CN103839286B - 一种对象语义约束的真正射影像优化采样方法 - Google Patents
一种对象语义约束的真正射影像优化采样方法 Download PDFInfo
- Publication number
- CN103839286B CN103839286B CN201410095545.5A CN201410095545A CN103839286B CN 103839286 B CN103839286 B CN 103839286B CN 201410095545 A CN201410095545 A CN 201410095545A CN 103839286 B CN103839286 B CN 103839286B
- Authority
- CN
- China
- Prior art keywords
- image space
- thing side
- subobject
- triangle
- 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.)
- Expired - Fee Related
Links
Abstract
一种对象语义约束的真正射影像优化采样方法,包括:定义并提取物方对象,采用STIN进行表达;基于地形对象和地物对象的底面子对象的边界,构建数字地表模型基于STIN的无缝拼接;根据无缝拼接后STIN中地物对象的底面子对象的边界,建立物方对象空间索引;建立像方对象及像方对象空间索引;计算物方对象和像方对象之间的映射关系,基于通过像方对象与物方对象的语义匹配关系,建立物方对象与像方对象的全局空间索引;进行优化采样,输出真正射影像。本发明建立全局可见性索引自适应处理遮挡和阴影,实现了纹理影像的优化采样,较好地保持了真正射影像中清晰的建筑物轮廓边缘、完整的纹理结构和良好的视觉效果。
Description
技术领域
本发明属于地理空间信息系统技术领域,特别是涉及一种对象语义约束的真正射影像优化采样方法。
背景技术
随着高分辨率影像的日益普及,城市地区立体空间分布的地形地物导致的影像投影差、遮挡、阴影等问题凸显出来,严重影响了数字正射影像(DOM)的准确判读和应用效能,造成正射影像与建筑物矢量图叠加困难。已有的正射纠正处理技术遇到巨大困难,自上世纪90年代以来,国际上开始探索兼顾地形和地物起伏的“真正射影像”生产技术。真正射影像纠正的关键在于:(1)使用高精度高分辨率的数字表面模型(DSM)代替传统的数字高程模型(DEM)进行几何纠正,改正针孔成像造成的几何形变与位移;(2)准确检测并采样恢复遮挡与阴影区域,保证真正射影像的纹理结构完整真实。
根据几何纠正对遮挡检测的依赖关系,目前的真正射纠正方法可分为间接法和直接法两大类:(1)间接法继承了传统正射影像处理,针对真正射纠正的需要增加了遮挡检测与遮挡补偿两个环节,在几何纠正之前对物方DSM独立进行遮挡检测或可见性分析,对可见区域进行几何纠正,对遮挡区域进行纹理补偿。但逐像片遮挡检测计算量大、复杂费时,且依赖于检测算法的结果精度;遮挡补偿需要对不同成像角度的邻近影像上的可见区域纹理进行挖补式纹理采样,补偿像素的选择原则主要有底点最近原则和顺序选取修复原则。挖补式补偿易造成影像纹理的不连贯,使得后期影像镶嵌与匀光等辐射处理的难度增加,需要人机交互而难以实现自动化。(2)直接法是基于多视影像的空三解算、密集匹配生成DSM,同时记录地面点与影像点之间一对多的可视对应关系,在几何纠正的采样过程中选取地面点对应的最佳可见像素,避开了间接法中复杂的遮挡检测与遮挡补偿;且以像素为单位组合生成真正射影像,简化了影像拼接与镶嵌过程。因此直接法被认为是最有前途的全自动处理方法,但存在如下难点:多视匹配对影像重叠度依赖性较强,如在建筑物密集的城市区域,影像的航向和旁向重叠要求至少达到68%和75%;生成的DSM点云缺乏准确的地物轮廓边界特征信息,且部分点云经内插后不能完全贴合地表,容易导致地物边缘模糊和局部失真;多视匹配与同名点记录计算量大,往往需要并行处理,对软硬件要求很高。
综上所述,已有的间接法和直接法均局限于“像素级”的真正射纠正处理,对地面采样间距(GSD)十分敏感,且对DSM精度要求很高,而生成高精度的DSM并进行逐像素纠正也使得计算量剧增,处理代价巨大。随着影像分辨率的提高,高低起伏的地物对象在影像上往往由多个像素组成,“像素级”真正射影像处理方法忽略了对象纹理结构及其相互关系,难以保证地物几何特征的准确性、纹理结构的完整性。因此,需要引入面向对象的思想,将“像素级”处理提升到“对象级”:有效利用像素本身灰度信息及像素间的关联信息,通过对象的提取与语义表达简化、突出重要的感兴趣信息。将影像分割与立体匹配相结合,对二维影像与三维场景进行“对象级”分割,有效解决成像遮挡造成的立体匹配的困难,建立三维目标特征与二维影像特征之间的映射关系。综合利用对象的语义信息,进行真正射影像优化采样,可有效剔除遮挡和阴影等不理想纹理,获得优质可靠的真正射影像。目前本领域尚未有相关技术方案出现。
现有技术可参见以下参考文献:
[1] Albertz J, Wolf B. Generating True Orthoimages without a 3D Surface Model[J]. International
Archives of Photogrammetry and Remote Sensing. 2004,
35(3): 693-698.
[2] Amhar F, Josef J, Ries
C. The generation of true orthophotos using a 3D
building model in conjunction with a conventional DTM[J]. International
Archives Photogrammetry, RemoteSensing.
1998, 32 (4): 16-22.
[3]Antequera R, Andrinal
P. Development of an intergrated system of true ortho-rectification[Z]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information
Sciences. Vol. XXXVII. Part B4. Beijing 2008.
[4]Baltsavias. Digital ortho-images
a powerful tool for the extraction of spatial- and geo-information[J].ISPRS
Journal of Photogrammetry and Remote
Sensing,1996,51:63-77
[5] Bang K, Habib A F. Comparative analysis of
alternative methodologies for true ortho-photo
generation[Z]. ASPRS 2007 Annual Conference Tampa,Florida:
2007.
[6] Biason A. A new procedure for the automatic
production of true orthophotos[J]. Interational Archives of the Photogrammetry,
Remote Sensing and Spatial Information Sciences. 2004, 35: 12-23.
[7] Blaschke. Object based image analysis for
remote sensing[J]. ISPRS Journal of Photogrammetry
and Remote Sensing 2010 (65): 2-16
[8]Bleyer, Rother, Kohli, Scharstein. Object Stereo — Joint Stereo Matching and Object Segmentation[J]. IEEE
Conf on Computer Vision and Pattern Recognition,2011:3081-3088
[9] Braun J. Aspects on True-Orthophoto
Production[C]. Proceedings,49th Photogrammetric Week, Stuttgart, Germany,2003,pp.205-214.
[10]Chen L, Teo T, Wen
J, Rau J. Occlusion -compensated true orthorecitification
for high-resolution satellite images.The
Photogrammetric Record 22(117): 39–52
[11] Esalvador, Cavallam
A, Ebrahimi T. Shadow identification and classffication using invariant color models[J]. Proc.IEEE Signal Processing Society International Conference
on Acoustics,Speech,and
Signal Processing(ICASSP-2001),Salt Lake
City(Utah-USA). 2001(3): 1545-1548.
[12] Gunay A, Arefi H,
Hahn M. Semi-automatic true orthophoto production by
using LIDAR data[C]. 2007.
[13] Habib A F, Bang K, Kim C. True Ortho-photo
Generation from High Resolution Satellite Imagery[M]. Innovations in 3D geo
information systems, 2006, 641-656.
[14] Habib A F, Kim E, Kim C. New methodologies
for true orthophoto generation[J]. Photogrammetric
Engineering & Remote Sensing. 2007, 73(1): 25-36.
[15]Kakoli S,Neil A,Wells.An object-oriented approach to automated landform mapping:A case study of drumlins. Computers and
Geosciences,2011(37):1324–1336.
[16] Kuzmin Y P, Korytnik
S A, Long O. Polygon-based True Orthophoto
Generation[J]. International Archives of Photogrammetry
,Remote Sensing and Spatial Information Sciences. 2004, 35(3): 529-531.
[17] Rau J, Chen N, Chen L. True orthophoto
generation of built-up areas using multi-view images [J]. Photogrammetric Enngineering & Remote Sensing. 2002, 68(6): 581-588.
[18]Shariat M, Azizib
A, Saadatseresht M. Analysis and the solutions for
generating a true digital ortho photo in close range photogrammetry. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information
Sciences, Vol. XXXVII, Part B4, Beijing,
2008:439-442
[19] Schickler W, Thorpe A. Operational
procedure for automatic true orthophoto
generation[J]. Int. Arch. Photogrammetry, Remote
Sensing and Spatial Information Sciences. 1998, 4(32): 527-532.
[20] Sheng Yongwei.
True orthoimage production for forested areas from
large-scale aerial photographs[J]. Photogrammetric Engineering & Remote
Sensing. 2003: 259-266.
[21] Sheng Y. Minimising
algorithm-induced artefacts in true ortho-image generation:a direct
method implemented in the vector domain[J]. The Photogrammetric Record. 2007,
22(118): 151-163.
[22] Skarlatos D. Orthophotograph
production in urban areas [J]. Photogrammetric Record. 1999: 643-650.
[23] Thirion J P. Realistic 3D simulation of
shapes and shadows for image processing[J]. CVGIP:Graphical
Models and Image Processing. 1992(54(1)): 82-90.
[24] Thormahlen T, Seidel H. 3D-modeling by ortho-image generation from image sequences[C]. Los
Angeles, California: ACM, 2008.
[25]Zhang L. Automatic Digital Surface Model (DSM) Generation from Linear
Array Images[D].Swiss Federal Institute of Technology Zurich,2005.
[26] Zhou G, Qin Z, Benjamin. Technical Problems of Deploying Standard
Initiative of National City True Orthophoto
Mapping[C].ASPRS,2003.
[27] Zhou G, Chen W. A comprehensive study on urban true orthorectification[J]. IEEE Transactions on Geoscience and Remote sensing. 2005, 43(9): 2138-2147.
[28] 刘军,王冬红,王慧,等. 基于数字建筑物模型的线阵推扫影像真正射纠正[J]. 遥感技术与应用. 2009, 24(1): 88-92.
[29] 彭玉群. 机载多角度成像中正射影像阴影的检测及其补偿方法研究[D]. 中国农业大学, 2006.
[30] 史照良,沈泉飞,曹敏,等. 像素工厂中真正射影像的生产及其精度分析[J]. 测绘科学技术学报. 2007, 24(5): 332-335.
[31] 万从容,郭容寰,杨常红. 数字真正射影像的研制[J]. 上海地质. 2009(4): 33-36.
[32] 王树根,郭泽金,李德仁. 彩色航空影像上阴影区域信息补偿的方法[J]. 武汉大学学报(信息科学版). 2003, 28(5):
1545-1548.
[33] 王潇. 三线阵传感器影像真正射纠正中遮蔽区域的检测及补偿研究[D]. 武汉: 武汉大学, 2009.
[34] 谢文寒,周国清. 数字建筑模型生成大比例尺真正射影像方法[J]. 哈尔滨工业大学学报. 2008,
40(4): 589-592.
[35]谢文寒,周国清. 城市大比例尺真正射影像阴影与遮挡问题研究[J]. 测绘学报.
2010,39(2):52-58.
[36] 余柏蒗,刘红星,吴健平. 面向对象的城市空间信息遥感分析的理论框架[J]. 华东师范大学学报 自然科学版. 2010,(6): 12-14.
[37] 朱庆,于杰. 城区真正射影像处理方法综述.中国科技论文在线精品论文,2010,9(4):1680-1686。
发明内容
针对现有的真正射影像采样方法的缺陷:对地面采样间距(GSD)十分敏感,不同的采样步长容易造成遮挡检测结果错误和边缘纹理模糊,需要作业员手动调整或采用经验值,并且多张影像间的挖补式采样,容易破坏地物准确的几何特征和完整的纹理结构,增加了后续影像镶嵌与匀光处理的难度,需要作业员进行手动辐射调整。本发明提供一种对象语义约束的真正射影像优化采样方法。
本发明的技术方案为一种对象语义约束的真正射影像优化采样方法,包括以下步骤:
步骤1,定义并提取物方对象,采用STIN进行表达,所述STIN为带语义信息的不规则三角网;所述物方对象包括地形对象和地物对象,各地物对象包括顶面子对象、立面子对象和底面子对象;
步骤2,基于步骤1所得地形对象和地物对象的底面子对象的边界,构建数字地表模型基于STIN的无缝拼接;
步骤3,根据步骤2所得无缝拼接后STIN中地物对象的底面子对象的边界,建立物方对象空间索引;
步骤4,建立像方对象及像方对象空间索引,所述像方对象具有语义属性;所述像方对象包括地形对象和地物对象,各地物对象包括顶面子对象、立面子对象和底面子对象;
步骤5,计算物方对象和像方对象之间的映射关系,基于像方对象与物方对象的语义匹配关系,建立物方对象与像方对象的全局空间索引;
步骤6,基于步骤5所得物方对象与像方对象的全局空间索引,进行优化采样,输出真正射影像。
而且,步骤1中,所述物方对象采用STIN进行表达,包括几何属性使用不规则三角网进行表达,语义属性根据对象专题赋值为建筑物、交通设施、地形或辅助设施;物方对象的各地物对象中,顶面子对象的不规则三角网中三角形的语义属性标识为顶面,立面子对象的不规则三角网中三角形的语义属性标识为立面,底面子对象的不规则三角网中三角形的语义属性标识为底面。
而且,步骤4中,像方对象的语义属性根据对象专题赋值为建筑物、交通设施、地形或辅助设施;像方对象的各地物对象中,顶面子对象的语义属性标识为顶面,立面子对象的语义属性标识为立面,底面子对象的语义属性标识为底面。
而且,步骤5包括以下子步骤,
步骤5.1,对所需要生成真正射区域的所有影像,依航带顺序,顺序遍历所有影像,每次取出航带中一张影像,使用相片参数与投影参数计算本张影像投影区域所对应的空间范围,使用矩形进行表达;
步骤5.2,应用矩形的空间范围对步骤3所得物方对象空间索引进行查询,查询得到空间范围内的地物对象,生成需要处理的地物对象集;
步骤5.3,遍历需要处理的地物对象集中每一个需要处理的地物对象,取出顶面子对象的边界多边形,应用共线方程,计算物方对象投影到像方区域,通过像方区域来应用步骤4所得像方对象空间索引查找区域内像方对象;
步骤5.4,当物方对象的投影与像方对象完全匹配时,记录为完整关联对象;当物方对象的投影与像方对象不完全匹配时,记录为部分关联对象;
物方对象的投影与像方对象完全匹配,是指物方对象投影到像方的边界点完整对应同一像方对象;
物方对象的投影与像方对象不完全匹配,是指物方对象投影到像方的边界点不完整对应同一像方对象;
步骤5.5,按步骤5.1到步骤5.4遍历完所需要生成真正射区域每一张影像后,遍历每一个物方对象,分别判断每一个物方对象是否在某影像上存在完整关联对象,
若物方对象在某影像上存在完整关联对象时,记录物方对象的所有完整关联像方对象,生成完整关联对象列表;
若物方对象在所有影像上均不存在完整关联对象,进入步骤5.6;
步骤5.6,将物方对象细分,使用其不规则三角网中三角形作为子对象,对每一个三角形子对象作为需要处理的地物对象,生成需要处理的地物对象集,返回步骤5.3,生成三角形子对象的完整关联像方对象;若对某三角形子对象未生成完整关联对象,则记录三角形子对象的全部部分关联对象,生成部分关联对象列表。
而且,步骤6包括以下子步骤,
步骤6.1,从待处理的物方对象出发,计算物方对象的空间范围,并使用地面分辨率计算真正射区域的像素值的行、列数,使用行、列数量创建空白影像;
步骤6.2,取出待处理的物方对象的关联像方对象,计算采样像方对象排序,实现方式如下,
对物方对象,首先判断其所关联的像方对象是否存在步骤5中所建立的完整关联对象,
不存在完整关联对象时进入步骤6.4,
当存在且其完整关联对象有多个像方对象时,计算每一个像方对象的权值并按权值由大到小排序,选择序列中第一个像方对象为优化采样对象,然后进入步骤6.3;
当存在且其完整关联对象仅有一个像方对象时,默认该像方对象为优化采样对象,然后进入步骤6.3;
步骤6.3,优化重采样,包括对待处理的物方对象及步骤6.2所得相应作为优化采样对象的像方对象,应用共线方程,计算真正射影像中对应像素值重采样,并写入到步骤6.1中生成的空白影像的相应位置,然后进入步骤6.5;
步骤6.4,不完整关联对象重采样,所述不完整关联对象重采样包括利用步骤5生成的三角形子对象关联的像方对象,以每一个三角形子对象为待处理的物方对象,分别执行步骤6.2,对找到相应优化采样对象的三角形子对象进入步骤6.3优化重采样,对找不到的采用非真实纹理补偿技术进行灰度采样;对每一个三角形子对象处理完后进入步骤6.5;
步骤6.5,对象影像合成与匀光,包括判断是否对所有物方对象完成处理,若否则返回步骤6.1读取下一个物方对象作为待处理的物方对象进行处理;当完成所有物方对象的处理后,进行匀光,生成真正射影像。
而且,地物对象的不规则三角网中,当三角形法线方向与地面水平面平行时,则三角形的语义属性为立面属性;以右手规则判断,当三角形法向方向垂直于地面水平面且指向上方时,三角形的语义属性为顶面,当三角形的法向垂直地面水平面且方向向下时,三角形的语义属性为底面。
而且,步骤2的实现方式为,以每个地物对象的底面子对象的边界分别为待处理的地物底面边界多边形,分别与地形对象的不规则三角网内三角形进行空间求交处理如下,
当地形对象的三角形完全位于地物底面边界多边形内时,将此三角形从地形对象的不规则三角网中删除;
当地物底面边界多边形与地形对象的三角形二条边相交时,形成完全剖切,记录相关交点;形成完全剖切后的处理流程为,三角形经完全剖切形成两部分,将包含于地物底面边界多边形内的一部分进行删除,并对剩余部分中非三角形的情况使用对角线连接三角化,生成新的三角形并增加到地形对象的不规则三角网中;
当地物底面边界多边形不能与地形对象的三角形二条边相交时,定义为不完全剖切,将三角形的顶点与位于三角形内的地物底面边界多边形顶点相连,生成新的三角形替换原三角形,然后待处理的地物底面边界多边形基于新的三角形分别进行空间求交处理。
而且,步骤3的实现方式为,以每个地物对象的底面子对象的边界计算二维最小外接矩形,根据预设的区域内平面三角形数量的阈值,采用标准二维k-D树剖分算法建立物方对象空间索引,使得k-D树每一个叶节点中,三角形数量不超过阈值限制。
而且,步骤4中建立像方对象空间索引的实现方式为,在每一张影像上,取出每一个像方对象,根据像方对象的边界像素点,通过投影到地物空间计算外接包围矩形,然后按照二维格网索引规则建立平面空间的像方对象空间索引。
本发明公开的一种对象语义约束的真正射影像优化采样方法,首先定义并提取物方对象,采用带语义信息的不规则三角网(STIN)进行表达,并保证在垂直视角投影平面上的STIN无缝拼接;建立投影平面上的k-D树空间索引,对每个STIN对象及其包含三角形进行高效的组织;根据二维影像上的像素图斑,提取像方对象及其语义信息,包括对应的地物对象分类和影像辐射质量,含遮挡、阴影和可视等信息;根据共线方程计算物方对象和像方对象之间的映射关系,标记影像完整关联对象和部分关联对象;从物方对象出发,通过对象对应性是否完整、语义属性是否匹配等条件,筛选与物方语义一致的像方对象进行优化采样。本发明充分利用多视影像的冗余信息和对象丰富的语义信息,建立全局可见性索引自适应处理遮挡和阴影,实现了纹理影像的优化采样,较好地保持了真正射影像中清晰的建筑物轮廓边缘、完整的纹理结构和良好的视觉效果。另外,由于优化采样是根据不规则三角网(STIN)逐三角形面片进行处理,且每个三角形的处理是独立的,有利于实现并行计算。
附图说明
图1是本发明实施例的总体流程图;
图2是本发明实施例的对象定义示意图;
图3是本发明实施例的多边形不完全剖切处理方法示意图;
图4是本发明实施例的全局可见索引逻辑结构示意图;
图5是本发明实施例的全局可见索引对象采样示意图;
图6是本发明实施例的对象语义约束的优化采样流程图。
图7是本发明实施例的全局可见索引物理映射图。
具体实施方式
本发明提出了一种对象语义约束的真正射影像优化采样方法。提取对象并进行语义表达,对象分为两类:物方对象和像方对象。物方对象是指DSM中具有独立语义信息、纹理结构的连续表面,包括地形和地物。物方对象可以克服地形地物特征的多样性和DSM数据信息的不完全性,提取DSM中典型地物对象及其语义信息,保持其轮廓或顶部面片等影响真正射纠正的特征。像方对象是一种图像分割的结果对象,是指灰度或彩色影像上辐射特征一致、局部相关性最大、具有边缘特征且结构紧密的纹理区域,与物方对象具有语义关联关系比如共线特征、可见性、遮挡或阴影等。像方对象的利用有助于保证遮挡补偿后结果真正射影像的纹理完整,并易于对影像进行自适应的辐射处理,自动检测与恢复原始影像中的阴影,保证结果真正射影像色彩均匀、无缝过渡。将影像分割与立体匹配相结合,对二维影像与三维场景进行“对象级”分割,可以有效解决成像遮挡造成的立体匹配的困难,建立三维目标特征与二维影像特征之间的映射关系。综合利用像方和物方对象及其语义信息,进行真正射影像优化采样,可有效剔除遮挡和阴影等不理想纹理,获得可靠的真正射影像。
以下结合附图和实施例详细说明本发明技术方案。
本发明技术方案可采用计算机软件技术实现流程的自动运行。本发明实施例分别以三维物方对象和二维像方对象为处理单元,实现对象语义约束下真正射影像纹理的优化采样,总体流程参见图1,主要包括:输入多角度影像与物方的三维数据,在此基础上构建无缝STIN对象,并在STIN对象中构建顶面与底面子对象,以底面子对象的平面范围建立物方对象空间索引,通过物方对象与物方对象的关联关系,应用物方与像方对象的语义匹配建立物方对象的优化采样序列,进行优化采样,辅以辐射校正与匀光,最终输出真正射影像。
实施例的流程具体包括以下步骤:
步骤1,输入多角度影像与物方三维数据后,首先进行对象提取和语义信息获取:
读取真正射影像处理区域的数字高程模型(DEM)、数字建筑物模型(DBM)等物方三维数据,采用面向对象的方法,建立各基本对象,如图2所示。物方对象主要分为地物对象与地形对象。其中地物对象可细分为建筑物对象、交通设施对象、辅助设施对象,各类对象使用不规则三角形网络模型描述其几何属性。在此基础上增加语义属性标记形成带语义信息的不规则三角网,本发明将带语义信息的不规则三角网标记为STIN。进一步可将建筑物对象、交通设施对象以及辅助设施对象细分为三个组成部分,即顶面子对象、立面子对象与底面子对象。
为根据STIN对象描述方法,通过三角网表达物方对象,并赋予相应的语义信息,实施例中步骤1的实现方式包括以下步骤,
步骤1.1,STIN定义,包括几何属性与语义属性:其中几何属性使用不规则三角网进行表达,采用顶点、三角形面列表数据结构进行存储,将原有模型中非三角网表达数据转换成顶点、三角网数据并赋到对象几何属性,具体实现为现有技术;语义属性主要描述地物的专题类型,根据三维城市建模规范中类型定义,将对象的专题属性赋值为建筑物、交通设施、地形与辅助设施类型;
步骤1.2,对各地物对象进一步划分子对象:建立建筑物模型对象、交通设施对象以及辅助设施对象的子对象:定义顶面子对象、立面子对象与底面子对象。每一个子对象同样采用几何属性与语义属性进行表达。具体实施时,可按如下方式构建顶面、立面与底面子对象的STIN描述:
当地物对象数据模型几何数据为非三角网数据时,取出地物对象的所有顶点,使用现有技术中的快速Delaunay算法,构建表达地物对象的几何属性;对建筑物模型、交通设施模型以及辅助设施模型,首先判断不规则三角网中三角形法线方向是否与地面水平面平行,当法线方向与地面水平面平行时,则三角形的语义属性标识为立面属性;本文三角形的表达使用逆时针顺序表达,以右手规则判断,当三角形法向方向垂直于地面水平面且指向上方时,三角形的语义属性为顶面,反之,若而三角形的法向垂直地面水平面且方向向下时,定义三角形的语义属性为底面。具体实施时,可以适当放宽立面的认定标准,例如遍历对象模型中不规则三角网中的每一个三角形,对顶面与底面法向方向判断设置阀值为正负20度,即与地面水平面夹角在正负20度范围内,可确定为顶面或底面,超过此范围都统一归类为立面。确定不规则三角网中的每一个三角性的属性后,即可得到各地物对象的顶面、立面与底面子对象。
步骤1.3,构建顶面子对象的多边形边界对象(如图2所述边界):只记录其几何属性,描述顶面的边界图形。具体实施时,可取出顶面子对象的STIN结构中几何属性的三角形,获取其顶点,投影为平面二维点,使用现有技术中的凸多边形扫描线算法生成顶面子对象的边界,记录为逆时针方向点集。
步骤2,只利用地形对象和地物对象中的底面子对象的边界(忽略高程,也就是其在水平面上的投影),构建数字地表模型(DSM)基于STIN的无缝拼接。
步骤2根据以下无缝DSM构建方法,通过地形与地物三角网重构和融合,生成无缝DSM。该方法实现方式包括以下步骤,
步骤2.1,取出每个地物对象的STIN(简称地物STIN),计算地物对象底面子对象的边界,可参考步骤1.3中的方法。具体实施时,可使用逆时针方向点集表达,然后按点集中点的顺序两两相连,最后使点集中终点与起点相连,形成底面子对象的闭合多边形,简称地物底面边界多边形;
步骤2.2,以步骤2.1所得各地物底面边界多边形为待处理的地物底面边界多边形,分别与地形对象STIN结构中的不规则三角网进行空间求交处理,根据地形对象几何属性中的三角形是否位于地物底面边界多边形内有如下几种情况,
当地形对象的三角形完全位于地物底面边界多边形内时,将此三角形从地形对象的现有不规则三角网中删除;
当地物对象的地物底面边界多边形与地形对象的三角形相交时,若与三角形二条边相交,形成完全剖切,记录相关交点。三角形求交构成完全剖切后的处理流程为:三角形经完全剖切形成两部分,将包含于地物底面边界多边形内的一部分进行删除,并对剩余部分中非三角形的情况使用对角线连接三角化,生成新的三角形并增加到地形对象的不规则三角网中。
当地物底面边界多边形求交边不够长,不能与地形对象的三角形二条边相交时,定义为不完全剖切,例如图3所示:地物底面多边形GROUD表达为点集(O、P、Q、M、N),三角形TRA表达为(C1、C2、C3),多边形中边OP与PQ对三角形C1C2C3形成不完全剖切。因此,需要首先对三角形C1C2C3进行剖分,方法是将三角形的顶点与位于三角形内的多边形顶点相连,生成新的三角形,然后待处理的地物底面边界多边形基于新的三角形分别进行空间求交处理,处理方式和与原三角形的求交处理方式一致。如图3中,生成新的三角形P C1C2、三角形PC2C3、三角形PC3C1。将原三角形C1C2C3从不规则地形三角网中删除,将新生成的剖分三角形加入替换原三角形。然后地物底面边界多边形边OP与三角形的求交,可判断边OP与边C2C3相交于P1,三角形PC2C3继续完全剖切成三角形PC2P1与三角形PP1C3。可判断三角形PC2P1位于地物底面多边形内,根据完全剖切规则,应该去除,而将三角形PP1C3增加到地形不规则三角形网络中。对边PQ使用相同的方法处理,即三角形PP2C2删除,而三角形PC1P2加入到地形不规则三角网中。
在对所有地物对象的地物底面边界多边形进行以上处理后,实现了对重叠三角形删除,将形成地形对象与地物对象的无缝STIN表达。
步骤3,进行地物对象空间索引建立:基于步骤2所得地形对象与地物对象的无缝STIN表达,实施例取出地物对象中STIN表达的底面子对象的边界多边形,计算其二维最小外接矩形,应用已有公开的标准二维k-D树剖分算法,本领域技术人员可自行根据具体情况预设区域内平面三角形数量的阈值,建立XOY平面的物方k-D树空间索引,使得k-D树每一个叶节点中,三角形数量不超过阈值限制。
步骤4,建立像方对象及其空间索引。
实施例的具体实现如下:
步骤4.1,取出每一幅影像及其相关的内外方位参数,
利用影像匹配、影像分割、阴影检测或GIS辅助工具,提取像方对象,其结果表达为像素点集合;
步骤4.2,取出像方对象的边界像素点,将其行、列号值表达成平面二维点的X与Y值,以逆时针顺序,将所有点顺序排列,形成像方对象的边界多边形矢量表达;
步骤4.3,建立像方对象语义属性:根据像方对象的成像含义,采用与步骤1中一致的语义,定义像方对象的类型,如:按专题属性分为地形对象、地物对象及其细分的建筑物、交通设施与辅助设施,并且对地物对象也可细分子对象并将屋顶、立面与底面等作为语义定义,即所述像方对象也包括地形对象和地物对象,各地物对象包括顶面子对象、立面子对象和底面子对象;具体实施时,语义定义可由用户自行指定,或者作为影像的已知信息预先输入;
步骤4.4,在每一张影像上,取出每一个像方对象,根据像方对象的边界像素点,通过投影到地物空间,计算其外接包围矩形,然后应用外接包围矩形,依现有二维格网索引规则建立平面空间索引(即像方对象空间索引)。
步骤5,利用空中三角测量等得到的影像内外方位参数,根据共线方程计算物方对象和像方对象之间的映射关系,通过像方与物方对象的语义匹配关系,建立物方对象与像方对象的全局空间索引,即建立物方对象与像方对象一对多的关联关系。因为影像通常采用航拍得到,通常是反映建筑物等的顶面信息比较完整,因此可利用步骤1.3所得结果,采用顶面边界多边形代表建筑物等地物对象进行处理,地形对象也可直接将其STIN视为顶面,处理方式一致。当物方对象的顶面投影到像方时,在物方对象与对应像方对象专题属性一致的情况下,若其顶面边界投影点完整对应同一像方对象,则记为影像完整关联对象;若物方对象的顶面边界投影点不完全对应同一像方对象,记为影像部分关联对象。
步骤5根据所述物方与像方对象关系构建全局空间索引,确定物方对象与像方对象间一对多的映射对应关系,实现方式包括以下步骤,
步骤5.1,对所需要生成真正射区域的所有影像,依航带顺序,顺序遍历所有影像,每次取出航带中一张影像,使用相片参数与投影参数计算本张影像投影区域所对应的空间范围,使用矩形进行表达;
步骤5.2,应用矩形的空间范围对步骤3所得物方k-D树空间索引进行查询,查询得到空间范围内的地物对象,生成需要处理的地物对象集;
步骤5.3,遍历需要处理的地物对象集中每一个需要处理的地物对象(如图4所示物方对象P1、P2…),取出其顶面边界多边形,应用现有技术中的共线方程,计算物方对象投影到像方区域,通过像方区域来应用步骤4所得像方对象空间索引查找区域内的像方对象。如图4中,物方对象P1的顶面边界多边形有特征点Pa、Pb、Pc, Pa投影得到像方像素a1与a2,Pb投影得到像方像素b1、b2与b3,Pc投影得到像方像素c2与c3,查询得到上述像方像素a1、b1属于像方对象T1-1,像方像素a2、b2、c2属于像方对象T1-2,像方像素b3、c3属于像方对象T1-3,像方对象T1-1、T1-2和T1-3分别对应影像1、2、3,像方对象T1-1、T1-2和T1-3分别属于影像1、2、3;
步骤5.4,当物方对象的投影与像方对象完全匹配时,即当物方对象投影到像方的顶面边界多边形完整对应同一像方对象时,记录为完整关联对象,当物方对象的投影与像方对象不完全匹配时,即当物方对象投影到像方的顶面边界多边形不完整对应同一像方对象时,记录为部分关联对象,如图5中,物方对象P1与像方对象T1-2完整关联,与像方对象T1-1和T1-3部分关联;
步骤5.5,按步骤5.1到步骤5.4遍历完所需要生成真正射区域每一张影像后,遍历每一个物方对象,分别判断每一个物方对象是否在某影像上存在完整关联对象,
若物方对象在某影像上存在完整关联对象时,记录物方对象的所有完整关联像方对象,生成完整关联对象列表,如图5所示,物方对象P1与像方对象T1-2完整关联,与像方对象T1-1、T1-3不完整关联;
若物方对象在所有影像上均不存在完整关联对象,进入步骤5.6。
步骤5.6,此时某物方对象在所有影像上均不存在完整关联对象,将物方对象细分,使用其不规则三角网中三角形来表达子对象,对每一个三角形子对象作为需要处理的地物对象,生成需要处理的地物对象集,使用步骤5.3至步骤5.5的流程,生成三角形子对象的完整关联像方对象;若最终某三角形子对象并不能生成完整关联对象,则记录三角形子对象的全部部分关联对象,生成部分关联对象列表。
上述流程所得所有完整关联对象列表和部分关联对象列表构成物方对象与像方对象的全局空间索引。
步骤6,根据语义信息筛选,进行优化采样,输出真正射影像。
实施例通过对象语义筛选,在真正射纠正的采样过程中准确、高效、自动的采集最优纹理。步骤6的流程如图6所示,对每一个待处理的物方对象,具体实现包括以下步骤:
步骤6.1,从待处理的物方对象出发,计算物方对象的空间范围,并使用地面分辨率计算真正射区域的像素值的行、列数,使用行、列数量创建空白影像;空白影像的格式使用原始影像的格式,如原始影像使用24位RBG三通道时,结果的影像使用相同的颜色格式定义;若原始影像为黑白影像时,真正射结果影像的格式设置为灰度影像;
步骤6.2,取出待处理的物方对象的关联像方对象,计算采样像方对象排序。
对物方对象,通过全局空间索引查询得到其关联的像方对象。首先判断其所关联的像方对象是否存在步骤5中所建立的完整关联对象,
不存在完整关联对象时进入步骤6.4,
当物方对象存在像方的完整关联对象时,而且当其完整关联对象存在多个像方对象时,可计算不同像方对象的采样权值,计算每一个像方对象的权值后,对所有像方对象按权值由大到小顺序排序,选择序列中第一个像方对象为优化采样对象,然后进入步骤6.3。具体实施时,本领域技术人员可自行选择设定计算采用权值的函数,例如使用现有的考虑方向、距离的权值函数。图7示例表示建筑物对象B1到B5以及地形对象E1到E11在相邻航带中不同相片上的优化采样分布,在航带1、2上分别拍摄了3张相片,航带1上相片1提供E10的优化采样对象,航带1上相片2提供E5、B3、E1、B1的优化采样对象,航带2上相片1提供E9、B5的优化采样对象,航带2上相片2提供B4、E8、E6、E3、B2、E4、E2的优化采样对象,航带2上相片3提供E7、E11的优化采样对象。
当物方对象存在像方的完整关联对象时,而且当其完整关联对象仅为一个像方对象时,默认该像方对象为优化采样对象,然后进入步骤6.3。
步骤6.3,优化重采样
对待处理的物方对象及步骤6.2所得相应作为优化采样对象的像方对象,应用共线方程,生成真正射影像中对应像素值重采样结果。具体步骤是,通过共线方程计算物方对象中每一个地面像素点所对应的像方对象的位置,取出其像方对象的位置的灰度值作为优化采样的真正射影像的灰度值,写入到步骤6.1中生成的空白影像的相应位置,然后进入步骤6.5。地面采样点的位置,通过设置的分辨率使用行、列号进行计算,计算过程中使用常见的二维线性插值算法得到地面点的高程值,然后再使用现有技术中的共线方程进行计算。
步骤6.4,不完整关联对象重采样。
当待处理的物方对象并不存在完整关联的像方对象时,需要对待处理的物方对象进行细分,利用步骤5.6生成的三角形子对象的关联对象进行真正射纠正与采样。取出待处理的物方对象中每一个三角形子对象,通过步骤6.2的方法计算得到优化采样像方对象,则依照步骤6.3的方法对三角形子对象进行优化重采样;
由于成像时的条件限制以及影像遮挡等问题,细分后三角形子对象仍不存在可采样像方对象时,说明对象仍不能完整覆盖,即对某三角形子对象执行步骤6.2后仍未找到优化采样对象,则需要采用现有的非真实纹理补偿技术进行灰度采样,即使用原始影像中邻近像素计算其灰度均值实现灰度采样,以拟合真正射影像。
流程可设计为,以每一个三角形子对象为待处理的物方对象,分别执行步骤6.2,对找到相应优化采样对象的三角形子对象进入步骤6.3优化重采样,对找不到的采用非真实纹理补偿技术进行灰度采样;对每一个三角形子对象处理完后进入步骤6.5。
步骤6.5 对象影像合成与匀光
判断是否对所有物方对象完成处理,若否则返回步骤6.1读取下一个物方对象,作为新的待处理的物方对象进行处理。当完成所有物方对象的重采样后,根据真正射影像的灰度值来源的不同像方对象,通过不同影像的辐射度信息、像片的色彩信息等计算匀光,合成生成真正射影像,结束流程。
为了证明本发明效果,使用SWDC-5相机获取的广东阳江地区6幅航空影像进行实验,交互式提取了像方和物方对象,生成STIN模型,并建立了多视影像全局可见性索引,进行面向对象的真正射影像优化采样实验;同时采用经典的Z-buffer算法进行遮挡检测和“像素级”真正射影像纠正与采样进行对比实验。对比分析两种方法的结果图证明,像素级挖补采样结果中房屋边缘出现锯齿现象,补偿后的纹理也存在明显的辐射差异,需要后续复杂的交互式匀光与羽化等辐射处理;对象级优化采样方法的结果中房屋边界无锯齿现象,建筑物边界轮廓分明,影像纹理更加规整,建筑物倾斜及墙面纹理完全消除,影像色彩均匀,阴影自然真实。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种对象语义约束的真正射影像优化采样方法,其特征在于,包括以下步骤:
步骤1,定义并提取物方对象,采用STIN进行表达,所述STIN为带语义信息的不规则三角网;所述物方对象包括地形对象和地物对象,各地物对象包括顶面子对象、立面子对象和底面子对象;
步骤1中,所述物方对象采用STIN进行表达,包括几何属性使用不规则三角网进行表达,语义属性根据对象专题赋值为建筑物、交通设施、地形或辅助设施;物方对象的各地物对象中,顶面子对象的不规则三角网中三角形的语义属性标识为顶面,立面子对象的不规则三角网中三角形的语义属性标识为立面,底面子对象的不规则三角网中三角形的语义属性标识为底面;
步骤2,基于步骤1所得地形对象和地物对象的底面子对象的边界,构建数字地表模型基于STIN的无缝拼接;
步骤3,根据步骤2所得无缝拼接后STIN中地物对象的底面子对象的边界,建立物方对象空间索引;
步骤4,建立像方对象及像方对象空间索引,所述像方对象具有语义属性;所述像方对象包括地形对象和地物对象,各地物对象包括顶面子对象、立面子对象和底面子对象;
步骤4中,像方对象的语义属性根据对象专题赋值为建筑物、交通设施、地形或辅助设施;像方对象的各地物对象中,顶面子对象的语义属性标识为顶面,立面子对象的语义属性标识为立面,底面子对象的语义属性标识为底面;
步骤5,计算物方对象和像方对象之间的映射关系,基于像方对象与物方对象的语义匹配关系,建立物方对象与像方对象的全局空间索引;
步骤5包括以下子步骤,
步骤5.1,对所需要生成真正射区域的所有影像,依航带顺序,顺序遍历所有影像,每次取出航带中一张影像,使用相片参数与投影参数计算本张影像投影区域所对应的空间范围,使用矩形进行表达;
步骤5.2,应用矩形的空间范围对步骤3所得物方对象空间索引进行查询,查询得到空间范围内的地物对象,生成需要处理的地物对象集;
步骤5.3,遍历需要处理的地物对象集中每一个需要处理的地物对象,取出顶面子对象的边界多边形,应用共线方程,计算物方对象投影到像方区域,通过像方区域来应用步骤4所得像方对象空间索引查找区域内像方对象;
步骤5.4,当物方对象的投影与像方对象完全匹配时,记录为完整关联对象;当物方对象的投影与像方对象不完全匹配时,记录为部分关联对象;
物方对象的投影与像方对象完全匹配,是指物方对象投影到像方的边界点完整对应同一像方对象;
物方对象的投影与像方对象不完全匹配,是指物方对象投影到像方的边界点不完整对应同一像方对象;
步骤5.5,按步骤5.1到步骤5.4遍历完所需要生成真正射区域每一张影像后,遍历每一个物方对象,分别判断每一个物方对象是否在某影像上存在完整关联对象,
若物方对象在某影像上存在完整关联对象时,记录物方对象的所有完整关联像方对象,生成完整关联对象列表;
若物方对象在所有影像上均不存在完整关联对象,进入步骤5.6;
步骤5.6,将物方对象细分,使用其不规则三角网中三角形作为子对象,对每一个三角形子对象作为需要处理的地物对象,生成需要处理的地物对象集,返回步骤5.3,生成三角形子对象的完整关联像方对象;若对某三角形子对象未生成完整关联对象,则记录三角形子对象的全部部分关联对象,生成部分关联对象列表;
步骤6,基于步骤5所得物方对象与像方对象的全局空间索引,进行优化采样,输出真正射影像。
2.根据权利要求1所述对象语义约束的真正射影像优化采样方法,其特征在于:步骤6包括以下子步骤,
步骤6.1,从待处理的物方对象出发,计算物方对象的空间范围,并使用地面分辨率计算真正射区域的像素值的行、列数,使用行、列数量创建空白影像;
步骤6.2,取出待处理的物方对象的关联像方对象,计算采样像方对象排序,实现方式如下,
对物方对象,首先判断其所关联的像方对象是否存在步骤5中所建立的完整关联对象,不存在完整关联对象时进入步骤6.4,
当存在且其完整关联对象有多个像方对象时,计算每一个像方对象的权值并按权值由大到小排序,选择序列中第一个像方对象为优化采样对象,然后进入步骤6.3;
当存在且其完整关联对象仅有一个像方对象时,默认该像方对象为优化采样对象,然后进入步骤6.3;
步骤6.3,优化重采样,包括对待处理的物方对象及步骤6.2所得相应作为优化采样对象的像方对象,应用共线方程,计算真正射影像中对应像素值重采样,并写入到步骤6.1中生成的空白影像的相应位置,然后进入步骤6.5;
步骤6.4,不完整关联对象重采样,所述不完整关联对象重采样包括利用步骤5生成的三角形子对象关联的像方对象,以每一个三角形子对象为待处理的物方对象,分别执行步骤6.2,对找到相应优化采样对象的三角形子对象进入步骤6.3优化重采样,对找不到的采用非真实纹理补偿技术进行灰度采样;对每一个三角形子对象处理完后进入步骤6.5;
步骤6.5,对象影像合成与匀光,包括判断是否对所有物方对象完成处理,若否则返回步骤6.1读取下一个物方对象作为待处理的物方对象进行处理;当完成所有物方对象的处理后,进行匀光,生成真正射影像。
3.根据权利要求1或2所述对象语义约束的真正射影像优化采样方法,其特征在于:地物对象的不规则三角网中,当三角形法线方向与地面水平面平行时,则三角形的语义属性为立面属性;以右手规则判断,当三角形法向方向垂直于地面水平面且指向上方时,三角形的语义属性为顶面,当三角形的法向垂直地面水平面且方向向下时,三角形的语义属性为底面。
4.根据权利要求1或2所述对象语义约束的真正射影像优化采样方法,其特征在于:步骤2的实现方式为,以每个地物对象的底面子对象的边界分别为待处理的地物底面边界多边形,分别与地形对象的不规则三角网内三角形进行空间求交处理如下,
当地形对象的三角形完全位于地物底面边界多边形内时,将此三角形从地形对象的不规则三角网中删除;
当地物底面边界多边形与地形对象的三角形二条边相交时,形成完全剖切,记录相关交点;形成完全剖切后的处理流程为,三角形经完全剖切形成两部分,将包含于地物底面边界多边形内的一部分进行删除,并对剩余部分中非三角形的情况使用对角线连接三角化,生成新的三角形并增加到地形对象的不规则三角网中;
当地物底面边界多边形不能与地形对象的三角形二条边相交时,定义为不完全剖切,将三角形的顶点与位于三角形内的地物底面边界多边形顶点相连,生成新的三角形替换原三角形,然后待处理的地物底面边界多边形基于新的三角形分别进行空间求交处理。
5.根据权利要求1或2所述对象语义约束的真正射影像优化采样方法,其特征在于:步骤3的实现方式为,以每个地物对象的底面子对象的边界计算二维最小外接矩形,根据预设的区域内平面三角形数量的阈值,采用标准二维k-D树剖分算法建立物方对象空间索引,使得k-D树每一个叶节点中,三角形数量不超过阈值限制。
6.根据权利要求1或2所述对象语义约束的真正射影像优化采样方法,其特征在于:步骤4中建立像方对象空间索引的实现方式为,在每一张影像上,取出每一个像方对象,根据像方对象的边界像素点,通过投影到地物空间计算外接包围矩形,然后按照二维格网索引规则建立平面空间的像方对象空间索引。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410095545.5A CN103839286B (zh) | 2014-03-17 | 2014-03-17 | 一种对象语义约束的真正射影像优化采样方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410095545.5A CN103839286B (zh) | 2014-03-17 | 2014-03-17 | 一种对象语义约束的真正射影像优化采样方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103839286A CN103839286A (zh) | 2014-06-04 |
CN103839286B true CN103839286B (zh) | 2016-08-17 |
Family
ID=50802751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410095545.5A Expired - Fee Related CN103839286B (zh) | 2014-03-17 | 2014-03-17 | 一种对象语义约束的真正射影像优化采样方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103839286B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599251B (zh) * | 2015-01-28 | 2017-07-28 | 武汉大学 | 一种真正射影像绝对遮挡区域修补方法及系统 |
CN108170823B (zh) * | 2018-01-04 | 2021-10-15 | 江西师范大学 | 一种基于高层语义属性理解的手绘交互式三维模型检索方法 |
CN109191557B (zh) * | 2018-09-11 | 2023-05-02 | 中国科学院国家天文台 | 立体地形图的影像纹理映射方法及装置 |
CN109919951B (zh) * | 2019-03-14 | 2022-07-19 | 武汉大学 | 语义关联的面向对象城市不透水面遥感提取方法及系统 |
CN110135354B (zh) * | 2019-05-17 | 2022-03-29 | 武汉大势智慧科技有限公司 | 一种基于实景三维模型的变化检测方法 |
CN111028349B (zh) * | 2019-10-24 | 2023-08-18 | 宝略科技(浙江)有限公司 | 一种适用于海量三维实景数据快速可视化的层级构建方法 |
CN117575976B (zh) * | 2024-01-12 | 2024-04-19 | 腾讯科技(深圳)有限公司 | 图像阴影的处理方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290222A (zh) * | 2008-06-13 | 2008-10-22 | 北京天下图数据技术有限公司 | 通过真正射影像快速构建三维建筑物场景的方法 |
CN102496181A (zh) * | 2011-10-31 | 2012-06-13 | 中国地质大学(武汉) | 面向规模化生产的真正射影像制作方法 |
CN103017739A (zh) * | 2012-11-20 | 2013-04-03 | 武汉大学 | 基于激光雷达点云与航空影像的真正射影像的制作方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200840993A (en) * | 2007-04-04 | 2008-10-16 | Univ Nat Central | Ortho-rectification method of photogrammetry with high-spatial resolution |
US20110137547A1 (en) * | 2009-12-03 | 2011-06-09 | Electronics And Telecommunications Research Institute | System and method for generating spatial information |
-
2014
- 2014-03-17 CN CN201410095545.5A patent/CN103839286B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101290222A (zh) * | 2008-06-13 | 2008-10-22 | 北京天下图数据技术有限公司 | 通过真正射影像快速构建三维建筑物场景的方法 |
CN102496181A (zh) * | 2011-10-31 | 2012-06-13 | 中国地质大学(武汉) | 面向规模化生产的真正射影像制作方法 |
CN103017739A (zh) * | 2012-11-20 | 2013-04-03 | 武汉大学 | 基于激光雷达点云与航空影像的真正射影像的制作方法 |
Non-Patent Citations (2)
Title |
---|
面向对象的真正射影像纠正方法;朱庆等;《武汉大学学报》;20130731;第38卷(第7期);757-760 * |
面向真正射影像处理的对象定义及其语义关联;于杰等;《地理信息世界》;20131031;第20卷(第5期);21-25 * |
Also Published As
Publication number | Publication date |
---|---|
CN103839286A (zh) | 2014-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109872397B (zh) | 一种基于多目立体视觉的飞机零件的三维重建方法 | |
CN103839286B (zh) | 一种对象语义约束的真正射影像优化采样方法 | |
CN110264567B (zh) | 一种基于标记点的实时三维建模方法 | |
Chiabrando et al. | SfM for orthophoto to generation: A winning approach for cultural heritage knowledge | |
Alshawabkeh et al. | Integration of digital photogrammetry and laser scanning for heritage documentation | |
CN111060924B (zh) | 一种slam与目标跟踪方法 | |
Haala et al. | Extracting 3D urban models from oblique aerial images | |
WO2018061010A1 (en) | Point cloud transforming in large-scale urban modelling | |
CN109255808B (zh) | 基于倾斜影像的建筑物纹理提取方法和装置 | |
Alidoost et al. | An image-based technique for 3D building reconstruction using multi-view UAV images | |
JP4058293B2 (ja) | レーザスキャナデータと空中写真画像を用いた高精度都市モデルの生成方法及び高精度都市モデルの生成システム並びに高精度都市モデルの生成のプログラム | |
CN111652241B (zh) | 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法 | |
CN112465849B (zh) | 一种无人机激光点云与序列影像的配准方法 | |
CN103871072A (zh) | 基于投影数字高程模型的正射影像镶嵌线自动提取方法 | |
Karsli et al. | Automatic building extraction from very high-resolution image and LiDAR data with SVM algorithm | |
Zhang et al. | Lidar-guided stereo matching with a spatial consistency constraint | |
CN114998545A (zh) | 一种基于深度学习的三维建模阴影识别系统 | |
Gao et al. | Multi-source data-based 3D digital preservation of largescale ancient chinese architecture: A case report | |
CN112767459A (zh) | 基于2d-3d转换的无人机激光点云与序列影像配准方法 | |
Zhou et al. | 3D building change detection between current VHR images and past lidar data | |
Inzerillo et al. | High quality texture mapping process aimed at the optimization of 3d structured light models | |
Krauß et al. | Generation of coarse 3D models of urban areas from high resolution stereo satellite images | |
Chen et al. | True orthophoto generation using multi-view aerial images | |
Lee et al. | Determination of building model key points using multidirectional shaded relief images generated from airborne LiDAR data | |
Zhu | A pipeline of 3D scene reconstruction from point clouds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160817 Termination date: 20210317 |