CN107767382A - 静态三维地图建筑物轮廓线的自动提取方法及系统 - Google Patents
静态三维地图建筑物轮廓线的自动提取方法及系统 Download PDFInfo
- Publication number
- CN107767382A CN107767382A CN201710883790.6A CN201710883790A CN107767382A CN 107767382 A CN107767382 A CN 107767382A CN 201710883790 A CN201710883790 A CN 201710883790A CN 107767382 A CN107767382 A CN 107767382A
- Authority
- CN
- China
- Prior art keywords
- line
- line segments
- line segment
- connection
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种静态三维地图建筑物轮廓线的自动提取方法及系统,涉及地理信息技术领域。本发明根据帧缓存大小、地图分辨率分块加载三维模型,采用深度缓冲区分割算法,获取单个建筑物对象的颜色缓冲区,利用Canny算子对其进行边缘检测,然后进行边缘处理和直线段之间的连接,再基于图论以线段作为顶点,线段的连接概率作为弧的权值,通过知觉组织方法对线段进行编组,提取建筑物模型的轮廓。本发明能从任意视角可靠、迅速地自动提取静态三维地图中建筑物轮廓线。
Description
技术领域
本发明涉及地理信息技术领域,具体是涉及一种静态三维地图建筑物轮廓线的自动提取方法及系统。
背景技术
传统二维地图不能真实完整的反映现实世界,三维地图数据结构复杂,数据量较大且加载效率低。静态三维地图是一种展示三维模型效果的二维地图,不仅具有二维地图在数据采集、分析与处理等方面的优点,还具有直观和真实的空间表现能力,且数据量小、网上传输速度快,满足了在现有的网络环境下对三维地图的快速浏览访问。静态三维地图弥补了二维地图和三维地图的缺陷,但其为栅格图像,无法直接操作单个对象,因此,需要对建筑物提取轮廓线来标注属性信息,这对静态三维地图的推广使用非常重要。
目前,静态三维地图中建筑物的轮廓线通常都是人工交互提取的,当制作多个视角的城市静态三维地图时,不仅建筑轮廓线的制作会非常繁琐,且提取出的轮廓线也较为粗糙。越来越多的城市建立了精细化的三维城市模型,静态三维地图的应用会日益广泛,对建筑物轮廓线提取提出了更高的要求。面对海量的建筑物模型,人工交互提取静态三维地图上的建筑物轮廓线已明显不能满足要求,亟须自动提取轮廓线的方法,减少人工处理的工作量,提高轮廓线质量和提取效率。
目前,基于高分辨影像自动提取建筑物轮廓的方法已经逐渐成熟,但其都是针对建筑物顶部轮廓的,无法适用于任意视角下静态三维地图上的建筑物轮廓线的提取。针对其他三维物体的轮廓线提取方法也有很多,取得了不错的效果,但是其往往针对的是单个模型,而未考虑到平行投影下静态三维地图的建筑模型的加载、互相遮挡、投影空间边缘轮廓线不完整等问题。静态三维地图包含丰富的内容,单纯基于该地图难以自动精确提取建筑物轮廓线。因此,实现自动高效地提取静态三维地图中的建筑物轮廓线是一项非常必要的工作。
目前,轮廓线提取方法主要有以下几种:
(1)基于边缘的轮廓提取方法
由于建筑物与背景具有不同的灰度值、颜色或纹理,它们之间存在着不连续或突变的地方就是边缘,是图像信息识别中抽取的重要属性。基于边缘的轮廓提取方法主要包括边缘检测和边缘编组两个步骤。边缘检测就是根据遥感影像的每个像素点的亮度将其转换为灰度影像,通过计算灰度影像中的梯度值,找出建筑物边缘点。边缘检测算子利用边缘邻近一阶或二阶方向导数变化规律提取边缘,定位准确、速度快,一阶导数微分算子有Canny,Robert、sobel、Pfewitt、Robinson等,二阶导数微分算子如LapIacian,Marr-Hildreth(LOG)算子。边缘编组是从边缘图中按照某种规则提取最显著的轮廓,常用的方法有边缘连接、动态规划和轮廓编组,此外,还有利用粒子滤波进行轮廓提取的方法。TaejungKim(1999)等将边缘线段组成线段空间关系图,通过搜索图的方法寻找建筑物轮廓的线段集合。基于边缘的轮廓提取方法充分利用边缘图像中的线段,采用边缘检测算子和边缘编组方法提取轮廓线,但容易产生干扰线段,且搜索的时间复杂度高。
(2)基于区域的轮廓提取方法
轮廓提取还可以从区域性质出发,通过“目标分割”实现,即从图像出发,考虑图像灰度、纹理、像素统计特征等,确定每个像素的归属区域,将图像分割成目标和背景两个区域,然后再通过边界跟踪或数学形态学的方法得到轮廓。目标分割的原则是使得分割结果具有某些统计特性,如:a)内部区域性质相同;b)外部区域性质相同;c)内外区域性质相异。区域分割可分为两种形式:区域生长以及区域分离和聚合。区域生长方法以像素点为基元,以灰度、颜色或纹理为特征,将具有相似性质的点合并成为目标区域或背景区域,常用的方法有阈值化、区域生长、区域填充、分水岭、MSER等。区域分离和聚合是从整个图像开始分裂,然后将相似灰度或色度进行合并得到各个区域,有K-均值、Mean Shift、基于遗传算法的聚类等方法。
(3)其它轮廓提取方法
近年来,各学科的交叉应用以及计算机智能的快速发展为轮廓线提取带来了新的方法。基于图的自顶向下的分割方法将图像映射为带权无向图,把像素视为节点,利用最小剪切准则得到图像的最佳分割;基于知觉组织的方法无需目标先验知识、根据图像特征之间显现的有序性对线段进行组织;基于主动轮廓线的方法具有适应拓扑变化、对初值不敏感和求解稳定等优势,能够有效分割出感兴趣区域;还有基于人工智能提取轮廓线的方法也取得了不错的效果,如结合Bayesian网络识别并提取房屋的轮廓特征,但是也在一定程度上增加了解决方法的复杂性。此外,彩色图像分割方法是研究热点,边缘特征明显,可分为两类:一是分量输出合成法,将彩色影像分为三幅分量图,经过处理后再将其合并,得到彩色影像的边缘;二是彩色向量法,将彩色矢量看作一个整体,直接对彩色影像进行处理;还有交互式分割方法、复杂背景下基于运动的轮廓提取方法等。
目前的轮廓线提取方法局限于特定视角,无法实现从任意视角自动提取静态三维地图中建筑物轮廓线。
发明内容
本发明的目的是为了克服现有静态三维地图建筑物模型轮廓线难以自动精确提取的不足,提供一种静态三维地图建筑物轮廓线的自动提取方法及系统,能够处理建筑物之间的遮挡问题,能够从任意视角可靠、迅速地自动提取静态三维地图中建筑物轮廓线。
本发明提供一种静态三维地图建筑物轮廓线的自动提取方法,包括以下步骤:
S1、依据侧视地图的空间分辨、帧缓冲区大小,确定城市三维模型分块的大小,对城市三维模型进行分块,并创建数据库,用来存放显示不完整的模型信息,模型ID作为模型的唯一标识;
S2、加载当前分块范围内的城市三维模型至内存,判断每个建筑物三维模型的顶点是否在投影空间内,若有顶点不在投影空间,判定该模型为不完整显示,根据模型ID判断数据库中是否存在该模型,若不存在,则将模型ID、最小包围盒的平面坐标范围(xmin,ymin,xmax,ymax)写入数据库中;若存在,转到步骤S3;
S3、对于投影空间中显示完整的城市三维模型,利用深度缓冲区分割算法,对当前模型进行分割;再通过两次渲染,来分离当前模型与周围环境,获取当前模型的颜色缓冲区,并设置背景值为黑色,转到步骤S4;
S4、将当前模型的颜色缓冲区转化为8位单通道灰度图,采用canny算子对当前模型的8位单通道灰度图进行边缘检测,得到边缘二值图,转到步骤S5;
S5、采用边缘法则对边缘二值图进行处理:对T连接处进行拆分,当一条边缘与另一条边缘接近时,将其中一条边缘拆分为两条,避免发生错误连接;设置最短线段阈值S,去除长度小于S的超短线段,转到步骤S6;
S6、采用假设验证方法,对边缘二值图中的线段进行连接预处理,获取边缘二值图中的线段L的数量为D,转到步骤S7;
S7、根据线段几何特征和灰度特征,计算线段之间的连接概率,设置线段间的连接概率阈值N,转到步骤S8;
S8、将边缘二值图中的线段看作一个整体,视为顶点,将顶点之间的连接概率作为弧的权值,构建有向图结构,有向图中的顶点V的数量为2D,设定任意线段Li的两个端点分别为pi1、pi2,1≤i≤D,i为整数,以顶点Vi和Vi+D表示线段Li,Vi中线段方向为:pi1指向pi2,即Vi的初始端点为pi1,终止端点为pi2;顶点Vi+D中线段方向为:pi2指向pi1,即Vi+D的初始端点为pi2,终止端点为pi1;线段之间的连接通过一条线段的终止端点连接到另一条线段的初始端点来实现;
设定邻接矩阵Mat[2D][2D]存储连接概率,初始化为0,Mat[x][y]表示Vx的终止端点到Vy的初始端点的连接概率值,1≤x、y≤2D,x、y为整数,通过判断任意两条线段的各端点之间的连接概率,获取所有顶点之间的连接概率,分为以下四种情况:
若顶点Vj的初始端点pj1到Vk的初始端点pk1之间的连接概率大于N,则Vj+D到Vk之间、Vk+D到Vj之间均存在弧,设定Mat[j+D][k]的值为Vj+D到Vk的连接概率、Mat[k+D][j]的值为Vk+D到Vj的连接概率;
若顶点Vj的初始端点pj1到Vk的终止端点pk2之间的连接概率大于N,则Vk到Vj、Vj+D到Vk+D之间存在弧,设定Mat[k][j]为Vk到Vj的连接概率、Mat[j+D][k+D]的值为Vj+D到Vk+D的连接概率;
若顶点Vj的终止端点pj2到Vk的终止端点pk2之间的连接概率大于N,则Vj到Vk+D、Vk到Vj+D之间存在弧,设定Mat[j][k+D]为Vj到Vk+D的连接概率、Mat[k][j+D]的值为Vk到Vj+D的连接概率;
若顶点Vj的终止端点pj2到Vk的初始端点pk1之间的连接概率大于N,则Vj到Vk、Vk+D到Vj+D之间存在弧,设定Mat[j][k]为Vj到Vk的连接概率、Mat[k+D][j+D]的值为Vk+D到Vj+D的连接概率;
以此类推,直到处理完所有的线段;
为避免一个端点与另外一条线段的两个端点都存在连接,若存在Mat[u][i]、Mat[u][i+D]都不为0的情况,1≤u≤2D,则将两者中较小的值设为0;同理,若存在Mat[i][t]、Mat[i+D][t]都不为0的情况,1≤t≤2D,则将两者中较小的值设为0,转到步骤S9;
S9、根据邻接矩阵寻找有向图中所有的环,环的个数为O,转到步骤S10;
S10、计算每个环中的权值之和Sumi(i=1,2,……,O)与每个环的线段组成的轮廓线的面积Areai(i=1,2,……,O),作为显著性计算的影响因素,获取最显著轮廓,转到步骤S11;
S11、对当前分块范围内的下一个建筑物三维模型执行步骤S3~S10,直到提取完投影空间中所有完整建筑物三维模型的轮廓线,转到步骤S12;
S12、执行其他分块中建筑物三维模型轮廓线的提取,每个分块重复步骤S2~S11,直到处理完所有的分块,转到步骤S13;
S13、选择投影空间中显示不完整的建筑物三维模型,获取该模型的最小包围盒(xmin,xmax,ymin,ymax),xmax、xmin为x坐标轴的最大、最小值,ymax、ymin为y轴方向的最大、最小值,以坐标((xmin+xmax)/2,(ymin+ymax)/2)为投影空间平面中心,加载投影空间对应的地理范围内的城市三维模型,执行步骤S3~S10,直到处理完所有显示不完整的建筑物,实现从任意视角自动提取静态三维地图中建筑物的轮廓线。
在上述技术方案的基础上,步骤S1中,对城市三维模型进行分块时,矩形分块的长和宽由静态三维地图的空间分辨率和帧缓冲区大小来确定,分块具体步骤如下:
S101、依据侧视地图的空间分辨率res米/像素、帧缓冲区大小为m像素×n像素,确定城市三维模型分块的范围大小为W×H,W、H单位是米,分别代表城市三维模型分块范围实际的长、宽,计算公式为
S102、生成的静态三维地图范围是(Xmin,Ymin,Xmax,Ymax),Xmax、Xmin为x轴方向的最大、最小值,Ymax、Ymin为y轴方向的最大、最小值,R为静态地图分块的行数,C为列数,则分块数量为R×C,ceil函数返回大于或者等于表达式的最小整数,根据分块范围存储相应的城市三维模型。
在上述技术方案的基础上,步骤S6中,对边缘二值图中每条线段进行连接预处理的具体步骤如下:
S601、分别搜索与边缘二值图中的线段Li的端点pi1、pi2之间距离小于端点最短距离阈值F的直线段集合L',1≤i≤D,i为整数;
S602、若L'为空集,则处理下一条线段,直到处理完所有直线段;否则,转到步骤S603;
S603、1≤j≤D,j为整数,计算线段Li与集合L'中线段Lj是否满足下列条件:
S6031、夹角约束用于排除不共线的直线段,共线直线段的斜率相等,考虑到噪声影响、直线边缘定位的误差,设定夹角Angle小于夹角阈值A为共线,否则,从L'中删除Lj,返回到步骤S602;
S6032、侧向距离约束用于排除平行线的干扰,两直线段的侧向距离定义为直线段Lj的中点到直线Li的距离,用dis1表示,设定侧向距离阈值为DS,需满足dis1<DS,否则,从L'中删除Lj,返回到步骤S602;
S6033、重叠度Cover用于排除平行直线的干扰,重叠度越高,属于同一条直线的概率越小,设置重叠度阈值为CV,ls表示较短的线段的长度,lc表示重叠部分线段的长度,拟合线段需满足Cover<CV,否则,从L'中删除Lj,返回到步骤S602;
S6034、拟合误差,连接两条线段最远的两个端点的线段记为lf,长为dis2,每条线段的拟合误差为其余两个端点到lf的垂直距离d1、d2之和与dis2的比值,拟合误差需满足:否则,从L'中删除Lj,返回到步骤S602;
S604、判断两条线段的位置关系,若相交,转到步骤S605;若相离,转到步骤S606;
S605、两条线段相交,则判定这两条线段位于同一条直线上,将两条线段在这条直线外的点像素灰度设置为0,并从L'中删除与Li的目前连接端点小于端点最短距离阈值F的线段,返回到步骤S602;
S606、两条线段相离,则两条线段相邻端点之间的连线构成线段Lij,分别计算Li、Lij和Lj、Lij线段在灰度图中的平均灰度值之差ΔGiij、ΔGjij,转到步骤S607;
S607、设置灰度阈值Gray,判断ΔGiij、ΔGjij是否超过灰度阈值Gray,若两者都小于Gray,则将Li、Lj通过相邻端点连接为一条线段,并从L'中删除与Li的目前连接端点小于F的线段,返回到步骤S602;否则,Li、Lj不在同一条直线上,从L'中删除Lj,返回到步骤S602。
在上述技术方案的基础上,步骤S7中,建筑物三维模型轮廓线之间不存在夹角约束,极短线段已被删除,只考虑端点间距离和灰度值的影响,距离的影响表现为邻近性,灰度值的影响表现为相似性,两条线段间的连接概率计算过程如下:
邻近性:以两条线段Li、Lj相邻端点vi、vj之间的距离dist和两条线段长度leni、lenj的关系确定,则两条线段的邻近性概率proxij(vivj)为:
相似性:实际连接的两条线段,相邻端点vi、vj的灰度值Gi、Gj一致,用相似性概率simij(vivj)来刻画这种灰度一致性:
Li、Lj的连接概率p(vivj)的计算公式为:p(vivj)=αproxij(vivj)+βsimij(vivj),其中α、β为大于0小于1的浮点数,α为邻近性的权重,β为相似性的权重,且α+β=1。
本发明还提供一种静态三维地图建筑物轮廓线的自动提取系统,该系统包括城市三维模型分块单元、第一处理单元、第二处理单元、第三处理单元,其中:
城市三维模型分块单元用于:依据侧视地图的空间分辨、帧缓冲区大小,确定城市三维模型分块的大小,对城市三维模型进行分块,并创建数据库,用来存放显示不完整的模型信息,模型ID作为模型的唯一标识;
第一处理单元用于:加载当前分块范围内的城市三维模型至内存,判断每个建筑物三维模型的顶点是否在投影空间内,若有顶点不在投影空间,判定该模型为不完整显示,根据模型ID判断数据库中是否存在该模型,若不存在,则将模型ID、最小包围盒的平面坐标范围(xmin,ymin,xmax,ymax)写入数据库中;若存在,指示第二处理单元工作;
第二处理单元用于:对于投影空间中显示完整的城市三维模型,利用深度缓冲区分割算法,对当前模型进行分割;再通过两次渲染,来分离当前模型与周围环境,获取当前模型的颜色缓冲区,并设置背景值为黑色;
将当前模型的颜色缓冲区转化为8位单通道灰度图,采用canny算子对当前模型的8位单通道灰度图进行边缘检测,得到边缘二值图;
采用边缘法则对边缘二值图进行处理:对T连接处进行拆分,当一条边缘与另一条边缘接近时,将其中一条边缘拆分为两条,避免发生错误连接;设置最短线段阈值S,去除长度小于S的超短线段;
采用假设验证方法,对边缘二值图中的线段进行连接预处理,获取边缘二值图中的线段L的数量为D;
根据线段几何特征和灰度特征,计算线段之间的连接概率,设置线段间的连接概率阈值N;
将边缘二值图中的线段看作一个整体,视为顶点,将顶点之间的连接概率作为弧的权值,构建有向图结构,有向图中的顶点V的数量为2D,设定任意线段Li的两个端点分别为pi1、pi2,1≤i≤D,i为整数,以顶点Vi和Vi+D表示线段Li,Vi中线段方向为:pi1指向pi2,即Vi的初始端点为pi1,终止端点为pi2;顶点Vi+D中线段方向为:pi2指向pi1,即Vi+D的初始端点为pi2,终止端点为pi1;线段之间的连接通过一条线段的终止端点连接到另一条线段的初始端点来实现;
设定邻接矩阵Mat[2D][2D]存储连接概率,初始化为0,Mat[x][y]表示Vx的终止端点到Vy的初始端点的连接概率值,1≤x、y≤2D,x、y为整数,通过判断任意两条线段的各端点之间的连接概率,获取所有顶点之间的连接概率,分为以下四种情况:
若顶点Vj的初始端点pj1到Vk的初始端点pk1之间的连接概率大于N,则Vj+D到Vk之间、Vk+D到Vj之间均存在弧,设定Mat[j+D][k]的值为Vj+D到Vk的连接概率、Mat[k+D][j]的值为Vk+D到Vj的连接概率;
若顶点Vj的初始端点pj1到Vk的终止端点pk2之间的连接概率大于N,则Vk到Vj、Vj+D到Vk+D之间存在弧,设定Mat[k][j]为Vk到Vj的连接概率、Mat[j+D][k+D]的值为Vj+D到Vk+D的连接概率;
若顶点Vj的终止端点pj2到Vk的终止端点pk2之间的连接概率大于N,则Vj到Vk+D、Vk到Vj+D之间存在弧,设定Mat[j][k+D]为Vj到Vk+D的连接概率、Mat[k][j+D]的值为Vk到Vj+D的连接概率;
若顶点Vj的终止端点pj2到Vk的初始端点pk1之间的连接概率大于N,则Vj到Vk、Vk+D到Vj+D之间存在弧,设定Mat[j][k]为Vj到Vk的连接概率、Mat[k+D][j+D]的值为Vk+D到Vj+D的连接概率;
以此类推,直到处理完所有的线段;
为避免一个端点与另外一条线段的两个端点都存在连接,若存在Mat[u][i]、Mat[u][i+D]都不为0的情况,1≤u≤2D,则将两者中较小的值设为0;同理,若存在Mat[i][t]、Mat[i+D][t]都不为0的情况,1≤t≤2D,则将两者中较小的值设为0;
根据邻接矩阵寻找有向图中所有的环,环的个数为O;
计算每个环中的权值之和Sumi(i=1,2,……,O)与每个环的线段组成的轮廓线的面积Areai(i=1,2,……,O),作为显著性计算的影响因素,获取最显著轮廓;
第三处理单元用于:指示第二处理单元对当前分块范围内的下一个建筑物三维模型进行处理,直到提取完投影空间中所有完整建筑物三维模型的轮廓线;
指示第一处理单元执行其他分块中建筑物三维模型轮廓线的提取,直到处理完所有的分块;
选择投影空间中显示不完整的建筑物三维模型,获取该模型的最小包围盒(xmin,xmax,ymin,ymax),xmax、xmin为x坐标轴的最大、最小值,ymax、ymin为y轴方向的最大、最小值,以坐标((xmin+xmax)/2,(ymin+ymax)/2)为投影空间平面中心,加载投影空间对应的地理范围内的城市三维模型,指示第二处理单元工作,直到处理完所有显示不完整的建筑物,实现从任意视角自动提取静态三维地图中建筑物的轮廓线。
与现有技术相比,本发明的优点如下:
本发明基于三维模型的分块加载、颜色缓冲区与深度缓冲区的建筑物分割、边缘检测、线段提取和线段编组等,提出了一种静态三维地图建筑物轮廓线的自动提取方法。根据帧缓存大小、地图分辨率分块加载三维模型,采用深度缓冲区分割算法,获取单个建筑物对象的颜色缓冲区,利用Canny算子对其进行边缘检测,然后进行边缘处理和直线段之间的连接,再基于图论以线段作为顶点,线段的连接概率作为弧的权值,通过知觉组织方法对线段进行编组,提取建筑物模型的轮廓。本发明能够处理建筑物之间的遮挡问题,能够从任意视角可靠、迅速地自动提取静态三维地图中建筑物轮廓线。
附图说明
图1是本发明实施例中静态三维地图建筑物轮廓线的自动提取方法的流程图。
图2是本发明实施例中有向图的结构示意图。
图3是本发明实施例中城市三维模型的分块原理图。
图4是本发明实施例中直线段连接的流程图。
图5是本发明实施例中线段重叠度计算的示意图。
图6是本发明实施例中线段拟合误差的示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细描述。
参见图1所示,本发明实施例提供一种静态三维地图建筑物轮廓线的自动提取方法,包括以下步骤:
S1、依据侧视地图的空间分辨、帧缓冲区大小,确定城市三维模型分块的大小,对城市三维模型进行分块,并创建数据库,用来存放显示不完整的模型信息,模型ID作为模型的唯一标识;
S2、加载当前分块范围内的城市三维模型至内存,判断每个建筑物三维模型的顶点是否在投影空间内,若有顶点不在投影空间,判定该模型为不完整显示,根据模型ID判断数据库中是否存在该模型,若不存在,则将模型ID、最小包围盒的平面坐标范围(xmin,ymin,xmax,ymax)写入数据库中;若存在,转到步骤S3;
S3、对于投影空间中显示完整的城市三维模型,利用深度缓冲区分割算法,对当前模型进行分割;再通过两次渲染,来分离当前模型与周围环境,获取当前模型的颜色缓冲区,并设置背景值为黑色,转到步骤S4;
S4、将当前模型的颜色缓冲区转化为8位单通道灰度图,采用canny算子对当前模型的8位单通道灰度图进行边缘检测,得到边缘二值图,转到步骤S5;
S5、采用边缘法则对边缘二值图进行处理:对T连接处进行拆分,当一条边缘与另一条边缘接近时,将其中一条边缘拆分为两条,避免发生错误连接;设置最短线段阈值S,去除长度小于S的超短线段,转到步骤S6;
S6、为了提高计算效率,采用假设验证方法,对边缘二值图中的线段进行连接预处理,获取边缘二值图中的线段L的数量为D,转到步骤S7;
S7、根据线段几何特征和灰度特征,计算线段之间的连接概率,设置线段间的连接概率阈值N,转到步骤S8;
S8、参见图2所示,将边缘二值图中的线段看作一个整体,视为顶点,将顶点之间的连接概率作为弧的权值,构建有向图结构,有向图中的顶点V的数量为2D,设定任意线段Li的两个端点分别为pi1、pi2,1≤i≤D,i为整数,以顶点Vi和Vi+D表示线段Li,Vi中线段方向为:pi1指向pi2,即Vi的初始端点为pi1,终止端点为pi2;顶点Vi+D中线段方向为:pi2指向pi1,即Vi+D的初始端点为pi2,终止端点为pi1;线段之间的连接通过一条线段的终止端点连接到另一条线段的初始端点来实现;
设定邻接矩阵Mat[2D][2D]存储连接概率,初始化为0,Mat[x][y]表示Vx的终止端点到Vy的初始端点的连接概率值,1≤x、y≤2D,x、y为整数,通过判断任意两条线段的各端点之间的连接概率,获取所有顶点之间的连接概率,分为以下四种情况:
若顶点Vj的初始端点pj1到Vk的初始端点pk1之间的连接概率大于N,则Vj+D到Vk之间、Vk+D到Vj之间均存在弧,设定Mat[j+D][k]的值为Vj+D到Vk的连接概率、Mat[k+D][j]的值为Vk+D到Vj的连接概率;
若顶点Vj的初始端点pj1到Vk的终止端点pk2之间的连接概率大于N,则Vk到Vj、Vj+D到Vk+D之间存在弧,设定Mat[k][j]为Vk到Vj的连接概率、Mat[j+D][k+D]的值为Vj+D到Vk+D的连接概率;
若顶点Vj的终止端点pj2到Vk的终止端点pk2之间的连接概率大于N,则Vj到Vk+D、Vk到Vj+D之间存在弧,设定Mat[j][k+D]为Vj到Vk+D的连接概率、Mat[k][j+D]的值为Vk到Vj+D的连接概率;
若顶点Vj的终止端点pj2到Vk的初始端点pk1之间的连接概率大于N,则Vj到Vk、Vk+D到Vj+D之间存在弧,设定Mat[j][k]为Vj到Vk的连接概率、Mat[k+D][j+D]的值为Vk+D到Vj+D的连接概率;
以此类推,直到处理完所有的线段;
为避免一个端点与另外一条线段的两个端点都存在连接,若存在Mat[u][i]、Mat[u][i+D]都不为0的情况,1≤u≤2D,则将两者中较小的值设为0;同理,若存在Mat[i][t]、Mat[i+D][t]都不为0的情况,1≤t≤2D,则将两者中较小的值设为0,转到步骤S9;
S9、根据邻接矩阵寻找有向图中所有的环,环的个数为O,转到步骤S10;
S10、轮廓显著度应该由整体的封闭性、线段之间的接近性和相似性共同决定,由于三维建筑模型的轮廓是整体的,不是单个面的,因此,要获取最大的轮廓,显著度要考虑轮廓的面积大小;计算每个环中的权值之和Sumi(i=1,2,……,O)与每个环的线段组成的轮廓线的面积Areai(i=1,2,……,O),作为显著性计算的影响因素,获取最显著轮廓,转到步骤S11;
S11、对当前分块范围内的下一个建筑物三维模型执行步骤S3~S10,直到提取完投影空间中所有完整建筑物三维模型的轮廓线,转到步骤S12;
S12、执行其他分块中建筑物三维模型轮廓线的提取,每个分块重复步骤S2~S11,直到处理完所有的分块,转到步骤S13;
S13、选择投影空间中显示不完整的建筑物三维模型,获取该模型的最小包围盒(xmin,xmax,ymin,ymax),xmax、xmin为x坐标轴的最大、最小值,ymax、ymin为y轴方向的最大、最小值,以坐标((xmin+xmax)/2,(ymin+ymax)/2)为投影空间平面中心,加载投影空间对应的地理范围内的城市三维模型,执行步骤S3~S10,直到处理完所有显示不完整的建筑物,实现从任意视角自动提取静态三维地图中建筑物的轮廓线。
步骤S1中,对城市三维模型进行分块时,参见图3所示,矩形分块的长和宽由静态三维地图的空间分辨率和帧缓冲区大小来确定,分块具体步骤如下:
S101、依据侧视地图的空间分辨率res米/像素、帧缓冲区大小为m像素×n像素,确定城市三维模型分块的范围大小为W×H,W、H单位是米,分别代表城市三维模型分块范围实际的长、宽,计算公式为
S102、生成的静态三维地图范围是(Xmin,Ymin,Xmax,Ymax),Xmax、Xmin为x轴方向的最大、最小值,Ymax、Ymin为y轴方向的最大、最小值,R为静态地图分块的行数,C为列数,则分块数量为R×C,ceil函数返回大于或者等于表达式的最小整数,根据分块范围存储相应的城市三维模型。
参见图4所示,步骤S6中,对边缘二值图中每条线段进行连接预处理的具体步骤如下:
S601、分别搜索与边缘二值图中的线段Li的端点pi1、pi2之间距离小于端点最短距离阈值F的直线段集合L',1≤i≤D,i为整数;
S602、若L'为空集,则处理下一条线段,直到处理完所有直线段;否则,转到步骤S603;
S603、1≤j≤D,j为整数,计算线段Li与集合L'中线段Lj是否满足下列条件:
S6031、夹角约束用于排除不共线的直线段,共线直线段的斜率相等,考虑到噪声影响、直线边缘定位的误差,设定夹角Angle小于夹角阈值A为共线,否则,从L'中删除Lj,返回到步骤S602;
S6032、侧向距离约束用于排除平行线的干扰,两直线段的侧向距离定义为直线段Lj的中点到直线Li的距离,用dis1表示,设定侧向距离阈值为DS,需满足dis1<DS,否则,从L'中删除Lj,返回到步骤S602;
S6033、重叠度Cover用于排除平行直线的干扰,重叠度越高,属于同一条直线的概率越小,设置重叠度阈值为CV,参见图5所示,ls表示较短的线段的长度,lc表示重叠部分线段的长度,拟合线段需满足Cover<CV,否则,从L'中删除Lj,返回到步骤S602;
S6034、拟合误差:参见图6所示,连接两条线段最远的两个端点的线段记为lf,长为dis2,每条线段的拟合误差为其余两个端点到lf的垂直距离d1、d2之和与dis2的比值,拟合误差需满足:否则,从L'中删除Lj,返回到步骤S602;
S604、判断两条线段的位置关系,若相交,转到步骤S605;若相离,转到步骤S606;
S605、两条线段相交,则判定这两条线段位于同一条直线上,将两条线段在这条直线外的点像素灰度设置为0,并从L'中删除与Li的目前连接端点小于端点最短距离阈值F的线段,返回到步骤S602;
S606、两条线段相离,则两条线段相邻端点之间的连线构成线段Lij,分别计算Li、Lij和Lj、Lij线段在灰度图中的平均灰度值之差ΔGiij、ΔGjij,转到步骤S607;
S607、设置灰度阈值Gray,判断ΔGiij、ΔGjij是否超过灰度阈值Gray,若两者都小于Gray,则将Li、Lj通过相邻端点连接为一条线段,并从L'中删除与Li的目前连接端点小于F的线段,返回到步骤S602;否则,Li、Lj不在同一条直线上,从L'中删除Lj,返回到步骤S602。
步骤S7中,建筑物三维模型轮廓线之间不存在夹角约束,极短线段已被删除,只考虑端点间距离和灰度值的影响,距离的影响表现为邻近性,灰度值的影响表现为相似性,两条线段间的连接概率计算过程如下:
邻近性:以两条线段Li、Lj相邻端点vi、vj之间的距离dist和两条线段长度leni、lenj的关系确定,则两条线段的邻近性概率proxij(vivj)为:
相似性:实际连接的两条线段,相邻端点vi、vj的灰度值Gi、Gj一致,用相似性概率simij(vivj)来刻画这种灰度一致性:
Li、Lj的连接概率p(vivj)的计算公式为:p(vivj)=αproxij(vivj)+βsimij(vivj),其中α、β为大于0小于1的浮点数,α为邻近性的权重,β为相似性的权重,且α+β=1。
步骤S10具体包括以下步骤:
S1001、有向图中所有环的权值之和中最大值记为Summax,最小值记为Sumi,最大的环的面积为Areamax,最小的环的面积为Areai,则每个环的显著性Ci的计算方法为:
δ、η为大于0小于1的浮点数,δ用于调节权值的权重,η用于调节面积的权重,δ+η=1,0≤Ci≤1;
S1002、选取显著性最大的环中的线段作为最终提取的轮廓线,将其余线段像素设为0;
S1003、输出最终提取的轮廓线。
本发明实施例还提供一种静态三维地图建筑物轮廓线的自动提取系统,该系统包括城市三维模型分块单元、第一处理单元、第二处理单元、第三处理单元,其中:
城市三维模型分块单元用于:依据侧视地图的空间分辨、帧缓冲区大小,确定城市三维模型分块的大小,对城市三维模型进行分块,并创建数据库,用来存放显示不完整的模型信息,模型ID作为模型的唯一标识;
第一处理单元用于:加载当前分块范围内的城市三维模型至内存,判断每个建筑物三维模型的顶点是否在投影空间内,若有顶点不在投影空间,判定该模型为不完整显示,根据模型ID判断数据库中是否存在该模型,若不存在,则将模型ID、最小包围盒的平面坐标范围(xmin,ymin,xmax,ymax)写入数据库中;若存在,指示第二处理单元工作;
第二处理单元用于:对于投影空间中显示完整的城市三维模型,利用深度缓冲区分割算法,对当前模型进行分割;再通过两次渲染,来分离当前模型与周围环境,获取当前模型的颜色缓冲区,并设置背景值为黑色;
将当前模型的颜色缓冲区转化为8位单通道灰度图,采用canny算子对当前模型的8位单通道灰度图进行边缘检测,得到边缘二值图;
采用边缘法则对边缘二值图进行处理:对T连接处进行拆分,当一条边缘与另一条边缘接近时,将其中一条边缘拆分为两条,避免发生错误连接;设置最短线段阈值S,去除长度小于S的超短线段;
采用假设验证方法,对边缘二值图中的线段进行连接预处理,获取边缘二值图中的线段L的数量为D;
根据线段几何特征和灰度特征,计算线段之间的连接概率,设置线段间的连接概率阈值N;
将边缘二值图中的线段看作一个整体,视为顶点,将顶点之间的连接概率作为弧的权值,构建有向图结构,有向图中的顶点V的数量为2D,设定任意线段Li的两个端点分别为pi1、pi2,1≤i≤D,i为整数,以顶点Vi和Vi+D表示线段Li,Vi中线段方向为:pi1指向pi2,即Vi的初始端点为pi1,终止端点为pi2;顶点Vi+D中线段方向为:pi2指向pi1,即Vi+D的初始端点为pi2,终止端点为pi1;线段之间的连接通过一条线段的终止端点连接到另一条线段的初始端点来实现;
设定邻接矩阵Mat[2D][2D]存储连接概率,初始化为0,Mat[x][y]表示Vx的终止端点到Vy的初始端点的连接概率值,1≤x、y≤2D,x、y为整数,通过判断任意两条线段的各端点之间的连接概率,获取所有顶点之间的连接概率,分为以下四种情况:
若顶点Vj的初始端点pj1到Vk的初始端点pk1之间的连接概率大于N,则Vj+D到Vk之间、Vk+D到Vj之间均存在弧,设定Mat[j+D][k]的值为Vj+D到Vk的连接概率、Mat[k+D][j]的值为Vk+D到Vj的连接概率;
若顶点Vj的初始端点pj1到Vk的终止端点pk2之间的连接概率大于N,则Vk到Vj、Vj+D到Vk+D之间存在弧,设定Mat[k][j]为Vk到Vj的连接概率、Mat[j+D][k+D]的值为Vj+D到Vk+D的连接概率;
若顶点Vj的终止端点pj2到Vk的终止端点pk2之间的连接概率大于N,则Vj到Vk+D、Vk到Vj+D之间存在弧,设定Mat[j][k+D]为Vj到Vk+D的连接概率、Mat[k][j+D]的值为Vk到Vj+D的连接概率;
若顶点Vj的终止端点pj2到Vk的初始端点pk1之间的连接概率大于N,则Vj到Vk、Vk+D到Vj+D之间存在弧,设定Mat[j][k]为Vj到Vk的连接概率、Mat[k+D][j+D]的值为Vk+D到Vj+D的连接概率;
以此类推,直到处理完所有的线段;
为避免一个端点与另外一条线段的两个端点都存在连接,若存在Mat[u][i]、Mat[u][i+D]都不为0的情况,1≤u≤2D,则将两者中较小的值设为0;同理,若存在Mat[i][t]、Mat[i+D][t]都不为0的情况,1≤t≤2D,则将两者中较小的值设为0;
根据邻接矩阵寻找有向图中所有的环,环的个数为O;
计算每个环中的权值之和Sumi(i=1,2,……,O)与每个环的线段组成的轮廓线的面积Areai(i=1,2,……,O),作为显著性计算的影响因素,获取最显著轮廓;
第三处理单元用于:指示第二处理单元对当前分块范围内的下一个建筑物三维模型进行处理,直到提取完投影空间中所有完整建筑物三维模型的轮廓线;
指示第一处理单元执行其他分块中建筑物三维模型轮廓线的提取,直到处理完所有的分块;
选择投影空间中显示不完整的建筑物三维模型,获取该模型的最小包围盒(xmin,xmax,ymin,ymax),xmax、xmin为x坐标轴的最大、最小值,ymax、ymin为y轴方向的最大、最小值,以坐标((xmin+xmax)/2,(ymin+ymax)/2)为投影空间平面中心,加载投影空间对应的地理范围内的城市三维模型,指示第二处理单元工作,直到处理完所有显示不完整的建筑物,实现从任意视角自动提取静态三维地图中建筑物的轮廓线。
城市三维模型分块单元对城市三维模型进行分块时,矩形分块的长和宽由静态三维地图的空间分辨率和帧缓冲区大小来确定,分块具体步骤如下:
S101、依据侧视地图的空间分辨率res米/像素、帧缓冲区大小为m像素×n像素,确定城市三维模型分块的范围大小为W×H,W、H单位是米,分别代表城市三维模型分块范围实际的长、宽,计算公式为
S102、生成的静态三维地图范围是(Xmin,Ymin,Xmax,Ymax),Xmax、Xmin为x轴方向的最大、最小值,Ymax、Ymin为y轴方向的最大、最小值,R为静态地图分块的行数,C为列数,则分块数量为R×C,ceil函数返回大于或者等于表达式的最小整数,根据分块范围存储相应的城市三维模型。
第二处理单元对边缘二值图中每条线段进行连接预处理的具体步骤如下:
S601、分别搜索与边缘二值图中的线段Li的端点pi1、pi2之间距离小于端点最短距离阈值F的直线段集合L',1≤i≤D,i为整数;
S602、若L'为空集,则处理下一条线段,直到处理完所有直线段;否则,转到步骤S603;
S603、1≤j≤D,j为整数,计算线段Li与集合L'中线段Lj是否满足下列条件:
S6031、夹角约束用于排除不共线的直线段,共线直线段的斜率相等,考虑到噪声影响、直线边缘定位的误差,设定夹角Angle小于夹角阈值A为共线,否则,从L'中删除Lj,返回到步骤S602;
S6032、侧向距离约束用于排除平行线的干扰,两直线段的侧向距离定义为直线段Lj的中点到直线Li的距离,用dis1表示,设定侧向距离阈值为DS,需满足dis1<DS,否则,从L'中删除Lj,返回到步骤S602;
S6033、重叠度Cover用于排除平行直线的干扰,重叠度越高,属于同一条直线的概率越小,设置重叠度阈值为CV,ls表示较短的线段的长度,lc表示重叠部分线段的长度,拟合线段需满足Cover<CV,否则,从L'中删除Lj,返回到步骤S602;
S6034、拟合误差,连接两条线段最远的两个端点的线段记为lf,长为dis2,每条线段的拟合误差为其余两个端点到lf的垂直距离d1、d2之和与dis2的比值,拟合误差需满足:否则,从L'中删除Lj,返回到步骤S602;
S604、判断两条线段的位置关系,若相交,转到步骤S605;若相离,转到步骤S606;
S605、两条线段相交,则判定这两条线段位于同一条直线上,将两条线段在这条直线外的点像素灰度设置为0,并从L'中删除与Li的目前连接端点小于端点最短距离阈值F的线段,返回到步骤S602;
S606、两条线段相离,则两条线段相邻端点之间的连线构成线段Lij,分别计算Li、Lij和Lj、Lij线段在灰度图中的平均灰度值之差ΔGiij、ΔGjij,转到步骤S607;
S607、设置灰度阈值Gray,判断ΔGiij、ΔGjij是否超过灰度阈值Gray,若两者都小于Gray,则将Li、Lj通过相邻端点连接为一条线段,并从L'中删除与Li的目前连接端点小于F的线段,返回到步骤S602;否则,Li、Lj不在同一条直线上,从L'中删除Lj,返回到步骤S602。
第二处理单元计算线段之间的连接概率时,建筑物三维模型轮廓线之间不存在夹角约束,极短线段已被删除,只考虑端点间距离和灰度值的影响,距离的影响表现为邻近性,灰度值的影响表现为相似性,两条线段间的连接概率计算过程如下:
邻近性:以两条线段Li、Lj相邻端点vi、vj之间的距离dist和两条线段长度leni、lenj的关系确定,则两条线段的邻近性概率proxij(vivj)为:
相似性:实际连接的两条线段,相邻端点vi、vj的灰度值Gi、Gj一致,用相似性概率simij(vivj)来刻画这种灰度一致性:
Li、Lj的连接概率p(vivj)的计算公式为:p(vivj)=αproxij(vivj)+βsimij(vivj),其中α、β为大于0小于1的浮点数,α为邻近性的权重,β为相似性的权重,且α+β=1。
第二处理单元获取最显著轮廓的具体过程如下:
S1001、有向图中所有环的权值之和中最大值记为Summax,最小值记为Sumi,最大的环的面积为Areamax,最小的环的面积为Areai,则每个环的显著性Ci的计算方法为:
δ、η为大于0小于1的浮点数,δ用于调节权值的权重,η用于调节面积的权重,δ+η=1,0≤Ci≤1;
S1002、选取显著性最大的环中的线段作为最终提取的轮廓线,将其余线段像素设为0;
S1003、输出最终提取的轮廓线。
本领域的技术人员可以对本发明实施例进行各种修改和变型,倘若这些修改和变型在本发明权利要求及其等同技术的范围之内,则这些修改和变型也在本发明的保护范围之内。
说明书中未详细描述的内容为本领域技术人员公知的现有技术。
Claims (10)
1.一种静态三维地图建筑物轮廓线的自动提取方法,其特征在于,包括以下步骤:
S1、依据侧视地图的空间分辨、帧缓冲区大小,确定城市三维模型分块的大小,对城市三维模型进行分块,并创建数据库,用来存放显示不完整的模型信息,模型ID作为模型的唯一标识;
S2、加载当前分块范围内的城市三维模型至内存,判断每个建筑物三维模型的顶点是否在投影空间内,若有顶点不在投影空间,判定该模型为不完整显示,根据模型ID判断数据库中是否存在该模型,若不存在,则将模型ID、最小包围盒的平面坐标范围(xmin,ymin,xmax,ymax)写入数据库中;若存在,转到步骤S3;
S3、对于投影空间中显示完整的城市三维模型,利用深度缓冲区分割算法,对当前模型进行分割;再通过两次渲染,来分离当前模型与周围环境,获取当前模型的颜色缓冲区,并设置背景值为黑色,转到步骤S4;
S4、将当前模型的颜色缓冲区转化为8位单通道灰度图,采用canny算子对当前模型的8位单通道灰度图进行边缘检测,得到边缘二值图,转到步骤S5;
S5、采用边缘法则对边缘二值图进行处理:对T连接处进行拆分,当一条边缘与另一条边缘接近时,将其中一条边缘拆分为两条,避免发生错误连接;设置最短线段阈值S,去除长度小于S的超短线段,转到步骤S6;
S6、采用假设验证方法,对边缘二值图中的线段进行连接预处理,获取边缘二值图中的线段L的数量为D,转到步骤S7;
S7、根据线段几何特征和灰度特征,计算线段之间的连接概率,设置线段间的连接概率阈值N,转到步骤S8;
S8、将边缘二值图中的线段看作一个整体,视为顶点,将顶点之间的连接概率作为弧的权值,构建有向图结构,有向图中的顶点V的数量为2D,设定任意线段Li的两个端点分别为pi1、pi2,1≤i≤D,i为整数,以顶点Vi和Vi+D表示线段Li,Vi中线段方向为:pi1指向pi2,即Vi的初始端点为pi1,终止端点为pi2;顶点Vi+D中线段方向为:pi2指向pi1,即Vi+D的初始端点为pi2,终止端点为pi1;线段之间的连接通过一条线段的终止端点连接到另一条线段的初始端点来实现;
设定邻接矩阵Mat[2D][2D]存储连接概率,初始化为0,Mat[x][y]表示Vx的终止端点到Vy的初始端点的连接概率值,1≤x、y≤2D,x、y为整数,通过判断任意两条线段的各端点之间的连接概率,获取所有顶点之间的连接概率,分为以下四种情况:
若顶点Vj的初始端点pj1到Vk的初始端点pk1之间的连接概率大于N,则Vj+D到Vk之间、Vk+D到Vj之间均存在弧,设定Mat[j+D][k]的值为Vj+D到Vk的连接概率、Mat[k+D][j]的值为Vk+D到Vj的连接概率;
若顶点Vj的初始端点pj1到Vk的终止端点pk2之间的连接概率大于N,则Vk到Vj、Vj+D到Vk+D之间存在弧,设定Mat[k][j]为Vk到Vj的连接概率、Mat[j+D][k+D]的值为Vj+D到Vk+D的连接概率;
若顶点Vj的终止端点pj2到Vk的终止端点pk2之间的连接概率大于N,则Vj到Vk+D、Vk到Vj+D之间存在弧,设定Mat[j][k+D]为Vj到Vk+D的连接概率、Mat[k][j+D]的值为Vk到Vj+D的连接概率;
若顶点Vj的终止端点pj2到Vk的初始端点pk1之间的连接概率大于N,则Vj到Vk、Vk+D到Vj+D之间存在弧,设定Mat[j][k]为Vj到Vk的连接概率、Mat[k+D][j+D]的值为Vk+D到Vj+D的连接概率;
以此类推,直到处理完所有的线段;
为避免一个端点与另外一条线段的两个端点都存在连接,若存在Mat[u][i]、Mat[u][i+D]都不为0的情况,1≤u≤2D,则将两者中较小的值设为0;同理,若存在Mat[i][t]、Mat[i+D][t]都不为0的情况,1≤t≤2D,则将两者中较小的值设为0,转到步骤S9;
S9、根据邻接矩阵寻找有向图中所有的环,环的个数为O,转到步骤S10;
S10、计算每个环中的权值之和Sumi(i=1,2,……,O)与每个环的线段组成的轮廓线的面积Areai(i=1,2,……,O),作为显著性计算的影响因素,获取最显著轮廓,转到步骤S11;
S11、对当前分块范围内的下一个建筑物三维模型执行步骤S3~S10,直到提取完投影空间中所有完整建筑物三维模型的轮廓线,转到步骤S12;
S12、执行其他分块中建筑物三维模型轮廓线的提取,每个分块重复步骤S2~S11,直到处理完所有的分块,转到步骤S13;
S13、选择投影空间中显示不完整的建筑物三维模型,获取该模型的最小包围盒(xmin,xmax,ymin,ymax),xmax、xmin为x坐标轴的最大、最小值,ymax、ymin为y轴方向的最大、最小值,以坐标((xmin+xmax)/2,(ymin+ymax)/2)为投影空间平面中心,加载投影空间对应的地理范围内的城市三维模型,执行步骤S3~S10,直到处理完所有显示不完整的建筑物,实现从任意视角自动提取静态三维地图中建筑物的轮廓线。
2.如权利要求1所述的静态三维地图建筑物轮廓线的自动提取方法,其特征在于:步骤S1中,对城市三维模型进行分块时,矩形分块的长和宽由静态三维地图的空间分辨率和帧缓冲区大小来确定,分块具体步骤如下:
S101、依据侧视地图的空间分辨率res米/像素、帧缓冲区大小为m像素×n像素,确定城市三维模型分块的范围大小为W×H,W、H单位是米,分别代表城市三维模型分块范围实际的长、宽,计算公式为
S102、生成的静态三维地图范围是(Xmin,Ymin,Xmax,Ymax),Xmax、Xmin为x轴方向的最大、最小值,Ymax、Ymin为y轴方向的最大、最小值,R为静态地图分块的行数,C为列数,则分块数量为R×C,ceil函数返回大于或者等于表达式的最小整数,根据分块范围存储相应的城市三维模型。
3.如权利要求1所述的静态三维地图建筑物轮廓线的自动提取方法,其特征在于:步骤S6中,对边缘二值图中每条线段进行连接预处理的具体步骤如下:
S601、分别搜索与边缘二值图中的线段Li的端点pi1、pi2之间距离小于端点最短距离阈值F的直线段集合L',1≤i≤D,i为整数;
S602、若L'为空集,则处理下一条线段,直到处理完所有直线段;否则,转到步骤S603;
S603、1≤j≤D,j为整数,计算线段Li与集合L'中线段Lj是否满足下列条件:
S6031、夹角约束用于排除不共线的直线段,共线直线段的斜率相等,考虑到噪声影响、直线边缘定位的误差,设定夹角Angle小于夹角阈值A为共线,否则,从L'中删除Lj,返回到步骤S602;
S6032、侧向距离约束用于排除平行线的干扰,两直线段的侧向距离定义为直线段Lj的中点到直线Li的距离,用dis1表示,设定侧向距离阈值为DS,需满足dis1<DS,否则,从L'中删除Lj,返回到步骤S602;
S6033、重叠度Cover用于排除平行直线的干扰,重叠度越高,属于同一条直线的概率越小,设置重叠度阈值为CV,ls表示较短的线段的长度,lc表示重叠部分线段的长度,拟合线段需满足Cover<CV,否则,从L'中删除Lj,返回到步骤S602;
S6034、拟合误差,连接两条线段最远的两个端点的线段记为lf,长为dis2,每条线段的拟合误差为其余两个端点到lf的垂直距离d1、d2之和与dis2的比值,拟合误差需满足:否则,从L'中删除Lj,返回到步骤S602;
S604、判断两条线段的位置关系,若相交,转到步骤S605;若相离,转到步骤S606;
S605、两条线段相交,则判定这两条线段位于同一条直线上,将两条线段在这条直线外的点像素灰度设置为0,并从L'中删除与Li的目前连接端点小于端点最短距离阈值F的线段,返回到步骤S602;
S606、两条线段相离,则两条线段相邻端点之间的连线构成线段Lij,分别计算Li、Lij和Lj、Lij线段在灰度图中的平均灰度值之差ΔGiij、ΔGjij,转到步骤S607;
S607、设置灰度阈值Gray,判断ΔGiij、ΔGjij是否超过灰度阈值Gray,若两者都小于Gray,则将Li、Lj通过相邻端点连接为一条线段,并从L'中删除与Li的目前连接端点小于F的线段,返回到步骤S602;否则,Li、Lj不在同一条直线上,从L'中删除Lj,返回到步骤S602。
4.如权利要求1所述的静态三维地图建筑物轮廓线的自动提取方法,其特征在于:步骤S7中,建筑物三维模型轮廓线之间不存在夹角约束,极短线段已被删除,只考虑端点间距离和灰度值的影响,距离的影响表现为邻近性,灰度值的影响表现为相似性,两条线段间的连接概率计算过程如下:
邻近性:以两条线段Li、Lj相邻端点vi、vj之间的距离dist和两条线段长度leni、lenj的关系确定,则两条线段的邻近性概率proxij(vivj)为:
相似性:实际连接的两条线段,相邻端点vi、vj的灰度值Gi、Gj一致,用相似性概率simij(vivj)来刻画这种灰度一致性:
<mrow>
<msub>
<mi>sim</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<msub>
<mi>v</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>/</mo>
<mn>2</mn>
</mrow>
</mfrac>
<mo>,</mo>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mo>&le;</mo>
<mo>(</mo>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>/</mo>
<mn>2</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
<mo>,</mo>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mo>></mo>
<mo>(</mo>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>/</mo>
<mn>2</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
Li、Lj的连接概率p(vivj)的计算公式为:p(vivj)=αproxij(vivj)+βsimij(vivj),其中α、β为大于0小于1的浮点数,α为邻近性的权重,β为相似性的权重,且α+β=1。
5.如权利要求1所述的静态三维地图建筑物轮廓线的自动提取方法,其特征在于:步骤S10具体包括以下步骤:
S1001、有向图中所有环的权值之和中最大值记为Summax,最小值记为Sumi,最大的环的面积为Areamax,最小的环的面积为Areai,则每个环的显著性Ci的计算方法为:
δ、η为大于0小于1的浮点数,δ用于调节权值的权重,η用于调节面积的权重,δ+η=1,0≤Ci≤1;
S1002、选取显著性最大的环中的线段作为最终提取的轮廓线,将其余线段像素设为0;
S1003、输出最终提取的轮廓线。
6.一种静态三维地图建筑物轮廓线的自动提取系统,其特征在于,该系统包括城市三维模型分块单元、第一处理单元、第二处理单元、第三处理单元,其中:
城市三维模型分块单元用于:依据侧视地图的空间分辨、帧缓冲区大小,确定城市三维模型分块的大小,对城市三维模型进行分块,并创建数据库,用来存放显示不完整的模型信息,模型ID作为模型的唯一标识;
第一处理单元用于:加载当前分块范围内的城市三维模型至内存,判断每个建筑物三维模型的顶点是否在投影空间内,若有顶点不在投影空间,判定该模型为不完整显示,根据模型ID判断数据库中是否存在该模型,若不存在,则将模型ID、最小包围盒的平面坐标范围(xmin,ymin,xmax,ymax)写入数据库中;若存在,指示第二处理单元工作;
第二处理单元用于:对于投影空间中显示完整的城市三维模型,利用深度缓冲区分割算法,对当前模型进行分割;再通过两次渲染,来分离当前模型与周围环境,获取当前模型的颜色缓冲区,并设置背景值为黑色;
将当前模型的颜色缓冲区转化为8位单通道灰度图,采用canny算子对当前模型的8位单通道灰度图进行边缘检测,得到边缘二值图;
采用边缘法则对边缘二值图进行处理:对T连接处进行拆分,当一条边缘与另一条边缘接近时,将其中一条边缘拆分为两条,避免发生错误连接;设置最短线段阈值S,去除长度小于S的超短线段;
采用假设验证方法,对边缘二值图中的线段进行连接预处理,获取边缘二值图中的线段L的数量为D;
根据线段几何特征和灰度特征,计算线段之间的连接概率,设置线段间的连接概率阈值N;
将边缘二值图中的线段看作一个整体,视为顶点,将顶点之间的连接概率作为弧的权值,构建有向图结构,有向图中的顶点V的数量为2D,设定任意线段Li的两个端点分别为pi1、pi2,1≤i≤D,i为整数,以顶点Vi和Vi+D表示线段Li,Vi中线段方向为:pi1指向pi2,即Vi的初始端点为pi1,终止端点为pi2;顶点Vi+D中线段方向为:pi2指向pi1,即Vi+D的初始端点为pi2,终止端点为pi1;线段之间的连接通过一条线段的终止端点连接到另一条线段的初始端点来实现;
设定邻接矩阵Mat[2D][2D]存储连接概率,初始化为0,Mat[x][y]表示Vx的终止端点到Vy的初始端点的连接概率值,1≤x、y≤2D,x、y为整数,通过判断任意两条线段的各端点之间的连接概率,获取所有顶点之间的连接概率,分为以下四种情况:
若顶点Vj的初始端点pj1到Vk的初始端点pk1之间的连接概率大于N,则Vj+D到Vk之间、Vk+D到Vj之间均存在弧,设定Mat[j+D][k]的值为Vj+D到Vk的连接概率、Mat[k+D][j]的值为Vk+D到Vj的连接概率;
若顶点Vj的初始端点pj1到Vk的终止端点pk2之间的连接概率大于N,则Vk到Vj、Vj+D到Vk+D之间存在弧,设定Mat[k][j]为Vk到Vj的连接概率、Mat[j+D][k+D]的值为Vj+D到Vk+D的连接概率;
若顶点Vj的终止端点pj2到Vk的终止端点pk2之间的连接概率大于N,则Vj到Vk+D、Vk到Vj+D之间存在弧,设定Mat[j][k+D]为Vj到Vk+D的连接概率、Mat[k][j+D]的值为Vk到Vj+D的连接概率;
若顶点Vj的终止端点pj2到Vk的初始端点pk1之间的连接概率大于N,则Vj到Vk、Vk+D到Vj+D之间存在弧,设定Mat[j][k]为Vj到Vk的连接概率、Mat[k+D][j+D]的值为Vk+D到Vj+D的连接概率;
以此类推,直到处理完所有的线段;
为避免一个端点与另外一条线段的两个端点都存在连接,若存在Mat[u][i]、Mat[u][i+D]都不为0的情况,1≤u≤2D,则将两者中较小的值设为0;同理,若存在Mat[i][t]、Mat[i+D][t]都不为0的情况,1≤t≤2D,则将两者中较小的值设为0;
根据邻接矩阵寻找有向图中所有的环,环的个数为O;
计算每个环中的权值之和Sumi(i=1,2,……,O)与每个环的线段组成的轮廓线的面积Areai(i=1,2,……,O),作为显著性计算的影响因素,获取最显著轮廓;
第三处理单元用于:指示第二处理单元对当前分块范围内的下一个建筑物三维模型进行处理,直到提取完投影空间中所有完整建筑物三维模型的轮廓线;
指示第一处理单元执行其他分块中建筑物三维模型轮廓线的提取,直到处理完所有的分块;
选择投影空间中显示不完整的建筑物三维模型,获取该模型的最小包围盒(xmin,xmax,ymin,ymax),xmax、xmin为x坐标轴的最大、最小值,ymax、ymin为y轴方向的最大、最小值,以坐标((xmin+xmax)/2,(ymin+ymax)/2)为投影空间平面中心,加载投影空间对应的地理范围内的城市三维模型,指示第二处理单元工作,直到处理完所有显示不完整的建筑物,实现从任意视角自动提取静态三维地图中建筑物的轮廓线。
7.如权利要求6所述的静态三维地图建筑物轮廓线的自动提取系统,其特征在于:所述城市三维模型分块单元对城市三维模型进行分块时,矩形分块的长和宽由静态三维地图的空间分辨率和帧缓冲区大小来确定,分块具体步骤如下:
S101、依据侧视地图的空间分辨率res米/像素、帧缓冲区大小为m像素×n像素,确定城市三维模型分块的范围大小为W×H,W、H单位是米,分别代表城市三维模型分块范围实际的长、宽,计算公式为
S102、生成的静态三维地图范围是(Xmin,Ymin,Xmax,Ymax),Xmax、Xmin为x轴方向的最大、最小值,Ymax、Ymin为y轴方向的最大、最小值,R为静态地图分块的行数,C为列数,则分块数量为R×C,ceil函数返回大于或者等于表达式的最小整数,根据分块范围存储相应的城市三维模型。
8.如权利要求6所述的静态三维地图建筑物轮廓线的自动提取系统,其特征在于:所述第二处理单元对边缘二值图中每条线段进行连接预处理的具体步骤如下:
S601、分别搜索与边缘二值图中的线段Li的端点pi1、pi2之间距离小于端点最短距离阈值F的直线段集合L',1≤i≤D,i为整数;
S602、若L'为空集,则处理下一条线段,直到处理完所有直线段;否则,转到步骤S603;
S603、1≤j≤D,j为整数,计算线段Li与集合L'中线段Lj是否满足下列条件:
S6031、夹角约束用于排除不共线的直线段,共线直线段的斜率相等,考虑到噪声影响、直线边缘定位的误差,设定夹角Angle小于夹角阈值A为共线,否则,从L'中删除Lj,返回到步骤S602;
S6032、侧向距离约束用于排除平行线的干扰,两直线段的侧向距离定义为直线段Lj的中点到直线Li的距离,用dis1表示,设定侧向距离阈值为DS,需满足dis1<DS,否则,从L'中删除Lj,返回到步骤S602;
S6033、重叠度Cover用于排除平行直线的干扰,重叠度越高,属于同一条直线的概率越小,设置重叠度阈值为CV,ls表示较短的线段的长度,lc表示重叠部分线段的长度,拟合线段需满足Cover<CV,否则,从L'中删除Lj,返回到步骤S602;
S6034、拟合误差,连接两条线段最远的两个端点的线段记为lf,长为dis2,每条线段的拟合误差为其余两个端点到lf的垂直距离d1、d2之和与dis2的比值,拟合误差需满足:否则,从L'中删除Lj,返回到步骤S602;
S604、判断两条线段的位置关系,若相交,转到步骤S605;若相离,转到步骤S606;
S605、两条线段相交,则判定这两条线段位于同一条直线上,将两条线段在这条直线外的点像素灰度设置为0,并从L'中删除与Li的目前连接端点小于端点最短距离阈值F的线段,返回到步骤S602;
S606、两条线段相离,则两条线段相邻端点之间的连线构成线段Lij,分别计算Li、Lij和Lj、Lij线段在灰度图中的平均灰度值之差ΔGiij、ΔGjij,转到步骤S607;
S607、设置灰度阈值Gray,判断ΔGiij、ΔGjij是否超过灰度阈值Gray,若两者都小于Gray,则将Li、Lj通过相邻端点连接为一条线段,并从L'中删除与Li的目前连接端点小于F的线段,返回到步骤S602;否则,Li、Lj不在同一条直线上,从L'中删除Lj,返回到步骤S602。
9.如权利要求6所述的静态三维地图建筑物轮廓线的自动提取系统,其特征在于:所述第二处理单元计算线段之间的连接概率时,建筑物三维模型轮廓线之间不存在夹角约束,极短线段已被删除,只考虑端点间距离和灰度值的影响,距离的影响表现为邻近性,灰度值的影响表现为相似性,两条线段间的连接概率计算过程如下:
邻近性:以两条线段Li、Lj相邻端点vi、vj之间的距离dist和两条线段长度leni、lenj的关系确定,则两条线段的邻近性概率proxij(vivj)为:
相似性:实际连接的两条线段,相邻端点vi、vj的灰度值Gi、Gj一致,用相似性概率simij(vivj)来刻画这种灰度一致性:
<mrow>
<msub>
<mi>sim</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<msub>
<mi>v</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>/</mo>
<mn>2</mn>
</mrow>
</mfrac>
<mo>,</mo>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mo>&le;</mo>
<mo>(</mo>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>/</mo>
<mn>2</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
<mo>,</mo>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mo>></mo>
<mo>(</mo>
<msub>
<mi>G</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>G</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>/</mo>
<mn>2</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
Li、Lj的连接概率p(vivj)的计算公式为:p(vivj)=αproxij(vivj)+βsimij(vivj),其中α、β为大于0小于1的浮点数,α为邻近性的权重,β为相似性的权重,且α+β=1。
10.如权利要求6所述的静态三维地图建筑物轮廓线的自动提取系统,其特征在于:所述第二处理单元获取最显著轮廓的具体过程如下:
S1001、有向图中所有环的权值之和中最大值记为Summax,最小值记为Sumi,最大的环的面积为Areamax,最小的环的面积为Areai,则每个环的显著性Ci的计算方法为:
δ、η为大于0小于1的浮点数,δ用于调节权值的权重,η用于调节面积的权重,δ+η=1,0≤Ci≤1;
S1002、选取显著性最大的环中的线段作为最终提取的轮廓线,将其余线段像素设为0;
S1003、输出最终提取的轮廓线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710883790.6A CN107767382B (zh) | 2017-09-26 | 2017-09-26 | 静态三维地图建筑物轮廓线的自动提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710883790.6A CN107767382B (zh) | 2017-09-26 | 2017-09-26 | 静态三维地图建筑物轮廓线的自动提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107767382A true CN107767382A (zh) | 2018-03-06 |
CN107767382B CN107767382B (zh) | 2018-10-30 |
Family
ID=61267608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710883790.6A Expired - Fee Related CN107767382B (zh) | 2017-09-26 | 2017-09-26 | 静态三维地图建筑物轮廓线的自动提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107767382B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109446992A (zh) * | 2018-10-30 | 2019-03-08 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备 |
CN109452959A (zh) * | 2018-11-27 | 2019-03-12 | 王鹏君 | 一种无痕分层提取的方法及装置 |
CN109671116A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于图像识别的房产面积计算方法及相关设备 |
CN110009625A (zh) * | 2019-04-11 | 2019-07-12 | 上海科技大学 | 基于深度学习的图像处理系统、方法、终端、及介质 |
CN110059760A (zh) * | 2019-04-25 | 2019-07-26 | 北京工业大学 | 基于拓扑结构和cnn的几何图形识别方法 |
CN110532602A (zh) * | 2019-07-19 | 2019-12-03 | 中国地质大学(武汉) | 一种基于平面图图像的室内自动制图与建模方法 |
CN110851896A (zh) * | 2019-09-29 | 2020-02-28 | 成都信息工程大学 | 基于局部邻域信息的cad外墙体识别方法及装置 |
CN110969187A (zh) * | 2019-10-30 | 2020-04-07 | 创意信息技术股份有限公司 | 一种图谱迁移的语义分析方法 |
CN111435117A (zh) * | 2019-01-11 | 2020-07-21 | 富士通株式会社 | 裂纹线检测装置、裂纹线检测方法和记录介质 |
CN111523391A (zh) * | 2020-03-26 | 2020-08-11 | 上海刻羽信息科技有限公司 | 建筑物的识别方法、系统、电子设备及可读存储介质 |
CN112435337A (zh) * | 2020-11-13 | 2021-03-02 | 郑亮 | 一种景观可视域分析方法及系统 |
CN113781507A (zh) * | 2021-09-06 | 2021-12-10 | 锐捷网络股份有限公司 | 图形重建方法、装置、计算设备和计算机存储介质 |
CN114332291A (zh) * | 2021-12-21 | 2022-04-12 | 武汉大势智慧科技有限公司 | 一种倾斜摄影模型建筑物外轮廓规则提取方法 |
CN114677481A (zh) * | 2022-05-31 | 2022-06-28 | 中国飞机强度研究所 | 空天飞机地面测试的理想加热曲面等效逼近模型构建方法 |
CN114972621A (zh) * | 2021-12-06 | 2022-08-30 | 华北水利水电大学 | 一种三维建筑轮廓提取方法、装置、电子设备及存储介质 |
CN115063553A (zh) * | 2022-07-01 | 2022-09-16 | 浙江合信地理信息技术有限公司 | 一种建筑物轮廓线提取建模系统及其建模方法 |
CN115082699A (zh) * | 2022-07-28 | 2022-09-20 | 深圳市其域创新科技有限公司 | 一种轮廓形状提取方法、装置、电子设备及存储介质 |
CN115272379A (zh) * | 2022-08-03 | 2022-11-01 | 杭州新迪数字工程系统有限公司 | 一种基于投影的三维网格模型外轮廓提取方法及系统 |
CN116342827A (zh) * | 2023-05-26 | 2023-06-27 | 厦门精图信息技术有限公司 | 一种地图元素三维呈现系统及方法 |
CN116580160A (zh) * | 2023-07-12 | 2023-08-11 | 深圳大学 | 一种建筑物单体分割和结构重建耦合处理方法及相关装置 |
CN116645069A (zh) * | 2023-07-26 | 2023-08-25 | 东莞市鹏锦机械科技有限公司 | 一种基于机器视觉的工程项目管理系统 |
CN116804865A (zh) * | 2023-08-28 | 2023-09-26 | 成都飞机工业(集团)有限责任公司 | 一种三轴自动化程编特征识别与刀轨生成方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120212488A1 (en) * | 2011-02-22 | 2012-08-23 | Chang-Hyo Yu | Graphic processor and method of early testing visibility of pixels |
CN102930593A (zh) * | 2012-09-28 | 2013-02-13 | 上海大学 | 一种双目系统中基于gpu的实时绘制方法 |
CN104103071A (zh) * | 2014-06-27 | 2014-10-15 | 山东大学(威海) | 一种应用于磁共振图像壳核的交互式分割方法 |
US20140354671A1 (en) * | 2013-05-31 | 2014-12-04 | Arm Limited | Graphics processing systems |
CN104281840A (zh) * | 2014-09-28 | 2015-01-14 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 一种基于智能终端定位识别建筑物的方法及装置 |
CN105469355A (zh) * | 2015-11-18 | 2016-04-06 | 重庆市勘测院 | 基于城市三维模型提取2.5维地图建筑物轮廓的方法 |
CN105678841A (zh) * | 2016-01-07 | 2016-06-15 | 邱炎新 | 一种快速建模的立体地图获取装置 |
CN106127739A (zh) * | 2016-06-16 | 2016-11-16 | 华东交通大学 | 一种结合单目视觉的rgb‑d slam方法 |
CN106157293A (zh) * | 2015-04-24 | 2016-11-23 | 无锡北邮感知技术产业研究院有限公司 | 一种基于遮挡特征学习的深度次序推理方法 |
CN106920278A (zh) * | 2017-03-03 | 2017-07-04 | 合肥工业大学 | 一种基于Reeb图的立交桥三维建模方法 |
-
2017
- 2017-09-26 CN CN201710883790.6A patent/CN107767382B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120212488A1 (en) * | 2011-02-22 | 2012-08-23 | Chang-Hyo Yu | Graphic processor and method of early testing visibility of pixels |
CN102930593A (zh) * | 2012-09-28 | 2013-02-13 | 上海大学 | 一种双目系统中基于gpu的实时绘制方法 |
US20140354671A1 (en) * | 2013-05-31 | 2014-12-04 | Arm Limited | Graphics processing systems |
CN104103071A (zh) * | 2014-06-27 | 2014-10-15 | 山东大学(威海) | 一种应用于磁共振图像壳核的交互式分割方法 |
CN104281840A (zh) * | 2014-09-28 | 2015-01-14 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 一种基于智能终端定位识别建筑物的方法及装置 |
CN106157293A (zh) * | 2015-04-24 | 2016-11-23 | 无锡北邮感知技术产业研究院有限公司 | 一种基于遮挡特征学习的深度次序推理方法 |
CN105469355A (zh) * | 2015-11-18 | 2016-04-06 | 重庆市勘测院 | 基于城市三维模型提取2.5维地图建筑物轮廓的方法 |
CN105678841A (zh) * | 2016-01-07 | 2016-06-15 | 邱炎新 | 一种快速建模的立体地图获取装置 |
CN106127739A (zh) * | 2016-06-16 | 2016-11-16 | 华东交通大学 | 一种结合单目视觉的rgb‑d slam方法 |
CN106920278A (zh) * | 2017-03-03 | 2017-07-04 | 合肥工业大学 | 一种基于Reeb图的立交桥三维建模方法 |
Non-Patent Citations (3)
Title |
---|
ADABALA N: "A Technique for building Representation in Oblique View Maps of Modern Urban Areas", 《THE CARTOGRAPHIC JOURNAL》 * |
朱园媛 等: "侧视地图中建筑物轮廓线提取的三维城市模型法", 《测绘学报》 * |
陈迅: "2.5维电子地图的制作与发布", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109671116A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于图像识别的房产面积计算方法及相关设备 |
CN109446992A (zh) * | 2018-10-30 | 2019-03-08 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备 |
CN109446992B (zh) * | 2018-10-30 | 2022-06-17 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备 |
CN109452959A (zh) * | 2018-11-27 | 2019-03-12 | 王鹏君 | 一种无痕分层提取的方法及装置 |
CN109452959B (zh) * | 2018-11-27 | 2021-02-02 | 王鹏君 | 一种无痕分层提取的方法及装置 |
CN111435117A (zh) * | 2019-01-11 | 2020-07-21 | 富士通株式会社 | 裂纹线检测装置、裂纹线检测方法和记录介质 |
CN111435117B (zh) * | 2019-01-11 | 2023-07-21 | 富士通株式会社 | 裂纹线检测装置、裂纹线检测方法和记录介质 |
CN110009625A (zh) * | 2019-04-11 | 2019-07-12 | 上海科技大学 | 基于深度学习的图像处理系统、方法、终端、及介质 |
CN110059760A (zh) * | 2019-04-25 | 2019-07-26 | 北京工业大学 | 基于拓扑结构和cnn的几何图形识别方法 |
CN110059760B (zh) * | 2019-04-25 | 2021-04-30 | 北京工业大学 | 基于拓扑结构和cnn的几何图形识别方法 |
CN110532602A (zh) * | 2019-07-19 | 2019-12-03 | 中国地质大学(武汉) | 一种基于平面图图像的室内自动制图与建模方法 |
CN110532602B (zh) * | 2019-07-19 | 2022-11-18 | 中国地质大学(武汉) | 一种基于平面图图像的室内自动制图与建模方法 |
CN110851896A (zh) * | 2019-09-29 | 2020-02-28 | 成都信息工程大学 | 基于局部邻域信息的cad外墙体识别方法及装置 |
CN110851896B (zh) * | 2019-09-29 | 2023-02-21 | 成都信息工程大学 | 基于局部邻域信息的cad外墙体识别方法及装置 |
CN110969187B (zh) * | 2019-10-30 | 2020-12-11 | 创意信息技术股份有限公司 | 一种图谱迁移的语义分析方法 |
CN110969187A (zh) * | 2019-10-30 | 2020-04-07 | 创意信息技术股份有限公司 | 一种图谱迁移的语义分析方法 |
CN111523391A (zh) * | 2020-03-26 | 2020-08-11 | 上海刻羽信息科技有限公司 | 建筑物的识别方法、系统、电子设备及可读存储介质 |
CN112435337A (zh) * | 2020-11-13 | 2021-03-02 | 郑亮 | 一种景观可视域分析方法及系统 |
CN113781507A (zh) * | 2021-09-06 | 2021-12-10 | 锐捷网络股份有限公司 | 图形重建方法、装置、计算设备和计算机存储介质 |
CN114972621A (zh) * | 2021-12-06 | 2022-08-30 | 华北水利水电大学 | 一种三维建筑轮廓提取方法、装置、电子设备及存储介质 |
CN114972621B (zh) * | 2021-12-06 | 2024-09-10 | 华北水利水电大学 | 一种三维建筑轮廓提取方法、装置、电子设备及存储介质 |
CN114332291A (zh) * | 2021-12-21 | 2022-04-12 | 武汉大势智慧科技有限公司 | 一种倾斜摄影模型建筑物外轮廓规则提取方法 |
CN114332291B (zh) * | 2021-12-21 | 2024-08-16 | 武汉大势智慧科技有限公司 | 一种倾斜摄影模型建筑物外轮廓规则提取方法 |
CN114677481A (zh) * | 2022-05-31 | 2022-06-28 | 中国飞机强度研究所 | 空天飞机地面测试的理想加热曲面等效逼近模型构建方法 |
CN115063553B (zh) * | 2022-07-01 | 2024-03-19 | 浙江合信地理信息技术有限公司 | 一种建筑物轮廓线提取建模系统及其建模方法 |
CN115063553A (zh) * | 2022-07-01 | 2022-09-16 | 浙江合信地理信息技术有限公司 | 一种建筑物轮廓线提取建模系统及其建模方法 |
CN115082699B (zh) * | 2022-07-28 | 2022-11-04 | 深圳市其域创新科技有限公司 | 一种轮廓形状提取方法、装置、电子设备及存储介质 |
CN115082699A (zh) * | 2022-07-28 | 2022-09-20 | 深圳市其域创新科技有限公司 | 一种轮廓形状提取方法、装置、电子设备及存储介质 |
CN115272379A (zh) * | 2022-08-03 | 2022-11-01 | 杭州新迪数字工程系统有限公司 | 一种基于投影的三维网格模型外轮廓提取方法及系统 |
CN115272379B (zh) * | 2022-08-03 | 2023-11-28 | 上海新迪数字技术有限公司 | 一种基于投影的三维网格模型外轮廓提取方法及系统 |
CN116342827A (zh) * | 2023-05-26 | 2023-06-27 | 厦门精图信息技术有限公司 | 一种地图元素三维呈现系统及方法 |
CN116342827B (zh) * | 2023-05-26 | 2023-08-08 | 厦门精图信息技术有限公司 | 一种地图元素三维呈现系统及方法 |
CN116580160A (zh) * | 2023-07-12 | 2023-08-11 | 深圳大学 | 一种建筑物单体分割和结构重建耦合处理方法及相关装置 |
CN116580160B (zh) * | 2023-07-12 | 2023-12-15 | 深圳大学 | 一种建筑物单体分割和结构重建耦合处理方法及相关装置 |
CN116645069B (zh) * | 2023-07-26 | 2023-12-22 | 东莞市鹏锦机械科技有限公司 | 一种基于机器视觉的工程项目管理系统 |
CN116645069A (zh) * | 2023-07-26 | 2023-08-25 | 东莞市鹏锦机械科技有限公司 | 一种基于机器视觉的工程项目管理系统 |
CN116804865B (zh) * | 2023-08-28 | 2023-12-08 | 成都飞机工业(集团)有限责任公司 | 一种三轴自动化程编特征识别与刀轨生成方法 |
CN116804865A (zh) * | 2023-08-28 | 2023-09-26 | 成都飞机工业(集团)有限责任公司 | 一种三轴自动化程编特征识别与刀轨生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107767382B (zh) | 2018-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767382A (zh) | 静态三维地图建筑物轮廓线的自动提取方法及系统 | |
Wei et al. | Toward automatic building footprint delineation from aerial images using CNN and regularization | |
Yu et al. | Automatic 3D building reconstruction from multi-view aerial images with deep learning | |
Yang et al. | Hierarchical extraction of urban objects from mobile laser scanning data | |
Lari et al. | An adaptive approach for the segmentation and extraction of planar and linear/cylindrical features from laser scanning data | |
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN107392141B (zh) | 一种基于显著性检测和lsd直线检测的机场提取方法 | |
CN103258203B (zh) | 遥感影像的道路中线自动提取方法 | |
CN114612488A (zh) | 建筑物单体化信息提取方法、计算机装置及存储介质 | |
US20140133741A1 (en) | Device for generating three dimensional feature data, method for generating three-dimensional feature data, and recording medium on which program for generating three-dimensional feature data is recorded | |
CN112070769A (zh) | 一种基于dbscan的分层点云分割方法 | |
CN104134234A (zh) | 一种全自动的基于单幅图像的三维场景构建方法 | |
Wei et al. | Graph convolutional networks for the automated production of building vector maps from aerial images | |
CN110555857A (zh) | 一种语义边缘主导的高分遥感影像分割方法 | |
Shen et al. | A polygon aggregation method with global feature preservation using superpixel segmentation | |
CN107085848A (zh) | 一种rgb‑d图显著性的检测方法 | |
CN116452852A (zh) | 一种高精度矢量地图的自动生成方法 | |
CN109727255B (zh) | 一种建筑物三维模型分割方法 | |
Shen et al. | A progressive method for the collapse of river representation considering geographical characteristics | |
Poux et al. | Point Clouds as an Efficient Multiscale Layered Spatial Representation. | |
CN111091071A (zh) | 基于探地雷达双曲波拟合的地下目标检测方法及系统 | |
CN114898321A (zh) | 道路可行驶区域检测方法、装置、设备、介质及系统 | |
CN115019163A (zh) | 基于多源大数据的城市要素识别方法 | |
Zhou et al. | 3D building change detection between current VHR images and past lidar data | |
CN114283343A (zh) | 基于遥感卫星图像的地图更新方法、训练方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
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: 20181030 Termination date: 20210926 |