CN109186551A - 倾斜摄影测量建筑物特征点提取方法、装置与存储介质 - Google Patents

倾斜摄影测量建筑物特征点提取方法、装置与存储介质 Download PDF

Info

Publication number
CN109186551A
CN109186551A CN201810895879.9A CN201810895879A CN109186551A CN 109186551 A CN109186551 A CN 109186551A CN 201810895879 A CN201810895879 A CN 201810895879A CN 109186551 A CN109186551 A CN 109186551A
Authority
CN
China
Prior art keywords
intersection
outdoor scene
alien
threedimensional model
building
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
CN201810895879.9A
Other languages
English (en)
Other versions
CN109186551B (zh
Inventor
杨光
张�荣
林鸿
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.)
Guangzhou Urban Planning Survey and Design Institute
Original Assignee
Guangzhou Urban Planning Survey and Design Institute
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 Guangzhou Urban Planning Survey and Design Institute filed Critical Guangzhou Urban Planning Survey and Design Institute
Priority to CN201810895879.9A priority Critical patent/CN109186551B/zh
Publication of CN109186551A publication Critical patent/CN109186551A/zh
Application granted granted Critical
Publication of CN109186551B publication Critical patent/CN109186551B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • 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

Abstract

本发明公开了一种倾斜摄影测量建筑物特征点提取方法、装置与存储介质，该方法，包括：根据多视倾斜影像，构建指定建筑的实景三维模型；从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面；根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线；提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点。上述方法能够依据多视倾斜影像，准确提取建筑的特征点，提高建筑的测绘精度和效率。

Description

倾斜摄影测量建筑物特征点提取方法、装置与存储介质
技术领域
本发明涉及建筑测绘技术领域，具体涉及一种倾斜摄影测量建筑物特征点提取方法、装置与存储介质。
背景技术
倾斜摄影测量是国际摄影测量领域近年来兴起的一项高新技术，它通过从不同的视角采集影像，获取到丰富的建筑物顶面及侧视的高分辨率纹理。它不仅能够真实地反映地物情况，高精度地获取物方纹理信息，还可通过先进的定位、融合、建模等技术，生成近乎真实的三维城市模型。
倾斜影像能让用户从多个角度观察地物，更加真实地反映地物的实际情况，极大地弥补了传统正射影像应用的不足。通过配套应用，可直接基于成果影像生成点云和实景三维模型，用户能够多角度进行点选和量测，扩展了倾斜摄影测量技术的应用。
实景三维模型一般是由海量点云基于三角网而贴面生成的。随着倾斜摄影测量的相机分辨率越来越高、镜头数量也越来越多，实景三维模型的数据量呈几何级数的递增，直接利用三角网实现特征点搜索的效率越来越低；并且，由于三角网本身特性的制约，它对于面的拟合效果较好，但对于建筑物外轮廓非平缓的线状目标和突出角点难以准确拟合；而若由人工直接辨认特征点，又往往因为目标在视图中呈现尖角易产生较大的勾选偏差；另外，由于树木植被和其他地物的影响，很多建筑物的特征点还不能直接呈现在倾斜影像上。上述种种问题会导致建筑物的特征点提取精度不足效率不高，难以满足规划、建设、城管和市政等领域对建筑物量测有较高精度要求的场合。
发明内容
基于此，本发明提供了一种倾斜摄影测量建筑物特征点提取方法、装置与存储介质，能够依据多视倾斜影像，准确提取建筑的特征点，提高建筑的测绘精度和效率。
本发明实施例提供一种倾斜摄影测量建筑物特征点提取方法，包括：
根据多视倾斜影像，构建指定建筑的实景三维模型；
从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面；
根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线；
提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点。
优选地，所述从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面，具体包括：
根据公式计算所述外立面对应的最优平面；
其中，P1(x1,y1,z1)、P2(x2,y2,z2)、P3(x3,y3,z3)为所述外立面不共线的三点对应的坐标。
优选地，所述根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线，具体包括：
根据两个相邻的外立面对应的最优平面的法向量，计算所述交线的方向向量以及过所述交线的指定坐标；
根据所述交线的方向向量以及过所述交线的指定坐标，获得所述两个相邻的外立面的交线。
优选地，根据两个相邻的外立面对应的最优平面的法向量，计算所述交线的方向向量以及过所述交线的指定坐标，具体包括：
根据公式计算所述交线的方向向量；
根据公式计算过所述交线的指定坐标；
其中，分别为两个相邻的外立面对应的最优平面的法向量。
优选地，所述根据所述交线的方向向量以及过所述交线的指定坐标，获得所述两个相邻的外立面的交线，具体包括：
根据公式计算所述交线的方程，以获得所述两个相邻的外立面的交线；
其中，(0，y0，z0)为过所述交线的指定坐标，t为参数。
优选地，所述提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点，具体包括：
根据公式计算所述其他外立面对应的最优平面；
其中，Q1(xQ1,yQ1,zQ1)、Q2(xQ2,yQ2,zQ2)、Q3(xQ3,yQ3,zQ3)为所述外立面不共线的三点对应的坐标；
根据公式i(x-xQ1)+j(y-yQ1)+k(z-zQ1)＝0，计算所述其他外立面的最优平面对应的法式方程；
根据公式计算所述交线的方程的参数t；
根据所述交线的方程以及所述交线的方程的参数t，计算所述交线与所述实景三维模型中其他外立面的最优平面的交点坐标。
优选地，所述根据多视倾斜影像，构建指定建筑的实景三维模型之前还包括：
根据所述多视倾斜影像的位置数据和姿态数据，对所述多视倾斜影像进行空中三角测量、几何校正、坐标转换以及影像拼接。
本发明实施例还提供了一种倾斜摄影测量建筑物特征点提取装置，包括：
模型构建模块，用于根据多视倾斜影像，构建指定建筑的实景三维模型；
平面计算模块，用于从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面；
交线计算模块，用于根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线；
特征点提取模块，用于提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点。
本发明实施例还提供了一种倾斜摄影测量建筑物特征点提取装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的倾斜摄影测量建筑物特征点提取方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的倾斜摄影测量建筑物特征点提取方法。
相对于现有技术，本发明实施例提供的一种倾斜摄影测量建筑物特征点提取方法的有益效果在于：所述倾斜摄影测量建筑物特征点提取方法，包括：根据多视倾斜影像，构建指定建筑的实景三维模型；从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面；根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线；提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点。上述方法能够依据多视倾斜影像，准确提取建筑的特征点，提高建筑的测绘精度和效率。
附图说明
图1是本发明实施例提供的一种倾斜摄影测量建筑物特征点提取方法的流程图；
图2是某示意性建筑的部分代表性特征点的示意图；
图3是由三个点组成向量确定相应平面的示意图；
图4是根据两个相邻平面和的法向量，求解出交线的方向向量的示意图；
图5是交线与最优平面的交点的示意图；
图6是本发明实施例提供的一种倾斜摄影测量建筑物特征点提取装置的示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
请参阅图1，其是本发明实施例所提供的一种倾斜摄影测量建筑物特征点提取方法的流程图，所述倾斜摄影测量建筑物特征点提取方法，包括：
S100：根据多视倾斜影像，构建指定建筑的实景三维模型；
待提取的建筑物特征点是由两个相邻的外立面相交形成的交线。建筑物特征点是体现建构筑物外轮廓的各种边线、交线等直线，包括但不仅限于建筑面之间的交线、建筑立面与顶面形成的边缘线、坡面的边坡线及坡脚线等，可以依据建筑物的复杂程度和建模的精细要求程度而定；例如，参见图2所示的某示意性建筑的部分代表性特征点的示意图。
S200：从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面；
在本实施例中，由于不共线的三点即可唯一确定一个平面，故平面的确定可以直接在所述实景三维模型中任意一个外立面指定三个特征位置，也可以经由设计图、现场测量等方式直接获取和输入点位坐标。点位选取的原则是位于相应的建筑面上，且具有较高影像辨识度，便于点选。同时，为提高立面计算精度，建议两点间的距离尽可能远。
参见图3，以外立面不共线的三点P1(x1,y1,z1)、P2(x2,y2,z2)、P3(x3,y3,z3)为例，求解得到最优的平面M1。本发明以向量P1P2和向量P1P3所确定的法向量与平面 M1相垂直的关系进行解算。
S300：根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线；
S400：提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点。
参阅图4，每个特征点可以看作是由特定的相邻所述交线L与外立面Q相交形成的。而所述交线L同样是由两个特定的相邻外立面相交形成的。对所述实景三维模型中所有待提取特征点按照上述步骤依次处理。所生成的交线可直接向用户设备展示或用于建筑物的高精度建模。为便于其它显示，还可再转换至不同坐标系中。另外，如有需要还可利用直线方程直接给出特征点在指定位置处的具体坐标值。
本发明以交互式的过程实现了针对多视倾斜影像的特征点的自动构造和提取，基于构造相邻外立面来生成相应的特征点，通过多个面的约束确保了特征点的精确性、严密性和稳健性。本发明改进了传统方法在作业效率、便捷性和精确性等方面的不足。而且，即使对于由于遮挡、视角等问题而在影像上无法直接看到的建筑物的特征点，采用本发明也可以精确地进行提取，实现了准确提取建筑的特征点，提高建筑的测绘精度和效率。在无人机低空航测、地面或空中倾斜摄影测量、大比例尺地形图快速测制等相关领域具有广泛的应用前景。
在一种可选的实施例中，S200：从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面，具体包括：
根据公式计算所述外立面对应的最优平面；
其中，P1(x1,y1,z1)、P2(x2,y2,z2)、P3(x3,y3,z3)为所述外立面不共线的三点对应的坐标。
在一种可选的实施例中，所述根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线，具体包括：
根据两个相邻的外立面对应的最优平面的法向量，计算所述交线的方向向量以及过所述交线的指定坐标；
根据所述交线的方向向量以及过所述交线的指定坐标，获得所述两个相邻的外立面的交线。
在一种可选的实施例中，根据两个相邻的外立面对应的最优平面的法向量，计算所述交线的方向向量以及过所述交线的指定坐标，具体包括：
根据公式计算所述交线的方向向量；
根据公式计算过所述交线的指定坐标；
令过所述交线的指定坐标中x＝0,通过上述公式可以求解出过所述交线的指定坐标为(0，y0，z0)。
其中，分别为两个相邻的外立面对应的最优平面的法向量。
请参阅图4，根据两个相邻的外立面M1和M2的法向量，利用正交性求解出所述交线L的方向向量
在一种可选的实施例中，所述根据所述交线的方向向量以及过所述交线的指定坐标，获得所述两个相邻的外立面的交线，具体包括：
根据公式计算所述交线的方程，以获得所述两个相邻的外立面的交线；
其中，(0，y0，z0)为过所述交线的指定坐标，t为参数。
在一种可选的实施例中，请参阅图5，所述提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点，具体包括：
根据公式计算所述其他外立面对应的最优平面Q；
其中，Q1(xQ1,yQ1,zQ1)、Q2(xQ2,yQ2,zQ2)、Q3(xQ3,yQ3,zQ3)为所述外立面不共线的三点对应的坐标；
根据公式i(x-xQ1)+j(y-yQ1)+k(z-zQ1)＝0，计算所述其他外立面的最优平面对应的法式方程；
根据公式计算所述交线的方程的参数t；
根据所述交线的方程以及所述交线的方程的参数t，计算所述交线与所述实景三维模型中其他外立面的最优平面的交点坐标。
在本实施例中，通过将计算所得的参数t代回入所述交线方程L，即可求出该特征点的坐标。
在一种可选的实施例中，S100：根据多视倾斜影像，构建指定建筑的实景三维模型之前还包括：
根据所述多视倾斜影像的位置数据和姿态数据，对所述多视倾斜影像进行空中三角测量、几何校正、坐标转换以及影像拼接。
由于无人机航高较低、分辨率很高，受视角所限，针对房屋等大型建筑的测绘需通过多个测站的多角度影像采集才能完整覆盖，因此，需要采集指定建筑的多视倾斜影像，并依据多视倾斜影像的位置(GPS)数据和姿态(POS)数据采用通用方法进行空中三角测量、几何校正、坐标转换和影像拼接等预处理，生成具有数据量大、重叠度高和视角丰富的特点的影像数据，以使得构建的点云和实景三维模型处于与测量投影面处于同一空间直角坐标系中，便于后续的统一处理。
若所述多视倾斜影像所采用的是大地经纬度坐标或仪器坐标、影像坐标等其它坐标系统的，也完全可以事先转换至空间直角坐标系。
进一步地，所述实景三维模型的构建过程如下：
(1)根据所述位置数据和所述姿态数据，将所述多视倾斜影像进行空中三角测量，获得所有影像的高精度外方位元素，
(2)基于畸变校正后的多视倾斜影像和所述外方位元素通过多视影像密集匹配，获得高密度三维点云，构建3D TIN模型；
多视影像密集匹配能得到高密度数字点云，通过优化构网算法构建数字表而模型(DSM)可用于后期模型构建及正射影像生成。多视倾斜影像联合空三后解算出各影像的外方位元素，分析并选择最佳影像匹配单元进行特征匹配和逐像素级匹配，引入并行算法，可以提高计算效率。在获取高密度DSM数据后，可进行滤波处理，即将不同匹配单元进行融合，形成统一的DSM。经过密集匹配获得的高密度点云数据量很大，需要进行切割分块。可根据计算机性能以及设置的优先级别对切块的点云数据进行不规则三角网构建。具体为：(1)利用同一地物不同角度的多视倾斜影像信息，采用参考多视倾斜影像不固定的匹配策略逐像素匹配；(2)基于多视匹配的冗余信息，避免遮挡对匹配产生的影响，再引入并行算法提高计算效率以快速准确地获取多视倾斜影像上同名点坐标，进而获取地物的高密度三维点云数据；(3)基于点云构建不同层次细节度(Levels of Detail)下的三角网(TIN)模型。通过对三角网优化，将内部三角的尺寸调整至与原始多视倾斜影像分辨相匹配的比例，同时通过对连续曲而变化的分析对相对平坦地区的三角网络进行简化，降低数据冗余，获得TIN模型矢量架构。
(3)根据3D TIN模型中每个三角形面片的法线方程与二维图像(即所述多视倾斜影像)之间的夹角选择相对应的最佳纹理信息，实现纹理的自动关联；
自动纹理映射主要基于瓦片技术，即将整个建模区域分割成若干个一定大小的子区域(瓦片)，基于集群处理系统的并行处理机制将每个瓦片打包建立成为一个任务自动分配给各计算节点进行模型与纹理影像的配准和纹理贴附，同时为带纹理的模型建立多细节、多层次的LOD，便于优化相应的文件组织结构，提高模型分层次浏览的效率，从而生成最终的实景三维模型。
(4)输出并获得所述实景三维模型。
本发明实施例还提供了一种倾斜摄影测量建筑物特征点提取装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的倾斜摄影测量建筑物特征点提取方法。
请参阅图6，其是本发明实施例提供的一种倾斜摄影测量建筑物特征点提取装置的示意图，所述倾斜摄影测量建筑物特征点提取装置，包括：
模型构建模块1，用于根据多视倾斜影像，构建指定建筑的实景三维模型；
待提取的建筑物特征点是由两个相邻的外立面相交形成的交线。建筑物特征点是体现建构筑物外轮廓的各种边线、交线等直线，包括但不仅限于建筑面之间的交线、建筑立面与顶面形成的边缘线、坡面的边坡线及坡脚线等，可以依据建筑物的复杂程度和建模的精细要求程度而定；例如，参见图2所示的某示意性建筑的部分代表性特征点的示意图。
平面计算模块2，用于从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面；
在本实施例中，由于不共线的三点即可唯一确定一个平面，故平面的确定可以直接在所述实景三维模型中任意一个外立面指定三个特征位置，也可以经由设计图、现场测量等方式直接获取和输入点位坐标。点位选取的原则是位于相应的建筑面上，且具有较高影像辨识度，便于点选。同时，为提高立面计算精度，建议两点间的距离尽可能远。
参见图3，以外立面不共线的三点P1(x1,y1,z1)、P2(x2,y2,z2)、P3(x3,y3,z3)为例，求解得到最优的平面M1。本发明以向量P1P2和向量P1P3所确定的法向量与平面 M1相垂直的关系进行解算。
交线计算模块3，用于根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线；
特征点提取模块4，用于提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点。
参阅图4，每个特征点可以看作是由特定的相邻所述交线L与外立面Q相交形成的。而所述交线L同样是由两个特定的相邻外立面相交形成的。对所述实景三维模型中所有待提取特征点按照上述步骤依次处理。所生成的交线可直接向用户设备展示或用于建筑物的高精度建模。为便于其它显示，还可再转换至不同坐标系中。另外，如有需要还可利用直线方程直接给出特征点在指定位置处的具体坐标值。
本发明以交互式的过程实现了针对多视倾斜影像的特征点的自动构造和提取，基于构造相邻外立面来生成相应的特征点，通过多个面的约束确保了特征点的精确性、严密性和稳健性。本发明改进了传统方法在作业效率、便捷性和精确性等方面的不足。而且，即使对于由于遮挡、视角等问题而在影像上无法直接看到的建筑物的特征点，采用本发明也可以精确地进行提取，实现了准确提取建筑的特征点，提高建筑的测绘精度和效率。在无人机低空航测、地面或空中倾斜摄影测量、大比例尺地形图快速测制等相关领域具有广泛的应用前景。
在一种可选的实施例中，平面计算模块2，具体用于根据公式计算所述外立面对应的最优平面；
其中，P1(x1,y1,z1)、P2(x2,y2,z2)、P3(x3,y3,z3)为所述外立面不共线的三点对应的坐标。
在一种可选的实施例中，交线计算模块3具体包括：
交线特征计算单元，用于根据两个相邻的外立面对应的最优平面的法向量，计算所述交线的方向向量以及过所述交线的指定坐标；
交线获取单元，用于根据所述交线的方向向量以及过所述交线的指定坐标，获得所述两个相邻的外立面的交线。
在一种可选的实施例中，交线特征计算单元，包括：
方向向量计算单元，用于根据公式计算所述交线的方向向量；
坐标计算单元，用于根据公式计算过所述交线的指定坐标；
令过所述交线的指定坐标中x＝0,通过上述公式可以求解出过所述交线的指定坐标为(0，y0，z0)。
其中，分别为两个相邻的外立面对应的最优平面的法向量。
请参阅图4，根据两个相邻的外立面M1和M2的法向量，利用正交性求解出所述交线L的方向向量
在一种可选的实施例中，所述交线获取单元，具体用于根据公式计算所述交线的方程，以获得所述两个相邻的外立面的交线；
其中，(0，y0，z0)为过所述交线的指定坐标，t为参数。
在一种可选的实施例中，请参阅图5，所述特征点提取模块4包括：
平面计算单元，用于：
根据公式计算所述其他外立面对应的最优平面；
其中，Q1(xQ1,yQ1,zQ1)、Q2(xQ2,yQ2,zQ2)、Q3(xQ3,yQ3,zQ3)为所述外立面不共线的三点对应的坐标；
平面转换单元，用于根据公式i(x-xQ1)+j(y-yQ1)+k(z-zQ1)＝0，计算所述其他外立面的最优平面对应的法式方程；
交线参数计算单元，用于根据公式计算所述交线的方程的参数t；
交点计算单元，用于根据所述交线的方程以及所述交线的方程的参数t，计算所述交线与所述实景三维模型中其他外立面的最优平面的交点坐标。
在本实施例中，通过将计算所得的参数t代回入所述交线方程L，即可求出该特征点的坐标。
在一种可选的实施例中，所述倾斜摄影测量建筑物特征点提取装置还包括：
数据预处理模块，用于根据所述多视倾斜影像的位置数据和姿态数据，对所述多视倾斜影像进行空中三角测量、几何校正、坐标转换以及影像拼接。
由于无人机航高较低、分辨率很高，受视角所限，针对房屋等大型建筑的测绘需通过多个测站的多角度影像采集才能完整覆盖，因此，需要采集指定建筑的多视倾斜影像，并依据多视倾斜影像的位置(GPS)数据和姿态(POS)数据采用通用方法进行空中三角测量、几何校正、坐标转换和影像拼接等预处理，生成具有数据量大、重叠度高和视角丰富的特点的影像数据，以使得构建的点云和实景三维模型处于与测量投影面处于同一空间直角坐标系中，便于后续的统一处理。
若所述多视倾斜影像所采用的是大地经纬度坐标或仪器坐标、影像坐标等其它坐标系统的，也完全可以事先转换至空间直角坐标系。
进一步地，所述实景三维模型的构建过程如下：
(1)根据所述位置数据和所述姿态数据，将所述多视倾斜影像进行空中三角测量，获得所有影像的高精度外方位元素，
(2)基于畸变校正后的多视倾斜影像和所述外方位元素通过多视影像密集匹配，获得高密度三维点云，构建3D TIN模型；
多视影像密集匹配能得到高密度数字点云，通过优化构网算法构建数字表而模型(DSM)可用于后期模型构建及正射影像生成。多视倾斜影像联合空三后解算出各影像的外方位元素，分析并选择最佳影像匹配单元进行特征匹配和逐像素级匹配，引入并行算法，可以提高计算效率。在获取高密度DSM数据后，可进行滤波处理，即将不同匹配单元进行融合，形成统一的DSM。经过密集匹配获得的高密度点云数据量很大，需要进行切割分块。可根据计算机性能以及设置的优先级别对切块的点云数据进行不规则三角网构建。具体为：(1)利用同一地物不同角度的多视倾斜影像信息，采用参考多视倾斜影像不固定的匹配策略逐像素匹配；(2)基于多视匹配的冗余信息，避免遮挡对匹配产生的影响，再引入并行算法提高计算效率以快速准确地获取多视倾斜影像上同名点坐标，进而获取地物的高密度三维点云数据；(3)基于点云构建不同层次细节度(Levels of Detail)下的三角网(TIN)模型。通过对三角网优化，将内部三角的尺寸调整至与原始多视倾斜影像分辨相匹配的比例，同时通过对连续曲而变化的分析对相对平坦地区的三角网络进行简化，降低数据冗余，获得TIN模型矢量架构。
(3)根据3D TIN模型中每个三角形面片的法线方程与二维图像(即所述多视倾斜影像)之间的夹角选择相对应的最佳纹理信息，实现纹理的自动关联；
自动纹理映射主要基于瓦片技术，即将整个建模区域分割成若干个一定大小的子区域(瓦片)，基于集群处理系统的并行处理机制将每个瓦片打包建立成为一个任务自动分配给各计算节点进行模型与纹理影像的配准和纹理贴附，同时为带纹理的模型建立多细节、多层次的LOD，便于优化相应的文件组织结构，提高模型分层次浏览的效率，从而生成最终的实景三维模型。
(4)输出并获得所述实景三维模型。
本发明实施例还提供了一种倾斜摄影测量建筑物特征点提取装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的倾斜摄影测量建筑物特征点提取方法。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述倾斜摄影测量建筑物特征点提取装置中的执行过程。例如，所述计算机程序可以被分割成图6所述倾斜摄影测量建筑物特征点提取装置的功能模块。
所述倾斜摄影测量建筑物特征点提取装置可以是手机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述倾斜摄影测量建筑物特征点提取装置可包括，但不仅限于，处理器、存储器。例如所述倾斜摄影测量建筑物特征点提取装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述倾斜摄影测量建筑物特征点提取装置的控制中心，利用各种接口和线路连接整个倾斜摄影测量建筑物特征点提取装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述倾斜摄影测量建筑物特征点提取装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述倾斜摄影测量建筑物特征点提取装置集成的模块/单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的倾斜摄影测量建筑物特征点提取方法。
相对于现有技术，本发明实施例提供的一种倾斜摄影测量建筑物特征点提取方法的有益效果在于：所述倾斜摄影测量建筑物特征点提取方法，包括：根据多视倾斜影像，构建指定建筑的实景三维模型；从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面；根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线；提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点。上述方法能够依据多视倾斜影像，准确提取建筑的特征点，提高建筑的测绘精度和效率。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种倾斜摄影测量建筑物特征点提取方法，其特征在于，包括：
根据多视倾斜影像，构建指定建筑的实景三维模型；
从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面；
根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线；
提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点。
2.如权利要求1所述的倾斜摄影测量建筑物特征点提取方法，其特征在于，所述从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面，具体包括：
根据公式计算所述外立面对应的最优平面；
其中，P1(x1,y1,z1)、P2(x2,y2,z2)、P3(x3,y3,z3)为所述外立面不共线的三点对应的坐标。
3.如权利要求2所述的倾斜摄影测量建筑物特征点提取方法，其特征在于，所述根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线，具体包括：
根据两个相邻的外立面对应的最优平面的法向量，计算所述交线的方向向量以及过所述交线的指定坐标；
根据所述交线的方向向量以及过所述交线的指定坐标，获得所述两个相邻的外立面的交线。
4.如权利要求3所述的倾斜摄影测量建筑物特征点提取方法，其特征在于，根据两个相邻的外立面对应的最优平面的法向量，计算所述交线的方向向量以及过所述交线的指定坐标，具体包括：
根据公式计算所述交线的方向向量；
根据公式计算过所述交线的指定坐标；
其中，分别为两个相邻的外立面对应的最优平面的法向量。
5.如权利要求4所述的倾斜摄影测量建筑物特征点提取方法，其特征在于，所述根据所述交线的方向向量以及过所述交线的指定坐标，获得所述两个相邻的外立面的交线，具体包括：
根据公式计算所述交线的方程，以获得所述两个相邻的外立面的交线；
其中，(0，y0，z0)为过所述交线的指定坐标，t为参数。
6.如权利要求5所述的倾斜摄影测量建筑物特征点提取方法，其特征在于，所述提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点，具体包括：
根据公式计算所述其他外立面对应的最优平面；
其中，Q1(xQ1,yQ1,zQ1)、Q2(xQ2,yQ2,zQ2)、Q3(xQ3,yQ3,zQ3)为所述外立面不共线的三点对应的坐标；
根据公式i(x-xQ1)+j(y-yQ1)+k(z-zQ1)＝0，计算所述其他外立面的最优平面对应的法式方程；
根据公式计算所述交线的方程的参数t；
根据所述交线的方程以及所述交线的方程的参数t，计算所述交线与所述实景三维模型中其他外立面的最优平面的交点坐标。
7.如权利要求1所述的倾斜摄影测量建筑物特征点提取方法，其特征在于，所述根据多视倾斜影像，构建指定建筑的实景三维模型之前还包括：
根据所述多视倾斜影像的位置数据和姿态数据，对所述多视倾斜影像进行空中三角测量、几何校正、坐标转换以及影像拼接。
8.一种倾斜摄影测量建筑物特征点提取装置，其特征在于，包括：
模型构建模块，用于根据多视倾斜影像，构建指定建筑的实景三维模型；
平面计算模块，用于从所述实景三维模型的外立面中选取不共线的三点，以计算所述外立面对应的最优平面；
交线计算模块，用于根据所述实景三维模型中两个相邻的外立面对应的最优平面，计算所述两个相邻的外立面的交线；
特征点提取模块，用于提取所述交线与所述实景三维模型中其他外立面的最优平面的交点，作为所述实景三维模型的特征点。
9.一种倾斜摄影测量建筑物特征点提取装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的倾斜摄影测量建筑物特征点提取方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的倾斜摄影测量建筑物特征点提取方法。
CN201810895879.9A 2018-08-08 2018-08-08 倾斜摄影测量建筑物特征点提取方法、装置与存储介质 Active CN109186551B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810895879.9A CN109186551B (zh) 2018-08-08 2018-08-08 倾斜摄影测量建筑物特征点提取方法、装置与存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810895879.9A CN109186551B (zh) 2018-08-08 2018-08-08 倾斜摄影测量建筑物特征点提取方法、装置与存储介质

Publications (2)

Publication Number Publication Date
CN109186551A true CN109186551A (zh) 2019-01-11
CN109186551B CN109186551B (zh) 2021-02-12

Family

ID=64920485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810895879.9A Active CN109186551B (zh) 2018-08-08 2018-08-08 倾斜摄影测量建筑物特征点提取方法、装置与存储介质

Country Status (1)

Country Link
CN (1) CN109186551B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934911A (zh) * 2019-03-15 2019-06-25 鲁东大学 基于OpenGL的移动端高精度倾斜摄影三维建模方法
CN110458871A (zh) * 2019-08-14 2019-11-15 上海霁目信息科技有限公司 模型与全景图的配准方法、系统、设备和介质以及地图
CN112529075A (zh) * 2020-12-10 2021-03-19 重庆大学 一种利用楼宇外立面对建筑物进行分类的方法
CN112907724A (zh) * 2020-12-31 2021-06-04 河南工程学院 一种利用无人机倾斜摄影的建筑交互式自动成图方法
CN113324473A (zh) * 2021-04-30 2021-08-31 螳螂慧视科技有限公司 房屋测量方法与测量设备
CN113971768A (zh) * 2021-10-27 2022-01-25 国网安徽省电力有限公司马鞍山供电公司 一种基于无人机的输电线路违章建筑三维动态检测方法
CN114120149A (zh) * 2021-11-09 2022-03-01 肇庆市城市规划设计院 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质
CN114387198A (zh) * 2022-03-24 2022-04-22 青岛市勘察测绘研究院 一种影像与实景模型的融合显示方法、装置及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011085434A1 (en) * 2010-01-14 2011-07-21 The University Of Sydney Extraction processes
WO2012034236A1 (en) * 2010-09-16 2012-03-22 Ambercore Software Inc. System and method for detailed automated feature extraction from data having spatial coordinates
CN104183011A (zh) * 2013-05-27 2014-12-03 万克林 三维实景还原系统
CN105069843A (zh) * 2015-08-22 2015-11-18 浙江中测新图地理信息技术有限公司 一种面向城市三维建模的密集点云的快速提取方法
CN105354883A (zh) * 2015-11-25 2016-02-24 武汉大学 基于点云的3ds Max快速精细三维建模方法及系统
CN105469388A (zh) * 2015-11-16 2016-04-06 集美大学 基于降维的建筑物点云配准算法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011085434A1 (en) * 2010-01-14 2011-07-21 The University Of Sydney Extraction processes
WO2012034236A1 (en) * 2010-09-16 2012-03-22 Ambercore Software Inc. System and method for detailed automated feature extraction from data having spatial coordinates
CN104183011A (zh) * 2013-05-27 2014-12-03 万克林 三维实景还原系统
CN105069843A (zh) * 2015-08-22 2015-11-18 浙江中测新图地理信息技术有限公司 一种面向城市三维建模的密集点云的快速提取方法
CN105469388A (zh) * 2015-11-16 2016-04-06 集美大学 基于降维的建筑物点云配准算法
CN105354883A (zh) * 2015-11-25 2016-02-24 武汉大学 基于点云的3ds Max快速精细三维建模方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾宗仁: "基于LiDAR和DLG的三维建筑建模方法研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934911A (zh) * 2019-03-15 2019-06-25 鲁东大学 基于OpenGL的移动端高精度倾斜摄影三维建模方法
CN110458871A (zh) * 2019-08-14 2019-11-15 上海霁目信息科技有限公司 模型与全景图的配准方法、系统、设备和介质以及地图
CN112529075A (zh) * 2020-12-10 2021-03-19 重庆大学 一种利用楼宇外立面对建筑物进行分类的方法
CN112907724A (zh) * 2020-12-31 2021-06-04 河南工程学院 一种利用无人机倾斜摄影的建筑交互式自动成图方法
CN112907724B (zh) * 2020-12-31 2023-08-04 河南工程学院 一种利用无人机倾斜摄影的建筑交互式自动成图方法
CN113324473A (zh) * 2021-04-30 2021-08-31 螳螂慧视科技有限公司 房屋测量方法与测量设备
CN113324473B (zh) * 2021-04-30 2023-09-15 螳螂慧视科技有限公司 房屋测量方法与测量设备
CN113971768A (zh) * 2021-10-27 2022-01-25 国网安徽省电力有限公司马鞍山供电公司 一种基于无人机的输电线路违章建筑三维动态检测方法
CN114120149A (zh) * 2021-11-09 2022-03-01 肇庆市城市规划设计院 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质
CN114120149B (zh) * 2021-11-09 2022-07-12 肇庆市城市规划设计院 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质
CN114387198A (zh) * 2022-03-24 2022-04-22 青岛市勘察测绘研究院 一种影像与实景模型的融合显示方法、装置及介质
CN114387198B (zh) * 2022-03-24 2022-07-12 青岛市勘察测绘研究院 一种影像与实景模型的融合显示方法、装置及介质

Also Published As

Publication number Publication date
CN109186551B (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN109186551A (zh) 倾斜摄影测量建筑物特征点提取方法、装置与存储介质
CN109269472A (zh) 倾斜摄影测量建筑物特征线提取方法、装置与存储介质
Maas et al. Two algorithms for extracting building models from raw laser altimetry data
US7509241B2 (en) Method and apparatus for automatically generating a site model
CN109238239B (zh) 基于航空摄影的数字测量三维建模方法
TW565810B (en) Three-dimensional electronic map information generation method
JP5105643B2 (ja) オブジェクトの電子表示物のテクスチャライジング用システム
CN110136259A (zh) 一种基于倾斜摄影辅助bim和gis的三维建模技术
CN109934914A (zh) 一种嵌入式城市设计场景仿真方法及系统
CN112595258A (zh) 基于地面激光点云的地物轮廓提取方法
CN105976426B (zh) 一种快速的三维地物模型构建方法
Yan et al. Integration of 3D objects and terrain for 3D modelling supporting the digital twin
CN106097443B (zh) 城市室内外一体化三维场景构建与空间自适应导航方法
CN110189399A (zh) 一种室内三维布局重建的方法及系统
US8600713B2 (en) Method of online building-model reconstruction using photogrammetric mapping system
CN114998536A (zh) 基于新型基础测绘的模型生成方法、装置及存储介质
CN109697316A (zh) 城市设计数字化、可视化交互系统
CN109059864A (zh) 无人机大比例尺地形图房屋外立面测绘方法、装置与介质
Brenner et al. Rapid acquisition of virtual reality city models from multiple data sources
CN110426021A (zh) 利用摄影测量三维模型的地形图测量方法及系统
CN107895048A (zh) 一种基于实景三维的快速出图方法
CN107481321A (zh) 一种三维模型生成方法及三维模型生成系统
CN103971414A (zh) 一种可视化真三维图的制作方法及系统
CN107609900A (zh) 一种基于倾斜摄影和建筑信息模型的房间街景定价方法
CN109163708B (zh) 无人机大比例尺地形图房屋线的优化方法、装置与介质

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