CN109272573A - 三维数字模型与三维实景模型结合的智慧桥梁可视化系统 - Google Patents
三维数字模型与三维实景模型结合的智慧桥梁可视化系统 Download PDFInfo
- Publication number
- CN109272573A CN109272573A CN201811043108.3A CN201811043108A CN109272573A CN 109272573 A CN109272573 A CN 109272573A CN 201811043108 A CN201811043108 A CN 201811043108A CN 109272573 A CN109272573 A CN 109272573A
- Authority
- CN
- China
- Prior art keywords
- bridge
- dimensional
- digital model
- information
- image
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:包括桥梁信息录入模块,桥梁信息录入模块录入的信息存入桥梁信息数据库,桥梁信息数据库为桥梁三维数字模型的搭建提供信息;还包括成像设备,成像设备采集的图像通过图片处理模块进行处理,生成桥梁三维实景模型。本发明通过桥梁三维数字模型实现桥梁自身结构和构件信息的可视化,能够为管养单位提供桥梁结构形成、构件分布及数量等信息;通过桥梁三维实景模型能够实现桥梁实景和周边环境实景的可视化,能够实时了解桥梁及周边信息,为桥梁检测现场调研提供可视化服务,减少出勤成本,实现远程调研目的。
Description
技术领域
本发明涉及土木工程领域,特别是涉及一种三维数字模型与三维实景模型结合的智慧桥梁可视化系统。
背景技术
我国经历一大批世界级桥梁建设过程,桥梁基数越来越大,在重视建设的同时,既有桥梁管养问题日益突出,随着周边环境,车辆荷载及材料自然老化等原因,桥梁服役寿命逐渐缩短,大量桥梁尤其中小跨桥梁处于管养不足的状态。
桥梁管养过程中,数字化、可视化管养是当前主要手段,利用互联网技术和数字技术,结合桥梁专业对既有桥梁进行专业管养成为目前相关领域的重要研究、应用方向。然而,现有技术中还没有能够将三维数字模型与三维实景模型结合的系统。
发明内容
发明目的:本发明的目的是提供一种能够解决现有技术中存在的缺陷的三维数字模型与三维实景模型结合的智慧桥梁可视化系统。
技术方案:为达到此目的,本发明采用以下技术方案:
本发明所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,包括桥梁信息录入模块,桥梁信息录入模块录入的信息存入桥梁信息数据库,桥梁信息数据库为桥梁三维数字模型的搭建提供信息;还包括成像设备,成像设备采集的图像通过图片处理模块进行处理,生成桥梁三维实景模型。
进一步,所述成像设备设定成像基准为桥梁桥面中心点,对桥梁桥面中心点的上、下、左、右、前、后六个方向进行图像采集,然后对采集到的图像进行处理。
进一步,所述图片处理模块进行图像处理的过程如下:
S1:图像预处理:对图像进行灰度值转换与高斯去噪;
S2:通过SURF算法进行特征点提取,采用KNN邻近算法进行特征点粗匹配,采用RANSAC算法进行特征点提纯,并生成单应性矩阵;
S3:通过单应性矩阵进行图像投影变换与融合;
S4:对最终每个方向融合后的图像进行存储。
进一步,所述步骤S1具体包括以下过程:首先对图像进行去噪预处理,再对图像进行灰度值转换,然后使用高斯滤波方法对每个方向所采集的图像进行加权平均,使用3*3像素模板扫描各图像像素,用模板确定的邻域像素加权平均灰度值代替模板中心像素值。
进一步,所述桥梁三维实景模型通过以下方式生成:按照立方体六个面定义上、下、左、右、前、后六张图片空间位置坐标,使用Three.CSS3DObject函数定义六个面,每个面赋予上述六张图片属性,完成空间图像拼装及三维实景显示。
进一步,所述桥梁三维数字模型以WebGL技术为基础,建立相机、背景和360度旋转构成3D场景,使用Three.js建立桥梁各构件图形库,通过各构件位置关系进行空间组合,完成三维数字模型拼装。
进一步,所述桥梁信息录入模块录入的信息包括桥梁名称、结构类型、桥梁长度。
进一步,所述桥梁信息录入模块录入的信息还包括根据桥梁上部结构、下部结构和桥面系的跨径信息及构件信息录入的主梁、支座、桥墩、桥台、墩台基础及伸缩缝的材料类型、尺寸、数量、界面类型。
进一步,所述桥梁信息数据库采用MySQL搭建,首先建立桥梁表,然后建立桥梁跨径信息表和构件信息表。
进一步,所述桥梁表包括桥梁名称、结构类型和桥梁长度;跨径信息表包括桥梁跨径的数量、长度、上部结构类型、结构体系、伸缩缝类型、支座类型、墩台类型以及墩台基础类型。
有益效果:本发明公开了一种三维数字模型与三维实景模型结合的智慧桥梁可视化系统,通过桥梁三维数字模型实现桥梁自身结构和构件信息的可视化,能够为管养单位提供桥梁结构形成、构件分布及数量等信息;通过桥梁三维实景模型能够实现桥梁实景和周边环境实景的可视化,能够实时了解桥梁及周边信息,为桥梁检测现场调研提供可视化服务,减少出勤成本,实现远程调研目的。
附图说明
图1为本发明具体实施方式中系统的框图;
图2为本发明具体实施方式中桥梁信息数据库的框图;
图3为本发明具体实施方式中图像处理和生成桥梁三维实景模型的流程图。
具体实施方式
下面结合具体实施方式和附图对本发明的技术方案作进一步的介绍。
本具体实施方式公开了一种三维数字模型与三维实景模型结合的智慧桥梁可视化系统,如图1所示,包括桥梁信息录入模块,桥梁信息录入模块录入的信息存入桥梁信息数据库,桥梁信息数据库为桥梁三维数字模型的搭建提供信息;还包括成像设备,成像设备采集的图像通过图片处理模块进行处理,生成桥梁三维实景模型。
桥梁信息录入模块以JavaScript为基础编写相应前端功能页面,录入的信息包括桥梁名称、结构类型、桥梁长度,还包括根据桥梁上部结构、下部结构和桥面系的跨径信息及构件信息录入的主梁、支座、桥墩、桥台、墩台基础及伸缩缝的材料类型、尺寸、数量、界面类型。
桥梁信息数据库采用MySQL搭建,如图2所示,首先建立桥梁表,包括桥梁名称、结构类型和桥梁长度;跨径信息表包括桥梁跨径的数量、长度、上部结构类型、结构体系、伸缩缝类型、支座类型、墩台类型以及墩台基础类型,结构类型根据公路和市政桥梁的结构类型建立相应字段;然后建立桥梁跨径信息表和构件信息表,存储各个桥梁跨径数量、长度,以及各个构件类型及数量。桥梁信息数据库还包括图片存储表,用于三维实景图像的实时存储。
成像设备设定成像基准为桥梁桥面中心点,对桥梁桥面中心点的上、下、左、右、前、后六个方向进行图像采集,然后对采集到的图像进行处理。
如图3所示,图像处理和生成桥梁三维实景模型的过程如下:
S1:图像预处理:对图像进行灰度值转换与高斯去噪;
S2:通过SURF算法进行特征点提取,采用KNN邻近算法进行特征点粗匹配,采用RANSAC算法进行特征点提纯,并生成单应性矩阵;
S3:通过单应性矩阵进行图像投影变换与融合;
S4:对最终每个方向融合后的图像进行存储;
S5:将每个面融合后的图像上传存储至Web,分别以X+,X-,Y+,Y-,Z+,Z-标识表示;
S6:按照每个面的标识信息进行空间坐标定位;
S7:通过Three.js建立立方体模块,将立方体每个面赋予相应照片纹理;
S8:加入相机,背景和360度旋转,形成桥梁三维实景模型。
步骤S1具体包括以下过程:首先通过cv2.cvtColor函数对图像进行去噪预处理,再对图像进行灰度值转换,然后使用高斯滤波方法对每个方向所采集的图像进行加权平均,使用3*3像素模板扫描各图像像素,用模板确定的邻域像素加权平均灰度值代替模板中心像素值,该过程通过cv2.GaussianBlur函数实现。
步骤S2具体包括以下过程:定义DetectAndDescribe函数进行图像特征点提取,基于SURF算法提取特征点与局部不变量,再定义MatchKeypoints函数,对两幅图像提取的特征进行KNN邻近算法粗匹配,再对超过4个匹配特征点数组的数据进行RANSNC算法,求得单应性矩阵与提纯后的特征点。
桥梁三维实景模型通过以下方式生成:采用立方体全景技术,按照立方体六个面定义上、下、左、右、前、后六张图片空间位置坐标,使用Three.CSS3DObject函数定义六个面,每个面赋予上述六张图片属性,完成空间图像拼装及三维实景显示。采用鱼眼镜头配合单反相机拍摄,该镜头可以保证每个拍摄照片包含立方体每个面所需的所有照片信息。
桥梁三维数字模型以WebGL技术为基础,建立相机、背景和360度旋转构成3D场景,使用Three.js建立桥梁各构件图形库,通过各构件位置关系进行空间组合,完成三维数字模型拼装。
Claims (10)
1.三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:包括桥梁信息录入模块,桥梁信息录入模块录入的信息存入桥梁信息数据库,桥梁信息数据库为桥梁三维数字模型的搭建提供信息;还包括成像设备,成像设备采集的图像通过图片处理模块进行处理,生成桥梁三维实景模型。
2.根据权利要求1所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:所述成像设备设定成像基准为桥梁桥面中心点,对桥梁桥面中心点的上、下、左、右、前、后六个方向进行图像采集,然后对采集到的图像进行处理。
3.根据权利要求2所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:所述图片处理模块进行图像处理的过程如下:
S1:图像预处理:对图像进行灰度值转换与高斯去噪;
S2:通过SURF算法进行特征点提取,采用KNN邻近算法进行特征点粗匹配,采用RANSAC算法进行特征点提纯,并生成单应性矩阵;
S3:通过单应性矩阵进行图像投影变换与融合;
S4:对最终每个方向融合后的图像进行存储。
4.根据权利要求3所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:所述步骤S1具体包括以下过程:首先对图像进行去噪预处理,再对图像进行灰度值转换,然后使用高斯滤波方法对每个方向所采集的图像进行加权平均,使用3*3像素模板扫描各图像像素,用模板确定的邻域像素加权平均灰度值代替模板中心像素值。
5.根据权利要求2所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:所述桥梁三维实景模型通过以下方式生成:按照立方体六个面定义上、下、左、右、前、后六张图片空间位置坐标,使用Three.CSS3DObject函数定义六个面,每个面赋予上述六张图片属性,完成空间图像拼装及三维实景显示。
6.根据权利要求1所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:所述桥梁三维数字模型以WebGL技术为基础,建立相机、背景和360度旋转构成3D场景,使用Three.js建立桥梁各构件图形库,通过各构件位置关系进行空间组合,完成三维数字模型拼装。
7.根据权利要求1所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:所述桥梁信息录入模块录入的信息包括桥梁名称、结构类型、桥梁长度。
8.根据权利要求7所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:所述桥梁信息录入模块录入的信息还包括根据桥梁上部结构、下部结构和桥面系的跨径信息及构件信息录入的主梁、支座、桥墩、桥台、墩台基础及伸缩缝的材料类型、尺寸、数量、界面类型。
9.根据权利要求1所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:所述桥梁信息数据库采用MySQL搭建,首先建立桥梁表,然后建立桥梁跨径信息表和构件信息表。
10.根据权利要求9所述的三维数字模型与三维实景模型结合的智慧桥梁可视化系统,其特征在于:所述桥梁表包括桥梁名称、结构类型和桥梁长度;跨径信息表包括桥梁跨径的数量、长度、上部结构类型、结构体系、伸缩缝类型、支座类型、墩台类型以及墩台基础类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811043108.3A CN109272573A (zh) | 2018-09-07 | 2018-09-07 | 三维数字模型与三维实景模型结合的智慧桥梁可视化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811043108.3A CN109272573A (zh) | 2018-09-07 | 2018-09-07 | 三维数字模型与三维实景模型结合的智慧桥梁可视化系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109272573A true CN109272573A (zh) | 2019-01-25 |
Family
ID=65188701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811043108.3A Pending CN109272573A (zh) | 2018-09-07 | 2018-09-07 | 三维数字模型与三维实景模型结合的智慧桥梁可视化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272573A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920319A (zh) * | 2019-04-29 | 2019-06-21 | 兰州沃博特机器人科技有限公司 | 一种智慧桥梁教学实验沙盘系统及使用方法 |
CN110370832A (zh) * | 2019-08-16 | 2019-10-25 | 闽江学院 | 一种三维模型表面喷绘工艺 |
CN111506951A (zh) * | 2020-04-24 | 2020-08-07 | 长安大学 | 一种基于WebGL技术的公路桥梁三维模型快速建立方法 |
CN112348938A (zh) * | 2020-10-30 | 2021-02-09 | 杭州安恒信息技术股份有限公司 | 优化三维物体的方法、装置和计算机设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107170040A (zh) * | 2017-05-27 | 2017-09-15 | 青岛海信网络科技股份有限公司 | 一种三维桥梁场景构建方法和装置 |
CN107193286A (zh) * | 2017-06-02 | 2017-09-22 | 同济大学 | 桥梁实景数字化采集方法 |
CN108416801A (zh) * | 2018-02-28 | 2018-08-17 | 哈尔滨工程大学 | 一种面向立体视觉三维重建的Har-SURF-RAN特征点匹配方法 |
-
2018
- 2018-09-07 CN CN201811043108.3A patent/CN109272573A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107170040A (zh) * | 2017-05-27 | 2017-09-15 | 青岛海信网络科技股份有限公司 | 一种三维桥梁场景构建方法和装置 |
CN107193286A (zh) * | 2017-06-02 | 2017-09-22 | 同济大学 | 桥梁实景数字化采集方法 |
CN108416801A (zh) * | 2018-02-28 | 2018-08-17 | 哈尔滨工程大学 | 一种面向立体视觉三维重建的Har-SURF-RAN特征点匹配方法 |
Non-Patent Citations (3)
Title |
---|
侯士通等: "基于ANSYS二次开发的大跨桥梁疲劳寿命与失效概率的可视化技术", 《江苏大学学报(自然科学版)》 * |
权巍等: "SURF与RANSAC算法结合的图像跟踪方法", 《计算机仿真》 * |
聂帅等: "基于WebGL 技术三维模型呈现研究", 《计算机产品与流通》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920319A (zh) * | 2019-04-29 | 2019-06-21 | 兰州沃博特机器人科技有限公司 | 一种智慧桥梁教学实验沙盘系统及使用方法 |
CN110370832A (zh) * | 2019-08-16 | 2019-10-25 | 闽江学院 | 一种三维模型表面喷绘工艺 |
CN111506951A (zh) * | 2020-04-24 | 2020-08-07 | 长安大学 | 一种基于WebGL技术的公路桥梁三维模型快速建立方法 |
CN111506951B (zh) * | 2020-04-24 | 2023-06-23 | 长安大学 | 一种基于WebGL技术的公路桥梁三维模型快速建立方法 |
CN112348938A (zh) * | 2020-10-30 | 2021-02-09 | 杭州安恒信息技术股份有限公司 | 优化三维物体的方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272573A (zh) | 三维数字模型与三维实景模型结合的智慧桥梁可视化系统 | |
CN109934914B (zh) | 一种嵌入式城市设计场景仿真方法及系统 | |
CN112258390B (zh) | 一种高精度微观虚拟学习资源生成方法 | |
Ducke et al. | Multiview 3D reconstruction of the archaeological site at Weymouth from image series | |
CN103824278B (zh) | 监控摄像机的标定方法和系统 | |
Rivero et al. | On the limits of 3D capture: A new method to approach the photogrammetric recording of palaeolithic thin incised engravings in Atxurra Cave (northern Spain) | |
CN113808261B (zh) | 一种基于全景图的自监督学习场景点云补全的数据集生成方法 | |
CN103810685A (zh) | 一种深度图的超分辨率处理方法 | |
Peña-Villasenín et al. | 3-D modeling of historic façades using SFM photogrammetry metric documentation of different building types of a historic center | |
Dong et al. | 3D scanning, modeling, and printing of Chinese classical garden rockeries: Zhanyuan’s South Rockery | |
CN112530005B (zh) | 一种三维模型直线结构识别与自动修复方法 | |
CN104157011A (zh) | 一种三维地形建模方法 | |
CN106097433A (zh) | 物体工业与影像模型的叠加方法及系统 | |
CN110969696A (zh) | 三维建模快速空间重构的方法及系统 | |
Apollonio et al. | From documentation images to restauration support tools: a path following the neptune fountain in bologna design process | |
CN114549772A (zh) | 基于工程独立坐标系的多源三维模型融合处理方法及系统 | |
CN107958489B (zh) | 一种曲面重建方法及装置 | |
Gao et al. | Multi-source data-based 3D digital preservation of largescale ancient chinese architecture: A case report | |
CN115049794A (zh) | 通过深度补全生成稠密的全局点云图方法及系统 | |
Singh et al. | Image based 3D city modeling: Comparative study | |
CN112002007B (zh) | 基于空地影像的模型获取方法及装置、设备、存储介质 | |
CN117496084A (zh) | 大型湖泊场景建模方法、系统、计算机设备及存储介质 | |
CN114693782A (zh) | 用于确定三维场景模型坐标系和物理坐标系的转换关系的方法及装置 | |
CN117274453A (zh) | 基于图像和点云深度融合的三维重建及真实场景还原方法 | |
Drofova et al. | Use of scanning devices for object 3D reconstruction by photogrammetry and visualization in virtual reality |
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 |