CN113838199B - 一种三维地形生成方法 - Google Patents

一种三维地形生成方法 Download PDF

Info

Publication number
CN113838199B
CN113838199B CN202111109019.6A CN202111109019A CN113838199B CN 113838199 B CN113838199 B CN 113838199B CN 202111109019 A CN202111109019 A CN 202111109019A CN 113838199 B CN113838199 B CN 113838199B
Authority
CN
China
Prior art keywords
terrain
picture
building
contour
height
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
Application number
CN202111109019.6A
Other languages
English (en)
Other versions
CN113838199A (zh
Inventor
熊风光
张鑫
刘欢乐
尹宇慧
况立群
韩燮
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.)
North University of China
Original Assignee
North University of China
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 North University of China filed Critical North University of China
Priority to CN202111109019.6A priority Critical patent/CN113838199B/zh
Publication of CN113838199A publication Critical patent/CN113838199A/zh
Application granted granted Critical
Publication of CN113838199B publication Critical patent/CN113838199B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Graphics (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明属于三维图形领域，公开了一种三维地形生成方法。为了应对游戏、影视、军事仿真、飞行器模拟等领域的快速发展促使地形生成需求急剧增加，如何高效地生成高质量地形以满足大量需求的问题以及传统建模方法，需要繁杂的摄像过程以及人工手动建模，需要浪费大量的人力物力的问题。本发明利用现有的建筑物模型，将建筑物遥感图像中的建筑物图像剪切，使用哈希算法与建筑物模型进行匹配并保存为json文件，使用Unity引擎中的Terrain地形编辑器，根据高度图及遥感图像分割后的图片生成相应的地形及贴图，读取json文件生成建筑物，实现三维地形的生成。有效地解决了当下3D实景建模需要复杂工序的问题。

Description

一种三维地形生成方法
技术领域
本发明属于三维图形技术领域，具体为一种三维地形生成方法。
背景技术
随着遥感技术的不断发展，遥感影像的空间信息更加丰富和精细。同时，遥感影像的复杂性也对遥感影像的分类技术提出了更高的要求。然而，面对遥感影像中更明显的几何结构和更丰富的纹理特征，如何设计合理的特征体系、选择合适的分类模型，对探索深度学习模型在遥感影像分类中的应用具有研究意义。
在遥感技术发展的同时，虚拟现实技术也在快速发展，地形建模是虚拟漫游设计与实现的关键技术，以地形地貌为研究重点的地形三维建模技术在地理信息系统(GIS)、虚拟现实(VR)、战场环境仿真、娱乐游戏、土地管理与利用、水文气象数据可视化等多个领域得到了广泛的应用。在计算机图形学领域，三维可视化是一个重要的研究方向，许多研究人员己经进行了大量卓有成效的研究，并有许多成熟的技术己经应用到实际中，出现了大量的优秀的可视化软件产品，如3DMAX、MAYA、EVS、AVS等。这些产品主要应用于游戏、电影动画、工业设计以及其它专业领域的研究。1987年由B.H.Mccormick等根据美国国家科学基金会召开的“科学计算可视化研讨会”的内容撰写的一份报告中正式提出了“科学计算可视化”的概念，从此标志着一门新的可视化学科的问世。在地形可视化建模方面大致可以分为：数据拟合生成三维地形、利用分形技术生成三维地形、基于数字地形模型的地形可视化。近年来，国内外在空间信息三维可视化方面的研究工作主要集中在运用动画技术制作动态地图，可用于涉及时空变化的现象或概念的可视性分析以及运用虚拟现实技术进行地形环境仿真，真实再现地景，进行交互观察和分析，在空间信息三维可视化方面的研究取得了长足的发展和进步。
因此，为了应对游戏、影视、军事仿真、飞行器模拟等领域的快速发展促使地形生成需求急剧增加的问题，急需一种高效生成高质量三维地形的方法以满足大量的需求。对于传统建模方法，需要繁杂的摄像过程以及人工手动建模，需要浪费大量的人力物力。而通过Unity3D的三维地形建模，是利用其自带的Terrain地形引擎工具，导入Photoshop绘制的黑白图形，并利用Unity的画笔工具绘制相应地形，此方法方便快捷，仿真度高。因此本发明基于Unity3D平台建立了一种三维地形生成方法。
发明内容
为了应对游戏、影视、军事仿真、飞行器模拟等领域的快速发展促使地形生成需求急剧增加，如何高效地生成高质量地形以满足大量需求的问题以及传统建模方法，需要繁杂的摄像过程以及人工手动建模，需要浪费大量的人力物力的问题，本发明提供了一种三维地形生成方法。该方法适用于利用复杂的城市地表遥感图像的语义分割结果进行三维地形生成。
为了达到上述目的，本发明采用了下列技术方案：
本发明提供了一种三维地形生成方法，包括以下步骤：
步骤1，利用图像处理软件，将语义分割得到的水系、植被、道路、建筑物mask图片背景填充为黑色；
步骤2，提取每个建筑物的轮廓；
步骤3，求每个轮廓的质心坐标；
步骤4，通过cv2中rect函数获取步骤2中得到的每个轮廓的最小外接矩形，rect_width、rect_height、rect_angle、rect_x、rect_y获取到外接矩形的宽高、旋转角度、位置坐标，取整，其中角度取绝对值；对于每个轮廓，轮廓上的每个像素点逆时针旋转rect_angle的绝对值角度，将倾斜的轮廓“摆正”；
步骤5，每次处理完一个步骤4中得到的轮廓后，创建一个和原图同比例大小的白色背景图，在此图上将旋转后的轮廓绘制出来，轮廓里填充成黑色；根据不同类别大小进行裁剪并将其分类保存；
步骤6，读取步骤5中图片，将图片与模型库中的建筑物垂直投影利用均值hash算法进行hash匹配，得到最匹配的模型，并生成对应的json文件以便后续地形生成；
步骤7，根据分割得到的水系分布图，设置地形下陷，生成水体地形凹陷；
步骤8，利用高度图和Terrain生成与步骤7地形一样的mesh，给mesh一个水的材质；
步骤9，根据地形的数据给创建地形后所有地形贴图，使得贴图后的地形真实美观；
步骤10，遍历草地分布图，生成草地与植被；；
步骤11，根据坐标和角度实例化建筑，在模型库中把对应的建筑放置到对应的位置上。
进一步，所述步骤2中提取每个建筑物的轮廓是利用经典的Canny边缘检测算子，具体方法是：使用OpenCV读取指定图片，将图片转换成灰度图，使用高斯模糊消除图片中出现的噪点，然后把图片二值化，使用findContours函数提取检测到的所有轮廓，以及每个轮廓的坐标点。
进一步，所述步骤3获取轮廓质心坐标的具体方法是：先读取到每个轮廓的矩阵放到变量M中，根据公式
Figure BDA0003273573060000041
得到所有建筑物的质心坐标，将其存放到centers二维数组中。
进一步，所述步骤6中将图片与模型库中的建筑物垂直投影利用均值hash算法进行hash匹配具体包括以下步骤：
(1)缩放图片：将输入的图片缩放到指定比例大小；
(2)转灰度图：统一将输入的图片的色彩转换为单通道的灰度图；
(3)计算像素平均值：计算经过图片缩放，灰度图转换后得到矩阵A中所有元素的平均值a；
(4)hash值计算：对输入的图片的hash值进行初始化，再从左到右一行一行地遍历矩阵A的每一个像素，如果第i行j列元素A(i,j)值大于或者等于a，则hash值加1，如果第i行j列元素A(i,j)小于a，则hash值不变；
(5)获得输入图片的哈希值之后，循环比较两个图片的hash值来计算两个图片相似度，若某一位不同，则汉明距离+1，用最终的汉明距离作为相似度的参考值，设定一个阈值，在一定的范围内，若两张图片的汉明距离小于阈值，则可以认为这两张图片为相似图片。
进一步，所述步骤7中生成水体地形凹陷的具体方法是：根据高度图的颜色确定地形的高度，遍历高度图的像素颜色把高度信息设置到Terrain的地形中；再预先用高斯模糊处理水系分布图，遍历水系分布图，用水系的颜色乘上下陷数值，把地形原来高度减去下限的数值；重新把高度设置到Terrain上，达到水系位置地形下降的效果。
进一步，所述步骤8中水的材质的shader中利用水域分布图作为模版，黑色不显示而非黑色显示为水。
进一步，所述步骤9中给所有地形贴图功能具体过程为：首先判断是哪种地形，根据不同地形给数据赋值，遍历所有数据后，将值赋给map数组，此数组提供要替换的部分的宽度和高度，与splatmap贴图数量相匹配，之后将Terrain对应位置的贴图替换。
与现有技术相比本发明具有以下优点：
本发明以加速真实地形城市建模为目标提供了一种三维地形生成方法。该方法使用了语义分割得到的mask结果，利用unity的mesh进行了地形、水面、道路的还原；然后通过均值hash算法，将模型与分割好的建筑物正视图进行匹配，选择最相仿的建筑物进行放置；最终能够生成较为相仿的真实地图场景。相较于手动建模需要进行无人机拍摄与大量人力利用大量时间进行手动建模。本发明能仅利用遥感图像即可在一小时内生成与真实地图场景相仿的3D城市模型。有效地解决了当下3D实景建模需要复杂工序的问题。
附图说明
图1是识别mask填充黑底图；
图2是识别建筑物裁剪流程图；
图3是部分分割建筑物轮廓图；
图4是部分建筑物顶视图；
图5是三维地形图；
图6是漫游效果图。
具体实施方式
实施例
一种三维地形生成方法，利用高精度遥感图像的语义分割结果进行地形生成，具体步骤如下：
将给定真实城市图片利用高精度遥感图像的语义分割进行分割，利用图像处理软件，将识别好的mask图片背景填充为黑色。得到的结果如图1所示。
使用OpenCV对步骤1中得到的图片进行读取，将图片转换成灰度图，使用高斯模糊消除图片中出现的噪点，然后把图片二值化，使用findContours函数提取检测到的所有轮廓，以及每个轮廓的坐标点。
将所有的建筑物轮廓的矩阵依次读出放到变量M中，根据质心公
Figure BDA0003273573060000061
得到所有建筑物的质心坐标，将其存放到centers二维数组中。
通过cv2中rect函数获取每个轮廓的最小外接矩形，rect_width、rect_height、rect_angle、rect_x、rect_y获取到外接矩形的宽高、旋转角度、位置坐标，取整，其中角度取绝对值；对于每个轮廓，轮廓上的每个像素点逆时针旋转rect_angle的绝对值角度，将倾斜的轮廓“摆正”。
每次摆正一个轮廓后，创建一个和原图同比例大小的白色背景图，在此图上将旋转后的轮廓绘制出来，轮廓里填充成黑色。根据不同类别大小进行裁剪并将其分类保存到10_10、20_20、30_30、50_50、100_100、200_200、400_400、600_600文件夹中，如图3所示。
读取上述保存到不同文件夹中图片，将图片与模型库中的建筑物垂直投影(图4)利用均值hash算法进行hash匹配，得到最匹配的模型，具体步骤如下：
(1)缩放图片：将输入的图片缩放到指定比例大小，通常情况下，我们将输入的图片统一缩放为8×8的尺寸；
(2)转灰度图：输入的图片的色彩有时不相同，有单通道的灰度图、三通道彩色图或者四通道彩色图，颜色的不同会影响我们的判断，统一将其均转换为单通道的灰度图；
(3)计算像素平均值：经过图片缩放，灰度图转换后我们可以得到一个8×8的矩阵A，计算A矩阵中所有元素的平均值a；
(4)hash值计算：对输入的图片的hash值进行初始化，再从左到右一行一行地遍历矩阵A的每一个像素，如果第i行j列元素A(i,j)值大于或者等于a，则hash值加1，如果第i行j列元素A(i,j)小于a，则hash值不变；
(5)获得输入图片的hash值之后，将裁剪后的建筑物图片(称为“数据图片”)按名称排序，从指定文件中读取所有数据图片，计算其hash值，与对应文件夹下的建筑物模型图片(称为“模型图片”)进行比较，计算模型图片的hash值，比较两者的汉明距离，遍历模型图片所在文件夹下的所有图片，设定一个阈值10，若汉明距离小于阈值则可被认为相似，若无小于阈值，则取最小的汉明距离。
用户从外部输入指令及参数调用主程序后，首先将指令中指定图片裁剪，并将待匹配图片中建筑物的坐标、旋转角度存放到img_Data.txt中，然后从.txt中读取数据并存放到dataMat数组中；接着初始化一个类，属性包括最适合的模型图片、模型坐标、需旋转角度；每匹配完成，找到最适合的模型图片后，保存名称，获取到数据图片的信息，将其作为类的默认构造函数参数，并转换成字典形式存放到数组中，最后使用json.dump函数，将字典数组存放到指定.json文件中，以便后续地形生成。
根据高度图转化为的灰度图的图像灰度确定地形的高度，遍历高度图的像素颜色把高度信息设置到Terrain的地形中；再预先用高斯模糊处理水系分布图，遍历水系分布图，用水系的颜色乘上、下陷数值，把地形原来高度减去下限的数值。重新把高度设置到Terrain上，达到水系位置地形下降的效果。
利用高度图和Terrain生成与上一步地形一样的mesh，给mesh一个水的材质。水的材质的shader中利用水域分布图作为模版，黑色不显示而非黑色显示为水。
创建地形后给所有地形贴图功能，根据地形的数据使得贴图后的地形真实美观。首先判断是哪种地形，根据不同地形给数据赋值，遍历所有数据后，将值赋给map数组，此数组提供给这个函数要替换的部分的宽度和高度，与splatmap贴图数量相匹配，之后将Terrain对应位置的贴图替换。
遍历草分布图，遍历草地分布图，生成草地与植被；如果该像素是植被，则生成草且偶尔生成一棵随机的树，并将生成的树的信息暂存到List中。
把建筑物识别生成的json文件中的数据读取出来，遍历所有json文件，把json字符串转换为BuildingList对象，读取每一个BuildingData中的建筑物名字，在模型库中读取对应名字的模型，并且根据所给的xy坐标计算该位置在地形中的高度，结合地形以及像素的转换关系和给定的角度，就可计算出建筑物应放置的位置坐标以及旋转角度。根据坐标和角度实例化建筑，在模型库中把对应的建筑放置到对应的位置上生成最终的模拟真实地形。图5是三维地形图；图6是漫游效果图。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (7)

1.一种三维地形生成方法，其特征在于，包括以下步骤：
步骤1，利用图像处理软件，将语义分割得到的水系、植被、建筑物、道路mask图片背景填充为黑色；
步骤2，提取每个建筑物的轮廓；
步骤3，求每个轮廓的质心坐标；
步骤4，通过cv2中rect函数获取步骤2中得到的每个轮廓的最小外接矩形，rect_width、rect_height、rect_angle、rect_x、rect_y获取到外接矩形的宽高、旋转角度、位置坐标，取整，其中角度取绝对值；对于每个轮廓，轮廓上的每个像素点逆时针旋转rect_angle的绝对值角度，将倾斜的轮廓“摆正”；
步骤5，每次处理完一个步骤4中得到的轮廓后，创建一个和原图同比例大小的白色背景图，在此图上将旋转后的轮廓绘制出来，轮廓里填充成黑色；根据不同类别大小进行裁剪并将其分类保存；
步骤6，读取步骤5中图片，将图片与模型库中的建筑物垂直投影利用均值hash算法进行hash匹配，得到最匹配的模型，并生成对应的json文件以便后续地形生成；
步骤7，根据分割得到的水系分布图，设置地形下陷，生成水体地形凹陷；
步骤8，利用高度图和Terrain生成与步骤7地形一样的mesh，给mesh一个水的材质；
步骤9，根据地形的数据给创建地形后所有地形贴图，使得贴图后的地形真实美观；
步骤10，遍历草地分布图，生成草地与植被；
步骤11，根据坐标和角度实例化建筑，在模型库中把对应的建筑放置到对应的位置上生成最终的模拟真实的三维地形。
2.根据权利要求1所述的一种三维地形生成方法，其特征在于，所述步骤2中提取每个建筑物的轮廓是利用经典的Canny边缘检测算子，具体方法是：使用OpenCV读取指定图片，将图片转换成灰度图，使用高斯模糊消除图片中出现的噪点，然后把图片二值化，使用findContours函数提取检测到的所有轮廓，以及每个轮廓的坐标点。
3.根据权利要求1所述的一种三维地形生成方法，其特征在于，所述步骤3获取轮廓质心坐标的具体方法是：先读取到每个轮廓的矩阵放到变量M中，根据公式
Figure FDA0003273573050000021
得到所有建筑物的质心坐标，将其存放到centers二维数组中。
4.根据权利要求1所述的一种三维地形生成方法，其特征在于，所述步骤6中将图片与模型库中的建筑物垂直投影利用均值hash算法进行hash匹配具体包括以下步骤：
(1)缩放图片：将输入的图片缩放到指定比例大小；
(2)转灰度图：统一将输入图片的色彩转换为单通道的灰度图；
(3)计算像素平均值：计算经过图片缩放，灰度图转换后得到矩阵A中所有元素的平均值a；
(4)hash值计算：对输入的图片的hash值进行初始化，再从左到右一行一行地遍历矩阵A的每一个像素，如果第i行j列元素A(i,j)值大于或者等于a，则hash值加1，如果第i行j列元素A(i,j)小于a，则hash值不变；
(5)获得输入图片的哈希值之后，循环比较两个图片的hash值来计算两个图片相似度，若某一位不同，则汉明距离+1，用最终的汉明距离作为相似度的参考值，设定一个阈值，在一定的范围内，若两张图片的汉明距离小于阈值，则可以认为这两张图片为相似图片。
5.根据权利要求1所述的一种三维地形生成方法，其特征在于，所述步骤7中生成水体地形凹陷的具体方法是：根据高度图的颜色确定地形的高度，遍历高度图的像素颜色把高度信息设置到Terrain的地形中；再预先用高斯模糊处理水系分布图，遍历水系分布图，用水系的颜色乘上、下陷数值，把地形原来高度减去下限的数值；重新把高度设置到Terrain上，达到水系位置地形下降的效果。
6.根据权利要求1所述的一种三维地形生成方法，其特征在于，所述步骤8中水的材质的shader中利用水域分布图作为模版，黑色不显示而非黑色显示为水。
7.根据权利要求1所述的一种三维地形生成方法，其特征在于，所述步骤9中给所有地形贴图功能具体过程为：首先判断是哪种地形，根据不同地形给数据赋值，遍历所有数据后，将值赋给map数组，此数组提供要替换的部分的宽度和高度，与splatmap贴图数量相匹配，之后将Terrain对应位置的贴图替换。
CN202111109019.6A 2021-09-22 2021-09-22 一种三维地形生成方法 Active CN113838199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111109019.6A CN113838199B (zh) 2021-09-22 2021-09-22 一种三维地形生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111109019.6A CN113838199B (zh) 2021-09-22 2021-09-22 一种三维地形生成方法

Publications (2)

Publication Number Publication Date
CN113838199A CN113838199A (zh) 2021-12-24
CN113838199B true CN113838199B (zh) 2023-07-11

Family

ID=78960365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111109019.6A Active CN113838199B (zh) 2021-09-22 2021-09-22 一种三维地形生成方法

Country Status (1)

Country Link
CN (1) CN113838199B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114969913B (zh) * 2022-05-24 2024-03-15 国网北京市电力公司 一种三维模型构件实例化方法、系统、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013149029A (ja) * 2012-01-18 2013-08-01 Sharp Corp 情報処理装置、情報処理方法
CN104318617A (zh) * 2014-10-17 2015-01-28 福建师范大学 一种面向虚拟应急演练的三维地理场景仿真方法
CN106846478A (zh) * 2017-02-10 2017-06-13 中国电建集团成都勘测设计研究院有限公司 水电水利工程地质三维实景野外编录填图系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013149029A (ja) * 2012-01-18 2013-08-01 Sharp Corp 情報処理装置、情報処理方法
CN104318617A (zh) * 2014-10-17 2015-01-28 福建师范大学 一种面向虚拟应急演练的三维地理场景仿真方法
CN106846478A (zh) * 2017-02-10 2017-06-13 中国电建集团成都勘测设计研究院有限公司 水电水利工程地质三维实景野外编录填图系统

Also Published As

Publication number Publication date
CN113838199A (zh) 2021-12-24

Similar Documents

Publication Publication Date Title
CN108648269B (zh) 三维建筑物模型的单体化方法和系统
Ramiya et al. Segmentation based building detection approach from LiDAR point cloud
CN114612488A (zh) 建筑物单体化信息提取方法、计算机装置及存储介质
CN107833273B (zh) 基于三维仿真模型的倾斜摄影三维模型对象化应用方法
CN110866531A (zh) 一种基于三维建模的建筑物特征提取方法、系统及存储介质
CN111784840B (zh) 基于矢量数据自动分割lod层级三维数据单体化方法及系统
CN113192200B (zh) 一种基于空三并行计算算法的城市实景三维模型的构建方法
CN116342783B (zh) 一种实景三维模型数据渲染优化方法及系统
CN116543117B (zh) 一种无人机影像的高精度大场景三维建模方法
CN111754618A (zh) 一种面向对象的实景三维模型多层次解译方法及系统
CN112242004A (zh) 一种基于光照渲染的ar场景的虚拟雕刻方法及系统
CN114926602B (zh) 基于三维点云的建筑物单体化方法及系统
CN115641415A (zh) 基于卫星影像生成三维场景的方法、装置、设备及介质
CN113838199B (zh) 一种三维地形生成方法
Ikeno et al. An enhanced 3D model and generative adversarial network for automated generation of horizontal building mask images and cloudless aerial photographs
CN116385619B (zh) 对象模型渲染方法、装置、计算机设备和存储介质
Ruzínoor et al. 3D terrain visualisation for GIS: A comparison of different techniques
CN115409962B (zh) 虚幻引擎内构建坐标系统的方法、电子设备和存储介质
CN109102565B (zh) 一种自动生成虚拟地形的方法
CN107221027A (zh) 一种将用户自定义内容嵌入倾斜摄影三维模型的方法
CN115375857A (zh) 三维场景重建方法、装置、设备及存储介质
CN113487741A (zh) 稠密三维地图更新方法及装置
CN116206068B (zh) 基于真实数据集的三维驾驶场景生成与构建方法及装置
Ge et al. 3D Reconstruction of Ancient Buildings Using UAV Images and Neural Radiation Field with Depth Supervision
CN117934737A (zh) 古文物数字地图智能生成方法

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
GR01 Patent grant
GR01 Patent grant