CN106373199B - 一种倾斜摄影建筑物模型快速提取方法 - Google Patents
一种倾斜摄影建筑物模型快速提取方法 Download PDFInfo
- Publication number
- CN106373199B CN106373199B CN201610800234.3A CN201610800234A CN106373199B CN 106373199 B CN106373199 B CN 106373199B CN 201610800234 A CN201610800234 A CN 201610800234A CN 106373199 B CN106373199 B CN 106373199B
- Authority
- CN
- China
- Prior art keywords
- data
- model
- depth map
- vector data
- boundary vector
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种倾斜摄影建筑物模型快速提取方法,其中,该方法包括以下步骤:通过倾斜摄影海量数据生成LOD模型,然后通过LOD模型生成深度图;对深度图进行分块,利用指定高度值对每一块深度图进行二值化生成二值化的深度图;提取每一块深度图的单块边界矢量数据;将所有单块边界矢量数据组成集合生成目标建筑物边界矢量数据;根据目标建筑物边界矢量数据从LOD模型中提取目标建筑物模型数据。本发明实施例充分利用LOD模型,同时结合点云和图像处理各自的优点进行融合,实现了海量建筑物边界的自动提取和单体模型的批量提取,提升了建筑物模型的提取效率和效果。
Description
技术领域
本发明涉及三维模型构建与编辑、图像处理技术领域,具体而言,涉及一种倾斜摄影建筑物模型快速提取方法。
背景技术
近年来,随着“数字城市”、“智慧城市”建设的全面铺开,倾斜航空摄影技术及三维可视化得到了快速的发展。目前,大家尤为关注倾斜摄影三维重建技术在行业中的不同应用,尤其是对倾斜摄影三维建模的后续单体化、属性挂接等有着迫切需求。
由于倾斜航空摄影测量数据生成的是一体化的三维场景数据,在地理信息系统(Geographic Information System,简称GIS)管理和应用中,无法对该数据进行对象化管理,不便于后期三维系统对实体对象的管理和分析,而目前市场上大部分三维应用只是单纯的叠加了建筑物轮廓的矢量面,表面上看起来是单体效果,但并非真正意义上的单体分离,如超图的SuperMap在应用时则通过建立一个二三维的一体化通道,在倾斜模型上叠加二维矢量图层来实现单体化的表达与操作,但这种意义上的单体只是对矢量图层进行管理,无法做到真实的实体对象化管理;另外,在解决单体化应用中还提出了倾斜模型与精细化模型相结合的方式,通过在倾斜模型上叠加人工构建的模型实现对单体建筑的管理,目前市场上应用较多的是武汉天际航的DPModeler,该软件利用与原始影像直接交互的方式,对一体化的三维场景数据进行精细重建,实现地物要素输出,将重建的模型用于三维GIS应用,利用该方式得到的单体模型能够弥补自动化重建时因为分辨率、遮挡等带来的变形等问题,但将其集成到三维场景中后,构建的单体模型与一体化模型从视觉和真正单体意义上都有明显差异。
倾斜模型叠加矢量化图层的方法,只是变相的实现了GIS应用需求,并没有实现真正意义上的建筑物模型单体化,因此,对于从倾斜摄影海量数据提取建筑物模型,目前主要从图像、点云分别来实现,没有充分利用点云的衍生产品-细节层次(Levels of Detail,简称LOD)模型,并结合点云和图像处理各自的优点,进行融合。
发明内容
有鉴于此,本发明的目的在于提供一种倾斜摄影建筑物模型快速提取方法,能够实现真正意义上建筑物模型的单体化。
第一方面,本发明实施例提供了一种倾斜摄影建筑物模型快速提取方法,包括以下步骤:
通过倾斜摄影海量数据生成LOD模型,然后通过LOD模型生成深度图;
对深度图进行分块,利用指定高度值对每一块深度图进行二值化生成二值化的深度图;
提取每一块深度图的单块边界矢量数据;
将所有单块边界矢量数据组成集合生成目标建筑物边界矢量数据;
根据目标建筑物边界矢量数据从LOD模型中提取目标建筑物模型数据。
通过点云生成LOD模型,对LOD模型生成的灰度图像进行分块并提取单块边界矢量数据,然后合并生成目标建筑物边界矢量数据,然后通过目标建筑物边界矢量数据从LOD模型中提取目标建筑物模型数据,充分利用LOD模型并结合点云和图像处理各自的优点,进行融合,实现了海量建筑物边界的自动提取和单体模型的批量提取,能够真正意义上实现建筑物模型的单体化。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,根据目标建筑物边界矢量数据从LOD模型中提取目标建筑物模型数据,具体为:
提取每层LOD模型中与目标建筑物边界矢量数据相交的单层数据块;
获取单层数据块中与目标建筑物边界矢量数据有重叠的三角形数据作为单层建筑物模型数据;
将各个单层建筑物模型数据组合生成目标建筑物模型数据。
本实施方式实现了建筑物单体模型的批量提取,而且生成了真正意义上的单体化建筑物模型。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,在对深度图进行分块,利用指定高度值对每一块深度图进行二值化生成二值化的深度图之后,还包括:
通过形态学滤波器对每一块深度图进行过滤。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,形态学滤波器为膨胀加腐蚀。膨胀与腐蚀两种形态学滤波器的使用减少了深度图的噪声,提高了深度图的品质。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,在提取每一块深度图的单块边界矢量数据之后,还包括:
对单块边界矢量数据通过去数据点进行数据简化,生成简化后的单块边界矢量数据。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,对单块边界矢量数据通过去数据点进行数据简化,具体为:
去掉所述单块边界矢量数据中对数据几何特征影响低于预设影响指数的数据点。在没有影响建筑物模型提取效果的前提下大大减少了数据的运算量,进而提高了后续的图像处理效率。
结合第一方面的第四种或第五种可能的实施方式,本发明实施例提供了第一方面的第六种可能的实施方式,其中,还包括对简化后的单块边界矢量数据进行缓冲,获取缓冲后的单块边界矢量数据。缓冲后的数据包含目标建筑物的所有数据,缓冲的设置与处理过程中的误差范围有关,误差范围越大,缓冲范围越大。
结合第一方面第六种可能的实施方式,本发明实施例提供了第一方面的第七种可能的实施方式,其中,将所有单块边界矢量数据组成集合生成目标建筑物边界矢量数据,然后合并集合中的相交数据生成新的目标建筑物边界矢量数据,避免了因人为分块割裂建筑物边界,并减少了目标建筑物边界矢量数据的数据量。
结合第一方面及其第一至第五种可能的实施方式,本发明实施例提供了第一方面的第八种可能的实施方式,其中,深度图由若干分块深度图拼接而成,分块深度图通过LOD模型按区域分块生成,LOD模型由倾斜摄影海量数据生成。
结合第一方面,本发明实施例提供了第一方面的第九种可能的实施方式,其中,指定高度值范围为8-11m,优选指定高度为10m。
本发明带来了以下有益效果:
本发明通过将倾斜摄影海量数据生成的LOD模型转化为深度图,然后对深度图分块、二值化并提取单块边界矢量数据,单块边界矢量数据合并后构成准确的目标建筑物边界矢量数据,通过目标建筑物边界矢量数据从LOD模型中提取目标建筑物模型数据,充分利用LOD模型并结合点云和图像处理各自的优点,进行融合,实现了海量建筑物边界的自动提取和单体模型的批量提取,从而提升了建筑物单体模型的提取效率和效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的一种倾斜摄影建筑物模型快速提取方法的流程图;
图2示出了本发明实施例中通过倾斜摄影海量数据生成LOD模型,然后通过LOD模型生成深度图的具体方法的流程图;
图3示出了本发明实施例中通过目标建筑物边界矢量数据从LOD模型中提取目标建筑物模型数据具体方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前的单体建筑物模型提取方法无法达到真正意义上的单体分离,基于此,本发明实施例提供的一种倾斜摄影建筑物模型快速提取方法可以实现海量数据建筑物边界的自动提取和单体模型的批量提取,实现了真正意义上的建筑物模型单体分离。
本实施例提供了一种倾斜摄影建筑物模型快速提取方法,参见图1所示,包括以下步骤:
S1.通过倾斜摄影海量数据生成LOD模型,然后通过LOD模型生成深度图。
如图2所示,具体步骤为:
S11.生成倾斜摄影海量数据的LOD模型。
采用倾斜摄影与后处理相关软件获取倾斜摄影海量数据的LOD模型数据。
S12.生成LOD模型按区域划分的分块深度图。
按照指定的分辨率生成LOD模型按区域划分的分块深度图,本实施例通过OSG生成LOD模型按区域划分的分块深度图,且LOD模型分块的大小受限于处理器显示屏分辨率,比如500×500的数据点或是其他值。
S13.将分块深度图拼接生成深度图。
将所有的分块深度图拼接生成整体的深度图,便于深度图的后续处理。
S2.对深度图进行分块,利用指定高度值对每一块深度图进行二值化生成二值化的深度图。
对深度图进行分块,深度图分块的大小与处理器的内存有关,比如5000×5000的数据点或是其他值;利用指定高度值作为阈值进行二值化,得到二值化的深度图,指定高度值范围为8-11m,具体高度值与实际建筑物模型有关,本实施例的指定高度优选10m。
S3.通过形态学滤波器对每一块深度图进行过滤。
本实施例采用的形态学滤波器为膨胀加腐蚀,膨胀具有扩大图像的作用,通过膨胀使深度图的裂缝得到填充;腐蚀具有收缩图像的作用,通过腐蚀对深度图进行去噪。形态学滤波器的使用减少了深度图的噪声,提高了深度图的品质。
S4.提取每一块深度图的单块边界矢量数据。
本实施例中采用点搜索的方式提取深度图的单块边界矢量数据,先确定深度图的一个数据点,然后在其周围搜索相同的点,直至找不到相同的点,那么最外周的点集即为单块边界矢量数据。
S5.对单块边界矢量数据通过去数据点进行数据简化,生成简化后的单块边界矢量数据。
去掉所述单块边界矢量数据中对数据几何特征影响低于预设影响指数的数据点,减少边界矢量数据集中的不必要点,本实施例中的具体实施方式为:
将端点n1、n2……nm连成一条线段L,然后依次判断两端点间的数据点nk(1<k<m)到相邻两点nk-1、nk+1构成的线段Lk的距离,若点nk到线段Lk的距离小于阈值,则判定点nk小于预设影响指数,并将其删掉。另外,本实施例中的阈值范围为2-5个像素点,优选3或4个像素点。此步骤在没有影响建筑物模型提取效果的前提下大大减少了数据的运算量,进而提高了后续的图像处理效率。
S6.对简化后的单块边界矢量数据进行缓冲。
对简化后的单块边界矢量数据进行缓冲,使缓冲后的数据包含目标建筑物的所有数据,缓冲的设置与图像处理的误差范围有关,误差范围越大,缓冲范围越大。
S7.将所有单块边界矢量数据组成集合生成目标建筑物边界矢量数据。
将所有单块边界矢量数据组成集合生成目标建筑物边界矢量数据,然后合并集合中的相交数据生成新的目标建筑物边界矢量数据,通过合并相交数据可以避免了因人为分块割裂建筑物边界,并大大减少边界矢量数据,进而提高了后续建筑模型提取的处理效率。
S8.根据目标建筑物边界矢量数据从LOD模型中提取目标建筑物模型数据。
如图3所示,具体步骤为:
S81.提取每层LOD模型中与目标建筑物边界矢量数据相交的单层数据块。然后将这些单层数据块按LOD层号进行分组,便于后续数据块的组合。
S82.获取单层数据块中与目标建筑物边界矢量数据有重叠的三角形数据作为单层建筑物模型数据;
S83.将各个单层建筑物模型数据组合生成目标建筑物模型数据。
本发明实施例所提供的一种倾斜摄影建筑物模型快速提取方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种倾斜摄影建筑物模型快速提取方法,其特征在于,包括以下步骤:
通过倾斜摄影海量数据生成LOD模型,然后通过所述LOD模型生成深度图;
对所述深度图进行分块,利用指定高度值对每一块所述深度图进行二值化生成二值化的深度图;
提取每一块所述深度图的单块边界矢量数据;
将所有所述单块边界矢量数据组成集合生成目标建筑物边界矢量数据;
根据所述目标建筑物边界矢量数据从LOD模型中提取目标建筑物模型数据。
2.根据权利要求1所述的倾斜摄影建筑物模型快速提取方法,其特征在于,根据所述目标建筑物边界矢量数据从LOD模型中提取目标建筑物模型数据,具体为:
提取每层所述LOD模型中与所述目标建筑物边界矢量数据相交的单层数据块;
获取所述单层数据块中与所述目标建筑物边界矢量数据有重叠的三角形数据作为单层建筑物模型数据;
将各个所述单层建筑物模型数据组合生成所述目标建筑物模型数据。
3.根据权利要求1所述的倾斜摄影建筑物模型快速提取方法,其特征在于,在对所述深度图进行分块,利用指定高度值对每一块所述深度图进行二值化生成二值化的深度图之后,还包括:
通过形态学滤波器对每一块所述深度图进行过滤。
4.根据权利要求3所述的倾斜摄影建筑物模型快速提取方法,其特征在于,所述形态学滤波器为膨胀加腐蚀。
5.根据权利要求1所述的倾斜摄影建筑物模型快速提取方法,其特征在于,在提取每一块所述深度图的单块边界矢量数据之后,还包括:
对所述单块边界矢量数据通过去数据点进行数据简化,生成简化后的所述单块边界矢量数据。
6.根据权利要求5所述的倾斜摄影建筑物模型快速提取方法,其特征在于,对所述单块边界矢量数据通过去数据点进行数据简化,具体为:
去掉所述单块边界矢量数据中对数据几何特征影响低于预设影响指数的数据点。
7.根据权利要求5或6所述的倾斜摄影建筑物模型快速提取方法,其特征在于,还包括对所述简化后的所述单块边界矢量数据进行缓冲,获取缓冲后的所述单块边界矢量数据。
8.根据权利要求7所述的倾斜摄影建筑物模型快速提取方法,其特征在于,将所有所述单块边界矢量数据组成集合生成目标建筑物边界矢量数据,然后合并所述集合中的相交数据生成新的目标建筑物边界矢量数据。
9.根据权利要求1-6任一项所述的倾斜摄影建筑物模型快速提取方法,其特征在于,所述深度图由若干分块深度图拼接而成,所述分块深度图通过所述LOD模型按区域分块生成,所述LOD模型由所述倾斜摄影海量数据生成。
10.根据权利要求9所述的倾斜摄影建筑物模型快速提取方法,其特征在于,所述指定高度值范围为8-11m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610800234.3A CN106373199B (zh) | 2016-08-31 | 2016-08-31 | 一种倾斜摄影建筑物模型快速提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610800234.3A CN106373199B (zh) | 2016-08-31 | 2016-08-31 | 一种倾斜摄影建筑物模型快速提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106373199A CN106373199A (zh) | 2017-02-01 |
CN106373199B true CN106373199B (zh) | 2019-05-14 |
Family
ID=57898880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610800234.3A Active CN106373199B (zh) | 2016-08-31 | 2016-08-31 | 一种倾斜摄影建筑物模型快速提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106373199B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038900A (zh) * | 2017-12-06 | 2018-05-15 | 浙江科澜信息技术有限公司 | 倾斜摄影模型单体化方法、系统及计算机可读存储介质 |
CN109859308A (zh) * | 2018-12-29 | 2019-06-07 | 中国科学院遥感与数字地球研究所 | 基于城市矢量数据的房屋简单三维模型构建方法 |
CN109934911B (zh) * | 2019-03-15 | 2022-12-13 | 鲁东大学 | 基于OpenGL的移动端高精度倾斜摄影三维建模方法 |
CN111288985A (zh) * | 2020-03-04 | 2020-06-16 | 北京易控智驾科技有限公司 | 地图确定方法及装置、设备、矿车自动驾驶方法 |
CN115601565B (zh) * | 2022-12-15 | 2023-03-31 | 安徽大学 | 一种基于最小谷本距离的大跨度钢结构固定特征提取方法 |
CN116895022B (zh) * | 2023-09-11 | 2023-12-01 | 广州蓝图地理信息技术有限公司 | 基于点云数据处理的建筑物边界提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663800A (zh) * | 2012-04-26 | 2012-09-12 | 北京师范大学 | 一种顾及城市意象的城市建筑综合与渲染的方法 |
CN103500467A (zh) * | 2013-10-21 | 2014-01-08 | 深圳市易尚展示股份有限公司 | 基于图像的三维模型构成方法 |
CN104463948A (zh) * | 2014-09-22 | 2015-03-25 | 北京大学 | 三维虚拟现实系统与地理信息系统的无缝可视化方法 |
CN104751479A (zh) * | 2015-04-20 | 2015-07-01 | 中测新图(北京)遥感技术有限责任公司 | 基于tin数据的建筑物提取方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9721376B2 (en) * | 2014-06-27 | 2017-08-01 | Samsung Electronics Co., Ltd. | Elimination of minimal use threads via quad merging |
-
2016
- 2016-08-31 CN CN201610800234.3A patent/CN106373199B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663800A (zh) * | 2012-04-26 | 2012-09-12 | 北京师范大学 | 一种顾及城市意象的城市建筑综合与渲染的方法 |
CN103500467A (zh) * | 2013-10-21 | 2014-01-08 | 深圳市易尚展示股份有限公司 | 基于图像的三维模型构成方法 |
CN104463948A (zh) * | 2014-09-22 | 2015-03-25 | 北京大学 | 三维虚拟现实系统与地理信息系统的无缝可视化方法 |
CN104751479A (zh) * | 2015-04-20 | 2015-07-01 | 中测新图(北京)遥感技术有限责任公司 | 基于tin数据的建筑物提取方法和装置 |
Non-Patent Citations (2)
Title |
---|
基于倾斜摄影测量技术的三维数字城市建模;孙宏伟;《现代测绘》;20140125;第37卷(第1期);第18-21页 |
复杂三维建筑物模型的多细节层次自动简化方法;赵君峤;《测绘学报》;20130215;第42卷(第1期);第156页 |
Also Published As
Publication number | Publication date |
---|---|
CN106373199A (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373199B (zh) | 一种倾斜摄影建筑物模型快速提取方法 | |
CN107220997B (zh) | 一种立体匹配方法及系统 | |
CN108537191B (zh) | 一种基于结构光摄像头的三维人脸识别方法 | |
CN111832655A (zh) | 一种基于特征金字塔网络的多尺度三维目标检测方法 | |
CN107481271A (zh) | 一种立体匹配方法、系统及移动终端 | |
CN116109798A (zh) | 图像数据处理方法、装置、设备及介质 | |
CN105005580B (zh) | 一种用于显示水库地形的方法及其装置 | |
CN110009675A (zh) | 生成视差图的方法、装置、介质及设备 | |
CN106327576B (zh) | 一种城市场景重建方法及系统 | |
CN115797592B (zh) | 一种基于倾斜摄影三维模型自动生成建筑物体块的方法和装置 | |
CN114758337A (zh) | 一种语义实例重建方法、装置、设备及介质 | |
KR101079475B1 (ko) | 포인트 클라우드 필터링을 이용한 3차원 도시공간정보 구축 시스템 | |
CN114092651A (zh) | 用于应急管理的智能建模系统及方法 | |
CN103955959A (zh) | 一种基于车载激光测量系统的全自动纹理映射方法 | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、系统、电子设备及介质 | |
CN115546455B (zh) | 一种三维建筑模型单体化方法、装置及存储介质 | |
CN114529689B (zh) | 基于对抗神经网络的陶瓷杯缺陷样本扩增方法及系统 | |
CN112258568B (zh) | 一种高精度地图要素的提取方法及装置 | |
KR101079531B1 (ko) | 포인트 클라우드 데이터를 이용한 도로 레이어 생성 시스템 | |
CN110245553B (zh) | 路面测距方法及装置 | |
CN110111407B (zh) | 一种海量三维网格数据的调度渲染方法及系统 | |
CN111383334B (zh) | 用于渲染对象的系统和方法 | |
JP7267380B2 (ja) | レーザー点群と高精度地図を重ね合わせる方法、装置及び電子機器 | |
EP3998458A2 (en) | Method and apparatus for generating zebra crossing in high resolution map, and electronic device | |
CN116882031B (zh) | 一种基于点云的建筑模型构建方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |