CN117036647A - 基于倾斜实景三维模型的地面曲面提取方法 - Google Patents
基于倾斜实景三维模型的地面曲面提取方法 Download PDFInfo
- Publication number
- CN117036647A CN117036647A CN202311303864.6A CN202311303864A CN117036647A CN 117036647 A CN117036647 A CN 117036647A CN 202311303864 A CN202311303864 A CN 202311303864A CN 117036647 A CN117036647 A CN 117036647A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- square grid
- square
- ground
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012876 topography Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004064 recycling Methods 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明属于测绘技术领域,具体涉及一种基于倾斜实景三维模型的地面曲面提取方法,该方法包括倾斜模型悬浮物过滤、倾斜模型顶点集合提取、非地面点过滤以及对地面点抽稀等步骤,其中的地面点抽稀步骤采用双包裹加权球心抽稀法。该方法对倾斜实景三维模型的节点数据的抽稀和处理具有更高的更好的适应性和真实反馈。
Description
技术领域
本发明属于测绘技术领域,具体涉及一种基于倾斜实景三维模型的地面曲面提取方法。
背景技术
准确获取能反应地面地势起伏的、不包含地面地物的地形数据称为地面曲面,对于道路、桥梁、水利工程等项目的规划和设计至关重要,尤其是主流的工程设计软件AutoDesk Civil 3D,更是需要准确的地面曲面数据作为其开展工程设计的空间数据底座。
现有的地面曲面提取方法主要包括三维激光扫描提取地面曲面法、卫星遥感数据提取地面曲面法和人工采集地面点制作地面曲面法。现有的技术方法存在以下明显的缺陷:
1. 三维激光扫描技术存在成本高,产品数据利用率低的问题。三维激光扫描的设备采购、维护、数据采集均存在成本过高的问题,且其产品数据在工程的规划、设计、施工、运维全生命周期应用面较窄,重复利用率较低;
2. 卫星遥感数据制作的数字高程模型产品普遍存在精度较低、产品更新周期慢或更新费用高的问题。目前全球公开的数字高程模型的最高精度为12.5米,数据时效性为2009年前后,且多处位置存在高程异常,需要专业人员专门做高程异常校正才能在一定程度上反映较为粗糙的地形情况,该精度无法满足工程设计需要;如果采用商业卫星专门采集目标区域的地形数据,又存在更新周期不确定,采集费用高,精度(米级)仍旧不能达到工程设计需求;
3. 人工采集地面点制作地面曲面的方法存在成本高、速度慢、时效性有限、还原性差的问题。外业采集过程需要耗费大量时间和资源,并且在复杂地形中可能受限,无法完全、准确的还原实地的各种尺度的地形情况(如:山谷、山脊、洼地、田坎、沟壑、水渠等)。
公开号为CN111369436,名称为一种顾及多元地形特征的机载LiDAR点云抽稀方法,该方法将四类地形特征参数线性构建为多元地形特征复杂度模型,依据获取的点云复杂度及抽稀准则,实现点云的高精度抽稀,但该方法将地形划分为具有统一分辨率的规则格网,并将点云垂直投射至相对应的格网单元内,但每个格网只保留一个特征点,这种方法虽然简单快速,但可能会丧失一些细节信息,特别是针对倾斜实景三维模型在构建过程中可能出现的包含噪点和悬浮物所提取出的不正确地面云点的抽稀,无法有效反映真实的地面情况。
发明内容
针对已知地面曲面提取方法应用于倾斜实景三维模型中存在的问题,本发明提出一种基于倾斜实景三维模型的地面曲面提取方法。
基于倾斜实景三维模型的地面曲面提取方法,包括S1倾斜模型悬浮物过滤、S2倾斜模型顶点集合提取、S3非地面点过滤以及S4对地面点进行抽稀步骤,其中S4对地面点进行抽稀又通过以下步骤实施:
S41.读取点云:将点云数据读取至相应内存容器中,等待内存调取与算法执行;
S42.提取点云包围框:遍历点云坐标,判断并保留其中最大与最小的X、Y坐标,以此构建成点云范围的最小包围框;
S43.划分抽稀格网:将构建的最小包围框按照预设阈值划分为方格网区域,此时每个方格区域将有四种情况不包含点、包含1个点、包含2个,包含3个及3个以上点;
S44.方格区域内点的最小偏差抽稀:根据S43划分的方格网的四种情况,寻找每个方格网区域内的最小偏差点,即:
方格网区域内不包含点时,忽略该方格网;
方格网区域内包含1个点时,该点即为该方格网区域内的最小偏差点T0;
方格网区域内包含2个点时,2点连线中点即为该方格网区域内的最小偏差点T0;
方格网区域内包含3个及以上点时,记点数量为N,按以下方法取得最小偏差点T0;
先找到所有点的最大外包围球体O1,称为最大格网点包裹球,最大格网点包裹球心反映点当前格网内所有点的总体分布状态,其球心为点p1(x1,y1,z1);再找到距离点p1最近的c * N个点,所述c为核心系数且0 < c < 1,找到这些点的最大外包围球体O2,核心格网点包裹球反映当前格网内核心区所有点的分布状态,其球心为点p2(x2,y2,z2);分别为p1(x1,y1,z1)、p2(x2,y2,z2)点的三维坐标加入最大权m和核心权n,依据以下公式计算带有侧重权值的最小偏差点T0(x0,y0,z0):
m + n = 1;
x0=m*x1+n*x2;
y0=m*y1+n*y2;
z0=m*z1+n*z2;
获得最小偏差点T0的算法定位为双包裹加权球心抽稀法;
S45.点云抽稀完成:对每个方格区域按照S44方法进行点云判断与抽稀操作,每个方格区域最多只保留一个最贴近地形特征点;所有方格区域抽稀完成后,剩余的点云集构成所需的最贴近地形特征点云。
进一步的,非地面点过滤选用CSF滤波算法,即可提取到顶点集合数据中的地面点集合,该地面点集合即构成所需地面曲面成果的数据基础。
本发明提出的一种基于倾斜实景三维模型的地面曲面提取方法,以实现工程规划、设计、施工、运维全生命周期可用的高精度地面曲面提取为目标,其有益效果在于:
1)针对三维激光扫描技术存在成本高,产品数据利用率低的问题。本发明提出的方法,所采用的倾斜实景三维模型的设备购置、维护和数据采集成本均较低,且倾斜实景三维模型可在工程规划、设计、施工、运维全生命周期均发挥重要作用,数据利用率高。额外的,将会有越来越多的现有的倾斜实景三维模型可直接使用,从而避免不必要的成本支出和时间消耗;
2)针对卫星遥感数据制作的数字高程模型产品普遍存在精度较低、产品更新周期慢或更新费用高的问题,本发明提出的方法生成的地面曲面精度高(与倾斜实景三维模型一致的厘米级精度),满足工程全生命周期的使用,产品更新难度低、周期短、更新费用低;
3)针对人工采集地面点制作地面曲面的方法存在成本高、速度慢、时效性有限、还原性差的问题,本发明提出的方法可实现全流程编程自动化处理,且其产品可实现对多种尺度下的地形情况的真实反馈;
4)相比于其他常见的点云抽稀算法,本发明中提出的双包裹加权球心抽稀法对倾斜实景三维模型的节点数据的抽稀和处理具有更高的更好的适应性和真实反馈。传统方法可能在某些场景下过于简化或者过于随机地选择代表点,导致对地面曲面的保留效果不够理想。而本发明的方法综合考虑了倾斜实景三维模型提取出的地面点云特性,采取划分格网、分点数目情况计算、多点情况下使用原创的双包裹加权球心抽稀法权衡最大区与核心区权值的方法,对倾斜实景三维模型中存在的地形起伏不同,模型中存在悬浮物、噪点等问题进行了更贴合的算法优化;同时,经过点云抽稀后,地面曲面的构建对计算机算力的要求大幅降低,优化了地面曲面构建的时效性。
附图说明
图1为S41点云示意图。
图2为S42点云外包围框示意图。
图3为S43抽稀网格示意图。
图4为S43单个方格网内点分布示意图。
图5为S43单个方格网中包含1个点时最小偏差点取值示意图。
图6为S43单个方格网中包含2个点时最小偏差点取值示意图。
图7为S43单个方格网中包含3个及以上点时包裹球心点取值示意图。
图8为S43包裹球心计算最小偏差点示意图。
图9为S44每个方格网保留一个最贴近地形特征点示意图。
图10为S4最贴近地形特征点云示意图。
实施方式
实施例1:利用上述方法对某实际工程建设区域的倾斜实景三维模型提取地面曲线,该实施区域有如下特点:
最小外包围框尺寸为154 x 178米,面积约为27412平方米;
模型主要内容为城市区域综合地物表达,所提取出关键点集合中有254624个地面点;
工程建设类型为民用建筑规划设计;
依据测绘任务要求,需提供地面曲面精度要求为0.5米;
模型整体地面起伏度较小,地面存在坎坡、路基、水渠等小范围地形因素,不存在山丘、盆地、河岸等大范围地形因素;
模型中悬浮物与噪点较少,对地形起伏干扰较小。
根据以上现状有如下定义:
根据工程测绘任务要求,定义抽稀网格划分长度G=0.4米,以保证需求的0.5米精度要求;
根据实施区面积(27412平方米)和所提取到的地面点数量(254624),计算得到每平方米内平均点数量为9.29个,每0.4米 x 0.4米范围内平均点数量为3.71个,故定义核心格网点包裹球的核心系数c=0.55,则在此次实施中,离最大格网点包裹球心最近的2个点的最大外包围球体称为核心格网点包裹球,其球心称为核心格网点包裹球心;
根据模型整体地面起伏度较小、地面小范围地形因素多、模型上悬浮物与噪点少等特点,判断在地面点集合抽稀过程中,最小偏差点T0应当侧重于当前格网内所有点分布情况,故定义最大权为m=0.8,核心权n=0.2,应用双包裹加权球心抽稀法,依据以下算式对模型进行地面点抽稀:
x0=0.8*x1 + 0.2*x2;
y0=0.8*y1 + 0.2*y2;
z0=0.8*z1 + 0.2*z2。
依据以上规则,在AutoCAD Civil 3D中进行地面曲面构建,最终全部实施区倾斜实景三维模型使用关键点直接提取地面曲面。
Claims (2)
1.基于倾斜实景三维模型的地面曲面提取方法,其特征在于该方法包括S1倾斜模型悬浮物过滤、S2倾斜模型顶点集合提取、S3非地面点过滤以及S4对地面点进行抽稀步骤,其中S4对地面点进行抽稀又通过以下步骤实施:
S41.读取点云:将点云数据读取至相应内存容器中,等待内存调取与算法执行;
S42.提取点云包围框:遍历点云坐标,判断并保留其中最大与最小的X、Y坐标,以此构建成点云范围的最小包围框;
S43.划分抽稀格网:将构建的最小包围框按照预设阈值划分为方格网区域,此时每个方格区域将有四种情况不包含点、包含1个点、包含2个,包含3个及3个以上点;
S44.方格区域内点的最小偏差抽稀:根据S43划分的方格网的四种情况,寻找每个方格网区域内的最小偏差点,即:
方格网区域内不包含点时,忽略该方格网;
方格网区域内包含1个点时,该点即为该方格网区域内的最小偏差点T0;
方格网区域内包含2个点时,2点连线中点即为该方格网区域内的最小偏差点T0;
方格网区域内包含3个及以上点时,记点数量为N,按以下方法取得最小偏差点T0;
先找到所有点的最大外包围球体O1,称为最大格网点包裹球,其球心为点p1(x1,y1,z1);再找到距离点p1最近的c * N个点,所述c为核心系数且0 < c < 1,找到这些点的最大外包围球体O2,其球心为点p2(x2,y2,z2);分别为p1(x1,y1,z1)、p2(x2,y2,z2)点的三维坐标加入最大权m和核心权n,依据以下公式计算带有侧重权值的最小偏差点T0(x0,y0,z0):
m + n = 1;
x0=m*x1+n*x2;
y0=m*y1+n*y2;
z0=m*z1+n*z2;
S45.点云抽稀完成:对每个方格区域按照S44方法进行点云判断与抽稀操作,每个方格区域最多只保留一个最贴近地形特征点;所有方格区域抽稀完成后,剩余的点云集构成所需的最贴近地形特征点云。
2.如权利要求1所述的基于倾斜实景三维模型的地面曲面提取方法,其特征在于非地面点过滤选用CSF滤波算法,即可提取到顶点集合数据中的地面点集合,该地面点集合即构成所需地面曲面成果的数据基础。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311303864.6A CN117036647B (zh) | 2023-10-10 | 2023-10-10 | 基于倾斜实景三维模型的地面曲面提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311303864.6A CN117036647B (zh) | 2023-10-10 | 2023-10-10 | 基于倾斜实景三维模型的地面曲面提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117036647A true CN117036647A (zh) | 2023-11-10 |
CN117036647B CN117036647B (zh) | 2023-12-12 |
Family
ID=88626772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311303864.6A Active CN117036647B (zh) | 2023-10-10 | 2023-10-10 | 基于倾斜实景三维模型的地面曲面提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117036647B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060072372A1 (en) * | 2003-10-09 | 2006-04-06 | Thomas Gerald B | Composite acoustic attenuation materials |
EP2040123A1 (en) * | 2003-12-02 | 2009-03-25 | Carl Zeiss SMT AG | Projection optical system |
US20110243409A1 (en) * | 2008-12-04 | 2011-10-06 | Real Imaging Ltd. | Method apparatus and system for determining a thermal signature |
US20170262559A1 (en) * | 2016-03-11 | 2017-09-14 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and Systems for Simulating Nanoparticle Flux |
CN109459759A (zh) * | 2018-11-13 | 2019-03-12 | 中国科学院合肥物质科学研究院 | 基于四旋翼无人机激光雷达***的城市地形三维重建方法 |
CN111369436A (zh) * | 2020-02-27 | 2020-07-03 | 山东科技大学 | 一种顾及多元地形特征的机载LiDAR点云抽稀方法 |
US20200284883A1 (en) * | 2019-03-08 | 2020-09-10 | Osram Gmbh | Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device |
CN112380893A (zh) * | 2020-09-15 | 2021-02-19 | 广东电网有限责任公司 | 一种机载激光点云数据的输电线走廊自动识别方法 |
CN112669463A (zh) * | 2020-12-25 | 2021-04-16 | 河南信大融通信息科技有限公司 | 三维点云的曲面重建方法、计算机设备和计算机可读存储介质 |
CN115131571A (zh) * | 2022-06-01 | 2022-09-30 | 中国计量大学 | 一种基于点云预处理六领域的建筑物局部特征点识别方法 |
CN116721239A (zh) * | 2023-06-12 | 2023-09-08 | 山西阳光三极科技股份有限公司 | 一种基于多个雷达设备的自动化点云拼接方法 |
CN116736331A (zh) * | 2023-06-12 | 2023-09-12 | 山西阳光三极科技股份有限公司 | 一种基于激光雷达的煤仓中存煤量的自动化测量方法 |
-
2023
- 2023-10-10 CN CN202311303864.6A patent/CN117036647B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060072372A1 (en) * | 2003-10-09 | 2006-04-06 | Thomas Gerald B | Composite acoustic attenuation materials |
EP2040123A1 (en) * | 2003-12-02 | 2009-03-25 | Carl Zeiss SMT AG | Projection optical system |
US20110243409A1 (en) * | 2008-12-04 | 2011-10-06 | Real Imaging Ltd. | Method apparatus and system for determining a thermal signature |
US20170262559A1 (en) * | 2016-03-11 | 2017-09-14 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and Systems for Simulating Nanoparticle Flux |
CN109459759A (zh) * | 2018-11-13 | 2019-03-12 | 中国科学院合肥物质科学研究院 | 基于四旋翼无人机激光雷达***的城市地形三维重建方法 |
US20200284883A1 (en) * | 2019-03-08 | 2020-09-10 | Osram Gmbh | Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device |
CN111369436A (zh) * | 2020-02-27 | 2020-07-03 | 山东科技大学 | 一种顾及多元地形特征的机载LiDAR点云抽稀方法 |
CN112380893A (zh) * | 2020-09-15 | 2021-02-19 | 广东电网有限责任公司 | 一种机载激光点云数据的输电线走廊自动识别方法 |
CN112669463A (zh) * | 2020-12-25 | 2021-04-16 | 河南信大融通信息科技有限公司 | 三维点云的曲面重建方法、计算机设备和计算机可读存储介质 |
CN115131571A (zh) * | 2022-06-01 | 2022-09-30 | 中国计量大学 | 一种基于点云预处理六领域的建筑物局部特征点识别方法 |
CN116721239A (zh) * | 2023-06-12 | 2023-09-08 | 山西阳光三极科技股份有限公司 | 一种基于多个雷达设备的自动化点云拼接方法 |
CN116736331A (zh) * | 2023-06-12 | 2023-09-12 | 山西阳光三极科技股份有限公司 | 一种基于激光雷达的煤仓中存煤量的自动化测量方法 |
Non-Patent Citations (1)
Title |
---|
孙培氏: "基于整体最小二乘的三维点云规则曲面拟合算法研究", 《中国优秀论文全文数据库 信息科技辑》, no. 2, pages 136 - 1415 * |
Also Published As
Publication number | Publication date |
---|---|
CN117036647B (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105677890B (zh) | 一种城市绿量数字地图制作及显示方法 | |
CN105118090B (zh) | 一种自适应复杂地形结构的点云滤波方法 | |
CN111325837A (zh) | 一种基于地面三维激光点云的边坡dem生成方法 | |
CN110135351A (zh) | 基于城市建筑空间数据的建成区边界识别方法及设备 | |
CN110276732B (zh) | 一种顾及地形特征线要素的山区点云空洞修复方法 | |
CN112069573B (zh) | 一种基于元胞自动机的城市群空间模拟方法、***及设备 | |
CN111369436A (zh) | 一种顾及多元地形特征的机载LiDAR点云抽稀方法 | |
CN114926602B (zh) | 基于三维点云的建筑物单体化方法及*** | |
CN110544305B (zh) | 面向规则格网dem构建的地形陡坎线信息融合方法 | |
CN115471634B (zh) | 一种城市绿植孪生的建模方法及装置 | |
Wang et al. | The isotropic organization of DEM structure and extraction of valley lines using hexagonal grid | |
CN116129262A (zh) | 一种面向宜机化改造的耕地适宜性评价方法及*** | |
CN113987969A (zh) | 多高程尺度水流网的陆地水动态仿真模型 | |
CN117036647B (zh) | 基于倾斜实景三维模型的地面曲面提取方法 | |
CN111260714B (zh) | 一种洪涝受灾评估方法、装置、设备及计算机存储介质 | |
Xu et al. | Methods for the construction of DEMs of artificial slopes considering morphological features and semantic information | |
CN114138926B (zh) | 一种人口分布格网大小确定方法及*** | |
CN115880427A (zh) | 一种自然环境的三维构建方法、装置 | |
CN115346119A (zh) | 一种基于数字高程模型的数字河网提取方法 | |
CN111274545A (zh) | 一种栅格尺度基于地形地貌的多模式产流计算方法 | |
Ye et al. | Gaussian mixture model of ground filtering based on hierarchical curvature constraints for airborne lidar point clouds | |
CN117195016B (zh) | 污水处理模式确定方法、装置、计算机设备及存储介质 | |
Hu et al. | A Brief Discussion on the Overall Classification Algorithm of Airborne LiDAR Point Cloud | |
Zhang et al. | Digital terrain interactive editing technology for landscape planning and design based on deep learning | |
Liu et al. | The uncertainties on the GIS based land suitability assessment for urban and rural planning |
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 |