CN115526999A - 流域模型生成方法及生成装置、电子设备、存储介质 - Google Patents
流域模型生成方法及生成装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN115526999A CN115526999A CN202211268130.4A CN202211268130A CN115526999A CN 115526999 A CN115526999 A CN 115526999A CN 202211268130 A CN202211268130 A CN 202211268130A CN 115526999 A CN115526999 A CN 115526999A
- Authority
- CN
- China
- Prior art keywords
- model
- parameters
- target model
- dimensional
- target
- 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
- 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
- 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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种流域模型生成方法及生成装置、电子设备、存储介质,涉及三维数字孪生领域,其中,该流域模型生成方法包括:获取指定流域的点云数据和影像地图,其中,点云数据至少包含:目标模型的中心点位坐标;基于目标模型的中心点位坐标以及与目标模型对应的模型特征参数库,提取目标模型的特征参数集合;比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库;基于点云数据和三维轮廓参数库,生成目标模型。本发明解决了相关技术中搭建流域模型时,缺乏***性的建模规划,导致建模效率较低的技术问题。
Description
技术领域
本发明涉及三维数字孪生领域,具体而言,涉及一种流域模型生成方法及生成装置、电子设备、存储介质。
背景技术
目前在搭建流域水上陆地模型时,通常是以影像数据为参照进行手工建模。随着流域内陆地精细化模型需求数量的增加,为了缩短模型搭建的时长,通常以增加人员数量的方式来增加手工建模的速度,但是这种通过增加人员进行建模的方式存在明显的弊端:增加项目的沟通成本、人工费用和项目开发成本。同时,目前搭建出的流域陆地模型,一种是基于倾斜摄影的数据生成的(并不是精细模型),另一种是根据影像数据进行手工建模,这两种方式都缺乏***性的规划,建模效率较低,不仅在无形中给流域仿真提高了门槛,也对三维数字孪生在流域内的应用形成了一定的壁垒。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种流域模型生成方法及生成装置、电子设备、存储介质,以至少解决相关技术中搭建流域模型时,缺乏***性的建模规划,导致建模效率较低的技术问题。
根据本发明实施例的一个方面,提供了一种流域模型生成方法,包括:获取指定流域的点云数据和影像地图,其中,所述点云数据至少包含:目标模型的中心点位坐标;基于所述目标模型的中心点位坐标以及与所述目标模型对应的模型特征参数库,提取所述目标模型的特征参数集合;比对提取的所述特征参数集合中的特征参数,生成所述目标模型的三维轮廓参数库;基于所述点云数据和所述三维轮廓参数库,生成所述目标模型。
可选地,获取指定流域的影像地图的步骤,包括:采集目标地表区域的地图,提取所述目标地表区域的地图指示的地理区域信息和区域轮廓;基于所述地理区域信息和区域轮廓,对所述目标地表区域中关联所述指定流域的部分区域进行标记;删除关联所述指定流域的部分区域之外的其它背景地图,得到所述指定流域的影像地图。
可选地,在获取指定流域的点云数据和影像地图之后,还包括:获取所述影像地图的坐标系;将所述点云数据中的坐标系转换为与所述影像地图的坐标系相同的坐标系。
可选地,在获取指定流域的点云数据和影像地图之后,还包括:获取在标记所述指定流域时的标记信息,其中,所述标记信息至少包括:所述目标模型的经纬度信息、模型标识和结构特征;基于所述经纬度信息,索引所述目标模型的模型标识;基于所述模型标识和所述结构特征,索引所述目标模型的模型类型和几何特征参数,其中,所述几何特征参数至少包括:模型长度、模型宽度和模型高度;以所述模型标识为基础,综合所述经纬度信息、所述模型类型和所述几何特征参数,确定所述目标模型的索引参数集合。
可选地,在确定所述目标模型的索引参数集合之后,还包括:基于所述索引参数集合中的所述模型标识和所述目标模型的经纬度信息,建立模型唯一标识序号;依据所述模型类型,确定模型拆分策略;采用所述模型拆分策略对所述几何特征参数中的参数进行拆分,得到分拆子模型;基于所述结构特征,提取每个所述分拆子模型中的模型特征参数;以所述模型唯一标识序号为基准,综合每个所述分拆子模型中的模型特征参数,构建与所述目标模型对应的所述模型特征参数库。
可选地,特征参数集合内的特征参数包含下述至少之一:地理坐标参数、多边形参数、二维特征参数、三维特征参数。
可选地,在提取所述地理坐标参数时,包括:基于所述目标模型的模型唯一标识序号,提取所述目标模型的经纬度信息和等高参数,得到所述地理坐标参数。
可选地,在提取所述多边形参数时,包括:基于所述地理坐标参数,匹配对应的点云数据;基于匹配的所述点云数据,提取所述目标模型的几何特征参数指定的范围内的多边形参数,其中,所述多边形参数包括:所述目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位参数、线条中心点位到各个面的长度参数和模型中心点位到线条边缘点位的长度参数。
可选地,在提取所述二维特征参数时,包括:根据所述多边形参数,以二维正交投影视角提取多边形区域内的平面特征参数,得到所述二维特征参数,其中,所述二维特征参数包括:所述目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位到多边形中心点位的参数以及模型中心点位到各个边缘线段的点位参数。
可选地,在提取所述三维特征参数时,包括:提取所述目标模型的每个面到模型中心点位的第一点位参数;对所述目标模型的立体面进行切割,并提取切割线到所述模型中心点位的第二点位参数,得到所述三维特征参数。
可选地,在提取所述目标模型的特征参数集合之后,还包括:基于所述多边形参数和所述二维特征参数,对所述三维特征参数进行验证,得到验证结果,其中,所述验证结果用于确认所述目标模型的特征参数集合中是否存在不符合模型特征要求的参数。
可选地,比对提取的所述特征参数集合中的特征参数,生成所述目标模型的三维轮廓参数库的步骤,包括:比对所述特征参数集合中的所述多边形参数、所述二维特征参数、所述三维特征参数,确定所述目标模型的三维关键点位参数;基于所述三维关键点位参数,勾勒所述目标模型的模型线条;基于所述三维关键点位参数以及所述模型线条,生成所述目标模型的整体轮廓参数模型,并确定所述整体轮廓参数模型的参数库;将所述整体轮廓参数模型的参数库表征为所述目标模型的三维轮廓参数库。
可选地,基于所述点云数据和所述三维轮廓参数库,生成所述目标模型的步骤,包括:将所述三维轮廓参数库与所述点云数据进行匹配;在匹配到对应的点云数据的情况下,对所述三维轮廓参数库中与所述点云数据中的点关联的相邻点进行像素填充,生成所述目标模型。
可选地,在生成所述目标模型之后,还包括:采集所述指定流域的倾斜摄影图像,并提取所述倾斜摄影图像中与所述目标模型的经纬度对应的模型,得到待评测模型;将生成的所述目标模型与所述待评测模型进行轮廓颜色相似度对比,得到对比相似度;在所述对比相似度低于预设相似度阈值的情况下,确认所述目标模型存在模型缺陷,生成报错报文。
根据本发明实施例的另一方面,还提供了一种流域模型生成装置,包括:获取单元,用于获取指定流域的点云数据和影像地图,所述点云数据至少包含:目标模型的中心点位坐标;提取单元,用于基于所述目标模型的中心点位坐标以及与所述目标模型对应的模型特征参数库,提取所述目标模型的特征参数集合;比对单元,用于比对提取的所述特征参数集合中的特征参数,生成所述目标模型的三维轮廓参数库;生成单元,用于基于所述点云数据和所述三维轮廓参数库,生成所述目标模型。
可选地,所述获取单元包括:第一采集模块,用于采集目标地表区域的地图,提取所述目标地表区域的地图指示的地理区域信息和区域轮廓;第一标记模块,用于基于所述地理区域信息和区域轮廓,对所述目标地表区域中关联所述指定流域的部分区域进行标记;第一删除模块,用于删除关联所述指定流域的部分区域之外的其它背景地图,得到所述指定流域的影像地图。
可选地,所述流域模型生成装置还包括:第一获取模块,用于在获取指定流域的点云数据和影像地图之后,获取所述影像地图的坐标系;第一转换模块,用于将所述点云数据中的坐标系转换为与所述影像地图的坐标系相同的坐标系。
可选地,所述流域模型生成装置还包括:第二获取模块,用于在获取指定流域的点云数据和影像地图之后,获取在标记所述指定流域时的标记信息,其中,所述标记信息至少包括:所述目标模型的经纬度信息、模型标识和结构特征;第一索引模块,用于基于所述经纬度信息,索引所述目标模型的模型标识;第二索引模块,用于基于所述模型标识和所述结构特征,索引所述目标模型的模型类型和所述几何特征参数,其中,所述几何特征参数至少包括:模型长度、模型宽度和模型高度;第一确定模块,用于以所述模型标识为基础,综合所述经纬度信息、所述模型类型和几何特征参数,确定所述目标模型的索引参数集合。
可选地,所述流域模型生成装置还包括:第一建立模块,用于在确定所述目标模型的索引参数集合之后,基于所述索引参数集合中的所述模型标识和所述目标模型的经纬度信息,建立模型唯一标识序号;第二确定模块,用于依据所述模型类型,确定模型拆分策略;第一拆分模块,用于采用所述模型拆分策略对所述几何特征参数中的参数进行拆分,得到分拆子模型;第一提取模块,用于基于所述结构特征,提取每个所述分拆子模型中的模型特征参数;第二建立模块,用于以所述模型唯一标识序号为基准,综合每个所述分拆子模型中的模型特征参数,构建与所述目标模型对应的所述模型特征参数库。
可选地,特征参数集合内的特征参数包含下述至少之一:地理坐标参数、多边形参数、二维特征参数、三维特征参数。
可选地,所述提取单元包括:第二提取模块,用于基于所述目标模型的模型唯一标识序号,提取所述目标模型的经纬度信息和等高参数,得到所述地理坐标参数。
可选地,所述提取单元包括:第一匹配模块,用于基于所述地理坐标参数,匹配对应的点云数据;第三提取模块,用于基于匹配的所述点云数据,提取所述目标模型的几何特征参数指定的范围内的多边形参数,其中,所述多边形参数包括:所述目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位参数、线条中心点位到各个面的长度参数和模型中心点位到线条边缘点位的长度参数。
可选地,所述提取单元包括:第四提取模块,用于根据所述多边形参数,以二维正交投影视角提取多边形区域内的平面特征参数,得到所述二维特征参数,其中,所述二维特征参数包括:所述目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位到多边形中心点位的参数以及模型中心点位到各个边缘线段的点位参数。
可选地,所述提取单元包括:第五提取模块,用于提取所述目标模型的每个面到模型中心点位的第一点位参数;第六提取模块,用于对所述目标模型的立体面进行切割,并提取切割线到所述模型中心点位的第二点位参数,得到所述三维特征参数。
可选地,所述流域模型生成装置还包括:验证模块,用于在提取所述目标模型的特征参数集合之后,基于所述多边形参数和所述二维特征参数,对所述三维特征参数进行验证,得到验证结果,其中,所述验证结果用于确认所述目标模型的特征参数集合中是否存在不符合模型特征要求的参数。
可选地,所述比对单元包括:比对模块,用于比对所述特征参数集合中的所述多边形参数、所述二维特征参数、所述三维特征参数,确定所述目标模型的三维关键点位参数;勾勒模块,用于基于所述三维关键点位参数,勾勒所述目标模型的模型线条;第一确定子模块,用于基于所述三维关键点位参数以及模型线条,生成所述目标模型的整体轮廓参数模型,并确定所述整体轮廓参数模型的参数库;第二确定子模块,用于将所述整体轮廓参数模型的参数库表征为所述目标模型的三维轮廓参数库。
可选地,所述生成单元包括:第一生成模块,用于第二匹配模块,用于将所述三维轮廓参数库与所述点云数据进行匹配;填充模块,用于在匹配到对应的点云数据的情况下,对所述三维轮廓参数库中与所述点云数据中的点关联的相邻点进行像素填充,生成所述目标模型。
可选地,所述流域模型生成装置还包括:第二采集模块,用于在生成所述目标模型之后,采集所述指定流域的倾斜摄影图像,并提取所述倾斜摄影图像中与所述目标模型的经纬度对应的模型,得到待评测模型;对比模块,用于将生成的所述目标模型与所述待评测模型进行轮廓颜色相似度对比,得到对比相似度;确认模块,用于在所述对比相似度低于预设相似度阈值的情况下,确认所述目标模型存在模型缺陷,生成报错报文。
根据本发明实施例的另一方面,还提供了一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的流域模型生成方法。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的流域模型生成方法。
本公开中,先获取指定流域的点云数据和影像地图,其中,点云数据至少包含:目标模型的中心点位坐标,基于目标模型的中心点位坐标以及与目标模型对应的模型特征参数库,提取目标模型的特征参数集合,比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库,基于点云数据和三维轮廓参数库,生成目标模型。
本公开中,可以在获取到指定流域的点云数据和影像地图,自动化提取模型的特征参数集合,从而自动化生成目标模型,不仅提供建模时的***规范化流程管理,而且大大提升了建模效率,从而能够解决相关技术中搭建流域模型时,缺乏***性的建模规划,导致建模效率较低的技术问题。
本公开中,可采集三种影像数据:点云数据、影像地图(例如,卫星影像)、倾斜摄影数据(如通过飞行平台对多个角度采集的),在得到这三种数据后,统一三种数据的坐标系,便于模型建立时的坐标统一规划和数据转换。
本公开中,能够在影像地图上对某一区域的需要生成的目标模型进行选择并标记,确认目标模型的特征轮廓,这样能够准确确定待生成的目标模型的定位坐标、地理位置和轮廓,提升模型生成效率。
本公开中,通过选择目标模型的特征轮廓,然后通过对目标模型特征的确认,再由计算机对模型特征轮廓参数不断识别丰富,基于点云数据提取模型特征轮廓形成模型的三维轮廓参数库,基于三维轮廓参数库通过计算机程序进行像素填充生成对应的三维目标模型,最后经由基于倾斜摄影数据的相似度评估来优化、调整得到最终可用的三维目标模型。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的流域模型生成方法的流程图;
图2是根据本发明实施例的一种拍摄得到的影像地图的示意图;
图3是根据本发明实施例的一种删除背景地图后的影像地图的示意图;
图4是根据本发明实施例的一种可选的流域水上陆地模型的生成方法的示意图;
图5是根据本发明实施例的一种可选的流域模型生成装置的示意图;
图6是根据本发明实施例的一种流域模型生成方法的电子设备(或移动设备)的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明可以运用于三维数字孪生领域,进行流域模型的自动化搭建场景,无需增加搭建人员数量,即可实现流域模型的自动化生成,也可以应用于其他搭建流域模型的相关技术领域中。
本发明提供的流域模型生成方法及生成装置,可以应用于各种模型搭建***/软件/产品中,下述各实施例以流域水上陆地固定模型为示例进行示意性说明,其同样适用于其他类型的流域模型的搭建***/软件/产品。
本发明中提供的流域模型的类型包括但不限于:桥梁、水文站、大坝、水库、水电站、闸口等,每种类型的流域模型中包含有大量的模型特征参数,例如,对于桥梁来说,其包含有桥梁的桥面数据、桥墩数据、桥体数据、桥上设施数据。桥梁类型:水上大桥,公路桥或铁路桥等。
本发明提供的流域模型生成方法及生成装置,提供了一种以点云数据、影像地图、倾斜摄影数据为基础数据的流域模型生成方法,通过在影像地图上对建立的目标模型进行标记(即对目标模型的几何图形轮廓进行标记),建立目标模型的特征轮廓选择;然后通过对目标模型特征的确认,再由计算机对模型特征轮廓参数不断识别丰富;基于点云数据提取模型特征轮廓形成模型的三维轮廓参数库;基于三维轮廓参数库通过计算机程序进行像素填充生成对应的三维目标模型;最后经由基于倾斜摄影数据的相似度评估来优化、调整得到最终可用的三维目标模型。
下面结合各个实施例来详细说明本发明。
实施例一
根据本发明实施例,提供了一种流域模型生成方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的流域模型生成方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取指定流域的点云数据和影像地图,其中,点云数据至少包含:目标模型的中心点位坐标;
步骤S104,基于目标模型的中心点位坐标以及与目标模型对应的模型特征参数库,提取目标模型的特征参数集合;
步骤S106,比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库;
步骤S108,基于点云数据和三维轮廓参数库,生成目标模型。
通过上述步骤,可以先获取指定流域的点云数据和影像地图,其中,点云数据至少包含:目标模型的中心点位坐标,基于目标模型的中心点位坐标以及与目标模型对应的模型特征参数库,提取目标模型的特征参数集合,比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库,基于点云数据和三维轮廓参数库,生成目标模型。在该实施例中,可以在获取到指定流域的点云数据和影像地图,自动化提取模型的特征参数集合,比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库,从而自动化生成目标模型,不仅提供建模时的***规范化流程管理,而且大大提升了建模效率,从而能够解决相关技术中搭建流域模型时,缺乏***性的建模规划,导致建模效率较低的技术问题。
下面结合上述各实施步骤来详细说明本发明实施例。
步骤S102,获取指定流域的点云数据和影像地图,其中,点云数据至少包含:目标模型的中心点位坐标;
可选的,获取指定流域的影像地图的步骤,包括:采集目标地表区域的地图,提取目标地表区域的地图指示的地理区域信息和区域轮廓;基于地理区域信息和区域轮廓,对目标地表区域中关联指定流域的部分区域进行标记;删除关联指定流域的部分区域之外的其它背景地图,得到指定流域的影像地图。
为了要生成目标模型,需要先对该目标模型所处的流域地表、水文、坐标等进行采集,在此时,需要先获取包含该目标模型的较大范围的地表区域的地图,然后对该地图进行标记、裁剪、删除等操作,从而获得指定流域中关联目标模型准确范围的影像地图。
需要说明的是,本实施例提及的区域地图、影像地图或者地表地图可以是指通过卫星、高空摄像设备所采集的实时地表流域图像。例如,通过卫星搭载的各种传感器来获取全面、真实、客观地反映地表特征的数据,这些数据通过专业的遥感技术处理,以获取带有高精度地理坐标信息的影像地图。
图2是根据本发明实施例的一种拍摄得到的影像地图的示意图,如图2所示,为了构建关于桥梁的目标模型,需要先拍摄其所处的河道地表流域的图像,其图像内包含了河道以及河道两侧的不规则地表,同时包含了某一段高速公路(图2中以***S8105(高速公路)示意)和横跨在河道上的桥梁。
通过影像地图对指定区域的需要生成的目标模型进行选择并标记。例如,在图2中对于对地表区域中关联桥梁指定流域的部分区域轮廓进行标记,设置标记点,通过虚线框将其凸显出来,在实际实施过程中,标记时的标记方式还可以通过高亮、颜色、数字或者字符等方式进行标记,以凸显待生成的目标模型的部分区域,并实施例并不限定具体的标记方式。
本实施例在标记时,对于选择标记的区域不做限定,例如,针对包含桥梁的河道、两侧桥墩、桥梁主体等进行范围标记,或者对其他包含目标模型的标志性建筑、水文站等进行标记,不同类型的区域采用的标记形式可以不相同,也可以相同。
图3是根据本发明实施例的一种删除背景地图后的影像地图的示意图,如图3所示,相对于图2,删除关联的河道、两侧地表信息,保留了待构建模型的影像地图。
可选的,本实施例在删除背景地图后得到指定流域的影像地图后,此时该影像地图是彩色的图像,需要提取影像地图中各个点位的彩色信息(如RGB参数),并对影像地图进行灰度处理。
本实施例的点云数据可以是指在一个三维坐标***中的一组向量的集合,扫描获取的点云数据源资料以点的形式记录(点云是由许多的点集合而成的数据),其中,每一个点可包含有三维坐标信息(经度,纬度,高度),有些点可能含有颜色信息(可通过分析影像地图中各对应位置的颜色信息(RGB参数然后赋予点云中对应的点)或反射强度信息(可通过激光扫描仪接收装置采集到的回波强度信息来确定,回波强度信息是通过激光与目标模型各点位的回波时长、仪器发射能量关联)。三维坐标信息可以采用(x,y,z)类型的形式表示,后续需要使用到这些坐标数据。
在获取点云数据时,通过激光扫描仪对目标模型各个点位进行激光点击,结合光位反射时长和能量强度,确定N个点位的坐标和一系列操作参数,生成点云数据。
可选的,在获取指定流域的点云数据和影像地图之后,还包括:获取影像地图的坐标系;将点云数据中的坐标系转换为与影像地图的坐标系相同的坐标系。即通过数据转换的方式将点云数据的坐标系(对不同坐标系的数据进行转换,转换成(经度,维度,高度)同一坐标系中的数据)转换成影像地图数据的统一坐标系。
作为本实施例可选的实施方式,在获取指定流域的点云数据和影像地图之后,还包括:获取在标记指定流域时的标记信息,其中,标记信息至少包括:目标模型的经纬度信息、模型标识和结构特征;基于经纬度信息,索引目标模型的模型标识;基于模型标识和结构特征,索引目标模型的模型类型和几何特征参数,其中,几何特征参数至少包括:模型长度、模型宽度和模型高度;以模型标识为基础,综合经纬度信息、模型类型和几何特征参数,确定目标模型的索引参数集合。
需要说明的是,本实施例并不限定模型标识和模型类型的具体内容,例如,对于模型标识,可以是通过文字、数字、字符、英文字母等方式体现的名称、标号等信息,在本实施例以模型名称作为模型标识进行示意说明。而模型类型可以体现为对应不同地表水上流域信息,在前面已经说明,在此不再赘述。
针对指定流域选择的模型名称和对应的经纬度信息,进行模型参数索引(例如,通过标记的模型的经纬度信息,获得对应的模型名称),通过对影像地图的图像识别和对目标结构特征的识别,对目标模型的长宽高进行参数索引(通过卫星影像标记的信息,得到参数(模型的几何特征参数(长度,宽度,高度))以及经纬度信息,模型名称,根据参数对现有的模型进行详细参数索引)。
可选的,在确定目标模型的索引参数集合之后,还包括:基于索引参数集合中的模型标识和目标模型的经纬度信息,建立模型唯一标识序号;依据模型类型,确定模型拆分策略;采用模型拆分策略对几何特征参数中的参数进行拆分,得到分拆子模型;基于结构特征,提取每个分拆子模型中的模型特征参数;以模型唯一标识序号为基准,综合每个分拆子模型中的模型特征参数,构建与目标模型对应的模型特征参数库。
通过索引到的参数集合建立模型特征参数库,通过对目标模型的经纬度和目标模型简称建立模型的唯一标识序号,从而建立目标模型的模型特征参数库。例如,对于桥梁模型,通过对长宽高参数等几何特征参数对模型进行分布识别,对模型的高度进行切分以识别不同高度下不同模型的长度宽度数据,并通过基础的桥梁架构对模型参数做出参数的识别匹配,来建立目标模型的模型特征参数库(陆地模型参数库如桥梁:桥下:桥墩的数量、桥墩的长宽高、桥墩的间距;桥面:桥面的长度、宽度高度;桥上:桥上稳定设施的多边形结构、多边形长度高度宽度、角度参数)。
步骤S104,基于目标模型的中心点位坐标以及与目标模型对应的模型特征参数库,提取目标模型的特征参数集合。
可选的,本实施例提供的特征参数集合内的特征参数包含下述至少之一:地理坐标参数、多边形参数、二维特征参数、三维特征参数。
通过经纬度信息对目标模型的位置进行定位,定位到点云数据中模型的中心点位坐标,并通过中心点位坐标和对应目标模型的模型特征参数库对目标模型进行多边形边界的点云数据、二维特征参数和三维特征参数提取,通过提取的数据来建立目标模型的三维关键点位参数并勾勒出目标模型的线条,以此参数信息来生成三维目标模型。
可选的,在提取地理坐标参数时,包括:基于目标模型的模型唯一标识序号,提取目标模型的经纬度信息和等高参数,得到地理坐标参数。在获取地理坐标参数时,可以通过目标模型的唯一标识序号,确定经纬度信息和等高参数信息。
另一种可选的,在提取多边形参数时,包括:基于地理坐标参数,匹配对应的点云数据;基于匹配的点云数据,提取目标模型的几何特征参数指定的范围内的多边形参数,其中,多边形参数包括:目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位参数、线条中心点位到各个面的长度参数和模型中心点位到线条边缘点位的长度参数。
本实施例在提取多边形参数时,可以提取目标模型边缘轮廓角度点位参数,该参数包括目标角度点位参数、线条中位线点位参数、多边形中心点位到各个面和线条边缘点位的长度参数。
可选的,在提取二维特征参数时,包括:根据多边形参数,以二维正交投影视角提取多边形区域内的平面特征参数,得到二维特征参数,其中,二维特征参数包括:目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位到多边形中心点位的参数以及模型中心点位到各个边缘线段的点位参数。
本实施例在提取二维特征参数时,可以提取模型边缘轮廓角度点位参数,包括目标角度点位参数、线条中位线点位到多边形中心点位的参数以及中心点位到各个边缘线段的点位参数。
可选的,在提取三维特征参数时,包括:提取目标模型的每个面到模型中心点位的第一点位参数;对目标模型的立体面进行切割,并提取切割线到模型中心点位的第二点位参数,得到三维特征参数。
本实施例在提取三维特征参数时,可以提取目标模型的每一个面到中心点位的参数,对目标模型的立体面拆分计算,对目标模型的每一个面做4等分切割,并对切割的线到中心点位的参数进行提取(例如对正方体的6个正方形的面进行切割,切割方法为将每个正方形面的中点与该正方形的边的中点进行连接),形成三维的特征参数。
本实施例在得到上述各种类型的特征参数后,需要进行特征参数筛查。可选的,在提取目标模型的特征参数集合之后,还包括:基于多边形参数和二维特征参数,对三维特征参数进行验证,得到验证结果,其中,验证结果用于确认目标模型的特征参数集合中是否存在不符合模型特征要求的参数。
在进行特征参数筛查时,可以通过提取的多边形参数和二维特征参数对模型的三维特征参数进行比对筛查,以确定数据的唯一性、正确性和一致性。例如,对多边形参数二维特征轮廓和三维高度特征参数高度轮廓数据进行桥梁参数筛选,通过桥梁的特征如桥墩参数、桥面参数、桥体的参数、桥梁特征参数的数据大小验证正确性(例如对桥梁的长度与桥墩的间距数据进行验证,即验证出桥长1m、桥墩高800m类似不符合常理的数据特征)。
步骤S106,比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库。
可选的,比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库的步骤,包括:比对特征参数集合中的多边形参数、二维特征参数、三维特征参数,确定目标模型的三维关键点位参数;基于三维关键点位参数,勾勒目标模型的模型线条;基于三维关键点位参数以及模型线条,生成目标模型的整体轮廓参数模型,并确定整体轮廓参数模型的参数库;将整体轮廓参数模型的参数库表征为目标模型的三维轮廓参数库。
在完成筛查后,可以生成三维轮廓参数库,本实施例在生成指定流域的三维轮廓参数库时,对收集到的目标模型特征参数进行筛查比对后,建立可生成模型的三维轮廓参数库((根据桥梁的特征参数、二维参数(长、宽、高、角度等二维数据)和三维参数(立体参数,例如正方体的六个面的参数数据)生成桥梁的整体轮廓参数模型,例如桥梁的桥面数据、桥墩数据、桥上设施数据))。
步骤S108,基于点云数据和三维轮廓参数库,生成目标模型。
可选的,基于点云数据和三维轮廓参数库,生成目标模型的步骤,包括:将三维轮廓参数库与点云数据进行匹配;在匹配到对应的点云数据的情况下,对三维轮廓参数库中与点云数据中的点关联的相邻点进行像素填充,生成目标模型。
通过对模型的三维轮廓参数库和点云数据进行特征轮廓匹配,匹配到对应的数据后依据点云的几何点数据对相邻的点像素的填充,通过像素的填充来生成三维目标模型。以桥梁模型示例,在进行像素填充时,依据对应的桥梁参数进行桥梁各个面的像素填充,举例说明一种像素填充方式:将一个面分割成无数个透明的小栅格(即RGBA中alpha通道参数为0),如果这个面RGB值(0,0,0),即黑色,将自动的对所有小栅格的进行像素RGB值赋值为(0,0,0),进行黑色颜色填充,并改变alpha通道参数为非透明参数,直到每一个面填充完成。
可选的,在生成目标模型之后,还包括:采集指定流域的倾斜摄影图像,并提取倾斜摄影图像中与目标模型的经纬度对应的模型,得到待评测模型;将生成的目标模型与待评测模型进行轮廓颜色相似度对比,得到对比相似度;在对比相似度低于预设相似度阈值的情况下,确认目标模型存在模型缺陷,生成报错报文。
本实施例中,可以在生成目标模型后,对目标模型进行对比检查和模型优化,其中模型比对检查,可以是通过点云数据将生成的目标模型与倾斜摄影图像中对应经纬度的中的模型进行轮廓颜色相似度对比评测,当***评测相似度某一相似度阈值(例如,低于70%)时,视为生成的目标模型存在较大误差(例如,对于桥梁来说,应当包含有许多横梁,但生成的模型中的是一个面或者一堵墙,而未包含许多的横梁),判断目标模型生成失败原因并进入上报处理环节,当评测模型与倾斜摄影中的目标模型参数相似度高于相似度阈值,判断模型生成OK,生成与目标模型对应的模型文件。
在采集倾斜摄影图像时,可通过飞行平台(例如,无人机)搭载传感器(通常为摄像头)对某个场景从空中进行包括正射、前后左右等五个方向的数据采集(照片采集)。在拍摄时,可以从五个不同的视角(一个垂直、四个倾斜),同步采集影像,获取到丰富的建筑物顶面及侧视的数据采集(图像/照片采集),经过数据处理,获取植被,建筑,道路等准确、完整的位置信息和纹理数据,此数据采用三维结构数据。(倾斜摄影是通过俯视视角,侧面视角的图片合成为单个区域的影像数据)。
需要说明的是,在采集到倾斜摄影图像,同样需要进行坐标统一,通过数据转换的方式将倾斜摄影图像/倾斜摄影数据的坐标系转换成影像地图相同的统一坐标系。
在确认模型出现较大误差得情况下,需要通过管理员对***可能存在导致相似度低于一定相似度阈值的对比度差异的特征参数的参数特征库或者***的参数库存在错误进行参数审查。管理员通知到对应的技术人员对目标模型的三维特征中的面到中心点位的参数做审查,查看是否存在缺陷,如存在缺陷将由管理员对目标的特征参数进行修正(修正依据:根据目标模型的类型,由管理员进行特征参数错误的修正),然后再通过特征参数进行新一轮的索引比对,重新进入模型特征参数的提取比对生成流程,例如,由管理员对桥梁的明显差异点数据进行数据追溯,查看数据索引环节使用到的特征数据(参数)是否因为测量环节中参数差异,导致特征参数索引存在较大差异,从而形成了参数的较大差异;以倾斜摄影为数据依据进行参数差异修正,并优化对应的差异点(优化掉测量环节中参数的差异)。
在优化模型中的差异点后,最后完成对目标模型的类型参数特征数据进行检查优化。
在完成对目标模型的参数特征数据优化后,可以导出与目标模型对应的模型文件,其该文件的导出对应格式包括但不限于:OSGB、OBJ、DAE。
通过上述实施例,可以自动化生成目标模型,导出与目标模型对应的模型文件,实现模型生成的***流程式管理,同时,能够大大降低流域建模的专业性,并简化监测流程,降低监测成本,从而降低项目建模成本。
下面结合另一种较为详细的实施例来说明本发明。
实施例二
图4是根据本发明实施例的一种可选的流域水上陆地模型的生成方法的示意图,如图4所示,该生成方法包括:
1.数据采集:利用设备对目标流域进行点云数据、倾斜影像(或者倾斜摄影数据)、卫星影像进行采集,其中,
点云数据:是指在一个三维坐标***中的一组向量的点集合,扫描获取的点云数据源资料以点的形式记录,每一个点包含有三维坐标(经度,纬度,高度),有些点可能含有颜色信息(RGB)或反射强度信息;
倾斜影像:通过从一个垂直、四个倾斜、五个不同的视角同步采集影像,获取到丰富的建筑物顶面及侧视的数据采集(照片采集),经过数据处理,获取植被、建筑、道路等准确、完整的位置信息和纹理数据,此数据采用三维结构数据。倾斜影像是通过俯视视角,侧面视角的图片合成为单个区域的影像数据,如图2的桥梁。
卫星影像:通过卫星搭载的各种传感器来获取全面、真实、客观地反映地表特征的数据,这些数据通过专业的遥感技术处理,以获取带有高精度地理坐标信息的影像。
2.地理坐标匹配:通过数据转换的方式将倾斜影像、点云数据等不同坐标系的数据转换成与卫星影像坐标系相同的坐标系,以统一这些采集数据的坐标系,例如,统一为EPSG4845坐标系。
3.目标模型标记选择:通过卫星影像的数据对目标区域中的需要生成的模型进行选择并标记,如图2所示根据对应的影像位置对轮廓进行标记,并设置标记点。
4.模型特征参数索引获取:针对目标区域选择的模型名称和对应的经纬度信息,进行模型参数索引(通过标记的模型的经纬度信息,获得对应模型的名称),通过对卫星影像的图像识别和对目标结构识别,对目标模型的长宽高进行参数索引(通过卫星影像标记的信息,得到参数(模型的几何特征参数(长度,宽度,高度,特征(桥梁类型:黄河水上大桥,公路桥或铁路桥;桥架的几何特征参数)、经纬度信息,模型名称,根据参数对现有的模型进行详细参数索引)。
5.特征参数库:通过索引到的目标模型特征参数建立模型参数库,通过对目标模型的经纬度和目标模型简称建立模型的唯一标识序号,建立目标模型的模型特征参数库,如桥梁模型,通过对长宽高参数等几何特征参数对模型进行分布识别,对模型的高度进行切分以识别不同高度下不同模型的长度宽度数据,并通过基础的桥梁架构对模型参数做出参数的识别匹配,来建立目标模型的特征参数库(陆地模型参数库如桥梁:桥下:桥墩的数量、桥墩的长宽高、桥墩的间距;桥面:桥面的长度、宽度高度;桥上:桥上稳定设施的多边形结构、多边形长度高度宽度、角度参数)。
6.提取特征参数集合:通过经纬度信息对目标模型的位置进行定位,定位到点云数据中模型的中心点位坐标,并通过中心点位坐标和对应的模型特征参数库对目标模型进行多边形边界的地理坐标参数、多边形数据、二维特征参数和三维特征参数提取,通过提取的数据来建立目标模型的三维关键点位参数并勾勒出目标模型的线条,以此参数信息来生成三维目标模型。
其中,地理坐标参数:目标模型的唯一识别码,包含经纬度信息和等高参数信息;
多边形参数:提取目标模型边缘轮廓角度点位参数,该参数包括目标角度点位参数、线条中位线点位参数、多边形中心点位到各个面和线条边缘点位的长度参数(具体提取步骤包括,第一步:根据地理位置匹配到对应点云的数据位置;第二步:根据标记索引参数,对提取的多边形参数数据提取长宽高范围内的多边形数据);
二维特征参数:提取模型边缘轮廓角度点位参数,包括目标角度点位参数、线条中位线点位到多边形中心点位的参数以及中心点位到各个边缘线段的点位参数(具体提取步骤,第三步:根据得到的多边形数据,进行多边形区域内的特征参数数据的提取,以二维正交投影视角提取平面特征参数);
三维特征参数:提取目标模型的每一个面到中心点位的参数,对目标模型的立体面拆分计算,对目标模型的每一个面做4等分切割,并对切割的线到中心点位的参数进行提取(例如,对正方体的6个正方形的面进行切割,切割方法为将每个正方形面的中点与该正方形的边的中点进行连接),形成三维的特征参数(具体提取步骤,第四步:依据平面的数据、倾斜侧面角度提取三维的立体特征的高度)。
7.特征轮廓参数筛查:通过提取的多边形参数和二维特征参数对模型的三维特征参数进行比对筛查,以确定数据的唯一性、正确性和一致性。对多边形参数二维特征轮廓和三维高度特征参数高度轮廓数据进行桥梁参数筛选,通过桥梁的特征如桥墩参数、桥面参数、桥体的参数、桥梁特征参数的数据大小验证正确性(例如对桥梁的长度与桥墩的间距数据进行验证,即验证出桥长1m、桥墩高800m类似不符合常理的数据特征)。
8.生成三维轮廓参数库:对收集到的目标模型参数进行筛查比对后,建立可生成模型的三维轮廓参数库(例如,根据桥梁的特征参数、二维参数(长、宽、高、角度等二维数据)和三维参数(立体参数,例如正方体的六个面的参数数据),生成桥梁的整体轮廓参数模型,例如桥梁的桥面数据、桥墩数据、桥上设施数据)。
9.生成目标模型:通过对模型的三维轮廓参数库和点云数据进行特征轮廓匹配,匹配到对应的数据后依据点云的几何点数据对相邻的点像素的填充,通过像素的填充来生成目标的三维模型。(例如,依据对应的桥梁参数进行桥梁各个面的像素填充,像素填充方式为:将一个面分割成无数个透明的小栅格(即RGBA中alpha通道参数为0),如果这个面RGB值(0,0,0),即黑色,将自动的对所有小栅格的进行像素RGB值赋值为(0,0,0),进行黑色颜色填充,并改变alpha通道参数为非透明参数,直到每一个面填充完成)。
10.模型对比检查:将通过点云数据生成的目标模型与倾斜摄像中对应经纬度的中的模型进行轮廓颜色相似度对比评测,当***评测相似度低于70%时视为生成的目标模型存在较大误差(即存在明显缺陷,而不明显缺陷的相似度为70%~100%),判断目标模型生成失败原因并进入上报处理环节,当评测模型与倾斜摄影中的目标模型参数相似度高于70%时,判断模型通过检查,生成模型文件。例如:对比是否存在明显的长度差异,桥墩数量不一致,桥面设施形状差异大等现象为明显的缺陷。
11.上报管理员:对***可能存在导致相似度低于一定百分比时(例如60%)的对比度差异的特征参数的参数特征库或者***的参数库存在错误进行参数审查。
在审查目标模型参数时,管理员通知到对应的技术人员对目标模型的三维特征中的面到中心点位的参数做审查,查看是否存在缺陷,如存在缺陷将由管理员对目标的特征参数进行修正,然后再通过特征参数进行新一轮的索引比对,重新进入模型特征参数的提取比对生成流程,例如,由管理员对桥梁的明显差异点数据进行数据追溯,查看数据索引环节使用到的特征数据(参数)是否因为测量环节中参数差异,导致特征参数索引存在较大差异,从而形成了参数的较大差异;以倾斜摄影为依据进行参数差异修正,并优化对应的差异点(优化掉测量环节中参数的差异)。
12.优化目标模型参数特征:对目标模型的类型参数特征数据进行检查优化。
模型文件导出:导出对应格式(OSGB,OBJ,,DAE)的模型文件。
上述实施例中,提供了一种以点云数据、卫星影像、倾斜影像为基础数据的流域水上陆地固定模型的生成方法,本发明实施例通过在卫星影像地图上对建立的目标模型进行标记(即对目标模型的几何图形轮廓进行标记),建立目标模型的特征轮廓选择,然后通过对目标模型特征的确认,再由计算机对模型特征轮廓参数不断识别丰富,基于点云数据提取模型特征轮廓形成模型的三维轮廓参数库,基于三维轮廓参数库通过计算机程序进行像素填充生成对应的三维目标模型,最后经由基于倾斜影像的相似度评估来生成可用的三维模型。
通过上述实施例,可以在采集到相应的流域影像地图、点云数据、倾斜影像后,自动化生成指定流域的目标模型,降低流域建模的专业性;同时,本实施例中可以实现数字化流程管理,能够规范建模流程,大大简化监测流程,降低项目建模成本。
下面结合另一种可选的实施例来说明本发明。
实施例三
本实施例提供了一种流域模型生成装置,该生成装置中包含的各个实施单元对应于上述实施例一中的各个实施步骤。
图5是根据本发明实施例的一种可选的流域模型生成装置的示意图,如图5所示,该生成装置可以包括:获取单元51、提取单元53、比对单元55、生成单元57,其中,
获取单元51,用于获取指定流域的点云数据和影像地图,其中,点云数据至少包含:目标模型的中心点位坐标;
提取单元53,用于基于目标模型的中心点位坐标以及与目标模型对应的模型特征参数库,提取目标模型的特征参数集合;
比对单元55,用于比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库;
生成单元57,用于基于点云数据和三维轮廓参数库,生成目标模型。
上述流域模型生成装置,可以先通过获取单元51获取指定流域的点云数据和影像地图,其中,点云数据至少包含:目标模型的中心点位坐标,通过提取单元53基于目标模型的中心点位坐标以及与目标模型对应的模型特征参数库,提取目标模型的特征参数集合,通过比对单元55比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库,通过生成单元57基于点云数据和三维轮廓参数库,生成目标模型。在该实施例中,可以在获取到指定流域的点云数据和影像地图,自动化提取模型的特征参数集合,比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库,从而自动化生成目标模型,不仅提供建模时的***规范化流程管理,而且大大提升了建模效率,从而能够解决相关技术中搭建流域模型时,缺乏***性的建模规划,导致建模效率较低的技术问题。
可选地,获取单元包括:第一采集模块,用于采集目标地表区域的地图,提取目标地表区域的地图指示的地理区域信息和区域轮廓;第一标记模块,用于基于地理区域信息和区域轮廓,对目标地表区域中关联指定流域的部分区域进行标记;第一删除模块,用于删除关联指定流域的部分区域之外的其它背景地图,得到指定流域的影像地图。
可选地,流域模型生成装置还包括:第一获取模块,用于在获取指定流域的点云数据和影像地图之后,获取影像地图的坐标系;第一转换模块,用于将点云数据中的坐标系转换为与影像地图的坐标系相同的坐标系。
可选地,流域模型生成装置还包括:第二获取模块,用于在获取指定流域的点云数据和影像地图之后,获取在标记指定流域时的标记信息,其中,标记信息至少包括:目标模型的经纬度信息、模型标识和结构特征;第一索引模块,用于基于经纬度信息,索引目标模型的模型标识;第二索引模块,用于基于模型标识和结构特征,索引目标模型的模型类型和几何特征参数,其中,几何特征参数至少包括:模型长度、模型宽度和模型高度;第一确定模块,用于以模型标识为基础,综合经纬度信息、模型类型和几何特征参数,确定目标模型的索引参数集合。
可选地,流域模型生成装置还包括:第一建立模块,用于在确定目标模型的索引参数集合之后,基于索引参数集合中的模型标识和目标模型的经纬度信息,建立模型唯一标识序号;第二确定模块,用于依据模型类型,确定模型拆分策略;第一拆分模块,用于采用模型拆分策略对几何特征参数中的参数进行拆分,得到分拆子模型;第一提取模块,用于基于结构特征,提取每个分拆子模型中的模型特征参数;第二建立模块,用于以模型唯一标识序号为基准,综合每个分拆子模型中的模型特征参数,构建与目标模型对应的模型特征参数库。
可选地,特征参数集合内的特征参数包含下述至少之一:地理坐标参数、多边形参数、二维特征参数、三维特征参数。
可选地,提取单元包括:第二提取模块,用于基于目标模型的模型唯一标识序号,提取目标模型的经纬度信息和等高参数,得到地理坐标参数。
可选地,提取单元包括:第一匹配模块,用于基于地理坐标参数,匹配对应的点云数据;第三提取模块,用于基于匹配的点云数据,提取目标模型的几何特征参数指定的范围内的多边形参数,其中,多边形参数包括:目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位参数、线条中心点位到各个面的长度参数和模型中心点位到线条边缘点位的长度参数。
可选地,提取单元包括:第四提取模块,用于根据多边形参数,以二维正交投影视角提取多边形区域内的平面特征参数,得到二维特征参数,其中,二维特征参数包括:目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位到多边形中心点位的参数以及模型中心点位到各个边缘线段的点位参数。
可选地,提取单元包括:第五提取模块,用于提取目标模型的每个面到模型中心点位的第一点位参数;第六提取模块,用于对目标模型的立体面进行切割,并提取切割线到模型中心点位的第二点位参数,得到三维特征参数。
可选地,流域模型生成装置还包括:验证模块,用于在提取目标模型的特征参数集合之后,基于多边形参数和二维特征参数,对三维特征参数进行验证,得到验证结果,其中,验证结果用于确认目标模型的特征参数集合中是否存在不符合模型特征要求的参数。
可选地,所述比对单元,包括:比对模块,用于比对所述特征参数集合中的所述多边形参数、所述二维特征参数、所述三维特征参数,确定所述目标模型的三维关键点位参数;勾勒模块,用于基于所述三维关键点位参数,勾勒所述目标模型的模型线条;第一确定子模块,用于基于所述三维关键点位参数以及模型线条,生成所述目标模型的整体轮廓参数模型,并确定所述整体轮廓参数模型的参数库;第二确定子模块,用于将所述整体轮廓参数模型的参数库表征为所述目标模型的三维轮廓参数库。
可选地,生成单元包括:第一生成模块,用于第二匹配模块,用于将三维轮廓参数库与点云数据进行匹配;填充模块,用于在匹配到对应的点云数据的情况下,对三维轮廓参数库中与点云数据中的点关联的相邻点进行像素填充,生成目标模型。
可选地,流域模型生成装置还包括:第二采集模块,用于在生成目标模型之后,采集指定流域的倾斜摄影图像,并提取倾斜摄影图像中与目标模型的经纬度对应的模型,得到待评测模型;对比模块,用于将生成的目标模型与待评测模型进行轮廓颜色相似度对比,得到对比相似度;确认模块,用于在对比相似度低于预设相似度阈值的情况下,确认目标模型存在模型缺陷,生成报错报文。
上述的流域模型生成装置还可以包括处理器和存储器,上述获取单元51、提取单元53、比对单元55、生成单元57等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来基于点云数据和三维轮廓参数库,生成目标模型。
上述存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
根据本发明实施例的另一方面,还提供了一种电子设备,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述任意一项的流域模型生成方法。
图6是根据本发明实施例的一种流域模型生成方法的电子设备(或移动设备)的硬件结构框图。如图6所示,电子设备可以包括一个或多个(图中采用602a、602b,……,602n来示出)处理器602(处理器602可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器604。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、键盘、电源和/或相机。本领域普通技术人员可以理解,图6所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,电子设备还可包括比图6中所示更多或者更少的组件,或者具有与图6所示不同的配置。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项的流域模型生成方法。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取指定流域的点云数据和影像地图,其中,点云数据至少包含:目标模型的中心点位坐标;基于目标模型的中心点位坐标以及与目标模型对应的模型特征参数库,提取目标模型的特征参数集合;比对提取的特征参数集合中的特征参数,生成目标模型的三维轮廓参数库;基于点云数据和三维轮廓参数库,生成目标模型。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以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。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (17)
1.一种流域模型生成方法,其特征在于,包括:
获取指定流域的点云数据和影像地图,其中,所述点云数据至少包含:目标模型的中心点位坐标;
基于所述目标模型的中心点位坐标以及与所述目标模型对应的模型特征参数库,提取所述目标模型的特征参数集合;
比对提取的所述特征参数集合中的特征参数,生成所述目标模型的三维轮廓参数库;
基于所述点云数据和所述三维轮廓参数库,生成所述目标模型。
2.根据权利要求1所述的生成方法,其特征在于,获取指定流域的影像地图的步骤,包括:
采集目标地表区域的地图,提取所述目标地表区域的地图指示的地理区域信息和区域轮廓;
基于所述地理区域信息和所述区域轮廓,对所述目标地表区域中关联所述指定流域的部分区域进行标记;
删除关联所述指定流域的部分区域之外的其它背景地图,得到所述指定流域的影像地图。
3.根据权利要求1所述的生成方法,其特征在于,在获取指定流域的点云数据和影像地图之后,还包括:
获取所述影像地图的坐标系;
将所述点云数据中的坐标系转换为与所述影像地图的坐标系相同的坐标系。
4.根据权利要求2所述的生成方法,其特征在于,在获取指定流域的点云数据和影像地图之后,还包括:
获取在标记所述指定流域时的标记信息,其中,所述标记信息至少包括:所述目标模型的经纬度信息、模型标识和结构特征;
基于所述经纬度信息,索引所述目标模型的模型标识;
基于所述模型标识和所述结构特征,索引所述目标模型的模型类型和几何特征参数,其中,所述几何特征参数至少包括:模型长度、模型宽度和模型高度;
以所述模型标识为基础,综合所述经纬度信息、所述模型类型和所述几何特征参数,确定所述目标模型的索引参数集合。
5.根据权利要求4所述的生成方法,其特征在于,在确定所述目标模型的索引参数集合之后,还包括:
基于所述索引参数集合中的所述模型标识和所述目标模型的经纬度信息,建立模型唯一标识序号;
依据所述模型类型,确定模型拆分策略;
采用所述模型拆分策略对所述几何特征参数中的参数进行拆分,得到分拆子模型;
基于所述结构特征,提取每个所述分拆子模型中的模型特征参数;
以所述模型唯一标识序号为基准,综合每个所述分拆子模型中的模型特征参数,构建与所述目标模型对应的所述模型特征参数库。
6.根据权利要求1至5中任意一项所述的生成方法,其特征在于,特征参数集合内的特征参数包含下述至少之一:地理坐标参数、多边形参数、二维特征参数、三维特征参数。
7.根据权利要求6所述的生成方法,其特征在于,在提取所述地理坐标参数时,包括:
基于所述目标模型的模型唯一标识序号,提取所述目标模型的经纬度信息和等高参数,得到所述地理坐标参数。
8.根据权利要求6所述的生成方法,其特征在于,在提取所述多边形参数时,包括:
基于所述地理坐标参数,匹配对应的点云数据;
基于匹配的所述点云数据,提取所述目标模型的几何特征参数指定的范围内的多边形参数,其中,所述多边形参数包括:所述目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位参数、线条中心点位到各个面的长度参数和模型中心点位到线条边缘点位的长度参数。
9.根据权利要求6所述的生成方法,其特征在于,在提取所述二维特征参数时,包括:
根据所述多边形参数,以二维正交投影视角提取多边形区域内的平面特征参数,得到所述二维特征参数,其中,所述二维特征参数包括:所述目标模型的轮廓边缘在目标角度点位的参数、线条中位线点位到多边形中心点位的参数以及模型中心点位到各个边缘线段的点位参数。
10.根据权利要求6所述的生成方法,其特征在于,在提取所述三维特征参数时,包括:
提取所述目标模型的每个面到模型中心点位的第一点位参数;
对所述目标模型的立体面进行切割,并提取切割线到所述模型中心点位的第二点位参数,得到所述三维特征参数。
11.根据权利要求6所述的生成方法,其特征在于,在提取所述目标模型的特征参数集合之后,还包括:
基于所述多边形参数和所述二维特征参数,对所述三维特征参数进行验证,得到验证结果,其中,所述验证结果用于确认所述目标模型的特征参数集合中是否存在不符合模型特征要求的参数。
12.根据权利要求6所述的生成方法,其特征在于,比对提取的所述特征参数集合中的特征参数,生成所述目标模型的三维轮廓参数库的步骤,包括:
比对所述特征参数集合中的所述多边形参数、所述二维特征参数、所述三维特征参数,确定所述目标模型的三维关键点位参数;
基于所述三维关键点位参数,勾勒所述目标模型的模型线条;
基于所述三维关键点位参数以及所述模型线条,生成所述目标模型的整体轮廓参数模型,并确定所述整体轮廓参数模型的参数库;
将所述整体轮廓参数模型的参数库表征为所述目标模型的三维轮廓参数库。
13.根据权利要求1所述的生成方法,其特征在于,基于所述点云数据和所述三维轮廓参数库,生成所述目标模型基于所述点云数据和所述三维轮廓参数库,生成所述目标模型的步骤,包括:
将所述三维轮廓参数库与所述点云数据进行匹配;
在匹配到对应的点云数据的情况下,对所述三维轮廓参数库中与所述点云数据中的点关联的相邻点进行像素填充,生成所述目标模型。
14.根据权利要求1所述的生成方法,其特征在于,在生成所述目标模型之后,还包括:
采集所述指定流域的倾斜摄影图像,并提取所述倾斜摄影图像中与所述目标模型的经纬度对应的模型,得到待评测模型;
将生成的所述目标模型与所述待评测模型进行轮廓颜色相似度对比,得到对比相似度;
在所述对比相似度低于预设相似度阈值的情况下,确认所述目标模型存在模型缺陷,生成报错报文。
15.一种流域模型生成装置,其特征在于,包括:
获取单元,用于获取指定流域的点云数据和影像地图,其中,所述点云数据至少包含:目标模型的中心点位坐标;
提取单元,用于基于所述目标模型的中心点位坐标以及与所述目标模型对应的模型特征参数库,提取所述目标模型的特征参数集合;
比对单元,用于比对提取的所述特征参数集合中的特征参数,生成所述目标模型的三维轮廓参数库;
生成单元,用于基于所述点云数据和所述三维轮廓参数库,生成所述目标模型。
16.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至14中任意一项所述的流域模型生成方法。
17.一种计算机可读存储介质,其特征在于,计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至14中任意一项所述的流域模型生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211268130.4A CN115526999A (zh) | 2022-10-17 | 2022-10-17 | 流域模型生成方法及生成装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211268130.4A CN115526999A (zh) | 2022-10-17 | 2022-10-17 | 流域模型生成方法及生成装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115526999A true CN115526999A (zh) | 2022-12-27 |
Family
ID=84702630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211268130.4A Pending CN115526999A (zh) | 2022-10-17 | 2022-10-17 | 流域模型生成方法及生成装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115526999A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115983162A (zh) * | 2023-03-20 | 2023-04-18 | 水利部珠江水利委员会水文局 | 一种基于数字孪生的流域建模方法 |
CN116604111A (zh) * | 2023-07-21 | 2023-08-18 | 威海宇旸机械制造有限公司 | 一种基于模板匹配的铸造工件边缘去毛刺控制方法及装置 |
-
2022
- 2022-10-17 CN CN202211268130.4A patent/CN115526999A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115983162A (zh) * | 2023-03-20 | 2023-04-18 | 水利部珠江水利委员会水文局 | 一种基于数字孪生的流域建模方法 |
CN116604111A (zh) * | 2023-07-21 | 2023-08-18 | 威海宇旸机械制造有限公司 | 一种基于模板匹配的铸造工件边缘去毛刺控制方法及装置 |
CN116604111B (zh) * | 2023-07-21 | 2023-11-24 | 威海宇旸机械制造有限公司 | 一种基于模板匹配的铸造工件边缘去毛刺控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113034689B (zh) | 基于激光点云的地形三维模型及地形图构建方法和***、存储介质 | |
Cheng et al. | 3D building model reconstruction from multi-view aerial imagery and lidar data | |
Schenk et al. | Fusion of LIDAR data and aerial imagery for a more complete surface description | |
US7133551B2 (en) | Semi-automatic reconstruction method of 3-D building models using building outline segments | |
Forlani et al. | C omplete classification of raw LIDAR data and 3D reconstruction of buildings | |
CN115526999A (zh) | 流域模型生成方法及生成装置、电子设备、存储介质 | |
US7509241B2 (en) | Method and apparatus for automatically generating a site model | |
CN110689563A (zh) | 一种用于提取遥感图像中违法建筑信息的数据处理方法 | |
CN112652065A (zh) | 三维社区建模方法、装置、计算机设备及存储介质 | |
CN105447868A (zh) | 一种微小型无人机航拍数据的自动检查方法 | |
CN115982806A (zh) | 基于倾斜摄影的矮塔斜拉转体桥bim建模方法、设备及介质 | |
CN116129064A (zh) | 电子地图生成方法、装置、设备及存储介质 | |
CN115424135A (zh) | 一种用于植被提取深度学习的四通道影像处理方法 | |
Sun et al. | Geographic, geometrical and semantic reconstruction of urban scene from high resolution oblique aerial images. | |
Chen et al. | Shaping polyhedral buildings by the fusion of vector maps and lidar point clouds | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、***、电子设备及介质 | |
CN116778098A (zh) | 一种基于深度学习的植物病虫害数据集构建方法 | |
CN113781639B (zh) | 一种大场景道路基础设施数字化模型快速构建方法 | |
Nakagawa et al. | Fusing stereo linear CCD image and laser range data for building 3D urban model | |
CN114140703A (zh) | 一种森林松材线虫病害智能识别方法及*** | |
Eiseman et al. | Automatic odometry-less opendrive generation from sparse point clouds | |
CN112950763A (zh) | 一种变电站工程中实景建模的方法 | |
Gülch et al. | Quality of Buildings Extracted from Airborne Laser Scanning Data—Results of an Empirical Investigation on 3D Building Reconstruction | |
Rau et al. | Geometrical building modeling and its application to the ortho-rectification for aerial images | |
Turkan et al. | UAS Image-Based Point Clouds to 3D Brim: 3D As-Is Bridge Model Generation |
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 |