CN116468870B - 一种城市道路三维可视化建模方法及*** - Google Patents
一种城市道路三维可视化建模方法及*** Download PDFInfo
- Publication number
- CN116468870B CN116468870B CN202310731687.5A CN202310731687A CN116468870B CN 116468870 B CN116468870 B CN 116468870B CN 202310731687 A CN202310731687 A CN 202310731687A CN 116468870 B CN116468870 B CN 116468870B
- Authority
- CN
- China
- Prior art keywords
- urban road
- road
- remote sensing
- point cloud
- sensing image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000000007 visual effect Effects 0.000 title claims abstract description 57
- 239000006185 dispersion Substances 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 9
- 230000000877 morphologic effect Effects 0.000 claims description 16
- 238000002955 isolation Methods 0.000 claims description 12
- 230000000295 complement effect Effects 0.000 claims description 10
- 238000005452 bending Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 8
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000009877 rendering Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请涉及城市道路建模技术领域,提供了一种城市道路三维可视化建模方法及***,该方法包括:获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像;将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据;将三维点云数据输入预设的离散模型,计算三维点云数据的离散度;根据三维点云数据绘制三维点云分布图,获得城市道路骨骼线;根据城市道路骨骼线建立城市道路路网信息;将城市道路路网信息输入预设的模型进行训练,得到城市道路模型;通过遥感图像进行三维点云提取,进行建立城市道路骨骼线,并实现三维可视化建模,有效提高了道路提取率。
Description
技术领域
本申请涉及城市道路建模领域,具体而言,涉及一种城市道路三维可视化建模方法及***。
背景技术
随着数字孪生技术的发展,人们对城市道路的自动三维建模质量要求越来越高。现有的基于参数化生成城市三维道路模型的方法,主要使用人工测绘得到的道路矢量数据。然而人工测绘得到的道路矢量数据往往更新速度慢、工作量大、无法满足城市快速发展的需要;此外现有的城市道路建模方法不是通过遥感图像获取三维点云数据,并根据是三维点云获取城市道路骨骼线,在获取城市道路路网过程中得到的路网偏差较大,容易造成建模结果偏离实际值,精度较差。
针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供一种城市道路三维可视化建模方法及***,可以通过遥感图像进行三维点云提取,进行建立城市道路骨骼线,并实现三维可视化建模,有效提高了道路提取率的技术。
本申请还提供了一种城市道路三维可视化建模方法,包括:
获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像;
将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据;
将三维点云数据输入预设的离散模型,计算三维点云数据的离散度;
将三维点云数据的离散度与预设的离散度阈值进行比较;得到离散偏差率;
判断所述离散偏差率是否大于等于预设的离散偏差率阈值;
若大于等于,则对遥感图像进行滤波处理;
若小于,则根据三维点云数据绘制三维点云分布图,获得城市道路骨骼线;
根据城市道路骨骼线建立城市道路路网信息;
将城市道路路网信息输入预设的模型进行训练,得到城市道路模型。
可选地,在本申请所述的城市道路三维可视化建模方法中,所述获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,包括:
将城市道路遥感图像进行分区域分割,生成若干个子区域图像;
提取若干个子区域图像特征,将子区域图像特征与预设的图像特征进行相似度计算,得到特征相似度;
判断所述特征相似度是否大于等于第一相似度阈值;
若大于等于第一相似度阈值,则保留对应的子区域图像特征,并生成特征集合;
若小于第一相似度阈值,则判断所述特征相似度是否大于等于第二相似度阈值;
若大于等于第二相似度阈值,则对子区域图像特征进行权重系数计算,将子区域图像特征乘以权重系数,得到优化后的子区域图像特征,并存储至特征集合;
若小于第二相似度阈值,则生成特征噪点,将图像中的特征噪点进行去除,得到无噪点图像特征;
将特征集合中的子区域图像特征与无噪点图像特征进行融合处理,得到遥感图像特征。
可选地,在本申请所述的城市道路三维可视化建模方法中,所述获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,还包括:
获取城市道路遥感图像,采集城市道路遥感图像的纹理信息与道路空间信息;
将纹理信息与道路空间信息进行融合获取城市道路全属性信息;
城市道路全属性信息包括道路宽度、道路长度、道路隔离带区域信息以及道路隔离带宽度信息、城市道路坡度信息以及城市道路转弯角度信息。
可选地,在本申请所述的城市道路三维可视化建模方法中,所述将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据,包括:
获取三维点云数据,在三维点云数据中提取三维边界点云数据;
通过三维边界点云数据计算城市道路的几何特征,城市道路的几何特征包括城市道路路宽、曲率与转向角;
通过大数据获取城市道路轨迹数据,通过城市道路轨迹数据计算城市道路边界数据;
将城市道路边界数据与三维边界点云数据进行差值计算,得到道路边界差值;
判断所述道路边界差值是否大于等于预设的边界差值;
若大于等于,则对道路边界数据进行修正;
若小于,则生成城市道路边界线轮廓。
可选地,在本申请所述的城市道路三维可视化建模方法中,所述若大于等于,则对道路边界数据进行修正,包括:
获取三维道路边界点云数据,对道路边界点云进行平滑处理;
将平滑处理后的道路边界点云进行间隙计算,得到间隙距离;
判断所述间隙距离是否大于等于预设距离值;
若大于等于,则生成补全信息,通过补全信息对三维道路边界点云数据进行补全。
可选地,在本申请所述的城市道路三维可视化建模方法中,所述将纹理信息与道路空间信息进行融合获取城市道路全属性信息,包括:
根据城市道路全属性信息获取城市道路轨迹信息;
根据城市道路轨迹信息获取城市道路弯曲点信息;
根据城市道路弯曲点信息计算边缘线与收敛线,并生成城市道路形态特征;
将城市道路形态特征与预设的形态特征进行比较;得到形态偏差率;
判断所述形态偏差率是否大于等于预设偏差率阈值;
若大于等于,则对城市道路形态特征进行调整。
第二方面,本申请提供了一种城市道路三维可视化建模***,该***包括:存储器及处理器,所述存储器中包括城市道路三维可视化建模方法的程序,所述城市道路三维可视化建模方法的程序被所述处理器执行时实现以下步骤:
获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像;
将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据;
将三维点云数据输入预设的离散模型,计算三维点云数据的离散度;
将三维点云数据的离散度与预设的离散度阈值进行比较;得到离散偏差率;
判断所述离散偏差率是否大于等于预设的离散偏差率阈值;
若大于等于,则对遥感图像进行滤波处理;
若小于,则根据三维点云数据绘制三维点云分布图,获得城市道路骨骼线;
根据城市道路骨骼线建立城市道路路网信息;
将城市道路路网信息输入预设的模型进行训练,得到城市道路模型。
可选地,在本申请所述的城市道路三维可视化建模***中,所述获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,包括:
将城市道路遥感图像进行分区域分割,生成若干个子区域图像;
提取若干个子区域图像特征,将子区域图像特征与预设的图像特征进行相似度计算,得到特征相似度;
判断所述特征相似度是否大于等于第一相似度阈值;
若大于等于第一相似度阈值,则保留对应的子区域图像特征,并生成特征集合;
若小于第一相似度阈值,则判断所述特征相似度是否大于等于第二相似度阈值;
若大于等于第二相似度阈值,则对子区域图像特征进行权重系数计算,将子区域图像特征乘以权重系数,得到优化后的子区域图像特征,并存储至特征集合;
若小于第二相似度阈值,则生成特征噪点,将图像中的特征噪点进行去除,得到无噪点图像特征;
将特征集合中的子区域图像特征与无噪点图像特征进行融合处理,得到遥感图像特征。
可选地,在本申请所述的城市道路三维可视化建模***中,所述获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,还包括:
获取城市道路遥感图像,采集城市道路遥感图像的纹理信息与道路空间信息;
将纹理信息与道路空间信息进行融合获取城市道路全属性信息;
城市道路全属性信息包括道路宽度、道路长度、道路隔离带区域信息以及道路隔离带宽度信息、城市道路坡度信息以及城市道路转弯角度信息。
第三方面,本申请还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中包括城市道路三维可视化建模方法程序,所述城市道路三维可视化建模方法程序被处理器执行时,实现如上述任一项所述的城市道路三维可视化建模方法的步骤。
由上可知,本申请提供的一种城市道路三维可视化建模方法、***及介质,通过获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像;将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据;将三维点云数据输入预设的离散模型,计算三维点云数据的离散度;将三维点云数据的离散度与预设的离散度阈值进行比较;得到离散偏差率;判断所述离散偏差率是否大于等于预设的离散偏差率阈值;若大于等于,则对遥感图像进行滤波处理;若小于,则根据三维点云数据绘制三维点云分布图,获得城市道路骨骼线;根据城市道路骨骼线建立城市道路路网信息;将城市道路路网信息输入预设的模型进行训练,得到城市道路模型;通过遥感图像进行三维点云提取,进行建立城市道路骨骼线,并实现三维可视化建模,有效提高了道路提取率的技术。
本申请的其他特征和优点将在随后的说明书阐述,并且,本申请的优点部分地从说明书中变得显而易见,或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的城市道路三维可视化建模方法的流程图;
图2为本申请实施例提供的城市道路三维可视化建模方法的遥感图像特征获取方法流程图;
图3为本申请实施例提供的城市道路三维可视化建模方法的道路边界数据修正方法流程图;
图4为本申请实施例提供的城市道路三维可视化建模方法的三维道路边界点云数据补全方法流程图;
图5为本申请实施例提供的城市道路三维可视化建模***的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种城市道路三维可视化建模方法的流程图。该城市道路三维可视化建模方法用于终端设备中,该城市道路三维可视化建模方法,包括以下步骤:
S101,获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像;
S102,将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据;
S103,将三维点云数据输入预设的离散模型,计算三维点云数据的离散度;
S104,将三维点云数据的离散度与预设的离散度阈值进行比较;得到离散偏差率;
S105,判断离散偏差率是否大于等于预设的离散偏差率阈值;若大于等于,则对遥感图像进行滤波处理;若小于,则根据三维点云数据绘制三维点云分布图,获得城市道路骨骼线;
S106,根据城市道路骨骼线建立城市道路路网信息;将城市道路路网信息输入预设的模型进行训练,得到城市道路模型。
需要说明的是,获取城市道路路网过程中,通过道路上的语义对象或先验规则提取道路点,然后把道路点连接成道路段,对道路段处理获取城市道路路网,此种方式获得的城市道路路网能更加精准的反应城市道路分布以及城市道路边界。
城市道路分成全市干道 、人城干道和环城干道 、高速道路、工业区道路 、住宅区道路 、区域干道和游览大路。
请参照图2,图2是本申请一些实施例中的一种城市道路三维可视化建模方法的遥感图像特征获取方法流程图。根据本发明实施例,获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,包括:
S201,将城市道路遥感图像进行分区域分割,生成若干个子区域图像;
S202,提取若干个子区域图像特征,将子区域图像特征与预设的图像特征进行相似度计算,得到特征相似度;
S203,判断特征相似度是否大于等于第一相似度阈值;若大于等于第一相似度阈值,则保留对应的子区域图像特征,并生成特征集合;若小于第一相似度阈值,则判断特征相似度是否大于等于第二相似度阈值;
S204,若大于等于第二相似度阈值,则对子区域图像特征进行权重系数计算,将子区域图像特征乘以权重系数,得到优化后的子区域图像特征,并存储至特征集合;
S205,若小于第二相似度阈值,则生成特征噪点,将图像中的特征噪点进行去除,得到无噪点图像特征;
S206,将特征集合中的子区域图像特征与无噪点图像特征进行融合处理,得到遥感图像特征。
需要说明的是,通过将遥感图像进行分割,然后单独对每一个子区域图像进行单独处理,处理后的子区域图像进行融合能够去除图像中的噪点,使遥感图像反应的特征更加接近实际值。
根据本发明实施例,获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,还包括:
获取城市道路遥感图像,采集城市道路遥感图像的纹理信息与道路空间信息;
将纹理信息与道路空间信息进行融合获取城市道路全属性信息;
城市道路全属性信息包括道路宽度、道路长度、道路隔离带区域信息以及道路隔离带宽度信息、城市道路坡度信息以及城市道路转弯角度信息。
请参照图3,图3是本申请一些实施例中的一种城市道路三维可视化建模方法的道路边界数据修正方法流程图。根据本发明实施例,将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据,包括:
S301,获取三维点云数据,在三维点云数据中提取三维边界点云数据;
S302,通过三维边界点云数据计算城市道路的几何特征,城市道路的几何特征包括城市道路路宽、曲率与转向角;
S303,通过大数据获取城市道路轨迹数据,通过城市道路轨迹数据计算城市道路边界数据;
S304,将城市道路边界数据与三维边界点云数据进行差值计算,得到道路边界差值;
S305,判断道路边界差值是否大于等于预设的边界差值;若大于等于,则对道路边界数据进行修正;若小于,则生成城市道路边界线轮廓。
需要说明的是,通过城市道路的轨迹能够直观的看出城市道路的转向信息,在进行提取三维边界点云时,在位于转向位置处的三维边界点云密度要大于直线段城市道路的点云密度,使得在对城市道路转向角度建模时,角度偏差较小。
请参照图4,图4是本申请一些实施例中的一种城市道路三维可视化建模方法的三维道路边界点云数据补全方法流程图。根据本发明实施例,若大于等于,则对道路边界数据进行修正,包括:
S401,获取三维道路边界点云数据,对道路边界点云进行平滑处理;
S402,将平滑处理后的道路边界点云进行间隙计算,得到间隙距离;
S403,判断间隙距离是否大于等于预设距离值;
S404,若大于等于,则生成补全信息,通过补全信息对三维道路边界点云数据进行补全。
需要说明的是,在进行边界补全过程中,首先将预处理后的边界点云转换为二维边界线图像,使用训练好的间隙检测与修复卷积网络模型对该边界线图像进行线段补全,以此达到二维形式下的道路边界补全,然后在三维点云下,进行间隙的定位,在二维补全图像的指导下,将修补部分像素转换为三维点从而完成三维形式下的道路边界补全。
根据本发明实施例,将纹理信息与道路空间信息进行融合获取城市道路全属性信息,包括:
根据城市道路全属性信息获取城市道路轨迹信息;
根据城市道路轨迹信息获取城市道路弯曲点信息;
根据城市道路弯曲点信息计算边缘线与收敛线,并生成城市道路形态特征;
将城市道路形态特征与预设的形态特征进行比较;得到形态偏差率;
判断形态偏差率是否大于等于预设偏差率阈值;
若大于等于,则对城市道路形态特征进行调整。
根据本发明实施例,还包括:
获取城市道路网核心空间要素,并提取城市道路网高程点分布;
计算高程点密度信息,将高程点密度信息与预设的密度信息进行比较;得到密度偏差率;
判断所述密度偏差率是否大于等于预设偏差率阈值;
若大于等于,则对城市道路高程点进行加密处理,并生成插值点;
根据差值点参数信息对城市道路高程点进行补全处理。
需要说明的是,高程点可以理解为标有高程数值的信息点,用于表达城市道路地貌特征的高程信息,城市道路地形的起伏变化,使得高程点群在空间分布上呈现不同的疏密关系,进而判断城市道路平整度,提高建模精度。
根据本发明实施例,所述根据城市道路骨骼线建立城市道路路网的步骤,具体包括:
将城市道路骨骼线按照预设规则进行划分,得到不同属性的城市道路骨骼线;
根据连接的同一属性的城市道路骨骼线,得到城市道路路网。
需要说明的是,将城市道路骨骼线按照预设规则进行划分,得到不同属性的城市道路骨骼线,比如预设规则为位面,则将处于相同位面的城市道路骨骼线设为相同属性,将不同属性的城市道路骨骼线进行分别标记显示,比如通过不同颜色进行分别标注,将连接的同一属性的城市道路骨骼线设为一条城市道路,将多条城市道路组合在一起,得到对应城市道路路网。
根据本发明实施例,所述根据城市道路骨骼线建立城市道路路网的步骤,还包括:
获取不连接的城市道路骨骼线;
获取城市道路的周围环境信息;
将不连接的城市道路骨骼线和城市道路的周围环境信息进行对比分析,得到匹配度;
判断所述匹配度是否大于预设匹配度阈值,若是,将对应不连接的城市道路骨骼线按照周围环境设为城市道路,并和周围环境中对应城市道路进行相连;若否,则设为周围环境的内部路。
需要说明的是,将不连接的城市道路骨骼线和城市道路的周围环境进行对比分析,得到匹配度,其中若大于预设匹配度阈值,则说明对应城市道路骨骼线在和其他城市道路骨骼线的连接处存在提取误差,从而导致对应城市道路骨骼线成为和其他道路骨骼线不相连,将所述不连接的城市道路骨骼线按照对应城市道路的周围环境进行重新定位,并将所述不相连的城市道路骨骼线对应的城市道路并入生成的城市道路路网;若否,则说明对应不连接的城市道路骨骼线为对应周围环境某一区域内的一条封闭的内部路。所述预设匹配度阈值由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取用户端选择的渲染视角;
根据用户端选择的渲染视角对生成的城市道路场景进行渲染,得到对应渲染视角的可视化道路路径;
将所述可视化道路路径以对应渲染视角命名并进行存储。
需要说明的是,根据不同渲染视角生成不同视角的城市道路路径,比如虚拟驾驶员路径、虚拟汽车行驶路径等,将所述不同的渲染视角的城市道路路径进行分别存储以供用户进行选择查看。
请参照图5,图5是本申请一些实施例中的一种城市道路三维可视化建模***的结构示意图。第二方面,本申请实施例提供了一种城市道路三维可视化建模***5,该***包括:存储器51及处理器52,存储器51中包括城市道路三维可视化建模方法的程序,城市道路三维可视化建模方法的程序被处理器执行时实现以下步骤:
获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像;
将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据;
将三维点云数据输入预设的离散模型,计算三维点云数据的离散度;
将三维点云数据的离散度与预设的离散度阈值进行比较;得到离散偏差率;
判断离散偏差率是否大于等于预设的离散偏差率阈值;
若大于等于,则对遥感图像进行滤波处理;
若小于,则根据三维点云数据绘制三维点云分布图,获得城市道路骨骼线;
根据城市道路骨骼线建立城市道路路网信息;
将城市道路路网信息输入预设的模型进行训练,得到城市道路模型。
需要说明的是,获取城市道路路网过程中,通过道路上的语义对象或先验规则提取道路点,然后把道路点连接成道路段,对道路段处理获取城市道路路网,此种方式获得的城市道路路网能更加精准的反应城市道路分布以及城市道路边界。
城市道路分成全市干道 、人城干道和环城干道 、高速道路、工业区道路 、住宅区道路 、区域干道和游览大路。
根据本发明实施例,获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,包括:
将城市道路遥感图像进行分区域分割,生成若干个子区域图像;
提取若干个子区域图像特征,将子区域图像特征与预设的图像特征进行相似度计算,得到特征相似度;
判断特征相似度是否大于等于第一相似度阈值;
若大于等于第一相似度阈值,则保留对应的子区域图像特征,并生成特征集合;
若小于第一相似度阈值,则判断特征相似度是否大于等于第二相似度阈值;
若大于等于第二相似度阈值,则对子区域图像特征进行权重系数计算,将子区域图像特征乘以权重系数,得到优化后的子区域图像特征,并存储至特征集合;
若小于第二相似度阈值,则生成特征噪点,将图像中的特征噪点进行去除,得到无噪点图像特征;
将特征集合中的子区域图像特征与无噪点图像特征进行融合处理,得到遥感图像特征。
需要说明的是,通过将遥感图像进行分割,然后单独对每一个子区域图像进行单独处理,处理后的子区域图像进行融合能够去除图像中的噪点,使遥感图像反应的特征更加接近实际值。
根据本发明实施例,获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,还包括:
获取城市道路遥感图像,采集城市道路遥感图像的纹理信息与道路空间信息;
将纹理信息与道路空间信息进行融合获取城市道路全属性信息;
城市道路全属性信息包括道路宽度、道路长度、道路隔离带区域信息以及道路隔离带宽度信息、城市道路坡度信息以及城市道路转弯角度信息。
根据本发明实施例,将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据,包括:
获取三维点云数据,在三维点云数据中提取三维边界点云数据;
通过三维边界点云数据计算城市道路的几何特征,城市道路的几何特征包括城市道路路宽、曲率与转向角;
通过大数据获取城市道路轨迹数据,通过城市道路轨迹数据计算城市道路边界数据;
将城市道路边界数据与三维边界点云数据进行差值计算,得到道路边界差值;
判断道路边界差值是否大于等于预设的边界差值;
若大于等于,则对道路边界数据进行修正;
若小于,则生成城市道路边界线轮廓。
需要说明的是,通过城市道路的轨迹能够直观的看出城市道路的转向信息,在进行提取三维边界点云时,在位于转向位置处的三维边界点云密度要大于直线段城市道路的点云密度,使得在对城市道路转向角度建模时,角度偏差较小。
根据本发明实施例,若大于等于,则对道路边界数据进行修正,包括:
获取三维道路边界点云数据,对道路边界点云进行平滑处理;
将平滑处理后的道路边界点云进行间隙计算,得到间隙距离;
判断间隙距离是否大于等于预设距离值;
若大于等于,则生成补全信息,通过补全信息对三维道路边界点云数据进行补全。
需要说明的是,在进行边界补全过程中,首先将预处理后的边界点云转换为二维边界线图像,使用训练好的间隙检测与修复卷积网络模型对该边界线图像进行线段补全,以此达到二维形式下的道路边界补全,然后在三维点云下,进行间隙的定位,在二维补全图像的指导下,将修补部分像素转换为三维点从而完成三维形式下的道路边界补全。
根据本发明实施例,将纹理信息与道路空间信息进行融合获取城市道路全属性信息,包括:
根据城市道路全属性信息获取城市道路轨迹信息;
根据城市道路轨迹信息获取城市道路弯曲点信息;
根据城市道路弯曲点信息计算边缘线与收敛线,并生成城市道路形态特征;
将城市道路形态特征与预设的形态特征进行比较;得到形态偏差率;
判断形态偏差率是否大于等于预设偏差率阈值;
若大于等于,则对城市道路形态特征进行调整。
根据本发明实施例,还包括:
获取城市道路网核心空间要素,并提取城市道路网高程点分布;
计算高程点密度信息,将高程点密度信息与预设的密度信息进行比较;得到密度偏差率;
判断所述密度偏差率是否大于等于预设偏差率阈值;
若大于等于,则对城市道路高程点进行加密处理,并生成插值点;
根据差值点参数信息对城市道路高程点进行补全处理。
需要说明的是,高程点可以理解为标有高程数值的信息点,用于表达城市道路地貌特征的高程信息,城市道路地形的起伏变化,使得高程点群在空间分布上呈现不同的疏密关系,进而判断城市道路平整度,提高建模精度。
根据本发明实施例,所述根据城市道路骨骼线建立城市道路路网的步骤,具体包括:
将城市道路骨骼线按照预设规则进行划分,得到不同属性的城市道路骨骼线;
根据连接的同一属性的城市道路骨骼线,得到城市道路路网。
需要说明的是,将城市道路骨骼线按照预设规则进行划分,得到不同属性的城市道路骨骼线,比如预设规则为位面,则将处于相同位面的城市道路骨骼线设为相同属性,将不同属性的城市道路骨骼线进行分别标记显示,比如通过不同颜色进行分别标注,将连接的同一属性的城市道路骨骼线设为一条城市道路,将多条城市道路组合在一起,得到对应城市道路路网。
根据本发明实施例,所述根据城市道路骨骼线建立城市道路路网的步骤,还包括:
获取不连接的城市道路骨骼线;
获取城市道路的周围环境信息;
将不连接的城市道路骨骼线和城市道路的周围环境信息进行对比分析,得到匹配度;
判断所述匹配度是否大于预设匹配度阈值,若是,将对应不连接的城市道路骨骼线按照周围环境设为城市道路,并和周围环境中对应城市道路进行相连;若否,则设为周围环境的内部路。
需要说明的是,将不连接的城市道路骨骼线和城市道路的周围环境进行对比分析,得到匹配度,其中若大于预设匹配度阈值,则说明对应城市道路骨骼线在和其他城市道路骨骼线的连接处存在提取误差,从而导致对应城市道路骨骼线成为和其他道路骨骼线不相连,将所述不连接的城市道路骨骼线按照对应城市道路的周围环境进行重新定位,并将所述不相连的城市道路骨骼线对应的城市道路并入生成的城市道路路网;若否,则说明对应不连接的城市道路骨骼线为对应周围环境某一区域内的一条封闭的内部路。所述预设匹配度阈值由本领域技术人员根据实际需求进行设置。
根据本发明实施例,还包括:
获取用户端选择的渲染视角;
根据用户端选择的渲染视角对生成的城市道路场景进行渲染,得到对应渲染视角的可视化道路路径;
将所述可视化道路路径以对应渲染视角命名并进行存储。
需要说明的是,根据不同渲染视角生成不同视角的城市道路路径,比如虚拟驾驶员路径、虚拟汽车行驶路径等,将所述不同的渲染视角的城市道路路径进行分别存储以供用户进行选择查看。
本发明第三方面提供了一种计算机可读存储介质,可读存储介质中包括城市道路三维可视化建模方法程序,城市道路三维可视化建模方法程序被处理器执行时,实现如上述任一项的城市道路三维可视化建模方法的步骤。
本发明公开的一种城市道路三维可视化建模方法、***及介质,通过获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像;将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据;将三维点云数据输入预设的离散模型,计算三维点云数据的离散度;将三维点云数据的离散度与预设的离散度阈值进行比较;得到离散偏差率;判断所述离散偏差率是否大于等于预设的离散偏差率阈值;若大于等于,则对遥感图像进行滤波处理;若小于,则根据三维点云数据绘制三维点云分布图,获得城市道路骨骼线;根据城市道路骨骼线建立城市道路路网信息;将城市道路路网信息输入预设的模型进行训练,得到城市道路模型;通过遥感图像进行三维点云提取,进行建立城市道路骨骼线,并实现三维可视化建模,有效提高了道路提取率的技术。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该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(可以是个人计算机、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。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (8)
1.一种城市道路三维可视化建模方法,其特征在于,包括:
获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像;
将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据;
将三维点云数据输入预设的离散模型,计算三维点云数据的离散度;
将三维点云数据的离散度与预设的离散度阈值进行比较;得到离散偏差率;
判断所述离散偏差率是否大于等于预设的离散偏差率阈值;
若大于等于,则对遥感图像进行滤波处理;
若小于,则根据三维点云数据绘制三维点云分布图,获得城市道路骨骼线;
根据城市道路骨骼线建立城市道路路网信息;
将城市道路路网信息输入预设的模型进行训练,得到城市道路模型;
所述获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,包括:
将城市道路遥感图像进行分区域分割,生成若干个子区域图像;
提取若干个子区域图像特征,将子区域图像特征与预设的图像特征进行相似度计算,得到特征相似度;
判断所述特征相似度是否大于等于第一相似度阈值;
若大于等于第一相似度阈值,则保留对应的子区域图像特征,并生成特征集合;
若小于第一相似度阈值,则判断所述特征相似度是否大于等于第二相似度阈值;
若大于等于第二相似度阈值,则对子区域图像特征进行权重系数计算,将子区域图像特征乘以权重系数,得到优化后的子区域图像特征,并存储至特征集合;
若小于第二相似度阈值,则生成特征噪点,将图像中的特征噪点进行去除,得到无噪点图像特征;
将特征集合中的子区域图像特征与无噪点图像特征进行融合处理,得到遥感图像特征。
2.根据权利要求1所述的城市道路三维可视化建模方法,其特征在于,所述获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,还包括:
获取城市道路遥感图像,采集城市道路遥感图像的纹理信息与道路空间信息;
将纹理信息与道路空间信息进行融合获取城市道路全属性信息;
城市道路全属性信息包括道路宽度、道路长度、道路隔离带区域信息以及道路隔离带宽度信息、城市道路坡度信息以及城市道路转弯角度信息。
3.根据权利要求2所述的城市道路三维可视化建模方法,其特征在于,所述将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据,包括:
获取三维点云数据,在三维点云数据中提取三维边界点云数据;
通过三维边界点云数据计算城市道路的几何特征,城市道路的几何特征包括城市道路路宽、曲率与转向角;
通过大数据获取城市道路轨迹数据,通过城市道路轨迹数据计算城市道路边界数据;
将城市道路边界数据与三维边界点云数据进行差值计算,得到道路边界差值;
判断所述道路边界差值是否大于等于预设的边界差值;
若大于等于,则对道路边界数据进行修正;
若小于,则生成城市道路边界线轮廓。
4.根据权利要求3所述的城市道路三维可视化建模方法,其特征在于,所述若大于等于,则对道路边界数据进行修正,包括:
获取三维道路边界点云数据,对道路边界点云进行平滑处理;
将平滑处理后的道路边界点云进行间隙计算,得到间隙距离;
判断所述间隙距离是否大于等于预设距离值;
若大于等于,则生成补全信息,通过补全信息对三维道路边界点云数据进行补全。
5.根据权利要求4所述的城市道路三维可视化建模方法,其特征在于,所述将纹理信息与道路空间信息进行融合获取城市道路全属性信息,包括:
根据城市道路全属性信息获取城市道路轨迹信息;
根据城市道路轨迹信息获取城市道路弯曲点信息;
根据城市道路弯曲点信息计算边缘线与收敛线,并生成城市道路形态特征;
将城市道路形态特征与预设的形态特征进行比较;得到形态偏差率;
判断所述形态偏差率是否大于等于预设偏差率阈值;
若大于等于,则对城市道路形态特征进行调整。
6.一种城市道路三维可视化建模***,其特征在于,该***包括:存储器及处理器,所述存储器中包括城市道路三维可视化建模方法的程序,所述城市道路三维可视化建模方法的程序被所述处理器执行时实现以下步骤:
获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像;
将处理后的遥感图像进行三维点云提取,获得遥感图像的三维点云数据;
将三维点云数据输入预设的离散模型,计算三维点云数据的离散度;
将三维点云数据的离散度与预设的离散度阈值进行比较;得到离散偏差率;
判断所述离散偏差率是否大于等于预设的离散偏差率阈值;
若大于等于,则对遥感图像进行滤波处理;
若小于,则根据三维点云数据绘制三维点云分布图,获得城市道路骨骼线;
根据城市道路骨骼线建立城市道路路网信息;
将城市道路路网信息输入预设的模型进行训练,得到城市道路模型;
所述获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,包括:
将城市道路遥感图像进行分区域分割,生成若干个子区域图像;
提取若干个子区域图像特征,将子区域图像特征与预设的图像特征进行相似度计算,得到特征相似度;
判断所述特征相似度是否大于等于第一相似度阈值;
若大于等于第一相似度阈值,则保留对应的子区域图像特征,并生成特征集合;
若小于第一相似度阈值,则判断所述特征相似度是否大于等于第二相似度阈值;
若大于等于第二相似度阈值,则对子区域图像特征进行权重系数计算,将子区域图像特征乘以权重系数,得到优化后的子区域图像特征,并存储至特征集合;
若小于第二相似度阈值,则生成特征噪点,将图像中的特征噪点进行去除,得到无噪点图像特征;
将特征集合中的子区域图像特征与无噪点图像特征进行融合处理,得到遥感图像特征。
7.根据权利要求6所述的城市道路三维可视化建模***,其特征在于,所述获取城市道路遥感图像,对遥感图像进行预处理,得到处理后的遥感图像,还包括:
获取城市道路遥感图像,采集城市道路遥感图像的纹理信息与道路空间信息;
将纹理信息与道路空间信息进行融合获取城市道路全属性信息;
城市道路全属性信息包括道路宽度、道路长度、道路隔离带区域信息以及道路隔离带宽度信息、城市道路坡度信息以及城市道路转弯角度信息。
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中包括城市道路三维可视化建模方法程序,所述城市道路三维可视化建模方法程序被处理器执行时,实现如权利要求1至5中任一项所述的城市道路三维可视化建模方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310731687.5A CN116468870B (zh) | 2023-06-20 | 2023-06-20 | 一种城市道路三维可视化建模方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310731687.5A CN116468870B (zh) | 2023-06-20 | 2023-06-20 | 一种城市道路三维可视化建模方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116468870A CN116468870A (zh) | 2023-07-21 |
CN116468870B true CN116468870B (zh) | 2024-01-23 |
Family
ID=87181109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310731687.5A Active CN116468870B (zh) | 2023-06-20 | 2023-06-20 | 一种城市道路三维可视化建模方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116468870B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117010577B (zh) * | 2023-10-07 | 2023-12-22 | 北京建工环境修复股份有限公司 | 基于时空分布的多维度碳排放监测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102069666B1 (ko) * | 2018-11-14 | 2020-01-23 | 주식회사 모빌테크 | 포인트 클라우드 맵 기반의 자율주행차량용 실시간 주행경로 설정 방법 |
WO2021073656A1 (zh) * | 2019-10-16 | 2021-04-22 | 上海商汤临港智能科技有限公司 | 图像数据自动标注方法及装置 |
US11023730B1 (en) * | 2020-01-02 | 2021-06-01 | International Business Machines Corporation | Fine-grained visual recognition in mobile augmented reality |
CN114612780A (zh) * | 2022-03-14 | 2022-06-10 | 上海微电机研究所(中国电子科技集团公司第二十一研究所) | 一种多地图切换slam建图方法 |
CN115841558A (zh) * | 2023-03-01 | 2023-03-24 | 航天宏图信息技术股份有限公司 | 城市道路建模的方法、装置、电子设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10755132B2 (en) * | 2016-01-15 | 2020-08-25 | Wuhan Wuda Zoyon Science And Technology Co., Ltd | Methods for extracting surface deformation feature of object based on linear scanning three-dimensional point cloud |
CN105719284B (zh) * | 2016-01-18 | 2018-11-06 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及终端 |
CN110148196B (zh) * | 2018-09-12 | 2022-03-25 | 腾讯大地通途(北京)科技有限公司 | 一种图像处理方法、装置以及相关设备 |
-
2023
- 2023-06-20 CN CN202310731687.5A patent/CN116468870B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102069666B1 (ko) * | 2018-11-14 | 2020-01-23 | 주식회사 모빌테크 | 포인트 클라우드 맵 기반의 자율주행차량용 실시간 주행경로 설정 방법 |
WO2021073656A1 (zh) * | 2019-10-16 | 2021-04-22 | 上海商汤临港智能科技有限公司 | 图像数据自动标注方法及装置 |
US11023730B1 (en) * | 2020-01-02 | 2021-06-01 | International Business Machines Corporation | Fine-grained visual recognition in mobile augmented reality |
CN114612780A (zh) * | 2022-03-14 | 2022-06-10 | 上海微电机研究所(中国电子科技集团公司第二十一研究所) | 一种多地图切换slam建图方法 |
CN115841558A (zh) * | 2023-03-01 | 2023-03-24 | 航天宏图信息技术股份有限公司 | 城市道路建模的方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
条纹原理激光雷达回波信号提取技术研究;张瑞环;中国优秀硕士学位论文全文数据库 信息科技辑(第02期);第I136-I456页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116468870A (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN108334802B (zh) | 道路特征物的定位方法及装置 | |
CN111476242A (zh) | 一种激光点云语义分割方法及装置 | |
CN116468870B (zh) | 一种城市道路三维可视化建模方法及*** | |
CN115423972A (zh) | 一种基于车载多激光雷达融合的封闭场景三维重建方法 | |
Mousa et al. | Building detection and regularisation using DSM and imagery information | |
CN115564926A (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
CN115641415B (zh) | 基于卫星影像生成三维场景的方法、装置、设备及介质 | |
CN112307553A (zh) | 一种对三维道路模型进行提取与简化的方法 | |
CN115861247A (zh) | 一种高分辨率遥感影像轮廓多级正则化方法、***及应用 | |
CN111649749A (zh) | 基于bim模型的导航方法、电子设备及相关产品 | |
CN114239508A (zh) | 表格还原方法和装置、存储介质及电子设备 | |
Park et al. | Segmentation of Lidar data using multilevel cube code | |
CN109727255B (zh) | 一种建筑物三维模型分割方法 | |
Forlani et al. | Building reconstruction and visualization from lidar data | |
Wu et al. | [Retracted] Intelligent City 3D Modeling Model Based on Multisource Data Point Cloud Algorithm | |
CN116823966A (zh) | 相机的内参标定方法、装置、计算机设备和存储介质 | |
CN113838199B (zh) | 一种三维地形生成方法 | |
Habib et al. | Integration of lidar and airborne imagery for realistic visualization of 3d urban environments | |
CN116843891A (zh) | 图形轮廓检测方法、装置、存储介质、设备及程序产品 | |
CN114091141A (zh) | 一种基于倾斜实景模型的三维道路生成方法及装置 | |
Nakagawa et al. | Panoramic rendering-based polygon extraction from indoor mobile LiDAR data | |
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 | |
Goebbels et al. | Quality enhancement techniques for building models derived from sparse point clouds | |
CN107833278B (zh) | 地形模拟方法、装置及电子设备 |
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 |