CN115222902A - 一种立体域分级多尺度敏捷空间格网码方法及*** - Google Patents
一种立体域分级多尺度敏捷空间格网码方法及*** Download PDFInfo
- Publication number
- CN115222902A CN115222902A CN202210703563.1A CN202210703563A CN115222902A CN 115222902 A CN115222902 A CN 115222902A CN 202210703563 A CN202210703563 A CN 202210703563A CN 115222902 A CN115222902 A CN 115222902A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- data
- speed field
- coordinate system
- grid
- 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
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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- 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
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种立体域分级多尺度敏捷空间格网码方法及***,包括:步骤1:获取高速场时空数据;步骤2:实现高速场三维场图的初步构建;步骤3:对高速场地理空间数据进行进一步加载、渲染;步骤4:对高速场地理空间数据进行编码;步骤5:通过算法实现北斗网格码的再分割;步骤6:构建坐标系;步骤7:对高速场不同的三维引擎空间接口进行统一封装,形成统一地图API。通过使用网格码编码机制,本发明通过调节适用的定位精度去定位物体,极大节约了电脑算力。本发明采用复合二进制定位坐标,进一步节约了计算机的算力资源,在面对海量数据的时候尤为明显。北斗网格码二进制坐标系,使得在面对庞大的信息检索的时候能够极大的提升搜索效率。
Description
技术领域
本发明涉及深度学习相关算法,通过无人机实测构建立体的网格立体域图像,实现了对人、服务车与被服务车的分级定位精度。
背景技术
现在国内公路的设计还主要采用传统的CAD将公路的平面、纵断面及横断面设计数据来为公路设计提供三维位置。这种方式虽然能够使设计人员可以快速的掌握公路的关键指标,但是庞大的十进制坐标数据、海量的移动及非移动物体在均衡的坐标尺度影响着计算机的处理效率。此种传统的设计方式已经慢慢变得不适应当今迅猛发展的公路建设。
如今,北斗卫星体系的迅猛发展推升出了网格码划分体系的出现及应用,北斗网格码不仅通过“一码标记全球”解决了传统地理信息技术的难题,有力推动了“数字地球”设想中的准三维模拟地球向真三维数字地球转变,也在信息查询索引、数据整合共享、高精度位置服务等应用层面发挥着不可比拟的优势,具有广阔的发展前景。
发明内容
针对现有技术的不足,本发明提供了一种立体域分级多尺度敏捷空间格网码方法;
本发明将二进制坐标系引入北斗高精度定位之中,以实现计算机对复杂数据的快速处理,同时引入网格码技术在高速公路两侧建立分级空域,划分了多尺度的网格区域以实现不同精度的定位,满足了不同需求,提升了计算效率并且优化了算法,从而能够得到广泛的实际运用。
本发明还提供了一种立体域分级多尺度敏捷空间格网码***。
术语解释:
1、摄影测量软件VirtuoZo:是适普软件有限公司与武汉大学遥感学院共同研制的全数字摄影测量***,属世界同类产品的五大名牌之一。此***是基于WindowsNT的全数字摄影测量***,利用数字影像或数字化影像完成摄影测量作业。由计算机视觉(其核心是影像匹配与影像识别)代替人眼的立体量测与识别,不再需要传统的光机仪器。
2、三维引擎OpenCV:一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作***上。它轻量级而且高效——由一系列C函数和少量C++类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
本发明的技术方案为:
一种立体域分级多尺度敏捷空间格网码方法,包括:
步骤1:获取高速场时空数据;高速场时空数据包括高速场的矢量、影像、地形、建筑、倾斜摄影、生物信息;
步骤2:通过步骤1获取的高速场时空数据,实现高速场三维场图的初步构建;
步骤3:对高速场时空数据进行进一步加载、渲染;
步骤4:根据北斗网格码对高速场地理空间数据进行编码;
步骤5:通过算法实现北斗网格码的再分割;
步骤6:构建坐标系,以高速场某一点作为三维坐标系的原点,x轴与y轴使用二进制坐标系,z轴使用传统坐标系。
步骤7:对高速场不同的三维引擎空间接口进行统一封装,形成统一地图API,用以对外提供统一的API接口。
根据本发明优选的,步骤1中,获取高速场时空数据;获取高速场时空数据的设备包括信息采集端、信息计算端、红外探测端和信息分析端;
信息采集端用于:采集矢量、影像、地形、建筑、倾斜摄影;信息计算端用于:计算所采集地形的信息,包括山地地形和高速公路地形;红外探测端用于:发射红外能量并将其转换为电信号,探测路段上的生物信息;信息分析端用于:分析所计算地形建筑,记录高速路和建筑物的尺寸规模等比例缩放信息。
根据本发明优选的,步骤2中,摄影测量软件VirtuoZo通过不同角度的图片与视频信息,提取每帧图像,进行预处理,预处理包括:调整图像大小、亮度、对比度和动态范围。
根据本发明优选的,步骤2中,预处理后通过摄影测量软件VirtuoZo实现高速场三维场图的初步构建,具体包括:
根据第t-1帧采集图像中的至少一个二维线段的观测位置,通过VirtuoZo确定该至少一个二维线段在第t帧采集图像中的预测位置,其中,采集图像为目标环境的二维图像,二维线段对应目标环境的三维线图中的三维线段,t为大于1的整数;
根据至少一个二维线段在第t帧采集图像中的预测位置,通过VirtuoZo分别确定各个二维线段在第t帧采集图像中的观测位置;
根据各个二维线段在第t帧采集图像中的观测位置,更新目标环境的三维场图。
根据本发明优选的,步骤3中,利用三维引擎OpenCV对高速场地理空间数据进行进一步加载、渲染,具体包括:
接收将根据VirtuoZo初步构建的封闭高速场的三维场图的漫游观测点从第一观测点切换至第二观测点的第一输入,确定渲染素材的存储状态,即确定本地存储区间内是否存储有第二观测点的三维场图的渲染素材,即确定第二观测点的三维场图的渲染素材的加载状态;
根据渲染素材的存储状态,确定用于渲染三维场图的第二观测点的目标渲染素材,并根据目标渲染素材渲染三维场图中的第二观测点;
响应第一输入,显示第二观测点的虚拟现实场景。
进一步优选的,向云服务器发送素材加载请求,以请求加载渲染素材,接收云服务器发送的渲染素材,并将该渲染素材作为目标渲染素材,对三维场图中的第二观测点进行渲染,从而得到第二观测点的虚拟现实场景。
进一步优选的,接收云服务器发送的渲染素材后,根据第二观测点的名称关键词对该渲染素材进行命名,建立该渲染素材与第二观测点之间的对应关系,进而将该渲染素材存储至素材数据库中。以便下次直接调用该渲染素材渲染三维模型。
根据本发明优选的,步骤4中,根据北斗网格码对高速场地理空间数据进行编码,具体是指:在封闭的高速场上,将一片区域通过固定大小的网格分割成若干块区域,通过二进制编码对每个区域的网格进行定位。
根据本发明优选的,步骤5中,通过算法实现北斗网格码的再分割,具体是指:将步骤4中划分的若干区域的网格,通过等距离进一步分割。
根据本发明优选的,步骤6中,构建坐标系(基于北斗网格码的三维立体坐标系),具体是指:
以网格码为基础构建的三维场图的二进制坐标系通过取整的方式按照实际需要换算成传统坐标系;
设x轴边长为a,y轴边长为b,m1、m2…mk和n1、n2…nk表示在x轴和y轴不同级别网格分割定位距离的数量,边长l1、l2…lk-1,k为分割的网格级别数,floor函数表示向下取整;各网格边长计算如公式(Ⅰ)、(Ⅱ)所示:
传统坐标系横坐标X和纵坐标Y计算如公式(Ⅲ)、(IV)所示:
一种立体域分级多尺度敏捷空间格网码***,包括:
高速场时空数据获取模块,被配置为,获取高速场时空数据;
三维场图初步构建模块,被配置为,通过获取的高速场时空数据,实现高速场三维场图的初步构建;
数据加载模块,被配置为,利用三维引擎对高速场时空数据进行加载、渲染;
数据编码模块,被配置为,根据北斗网格码对高速场地理空间数据进行编码;
北斗网格码再分割模块,被配置为,通过算法实现北斗网格码的再分割;
坐标系构建模块,被配置为,构建坐标系,以高速场某一点作为三维坐标系的原点,x轴与y轴使用二进制坐标系,z轴使用传统坐标系;
重写数据模块,被配置为,用于根据接入的不同三维引擎,对编码后的地理空间数据进行重写;
统一地图API模块,被配置为,对不同三维引擎的接口进行统一封装,用以对外提供统一的API接口;
存储器,被配置为,用于存储高速场地理空间数据,包括空间特征数据、属性特征数据、时态数据;空间特征数据是地物在地理空间中的位置,包括地物本身的地理位置,以及多个地物之间的位置相互关系或空间关系;属性特征数据是描述地物的自然或人文属性的定性/定量指标数据;时态数据是地理空间数据采集/地理现象发生的时刻/时段。
本发明的有益效果为:
1、与追求高精度定位的一般坐标划分不同,通过使用网格码编码机制,本发明通过调节适用的定位精度去定位物体。与传统的GPS高精度定位物体相比,极大节约了电脑算力。
2、本发明采用复合二进制定位坐标,与传统坐标系相比,无需将十进制坐标转换成二进制,再进行存储和变换,进一步节约了计算机的算力资源,在面对海量数据的时候尤为明显。
3、北斗网格码二进制坐标系,通过遵循适用原则,对于需要高精度定位的物体通过增加网格级数来提高精度,对于不需要的仅需少量级数资源,使得在面对庞大的信息检索的时候能够极大的提升搜索效率。
附图说明
图1为网格码二进制坐标与传统经纬度坐标查阅时间量级对比示意图;
图2为本发明的基于北斗网格码的三维立体坐标系的构建流程示意图;
图3为本发明的基于北斗网格码的三维立体坐标系的构建的模块连接关系示意图;
图4为三维场图的初步构建的流程示意图;
图5为三维场图进一步构建、渲染的流程示意图;
图6为封闭高速场的三维二进制网格码的俯视图;
图7为封闭高速场的三维二进制网格码的横截面图;
图8为封闭高速场的三维二进制网格码的侧视图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定,但不限于此。
实施例1
一种立体域分级多尺度敏捷空间格网码方法,包括:
步骤1:通过无人机扫描获取高速场时空数据;高速场时空数据包括高速场的矢量、影像、地形、建筑、倾斜摄影、生物信息;
步骤2:将无人机扫描的高速场地理信息,在摄影测量软件VirtuoZo上,通过步骤1获取的高速场时空数据,实现高速场三维场图的初步构建;
步骤3:利用三维引擎OpenCV对高速场时空数据进行进一步加载、渲染;
步骤4:根据北斗网格码对高速场地理空间数据进行编码;
步骤5:通过算法实现北斗网格码的再分割;
步骤6:构建坐标系,以高速场某一点作为三维坐标系的原点,x轴与y轴使用二进制坐标系,z轴使用传统坐标系;
步骤7:对高速场不同的三维引擎空间接口进行统一封装,形成统一地图API,用以对外提供统一的API接口。
本发明先对高速公路进行以北斗网格码和复合坐标系进行空间分析,通过将地理空间信息数据轻量化、离散化、网格化,融合后进行打码入库,有效提供高效的空间分析能力,同时构建一个特殊的坐标系分为以二进制坐标系和传统坐标系构成的x轴、y轴和z轴三维敏捷空间;封装一个对三维引擎和北斗网格码规则编码后的数据提供全新的空间分析接口,通过数据编码、数据加载、重写数据来建立统一地图API。
通过构建立体域分级多尺度空间网格码,使得对应不同的物体能够分级对应不同精度的网格码,相比于均衡坐标系的相同定位精度,极大地节约了计算机的存储资源、提高了运行速率。而于二进制三维立体坐标系的结合,将定位坐标转换成计算机的专用语言,更进一步地提高了效率。在实际公路项目中得到较好地运用说明了此立体域分级多尺度敏捷空间格网码的可行性和先进性。
实施例2
根据实施例1所述的一种立体域分级多尺度敏捷空间格网码方法,其区别在于:
步骤1中,通过无人机扫描获取高速场时空数据;
以无人机作为空中平台,以机载遥感设备,如高分辨率CCD数码相机、轻型光学相机、红外扫描仪,激光扫描仪、磁测仪等获取高速场时空数据。
获取高速场时空数据的设备包括信息采集端、信息计算端、红外探测端和信息分析端;
信息采集端用于:采集矢量、影像、地形、建筑、倾斜摄影;矢量,例如,方向路标;影像是指人、车、建筑物的阴影;地形是指山地地形以及路面情况;倾斜摄影是指从不同角度对人、车、建筑物进行摄影;
信息计算端用于:计算所采集地形的信息,包括山地地形和高速公路地形;山地地形包括山地形状、颜色以及各物体的分布;高速公路地形包括高速公路的外观、信号表示、线路以及弯曲程度;
红外探测端用于:发射红外能量并将其转换为电信号,探测路段上的生物信息;生物信息是指人和生物的定位;
信息分析端用于:分析所计算地形建筑,记录高速路和建筑物的尺寸规模等比例缩放信息。
步骤2中,摄影测量软件VirtuoZo通过计算机视觉(其核心是影像匹配与影像识别)代替人眼的立体量测与识别,通过不同角度的图片与视频信息,提取每帧图像,进行预处理,预处理包括:调整图像大小、亮度、对比度和动态范围。
步骤2中,预处理后通过摄影测量软件VirtuoZo实现高速场三维场图的初步构建,如图4所示,具体包括:
根据第t-1帧采集图像中的至少一个二维线段的观测位置,通过VirtuoZo确定该至少一个二维线段在第t帧采集图像中的预测位置,其中,采集图像为图像采集设备采集的目标环境的二维图像,二维线段对应目标环境的三维线图中的三维线段,t为大于1的整数;
根据至少一个二维线段在第t帧采集图像中的预测位置,通过VirtuoZo分别确定各个二维线段在第t帧采集图像中的观测位置;
根据各个二维线段在第t帧采集图像中的观测位置,更新目标环境的三维场图。
步骤3中,利用三维引擎OpenCV对高速场地理空间数据进行进一步加载、渲染,如图5所示,具体包括:
接收将根据VirtuoZo初步构建的封闭高速场的三维场图的漫游观测点从第一观测点切换至第二观测点的第一输入,确定渲染素材的存储状态,即确定本地存储区间内是否存储有第二观测点的三维场图的渲染素材,即确定第二观测点的三维场图的渲染素材的加载状态;
根据渲染素材的存储状态,确定用于渲染三维场图的第二观测点的目标渲染素材,并根据目标渲染素材渲染三维场图中的第二观测点;
响应第一输入,显示第二观测点的虚拟现实场景。
通过三维模型漫游的方式对封闭高速场现实场景进行显示时,三维场图的显示界面包括多个漫游观测点,不同的漫游观测点对应不同的三维场景,用户可以通过切换不用的漫游观测点查看不用位置的三维场景。第一观测点指示第一位置三维场景,第二观测点指示第二位置三维场景,通过将三维场图的漫游观测点由第一观测点切换至第二观测点,将三维场景的显示位置由第一位置切换至第二位置,第一输入为用户对三维场图显示界面中的目标观测点即第二观测点的输入操作,目标观测点对应目标位置下的三维场景。
向云服务器发送素材加载请求,以请求加载渲染素材,接收云服务器发送的渲染素材,并将该渲染素材作为目标渲染素材,对三维场图中的第二观测点进行渲染,从而得到第二观测点的虚拟现实场景。
接收云服务器发送的渲染素材后,根据第二观测点的名称关键词对该渲染素材进行命名,建立该渲染素材与第二观测点之间的对应关系,进而将该渲染素材存储至素材数据库中。以便下次直接调用该渲染素材渲染三维模型。
可以理解的是,渲染素材的分辨率和渲染素材的质量成反比,渲染素材的质量和虚拟现实场景的质量成正比,虚拟现实场景的质量又和三维模型的渲染时间成正比。也就是说,渲染素材的分辨率越高,通过该渲染素材渲染三维模型所需要的时间就越长,渲染素材的分辨率越低,通过该渲染素材渲染三维模型所需要的时间就越短。
将三维模型的漫游观测点从第一观测点切换至第二观测点的第一输入时,通过处理单元确定渲染素材的存储状态,进而根据渲染素材的存储状态确定用于渲染三维模型的第二观测点的目标渲染素材,并根据目标渲染素材渲染三维模型中的第二观测点,以通过显示单元显示第二观测点的场景。这样,根据渲染素材的存储状态获取对应的目标渲染素材渲染三维模型,可有效减少三维模型的渲染时间,进而减少了用户等待加载虛拟现实场景的时间,保证用户可及时查看到目标观测点的虚拟现实场景。
上述方法在接收到切换三维模型的漫游观测点的第一输入时,根据渲染素材的存储状态获取对应的目标渲染素材渲染三维模型,可有效减少三维模型的渲染时间,进而减少了用户等待加载虚拟现实场景的时间,保证用户可及时查看到目标观测点的虚拟现实场景。
三维引擎OpenCV作为VirtuoZo,构建高速场三维立体场图,偏向于对抽象的点、线、面表达,精细化渲染能力不足的一种补充,用于更具体的再现高速场环境,满足实际需求。精细化渲染能够更加真实的再现实际环境,同时也需要更多的数据来完善,由此,需建立数据库。
步骤4中,根据北斗网格码对高速场地理空间数据进行编码,具体是指:在封闭的高速场上,将一片区域通过固定大小的网格分割成若干块区域,通过二进制编码对每个区域的网格进行定位。
步骤5中,通过算法实现北斗网格码的再分割,具体是指:将步骤4中划分的若干区域的网格,通过等距离进一步分割。之后通过二进制复合坐标系表示。
对于每一个分割的网格,在进行定位编码,用以实现不同物体对于定位精度的差异化要求,相比于各物体的均衡的定位精度,能极大提升电脑的运行速率与信息查阅效率。
以1cm为最小的网格边长,来进行对空间按1:5比例大小进行由大到小的分割,通过不同体积,速率和特殊应用场景进行差别化的定位精度处理,在通过二进制复合坐标系来表示定位信息。差别化定位精度定位所带来的资源优化利用与计算机更易处理的二进制语言的复合坐标系提升了计算机对高速场定位信息处理的效率与速度。
步骤6中,构建坐标系(基于北斗网格码的三维立体坐标系),如图2所示,以高速场某一点作为三维坐标系的原点,x轴与y轴使用二进制坐标系,z轴使用传统坐标系,具体是指:
以网格码为基础构建的三维场图的二进制坐标系通过取整的方式按照实际需要换算成传统坐标系;
设x轴边长为a,y轴边长为b,m1、m2…mk和n1、n2…nk表示在x轴和y轴不同级别网格分割定位距离的数量,边长l1、l2…lk-1,k为分割的网格级别数,floor函数表示向下取整;各网格边长计算如公式(Ⅰ)、(Ⅱ)所示:
传统坐标系横坐标X和纵坐标Y计算如公式(Ⅲ)、(IV)所示:
将不同级别数网格的边长大小与其数量进行相乘之后累加,得到的长度就近似于物体的实际定位距离,随着网格划分级数越大,得到的数值与真实数值的误差越小,精度越高。通过构建三维二进制坐标系用以代替传统经纬度坐标系,将定位信息转化为计算机通用语言以达到更进一步地提升计算机的运行效率。
如图6中俯视图中房屋H1以1公里为坐标精度的传统坐标为(50,50),若用网格码坐标系一级坐标为边长20km的正方形网格,二级坐标系是将一级坐标系其中一个网格均等划分成25格,每个正方形小格边长为4km,按此方法,地图网格可以无限分割。
构建完二进制网格码坐标***之后,得对编码后的地理空间数据的调用进行重写,进行空间类型的时候要进行拦截和替换,使用统一API,来统一负责调用,并将负责且耗时的处理交给北斗网格数据编码来负责。
步骤7中,通过读取API接口的第一接口配置文件,自动获取API接口的接口名称、接口请求类型、样例请求参数和样例返回参数。将本机配置文件中对应所述接口请求类型的超时和拦截方式添加到所述第一接口配置文件中,生成第二接口配置文件。将配置文件中API目录信息添加到API目录文件中,在所述API目录文件中扫描并匹配待调用API接口的调用方式、接口名称和接口请求类型,扫描信息匹配成功后,根据所述样例请求参数调用API接口,将API接口的返回参数与样例返回参数进行匹配,若匹配成功,则将第二接口配置文件作为新的配置文件,封装调用结束。
在济南市中国科学院空天信息创新研究院,通过在山东省设立的立体域多尺度二进制坐标系北斗网格码进行数据的查阅与采集,通过与某平台的GPS传统坐标系定位数据查阅的时间量级进行了对比,结果如图1所示,通过两个体系查阅时间量级进行对比,可以发现传统的GPS经纬度坐标系定位所消耗的时间远大于立体域分级多尺度二进制坐标系北斗网格码定位,由此也应证了对于该体系功能的假设。
图6为封闭高速场的三维二进制网格码的俯视图,图6构建了一个长为100公里的拐弯后的长度也为100公里、宽为4.7m的高速公路区域所组成的封闭高速场。该高速场的x轴与y轴的坐标采用二进制编码,通过计算机普遍使用的二进制编码,在计算的时候无需转码,即可运算,极大提高计算机的运算速率和节约了计算时间。
图6中,高速公路上有一辆汽车C1在高速公路45公里处,实际坐标应为(45,0)。通过20公里为边长的网格码分割高速场,在该网格码的第三个网格中,坐标为(3,0),再以二进制编码为主要坐标表示,坐标为(11,0)。
图6中,H1表示一座居民房,以20公里的网格坐标和二进制编码表示为(11,11),由于实际需要精度不够,需要更高精度的定位信息。将(11,11)网格进行以4公里边长的网格进行划分,以(11,11)网格重新建立x轴y轴坐标系,同样以二进制编码的坐标表示,可以得出两层网格所划分的复合坐标系{(11,11),(11,11)}来根据实际需要,进一步确定坐标的精确位置。综上,通过不断分割网格码的大小(理论上可以无限分割到以1cm为边长的网格),可以按照实际需要来确定我们所需要的定位精度来定位物***置,最大化地实现资源利用,提升计算机运行效率。
图7为封闭高速场的三维二进制网格码的横截面图,图7中,y轴上的为宽度L=4.7m的高速公路横截面,在y轴正向13公里,z轴正向50m处有一架无人机D,在y轴以1公里为边长的网格码进行定位,该无人机在三维立体场图中的坐标为(0,1101,50)。z轴上的坐标使用的是传统坐标系,因为根据实际需要,高度的定位信息占用资源量不大。
图8为封闭高速场的三维二进制网格码的侧视图,图8中,x轴表示高速公路,在该轴上有一辆私家车C,以1公里为边长的网格码分割网格,得到坐标(111110100,0,0)。
实施例3
一种立体域分级多尺度敏捷空间格网码***,包括:
高速场时空数据获取模块,被配置为,获取高速场时空数据;
三维场图初步构建模块,被配置为,通过获取的高速场时空数据,实现高速场三维场图的初步构建;
数据加载模块,被配置为,利用三维引擎对高速场时空数据进行加载、渲染;
数据编码模块,被配置为,根据北斗网格码对高速场地理空间数据进行编码;
北斗网格码再分割模块,被配置为,通过算法实现北斗网格码的再分割;
坐标系构建模块,被配置为,构建坐标系,以高速场某一点作为三维坐标系的原点,x轴与y轴使用二进制坐标系,z轴使用传统坐标系;
重写数据模块,被配置为,用于根据接入的不同三维引擎,对编码后的地理空间数据进行重写;
统一地图API模块,被配置为,对不同三维引擎的接口进行统一封装,用以对外提供统一的API接口;
存储器,被配置为,用于存储高速场地理空间数据,包括空间特征数据、属性特征数据、时态数据;空间特征数据是地物在地理空间中的位置,包括地物本身的地理位置,以及多个地物之间的位置相互关系或空间关系;属性特征数据是描述地物的自然或人文属性的定性/定量指标数据;时态数据是地理空间数据采集/地理现象发生的时刻/时段。
其中,基于北斗网格码的三维立体坐标系的构建的存储器、数据编码模块、数据加载模块、重写数据模块及统一地图API模块的连接关系如图3所示。图3为本发明的基于北斗网格码的三维立体坐标系的***结构示意图。
Claims (10)
1.一种立体域分级多尺度敏捷空间格网码方法,其特征在于,包括:
步骤1:获取高速场时空数据;高速场时空数据包括高速场的矢量、影像、地形、建筑、倾斜摄影、生物信息;
步骤2:通过步骤1获取的高速场时空数据,实现高速场三维场图的初步构建;
步骤3:对高速场时空数据进行进一步加载、渲染;
步骤4:根据北斗网格码对高速场地理空间数据进行编码;
步骤5:通过算法实现北斗网格码的再分割;
步骤6:构建坐标系,以高速场某一点作为三维坐标系的原点,x轴与y轴使用二进制坐标系,z轴使用传统坐标系;
步骤7:对高速场不同的三维引擎空间接口进行统一封装,形成统一地图API,用以对外提供统一的API接口。
2.根据权利要求1所述的一种立体域分级多尺度敏捷空间格网码方法,其特征在于,步骤1中,获取高速场时空数据;获取高速场时空数据的设备包括信息采集端、信息计算端、红外探测端和信息分析端;
信息采集端用于:采集矢量、影像、地形、建筑、倾斜摄影;信息计算端用于:计算所采集地形的信息,包括山地地形和高速公路地形;红外探测端用于:发射红外能量并将其转换为电信号,探测路段上的生物信息;信息分析端用于:分析所计算地形建筑,记录高速路和建筑物的尺寸规模等比例缩放信息。
3.根据权利要求1所述的一种立体域分级多尺度敏捷空间格网码方法,其特征在于,步骤2中,摄影测量软件VirtuoZo通过不同角度的图片与视频信息,提取每帧图像,进行预处理,预处理包括:调整图像大小、亮度、对比度和动态范围。
4.根据权利要求1所述的一种立体域分级多尺度敏捷空间格网码方法,其特征在于,步骤2中,预处理后通过摄影测量软件VirtuoZo实现高速场三维场图的初步构建,具体包括:
根据第t-1帧采集图像中的至少一个二维线段的观测位置,通过VirtuoZo确定该至少一个二维线段在第t帧采集图像中的预测位置,其中,采集图像为目标环境的二维图像,二维线段对应目标环境的三维线图中的三维线段,t为大于1的整数;
根据至少一个二维线段在第t帧采集图像中的预测位置,通过VirtuoZo分别确定各个二维线段在第t帧采集图像中的观测位置;
根据各个二维线段在第t帧采集图像中的观测位置,更新目标环境的三维场图。
5.根据权利要求1所述的一种立体域分级多尺度敏捷空间格网码方法,其特征在于,步骤3中,利用三维引擎OpenCV对高速场地理空间数据进行进一步加载、渲染,具体包括:
接收将根据VirtuoZo初步构建的封闭高速场的三维场图的漫游观测点从第一观测点切换至第二观测点的第一输入,确定渲染素材的存储状态,即确定本地存储区间内是否存储有第二观测点的三维场图的渲染素材,即确定第二观测点的三维场图的渲染素材的加载状态;
根据渲染素材的存储状态,确定用于渲染三维场图的第二观测点的目标渲染素材,并根据目标渲染素材渲染三维场图中的第二观测点;
响应第一输入,显示第二观测点的虚拟现实场景;
进一步优选的,向云服务器发送素材加载请求,以请求加载渲染素材,接收云服务器发送的渲染素材,并将该渲染素材作为目标渲染素材,对三维场图中的第二观测点进行渲染,从而得到第二观测点的虚拟现实场景。
6.根据权利要求5所述的一种立体域分级多尺度敏捷空间格网码方法,其特征在于,接收云服务器发送的渲染素材后,根据第二观测点的名称关键词对该渲染素材进行命名,建立该渲染素材与第二观测点之间的对应关系,进而将该渲染素材存储至素材数据库中。
7.根据权利要求1所述的一种立体域分级多尺度敏捷空间格网码方法,其特征在于,步骤4中,根据北斗网格码对高速场地理空间数据进行编码,具体是指:在封闭的高速场上,将一片区域通过固定大小的网格分割成若干块区域,通过二进制编码对每个区域的网格进行定位。
8.根据权利要求1所述的一种立体域分级多尺度敏捷空间格网码方法,其特征在于,步骤5中,通过算法实现北斗网格码的再分割,具体是指:将步骤4中划分的若干区域的网格,通过等距离进一步分割。
10.一种立体域分级多尺度敏捷空间格网码***,其特征在于,包括:
高速场时空数据获取模块,被配置为,获取高速场时空数据;
三维场图初步构建模块,被配置为,通过获取的高速场时空数据,实现高速场三维场图的初步构建;
数据加载模块,被配置为,利用三维引擎对高速场时空数据进行加载、渲染;
数据编码模块,被配置为,根据北斗网格码对高速场地理空间数据进行编码;
北斗网格码再分割模块,被配置为,通过算法实现北斗网格码的再分割;
坐标系构建模块,被配置为,构建坐标系,以高速场某一点作为三维坐标系的原点,x轴与y轴使用二进制坐标系,z轴使用传统坐标系;
重写数据模块,被配置为,用于根据接入的不同三维引擎,对编码后的地理空间数据进行重写;
统一地图API模块,被配置为,对不同三维引擎的接口进行统一封装,用以对外提供统一的API接口;
存储器,被配置为,用于存储高速场地理空间数据,包括空间特征数据、属性特征数据、时态数据;空间特征数据是地物在地理空间中的位置,包括地物本身的地理位置,以及多个地物之间的位置相互关系或空间关系;属性特征数据是描述地物的自然或人文属性的定性/定量指标数据;时态数据是地理空间数据采集/地理现象发生的时刻/时段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210703563.1A CN115222902A (zh) | 2022-06-21 | 2022-06-21 | 一种立体域分级多尺度敏捷空间格网码方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210703563.1A CN115222902A (zh) | 2022-06-21 | 2022-06-21 | 一种立体域分级多尺度敏捷空间格网码方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115222902A true CN115222902A (zh) | 2022-10-21 |
Family
ID=83607377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210703563.1A Pending CN115222902A (zh) | 2022-06-21 | 2022-06-21 | 一种立体域分级多尺度敏捷空间格网码方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222902A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342825A (zh) * | 2023-05-24 | 2023-06-27 | 广东电网有限责任公司江门供电局 | 一种电网三维可视化***构建方法及相关装置 |
CN117312479A (zh) * | 2023-12-01 | 2023-12-29 | 星杓(成都)信息科技有限公司 | 一种基于北斗网格位置码的空间位置分析方法及*** |
-
2022
- 2022-06-21 CN CN202210703563.1A patent/CN115222902A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342825A (zh) * | 2023-05-24 | 2023-06-27 | 广东电网有限责任公司江门供电局 | 一种电网三维可视化***构建方法及相关装置 |
CN116342825B (zh) * | 2023-05-24 | 2023-08-18 | 广东电网有限责任公司江门供电局 | 一种电网三维可视化***构建方法及相关装置 |
CN117312479A (zh) * | 2023-12-01 | 2023-12-29 | 星杓(成都)信息科技有限公司 | 一种基于北斗网格位置码的空间位置分析方法及*** |
CN117312479B (zh) * | 2023-12-01 | 2024-01-26 | 星杓(成都)信息科技有限公司 | 一种基于北斗网格位置码的空间位置分析方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113065000B (zh) | 一种基于地理实体的多源异构数据融合方法 | |
Zolanvari et al. | DublinCity: Annotated LiDAR point cloud and its applications | |
Rupnik et al. | MicMac–a free, open-source solution for photogrammetry | |
Lohani et al. | Airborne LiDAR technology: A review of data collection and processing systems | |
Heo et al. | Productive high-complexity 3D city modeling with point clouds collected from terrestrial LiDAR | |
CN115222902A (zh) | 一种立体域分级多尺度敏捷空间格网码方法及*** | |
CN110021072B (zh) | 面向全息测绘的多平台点云智能处理方法 | |
CN114820975B (zh) | 基于全要素参数符号化的三维场景仿真重构***及方法 | |
CN115830265A (zh) | 一种基于激光雷达的自动驾驶运动障碍物分割方法 | |
Lowphansirikul et al. | 3D Semantic segmentation of large-scale point-clouds in urban areas using deep learning | |
US20230401837A1 (en) | Method for training neural network model and method for generating image | |
Al-Azizi et al. | DeepAutoMapping: low-cost and real-time geospatial map generation method using deep learning and video streams | |
CN113487741B (zh) | 稠密三维地图更新方法及装置 | |
CN115980700A (zh) | 一种用于公路基础设施三维数据采集的方法及*** | |
Zhu | A pipeline of 3D scene reconstruction from point clouds | |
CN114490907A (zh) | 名城管理数据库的构建方法、装置及存储介质 | |
Liu et al. | 3D point cloud construction and display based on LiDAR | |
Ballouch et al. | The contribution of Deep Learning to the semantic segmentation of 3D point-clouds in urban areas | |
CN113362458A (zh) | 模拟多视角成像的三维模型解译方法、终端及存储介质 | |
Wu et al. | Derivation of Geometrically and Semantically Annotated UAV Datasets at Large Scales from 3D City Models | |
Di Stefano et al. | Point cloud classification of an urban environment using a semi-automatic approach | |
Wang et al. | State of the art in dense image matching cost computation for high-resolution satellite stereo | |
Li et al. | Segm: A novel semantic evidential grid map by fusing multiple sensors | |
Chaithavee et al. | Classification of 3D Point Cloud Data from Mobile Mapping System for Detecting Road Surfaces and Potholes using Convolution Neural Networks. | |
Ribarsky et al. | Guest Editors' Introduction: 3D Reconstruction and Visualization |
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 |