CN117078873A - 一种三维高精度地图生成方法、***及云平台 - Google Patents
一种三维高精度地图生成方法、***及云平台 Download PDFInfo
- Publication number
- CN117078873A CN117078873A CN202310888809.1A CN202310888809A CN117078873A CN 117078873 A CN117078873 A CN 117078873A CN 202310888809 A CN202310888809 A CN 202310888809A CN 117078873 A CN117078873 A CN 117078873A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- building
- dimensional image
- image model
- tree
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013507 mapping Methods 0.000 claims abstract description 31
- 210000002569 neuron Anatomy 0.000 claims abstract description 4
- 210000000225 synapse Anatomy 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 15
- 210000005036 nerve Anatomy 0.000 claims description 13
- 238000012790 confirmation Methods 0.000 claims description 10
- 239000003086 colorant Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001105 regulatory effect 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种三维高精度地图生成方法、***及云平台,涉及三维图像技术领域;本发明通过无人机采集建筑物的倾斜图像数据和脉冲雷达反射信号,根据倾斜图像数据建立初始三维图像模型,以及根据脉冲雷达反射信号建立三维点云数据,将三维图像模型与三维点云数据进行重叠映射建立准三维图像模型,根据建筑物内各个设施之间的关联性建立结构关系树,根据各个建筑物之间的关联性建立结构关联森林,进而对准三维图像模型的缺失部分进行修补得到三维图像模型,根据各个建筑物对应在结构关联森林中的关联关系,采用神经元匹配的形式将各个三维图像模型进行拼接得到区域三维地图,进而得到高精度的区域三维地图。
Description
技术领域
本发明涉及三维图像技术领域,具体是一种三维高精度地图生成方法、***及云平台。
背景技术
高精度的三维地图广泛应用于在建筑设计、行程导航、城市规划等领域,然而,由于建筑的拓扑结构、几何结构、层次结构复杂,使得精准的在地图表述建筑物的各种信息难以实现。
在现有技术中,常使用约束形状估计解空间提供强先验,但通常受限于预先定义建筑物的拓扑结构,对超出范围的变形难以进行处理和理解,使得难以重建拓扑结构更加复杂的建筑物。
在实际场景中,由于建筑物所处环境的复杂性以及建筑物相互干扰,使得采集建筑物信息的难以准确,例如建筑物之间的遮挡和复杂的几何结构可能导致地图中的空洞或噪音,怎样避免出现数据漏洞的同时建立高精度三维地图是当前的技术难点,为此提供一种三维高精度地图生成方法、***及云平台。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种三维高精度地图生成方法、***及云平台。
为了实现上述目的,本发明提供如下技术方案:
一种三维高精度地图生成方法,包括以下步骤:
步骤一,对各个建筑物设置像控点,并根据像控点所在位置设置无人机飞行路径,进而通过无人机采集建筑物的建筑架构信息;
步骤二,根据建筑架构信息建立建筑物的初始三维图像模型和三维点云数据,将三维图像模型与三维点云数据进行重叠映射建立准三维图像模型;
步骤三,根据建筑物内各个设施之间的关联性建立结构关系树,以及根据各个建筑物之间存在的关联性建立结构关联森林,进而对各个建筑物的准三维图像模型的缺失部分进行修补得到三维图像模型;
步骤四,根据各个建筑物对应在结构关联森林中的关联关系,采用神经元匹配的形式将各个三维图像模型进行拼接,进而得到区域三维地图。
进一步的,所述初始三维图像模型的建立包括:
所述建筑架构信息包括建筑物的编号、第一脉冲雷达反射信号、第二脉冲雷达反射信号、第一倾斜图像数据和第二倾斜图像数据;
分别对第一倾斜图像数据和第二倾斜图像数据进行图像校正和影像配准,进而将二者中处于不同倾斜角度的图像部分配准至同一个经纬度下,使得二者的几何质量呈一致性;
根据处理后第一倾斜图像数据和第二倾斜图像数据建立建筑结构三维模型,并将二者所对应的建筑结构三维模型进行重叠映射,进而得到初始三维图像模型,且在初始三维图像模型上设置若干个设施位置特征点。
进一步的,所述三维点云数据的建立过程包括:对第一脉冲雷达反射信号、第二脉冲雷达反射信号进行滤波、去噪以及配准后,根据第一脉冲雷达反射信号、第二脉冲雷达反射信号上各个波峰点以及对应信号强度建立三维点云数据,将两个三维点云数据进行重叠映射,得到完整三维点云数据,
在三维点云数据中的点云数据和初始三维图像模型中的设施位置特征点都设有一个对应的设施图像模型,且设施图像模型呈虚影状态。
进一步的,所述准三维图像模型的建立过程包括:
将初始三维图像模型与完整三维点云数据进行映射重叠,将其中设施位置特征点与点云数据处于重叠映射状态标记为确认部位,进而将确认部位所对应的设施图像模型由虚影状态转化为实影状态,进而得到准三维图像模型,其余未匹配成功的设施位置特征点标记为缺失部分。
进一步的,所述结构关系树的建立过程包括:
从初始三维图像模型中提取出所有的设施位置特征点,建立三维空间x-y-z坐标系,并基于各个设施位置特征点在初始三维图像模型中的相互对应位置将其映射至三维空间x-y-z坐标系中,进而从三维空间x-y-z坐标系的原点出发,沿三维空间x-y-z坐标系的z轴将各个设施位置特征点依次相连,对于相对于z轴在同一位置的设置位置特征点则沿x轴进行依次相连,对于相对于z轴和x轴在同一位置的设置位置特征点则沿y轴进行依次相连,进而得到结构关系树。
进一步的,所述结构关联森林的建立过程包括:
根据各个建筑物在实际场景下的相邻关系将其各自对应的结构关系树上的树节点相互映射匹配,将映射匹配成功的树节点相互连接,映射匹配失败的树节点不相连,进而得到结构关联森林;
在结构关联森林中,各个建筑物对应的结构关系树上的树节点带有颜色标注,相邻建筑物的结构关系树上的树节点的颜色不同,且相邻的结构关系树的连接树节点同时带有两种颜色。
进一步的,对所述准三维图像模型进行修补的过程包括:
根据各个建筑物的编号将其对应准三维图像模型映射至结构关联森林中,进而将结构关联森林中对应结构关系树上的树节点与准三维图像模型上的带有缺失部位标记的设施位置特征点进行映射匹配;
将其中与树节点成功映射匹配的设施位置特征点标记更改为确认部分其对应的设施图像模型由虚影状态转化为实影状态,进而得到三维图像模型,剩余未映射匹配成功的设施位置特征点自动删除。
进一步的,所述区域三维地图的建立包括:基于结构关联森林中各个结构关系树带有两种颜色标注的树节点,进而将结构关系树所对应的三维图像模型中相同位置的设施位置特征点设为连接突触;建立神经匹配空间,并在神经匹配空间中设置若干个信号受体;
各个三维图像模型的连接前突触或连接后突触向信号受体发送请求连接信号或响应连接信息,信号受体根据请求连接信号或响应连接信息所包含的信号在其存储的结构关联森林以及各个三维图像模型进行匹配结合,进而将相对应的连接前突触和连接后突触向信号进行匹配连接,当所有的三维图像模型的连接前突触或连接后突触都被连接后得到区域三维地图。
进一步的,一种三维高精度地图生成***,包括云计算中心,所述云计算中心通信连接有区域建筑信息采集模块、建筑信息分析模块、三维图像模型建立模块以及区域三维地图生成模块;
所述区域建筑信息采集模块设有无人机管理单元以及信息采集单元,用于建立无人机飞行路线,并管理无人机对采集区域内的建筑物进行拍照以及发送脉冲雷达信号;
所述建筑信息分析模块用于建立各个建筑物的初始三维图像模型三维点云数据,进而将二者进行重叠映射得到准三维图像模型;
所述三维图像模型建立模块用于建立结构关系树以及结构关联森林,根据结构关系树在结构关联森林中的关联关系,对准三维图像模型进行修正得到三维图像模型;
所述区域三维地图生成模块用于建立神经匹配空间,进而根据各个结构关系树在结构关联森林中的对应关系,对其对应的三维图像模型设置连接突触,将三维图像模型添加到神经匹配空间中的进行连接突触匹配得到区域三维地图。
进一步的,一种三维高精度地图生成云平台包括主控云节点,所述主控云节点通信管理有信息采集工作云节点、信息分析工作云节点、地图建立工作云节点;
所述信息采集工作云节点用于采集区域内建筑物的各项信息并发送至信息分析工作云节点;
所述信息分析工作云节点用于根据建筑物的各项信息建立三维图像模型;
所述地图建立工作云节点用于将各个建筑物的三维图像模型相互映射匹配,进而得到区域建筑地图。
与现有技术相比,本发明的有益效果是:
1、本发明通过采集建筑物的倾斜图像数据以及脉冲雷达反射信号,进而建立建筑物的初始三维图像模型和三维点云数据,进而将二者相互映射重叠得到准三维图像模型,同时根据减租建筑物内设施之间的相互关系和建筑物在实际场景下的对应关系建立结构关系树和结构关联森林,进而对准三维图像模型中缺失部分进行修补,为后续建立的区域三维地图的精确度提供了数据保证;
2、本发明通过建立神经匹配空间,并对各个三维图像模型设置连接突触,通过将三维图像模型添加至神经匹配空间并设置信号受体,进而将各个三维图像模型进行匹配连接得到区域三维地图,因根据各个建筑物在实际场景下的相邻位置来对三维图像模型的匹配进行调节,使得建立区域三维地图更加贴近实际场景且精确度更高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图;
图2为本发明的***原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
如图1所示,一种三维高精度地图生成方法,包括以下步骤:
步骤一,对各个建筑物设置像控点,并根据像控点所在设置无人机飞行路径,进而通过无人机采集建筑物的倾斜图像数据和脉冲雷达反射信号;
具体的,对采集区域内的各个建筑物设置若干个像控点,并依次对各个像控点设置编号S1、S2、……、Sn,其中n为大于0的自然数,且n表示采集区域内的建筑物总数量,每一个像控点都设有无线信号发送装置;
根据采集区域内的各个像控点的分布状况确认采集区域大小,并根据各个像控点的编号大小设置两条方向相反的无人机飞行路线,第一条无人机飞行路线为S1、S2、……、Sn,第二条无人机飞行路线为Sn、Sn-1、……、S2、S1;
需要说明的是,无人机设有无线信号接收装置、脉冲雷达信号装置以及倾斜摄影相机;
进一步的,设置两个无人机分别同时沿第一条无人机飞行路线和第二条无人机飞行路线以相同速度进行飞行;
在无人机到达像控点前,通过无线信号接收装置获取像控点发送的无线信号,确定其当前所在位置并开启脉冲雷达信号装置以及倾斜摄影相机,进而获得当前像控点所在位置的建筑物的脉冲雷达反射信号和图像数据;
需要说明的是,在无人机飞行的过程中,若无人机同时接收到两个像控点的无线信号时,则其实时判断两个无线信号的信号强度大小,进而优先采集信号强度大的无线信号对应的像控点的脉冲雷达反射信号和倾斜图像数据;
当两个无人机同时到达其被分配的无人机飞行路线的终点后,将二者采集到相同编号的像控点的脉冲雷达反射信号和图像数据进行合并,进而得到各个像控点对应的建筑物的建筑架构信息,其中建筑架构信息包括建筑物的编号、第一脉冲雷达反射信号、第二脉冲雷达反射信号、第一倾斜图像数据和第二倾斜图像数据。
步骤二,根据建筑架构信息中的倾斜图像数据建立建筑物的初始三维图像模型,以及根据建筑架构信息中的脉冲雷达反射信号建立建筑物的点云数据,将三维图像模型与点云数据进行重叠映射建立准三维图像模型;
具体的,从建筑架构信息中提取出第一脉冲雷达反射信号、第二脉冲雷达反射信号、第一倾斜图像数据和第二倾斜图像数据;
首先分别对第一倾斜图像数据和第二倾斜图像数据进行图像校正和影像配准,进而将第一倾斜图像数据和第二倾斜图像数据中处于不同倾斜角度的图像配准至同一个经纬度下,使得第一倾斜图像数据和第二倾斜图像数据的几何质量保证一致性,为后续建立建筑物的三维图像模型提高数据准确性;
根据处理后第一倾斜图像数据和第二倾斜图像数据建立建筑物的建筑结构三维模型,并将第一倾斜图像数据和第二倾斜图像数据所对应的建筑结构三维模型进行重叠映射,进而得到初始三维图像模型;
需要说明的是,在初始三维图像模型上设置若干个设施位置特征点,初始三维图像模型中的每一设施位置特征点都对应建筑物内的一个设施图像模型,但设施图像模型在初始三维图像模型中呈虚影状态;
进一步的,对第一脉冲雷达反射信号、第二脉冲雷达反射信号进行滤波、去噪以及配准后,进而根据第一脉冲雷达反射信号、第二脉冲雷达反射信号上各个波峰点以及信号强度建立三维点云数据,将两个三维点云数据进行重叠映射,得到完整三维点云数据,需要说明的是,在三维点云数据中的各个点云数据设有对应建筑物内的设施图像模型且呈虚影状态,建筑物内的设施例如楼梯、墙体以及门窗等;
将初始三维图像模型与完整三维点云数据进行映射重叠,将其中设施位置特征点与点云数据处于重叠映射状态标记为确认部位,进而将确认部位所对应的设施图像模型由虚影状态转化为实影状态,进而得到准三维图像模型;
需要说明的是,若存在初始三维图像模型上的设施位置特征点无与其进行重叠映射的点云数据,或完整三维点云数据内的点云数据无与其进行重叠映射的设施位置特征点,则判断对应设施位置特征点或点云数据所对应的设施位置存在缺失,进而对该设施位置特征点或点云数据在准三维图像模型上的所在位置标记缺失部位。
步骤三,根据建筑物内各个设施之间的关联性建立结构关系树,以及根据各个建筑物之间存在的关联性建立结构关联森林,进而对各个建筑物的准三维图像模型的缺失部分进行修补得到三维图像模型;
具体的,从初始三维图像模型中提取出所有的设施位置特征点,建立三维空间x-y-z坐标系,并基于各个设施位置特征点在初始三维图像模型中的相互对应位置将其映射至三维空间x-y-z坐标系中,进而从三维空间x-y-z坐标系的原点出发,沿三维空间x-y-z坐标系的z轴将各个设施位置特征点依次相连,对于相对于z轴在同一位置的设置位置特征点则沿x轴进行依次相连,对于相对于z轴和x轴在同一位置的设置位置特征点则沿y轴进行依次相连,进而得到结构关系树;
进一步的,在无人机沿无人机飞行路线采集建筑物的倾斜图像数据和脉冲雷达反射信号的过程中,若各个像控点所对应的建筑物之间的距离较近,故而存在无人机所采集的各个建筑物倾斜图像数据和脉冲雷达反射信号中含有相邻建筑物的相关信息;
进而根据各个建筑物的实际相邻关系,建立结构关联森林;
其中结构关联森林的建立过程包括:首先获取各个建筑物在实际场景下相邻建筑物的位置方位,进而根据各个建筑物在实际场景下的相邻关系将其各自对应的结构关系树上的树节点相互映射匹配,将映射匹配成功的树节点相互连接,映射匹配失败的树节点不相连;
需要说明的是,在结构关联森林中,各个建筑物对应的结构关系树上的树节点带有颜色标注,相邻建筑物的结构关系树上的树节点的颜色不同,且相邻的结构关系树的连接树节点同时带有两种颜色;
例如编号Si和Sj为两个在实际场景中为两个相邻的建筑物,其中编号为Si的建筑物在编号为Sj的建筑物正北方,进而将编号为Si的建筑物正南朝向的设施位置特征点与编号为Sj的建筑物正北朝向的设施位置特征点进行映射匹配,若双方各存在一个设施位置特征点对应的设施图像模型一致,则判断上述两个设施位置特征点相互映射匹配,对于剩余未映射匹配的设施位置特征点不做任何操作;
根据各个建筑物在实际场景下的相邻关系,将所有结构关系树相互关联,进而得到结构关联森林;
进一步的,根据各个建筑物的编号将其对应准三维图像模型映射至结构关联森林中,进而将结构关联森林中对应结构关系树上的树节点与准三维图像模型上的带有缺失部位标记的设施位置特征点和点云数据进行映射匹配;
将其中与树节点成功映射匹配的设施位置特征点或点云数据标记为确认部分,进而将带有确认部分标记的设施位置特征点或点云数据所对应的设施图像模型,由虚影状态转化为实影状态,进而得到三维图像模型。
步骤四,根据各个建筑物在结构关联森林中的关联关系,采用神经元匹配的形式将各个三维图像模型进行拼接,进而得到区域三维地图;
具体的,基于结构关联森林中各个结构关系树带有两种颜色标注的树节点,进而将结构关系树所对应的三维图像模型中相同位置的设施位置特征点设为连接突触;
需要说明的是,所述连接突触包括连接前突触和连接后突触,其中连接前突触用于发送请求连接信号,连接后突触用于发送响应连接信息,其中请求连接信号包括连接前突触所在三维图像模型中的编号以及其在三维图像模型中的朝向角度,响应连接信号包括连接后突触所在三维图像模型中的编号以及其在三维图像模型中的朝向,在三维图像模型上,其连接前突触和连接后突触的数量相同,且根据树节点在结构关联森林中与其关联的结构关系树的对应关系,其对应的设施位置特征点在一个三维图像模型中被标记为连接前突触,则该设施位置特征点对应在另一个三维图像模型上的设施位置特征点被标记为连接后突触;
建立神经匹配空间,并在神经匹配空间中设置若干个信号受体,进而将所有三维图像模型按编号依次置入于神经匹配空间,其中信号受体中存储有结构关联森林以及各个三维图像模型;
进一步的,各个三维图像模型的连接前突触或连接后突触向信号受体发送请求连接信号或响应连接信息,信号受体根据请求连接信号或响应连接信息所包含的信号在其存储的结构关联森林以及各个三维图像模型进行匹配结合,进而将相对应的连接前突触和连接后突触向信号进行匹配连接;
当所有的三维图像模型的连接前突触或连接后突触都被连接后得到区域三维地图;
需要说明的是,在后续对区域三维地图中的三维图像模型进行更新或添加新的三维图像模型时,需先更新对应的结构关系树以及结构关联森林,或建立新的结构关系树添加到结构关联森林中,进而将对区域三维地图进行更新。
本发明还公开了一种三维高精度地图生成***,包括云计算中心,所述云计算中心通信连接有区域建筑信息采集模块、建筑信息分析模块、三维图像模型建立模块以及区域三维地图生成模块;
所述区域建筑信息采集模块设有无人机管理单元以及信息采集单元;
所述无人机采集单元用于根据采集区域的像控点所在位置建立无人机飞行路线,并管理无人机在飞行过程对采集区域内的建筑物进行拍照以及发送脉冲雷达信号;
所述信息采集模块用于对无人机所采集的信息进行预处理,进而得到采集区域内的各个建筑物的倾斜图像数据和脉冲雷达反射信号;
所述建筑信息分析模块用于根据对各个建筑物的倾斜图像数据建立初始三维图像模型,以及根据脉冲雷达反射信号建立三维点云数据,进而将初始三维图像模型与三维点云数据进行重叠映射,进而得到准三维图像模型;
所述三维图像模型建立模块用于根据初始三维图像以及各个建筑物在实际场景下的位置关系建立结构关系树以及结构关联森林,根据结构关系树在结构关联森林中的关联关系,对准三维图像模型进行修正得到三维图像模型;
所述区域三维地图生成模块用于建立神经匹配空间,进而根据各个结构关系树在结构关联森林中的对应关系,对其对应的三维图像模型设置连接突触,将三维图像模型添加到神经匹配空间中的进行连接突触匹配,进而得到区域三维地图。
本发明公开了一种三维高精度地图生成云平台包括主控云节点,所述主控云节点通信管理有信息采集工作云节点、信息分析工作云节点、地图建立工作云节点;
所述信息采集工作云节点用于采集区域内建筑物的各项信息并发送至信息分析工作云节点;
所述信息分析工作云节点用于根据建筑物的各项信息建立三维图像模型;
所述地图建立工作云节点用于将各个建筑物的三维图像模型相互映射匹配,进而得到区域建筑地图。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (10)
1.一种三维高精度地图生成方法,其特征在于,包括以下步骤:
步骤一,对各个建筑物设置像控点,并根据像控点所在位置设置无人机飞行路径,进而通过无人机采集建筑物的建筑架构信息;
步骤二,根据建筑架构信息建立建筑物的初始三维图像模型和三维点云数据,将三维图像模型与三维点云数据进行重叠映射建立准三维图像模型;
步骤三,根据建筑物内各个设施之间的关联性建立结构关系树,以及根据各个建筑物之间存在的关联性建立结构关联森林,进而对各个建筑物的准三维图像模型的缺失部分进行修补得到三维图像模型;
步骤四,根据各个建筑物对应在结构关联森林中存在的关联关系,采用神经元匹配的形式将各个三维图像模型进行拼接,进而得到区域三维地图。
2.根据权利要求1所述的一种三维高精度地图生成方法,其特征在于,所述初始三维图像模型的建立包括:
所述建筑架构信息包括建筑物的编号、第一脉冲雷达反射信号、第二脉冲雷达反射信号、第一倾斜图像数据和第二倾斜图像数据;
分别对第一倾斜图像数据和第二倾斜图像数据进行图像校正和影像配准,进而将二者中处于不同倾斜角度的图像部分配准至同一个经纬度下,使得二者的几何质量呈一致性;
根据处理后的第一倾斜图像数据和第二倾斜图像数据建立建筑结构三维模型,并将二者所对应的建筑结构三维模型进行重叠映射,进而得到初始三维图像模型,且在初始三维图像模型上设置若干个设施位置特征点。
3.根据权利要求2所述的一种三维高精度地图生成方法,其特征在于,所述三维点云数据的建立过程包括:对第一脉冲雷达反射信号、第二脉冲雷达反射信号进行滤波、去噪以及配准后,根据第一脉冲雷达反射信号、第二脉冲雷达反射信号上各个波峰点以及对应信号强度建立三维点云数据,将两个三维点云数据进行重叠映射,得到完整三维点云数据,
在三维点云数据中的点云数据和初始三维图像模型中的设施位置特征点都设有一个对应的设施图像模型,且设施图像模型呈虚影状态。
4.根据权利要求3所述的一种三维高精度地图生成方法,其特征在于,所述准三维图像模型的建立过程包括:
将初始三维图像模型与完整三维点云数据进行映射重叠,将其中设施位置特征点与点云数据处于重叠映射状态标记为确认部位,进而将确认部位所对应的设施图像模型由虚影状态转化为实影状态,进而得到准三维图像模型,其余未匹配成功的设施位置特征点标记为缺失部分。
5.根据权利要求2所述的一种三维高精度地图生成方法,其特征在于,所述结构关系树的建立过程包括:
从初始三维图像模型中提取出所有的设施位置特征点,建立三维空间x-y-z坐标系,并基于各个设施位置特征点在初始三维图像模型中的相互对应位置将其映射至三维空间x-y-z坐标系中,进而从三维空间x-y-z坐标系的原点出发,沿三维空间x-y-z坐标系的z轴将各个设施位置特征点依次相连,对于相对于z轴在同一位置的设置位置特征点则沿x轴进行依次相连,对于相对于z轴和x轴在同一位置的设置位置特征点则沿y轴进行依次相连,进而得到结构关系树。
6.根据权利要求5所述的一种三维高精度地图生成方法,其特征在于,所述结构关联森林的建立过程包括:
根据各个建筑物在实际场景下的相邻关系将其各自对应的结构关系树上的树节点相互映射匹配,将映射匹配成功的树节点相互连接,映射匹配失败的树节点不相连,进而得到结构关联森林;
在结构关联森林中,各个建筑物对应的结构关系树上的树节点带有颜色标注,相邻建筑物的结构关系树上的树节点的颜色不同,且相邻的结构关系树的连接树节点同时带有两种颜色。
7.根据权利要求6所述的一种三维高精度地图生成方法,其特征在于,对所述准三维图像模型进行修补的过程包括:
根据各个建筑物的编号将其对应准三维图像模型映射至结构关联森林中,进而将结构关联森林中对应结构关系树上的树节点与准三维图像模型上的带有缺失部位标记的设施位置特征点进行映射匹配;
将其中与树节点成功映射匹配的设施位置特征点标记更改为确认部分其对应的设施图像模型由虚影状态转化为实影状态,进而得到三维图像模型,剩余未映射匹配成功的设施位置特征点自动删除。
8.根据权利要求7所述的一种三维高精度地图生成方法,其特征在于,所述区域三维地图的建立包括:基于结构关联森林中各个结构关系树带有两种颜色标注的树节点,进而将结构关系树所对应的三维图像模型中相同位置的设施位置特征点设为连接突触;建立神经匹配空间,并在神经匹配空间中设置若干个信号受体;
各个三维图像模型的连接前突触或连接后突触向信号受体发送请求连接信号或响应连接信息,信号受体根据请求连接信号或响应连接信息所包含的信号在其存储的结构关联森林以及各个三维图像模型进行匹配结合,进而将相对应的连接前突触和连接后突触向信号进行匹配连接,当所有的三维图像模型的连接前突触或连接后突触都被连接后得到区域三维地图。
9.一种三维高精度地图生成***,包括云计算中心,其特征在于,所述云计算中心通信连接有区域建筑信息采集模块、建筑信息分析模块、三维图像模型建立模块以及区域三维地图生成模块;
所述区域建筑信息采集模块设有无人机管理单元以及信息采集单元,用于建立无人机飞行路线,并管理无人机对采集区域内的建筑物进行拍照以及发送脉冲雷达信号;
所述建筑信息分析模块用于建立各个建筑物的初始三维图像模型三维点云数据,进而将二者进行重叠映射得到准三维图像模型;
所述三维图像模型建立模块用于建立结构关系树以及结构关联森林,根据结构关系树在结构关联森林中的关联关系,对准三维图像模型进行修正得到三维图像模型;
所述区域三维地图生成模块用于建立神经匹配空间,进而根据各个结构关系树在结构关联森林中的对应关系,对其对应的三维图像模型设置连接突触,将三维图像模型添加到神经匹配空间中的进行连接突触匹配得到区域三维地图。
10.一种三维高精度地图生成云平台包括主控云节点,其特征在于,所述主控云节点通信管理有信息采集工作云节点、信息分析工作云节点、地图建立工作云节点;
所述信息采集工作云节点用于采集区域内建筑物的各项信息并发送至信息分析工作云节点;
所述信息分析工作云节点用于根据建筑物的各项信息建立三维图像模型;
所述地图建立工作云节点用于将各个建筑物的三维图像模型相互映射匹配,进而得到区域建筑地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310888809.1A CN117078873A (zh) | 2023-07-19 | 2023-07-19 | 一种三维高精度地图生成方法、***及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310888809.1A CN117078873A (zh) | 2023-07-19 | 2023-07-19 | 一种三维高精度地图生成方法、***及云平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117078873A true CN117078873A (zh) | 2023-11-17 |
Family
ID=88705149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310888809.1A Pending CN117078873A (zh) | 2023-07-19 | 2023-07-19 | 一种三维高精度地图生成方法、***及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078873A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117764541A (zh) * | 2024-02-22 | 2024-03-26 | 湖南必和必拓科技发展有限公司 | 一种基于三维可视化技术的交互式工厂管理*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140192159A1 (en) * | 2011-06-14 | 2014-07-10 | Metrologic Instruments, Inc. | Camera registration and video integration in 3d geometry model |
CN104183023A (zh) * | 2014-07-25 | 2014-12-03 | 天津多微信息技术有限公司 | 一种分布式虚拟环境中多场景图的构建方法 |
CN111932671A (zh) * | 2020-08-22 | 2020-11-13 | 扆亮海 | 基于密集点云数据的三维实体模型重建方法 |
CN112465968A (zh) * | 2020-11-25 | 2021-03-09 | 北京建筑大学 | 用于定位导航的建筑物地图混合数据模型的构建方法 |
US20210358206A1 (en) * | 2020-05-14 | 2021-11-18 | Star Institute Of Intelligent Systems | Unmanned aerial vehicle navigation map construction system and method based on three-dimensional image reconstruction technology |
CN115409069A (zh) * | 2021-09-16 | 2022-11-29 | 清华大学 | 村镇建筑的识别方法、分类方法、装置、电子设备和介质 |
CN115937288A (zh) * | 2022-10-12 | 2023-04-07 | 国网四川省电力公司电力科学研究院 | 一种变电站三维场景模型构建方法 |
CN116051742A (zh) * | 2023-01-09 | 2023-05-02 | 湖北省地震局(中国地震局地震研究所) | 一种基于倾斜摄影数据与点云数据融合的建模方法及*** |
CN116310192A (zh) * | 2022-12-28 | 2023-06-23 | 江苏省测绘研究所 | 一种基于点云的城市级建筑物三维模型单体重建方法 |
CN116295279A (zh) * | 2023-02-08 | 2023-06-23 | 江西良测信息技术有限公司 | 一种基于无人机遥感的建筑测绘方法及无人机 |
-
2023
- 2023-07-19 CN CN202310888809.1A patent/CN117078873A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140192159A1 (en) * | 2011-06-14 | 2014-07-10 | Metrologic Instruments, Inc. | Camera registration and video integration in 3d geometry model |
CN104183023A (zh) * | 2014-07-25 | 2014-12-03 | 天津多微信息技术有限公司 | 一种分布式虚拟环境中多场景图的构建方法 |
US20210358206A1 (en) * | 2020-05-14 | 2021-11-18 | Star Institute Of Intelligent Systems | Unmanned aerial vehicle navigation map construction system and method based on three-dimensional image reconstruction technology |
CN111932671A (zh) * | 2020-08-22 | 2020-11-13 | 扆亮海 | 基于密集点云数据的三维实体模型重建方法 |
CN112465968A (zh) * | 2020-11-25 | 2021-03-09 | 北京建筑大学 | 用于定位导航的建筑物地图混合数据模型的构建方法 |
CN115409069A (zh) * | 2021-09-16 | 2022-11-29 | 清华大学 | 村镇建筑的识别方法、分类方法、装置、电子设备和介质 |
CN115937288A (zh) * | 2022-10-12 | 2023-04-07 | 国网四川省电力公司电力科学研究院 | 一种变电站三维场景模型构建方法 |
CN116310192A (zh) * | 2022-12-28 | 2023-06-23 | 江苏省测绘研究所 | 一种基于点云的城市级建筑物三维模型单体重建方法 |
CN116051742A (zh) * | 2023-01-09 | 2023-05-02 | 湖北省地震局(中国地震局地震研究所) | 一种基于倾斜摄影数据与点云数据融合的建模方法及*** |
CN116295279A (zh) * | 2023-02-08 | 2023-06-23 | 江西良测信息技术有限公司 | 一种基于无人机遥感的建筑测绘方法及无人机 |
Non-Patent Citations (2)
Title |
---|
段平;李佳;李海昆;王明果;王云川;: "无人机影像点云与地面激光点云配准的三维建模方法", 测绘工程, no. 04, 15 July 2020 (2020-07-15), pages 47 - 50 * |
闫阳阳;李永强;王英杰;李立雪;吴珍珍;: "三维激光点云联合无人机影像的三维场景重建研究", 测绘通报, no. 01, 25 January 2016 (2016-01-25), pages 102 - 105 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117764541A (zh) * | 2024-02-22 | 2024-03-26 | 湖南必和必拓科技发展有限公司 | 一种基于三维可视化技术的交互式工厂管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112419512B (zh) | 一种基于语义信息的空中三维模型修复***及方法 | |
CN113269878B (zh) | 一种基于多传感器的建图方法及*** | |
CN117078873A (zh) | 一种三维高精度地图生成方法、***及云平台 | |
CN113160327A (zh) | 一种点云补全的实现方法和*** | |
CN112799096B (zh) | 基于低成本车载二维激光雷达的地图构建方法 | |
CN110793548B (zh) | 基于gnss接收机硬件在环的虚实结合的导航仿真测试*** | |
CN104567893B (zh) | 一种构建精细地图的方法与装置 | |
CN112146682B (zh) | 智能汽车的传感器标定方法、装置、电子设备及介质 | |
CN113409459A (zh) | 高精地图的生产方法、装置、设备和计算机存储介质 | |
CN108681337A (zh) | 一种涵洞或桥梁专用巡查无人机及无人机巡查方法 | |
CN112700497B (zh) | 回环检测方法、装置、设备及计算机可读存储介质 | |
CN113643254B (zh) | 一种无人机激光点云高效采集处理方法 | |
CN116129020A (zh) | 一种新型实景三维建模方法 | |
CN115984486A (zh) | 一种融合激光雷达与深度相机的桥梁模型生成方法及装置 | |
CN114279434B (zh) | 一种建图方法、装置、电子设备和存储介质 | |
CN117541655B (zh) | 融合视觉语义消除radar建图z轴累积误差的方法 | |
CN116433845A (zh) | 一种基于多无人机协同的陌生环境快速建模方法及*** | |
CN111754388B (zh) | 一种建图方法及车载终端 | |
CN116698014A (zh) | 一种基于多机器人激光slam和视觉slam地图融合与拼接方法 | |
CN113781639B (zh) | 一种大场景道路基础设施数字化模型快速构建方法 | |
CN115496873A (zh) | 一种基于单目视觉的大场景车道建图方法及电子设备 | |
CN114608592A (zh) | 一种地图的众包方法、***、设备和存储介质 | |
CN115578525B (zh) | 一种复杂环境的工程选线优化***及方法 | |
CN115438516B (zh) | 仿真地图生成方法、电子设备及计算机存储介质 | |
CN116858276B (zh) | 一种地图辅助的多传感器融合定位方法及计算机可读介质 |
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 |