CN105184854A - 针对地下空间扫描点云成果数据的快速建模方法 - Google Patents

针对地下空间扫描点云成果数据的快速建模方法 Download PDF

Info

Publication number
CN105184854A
CN105184854A CN201510518545.6A CN201510518545A CN105184854A CN 105184854 A CN105184854 A CN 105184854A CN 201510518545 A CN201510518545 A CN 201510518545A CN 105184854 A CN105184854 A CN 105184854A
Authority
CN
China
Prior art keywords
cloud
point
modeling
data
model
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
Application number
CN201510518545.6A
Other languages
English (en)
Other versions
CN105184854B (zh
Inventor
朱军
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.)
Beijing Maggroup Technology Co Ltd
Original Assignee
Beijing Maggroup Technology Co Ltd
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 Beijing Maggroup Technology Co Ltd filed Critical Beijing Maggroup Technology Co Ltd
Priority to CN201510518545.6A priority Critical patent/CN105184854B/zh
Publication of CN105184854A publication Critical patent/CN105184854A/zh
Application granted granted Critical
Publication of CN105184854B publication Critical patent/CN105184854B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Processing Or Creating Images (AREA)

Abstract

本发明公开一种针对地下空间扫描点云成果数据的快速建模方法,该方法对受测对象特征明确、结构相对简单的地下空间激光扫描点云数据进行快速识别,并在加入简单参数后,能够自动创建符合分类要求的三维空间模型,并根据对象明显特征进行分类管理。本发明的关键在于在建模过程中采用拟合方式拼接简单几何立方体并采取收敛方式确保精度的三维建模技术。该方法使用多种几何立体对象进行组合,在对点云数据进行结算的基础上,对建模对象的主体结构进行自动建模。整个建模过程放弃了过去三角网构建过程中海量运算,直接采取拟合方式对建模对象进行立面建模计算,大大节省了建模时间,节约了建模计算资源。推动激光三维扫描技术在测绘领域的实用化使用。

Description

针对地下空间扫描点云成果数据的快速建模方法
技术领域
本发明涉及一种针对地下空间扫描点云成果数据的快速建模方法,属于三维激光扫描技术领域。
背景技术
三维激光扫描技术是近年来兴起的一种新型精确扫描技术,以精度高、细节表现全面为主要技术突破点,广泛应用于影视、测量测绘、逆向工程等领域,是当前最可靠的计算机读取现实世界的技术途径。但是激光扫描后的点云数据是一种离散数据对象,无法进行精准量测,因而需要在点云数据基础开展三维空间模型建模,使之变成完整模型对象,并加以应用。
这个建模过程能够在毫无关联关系的点对象之间,以位置关系为主要线索,逐级创建连接,也即通常所说的“三角网”。一般来说,形成三角网构成的三维模型能够用于实景重现、外观仿真等应用场景,例如3D打印。
在三角网建模的基础之上,对模型对象进行数学化转换,即以数学公式对某些点线面进行取代表达,使对模型的描述脱离海量的点云数据,进而使用数量极少的特征点和特征点之间的变化关系对模型进行描述。通常而言,一个使用三角网描述的空间模型对象通常需要几万至几千万个点进行描述,而进行数学化转换以后,通常只需要几十至几百个点就能完成描述,大大提升了单位数据中的信息含量。当前测量测绘领域中的建筑物建模、地表三维建模等工作都采用了此类技术。
现有点云建模工具、算法主要是基于点对象三角网技术创建的,优点是能够精确展现模型细节,但存在建模时间长、数据量大、易出错等问题。对于大规模模型如建筑物、地下空间等大型相对规整对象进行建模时,问题尤其突出,同时由于建模精度远高于建模对象的实际管理要求,因而会导致数据处理、建模工作投入的大量浪费。
发明内容
本发明为现有技术中存在的问题,提供一种针对地下空间扫描点云成果数据的快速建模方法,该方法针对建筑物、地下空间等大型相对规整对象建模需求而创造,对受测对象特征明确、结构相对简单的地下空间激光扫描点云数据进行快速识别,并在加入简单参数后,能够自动创建符合分类要求的三维空间模型,并根据对象明显特征进行分类管理。该方法使用多种几何立体对象(多边形柱体、圆柱体、球体、多边形梯形体、三角多面体、管形柱体等)进行组合,在对点云数据进行结算的基础上,对建模对象的主体结构进行自动建模。整个建模过程放弃了过去三角网构建过程中海量运算,直接采取拟合方式对建模对象进行立面建模计算,大大节省了建模时间,节约了建模计算资源。
本发明为解决上述技术问题所采用的技术方案如下:
一种针对地下空间扫描点云成果数据的快速建模方法,包括以下步骤:
S1:读取地下空间对象的点云数据并删除畸点数据,畸点数据是指在整体点云数据中,具有严重偏离、向外发散特征表现的点对象;
S2:预判形体参数,若形体参数可用,则进行步骤S4,若形体参数不可用,则进行步骤S3,所述形体参数可用是指创建出来的对象能够与点云数据进行拟合;
S3:人为干预参数,对不可用的形体参数结果进行修正;
S4:构建边际面模型,根据形体边界以及边界垂直方向点云延伸判断,在各个相对垂直面中进行边际面模型的创建;
S5:以拟合方式拼合各边际面模型,形成主体模型;
S6:判断主体模型是否为封闭模型,若是,则进行表面点云浮点差计算,并对超过浮点差范围的群落点云数据进行偏离值收敛纠正,若不是封闭模型,则转入步骤S3。
进一步,步骤S2中预判形体参数的方法为采用凸多边形拼合方式对空间对象的形状进行分析,并计算空间对象分别在X、Y、Z轴方向的平面个数。
进一步,步骤S4中所述的边际面为一个平面四边形,构建边际面模型的方法为:通过点云中点的连续性来确定平面四边形每个边的位置、长度及顶点。
进一步,步骤S5中所述的以拟合方式拼合各边际面模型的过程为:根据各相邻边际面的邻接、交叉情况进行边与边之间的对接,形成弯折曲面,将该弯折曲面与其影响范围内的点云数据形成的连接曲面进行吻合度判断,通过拉直连接曲面的方式对弯折曲面进行调整,使弯折曲面与连接曲面近似吻合,形成主体模型。
进一步,步骤S6中所述表面点云浮点差是指单一点云数据对象到邻近面的垂直距离;所述浮点差范围是指相邻点云对象距离小于3倍点云平均邻接距离且密度大于1/3点云平均密度的范围;所述群落是指在浮点差范围内具有同一特征的点云数据对象构成的集合。
再进一步,步骤S6中对群落点云数据进行偏离值收敛纠正的方法为:对于相邻点云超过浮点差范围的群落,根据该群落点云连接曲面进行拉直处理,构建吻合该群落点云对象的简单多边形曲面,并将该简单多边形曲面与既有模型进行交叉连接,形成新的主体模型。
本发明最主要特点是:该方法使用多种几何立体对象(多边形柱体、圆柱体、球体、多边形梯形体、三角多面体、管形柱体等)进行组合,在对点云数据进行结算的基础上,对建模对象的主体结构进行自动建模。整个建模过程放弃了过去三角网构建过程中海量运算,直接采取拟合方式对建模对象进行立面建模计算,大大节省了建模时间,节约了建模计算资源。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是比较典型的地下空间点云数据;
图2是本发明的建模流程图;
图3是畸点数据示意图,被圈的部分是畸点数据;
图4是对空间对象形体以多边形柱状体集合进行表示的示意图;
图5是对不可用的形体参数结果进行人为干预修正的示意图;
图6是所构建的边际面模型示意图;
图7是表面点云浮点差示意图;
图8是对主体模型进行收敛的示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
一种针对地下空间扫描点云成果数据的快速建模方法,如图2所示,包括以下步骤:
S1:读取地下空间对象的点云数据并删除畸点数据,畸点数据是指在整体点云数据中,具有严重偏离、向外发散特征表现的点对象,如图3所示;在进行空间对象形体判断时,默认对象形体是保持基本连续的,畸点数据会表现为少数的、独立于整体数据之外的、无法连续形变的特征,因此可以根据现有技术中有关删除的算法对其进行去除。
S2:预判形体参数,若形体参数可用,则进行步骤S4,若形体参数不可用,则进行步骤S3。形体参数是空间对象在各个方向上(X、Y、Z轴方向)的平面个数,例如简单的立方体,其形体参数为(2、2、2),所述形体参数可用是指创建出来的对象能够与点云数据进行拟合,当形体参数不正确时,创建出来的对象会无法与点云进行较好的拟合,如矩形立方体就无法与L形状的柱状体拟合,因此可以判断不可用。预判形体参数的方法为采用凸多边形(多边形柱体、圆柱体、球体、多边形梯形体、三角多面体、管形柱体等)拼合方式对空间对象的形状进行分析,如图4所示,并计算空间对象分别在X、Y、Z轴方向的平面个数。
S3:人为干预参数,对不可用的形体参数结果进行修正,例如L形柱状体可以看做是形体参数为(3、3、2)的柱状体,通过目视来进行判断,如图5所示,通过手动输入方式或其他方式对参数进行修正。
S4:构建边际面模型,根据形体边界以及边界垂直方向点云延伸判断,在各个相对垂直面中进行边际面模型的创建,所述的边际面应当为一个平面四边形,如图6所示。构建边际面模型的方法为:通过点云中点的连续性来确定平面四边形每个边的位置、长度及顶点。
S5:以拟合方式拼合各边际面模型,形成主体模型。具体过程为:根据各相邻边际面的邻接、交叉情况进行边与边之间的对接,形成弯折曲面,将该弯折曲面与其影响范围内的点云数据形成的连接曲面进行吻合度判断,通过拉直点云曲面的方式对弯折曲面进行调整,使弯折曲面与连接曲面近似吻合,形成主体模型。本步骤做说明如下:点云的连接面是一个非常复杂的面,在进行吻合度判断的时候很不利于计算,所以要对这个面进行一定程度的拉直处理,然后判断拉直后的点云曲面和初始生成的弯折曲面之间的吻合度,最终调整弯折曲面。点云曲面和弯折曲面的关系如下:
点云数据→点云数据连接曲面→拉直后的曲面,拉直后的曲面是对比判断的依据,弯折曲面是建模过程中创建出来的主体模型的一部分,是要分析是否正确的对象,正确的话该弯折曲面就是结果,不正确的话在它基础上进行调整。
S6:判断主体模型是否为封闭模型,若是,则进行表面点云浮点差计算,并对超过浮点差范围的群落点云数据进行偏离值收敛纠正,如图8所示(图8是用来表示在某一范围内,进行浮点差运算时,能够发现一部分浮点差较小,另一部分浮点差较大,图中表示的浮点差变化在建模过程中是比较常见的一个例子)。若不是封闭模型,则转入步骤S3。所述表面点云浮点差是指单一点云数据对象到邻近面的垂直距离,如图7所示,该浮点差的判断依据根据模型精度要求来确定。目前一般建筑空间的精度要求为小于0.01米,因此浮点差的一般判断标准为小于0.005米,该数值为经验数值。所述浮点差范围是指相邻点云对象距离小于3倍点云平均邻接距离且密度大于1/3点云平均密度的范围;所述群落是指在浮点差范围内具有同一特征的点云数据对象构成的集合。对群落点云数据进行偏离值收敛纠正的方法为:对于相邻点云超过浮点差范围的群落,根据该群落点云连接曲面进行拉直处理,构建吻合该群落点云对象的简单多边形曲面,并将该简单多边形曲面与既有模型进行交叉连接,形成新的主体模型。
本发明是针对点云数据到三维空间模型的连续处理过程,能够实现从离散数据对象到矢量的三维空间模型的数字化转换和构建。在一个实施例中,本发明所述方法具体如下:
1.地下空间三维激光扫描点云数据特征。
在地下空间中进行扫描时,由于空间转折、空间内物体较多,容易形成点云数据遮挡,数据质量较差;同时由于地下空间构建过程以及施工成本等原因,通常情况下地下空间体的空间形状比较简单,大多数空间体能够通过简单几何空间对象的交集、并集、差集等方式进行描述。图1是地下空间点云数据,图2是本发明的建模流程图。
2.去除点云畸点数据。
由于地下空间点云数据是对地下空间可测范围内对象的表现,因此整体点云的外周边数据,表现为连续的、相邻的数据集合。因此,在整体点云数据中,出现严重偏离、向外发散等特征表现的点对象属于畸点数据,应被排除投入建模运算之中。图3中上方被圆圈标示的部分是需要去除的畸点数据。3.预判形体参数。
对空间对象形体的大致形状进行分析,优先以多边形柱状体集合来进行判断,并计算X、Y、Z各轴上的面对象个数,如图4所示。
4.人为干预参数。
由于判断形体参数时,采用凸多边形拼合方式进行判断,因此在实际应用当中存在误判情况,因此可以通过目视方法,对自动判断的形体参数结果进行修正,如图5所示。
5.构建边际面模型。
在完成形体边际的判断后,根据边界以及边界垂直方向点云延伸判断,在各个相对垂直面中进行边际面模型的创建,如图6所示。
6.以拟合方式拼合各面,形成封闭的主体模型。
由于构建边际面时的初始边界是闭合的多边形,因此各个边际面具有较好的连接性,能够构成一个封闭的多面体对象主体模型。由于部分特殊情况的存在,因此在构建主体模型时,会依据方向、交叉等判断,创建一些小尺寸平面在模型中进行连接。
7.点云浮点差计算,并进行收敛纠正。
构建好的主体模型的创建依据是点云数据对象中整体的一部分代表性数据,因此代表性对象的不正确选择时可能会导致出现整体性偏离,因此在主体模型初步建成后,会进行点云对象浮点差计算,如图7所示。如果发现出现一个群落的相邻点云(群落判断依据为:相邻点云对象距离小于3倍点云平均邻接距离,且密度大于1/3点云平均密度时,该范围具有同一特征的点云数据对象构成一个群落)超过这个值的数据,需要进行收敛。收敛时,会根据该群落点云连接曲面进行拉直处理,构建吻合该群落点云对象的简单多边形曲面,并将该曲面与既有模型进行交叉连接,形成新的模型。
对于规模性出现较大浮点差的面对象,根据浮点差范围,进行面对象的调整,按照收敛原则,使浮点差收敛到均值接近0的状态,如图8所示。图8中柱状体表示点云数据到面对象的偏离值分布情况,根据规模性偏离的发生情况,图中底层深色部分进行了调整,使偏离值进行了收敛。当主体模型各面均实现偏离值收敛后,主体模型被认为符合点云数据表现。
本发明的关键在于在建模过程中对拟合方式拼接简单几何立方体并采取收敛方式确保精度的三维建模技术。采用本发明能够将地下空间测绘成图并建立三维模型的效率大大提升,从而将整体测绘成本大幅缩小,推动激光三维扫描技术在测绘领域的实用化使用。
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来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。

Claims (6)

1.一种针对地下空间扫描点云成果数据的快速建模方法,其特征在于,包括以下步骤:
S1:读取地下空间对象的点云数据并删除畸点数据,畸点数据是指在整体点云数据中,具有严重偏离、向外发散特征表现的点对象;
S2:预判形体参数,若形体参数可用,则进行步骤S4,若形体参数不可用,则进行步骤S3,所述形体参数可用是指创建出来的对象能够与点云数据进行拟合;
S3:人为干预参数,对不可用的形体参数结果进行修正;
S4:构建边际面模型,根据形体边界以及边界垂直方向点云延伸判断,在各个相对垂直面中进行边际面模型的创建;
S5:以拟合方式拼合各边际面模型,形成主体模型;
S6:判断主体模型是否为封闭模型,若是,则进行表面点云浮点差计算,并对超过浮点差范围的群落点云数据进行偏离值收敛纠正,若不是封闭模型,则转入步骤S3。
2.如权利要求1所述的针对地下空间扫描点云成果数据的快速建模方法,其特征在于,步骤S2中预判形体参数的方法为采用凸多边形拼合方式对空间对象的形状进行分析,并计算空间对象分别在X、Y、Z轴方向的平面个数。
3.如权利要求1所述的针对地下空间扫描点云成果数据的快速建模方法,其特征在于,步骤S4中所述的边际面为一个平面四边形,构建边际面模型的方法为:通过点云中点的连续性来确定平面四边形每个边的位置、长度及顶点。
4.如权利要求1所述的针对地下空间扫描点云成果数据的快速建模方法,其特征在于,步骤S5中所述的以拟合方式拼合各边际面模型的过程为:根据各相邻边际面的邻接、交叉情况进行边与边之间的对接,形成弯折曲面,将该弯折曲面与其影响范围内的点云数据形成的连接曲面进行吻合度判断,通过拉直点云曲面的方式对弯折曲面进行调整,使弯折曲面与连接曲面近似吻合,形成主体模型。
5.如权利要求4所述的针对地下空间扫描点云成果数据的快速建模方法,其特征在于,步骤S6中所述表面点云浮点差是指单一点云数据对象到邻近面的垂直距离;
所述浮点差范围是指相邻点云对象距离小于3倍点云平均邻接距离且密度大于1/3点云平均密度的范围;
所述群落是指在浮点差范围内具有同一特征的点云数据对象构成的集合。
6.如权利要求5所述的针对地下空间扫描点云成果数据的快速建模方法,其特征在于,步骤S6中对群落点云数据进行偏离值收敛纠正的方法为:对于相邻点云超过浮点差范围的群落,根据该群落点云连接曲面进行拉直处理,构建吻合该群落点云对象的简单多边形曲面,并将该简单多边形曲面与既有模型进行交叉连接,形成新的主体模型。
CN201510518545.6A 2015-08-24 2015-08-24 针对地下空间扫描点云成果数据的快速建模方法 Active CN105184854B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510518545.6A CN105184854B (zh) 2015-08-24 2015-08-24 针对地下空间扫描点云成果数据的快速建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510518545.6A CN105184854B (zh) 2015-08-24 2015-08-24 针对地下空间扫描点云成果数据的快速建模方法

Publications (2)

Publication Number Publication Date
CN105184854A true CN105184854A (zh) 2015-12-23
CN105184854B CN105184854B (zh) 2018-01-16

Family

ID=54906904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510518545.6A Active CN105184854B (zh) 2015-08-24 2015-08-24 针对地下空间扫描点云成果数据的快速建模方法

Country Status (1)

Country Link
CN (1) CN105184854B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108489513A (zh) * 2018-03-13 2018-09-04 北京麦格天宝科技股份有限公司 用于地下空间扫描点云方位校准系统及方法
CN108663029A (zh) * 2018-02-01 2018-10-16 深圳市建设综合勘察设计院有限公司 一种获取水下圆柱形基桩信息的方法、存储介质及终端
CN112734651A (zh) * 2020-12-17 2021-04-30 浙江静远电力实业有限公司 一种大坝廊道扫描点云成果数据快速建模的方法
CN113280798A (zh) * 2021-07-20 2021-08-20 四川省公路规划勘察设计研究院有限公司 隧道gnss拒止环境下车载扫描点云的几何纠正方法
CN113795728A (zh) * 2019-05-06 2021-12-14 伟摩有限责任公司 确定与光探测和测距(lidar)设备相关的放弃处理的策略的方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067868A (zh) * 2007-05-25 2007-11-07 同济大学 基于自适应平坦度将无序点云转换为三角网格的系统及方法
CN102136155A (zh) * 2010-01-27 2011-07-27 首都师范大学 基于三维激光扫描数据的物体立面矢量化方法和系统
CN104036544A (zh) * 2014-06-25 2014-09-10 西安煤航信息产业有限公司 一种基于机载LiDAR数据的建筑物屋顶重建方法
CN104484668A (zh) * 2015-01-19 2015-04-01 武汉大学 一种无人机多重叠遥感影像的建筑物轮廓线提取方法
US20150095002A1 (en) * 2013-09-27 2015-04-02 Fu Tai Hua Industry (Shenzhen) Co., Ltd. Electronic device and measuring method thereof

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067868A (zh) * 2007-05-25 2007-11-07 同济大学 基于自适应平坦度将无序点云转换为三角网格的系统及方法
CN102136155A (zh) * 2010-01-27 2011-07-27 首都师范大学 基于三维激光扫描数据的物体立面矢量化方法和系统
US20150095002A1 (en) * 2013-09-27 2015-04-02 Fu Tai Hua Industry (Shenzhen) Co., Ltd. Electronic device and measuring method thereof
CN104036544A (zh) * 2014-06-25 2014-09-10 西安煤航信息产业有限公司 一种基于机载LiDAR数据的建筑物屋顶重建方法
CN104484668A (zh) * 2015-01-19 2015-04-01 武汉大学 一种无人机多重叠遥感影像的建筑物轮廓线提取方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JULIE DIGNE: "An Analysis and Implementation of a Parallel Ball Pivoting Algorithm", 《IMAGE PROCESSING》 *
宋大虎 等: "三维散乱点云快速曲面重建算法", 《计算机应用研究》 *
李彩林 等: "多视角三维激光点云全局优化整体配准算法", 《测绘学报》 *
郭潇晟: "骨架引导的网格模型圆柱面参数化", 《计算机辅助设计与图形学学报》 *
陈伟,刘肖琳: "一种快速三维散乱点云的三角剖分算法", 《计算机仿真》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108663029A (zh) * 2018-02-01 2018-10-16 深圳市建设综合勘察设计院有限公司 一种获取水下圆柱形基桩信息的方法、存储介质及终端
CN108489513A (zh) * 2018-03-13 2018-09-04 北京麦格天宝科技股份有限公司 用于地下空间扫描点云方位校准系统及方法
CN108489513B (zh) * 2018-03-13 2020-08-28 北京麦格天宝科技股份有限公司 用于地下空间扫描点云方位校准系统及方法
CN113795728A (zh) * 2019-05-06 2021-12-14 伟摩有限责任公司 确定与光探测和测距(lidar)设备相关的放弃处理的策略的方法和系统
CN112734651A (zh) * 2020-12-17 2021-04-30 浙江静远电力实业有限公司 一种大坝廊道扫描点云成果数据快速建模的方法
CN113280798A (zh) * 2021-07-20 2021-08-20 四川省公路规划勘察设计研究院有限公司 隧道gnss拒止环境下车载扫描点云的几何纠正方法
CN113280798B (zh) * 2021-07-20 2021-10-01 四川省公路规划勘察设计研究院有限公司 隧道gnss拒止环境下车载扫描点云的几何纠正方法

Also Published As

Publication number Publication date
CN105184854B (zh) 2018-01-16

Similar Documents

Publication Publication Date Title
CN102521884B (zh) 一种基于LiDAR数据与正射影像的3维屋顶重建方法
CN110276732B (zh) 一种顾及地形特征线要素的山区点云空洞修复方法
Romero-Jarén et al. Automatic segmentation and classification of BIM elements from point clouds
CN105184854A (zh) 针对地下空间扫描点云成果数据的快速建模方法
CN103093456B (zh) 基于图像的玉米果穗性状指标计算方法
Previtali et al. A flexible methodology for outdoor/indoor building reconstruction from occluded point clouds
CN103969656A (zh) 基于机载激光雷达的建筑物建模方法和装置
CN114219819A (zh) 基于正射影像边界检测的倾斜摄影模型单体化方法
CN110765526B (zh) 一种基于知识规则驱动的古建筑结构分析模型重建方法
CN113112603A (zh) 三维模型优化的方法和装置
CN114332291A (zh) 一种倾斜摄影模型建筑物外轮廓规则提取方法
CN111932669A (zh) 一种基于边坡岩体特征对象的变形监测方法
JP2010525491A (ja) 地理空間データのデータ間引きを提供する地理空間モデリングシステム及び関連する方法
Xiong et al. Building modeling from noisy photogrammetric point clouds
CN111797454A (zh) 基于数字信息化技术的基坑土方量计算方法
Orthuber et al. 3D building reconstruction from lidar point clouds by adaptive dual contouring
Javadnejad et al. An assessment of UAS-based photogrammetry for civil integrated management (CIM) modeling of pipes
CN109064482B (zh) 一种三维倾斜摄影场景中自动获取房屋轮廓的方法及装置
CN108563915B (zh) 车辆数字化仿真测试模型构建系统及方法、计算机程序
CN116756836B (zh) 一种隧道超欠挖体积计算方法、电子设备及存储介质
JP6715200B2 (ja) 地形情報処理装置、地形情報処理方法、およびプログラム
Zhao et al. A 3D modeling method for buildings based on LiDAR point cloud and DLG
CN111986320B (zh) 一种面向智慧城市应用的dem与倾斜摄影模型空间贴合优化方法
Forlani et al. Building reconstruction and visualization from lidar data
Nardinocchi et al. Building extraction from LIDAR data

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Quick modeling method for cloud achievement data of underground space scanning point

Effective date of registration: 20190902

Granted publication date: 20180116

Pledgee: Zhongguancun Beijing technology financing Company limited by guarantee

Pledgor: BEIJING MAGGROUP TECHNOLOGY CO., LTD.

Registration number: Y2019990000194

PE01 Entry into force of the registration of the contract for pledge of patent right