CN103500469B - 一种城市绿化建模方法 - Google Patents

Abstract

本发明提供一种城市绿化建模方法，通过对城市的航拍图像进行分析，将分析得到的绿化规划应用于城市模型上，包括如下步骤：(1)对所述航拍图像进行分析，提取所述航拍图像上的街道、建筑物与植被分布情况；(2)对所述街道、建筑物与植被分布情况进行分析，建立植被的吉布斯分布模型；(3)根据预设绿化覆盖度，将所述植被的吉布斯分布模型通过蒙特卡罗-马尔科夫链映射方法把植被放置到所述城市模型上。本发明可以自动完成城市模型中植被的分布，更接近真实城市的植被分布情况的前提下，大大减少了手工在城市模型中添加植被的工作量。

Description

一种城市绿化建模方法

技术领域

本发明涉及智慧城市，尤其涉及一种城市绿化建模方法。

背景技术

近年来随着计算机图形技术的发展以及智慧城市概念的提出，建模的关注点也逐渐从对单个物体模发展到对城市的大规模场景进行建模。现有的技术几乎全部集中在对于城市建筑物与道路的规划设计和建模上。然而对于一个完整的城市场景，植物群落必然是不可或缺的组成。

现有的植物建模工作主要关注于单个植物的建模以及野外植物群落的模拟，而对于城市中的植物群落的建模，也只有基于过程式建模的方法。而过程式建模方法应用于针对城市模型上植被放置上，主要面临两大问题：

视觉效果不真实：目前的3D城市模型中所使用的植被均是根据实际需要而人工随意放置，树木以及其他植被的放置位置没有经过科学地安排。植被在所生成的虚拟城市里面往往仅起到点缀城市模型的作用，没有对城市规划，城市绿化有所帮助。

工作量巨大：如果需要生成真实的植被布局，目前只能人工完成。然而城市场景中植物数量庞大，且对于植物放置这种工作，人工效率极低。

发明内容

有鉴于此，我们提出一项基于捕获数据的自动城市场景建模技术，其目的是更合理地对植物位置进行估计。

本发明的一种城市绿化建模方法，通过对城市的航拍图像进行分析，将分 析得到的绿化规划应用于城市模型上，包括如下步骤：包括如下步骤：(1)对所述航拍图像进行分析，提取所述航拍图像上的街道、建筑物与植被分布情况；(2)对所述街道、建筑物与植被分布情况进行分析，建立植被的吉布斯分布模型；(3)根据预设绿化覆盖度，将所述植被的吉布斯分布模型通过蒙特卡罗-马尔科夫链映射方法把植被放置到所述城市模型上。

优选地，第(1)步还包括：(1.1)对所述航拍图像进行预处理，包括对图像进行灰度化、直方图均衡、滤波处理，用以增加图像上建筑物的可辨识度；(1.2)通过与建筑物形状库与所述经过预处理的航拍图像进行建筑物匹配，以提取单个建筑物，并得到建筑物分布情况；(1.3)对所述经过预处理的航拍图像进行图像分割，保留非建筑物，并根据颜色识别植被，得到植被分布情况；(1.4)结合建筑物分布与植被分布情况，拟合街道的分布情况。

优选地，第(2)步还包括：对所述街道、建筑物、植被分布情况进行分析，计算所述植被在不同形状的建筑物、街道周围的分布情况以及所述街道或所述建筑物与植被之间的距离。

优选地，第(2)步还包括：在建立植被的吉布斯分布模型时，定义点分布密度为： $f\left(x\right)\∝\left[\underset{x_i}{\mathrm{\Π}}{d}_{m_i}\left(x_i\right)\right]\left[\underset{x_i\≠x_j}{\mathrm{\Π}}{c}_{m_i,m_j}(x_i,x_j)\right]$

d_mi(x_i)是形状类型编号为i的建筑物或街道周围出现植被的概率，是形状类型i建筑物或街道与形状类型j建筑物或街道对植被分布的相互影响概率函数；其中，

优选地，第(3)步还包括：(3.1)生成初始化分布率X0；(3.2)当前模拟次数t 时分布率为Xt，随机选择添加或减少植被的方式；(3.3)模拟在选择的添加或减少的方式下，计算所述植被分布的接受率，其中，新增植被的接受率为其中f(x)代表原分布密度，f(x`)代表新增分布密度，n表示原植被数量，A表示计划的总植被覆盖面积；或新减植被的接受率为其中f(x)代表原分布密度，f(x``)代表新减分布密度，n表示原植被数量，A表示计划的总植被覆盖面积；(3.4)判断所述新增或新减植被的接受率是否大于1；(3.5)若大于1，则接受所述添加或减少后的新分布；(3.6)若不大于1，则以对应新增或新减植被的接受率为概率对所述植被进行接受；(3.7)判断是否达到预设的迭代次数；(3.8)若未达到，则将t+1后，返回步骤3.2继续计算；(3.9)若达到预设的迭代次数，则结束迭代并输出绿化模型。

优选地，第(3.2)步中，添加或减少植被的方式被选择到的概率相同。

本发明通过对航拍数据的分析，对街道、建筑物及植被进行识别与提取，及分布位置的迭代算法，可以自动完成城市模型中植被的分布，我们的植被分布更接近真实城市的植被分布情况的前提下大大减少了手工在城市模型中添加植被的工作量。

附图说明

图1是本发明中的城市绿化建模方法的整体流程示意图。

图2至图4分别是本发明中城市绿化建模方法各步骤的分流程示意图。

具体实施方式

如图1所示，为本发明中一种城市绿化建模方法。

通过对城市的航拍图像进行分析，将分析得到的绿化规划应用于城市模型上，包括如下步骤：

在步骤S1中，对所述航拍图像进行分析，提取所述航拍图像上的街道、 建筑物与植被分布情况。

在步骤S2中，对所述街道、建筑物与植被分布情况进行分析，建立植被的吉布斯分布模型。

在步骤S3中，根据预设绿化覆盖度，将所述植被的吉布斯分布模型通过蒙特卡罗-马尔科夫链映射方法把植被放置到所述城市模型上。

其中，吉布斯模型是一种简单的点分布模型，它的概率模型可以由明确的概率密度函数来表示。有了这种函数之后，就可以通过对其采样来生成一组样本，这些样本可以反映该概率分布情况。然而大多分布函数的采样很难直接得到，所以就需要用间接的方法进行逼近、模拟采样。蒙特卡罗-马尔科夫映射就是这样一种近似采样的方法。

具体而言，请参阅图2，步骤S1包括：

在步骤S1.1中，对所述航拍图像进行预处理，包括对图像进行灰度化、直方图均衡、滤波等处理，用以增加图像上建筑物的可辨识度。

在步骤S1.2中，通过与建筑物形状库与所述经过预处理的航拍图像进行建筑物匹配，以提取单个建筑物，并得到建筑物分布情况。

其中，建筑物形象库是根据通常建筑物在航拍图像中所形成的几何图形构成。，通常为矩形，也包括各种多边形。

在步骤S1.3中，对所述经过预处理的航拍图像进行图像分割，保留非建筑物，并根据颜色识别植被，得到植被分布情况。

其中，在计算植被分布时，可采用贪心算法，即求取局部最优解。

在步骤S1.4中，结合建筑物分布与植被分布情况，拟合街道的分布情况。

如图3所示，步骤S2包括：

在步骤S2.1中，对所述街道、建筑物、植被分布情况进行分析，计算所述植被在不同形状的建筑物、街道周围的分布情况以及所述街道或所述建筑物 与植被之间的距离。

在步骤S2.3中，根据街道出现概率、建筑物出现概率及航拍得到的街道出现概率、建筑物概率、植被概率进行比对，并修正植被的出现概率，并根据修正后的植被出现概率，建立植被的吉布斯分布模型。

其中在建立植被的吉布斯分布模型时定义植被的点分布密度为：

$f\left(x\right)\∝\[\underset{x_i}{\mathrm{\Π}}{d}_{m_i}\left(x_i\right)\]\[\underset{x_i\≠x_j}{\mathrm{\Π}}{c}_{m_i,m_j}(x_i,x_j)\]$

d_mi(x_i)是形状类型编号为i的建筑物或街道周围出现植被的概率，是形状类型i建筑物或街道与形状类型j建筑物或街道对植被分布的相互影响概率函数；其中，

在步骤S3中，由于植被的点密度函数不能直接用于点的映射，因此，根据上一步建立好的植被的吉布斯分布模型的密度函数，使用蒙特卡罗-马尔科夫链映射，得到与点密度分布一致的样式。

如图4所示，步骤S3还包括：

在步骤S3.1中，生成初始化分布率X0。

在步骤S3.2中，当前模拟次数t时分布率为Xt，随机选择添加或减少植被的方式。其中，对步骤S3.31与步骤S3.32进行等概率选择。

在步骤S3.31中，模拟在所述选择的添加新植被的方式下，分布率为X`，计算新增分布的接受率其中f(x)代表原分布密度，f(x`)代表新增分布密度，n表示原植被数量，A表示计划的总植被覆盖面积；

在步骤S3.41，判断所述添加植被的接受率是否大于1；

若大于1，则在步骤S3.51中，接受所述添加的新分布率，即X_t+1=X`；

若不大于1，则在步骤S3.61中，以Rb的概率对新植被进行接受。

举例来说，如果Rb=0.3，则30%的概率是接受新植被，此时新分布率为X_t+1=X`;或者是未接受新植被，则此时新分布率为保持不变，即X_t+1=Xt。

在步骤S3.32中，模拟在所选择的减少新植被的方式下，分布率为X``，计算新减分布的接受率其中f(x)代表原分布密度，f(x``)代表新减分布密度，n表示原植被数量，A表示计划的总植被覆盖面积；

在步骤S3.42中，判断所述减少植被的接受率是否大于1；

若大于1，则在步骤S3.52中，接受所述减少后的新分布率，即X_t+1=X``；

若不大于1，则在步骤S3.62中，以Rd的概率对新植被进行接受。

其中，若接受了新植被，则新减分布率为X_t+1=X``；

若不接受新植被，则新减分布率保持不变，即X_t+1=Xt。

在步骤S3.7中，判断是否达到预设的迭代次数。

其中，迭代次数的选择取决于需要的精确度，计算是迭代的，场景中的植被会随着迭代次数增加，达到密度值后，之后的迭代会产生新树的概率会变的极小。

在步骤3.8中，若未达到，则将t+1后，返回步骤S3.2继续计算；

在步骤3.9中，若达到预设的迭代次数，则结束迭代并输出绿化模型。

该技术首先通过对城市航拍图像进行分析，提取街道、建筑物与植被的分布信息，并为其建立概率模型，利用该位置分布概率模型，可以快速有效地将植被放置于城市模型中。由于利用从实际数据中提取出的规律，该技术既高效又真实地在城市模型中重现真实植物群落。

本发明可以通过编写软件程序，将以上步骤设计为城市绿化设计的软件。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些 改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种城市绿化建模方法，通过对城市的航拍图像进行分析，将分析得到的绿化规划应用于城市模型上，其特征在于，包括如下步骤：

(1)对所述航拍图像进行分析，提取所述航拍图像上的街道、建筑物与植被分布情况；

(2)对所述街道、建筑物与植被分布情况进行分析，建立植被的吉布斯分布模型；

(3)根据预设绿化覆盖度，将所述植被的吉布斯分布模型通过蒙特卡罗-马尔科夫链映射方法把植被放置到所述城市模型上；

其中，第(2)步还包括：

在建立植被的吉布斯分布模型时，定义点分布密度为：

$f\left(x\right)\∝\[\underset{x_i}{\mathrm{\Π}}{d}_{m_i}\left(x_i\right)\]\[\underset{x_i\≠x_j}{\mathrm{\Π}}{c}_{m_i,m_j}(x_i,x_j)\]$

d_mi(x_i)是形状类型编号为i的建筑物或街道周围出现植被的概率，是形状类型i建筑物或街道与形状类型j建筑物或街道对植被分布的相互影响概率函数；其中，

2.如权利要求1所述的城市绿化建模方法，其特征在于，第(1)步还包括：

(1.1)对所述航拍图像进行预处理，包括对图像进行灰度化、直方图均衡、滤波处理，用以增加图像上建筑物的可辨识度；

(1.2)通过与建筑物形状库与所述经过预处理的航拍图像进行建筑物匹配，以提取单个建筑物，并得到建筑物分布情况；

(1.3)对经过预处理的航拍图像进行图像分割，保留非建筑物，并根据颜色识别植被，得到植被分布情况；

(1.4)结合建筑物分布与植被分布情况，拟合街道的分布情况。

3.如权利要求2所述的城市绿化建模方法，其特征在于，第(2)步还包括：

对所述街道、建筑物、植被分布情况进行分析，计算所述植被在不同形状的建筑物、街道周围的分布情况以及所述街道或所述建筑物与植被之间的距离。

4.如权利要求1所述的城市绿化建模方法，其特征在于，第(3)步还包括：

(3.1)生成初始化分布率X0；

(3.2)当前模拟次数t时分布率为Xt，随机选择添加或减少植被的方式；

(3.3)模拟在选择的添加或减少的方式下，计算所述植被分布的接受率，其中，

新增植被的接受率为其中f(x)代表原分布密度，f(x`)代表新增分布密度，n表示原植被数量，A表示计划的总植被覆盖面积；或

新减植被的接受率为其中f(x)代表原分布密度，f(x``)代表新减分布密度，n表示原植被数量，A表示计划的总植被覆盖面积；

(3.4)判断所述新增或新减植被的接受率是否大于1；

(3.5)若大于1，则接受所述添加或减少后的新分布率；

(3.6)若不大于1，则以对应新增或新减植被的接受率为概率对所述植被进行接受；

(3.7)判断是否达到预设的迭代次数；

(3.8)若未达到，则将t+1后，返回步骤3.2继续计算；

(3.9)若达到预设的迭代次数，则结束迭代并输出绿化模型。

5.如权利要求4所述的城市绿化建模方法，其特征在于，第(3.2)步中，所述添加或所述减少植被的方式被选择到的概率相同。