CN115661398A - 一种用于实景三维模型的建筑物提取方法、装置及设备 - Google Patents

一种用于实景三维模型的建筑物提取方法、装置及设备 Download PDF

Info

Publication number
CN115661398A
CN115661398A CN202211223721.XA CN202211223721A CN115661398A CN 115661398 A CN115661398 A CN 115661398A CN 202211223721 A CN202211223721 A CN 202211223721A CN 115661398 A CN115661398 A CN 115661398A
Authority
CN
China
Prior art keywords
building
dimensional model
plane
primitive
live
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
Application number
CN202211223721.XA
Other languages
English (en)
Inventor
乐鹏
于大宇
梁哲恒
庞亚菲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South Digital Technology Co ltd
Wuhan University WHU
Original Assignee
South Digital Technology Co ltd
Wuhan University WHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South Digital Technology Co ltd, Wuhan University WHU filed Critical South Digital Technology Co ltd
Priority to CN202211223721.XA priority Critical patent/CN115661398A/zh
Publication of CN115661398A publication Critical patent/CN115661398A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种用于实景三维模型的建筑物提取方法、装置及设备，本发明首先将实景三维模型解析为一个基元集合，对基元集合进行地面基元过滤后，采用双向贪婪策略，首先对非地面集合基元进行贪婪剔除绿色植被、低矮建筑物、城市家具、汽车等非建筑物基元，以得到代表建筑物主体结构的基元集合。之后，在残缺的建筑物主体结构基础上，利用基元之间的拓扑邻接关系对误删的建筑物基元进行贪婪恢复。本发明实现了从实景三维模型中自动提取结构完整的、无基元残缺的建筑物，且具备极高的召回率以及较高的自动化程度，极大缩短了实景三维模型的对象化、单体化工作的工作量和成本。

Description

一种用于实景三维模型的建筑物提取方法、装置及设备
技术领域
本发明属于测绘数据处理领域，尤其涉及一种用于实景三维模型的建筑物提取方法、装置及设备。
背景技术
随着无人机技术和光学传感器技术的快速发展，机载LiDAR和倾斜摄影测量技术已可低成本、快速、精确地获取大范围的三维地表信息。尤其是无人机倾斜摄影测量技术，能够有效采集建筑物顶部与侧立面的坐标及纹理信息，在三维数字城市和智慧城市建设中愈加重要。采集的三维地表信息经处理后以点云形式存在，利用这些点云可进一步生成数字正射模型(Digital Orthophoto Model，DOM)、数字表面模型(Digital Surface Mode，DSM)和实景三维模型。
与二维影像(如DSM、DOM)相比，实景三维模型同时包含了详细的三维几何和纹理特征。与三维点云相比，实景三维模型具备空间连续性、显式邻接等优势，并且实景三维模型占用的磁盘和内存更小，由于点云在重建生成实景三维模型过程中过滤掉了一些几何无关的点。与计算机图形学领域的三维模型相比，实景三维模型表征了大范围的精细三维地表信息，具备更多的基元数量。因此，实景三维模型被广泛应用于各种类型的3D地理应用和空间分析。
已有大量研究涌现在DSM、DOM和点云数据的地面过滤、地物提取、场景分割、空间聚类等方面，然而，对于三维数字城市最重要的实景三维模型数据分割、地物提取等工作的研究罕见。此外，经Photomesh、ContextCapture等实景建模软件由于其全自动化机制是构建一个连续、整体的网格模型，因此生成的实景三维模型存在“一张皮”现象，即所有地物均以一个三维网格表示而导致难以语义查询和分析，无法满足多元化的应用需求。因此，对实景三维模型进行对象化和实体化是三维数字城市建设中一个紧迫的需求，而国内外目前尚不存在成熟的实景三维模型建筑物提取方法。
已有方法应用于DOM和点云的建筑物提取可划分为有监督和无监督两种类型。通常有监督方法(如卷积神经网络、图神经网络)的提取精度大幅度超过了无监督方法，但是有监督方法需要大量的样本，而样本的标注过程是极其耗时耗力的。无论是有监督方法还是无监督方法皆不能完整地提取建筑物，均易造成建筑物残缺或边界不完整。为此，本发明提出了一种用于实景三维模型的建筑物提取方法，可实现大范围实景三维模型的建筑物高精度提取，确保了所提建筑物的完整性和边界规整，且不需要人工标注标签。
发明内容
为了克服现有技术的上述不足，本发明提出了一种用于实景三维模型的建筑物提取方法、装置及设备，可实现大范围实景三维模型的建筑物高精度提取，确保了所提建筑物的完整性和边界规整，且不需要人工标注标签。本发明通过以下技术方案实现的：
一种用于实景三维模型的建筑物提取方法，包括如下步骤：
步骤1，实景三维模型预处理与解析，以将实景三维模型的所有瓦片拼接成一个完整的三维模型，并将实景三维模型解析为一个几何基元集合
Figure BDA0003878095040000021
步骤2，分离实景三维模型的地面基元与非地面基元，将基元集合
Figure BDA0003878095040000022
分离为地面基元集合
Figure BDA0003878095040000023
和非地面基元集合
Figure BDA0003878095040000024
步骤3，非地面基元集合
Figure BDA0003878095040000025
进行过分割，以将数量众多的基元聚类成一个个性质匀称、边界规整的k个簇的集合
Figure BDA0003878095040000026
步骤4，对簇集合
Figure BDA0003878095040000027
进行平面特征检测，从而快速生成一个个边界规整的l个平面的集合
Figure BDA0003878095040000028
步骤5，对平面集合
Figure BDA0003878095040000029
进行非建筑物平面贪婪剔除，即，最大程度剔除植被、城市家具、树木、车辆等非建筑物平面。剔除过程中，在保证建筑物主体结构完整的基础上，允许部分建筑物平面被错误剔除。剔除后得到建筑物主体结构平面集合
Figure BDA00038780950400000210
和非建筑物平面集合
Figure BDA00038780950400000211
步骤6，在经贪婪剔除后得到的建筑物主体结构平面集合
Figure BDA00038780950400000212
所包含的所有基元
Figure BDA00038780950400000213
的基础上，利用基元间的拓扑邻接关系进行贪婪恢复，以恢复在所述步骤5中被错误剔除的建筑物平面所包含的基元集合
Figure BDA00038780950400000214
从而得到最终的顾及了完整性的建筑物基元集合
Figure BDA00038780950400000215
Figure BDA00038780950400000216
步骤7，输出或保存由
Figure BDA00038780950400000217
构成的建筑物实景三维模型、由
Figure BDA00038780950400000218
构成的非建筑物实景三维模型。
进一步地，步骤2中采用基于面向基元的布料模拟方法分离实景三维模型的地面基元与非地面基元。
进一步地，步骤2的具体实现方式如下；
S201：将实景三维模型沿Z坐标方向竖直翻转，即对集合
Figure BDA00038780950400000219
中的所有基元的顶点的Z坐标取相反值；
S202：在翻转后的实景三维模型上方模拟一块由粒子构成的布料的下落，所有的构成布料的粒子的初始高度均为翻转后基元的最高点，初始水平位置由布料分辨率和实景三维模型的外包围盒确定，布料在重力的作用下缓慢下落；
S203：当布料的粒子接触到实景三维模型后逐渐停止运动，布料与实景三维模型的接触通过基于射线求交的碰撞检测判断实现，若布料粒子当前竖直高度低于其与实景三维模型的碰撞点，将其设置为不可移动；
S204：最终静止的布料形态近似为地形，随后计算每个基元到布料的欧式空间距离，若超过设定的阈值则将其添加到
Figure BDA0003878095040000031
若在阈值之内则将其添加到
Figure BDA0003878095040000032
进一步地，步骤3中非地面基元集合
Figure BDA0003878095040000033
进行过分割方法，可选用基于基元的过分割方法，以将数量众多的基元聚类成一个个性质匀称、边界规整的k个簇的集合
Figure BDA0003878095040000034
包括：
S301，综合考虑基元的空间邻近性特征、曲面特征和颜色特征，构建基元异质性距离公式D(pi,pj)＝μ1Ds(pi,pj)+μ2De(pi,pj)+μ3Dc(pi,pj)。式中，
Figure BDA0003878095040000035
Figure BDA0003878095040000036
和
Figure BDA0003878095040000037
分别为归一化的两个基元之间的空间邻近性距离、曲面特征差异距离和颜色差异距离，μ1、μ2和μ3分别为三者对应的权重因子，
Figure BDA0003878095040000038
为pi的第q个顶点，
Figure BDA0003878095040000039
和
Figure BDA00038780950400000310
分别为pi和pj的法向量，即
Figure BDA00038780950400000311
pi和pj两基元之间的颜色差异距离Dc(pi,pj)在CIE Lab线性色彩空间内被计算，
Figure BDA00038780950400000312
为基元pi在CIE Lab空间中的平均纹理颜色值；
S302，基于所述的基元异质性距离公式D(·)，构建簇的异质性代价函数
Figure BDA00038780950400000313
Figure BDA00038780950400000314
并确定其约束条件，用于判断所有簇的异质性代价之和，式中
Figure BDA00038780950400000315
若rij＝1表示基元pi可表示一个簇的中心基元，且这个簇包含了所有满足rij＝0的非中心基元；J(rij)的约束条件为
Figure BDA00038780950400000316
其中I(·)是一个指数函数，k表示期待的簇的个数；
S303，基于所述异质性代价函数J(·)及其约束条件，构建并求解能量优化函数
Figure BDA00038780950400000317
Figure BDA00038780950400000318
从而将实景三维模型过分割成一个性质均匀且边界规整的k个簇的集合
Figure BDA00038780950400000319
对于能量方程的求解可选用自下向上的基于合并的能量最小化方法，以将
Figure BDA00038780950400000320
中除中心基元集合
Figure BDA00038780950400000321
外的每个基元按照映射函数
Figure BDA00038780950400000322
将其分配到各个簇中，其中
Figure BDA00038780950400000323
D(pj,cpi)为基元pj与基元cpi之间的异质性距离，并使每个基元
Figure BDA0003878095040000041
与其分类的簇中心基元
Figure BDA0003878095040000042
的异质性距离总体之和最小。
进一步地，自下向上的基于合并的能量最小化方法，具体为，首先在能量优化函数E(rij)上添加正则化项，即：
Figure BDA0003878095040000043
式中，λ是一个正则化参数，正则化参数λ的初始值设为每个基元与其相邻基元之间的最低异质性距离值的中值，之后每次迭代以两倍增长；刚开始，设置所有的基元均为簇的中心基元，不断两两自下向上合并，直至簇的数量下降为k为止。
进一步地，使用三角形基元的三个顶点v1，v2和v3的空间坐标计算该基元的法向量：
Figure BDA0003878095040000044
平均颜色纹理值
Figure BDA0003878095040000045
的计算方法为：在Adobe RGB色彩空间中计算基元pi在y方向的空间范围及扫描线条数，从上到下，对于任意一条扫描线，将基元的所有边与该扫描线求交，从左到右，将求交得到的横坐标排序，扫描线奇数次交到的边是入边，偶数次交到的边是出边；之后，插值计算在入边和出边之间的扫描线上像素的空间坐标，使用重心坐标法计算基元内部所有像素点的UV坐标，其U和V坐标分别为
Figure BDA0003878095040000046
Figure BDA0003878095040000047
其中Sa为像素点的坐标与基元的v1和v2顶点构成的三角形的面积、Sb为像素点与基元的v1和v3顶点构成的三角形的面积、Sc为像素点与基元的v2和v3顶点构成的三角形的面积，U1、U2、U3、V1、V2和V3分别为v1，v2和v3的UV坐标，St＝Sa+Sb+Sc；在所有UV坐标被求解后，使用UV坐标从基元对应的纹理图像中获取纹理值，并取所有纹理值的平均值作为基元的纹理值，之后将Adobe RGB色彩空间转换为CIE Lab色彩空间。
进一步地，对簇集合
Figure BDA00038780950400000417
进行平面特征检测的方法，可以选用一种基于簇的平面特征检测方法，从而快速生成一个个边界规整的l个平面的集合
Figure BDA0003878095040000048
包括：
S401：对所述的簇集合
Figure BDA0003878095040000049
选取集合
Figure BDA00038780950400000410
中的一个簇作为一个平面
Figure BDA00038780950400000411
的种子簇，并将该种子簇从集合簇集合
Figure BDA00038780950400000412
中移除，其中平面Sm是由簇集合ψ的一个子集合构成；
S402：计算该种子簇周围的k1个邻近簇的集合
Figure BDA00038780950400000413
对于
Figure BDA00038780950400000414
中的每个邻近簇，根据相似性准则判断其是否与种子簇有相同性质，若满足平面相似性准则，则将该邻近簇并入到种子簇所在的平面Sm，同时从集合
Figure BDA00038780950400000415
中移除该邻近簇，若不满足平面相似性准则，则不对该簇进行任何操作；
S403：将所述S402过程中新并入到平面Sm的簇逐个作为平面Sm的新的种子簇，迭代执行所述步骤S402，直至ψ中没有簇满足平面相似性准则；
S404：迭代执行S401-S403过程，直至
Figure BDA00038780950400000416
为空，保存每个迭代过中检测到的平面Sm以构成候选平面特征集合S；
S405：对候选平面特征集合S进行后处理，移除S中簇的个数小于k2的候选平面。
进一步地，对平面集合
Figure BDA0003878095040000051
进行非建筑物平面贪婪剔除方法，可以选用如下贪婪剔除方法，包括：
S501，基于颜色特征的绿色植被基元剔除：计算每个平面中所有基元的纹理值的平均值作为该平面的纹理值，计算每个平面的过绿减过红指数：ExG-ExR＝3g-2.4r-b，其中，r，g和b分别为该平面的颜色分量。之后，使用最大类间方差法(OTSU)自动计算ExG-ExR的最佳剔除阈值t，若平面的exG-ExR大于阈值t，则将其视为绿色植被平面并将其剔除；
S502，基于相对地面高程的低矮地物基元滤除：计算地面基元集合中的每个地面基元的质心。计算每个平面中每个基元的相对地面高程值，即基元质心高程值与其最邻近k3个地面基元质心的平均高程值之间的差值。以一个平面内所有基元的相对地面高程的最大值作为该平面的相对地面高程值，若该平面的相对地面高程值小于阈值k4，则将其视为低矮地物平面并将其剔除。此时，所剩基元近乎全为建筑物；
进一步地，利用基元间的拓扑邻接关系进行贪婪恢复过程中，可采用基于栈的深度优先搜索算法搜寻每个基元的所有拓扑可达的基元。此外，为防止
Figure BDA0003878095040000052
中存在极小部分非建筑物平面而导致的非建筑物基元被大范围误恢复，可提前对
Figure BDA0003878095040000053
集合在空间上对拓扑关系均匀分块，遍历基元的在其所在分块上的所有拓扑可达的基元，以防止非建筑物基元被过度误恢复。
本发明还提供一种用于实景三维模型的建筑物提取装置，包括如下模块：
实景三维模型解析模块：用于输入实景三维模型，将获取的实景三维模型的所有瓦片拼接成一个完整的三维模型，并将实景三维模型解析为一个几何基元集合；
地面过滤模块：用于输入地面过滤的参数和基元集合，将输入的基元集合分离成地面基元集合和非地面基元集合；
过分割模块：用于输入过分割的参数和基元集合，将输入的基元集合聚类成一个个性质均匀、边界规整的簇的集合；
平面特征检测模块：用户输入平面特征检测的参数和簇或者基元集合，将输入的簇集合或者基元集合聚类成一个个边界规整的平面集合；
非建筑物平面贪婪剔除模块：用于输入贪婪剔除参数和非地面基元集合，贪婪地剔除绿色植被、城市家具等非建筑物基元，以得到代表建筑物主体结构的集合和非建筑物平面集合；
建筑物基元贪婪恢复模块：用于摄入贪婪恢复的参数、代表建筑物主体结构的集合和非建筑物平面集合，用于基于基元间的拓扑邻接关系，对建筑物主体结构集合进行贪婪恢复，恢复在非建筑物平面贪婪剔除模块中被误删的建筑物基元，得到最终的顾及了完整性的建筑物基元集合；
输出模块：用于输入模型保存的路径，输出建筑物实景三维模型和非建筑物实景三维模型。
一种电子设备，包括分布式存储器、处理器以及在存储器中并可在处理器中运行的计算机程序，所述处理器执行所述计算机程序时实现上述方案所述一种用于实景三维模型的建筑物提取方法的步骤。
一种计算机可读存储介质，储存有计算机软件指令，所述计算机软件指令实现上述方案所述一种用于实景三维模型的建筑物提取方法的步骤。
与现有技术相比，本发明的优点和有益效果如下：
(1)针对目前尚未提出有效的方法用于实景三维模型的建筑物提取。本发明提出一种用于实景三维模型的建筑物提取方法，可实现建筑物的快速、高精度提取。
(2)本发明综合利用实景三维模型的空间邻近性特征、曲面特征和颜色特征实现对建筑物模型提取，采用一种双向贪婪策略，在过滤了地面基元后，在得到的非地面基元基础上，贪婪地剔除地绿色植被、城市家具、树木、车辆等非建筑物基元，以得到代表建筑物主体结构的集合。之后，在残缺的建筑物主体结构基础上对误删的建筑物基元进行贪婪恢复，以得到最终的顾及了完整性的建筑物模型，实现了建筑物的完整提取，建筑物的召回率在97％以上，避免了因建筑物残缺而导致的可视化和分析效果差，并且所提建筑物的边界规整。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明实施例中一种用于实景三维模型的建筑物提取方法的流程图。
图2是本发明实施例中使用的一个实景三维模型。
图3是本发明实施例中对实景三维模型过滤地面后的非地面基元集合。
图4是本发明实施例中在局部聚类后生成的一系列内部性质均匀的基元簇。
图5是本发明实施例中经基于簇的平面特征检测所得到的平面。
图6是本发明实施例中对平面进行绿色植被基元剔除和低矮地物基元提出后所得到的残缺的建筑物主体结构。
图7是本发明实施例中使用一种用于实景三维模型的完整建筑物自动提取方法所提取的结构完整的建筑物三维模型。
图8是本发明另一实施例中提供的一种面向基元的布料模拟方法流程图。
图9是本发明又一实施例中提供的一种基于基元的过分割方法流程图。
图10是本发明又一实施例中提供的一种基于簇的平面特征检测方法流程图。
图11是本发明又一实施例中的用于实景三维模型的建筑物提取装置的模块图。
图12是本发明又一实施例中的用于实景三维模型的建筑物提取设备的结构框图。
图13是本发明又一实施例中的用于实景三维模型的建筑物提取设备的数据处理示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
应理解的是，可以对此处公开的实施例做出各种修改。因此，下述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详细描述一起用于解释本公开的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本发明的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本发明进行了描述，但本领域技术人员能够确定地实现本发明的很多其它等效形式，它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。
然而，应当理解，所公开的实施例仅仅是本公开的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此，本文所公开的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本公开的相同或不同实施例中的一个或多个。
下面结合附图详细地说明本发明实施例。
如图1所示，本发明实施例提供一种用于实景三维模型的建筑物提取方法，包括：
S1模型预处理和解析：读取如图2所示的osgb或者3D Tiles格式的实景三维模型，将实景三维模型的所有原始分辨率的瓦片拼接成一个完整的三维模型，并将解析该实景三维模型，将实景三维模型解析为一个几何基元集合
Figure BDA0003878095040000071
n表示读取的基元个数；每个基元保存其索引、顶点坐标和纹理映射坐标信息；
S2实景三维模型地面过滤：采用基于面向基元的布料模拟方法，分离实景三维模型的地面基元与非地面基元，将基元集合
Figure BDA0003878095040000081
分离为地面基元集合
Figure BDA0003878095040000082
和非地面基元集合
Figure BDA0003878095040000083
得到的非地面基元集合如图3所示。最终静止的布料形态近似为地形，计算每个基元到布料的空间距离，若超过设定的阈值则将其添加到
Figure BDA0003878095040000084
若在阈值之内则将其添加到
Figure BDA0003878095040000085
S3过分割：采用基于基元的过分割方法，对非地面基元集合
Figure BDA0003878095040000086
进行过分割，以将数量众多的基元聚类成一个个性质匀称、边界规整的k个簇的集合
Figure BDA0003878095040000087
过分割结果如图4，其中，簇的个数k的取值被转换为便于设置的簇分辨率R＝1米，即，
Figure BDA0003878095040000088
Figure BDA0003878095040000089
式中，Xmax，Xmin，Ymax和Ymin分别为基元集合
Figure BDA00038780950400000810
的X坐标的最大值和最小值，以及基元集合
Figure BDA00038780950400000811
的Y坐标的最大值和最小值；
S4，基于簇的平面特征检测：对簇集合
Figure BDA00038780950400000812
进行平面特征检测，从而快速生成一个个边界规整的l个候选平面的集合
Figure BDA00038780950400000813
之后移除移除不具备平面特征的候选平面，首先移除簇的个数小于k2＝7的候选平面，由于部分候选平面由寥寥几个不具平面特征的簇构成。其次，移除面积小于预期值(20平方米)的候选平面，以剩下的候选平面作为最终的平面检测结果，平面特征检测结果如图5所示；
S5，基于颜色特征的绿色植被剔除：在经过上述步骤所得的平面除了建筑物外，还有一些低矮植被、汽车、树木等干扰地物，首先，基于颜色特征的剔除主要干扰地物--绿色植被。计算每个平面中所有基元的纹理值，并取其平均值作为该平面的纹理值，计算每个平面的过绿减过红指数：ExG-ExR＝3g-2.4r-b，其中，r，g和b分别为该平面的颜色分量。之后，使用最大类间方差法(OTSU)自动计算ExG-ExR的最佳剔除阈值t，若平面的ExG-ExR大于阈值t，则将其视为绿色植被平面并将其剔除；
S6，基于相对地面高程的低矮地物剔除：在经过上述步骤后，主要干扰地物—绿色植被已经被剔除，但是仍存在汽车、城市家具等小部分低矮地物，利用相对地面高程滤除这些低矮地物：计算步骤S3中分离的地面基元集合中的每个地面基元的质心，并建立KDTree空间索引结构。计算每个平面中每个基元的相对地面高程值，即基元质心高程值与其最邻近k3＝10个地面基元质心的平均高程值之间的差值，其k3邻近的地面基元质心通过KDTree空间索引结构检索。以一个平面内所有基元的相对地面高程的最大值作为该平面的相对地面高程值，若该平面的相对面高程值小于阈值k4，k4被设置为2米，则将其视为低矮地物平面并将其剔除，剔除后得到建筑物主体结构平面集合
Figure BDA00038780950400000814
和非建筑物平面集合
Figure BDA00038780950400000815
得到的残缺的建筑物主体结构如图6所示；
S7，基于拓扑的误删建筑物基元贪婪恢复：经上述步骤后，所剩平面近乎只有建筑物，代表了建筑物的主体结构，但是不可避免的，一部分建筑物基元在之前的处理过程中被误删，因此，使用利用拓扑邻接关系恢复误删的建筑物基元，具体过程为：设经过贪婪删除后得到的建筑物主体结构平面集合
Figure BDA0003878095040000091
内所有的基元集合为
Figure BDA0003878095040000092
被错误剔除的建筑物平面所包含的基元集合为
Figure BDA0003878095040000093
从而得到最终的顾及了完整性的建筑物基元集合
Figure BDA0003878095040000094
对于每个
Figure BDA0003878095040000095
搜索与其拓扑邻接的基元集合
Figure BDA0003878095040000096
将
Figure BDA0003878095040000097
中的基元标记为建筑物基元，即
Figure BDA0003878095040000098
同理，对于
Figure BDA0003878095040000099
中每个基元搜索其拓扑邻接的基元并标记为建筑物，不断递归搜索，直至
Figure BDA00038780950400000910
中每个基元均搜索出其所有的拓扑可达的基元。其中，与pi拓扑邻接的基元可以被认为是与pi共用顶点的基元，也可以被认为是为与pi共用边的基元；此外，为防止
Figure BDA00038780950400000911
中存在极小部分非建筑物基元而导致的非建筑物基元被大范围误恢复，对
Figure BDA00038780950400000912
集合在空间上对拓扑关系均匀分块，遍历基元在其所在分块上的所有拓扑可达的基元，以防止非建筑物基元被过度误恢复；
S8输出模型：输出或保存由
Figure BDA00038780950400000913
构成的建筑物实景三维模型、由
Figure BDA00038780950400000914
构成的非建筑物实景三维模型。最终输出的建筑物模型如图7所示。
如图8所示，本发明另一实施例同时提供一种面向基元的布料模拟方法，包括：
S201：将实景三维模型沿Z坐标方向竖直翻转，即对集合
Figure BDA00038780950400000915
中的所有基元的顶点的Z坐标取相反值；
S202：在翻转后的实景三维模型上方模拟一块由粒子构成的布料的下落，所有的构成布料的粒子的初始高度均为翻转后基元的最高点，初始水平位置由布料分辨率(被设置为0.5米)和实景三维模型的外包围盒确定。布料在重力的作用下缓慢下落；
S203：当布料的粒子接触到实景三维模型后逐渐停止运动，布料与实景三维模型的接触通过基于射线求交的碰撞检测判断实现，碰撞检测的效率可通过层次包围盒(BVH)树结构提升效率。若布料粒子当前竖直高度低于其与实景三维模型的碰撞点，将其设置为不可移动；
S204：最终静止的布料形态近似为地形，随后计算每个基元到布料的欧式空间距离，若超过设定的阈值(被设置为0.5米)则将其添加到
Figure BDA00038780950400000916
若在阈值之内则将其添加到
Figure BDA00038780950400000917
如图9所示，本发明又一实施例同时提供一种基于基元的过分割方法，包括：
S301，综合考虑基元的空间邻近性特征、曲面特征和颜色特征，构建基元异质性距离公式D(pi,pj)＝μ1Ds(pi,pj)+μ2De(pi,pj)+μ3Dc(pi,pj)。式中，
Figure BDA00038780950400000918
Figure BDA00038780950400000919
和
Figure BDA00038780950400000920
分别为归一化的两个基元之间的曲面特征差异距离、空间邻近性距离和颜色差异距离，μ1、μ2和μ3分别为三者对应的权重因子，三者的取值区间为[0,1]，用户可根据自己需求指定这三个参数，在本实施例中分别取值为0.5、0.2和1。
Figure BDA0003878095040000101
为pi的第q个顶点，若基元类型为三角形基元，则q最大为3，
Figure BDA0003878095040000102
和
Figure BDA0003878095040000103
分别为pi和pj的法向量，即
Figure BDA0003878095040000104
pi和pj两基元之间的颜色差异距离Dc(pi,pj)在CIE Lab线性色彩空间内被计算，
Figure BDA0003878095040000105
为基元pi在CIELab空间中的平均纹理颜色值；
其中，
Figure BDA0003878095040000106
中每个基元的法向量计算方法：以三角形基元为例，使用该基元的三个顶点v1，v2和v3的空间坐标计算该基元的法向量：
Figure BDA0003878095040000107
其中，基元pi的平均颜色纹理值
Figure BDA0003878095040000108
的计算可基于扫描线算法，具体为：以AdobeRGB色彩空间下的颜色纹理值计算为例，计算基元pi在y方向的空间范围及扫描线条数。从上到下，对于任意一条扫描线，将基元的所有边与该扫描线求交。从左到右，将求交得到的横坐标排序，扫描线奇数次交到的边是入边，偶数次交到的边是出边。之后，插值计算在入边和出边之间的扫描线上像素的空间坐标。使用重心坐标法计算该基元内部所有像素点的UV坐标，其U和V坐标分别为
Figure BDA0003878095040000109
其中Sa为像素点的坐标与基元的v1和v2顶点构成的三角形的面积、Sb为像素点与基元的v1和v3顶点构成的三角形的面积、Sc为像素点与基元的v2和v3顶点构成的三角形的面积，U1、U2、U3、V1、V2和V3分别为v1、v2和v3的UV坐标，St＝Sa+Sb+Sc。在所有UV坐标被求解后，使用UV坐标从该基元对应的纹理图像中获取纹理值，并取所有纹理值的平均值作为该基元的纹理值，之后将Adobe RGB色彩空间转换为CIE Lab色彩空间；
S302，基于所述的基元异质性距离公式D(·)，构建簇的异质性代价函数
Figure BDA00038780950400001010
Figure BDA00038780950400001011
并确定其约束条件，用于判断所有簇的异质性代价之和，式中
Figure BDA00038780950400001012
若rij＝1表示基元pi可表示一个簇的中心基元，且这个簇包含了所有满足rij＝0的非中心基元；J(rij)的约束条件为
Figure BDA00038780950400001013
其中I(·)是一个指数函数，以x为例子，若x＝1，则I(x)＝1，反之，I(x)＝0；k表示期待的簇的个数；
S303，基于所述异质性代价函数J(·)及其约束条件，构建并求解能量优化函数
Figure BDA00038780950400001014
Figure BDA00038780950400001015
从而将实景三维模型过分割成一个性质均匀且边界规整的k个簇的集合
Figure BDA00038780950400001016
对于能量方程的求解可选用自下向上的基于合并的能量最小化方法，以将
Figure BDA00038780950400001017
中除中心基元集合
Figure BDA00038780950400001018
外的每个基元按照映射函数
Figure BDA00038780950400001019
将其分配到各个簇中，其中
Figure BDA00038780950400001020
D(pj,cpi)为基元pj与基元cpi之间的异质性距离，并使每个基元
Figure BDA00038780950400001021
与其分类的簇中心基元
Figure BDA00038780950400001022
的异质性距离总体之和最小；
其中，自下向上的基于合并的能量最小化方法，具体为，首先在能量优化函数E(rij)上添加正则化项，即：
Figure BDA0003878095040000111
式中，λ是一个正则化参数，较大的λ值会导致最终的簇数与k的偏差较小，但会异质性距离度量的权重降低。正则化参数λ的初始值设为每个基元与其相邻基元之间的最低异质性距离值的中值，之后每次迭代以两倍增长。刚开始，设置所有的基元均为簇的中心基元，不断两两自下向上合并，直至簇的数量下降为k为止。
如图10所示，本发明又一实施例同时提供一种基于簇的平面特征检测方法，包括：
S401：对所述的簇集合
Figure BDA0003878095040000112
选取集合
Figure BDA0003878095040000113
中的一个簇作为一个平面Sm的种子簇，并将该种子簇从集合簇集合
Figure BDA0003878095040000114
中移除，其中平面Sm是由簇集合
Figure BDA0003878095040000115
的一个子集合构成。本实施例对集合
Figure BDA0003878095040000116
中的每一个簇计算其质心，之后对所有的簇质心计算曲率，并按质心曲率从小到大对
Figure BDA0003878095040000117
排序，之后从簇集合
Figure BDA0003878095040000118
中按顺序选取种子簇；
S402：计算该种子簇周围的8个邻近簇的集合
Figure BDA0003878095040000119
对于
Figure BDA00038780950400001110
中的每个邻近簇，根据余弦相似性度量准则判断其是否与种子簇有相同性质，若满足余弦相似性度量准则，即
Figure BDA00038780950400001111
则将该邻近簇并入到种子簇所在的平面Sm，同时从集合
Figure BDA00038780950400001112
移除该邻近簇，若不满足余弦相似性度量准则，则不对该簇进行任何操作，式中θ为角度阈值；
其中，余弦相似性度量准则为
Figure BDA00038780950400001113
式中，
Figure BDA00038780950400001114
和
Figure BDA00038780950400001115
分别为簇
Figure BDA00038780950400001116
和簇
Figure BDA00038780950400001117
的法向量，簇的法向量的计算方式为簇内所有基元的法向量的平均值；
S403：将所述S402过程中新并入到平面Sm的簇逐个作为平面Sm的新的种子簇，迭代执行所述步骤S402，直至
Figure BDA00038780950400001118
中没有簇满足余弦相似性度量准则；
S404：迭代执行S401-S403过程，直至
Figure BDA00038780950400001119
为空，保存每个迭代过中检测到的平面Sm以构成候选平面特征集合S。对候选平面特征集合S进行后处理，移除S中簇的个数小于3的候选平面，以剩下的候选平面作为最终的平面检测结果。
如图11所示，本发明又一实施例还提供一种用于实景三维模型的建筑物提取装置，包括：
实景三维模型解析模块：用于输入实景三维模型，将获取的实景三维模型的所有瓦片拼接成一个完整的三维模型，并将实景三维模型解析为一个几何基元集合；
地面过滤模块：用于输入地面过滤的参数和基元集合，将输入的基元集合分离成地面基元集合和非地面基元集合；
过分割模块：用于输入过分割的参数和基元集合，将输入的基元集合聚类成一个个性质均匀、边界规整的簇的集合；
平面特征检测模块：用户输入平面特征检测的参数和簇或者基元集合，将输入的簇集合或者基元集合聚类成一个个边界规整的平面集合；
非建筑物平面贪婪剔除模块：用于输入贪婪剔除参数和非地面基元集合，贪婪地剔除绿色植被、城市家具等非建筑物基元，以得到代表建筑物主体结构的集合和非建筑物平面集合；
建筑物基元贪婪恢复模块：用于摄入贪婪恢复的参数、代表建筑物主体结构的集合和非建筑物平面集合，用于基于基元间的拓扑邻接关系，对建筑物主体结构集合进行贪婪恢复，恢复在非建筑物平面贪婪剔除模块中被误删的建筑物基元，得到最终的顾及了完整性的建筑物基元集合；
输出模块：用于输入模型保存的路径，输出建筑物实景三维模型和非建筑物实景三维模型。
其中，实景三维模型解析模块，包括：
输入单元：根据用户输入的实景三维模型的文件路径，若该模型以分页LOD(细节层次)瓦片形式存储，则递归遍历获得该模型的所有叶节点瓦片，也即分辨率最高的三维模型瓦片，并将这些瓦片拼接为一个完整的实景三维模型；
模型解析单元：解析拼接后的实景三维模型，将其解析为一个几何基元集合，每个基元保存其索引、顶点坐标和纹理映射坐标等信息；
输出单元：输出解析的基元集合。
地面过滤模块，包括：
输入单元：用于输入地面过滤的参数、实景三维模型的几何基元集合；
计算单元：根据输入的参数和基元集合，执行地面过滤计算；
输出单元：输出计算的地面基元集合和非地面基元集合。
过分割模块，包括：
输入单元：用于输入过分割的参数、非地面的几何基元集合；
计算单元：根据输入的参数和基元集合，执行过分割计算；
输出单元：输出计算的性质均匀、边界规整的簇集合。
平面特征检测模块，包括：
输入单元：用于输入平面特征检测模块的参数、簇的集合；
计算单元：根据输入的参数和基元集合，执行平面特征检测计算；
输出单元：输出计算的边界规整的平面特征集合。
非建筑物平面贪婪剔除模块，包括：
输入单元：用于输入贪婪剔除的参数、平面集合、地面基元集合；
计算单元：根据输入的参数和基元集合，执行基于颜色特征的绿色植被剔除、基于相对地面高程的低矮地物剔除计算，得到代表建筑物主体结构的基元集合；
输出单元：输出计算的代表建筑物主体结构的基元集合。
建筑物基元贪婪恢复模块，包括：
输入单元：用于输入贪婪恢复的参数、代表建筑物主体结构的基元集合、非建筑物基元集合；
计算单元：根据输入的参数和基元集合，执行基于拓扑邻接关系的建筑物基元贪婪恢复计算，得到最终的结构完整的建筑物几何基元；
输出单元：输出结构完整的建筑物几何基元。
如图12和图13所示，本发明又一实施例还提供一种用于实景三维模型的建筑物提取设备，所述设备包括分布式存储器、处理器以及在存储器中并可在处理器中运行的计算机程序，所述处理器执行计算机程序时实现所述一种用于实景三维模型的建筑物提取方法的步骤，包括：
步骤1，实景三维模型预处理与解析，以将实景三维模型的所有瓦片拼接成一个完整的三维模型，并将实景三维模型解析为一个几何基元集合
Figure BDA0003878095040000131
步骤2，分离实景三维模型的地面基元与非地面基元，将基元集合
Figure BDA0003878095040000132
分离为地面基元集合
Figure BDA0003878095040000133
和非地面基元集合
Figure BDA0003878095040000134
步骤3，非地面基元集合
Figure BDA0003878095040000135
进行过分割，以将数量众多的基元聚类成一个个性质匀称、边界规整的k个簇的集合
Figure BDA0003878095040000136
步骤4，对簇集合
Figure BDA0003878095040000137
进行平面特征检测，从而快速生成一个个边界规整的l个平面的集合
Figure BDA0003878095040000138
步骤5，对平面集合
Figure BDA0003878095040000139
进行非建筑物平面贪婪剔除，即，最大程度剔除植被、城市家具、树木、车辆等非建筑物平面。剔除过程中，在保证建筑物主体结构完整的基础上，允许部分建筑物平面被错误剔除。剔除后得到建筑物主体结构平面集合
Figure BDA00038780950400001310
和非建筑物平面集合
Figure BDA00038780950400001311
步骤6，在经贪婪剔除后得到的建筑物主体结构平面集合
Figure BDA00038780950400001312
所包含的所有基元
Figure BDA00038780950400001313
的基础上，利用基元间的拓扑邻接关系进行贪婪恢复，以恢复在所述步骤5中被错误剔除的建筑物平面所包含的基元集合
Figure BDA00038780950400001314
从而得到最终的顾及了完整性的建筑物基元集合
Figure BDA00038780950400001315
Figure BDA00038780950400001316
步骤7，输出或保存由
Figure BDA00038780950400001317
构成的建筑物实景三维模型、由
Figure BDA00038780950400001318
构成的非建筑物实景三维模型。
需要说明的是：上述实施例提供的用于实景三维模型的建筑物提取设备在进行用于实景三维模型的建筑物提取时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的用于实景三维模型的建筑物提取设备与用于实景三维模型的建筑物提取方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本发明实施例中的存储器用于存储各种类型的数据以支持用于实景三维模型的建筑物提取设备的操作。这些数据的示例包括：用于在用于实景三维模型的建筑物提取电子设备上操作的任何计算机程序。
本发明实施例揭示的用于实景三维模型的建筑物提取方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，用于实景三维模型的建筑物提取方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP，Digital SignalProcessor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成本发明实施例提供的用于实景三维模型的建筑物提取方法的步骤。
在示例性实施例中用于实景三维模型的建筑物提取设备可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex ProgrammableLogicDevice)、FPGA、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。
可以理解，存储器可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，RandomAccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random AccessMemory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random AccessMemory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在示例性实施例中，本发明实施例还提供了一种存储介质，即计算机存储介质，具体可以是计算机可读存储介质，例如包括存储计算机程序的存储器，上述计算机程序可由用于实景三维模型的建筑物提取设备的处理器执行，所述的用于实景三维模型的建筑物提取方法的步骤。计算机可读存储介质可以是ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
综上，本申请的建筑物提取方法实现了从实景三维模型中自动提取建筑物，提取的建筑物结构完整不存在基元残缺，并且具备极高的召回率以及较高的自动化程度，极大缩短了实景三维模型的对象化、单体化的人工工作量和成本。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，本发明可以有各种更改和变化。在不脱离本发明权利要求所保护的范围。所作的任何修改、等同替换、改进等，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (12)

1.一种用于实景三维模型的建筑物提取方法，其特征在于，包括以下步骤：
步骤1，实景三维模型预处理与解析，以将实景三维模型的所有瓦片拼接成一个的三维模型，并将实景三维模型解析为一个几何基元集合
Figure FDA0003878095030000011
步骤2，分离实景三维模型的地面基元与非地面基元，将基元集合
Figure FDA0003878095030000012
分离为地面基元集合
Figure FDA0003878095030000013
和非地面基元集合
Figure FDA0003878095030000014
步骤3，对非地面基元集合
Figure FDA0003878095030000015
进行过分割，以将数量众多的基元聚类成一个个性质匀称、边界规整的k个簇的集合
Figure FDA0003878095030000016
步骤4，对簇集合
Figure FDA0003878095030000017
进行平面特征检测，从而快速生成一个个边界规整的l个平面的集合
Figure FDA0003878095030000018
步骤5，对平面集合
Figure FDA0003878095030000019
进行非建筑物平面贪婪剔除，剔除后得到建筑物主体结构平面集合
Figure FDA00038780950300000110
和非建筑物平面集合
Figure FDA00038780950300000111
步骤6，在经贪婪剔除后得到的建筑物主体结构平面集合
Figure FDA00038780950300000112
所包含的所有基元
Figure FDA00038780950300000113
的基础上，利用基元间的拓扑邻接关系进行贪婪恢复，以恢复在所述步骤5中被错误剔除的建筑物平面所包含的基元集合
Figure FDA00038780950300000114
从而得到最终的顾及了完整性的建筑物基元集合
Figure FDA00038780950300000115
Figure FDA00038780950300000116
步骤7，输出或保存由
Figure FDA00038780950300000117
构成的建筑物实景三维模型、由
Figure FDA00038780950300000118
构成的非建筑物实景三维模型。
2.根据权利要求1所述一种用于实景三维模型的建筑物提取建筑物提取方法，其特征在于：步骤2中采用基于面向基元的布料模拟方法分离实景三维模型的地面基元与非地面基元，具体实现方式如下；
S201：将实景三维模型沿Z坐标方向竖直翻转，即对集合
Figure FDA00038780950300000119
中的所有基元的顶点的Z坐标取相反值；
S202：在翻转后的实景三维模型上方模拟一块由粒子构成的布料的下落，所有的构成布料的粒子的初始高度均为翻转后基元的最高点，初始水平位置由布料分辨率和实景三维模型的外包围盒确定，布料在重力的作用下缓慢下落；
S203：当布料的粒子接触到实景三维模型后逐渐停止运动，布料与实景三维模型的接触通过基于射线求交的碰撞检测判断实现，若布料粒子当前竖直高度低于其与实景三维模型的碰撞点，将其设置为不可移动；
S204：最终静止的布料形态近似为地形，随后计算每个基元到布料的欧式空间距离，若超过设定的阈值则将其添加到
Figure FDA00038780950300000120
若在阈值之内则将其添加到
Figure FDA00038780950300000121
3.根据权利要求1所述一种用于实景三维模型的建筑物提取方法，其特征在于：步骤3的具体实现方式如下；
S301，综合考虑基元的空间邻近性特征、曲面特征和颜色特征，构建基元异质性距离公式D(·)；
S302，基于所述的基元异质性距离公式D(·)，构建簇的异质性代价函数
Figure FDA0003878095030000021
Figure FDA0003878095030000022
并确定其约束条件，用于判断所有簇的异质性代价之和，式中
Figure FDA0003878095030000023
若rij＝1表示基元pi可表示一个簇的中心基元，且这个簇包含了所有满足rij＝0的非中心基元；J(rij)的约束条件为
Figure FDA0003878095030000024
其中I(·)是一个指数函数，k表示期待的簇的个数；D(pi,pj)表示第i个基元pi和第j个基元pj之间的异质性距离公式，n为基元的个数；
S303，基于所述异质性代价函数J(·)及其约束条件，构建并求解能量优化函数
Figure FDA0003878095030000025
Figure FDA0003878095030000026
从而将实景三维模型过分割成一个性质均匀且边界规整的k个簇的集合
Figure FDA0003878095030000027
Figure FDA0003878095030000028
4.根据权利要求3所述一种用于实景三维模型的建筑物提取方法，其特征在于：基元异质性距离公式D(·)的计算方式如下；
D(pi,pj)＝μ1Ds(pi,pj)+μ2De(pi,pj)+μ3Dc(pi,pj)
式中，
Figure FDA0003878095030000029
和
Figure FDA00038780950300000210
Figure FDA00038780950300000211
分别为归一化的两个基元之间的曲面特征差异距离、空间邻近性距离和颜色差异距离，μ1、μ2和μ3分别为三者对应的权重因子，三者的取值区间为[0,1]；
Figure FDA00038780950300000212
为pi的第q个顶点，若基元类型为三角形基元，则q最大为3，
Figure FDA00038780950300000213
和
Figure FDA00038780950300000214
分别为pi和pj的法向量，即
Figure FDA00038780950300000215
pi和pj两基元之间的颜色差异距离Dc(pi,pj)在CIE Lab线性色彩空间内计算，
Figure FDA00038780950300000216
为基元pi在CIE Lab空间中的平均纹理颜色值。
5.根据权利要求4所述一种用于实景三维模型的建筑物提取方法，其特征在于：使用三角形基元的三个顶点v1，v2和v3的空间坐标计算该基元的法向量：
Figure FDA00038780950300000217
平均颜色纹理值
Figure FDA00038780950300000218
的计算方法为：在Adobe RGB色彩空间中计算基元pi在y方向的空间范围及扫描线条数，从上到下，对于任意一条扫描线，将基元的所有边与该扫描线求交，从左到右，将求交得到的横坐标排序，扫描线奇数次交到的边是入边，偶数次交到的边是出边；之后，插值计算在入边和出边之间的扫描线上像素的空间坐标，使用重心坐标法计算基元内部所有像素点的UV坐标，其U和V坐标分别为
Figure FDA0003878095030000031
Figure FDA0003878095030000032
其中Sa为像素点的坐标与基元的v1和v2顶点构成的三角形的面积、Sb为像素点与基元的v1和v3顶点构成的三角形的面积、Sc为像素点与基元的v2和v3顶点构成的三角形的面积，U1、U2、U3、V1、V2和V3分别为v1，v2和v3的UV坐标，St＝Sa+Sb+Sc；在所有UV坐标被求解后，使用UV坐标从基元对应的纹理图像中获取纹理值，并取所有纹理值的平均值作为基元的纹理值，之后将Adobe RGB色彩空间转换为CIE Lab色彩空间。
6.根据权利要求3所述一种用于实景三维模型的建筑物提取方法，其特征在于：选用自下向上的基于合并的能量最小化方法求解能量优化函数，以将
Figure FDA0003878095030000033
中除中心基元集合
Figure FDA0003878095030000034
外的每个基元按照映射函数
Figure FDA0003878095030000035
将其分配到各个簇中，其中
Figure FDA0003878095030000036
Figure FDA0003878095030000037
D(pj,cpi)为基元pj与基元cpi之间的异质性距离，并使每个基元
Figure FDA0003878095030000038
与其分类的簇中心基元
Figure FDA0003878095030000039
的异质性距离总体之和最小；
自下向上的基于合并的能量最小化方法，具体为，首先在能量优化函数E(rij)上添加正则化项，即：
Figure FDA00038780950300000310
式中，λ是一个正则化参数，正则化参数λ的初始值设为每个基元与其相邻基元之间的最低异质性距离值的中值，之后每次迭代以两倍增长；刚开始，设置所有的基元均为簇的中心基元，不断两两自下向上合并，直至簇的数量下降为k为止。
7.根据权利要求1所述一种用于实景三维模型的建筑物提取方法，其特征在于：步骤4的具体实现方式如下；
S401：对簇集合
Figure FDA00038780950300000311
选取集合
Figure FDA00038780950300000312
中的一个簇作为一个平面Sm的种子簇，并将该种子簇从集合簇集合
Figure FDA00038780950300000313
中移除，其中平面Sm是由簇集合
Figure FDA00038780950300000314
的一个子集合构成；
S401中，对集合
Figure FDA00038780950300000315
中的每一个簇计算其质心，之后对所有的簇质心计算曲率，并按质心曲率从小到大对
Figure FDA00038780950300000316
排序，之后从簇集合
Figure FDA00038780950300000317
中按顺序选取种子簇；
S402：计算该种子簇周围的n1个邻近簇的集合
Figure FDA00038780950300000318
对于
Figure FDA00038780950300000319
中的每个邻近簇，根据余弦相似性度量准则判断其是否与种子簇有相同性质，若满足余弦相似性度量准则，即
Figure FDA00038780950300000320
Figure FDA00038780950300000321
则将该邻近簇并入到种子簇所在的平面Sm，同时从集合
Figure FDA00038780950300000322
移除该邻近簇，若不满足余弦相似性度量准则，则不对该簇进行任何操作，式中θ为角度阈值，
Figure FDA00038780950300000323
表示簇，Ds表示余弦相似性度量；
S403：将所述S402过程中新并入到平面Sm的簇逐个作为平面Sm的新的种子簇，迭代执行所述步骤S402，直至
Figure FDA0003878095030000041
中没有簇满足余弦相似性度量准则；
S404：迭代执行S401-S403过程，直至
Figure FDA0003878095030000042
为空，保存每个迭代过中检测到的平面Sm以构成候选平面特征集合S，对候选平面特征集合S进行后处理，移除S中簇的个数小于n2的候选平面，以剩下的候选平面作为最终的平面检测结果。
8.根据权利要求1所述一种用于实景三维模型的建筑物提取方法，其特征在于：步骤5的具体实现方式如下；
首先，基于颜色特征的剔除绿色植被，具体为：计算每个平面中所有基元的纹理值，并取其平均值作为该平面的纹理值，计算每个平面的过绿减过红指数：ExG-ExR＝3g-2.4r-b，其中，r，g和b分别为该平面的颜色分量；之后，使用最大类间方差法自动计算ExG-ExR的最佳剔除阈值t，若平面的ExG-ExR大于阈值t，则将其视为绿色植被平面并将其剔除；
然后，利用相对地面高程滤除低矮地物，具体为：计算步骤3中分离的地面基元集合中的每个地面基元的质心，并建立KDTree空间索引结构；计算每个平面中每个基元的相对地面高程值，即基元质心高程值与其最邻近k3个地面基元质心的平均高程值之间的差值，其k3邻近的地面基元质心通过KDTree空间索引结构检索；以一个平面内所有基元的相对地面高程的最大值作为该平面的相对地面高程值，若该平面的相对面高程值小于阈值k4，则将其视为低矮地物平面并将其剔除，剔除后得到建筑物主体结构平面集合
Figure FDA0003878095030000043
和非建筑物平面集合
Figure FDA0003878095030000044
9.根据权利要求1所述一种用于实景三维模型的建筑物提取方法，其特征在于：步骤6的具体实现方式如下；
对于每个
Figure FDA0003878095030000045
搜索与其拓扑邻接的基元集合
Figure FDA0003878095030000046
将
Figure FDA0003878095030000047
中的基元标记为建筑物基元，即
Figure FDA0003878095030000048
同理，对于
Figure FDA0003878095030000049
中每个基元搜索其拓扑邻接的基元并标记为建筑物，不断递归搜索，直至
Figure FDA00038780950300000410
中每个基元均搜索出其所有的拓扑可达的基元；其中，与pi拓扑邻接的基元为与pi共用顶点的基元，或者为与pi共用边的基元；为防止
Figure FDA00038780950300000411
中存在极小部分非建筑物基元而导致的非建筑物基元被大范围误恢复，对
Figure FDA00038780950300000412
集合在空间上对拓扑关系均匀分块，遍历基元在其所在分块上的所有拓扑可达的基元，以防止非建筑物基元被过度误恢复。
10.一种用于实景三维模型的建筑物提取装置，其特征在于，包括如下模块：
实景三维模型解析模块：用于输入实景三维模型，将获取的实景三维模型的所有瓦片拼接成一个的三维模型，并将实景三维模型解析为一个几何基元集合；
地面过滤模块：用于输入地面过滤的参数和基元集合，将输入的基元集合分离成地面基元集合和非地面基元集合；
过分割模块：用于输入过分割的参数和基元集合，将输入的基元集合聚类成一个个性质均匀、边界规整的簇的集合；
平面特征检测模块：用户输入平面特征检测的参数和簇或者基元集合，将输入的簇集合或者基元集合聚类成一个个边界规整的平面集合；
非建筑物平面贪婪剔除模块：用于输入贪婪剔除参数和非地面基元集合，贪婪地剔除非建筑物基元，以得到代表建筑物主体结构的集合和非建筑物平面集合；
建筑物基元贪婪恢复模块：用于输入贪婪恢复的参数、代表建筑物主体结构的集合和非建筑物平面集合，基于基元间的拓扑邻接关系，对建筑物主体结构集合进行贪婪恢复，恢复在非建筑物平面贪婪剔除模块中被误删的建筑物基元，得到最终的顾及了性的建筑物基元集合；
输入模块：用于输入模型保存的路径，输出建筑物实景三维模型和非建筑物实景三维模型。
11.一种电子设备，包括分布式存储器、处理器以及在存储器中可在处理器中运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求要求1至9中任一项所述一种用于实景三维模型的建筑物提取方法的步骤。
12.一种计算机可读存储介质，储存有计算机软件指令，其特征在于：所述计算机软件指令实现权利要求1至9中任一项所述一种用于实景三维模型的建筑物提取方法的步骤。
CN202211223721.XA 2022-10-08 2022-10-08 一种用于实景三维模型的建筑物提取方法、装置及设备 Pending CN115661398A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211223721.XA CN115661398A (zh) 2022-10-08 2022-10-08 一种用于实景三维模型的建筑物提取方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211223721.XA CN115661398A (zh) 2022-10-08 2022-10-08 一种用于实景三维模型的建筑物提取方法、装置及设备

Publications (1)

Publication Number Publication Date
CN115661398A true CN115661398A (zh) 2023-01-31

Family

ID=84985545

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211223721.XA Pending CN115661398A (zh) 2022-10-08 2022-10-08 一种用于实景三维模型的建筑物提取方法、装置及设备

Country Status (1)

Country Link
CN (1) CN115661398A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109522A (zh) * 2023-04-10 2023-05-12 北京飞渡科技股份有限公司 一种基于图神经网络的轮廓矫正方法、装置、介质及设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109522A (zh) * 2023-04-10 2023-05-12 北京飞渡科技股份有限公司 一种基于图神经网络的轮廓矫正方法、装置、介质及设备

Similar Documents

Publication Publication Date Title
CN110570428B (zh) 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及***
CN112595258B (zh) 基于地面激光点云的地物轮廓提取方法
CN110717983B (zh) 一种基于背包式三维激光点云数据的建筑物立面三维重建方法
CN112070769B (zh) 一种基于dbscan的分层点云分割方法
CN111598916A (zh) 一种基于rgb-d信息的室内占据栅格地图的制备方法
CN114332366B (zh) 数字城市单体房屋点云立面3d特征提取方法
CN116310192A (zh) 一种基于点云的城市级建筑物三维模型单体重建方法
CN111652241B (zh) 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法
CN111260668A (zh) 一种电力线提取方法、***及终端
CN112070870B (zh) 点云地图评估方法、装置、计算机设备和存储介质
Awrangjeb et al. Rule-based segmentation of LIDAR point cloud for automatic extraction of building roof planes
CN114332134B (zh) 一种基于密集点云的建筑物立面提取方法和装置
CN114241217B (zh) 一种基于圆柱特征的树干点云高效提取方法
WO2011085435A1 (en) Classification process for an extracted object or terrain feature
CN112396641A (zh) 一种基于全等二基线匹配的点云全局配准方法
CN114119902A (zh) 一种基于无人机倾斜三维模型的建筑物提取方法
CN115661398A (zh) 一种用于实景三维模型的建筑物提取方法、装置及设备
WO2024125434A1 (zh) 基于区域一致性的建筑物主角度修正方法
Zhao et al. A 3D modeling method for buildings based on LiDAR point cloud and DLG
CN111861946B (zh) 自适应多尺度车载激光雷达稠密点云数据滤波方法
WO2011085433A1 (en) Acceptation/rejection of a classification of an object or terrain feature
CN113345072A (zh) 一种多视角遥感地形影像点云重建方法及***
CN116071530B (zh) 一种基于机载激光点云的建筑物屋***化分割方法
WO2011085434A1 (en) Extraction processes
CN116824379A (zh) 一种基于多维特征的激光点云建筑物轮廓渐进优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination