储介质 |
CN116342848A (zh) * | 2023-03-28 | 2023-06-27 | 云阳县优多科技有限公司 | 一种玩具的智能制造方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269472A (zh) * | 2018-08-08 | 2019-01-25 | 广州市城市规划勘测设计研究院 | 倾斜摄影测量建筑物特征线提取方法、装置与存储介质 |
CN110838129A (zh) * | 2019-11-18 | 2020-02-25 | 四川视慧智图空间信息技术有限公司 | 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法 |
WO2021197341A1 (zh) * | 2020-04-03 | 2021-10-07 | 速度时空信息科技股份有限公司 | 一种基于单目影像的道路标志标线的更新方法 |
CN113516771A (zh) * | 2021-06-21 | 2021-10-19 | 深圳市武测空间信息有限公司 | 一种基于实景三维模型的建筑物变化特征提取方法 |
CN114119884A (zh) * | 2021-11-09 | 2022-03-01 | 中国科学院空天信息创新研究院 | 一种基于高分七号卫星影像的建筑物lod1模型构建方法 |
CN114255314A (zh) * | 2022-02-28 | 2022-03-29 | 深圳大学 | 一种规避遮挡的三维模型自动纹理映射方法、***及终端 |
CN114359437A (zh) * | 2021-11-02 | 2022-04-15 | 杭州富阳富创大数据产业创新研究院有限公司 | 基于点云的建筑结构二维平面图重建方法 |
-
2022
- 2022-07-13 CN CN202210819365.1A patent/CN114896679B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269472A (zh) * | 2018-08-08 | 2019-01-25 | 广州市城市规划勘测设计研究院 | 倾斜摄影测量建筑物特征线提取方法、装置与存储介质 |
CN110838129A (zh) * | 2019-11-18 | 2020-02-25 | 四川视慧智图空间信息技术有限公司 | 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法 |
WO2021197341A1 (zh) * | 2020-04-03 | 2021-10-07 | 速度时空信息科技股份有限公司 | 一种基于单目影像的道路标志标线的更新方法 |
CN113516771A (zh) * | 2021-06-21 | 2021-10-19 | 深圳市武测空间信息有限公司 | 一种基于实景三维模型的建筑物变化特征提取方法 |
CN114359437A (zh) * | 2021-11-02 | 2022-04-15 | 杭州富阳富创大数据产业创新研究院有限公司 | 基于点云的建筑结构二维平面图重建方法 |
CN114119884A (zh) * | 2021-11-09 | 2022-03-01 | 中国科学院空天信息创新研究院 | 一种基于高分七号卫星影像的建筑物lod1模型构建方法 |
CN114255314A (zh) * | 2022-02-28 | 2022-03-29 | 深圳大学 | 一种规避遮挡的三维模型自动纹理映射方法、***及终端 |
Non-Patent Citations (5)
Title |
---|
BO WU 等: "Integration of aerial oblique imagery and terrestrial imagery for optimized 3D modeling in urban areas", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 * |
LINFU XIE 等: "Combined Rule-Based and Hypothesis-Based Method for Building Model Reconstruction from Photogrammetric Point Clouds", 《REMOTE SENSING》 * |
朱庆 等: "三角网模型多目标加权最短路径的特征线提取", 《西南交通大学学报》 * |
朱庆 等: "基于帧缓存的多角度影像精细纹理映射方法", 《西南交通大学学报》 * |
杜建丽 等: "建筑点云几何模型重建方法研究进展", 《遥感学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115409941A (zh) * | 2022-08-31 | 2022-11-29 | 中南大学 | 一种三维道路场景中三维地物模型融合方法及其*** |
CN115982542A (zh) * | 2023-03-21 | 2023-04-18 | 湖北泰跃卫星技术发展股份有限公司 | 土地之间相邻关系的计算方法、计算设备及存储介质 |
CN115982542B (zh) * | 2023-03-21 | 2023-08-29 | 湖北泰跃卫星技术发展股份有限公司 | 土地之间相邻关系的计算方法、计算设备及存储介质 |
CN116342848A (zh) * | 2023-03-28 | 2023-06-27 | 云阳县优多科技有限公司 | 一种玩具的智能制造方法及*** |
CN116342848B (zh) * | 2023-03-28 | 2024-02-02 | 云阳县优多科技有限公司 | 一种玩具的智能制造方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114896679B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114896679B (zh) | 一种建筑物的三维模型优化方法、智能终端及存储介质 | |
CN111247561B (zh) | 一种基于拍照重建三维空间场景的方法 | |
US9025861B2 (en) | System and method for floorplan reconstruction and three-dimensional modeling | |
WO2020206903A1 (zh) | 影像匹配方法、装置及计算机可读存储介质 | |
CN109416843A (zh) | 实时高度映射 | |
Eo et al. | Coregistration of terrestrial lidar points by adaptive scale-invariant feature transformation with constrained geometry | |
Maurer et al. | Tapping into the Hexagon spy imagery database: A new automated pipeline for geomorphic change detection | |
Alidoost et al. | An image-based technique for 3D building reconstruction using multi-view UAV images | |
US11209277B2 (en) | Systems and methods for electronic mapping and localization within a facility | |
CN113689535B (zh) | 基于无人机影像的建筑物模型的生成方法和装置 | |
Kuschk | Large scale urban reconstruction from remote sensing imagery | |
CN115272494B (zh) | 相机与惯性测量单元的标定方法、装置和计算机设备 | |
CN113566793A (zh) | 基于无人机倾斜影像的真正射影像生成方法和装置 | |
Cosido et al. | Hybridization of convergent photogrammetry, computer vision, and artificial intelligence for digital documentation of cultural heritage-a case study: the magdalena palace | |
JP4568845B2 (ja) | 変化領域認識装置 | |
CN113077552A (zh) | 基于无人机影像的dsm生成方法和装置 | |
Zhu et al. | Propagation strategies for stereo image matching based on the dynamic triangle constraint | |
CN112002007A (zh) | 基于空地影像的模型获取方法及装置、设备、存储介质 | |
Verhoeven | Getting computer vision airborne: using structure from motion for accurate orthophoto production | |
Haggag et al. | Towards automated generation of true orthoimages for urban areas | |
CN111583331B (zh) | 用于同时定位和地图构建的方法及装置 | |
Nakagawa | Point cloud clustering using panoramic layered range image | |
JP3966419B2 (ja) | 変化領域認識装置および変化認識システム | |
Previtali et al. | An automatic multi-image procedure for accurate 3D object reconstruction | |
CN111127474B (zh) | 机载LiDAR点云辅助的正射影像镶嵌线自动选取方法及*** |
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 |