CN106355643A - 一种高速公路三维实景道路模型的生成方法 - Google Patents
一种高速公路三维实景道路模型的生成方法 Download PDFInfo
- Publication number
- CN106355643A CN106355643A CN201610784525.8A CN201610784525A CN106355643A CN 106355643 A CN106355643 A CN 106355643A CN 201610784525 A CN201610784525 A CN 201610784525A CN 106355643 A CN106355643 A CN 106355643A
- Authority
- CN
- China
- Prior art keywords
- road
- model
- dimensional
- highway
- generate
- 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 37
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000012800 visualization Methods 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 14
- 238000012706 support-vector machine Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 241000209094 Oryza Species 0.000 claims 3
- 235000007164 Oryza sativa Nutrition 0.000 claims 3
- 235000009566 rice Nutrition 0.000 claims 3
- 238000001514 detection method Methods 0.000 claims 1
- 238000004088 simulation Methods 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000013461 design Methods 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000009877 rendering Methods 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种高速公路三维实景道路模型的生成方法,从遥感影像中抽取道路二维信息,道路二维信息包括二维道路平面骨架信息、宽度及道路表面纹理;从数字高程模型中提取包含目标高速公路的区域高程数据,生成数字地面模型;将道路二维信息和区域高程数据进行多源异构融合,构建高速公路三维数字模型;在三维建模软件中利用高速公路三维数字模型,模拟生成高速公路道路的可视化三维模型,将道路表面纹理用纹理映射的方法映射到可视化三维模型的表面,生成高速公路三维实景道路模型。本发明构建的三维可视化模型,有效解决了虚拟道路视景缺乏真实感的问题。
Description
技术领域
本发明属于地理信息技术领域,尤其涉及一种高速公路三维实景道路模型的生成方法。
背景技术
随着我国高速公路网发展建设,到2020年,基本建成“五纵七横”国家高速公路网,届时,中国高速公路总里程将达10万公里。随着遥感信息技术、计算机视觉及人工智能科学的发展,这些方法均能获取高速公路的地形资料,但是我国高速公路数据提取大多停留在定性分析研究阶段,虽然取得了一定的成果,但是仍然存在一定问题,以往的道路数据抽取的研究集中于从遥感影像提取道路二维平面数据,其应用集中于测绘制图,城市规划和产业发展等,目前高速公路的三维可视化实景设计还在使用传统的公路设计方法,即通过平、纵、横设计等步骤来完成路线的整体设计,这种方法的好处是使设计者的设计能满足路线设计规范,但是缺少路线整体三维显示的环节,设计者靠想象难以把握设计方案在平、纵、横结合后的三维整体效果,是以基于开发者自行设计的道路视景为主,缺乏操作性和真实感。如何基于遥感影像源和空间数字地理信息源提取并建立高速公路实景三维模型是本发明要解决的关键问题。
发明内容
本发明要解决的技术问题是:提供一种高速公路三维实景道路模型的生成方法,克服现有高速公路三维建模中缺乏真实感的问题,提供一种面向驾驶的高沉浸感,高互动感和高现实感的道路实景三维建模方法。
本发明为解决上述技术问题所采取的技术方案为:一种高速公路三维实景道路模型的生成方法,其特征在于:它包括以下步骤:
S1、从遥感影像中抽取道路二维信息,道路二维信息包括二维道路平面骨架信息、宽度及道路表面纹理;
S2、从数字高程模型中提取包含目标高速公路的区域高程数据,生成数字地面模型;
S3、将S1中的道路二维信息和S2中的区域高程数据进行多源异构融合,构建高速公路三维数字模型;
S4:在三维建模软件中利用高速公路三维数字模型,模拟生成高速公路道路的可视化三维模型,将S1中提取的道路表面纹理用纹理映射的方法映射到可视化三维模型的表面,生成高速公路三维实景道路模型。
按上述方法,所述的S1具体包括:
S11、提取一段高速公路的遥感影像;
S12、将遥感影像进行预处理,提高道路和背景的对比度,突出感兴趣的道路目标,得到光谱平面信息;
S13、对感兴趣的道路目标进行Hough变换检测道路的方向和宽度;通过统计方法,生成灰度共生矩阵,提取道路纹理特征值;
S14、将S12中得到的光谱平面信息作为分类特征,通过支持向量机进行分类分割,分离出道路部分和非道路部分;通过数学形态学对分离出的道路部分和非道路部分做后处理,删除非道路部分,通过曲线拟合方法拟合断裂的道路部分,生成二维道路平面骨架信息。
按上述方法,所述的S2具体为:
S21、下载对应地域的数字高程模型数据;
S22、获取目标高速公路的区域高程数据,包括目标高速公路的经纬度数据和高程地形数据;
S23、对步骤S22获取的区域高程数据采用高维函数的插值法生成数字地面模型。
按上述方法,所述的S3具体为:
S31、将S1提取的道路二维信息的像素图像的像素坐标转化成空间地理坐标;
S32:将变换坐标后的道路二维信息通过空间矢量转换成矢量数据,并映射到数字地面模型上,生成地形空间分布的一个有限三维向量系列(Nx,Ny,Nz),其中(Nx,Ny)表示道路点的地理经纬度,Nz表示相应道路点的地理海拔高度,即生成高速公路三维数字模型。
按上述方法,所述的S4具体为:
S41、基于成高速公路三维数字模型,在三维建模软件中生成道路的可视化三维模型;
S42、根据实景道路真实感的要求,用道路表面纹理生成二维平面纹理坐标,映射到可视化三维模型的空间坐标上,获得真实纹理信息的道路场景模型;
S43、在道路场景模型中添加高速公路上所需的其他设施模型,生成高速公路三维实景道路模型。
本发明的有益效果为:
1、本发明将空间地形信息和二维遥感信息有效的融合生成三维数字模型,将二维遥感影像中提取的道路纹理添加到道路三维数字模型中,使得高速公路的纹理特征完全符合人类视觉习惯,使其能够反映最为真实的高速公路实景;这种数据融合技术构建的三维可视化模型,有效解决了虚拟道路视景缺乏真实感的问题。
2、本发明技术简单可行、操作方便,可应用到模拟驾驶等领域,具有良好的实用性。
附图说明
图1为本发明一实施例的方法流程图。
图2为图1的细分流程图。
具体实施方式
下面结合具体实例和附图对本发明做进一步说明。
本发明提供一种高速公路三维实景道路模型的生成方法,如图1所示,它包括以下步骤:S1、从遥感影像中抽取道路二维信息,道路二维信息包括二维道路平面骨架信息、宽度及道路表面纹理;S2、从数字高程模型中提取包含目标高速公路的区域高程数据,生成数字地面模型;S3、将S1中的道路二维信息和S2中的区域高程数据进行多源异构融合,构建高速公路三维数字模型;S4:在三维建模软件中利用高速公路三维数字模型,模拟生成高速公路道路的可视化三维模型,将S1中提取的道路表面纹理用纹理映射的方法映射到可视化三维模型的表面,生成高速公路三维实景道路模型。
优选的,所述的S1具体包括:S11、提取一段高速公路的遥感影像;S12、将遥感影像进行预处理,提高道路和背景的对比度,突出感兴趣的道路目标,得到光谱平面信息;
S13、对感兴趣的道路目标进行Hough变换检测道路的方向和宽度;通过统计方法,生成灰度共生矩阵,提取道路纹理特征值;S14、将S12中得到的光谱平面信息作为分类特征,通过支持向量机进行分类分割,分离出道路部分和非道路部分;通过数学形态学对分离出的道路部分和非道路部分做后处理,删除非道路部分,通过曲线拟合方法拟合断裂的道路部分,生成二维道路平面骨架信息。
所述的S2具体为:S21、下载对应地域的数字高程模型数据;S22、获取目标高速公路的区域高程数据,包括目标高速公路的经纬度数据和高程地形数据;S23、对步骤S22获取的区域高程数据采用高维函数的插值法生成数字地面模型。
所述的S3具体为:S31、将S1提取的道路二维信息的像素图像的像素坐标转化成空间地理坐标;S32:将变换坐标后的道路二维信息通过空间矢量转换成矢量数据,并映射到数字地面模型上,生成地形空间分布的一个有限三维向量系列(Nx,Ny,Nz),其中(Nx,Ny)表示道路点的地理经纬度,Nz表示相应道路点的地理海拔高度,即生成高速公路三维数字模型。
所述的S4具体为:S41、基于成高速公路三维数字模型,在三维建模软件中生成道路的可视化三维模型;S42、根据实景道路真实感的要求,用道路表面纹理生成二维平面纹理坐标,映射到可视化三维模型的空间坐标上,获得真实纹理信息的道路场景模型;S43、在道路场景模型中添加高速公路上所需的其他设施模型,生成高速公路三维实景道路模型。
实施例:
下面以湖北省境内的一段高速三维实景道路模型的生成方法为实例对本发明方法作进一步具体的说明,如图2所示,该方法的具体步骤如下:
S11:从Google earths选定湖北境内一段高速公路的遥感影像(分辨率30米),运用MATLAB软件读取道路影像图片;
S12:首先对遥感图像进行预处理,具体地,通过使用采用图像锐化技术unsharp使遥感图像变得清晰,特征明显;对变换后的图像做中值滤波变换,选择5*5的平滑窗口进行滤波;将提取的彩色道路影像用加权值法转换成灰度图像,将真彩色图像像素点(R,G,B)的转换为灰度影像值g,灰度值可表示为如下式所示:g=0.4R+0.57G+0.07B;
S13:对S12预处理后的图像用灰度共生法提取纹理特征,具体地,首先调用graycomatrix函数创建一个灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM),记为p(i,j|δ,θ)。设置四个参数包括移动窗口的大小,选取5*5的提取窗,距离δ=1,灰度级数G设置为16,像素对的相对方向角度θ取4个方向:0°、45°、90°、135°,当δ和θ选定时,则记为p(i,j)。在创建GLCM后,我们可以通过使用graycoprops函数,在GLCM的基础上再提取纹理特征量,包括对比度(惯性矩)、角二阶矩(能量)、熵、相关性等,具体求法如下:
角二阶矩
对比度
同质性
相关性
其中(R为归一化常数)
S14:将S12中读取道路的光谱平面信息作为道路特征,通过支持向量机(SVM)分离出道路部分和非道路部分,采用数学形态学做后处理,用曲线拟合断裂的道路信息,生成二维道路骨架信息,具体步骤如下:
S141:用Hough变换对道路进行边缘检测,近似测出道路的方向和宽度信息,具体地,将前面预处理的灰度图像采用canny边缘检测,高斯参数为2,阈值为(0.01,0.17),用Hough函数生成矩阵H,角度θ和线性距离rho,调用Houghlines函数提取图像中直线,调用Houghpeaks函数返回峰值,迭代参数选取5;
S142:在待分割的影像上,以目标像素为中心的5×5像素的移动窗口,灰度均值和标准差(σR,σG,σB)作为支持向量机的输入特征。从待分割的道路影像中选取500个样本的光谱特征值作为训练样本,通过支持向量机对训练样本数据进行分类训练生成分类器,再将待分割的遥感影像的数据样本输入分类器中进行分割。
其中支持向量机的参数设置为
其中ai为Lagrange称子,只有支持向量对应的ai才不为0;为核函数,是样本(xi,xj)通过某个变换在高维特征空间中的内积。
最优分类函数为:
K(xi,x)=exp(-g||x-xi||2)选取高斯径向基核函数,核函数参数g和惩罚因子C。
更进一步得,其中核函数参数g和惩罚因子C由遗传算法得到,具体步骤如下:
1)随机产生一组支持向量机参数g和C组合,对每个支持向量机参数进行编码,进而构造初始群体,形成初始化种群;
2)计算它的误差,从而确定适应度,若误差越大,适应度越小;
3)选择若干适应度大的个体,直接遗传给下一代;利用交叉、变异等遗传操作算子对当前一代群体进行处理,产生下一代群体;
4)重复步骤2),使初始确定的一组支持向量机参数不断进化,直到训练目标满足条件为止,找出最优g和C组合。
S143:通过步骤S142分割以后的图像,通过数学形态学bwareaopen函数删除一些非道路的区域,细化后生成二维道路平面骨架,最后通过曲线拟合来拟合断裂的道路部分,采样多项式曲线拟合,用polyfit函数计算拟合数据集的多项式的系数。
S2具体如下:
S21:从美国太空总署NASA网站下载仿真地域数据,为ASTER GDEM数字高程模型(DEM)数据,数据格式为tiff;
S22:根据DEM数据的地理坐标(经纬度坐标)X,Y值与高程Z值,应用高维插值法,三次样条空间插值法,生成对应区域的高精度的数字地面模型。
S3具体步骤如下:
S31:采用地理几何坐标作为中间坐标,将道路平面信息的像素坐标(px,py)转换成地理坐标(logx,laty),设像素坐标点(px,py),每个道路点的栅格坐标可以通过在MATLAB中的imtool函数得到,
式中,Longl代表图像左端的经度值,Longr代表图像右端的经度值,Latb代表图像底端的纬度值,Latt代表图像顶端的纬度值,w代表图像的宽度,h代表图像的高度,scalex代表像素坐标X轴上每像素代表的经度秒数,scaley代表像素坐标Y轴上每像素代表的纬度秒数;
S32:将二维道路平面信息的栅格数据通过空间矢量转换方法转换成矢量数据,并映射到数字地面模型上,生成一个有限三维向量{Nx,Ny,Nz}系列,其中(Nx,Ny)表示道路点的地理位置即经纬度坐标,Nz表示相应点的地形位置即海拔,即为高速公路三维数字模型。
S4具体如下:
S41:将S3生成的高速公路三维数字模型导入到三维建模软件Cheetah3D中生成道路的可视化三维模型;
S42:根据实时的三维场景的渲染要求,将从S13遥感影像提取的道路表面纹理,利用纹理映射的方法,映射到道路的可视化三维模型增强真实感,即给定空间曲面F∈R3和二维参数域D∈R2,对于F中的任一点(x,y,z),通过纹理映射φ找到参数域中对应点(u,v),即
根据中心投影原理建立纹理坐标(u,v)与三维空间坐标之间的直接映射
u=A/C
v=B/C
A=L1x+L2y+L3z+L4
B=L5x+L6y+L7z+L8
C=L9x+L10y+L11z+1
利用呈一定分布的6个以上的控制点,就可根据最小二乘原理解算出这11个参数,确定道路二维影像与三维模型的映射关系。纹理坐标即对应道路二维平面信息的坐标,三维空间坐标即是道路三维模型的空间坐标。
S43:在S42生成的道路模型中添加高速公路上所需的其他设施模型(车辆、绿化带等),快速生成高速公路三维实景模型。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (5)
1.一种高速公路三维实景道路模型的生成方法,其特征在于:它包括以下步骤:
S1、从遥感影像中抽取道路二维信息,道路二维信息包括二维道路平面骨架信息、宽度及道路表面纹理;
S2、从数字高程模型中提取包含目标高速公路的区域高程数据,生成数字地面模型;
S3、将S1中的道路二维信息和S2中的区域高程数据进行多源异构融合,构建高速公路三维数字模型;
S4:在三维建模软件中利用高速公路三维数字模型,模拟生成高速公路道路的可视化三维模型,将S1中提取的道路表面纹理用纹理映射的方法映射到可视化三维模型的表面,生成高速公路三维实景道路模型。
2.根据权利要求1所述的高速公路三维实景道路模型的生成方法,其特征在于:所述的S1具体包括:
S11、提取一段高速公路的遥感影像;
S12、将遥感影像进行预处理,提高道路和背景的对比度,突出感兴趣的道路目标,得到光谱平面信息;
S13、对感兴趣的道路目标进行Hough变换检测道路的方向和宽度;通过统计方法,生成灰度共生矩阵,提取道路纹理特征值;
S14、将S12中得到的光谱平面信息作为分类特征,通过支持向量机进行分类分割,分离出道路部分和非道路部分;通过数学形态学对分离出的道路部分和非道路部分做后处理,删除非道路部分,通过曲线拟合方法拟合断裂的道路部分,生成二维道路平面骨架信息。
3.根据权利要求1所述的高速公路三维实景道路模型的生成方法,其特征在于:所述的S2具体为:
S21、下载对应地域的数字高程模型数据;
S22、获取目标高速公路的区域高程数据,包括目标高速公路的经纬度数据和高程地形数据;
S23、对步骤S22获取的区域高程数据采用高维函数的插值法生成数字地面模型。
4.根据权利要求1所述的高速公路三维实景道路模型的生成方法,其特征在于:所述的S3具体为:
S31、将S1提取的道路二维信息的像素图像的像素坐标转化成空间地理坐标;
S32:将变换坐标后的道路二维信息通过空间矢量转换成矢量数据,并映射到数字地面模型上,生成地形空间分布的一个有限三维向量系列(Nx,Ny,Nz),其中(Nx,Ny)表示道路点的地理经纬度,Nz表示相应道路点的地理海拔高度,即生成高速公路三维数字模型。
5.根据权利要求1所述的高速公路三维实景道路模型的生成方法,其特征在于:所述的S4具体为:
S41、基于成高速公路三维数字模型,在三维建模软件中生成道路的可视化三维模型;
S42、根据实景道路真实感的要求,用道路表面纹理生成二维平面纹理坐标,映射到可视化三维模型的空间坐标上,获得真实纹理信息的道路场景模型;
S43、在道路场景模型中添加高速公路上所需的其他设施模型,生成高速公路三维实景道路模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610784525.8A CN106355643A (zh) | 2016-08-31 | 2016-08-31 | 一种高速公路三维实景道路模型的生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610784525.8A CN106355643A (zh) | 2016-08-31 | 2016-08-31 | 一种高速公路三维实景道路模型的生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106355643A true CN106355643A (zh) | 2017-01-25 |
Family
ID=57856663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610784525.8A Pending CN106355643A (zh) | 2016-08-31 | 2016-08-31 | 一种高速公路三维实景道路模型的生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106355643A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971155A (zh) * | 2017-03-21 | 2017-07-21 | 电子科技大学 | 一种基于高度信息的无人车车道场景分割方法 |
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
CN108921943A (zh) * | 2018-06-29 | 2018-11-30 | 广东星舆科技有限公司 | 一种基于车道级高精度地图的道路三维模型建模方法 |
CN109446286A (zh) * | 2018-09-28 | 2019-03-08 | 山东中创软件商用中间件股份有限公司 | 一种高速公路路网图的可视化方法及装置 |
CN110347734A (zh) * | 2019-06-11 | 2019-10-18 | 重庆工商大学融智学院 | 一种多源异构生态空间数据的集成方法 |
CN110728752A (zh) * | 2019-10-21 | 2020-01-24 | 西南交通大学 | 一种公路三维地形场景模型的构建方法 |
CN111238506A (zh) * | 2018-11-29 | 2020-06-05 | 沈阳美行科技有限公司 | 一种地图中高架道路的描画方法、装置及相关设备 |
CN114078154A (zh) * | 2020-08-14 | 2022-02-22 | 边辕视觉科技(上海)有限公司 | 一种用于目标物体的二维图像样本扩充方法 |
CN114255352A (zh) * | 2020-09-10 | 2022-03-29 | 中国石油天然气股份有限公司 | 一种河道提取方法、装置及计算机可读存储介质 |
CN115222908A (zh) * | 2022-07-20 | 2022-10-21 | 北京数字政通科技股份有限公司 | 一种数字孪生中三维道路自动化构建方法及系统 |
CN116843843A (zh) * | 2023-03-14 | 2023-10-03 | 南京宇天智云仿真技术有限公司 | 一种行军道路沿线三维场景仿真方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872376A (zh) * | 2010-06-04 | 2010-10-27 | 中国公路工程咨询集团有限公司 | 真三维道路智能设计方法及系统 |
CN102436678A (zh) * | 2010-09-29 | 2012-05-02 | 比亚迪股份有限公司 | 一种三维道路模型生成方法及系统 |
CN104376595A (zh) * | 2014-11-28 | 2015-02-25 | 史文中 | 一种基于机载LiDAR和GIS协同的三维道路生成方法 |
CN104766366A (zh) * | 2015-03-31 | 2015-07-08 | 东北林业大学 | 一种三维虚拟现实演示的建立方法 |
-
2016
- 2016-08-31 CN CN201610784525.8A patent/CN106355643A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872376A (zh) * | 2010-06-04 | 2010-10-27 | 中国公路工程咨询集团有限公司 | 真三维道路智能设计方法及系统 |
CN102436678A (zh) * | 2010-09-29 | 2012-05-02 | 比亚迪股份有限公司 | 一种三维道路模型生成方法及系统 |
CN104376595A (zh) * | 2014-11-28 | 2015-02-25 | 史文中 | 一种基于机载LiDAR和GIS协同的三维道路生成方法 |
CN104766366A (zh) * | 2015-03-31 | 2015-07-08 | 东北林业大学 | 一种三维虚拟现实演示的建立方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971155B (zh) * | 2017-03-21 | 2020-03-24 | 电子科技大学 | 一种基于高度信息的无人车车道场景分割方法 |
CN106971155A (zh) * | 2017-03-21 | 2017-07-21 | 电子科技大学 | 一种基于高度信息的无人车车道场景分割方法 |
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
CN107092020B (zh) * | 2017-04-19 | 2019-09-13 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
CN108921943A (zh) * | 2018-06-29 | 2018-11-30 | 广东星舆科技有限公司 | 一种基于车道级高精度地图的道路三维模型建模方法 |
CN108921943B (zh) * | 2018-06-29 | 2022-08-09 | 广东星舆科技有限公司 | 一种基于车道级高精度地图的道路三维模型建模方法 |
CN109446286A (zh) * | 2018-09-28 | 2019-03-08 | 山东中创软件商用中间件股份有限公司 | 一种高速公路路网图的可视化方法及装置 |
CN111238506A (zh) * | 2018-11-29 | 2020-06-05 | 沈阳美行科技有限公司 | 一种地图中高架道路的描画方法、装置及相关设备 |
CN111238506B (zh) * | 2018-11-29 | 2022-10-18 | 沈阳美行科技股份有限公司 | 一种地图中高架道路的描画方法、装置及相关设备 |
CN110347734A (zh) * | 2019-06-11 | 2019-10-18 | 重庆工商大学融智学院 | 一种多源异构生态空间数据的集成方法 |
CN110728752A (zh) * | 2019-10-21 | 2020-01-24 | 西南交通大学 | 一种公路三维地形场景模型的构建方法 |
CN114078154A (zh) * | 2020-08-14 | 2022-02-22 | 边辕视觉科技(上海)有限公司 | 一种用于目标物体的二维图像样本扩充方法 |
CN114255352A (zh) * | 2020-09-10 | 2022-03-29 | 中国石油天然气股份有限公司 | 一种河道提取方法、装置及计算机可读存储介质 |
CN115222908A (zh) * | 2022-07-20 | 2022-10-21 | 北京数字政通科技股份有限公司 | 一种数字孪生中三维道路自动化构建方法及系统 |
CN115222908B (zh) * | 2022-07-20 | 2024-04-02 | 北京数字政通科技股份有限公司 | 一种数字孪生中三维道路自动化构建方法及系统 |
CN116843843A (zh) * | 2023-03-14 | 2023-10-03 | 南京宇天智云仿真技术有限公司 | 一种行军道路沿线三维场景仿真方法 |
CN116843843B (zh) * | 2023-03-14 | 2024-08-27 | 南京宇天智云仿真技术有限公司 | 一种行军道路沿线三维场景仿真方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355643A (zh) | 一种高速公路三维实景道路模型的生成方法 | |
Shan et al. | Simulation-based lidar super-resolution for ground vehicles | |
Wang et al. | Land cover change detection at subpixel resolution with a Hopfield neural network | |
CN104835202A (zh) | 一种三维虚拟场景快速构建方法 | |
CN102054166B (zh) | 一种新的用于户外增强现实系统的场景识别方法 | |
CN104463856A (zh) | 基于法向量球的室外场景三维点云数据的地面提取方法 | |
Li et al. | A guided deep learning approach for joint road extraction and intersection detection from RS images and taxi trajectories | |
CN108256464A (zh) | 基于深度学习的高分辨率遥感影像城市道路提取方法 | |
CN115292913A (zh) | 一种面向车路协同的路测感知仿真系统 | |
CN102314610B (zh) | 一种基于概率潜语义分析模型的面向对象影像聚类方法 | |
CN116168246A (zh) | 一种用于铁路工程的弃渣场识别方法、装置、设备及介质 | |
CN116563672B (zh) | 一种岩土体分类模型构建方法及岩土体分类方法 | |
CN116563466A (zh) | 一种基于深度学习的三维单木点云的补全方法 | |
Zhang et al. | Research on Baidu street view road crack information extraction based on deep learning method | |
CN107045722A (zh) | 融合静态信息与动态信息的视频序列分割方法 | |
CN114627073B (zh) | 地形识别方法、装置、计算机设备和存储介质 | |
CN111627103A (zh) | 基于行人活动和密度感知的智慧城市cim成像方法 | |
CN115035251A (zh) | 一种基于领域增强合成数据集的桥面车辆实时追踪方法 | |
CN115527027A (zh) | 一种基于多特征融合机制的遥感影像地物分割方法 | |
Takizawa et al. | Deep learning model to reconstruct 3D cityscapes by generating depth maps from omnidirectional images and its application to visual preference prediction | |
Zhou et al. | Study on 3D highway digital model for driving simulators | |
Kolibarov et al. | Roof Segmentation Towards Digital Twin Generation in LoD2+ Using Deep Learning | |
Li et al. | [Retracted] PointLAE: A Point Cloud Semantic Segmentation Neural Network via Multifeature Aggregation for Large‐Scale Application | |
Bothale et al. | Evaluation and comparison of multi resolution DEM derived through Cartosat-1 stereo pair–A case study of Damanganga Basin | |
Kulkarni et al. | “Parametric Methods to Multispectral Image Classification using Normalized Difference Vegetation Index |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170125 |