CN115311418A - 一种多细节层次树木模型单体化重建方法及装置 - Google Patents
一种多细节层次树木模型单体化重建方法及装置 Download PDFInfo
- Publication number
- CN115311418A CN115311418A CN202211232012.8A CN202211232012A CN115311418A CN 115311418 A CN115311418 A CN 115311418A CN 202211232012 A CN202211232012 A CN 202211232012A CN 115311418 A CN115311418 A CN 115311418A
- Authority
- CN
- China
- Prior art keywords
- tree
- model
- skeleton
- branches
- trunk
- 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
- 238000000034 method Methods 0.000 title claims abstract description 86
- 239000000463 material Substances 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000009499 grossing Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 8
- 235000015097 nutrients Nutrition 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 239000000178 monomer Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种多细节层次树木模型单体化重建方法及装置,其中包括获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;对整体骨架进行简化和平滑处理得到平滑骨架模型;在平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,生成树木几何模型;获取单株树木的真实纹理素材,将真实纹理素材贴附到树木几何模型上,得到树木三维模型并输出。根据树木枝干的重要性,对树干、主要枝干和细小枝干建立不同建模精细层级的几何重建,保证树木三维模型真实感和轻量化。
Description
技术领域
本发明涉及三维重建技术领域,特别涉及一种多细节层次树木模型单体化重建方法及装置。
背景技术
随着遥感、激光扫描、虚拟现实等技术的迅速发展,利用光谱和雷达卫星遥感、机载激光扫描等建立三维树木几何模型,可以评估林业的各种静态参数,提供完整林场的概况信息,但无法有效检测树林内部的详细信息,也不能精确计量和监测林木生长。
传统树木建模思想大多基于图像进行,相对于模型驱动,其极大简化了参数调优,增强模型真实感以及提高了几何精度。但是,模型重建对图像清晰度、对比度等因素敏感且依赖图像识别与分割。使用图像建模的方法由于树叶和树枝的遮挡,树冠内部的枝干细节难以表达,有学者基于重建可见部分的树干模型后人工生成被遮挡的枝干,但是这个方法无法自动化生成树木整体模型。
现代建模思想则是在传统思想的基础进一步增加树木几何信息的输入,增强树木模型的真实感。现今,通过无人机和地面三维激光扫描技术能够准确获取树木表面海量信息,对树木进行真实的三维重建能为林场内部分析提供更精确的数据。其中,基于激光点云的树木建模方法可以分为聚类思想建模、图论方法建模、先验假设建模、拉普拉斯算子建模和轻量化表达建模。虽然前沿的建模算法充分研究了点云质量、数据缺失、骨架拓扑连接和模型抽象表达等问题,但是还存在树冠内部枝干细节表达、算法轻量化表达和几何精度综合评价等问题。现今,现有基于激光点云数据的树木三维建模技术对枝干建模大多以圆柱体拟合的方法,无法很有效的对树木细节重建,导致真实感低,无法估算出准确的树木参数。对于形状不规则的树干使用圆柱拟合的方式会丢失许多几何信息。虽然目前也有基于网格建模的方法对树干几何重建,但是需要估算点云的法向量,需要花费更多的时间,重建出来的模型点云密度大不够轻量化。
发明内容
针对现有技术的不足,本发明提供一种多细节层次树木模型单体化重建方法及装置,保证树木三维模型真实感和轻量化。
为了解决上述技术问题,本申请实施例第一方面提供了一种多细节层次树木模型单体化重建方法,所述方法包括:
获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;
对所述整体骨架进行简化和平滑处理得到平滑骨架模型;
在所述平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;
对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型;
获取所述单株树木的真实纹理素材,将所述真实纹理素材贴附到所述树木几何模型上,得到树木三维模型并输出。
所述多细节层次树木模型单体化重建方法,其中,所述获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架,具体包括:
对所述单株树木进行背包式或站点式激光扫描,获取所述单株树木的所述激光点云数据;
基于所述激光点云数据和基于构造最小生成树生成所述单株树木的初始骨架;
通过最短路径贪心算法将所述初始骨架连接形成整体骨架。
所述多细节层次树木模型单体化重建方法,其中,所述基于所述激光点云数据和基于构造最小生成树生成所述单株树木的初始骨架的步骤包括:
在欧几里得空间中对德劳内三角剖分后的边附加权重值;
基于树木水分养分运输途径是走所有节点的最短路径理论,采用狄克斯特拉最短路径贪心算法对所述边连接生成所述初始骨架。
所述多细节层次树木模型单体化重建方法,其中,所述对所述整体骨架进行简化和平滑处理得到平滑骨架模型的步骤包括:
根据所述整体骨架的顶点和边的权重值去除冗余的所述顶点和短边;
根据所述顶点的相似度将所述顶点和所述短边合并;
根据埃尔米特三次样条曲线算法可以对骨架进行平滑处理,对所述整体骨架上的边进行插值得到所述平滑骨架模型。
所述多细节层次树木模型单体化重建方法,其中,所述对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成所述树木几何模型的步骤包括:
获取所述细小枝干的半径,去除所述半径小于预设的半径数值的所述细小枝干;
对所述主要枝干和所述细小枝干进行圆柱体拟合,其中对所述细小枝干采样三个点构建三角网格模型并进行圆柱体拟合。
所述多细节层次树木模型单体化重建方法,其中,所述对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成所述树木几何模型的步骤还包括:
对所述树干的骨架点进行K近邻聚类,将每层聚类点向其主轴方向投影到二维平面并采用B-样条进行曲线拟合,根据曲率大小加权采样点。
所述多细节层次树木模型单体化重建方法,其中,所述将所述真实纹理素材贴附到所述树木几何模型上的步骤还包括:
在所述树木几何模型的枝干末端随机生成树叶三角网格模型,将所述真实纹理素材对应贴附到所述树叶三角网格模型上。
本申请实施例第二方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的多细节层次树木模型单体化重建方法中的步骤。
本申请实施例第三方面提供了一种多细节层次树木模型单体化重建装置,其包括:
第一获取模块,用于获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;
简化模块,用于对所述整体骨架进行简化和平滑处理得到平滑骨架模型;
提取模块,用于在所述平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;
拟合模块,用于对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型;
第二获取模块,用于获取所述单株树木的真实纹理素材,将所述真实纹理素材贴附到所述树木几何模型上,得到树木三维模型并输出。
本申请实施例第四方面提供了一种终端设备,其包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如上任一所述的多细节层次树木模型单体化重建方法中的步骤。
有益效果:与现有技术相比,本发明提供了一种多细节层次树木模型单体化重建方法及装置,其中所述方法包括获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;对整体骨架进行简化和平滑处理得到平滑骨架模型;在平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,生成树木几何模型;获取单株树木的真实纹理素材,将真实纹理素材贴附到树木几何模型上,得到树木三维模型并输出。根据树木枝干的重要性,对树干、主要枝干和细小枝干建立不同建模精细层级的几何重建,保证树木三维模型真实感和轻量化。
附图说明
图1为本发明提供的多细节层次树木模型单体化重建方法的流程图;
图2为单株树木的原始激光点云图;
图3为以圆柱体拟合树干的现有方案的建模效果图;
图4为本方案单株树木的建模效果图;
图5为本发明提供的多细节层次树木模型单体化重建方法的整体流程图;
图6为本发明提供的最小生成树示意图;
图7为本发明提供的三次样条平滑树木骨架示意图;
图8为本发明提供的树干自由曲线拟合示意图;
图9为本发明提供的圆柱体拟合示意图;
图10为本发明提供的数据源的流量分发装置的结构示意图;
图11为本发明提供的终端设备的结构原理图。
具体实施方式
本发明提供一种多细节层次树木模型单体化重建方法及装置,为使本发明的目的、技术方案及效果更加清楚、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。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
首先,需要知道的是现有基于激光点云数据的树木三维建模技术对枝干建模大多以圆柱体拟合的方法,无法很有效的对树木细节重建,导致真实感低,无法估算出准确的树木参数。对于形状不规则的树干使用圆柱拟合的方式会丢失许多几何信息。虽然目前也有基于网格建模的方法对树干几何重建,但是需要估算点云的法向量,需要花费更多的时间,重建出来的模型点云密度大不够轻量化。如图2、3所示,其中图2为单株树木的原始激光点云图,图3为以圆柱体拟合树干的现有方案的建模效果图。
因此,本文充分考虑现今树木三维建模技术的局限和优势,提出多细节层次树木模型单体化重建方法、存储介质以及终端设备,根据树木枝干的重要性,对树干、主要枝干和细小枝干建立不同建模精细层级的几何重建,保证树木三维模型真实感和轻量化。
下面结合附图,通过对实施例的描述,对发明内容作进一步说明。
本实施例提供的一种多细节层次树木模型单体化重建方法,如图5所示,该多细节层次树木模型单体化重建方法的执行主体可以为服务器端的三维重建装置,或者集成三维重建装置的服务器设备,其中,三维重建装置可以采用硬件或者软件的方式实现。可以理解的时,本实施例的执行主体可以是诸如智能手机、平板电脑或服务器主机等之类的设置有三维重建装置的智能终端。例如,服务器获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;对整体骨架进行简化和平滑处理得到平滑骨架模型;在平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型;获取单株树木的真实纹理素材,将真实纹理素材贴附到树木几何模型上,得到树木三维模型并输出。图2为单株树木的原始激光点云图,图4为本方案单株树木的建模效果图。
需要注意的是,上述应用场景仅是为了便于理解本发明而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
进一步,为了对发明内容作进一步说明,下面结合附图,通过对实施例进行具体描述。
本实施例提供的多细节层次树木模型单体化重建方法,所述方法具体包括(如图1所示):
步骤S10、获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架。
具体地,对单株树木进行背包式或站点式激光扫描,获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架。
需要说明的是,在一些实施例中在获取单株树木的激光点云数据的步骤之前包括获取单株树木的影像视频,基于影像视频获得树干局部影像;根据树干局部影像得到树干模型;通过倾斜摄影技术对树干模型进行精细化三维重建,得到基于泊松构网算法的精细几何模型。
具体地,使用倾斜摄影技术对树木可见部分的树干和树叶(树干模型)进行重建,之后基于可见树干的树干模型基于树木生长规则对树冠中被遮挡的枝干进行三维重建,得到完整的精细几何模型。在另外一些实施例中还可以是使用倾斜摄影技术对树木可见部分的树干和树叶(树干模型)进行重建,之后基于可见树干的树干模型通过人工编辑的方式对树冠中被遮挡的枝干进行三维重建,得到完整的精细几何模型。
步骤S20、对整体骨架进行简化和平滑处理得到平滑骨架模型。
需要说明的是,对整体骨架进行简化和平滑处理可以提高模型的真实性,便于后续对树干、主要枝干和细小枝干进行拟合。
步骤S30、在平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干。
其中,对平滑骨架模型的骨架点进行分级,根据预设的半径阈值(比如小于树干半径的10分之一)进行分级,大于预设的半径阈值的枝干是主要树枝,小于预设的半径阈值的枝干则为细小树枝,提取出树干骨架、主要枝干骨架点以及细小枝干骨架点。
步骤S40、对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型。即根据树木枝干的重要性,对树干、主要枝干和细小枝干建立不同建模精细层级的几何重建,保证树木三维模型真实感和轻量化。
步骤S50、获取单株树木的真实纹理素材,将真实纹理素材贴附到树木几何模型上,得到树木三维模型并输出。
在一些实施例中,单株树木的真实纹理素材可以是通过外部的摄像机拍摄真实树木的照片,或者从在网上搜索得到的照片,然后对照片上树干和树叶进行切片得到树干纹理素材和树叶素材。将真实纹理素材贴附到树木几何模型上可以提高树木三维模型的树干纹理和树叶纹理的细腻程度,增加树木三维模型的真实性。
进一步的,获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架,如图6所示,具体包括:
步骤S11、对单株树木进行背包式或站点式激光扫描,获取单株树木的激光点云数据。
具体地,通过便携式移动激光扫描设备对单株树木进行激光扫描(背包式),或者通过多个相互配合的固定式的站点激光扫描设备对单株树木进行激光扫描(站点式)获取单株树木的激光点云数据。其中采用便携式移动激光扫描设备对单株树木进行激光扫描可以更加灵活的采集树木的激光点云数据。而通过多个相互配合的固定式的站点激光扫描设备对单株树木进行激光扫描可以同时对多株树木进行激光扫描,效率更快。
步骤S12、基于激光点云数据和基于构造最小生成树生成单株树木的初始骨架。
具体地,基于构造最小生成树提取单株树木的初始骨架,在欧几里得空间中对德劳内(Delaunay)三角剖分后的边附加权重值,基于树木水分养分运输途径是走所有节点的最短路径理论,采用狄克斯特拉(Dijkstra)的最短路径贪心算法将初始骨架连接形成整体骨架。
步骤S13、通过最短路径贪心算法将初始骨架连接形成整体骨架。
进一步的,基于激光点云数据和基于构造最小生成树生成单株树木的初始骨架的步骤包括:
步骤S121、在欧几里得空间中对德劳内三角剖分后的边附加权重值。
步骤S122、基于树木水分养分运输途径是走所有节点的最短路径理论,采用狄克斯特拉(Dijkstra)最短路径贪心算法对边连接生成初始骨架。
其中,树木水分养分运输途径是走所有节点的最短路径理论可以充分的体现树木的生长形态规律,基于树木水分养分运输途径是走所有节点的最短路径理论可以将树木还原到最接近现实的形态。
进一步的,如图7所示,对整体骨架进行简化和平滑处理得到平滑骨架模型的步骤包括:
步骤S21、根据整体骨架的顶点和边的权重值去除冗余的顶点和短边。
其中,根据顶点和边的权重值去除冗余顶点和短边,可以对整体骨架实现初步简化的效果。
步骤S22、根据顶点的相似度将顶点和短边合并。
具体地,根据顶点和边的权重值去除冗余顶点和短边,接着以顶点的接近程度合并相似的顶点和短边完成简化。
步骤S23、根据埃尔米特(Hermite)三次样条曲线算法可以对骨架进行平滑处理,对整体骨架上的边进行插值得到平滑骨架模型。
具体地,另外由于树木骨架点在坐标系上的位置和切线方向是已知的,根据Hermite 三次样条曲线算法可以对骨架进行平滑,对树木骨架上的边进行插值得到较平滑的骨架模型。其三次多项式函数方程表示如下:
进一步的,对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型的步骤包括:
步骤S41、获取细小枝干的半径,去除半径小于预设的半径数值的细小枝干。其中,通过对细小枝干的半径大小,判断细小枝干是否符合要求,将半径小于预设的半径数值的细小枝干去除,进而实现细小枝干的数量约束,减少细小枝干的生成。
步骤S42、对主要枝干和细小枝干进行圆柱体拟合,其中对细小枝干采样三个点构建三角网格模型并进行圆柱体拟合。
具体地,对枝干利用广义圆柱体自动拟合,其中对细小枝干在圆柱体拟合的情况下一圈仅采样三个点构建三角网格模型。圆柱体拟合的方法属于经典的非线性最小二乘问题,输入数据、待解参数和目标函数具体定义如下:
其中表示点到分支圆柱体表面的距离,使用 Levenberg-Marquardt 算法解决圆柱体拟合中非线性最小二乘问题。正态最小二乘法对数据噪声和异常值比较敏感。因此,为了进一步提高解的质量,重复非线性最小二乘法,并在第二次迭代中为每个点引入权重。靠近圆柱体的点权重较大,而远离圆柱体的点的权重较小。因此,根据点到圆柱体的距离指定权重。一个特定点的权重 定义如下:
在树冠或者低等级的树枝附近,噪声会变得更大,因此无法准确的拟合圆柱体。为了合理的估计这些树枝或者小枝,本文使用异速规则对剩余枝干半径赋值,假设分支边的半径与其权重成正比,权重定义为其两个端点顶点的子树长度的平均值。使用以下公式计算其余分支边的半径:
由上述方法可知,根据树木枝干的重要性,对对树干、主要枝条与细小枝条建立了不同建模精细层级的几何重建,在保证树木真实感的前提下构建轻量化的树木三维模型。
进一步的,对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型的步骤还包括:
对树干的骨架点进行K近邻聚类(k-nearest neighbor classification),将每层聚类点向其主轴方向投影到二维平面并采用B-样条进行曲线拟合,根据曲率大小加权采样点。
具体地,如图8所示,对树干的骨架点进行K近邻聚类(k-nearest neighborclassification),将每层聚类点向其主轴方向投影到二维平面并采用B-样条曲线拟合的方法进行拟合,并根据曲率大小加权采样点用于三角网模型构建,减少数据量储存。树干横截面自由曲线拟合示意图如图5所示,每个骨架点聚类得到的点簇对应的横截面在树木方向方向上正交。
进一步的,将真实纹理素材贴附到树木几何模型上的步骤还包括:
在树木几何模型的枝干末端随机生成树叶三角网格模型,将真实纹理素材对应贴附到树叶三角网格模型上。
综上,本实施例提供了一种多细节层次树木模型单体化重建方法及装置,其中所述方法包括获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;对整体骨架进行简化和平滑处理得到平滑骨架模型;在平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,生成树木几何模型;获取单株树木的真实纹理素材,将真实纹理素材贴附到树木几何模型上,得到树木三维模型并输出。根据树木枝干的重要性,对树干、主要枝干和细小枝干建立不同建模精细层级的几何重建,保证树木三维模型真实感和轻量化。
为了更好地实施以上方法,本申请实施例还提供一种多细节层次树木模型单体化重建装置100,该装置具体可以集成在电子设备中,该电子设备可以为终端、服务器、个人电脑等设备。比如,在本实施例中,该装置可以包括:第一获取模块101、简化模块102、提取模块103、拟合模块104和第二获取模块105,具体如下(如图10):
第一获取模块101,用于获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;
简化模块102,用于对所述整体骨架进行简化和平滑处理得到平滑骨架模型;
提取模块103,用于在所述平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;
拟合模块104,用于对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成所述树木几何模型;
第二获取模块105,用于获取所述单株树木的真实纹理素材,将所述真实纹理素材贴附到所述树木几何模型上,得到树木三维模型并输出。
在一些实施例中,一种多细节层次树木模型单体化重建装置100包括第一获取模块101、简化模块102、提取模块103、拟合模块104和第二获取模块105,第一获取模块101获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;简化模块102对所述整体骨架进行简化和平滑处理得到平滑骨架模型;提取模块103在所述平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;拟合模块104对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成所述树木几何模型;第二获取模块105获取所述单株树木的真实纹理素材,将所述真实纹理素材贴附到所述树木几何模型上,得到树木三维模型并输出。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于计算机可读存储介质中,并由处理器进行加载和执行。
基于上述多细节层次树木模型单体化重建方法,本实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现如上述实施例的多细节层次树木模型单体化重建方法中的步骤。例如,执行以上描述的方法步骤。具体步骤如下:
获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;
对整体骨架进行简化和平滑处理得到平滑骨架模型;
在平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;
对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型;
获取单株树木的真实纹理素材,将真实纹理素材贴附到树木几何模型上,得到树木三维模型并输出。
在一些实施例中,获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架,具体包括:
对单株树木进行背包式或站点式激光扫描,获取单株树木的激光点云数据;
基于激光点云数据和基于构造最小生成树生成单株树木的初始骨架;
通过最短路径贪心算法将初始骨架连接形成整体骨架。
在一些实施例中,基于激光点云数据和基于构造最小生成树生成单株树木的初始骨架的步骤包括:
在欧几里得空间中对德劳内三角剖分后的边附加权重值;
基于树木水分养分运输途径是走所有节点的最短路径理论,采用狄克斯特拉(Dijkstra)最短路径贪心算法对边连接生成初始骨架。
在一些实施例中,对整体骨架进行简化和平滑处理得到平滑骨架模型的步骤包括:
根据整体骨架的顶点和边的权重值去除冗余的顶点和短边;
根据顶点的相似度将顶点和短边合并;
根据埃尔米特(Hermite)三次样条曲线算法可以对骨架进行平滑处理,对整体骨架上的边进行插值得到平滑骨架模型。
在一些实施例中,对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型的步骤包括:
获取细小枝干的半径,去除半径小于预设的半径数值的细小枝干;
对主要枝干和细小枝干进行圆柱体拟合,其中对细小枝干采样三个点构建三角网格模型并进行圆柱体拟合。
在一些实施例中,对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型的步骤还包括:
对树干的骨架点进行K近邻聚类(k-nearest neighbor classification),将每层聚类点向其主轴方向投影到二维平面并采用B-样条进行曲线拟合,根据曲率大小加权采样点。
在一些实施例中,将真实纹理素材贴附到树木几何模型上的步骤还包括:
在树木几何模型的枝干末端随机生成树叶三角网格模型,将真实纹理素材对应贴附到树叶三角网格模型上。
基于上述多细节层次树木模型单体化重建方法,本发明还提供了一种终端设备,如图11所示,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及移动终端中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
综上所述,与现有技术相比,本发明具有以下有益效果:一种多细节层次树木模型单体化重建方法及装置,其中所述方法包括获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;对整体骨架进行简化和平滑处理得到平滑骨架模型;在平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;对树干的横截面、主要枝干和细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,生成树木几何模型;获取单株树木的真实纹理素材,将真实纹理素材贴附到树木几何模型上,得到树木三维模型并输出。根据树木枝干的重要性,对树干、主要枝干和细小枝干建立不同建模精细层级的几何重建,保证树木三维模型真实感和轻量化。
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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分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各实施例技术方案的精神和范围。
Claims (10)
1.一种多细节层次树木模型单体化重建方法,其特征在于,所述方法包括:
获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;
对所述整体骨架进行简化和平滑处理得到平滑骨架模型;
在所述平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;
对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型;
获取所述单株树木的真实纹理素材,将所述真实纹理素材贴附到所述树木几何模型上,得到树木三维模型并输出。
2.根据权利要求1所述的多细节层次树木模型单体化重建方法,其特征在于,所述获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架,具体包括:
对所述单株树木进行背包式或站点式激光扫描,获取所述单株树木的所述激光点云数据;
基于所述激光点云数据和基于构造最小生成树生成所述单株树木的初始骨架;
通过最短路径贪心算法将所述初始骨架连接形成整体骨架。
3.根据权利要求2所述的多细节层次树木模型单体化重建方法,其特征在于,所述基于所述激光点云数据和基于构造最小生成树生成所述单株树木的初始骨架的步骤包括:
在欧几里得空间中对德劳内三角剖分后的边附加权重值;
基于树木水分养分运输途径是走所有节点的最短路径理论,采用狄克斯特拉最短路径贪心算法对所述边连接生成所述初始骨架。
4.根据权利要求1所述的多细节层次树木模型单体化重建方法,其特征在于,所述对所述整体骨架进行简化和平滑处理得到平滑骨架模型的步骤包括:
根据所述整体骨架的顶点和边的权重值去除冗余的所述顶点和短边;
根据所述顶点的相似度将所述顶点和所述短边合并;
根据埃尔米特三次样条曲线算法可以对骨架进行平滑处理,对所述整体骨架上的边进行插值得到所述平滑骨架模型。
5.根据权利要求1所述的多细节层次树木模型单体化重建方法,其特征在于,所述对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成所述树木几何模型的步骤包括:
获取所述细小枝干的半径,去除所述半径小于预设的半径数值的所述细小枝干;
对所述主要枝干和所述细小枝干进行圆柱体拟合,其中对所述细小枝干采样三个点构建三角网格模型并进行圆柱体拟合。
6.根据权利要求1所述的多细节层次树木模型单体化重建方法,其特征在于,所述对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成所述树木几何模型的步骤还包括:
对所述树干的骨架点进行K近邻聚类,将每层聚类点向其主轴方向投影到二维平面并采用B-样条进行曲线拟合,根据曲率大小加权采样点。
7.根据权利要求1所述多细节层次树木模型单体化重建方法,其特征在于,所述将所述真实纹理素材贴附到所述树木几何模型上的步骤还包括:
在所述树木几何模型的枝干末端随机生成树叶三角网格模型,将所述真实纹理素材对应贴附到所述树叶三角网格模型上。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1~7任意一项所述的一种多细节层次树木模型单体化重建方法中的步骤。
9.一种多细节层次树木模型单体化重建装置,其特征在于,包括:
第一获取模块,用于获取单株树木的激光点云数据,基于图论方法建模并通过最短路径贪心算法生成整体骨架;
简化模块,用于对所述整体骨架进行简化和平滑处理得到平滑骨架模型;
提取模块,用于在所述平滑骨架模型中提取树干骨架、主要枝干骨架点和细小枝干骨架点,并对应生成树干的横截面、主要枝干和细小枝干;
拟合模块,用于对所述树干的横截面、所述主要枝干和所述细小枝干分别进行曲线拟合、圆柱体拟合和三角形拟合,并生成树木几何模型;
第二获取模块,用于获取所述单株树木的真实纹理素材,将所述真实纹理素材贴附到所述树木几何模型上,得到树木三维模型并输出。
10.一种终端设备,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如权利要求1-7任意一项所述的多细节层次树木模型单体化重建方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211232012.8A CN115311418B (zh) | 2022-10-10 | 2022-10-10 | 一种多细节层次树木模型单体化重建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211232012.8A CN115311418B (zh) | 2022-10-10 | 2022-10-10 | 一种多细节层次树木模型单体化重建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115311418A true CN115311418A (zh) | 2022-11-08 |
CN115311418B CN115311418B (zh) | 2023-02-03 |
Family
ID=83867856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211232012.8A Active CN115311418B (zh) | 2022-10-10 | 2022-10-10 | 一种多细节层次树木模型单体化重建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115311418B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456109A (zh) * | 2023-12-25 | 2024-01-26 | 北京飞渡科技股份有限公司 | 一种三维场景轻量化优化方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318611A (zh) * | 2014-10-27 | 2015-01-28 | 祁海江 | 一种基于激光扫描点云的三维树木重建方法 |
CN110136246A (zh) * | 2019-05-15 | 2019-08-16 | 南京林业大学 | 基于类主干点的三维树木几何模型重建方法 |
CN112184789A (zh) * | 2020-08-31 | 2021-01-05 | 深圳大学 | 植物模型生成方法、装置、计算机设备和存储介质 |
AU2020104291A4 (en) * | 2020-12-23 | 2021-03-11 | Guilin University Of Technology | Singletree segmentation method based on chord angle discriminant clustering for layered LIDAR point cloud |
CN112819830A (zh) * | 2021-01-24 | 2021-05-18 | 南京林业大学 | 基于深度学习与机载激光点云的单株树冠分割方法 |
CN114049387A (zh) * | 2021-10-22 | 2022-02-15 | 长江师范学院 | 一种基于3d点云的树木骨架提取方法 |
CN114219912A (zh) * | 2021-11-22 | 2022-03-22 | 北京林业大学 | 一种从地基激光雷达点云中自动重建树木结构的方法 |
-
2022
- 2022-10-10 CN CN202211232012.8A patent/CN115311418B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318611A (zh) * | 2014-10-27 | 2015-01-28 | 祁海江 | 一种基于激光扫描点云的三维树木重建方法 |
CN110136246A (zh) * | 2019-05-15 | 2019-08-16 | 南京林业大学 | 基于类主干点的三维树木几何模型重建方法 |
CN112184789A (zh) * | 2020-08-31 | 2021-01-05 | 深圳大学 | 植物模型生成方法、装置、计算机设备和存储介质 |
AU2020104291A4 (en) * | 2020-12-23 | 2021-03-11 | Guilin University Of Technology | Singletree segmentation method based on chord angle discriminant clustering for layered LIDAR point cloud |
CN112819830A (zh) * | 2021-01-24 | 2021-05-18 | 南京林业大学 | 基于深度学习与机载激光点云的单株树冠分割方法 |
CN114049387A (zh) * | 2021-10-22 | 2022-02-15 | 长江师范学院 | 一种基于3d点云的树木骨架提取方法 |
CN114219912A (zh) * | 2021-11-22 | 2022-03-22 | 北京林业大学 | 一种从地基激光雷达点云中自动重建树木结构的方法 |
Non-Patent Citations (1)
Title |
---|
曹伟: ""基于地基激光雷达点云的单木建模方法研究"", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456109A (zh) * | 2023-12-25 | 2024-01-26 | 北京飞渡科技股份有限公司 | 一种三维场景轻量化优化方法 |
CN117456109B (zh) * | 2023-12-25 | 2024-03-15 | 北京飞渡科技股份有限公司 | 一种三维场景轻量化优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115311418B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Feature-preserving 3D mesh simplification for urban buildings | |
EP3726476A1 (en) | Object modeling movement method, apparatus and device | |
Bucksch et al. | SkelTre: Robust skeleton extraction from imperfect point clouds | |
CN113781667B (zh) | 三维结构简化重建方法、装置、计算机设备和存储介质 | |
Schmohl et al. | Submanifold sparse convolutional networks for semantic segmentation of large-scale ALS point clouds | |
CN115311434B (zh) | 一种倾斜摄影和激光数据融合的树木三维重建方法及装置 | |
WO2023124676A1 (zh) | 3d模型构建方法、装置和电子设备 | |
CN109766866B (zh) | 一种基于三维重建的人脸特征点实时检测方法和检测*** | |
Xiao et al. | Building segmentation and modeling from airborne LiDAR data | |
CN110009745B (zh) | 根据平面基元和模型驱动对点云提取平面的方法 | |
CN115311418B (zh) | 一种多细节层次树木模型单体化重建方法及装置 | |
CN113012063A (zh) | 一种动态点云修复方法、装置及计算机设备 | |
CN116385902A (zh) | 一种遥感大数据处理方法、***及云平台 | |
CN115018992A (zh) | 发型模型的生成方法、装置、电子设备及存储介质 | |
CN113409332B (zh) | 一种基于三维点云的建筑物平面分割方法 | |
CN110910435A (zh) | 建筑物点云提取方法、装置、计算机设备及可读存储介质 | |
Zhao et al. | Extended non-local means filter for surface saliency detection | |
CN112884884A (zh) | 一种候选区域生成方法及*** | |
CN113343900A (zh) | 基于cnn与超像素结合的组合核遥感影像目标检测方法 | |
CN115965788A (zh) | 基于多视角图结构特征注意力卷积的点云语义分割方法 | |
CN115391310A (zh) | 数据迁移方法、装置、设备以及存储介质 | |
CN114913246A (zh) | 相机标定方法、装置、电子设备及存储介质 | |
Zhang et al. | Automatic superpixel generation algorithm based on a quadric error metric in 3D space | |
Li et al. | Individual Tree Reconstruction Based on Circular Truncated Cones From Portable LiDAR Scanner Data | |
Li et al. | Multi-resolution representation of digital terrain models with terrain features preservation |
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 |