CN109344496B - 一种基于网格模型的复杂电磁环境建模方法 - Google Patents
一种基于网格模型的复杂电磁环境建模方法 Download PDFInfo
- Publication number
- CN109344496B CN109344496B CN201811142010.3A CN201811142010A CN109344496B CN 109344496 B CN109344496 B CN 109344496B CN 201811142010 A CN201811142010 A CN 201811142010A CN 109344496 B CN109344496 B CN 109344496B
- Authority
- CN
- China
- Prior art keywords
- grid
- data
- elevation
- model
- nodes
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Generation (AREA)
Abstract
本发明公开的一种基于网格模型的复杂电磁环境建模方法,包括:获取地表的高程数据和图像像素数据;根据三维网格模型中网格节点的图像像素数据和高程数据分别进行颜色区域划分和高程区域划分,并将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元;根据电磁仿真需求,将得到的网格面元指定相应的物理参数;本发明能够协助仿真分析工程师从复杂的大规模三维网格模型中识别地形的各种特征来区分网格单元,并把网格单元按照其特征重组为各种新的面元,有效的解决了大规模复杂背景环境的物理建模问题,提高了建模的速度,缩短了整个仿真分析流程的时间。
Description
技术领域
本发明属于计算机辅助工程的技术领域,具体涉及一种基于网格模型的复杂电磁环境建模方法。
背景技术
复杂环境中目标电磁散射特性仿真研究是电磁场领域的一个重要议题,它在雷达探测、遥感、目标识别等方面有着非常重要的应用。针对包含水面,沙滩,草地,山林等地形海洋等复杂环境,当今的雷达和光学测绘方法和工具除了生成常规的平面的图像像素数据外,还能形成带有数字高程模型DEM(DigitalElevation Model)数据的图像文件,常规的关于地形的图像数据是通过像素来平面渲染的地形各种颜色,不能适应电磁仿真分析需要的所计算图形学要求。同时,DEM数据图像文件转换的三维网格模型只包含有网格几何信息,而电磁仿真分析工具对网格模型进行数值模拟时需要额外的地质特征来确定其物理参数,比如反射系数、介质常数和电导率等;如何高效的为大规模三维网格模型的网格单元指定其物理特征参数是本发明要解决的一个复杂问题。
发明内容
本发明克服现有技术存在的不足,所要解决的技术问题为:提供一种能够提高建模速度、缩短仿真分析流程,且基于网格模型的复杂电磁环境建模方法。
为了解决上述技术问题,本发明采用的技术方案为:一种基于网格模型的复杂电磁环境建模方法,包括:
S101、获取地表的高程数据,根据高程数据形成三维网格模型;
S102、获取地表的图像像素数据;
S103、根据三维网格模型中网格节点的图像像素数据进行颜色区域划分,得到图像网格模型面元;
S104、根据三维网格模型中网格节点的高程数据进行高程区域划分,得到高程网格模型面元;
S105、将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元;
S106、根据电磁仿真需求,将步骤S103、S104和S105得到的网格面元指定相应的物理参数,所述物理参数包括介电常数、电导率和反射系数。
优选地,所述根据三维网格模型中网格节点的图像像素数据进行颜色区域划分,得到图像网格模型面元,具体包括:对图像像素数据进行颜色区域划分,得到不同的RGB颜色区域;将三维网格模型中的网格节点在图像像素数据中匹配对应的RGB颜色;通过平均或者加权方法拟合每个网格单元所包含的网格节点的RGB颜色数据,得到其等效RGB颜色数据,并对应到所划分的RGB颜色区域;根据RGB颜色区域构建三维网格模型的图像网格模型面元,把落在相同RGB颜色区域的网格单元划入相同的图像网格模型面元中。
优选地,所述根据三维网格模型中网格节点的高程数据进行高程区域划分,得到高程网格模型面元,具体包括:计算三维网格模型中网格节点的高程数据的最大值和最小值;对高程数据进行高程区域划分,得到不同的高程区域;通过平均或者加权方法拟合每个网格单元所包含的网格节点的高程数据以得到其等效高程数据,并对应到所划分的高程区域;根据高程区域构建三维网格模型的高程网格模型面元,把落在相同地形高程区域的网格单元划入相同的高程网格模型面元中。
优选地,将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元,具体包括:设置图像像素数据中RGB颜色数据允许误差的范围;将三维网格模型中的网格节点在图像像素数据中匹配对应的RGB颜色;选择三维网格模型中的某个网格单元;通过平均或者加权方法拟合所选择的网格单元所包含的网格节点的RGB颜色数据以得到其等效RGB颜色数据;查找所选择的网格单元的相邻网格单元,并通过平均或者加权方法拟合该相邻网格单元所包含的网格节点的RGB颜色数据以得到其的等效RGB颜色数据;对比所选择网格单元的等效RGB颜色数据,判断该相邻网格单元对应的等效RGB颜色数据是否落入允许误差的范围,如是,将相邻网格单元划入相同的图像网格模型面元中;继续查找直到没有找到新的图像像素数据相近的相邻网格单元。
优选地,所述将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元,具体包括:设置高程数据允许误差的范围;选择三维网格模型中的某个网格单元;通过平均或者加权方法拟合所选择的网格单元所包含的网格节点的高程数据以得到其等效高程数据;查找所选择的网格单元的相邻网格单元,并通过平均或者加权方法拟合该相邻网格单元所包含的网格节点的高程数据以得到其的等效高程数据;对比所选择网格单元的等效高程数据,判断该相邻网格单元对应的等效高程数据是否落入允许误差的范围,如是,将相邻网格单元划入相同的高程网格模型面元中;继续查找直到没有找到新的高程数据相近的相邻网格单元。
优选地,所述对图像像素数据进行颜色区域划分,得到不同的RGB颜色区域,具体包括:把像素R颜色的总区间[0-255]划分为[0-R1),[R1-R2),…,[RK-1-255]共K段;把像素G颜色的总区间[0-255]划分为[0-G1),[G1-G2),…,[GL-1-255]共L段;把像素B颜色的总区间[0-255]划分为[0-B1),[B1-B2),…,[BM-1-255]共M段;通过上述方法,整个图像像素数据被划分为K*L*M个不同的颜色区域;
优选地,所述将三维网格模型中的网格节点在图像像素数据中匹配对应的RGB颜色,具体包括:计算三维网格模型中网格节点的X和Y数据的最大值和最小值[Xmin,Ymin]-[Xmax,Ymax];提取三维网格模型中的网格节点的X和Y数据,并根据[Xmin,Ymin]-[Xmax,Ymax]范围归一化为[0-1][0-1]区域的值[x,y];根据图像宽度W和高度尺寸H,计算其在图像中的相匹配的像素点坐标[x*W,y*H];提取图像像素数据中像素点坐标[x*W,y*H]处的RGB像素颜色值。
优选地,所述对高程数据进行高程区域划分,得到不同的高程区域,具体包括:计算三维网格模型中网格节点的高程数据Z的最大值和最小值[Zmin-Zmax];把高程数据的总区间[Zmin-Zmax]划分为[Zmin-Z1),[Z1-Z2),…,[ZL-1-Zmax]共L段;通过上述方法,整个高程数据被划分为L个不同的高程区域。
优选地,所述设置图像像素数据中RGB颜色数据允许误差的范围,具体包括:设置像素R颜色的允许正负误差范围[-R1-+R2];设置像素G颜色的允许正负误差范围[-G1-+G2];设置像素B颜色的允许正负误差范围[-B1-+B2];
所述设置高程数据允许误差的范围,具体包括:设置高程数据的允许正负误差范围[-Z1-+Z2]。
优选地,所述通过平均或者加权方法拟合所选择的网格单元所包含的网格节点的RGB颜色数据以得到其等效RGB颜色数据,具体包括:对网格单元所包含的网格节点所对应的颜色数据分RGB三色分别加权累加,其权重为W1;对网格单元所包含的每条边的二分点所对应的颜色数据分RGB三色分别加权累加,其权重为W2;
对网格单元所包含的中心点所对应的颜色数据分RGB三色分别累加,其权重为W3;其中权重的总和满足3*W1+3*W2+W3=1.0条件。如果是平均方法拟合,则有W1=W2=W3;累加后得到的RGB颜色即为网格单元的等效RGB颜色数据。
优选地,所述通过平均或者加权方法拟合每个网格单元所包含的网格节点的高层数据以得到其等效高程数据,具体包括:对网格单元所包含的网格节点所对应的高程数据Z加权累加,其权重为W1;对网格单元所包含的每条边的二分点所对应的高程数据加权累加,其权重为W2;对网格单元所包含的中心点所对应的高程数据分别累加,其权重为W3;其中权重的总和满足3*W1+3*W2+W3=1.0条件。如果是平均方法拟合,则有W1=W2=W3;累加后得到的高程数据即为网格单元的等效高程数据。
本发明与现有技术相比具有以下有益效果:
本发明一种基于网格模型的复杂电磁环境建模方法及装置,获取地表的高程数据和图像像素数据,根据三维网格模型中网格节点的图像像素数据和高程数据分别进行颜色区域划分和高程区域划分,并将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元;根据电磁仿真需求,将得到的网格面元指定相应的物理参数;本发明利用常规的背景图像数据,能够协助仿真分析工程师从复杂的大规模三维网格模型中识别地形的各种特征来区分网格单元,并把网格单元按照其特征重组为各种新的面元,如水面,植被,混泥土等来还原仿真场景;后面的电磁仿真分析工具可以自动的根据这些重组后的面元直接正确设置各种物理参数(如介电常数,电导率,反射系数)等来完成数值模拟,有效的解决了大规模复杂背景环境的物理建模问题,提高了建模的速度,由此缩短了整个仿真分析流程的时间。
附图说明
下面结合附图对本发明做进一步详细的说明;
图1为本发明提供的一种基于网格模型的复杂电磁环境建模方法的流程示意图。
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,所描述的实施例是本发明的一部分实施例,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。
图1为本发明提供的一种基于网格模型的复杂电磁环境建模方法的流程示意图,如图1所示,一种基于网格模型的复杂电磁环境建模方法,包括:
S101、获取地表的高程数据,根据高程数据形成三维网格模型;通过地理信息系统(如ArcGIS)和地图编辑工具形成三维网格模型,电磁仿真分析工具利用该三维网格模型为背景来进行数值模拟;
S102、获取地表的图像像素数据;
S103、根据三维网格模型中网格节点的图像像素数据进行颜色区域划分,得到图像网格模型面元;
S104、根据三维网格模型中网格节点的高程数据进行高程区域划分,得到高程网格模型面元;
S105、将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元;
S106、根据电磁仿真需求,将步骤S103、S104和S105得到的网格面元指定相应的物理参数,所述物理参数包括介电常数、电导率和反射系数。
步骤S106具体包括:选择一个或者多个具有相同等效RGB颜色的网格面元,参考平面图像特征,根据电磁仿真要求设置其电导率,介质常数或者反射系数等物理参数;选择一个或者多个具有相同等效高程数据的网格面元,参考平面图像特征,根据电磁仿真要求设置其电导率,介质常数或者反射系数等物理参数;在上述步骤中,为某个网格面元指定其相应的物理特征参数,其实质上就完成了为网格面元所包含的许多个网格单元指定其相应的物理特征参数。
具体地,获取地表的高程数据和图像像素数据,根据三维网格模型中网格节点的图像像素数据和高程数据分别进行颜色区域划分和高程区域划分,得到图像网格模型面元和高程网格模型面元,并将三维网格模型中将相邻网格节点的网格模型面元进行重新组合,得到新的网格面元,根据电磁仿真需求,将新的网格面元指定相应的物理参数;本发明利用常规的背景图像数据,能够协助仿真分析工程师从复杂的大规模三维网格模型中识别地形的各种特征来区分网格单元,并把网格单元按照其特征重组为各种新的面元,如水面,植被,混泥土等来还原仿真场景;后面的电磁仿真分析工具可以自动的根据这些重组后的面元直接正确设置各种物理参数(如介电常数,电导率,反射系数)等来完成数值模拟,有效的解决了大规模复杂背景环境的物理建模问题,提高了建模的速度,由此缩短了整个仿真分析仿真分析流程的时间。
进一步地,所述根据三维网格模型中网格节点的图像像素数据进行颜色区域划分,得到图像网格模型面元,具体包括:对图像像素数据进行颜色区域划分,得到不同的RGB颜色区域;将三维网格模型中的网格节点在图像像素数据中匹配对应的RGB颜色;通过平均或者加权方法拟合每个网格单元所包含的网格节点的RGB颜色数据,得到其等效RGB颜色数据,并对应到所划分的RGB颜色区域;根据RGB颜色区域构建三维网格模型的图像网格模型面元,把落在相同RGB颜色区域的网格单元划入相同的图像网格模型面元中。
所述对图像像素数据进行颜色区域划分,得到不同的RGB颜色区域,具体包括:把像素R颜色的总区间[0-255]划分为[0-R1),[R1-R2),…,[RK-1-255]共K段;把像素G颜色的总区间[0-255]划分为[0-G1),[G1-G2),…,[GL-1-255]共L段;把像素B颜色的总区间[0-255]划分为[0-B1),[B1-B2),…,[BM-1-255]共M段;通过上述方法,整个图像像素数据被划分为K*L*M个不同的颜色区域。
所述将三维网格模型中的网格节点在图像像素数据中匹配对应的RGB颜色,具体包括:计算三维网格模型中网格节点的X和Y数据的最大值和最小值[Xmin,Ymin]-[Xmax,Ymax];提取三维网格模型中的网格节点的X和Y数据,并根据[Xmin,Ymin]-[Xmax,Ymax]范围归一化为[0-1][0-1]区域的值[x,y];根据图像宽度W和高度尺寸H,计算其在图像中的相匹配的像素点坐标[x*W,y*H];提取图像像素数据中像素点坐标[x*W,y*H]处的RGB像素颜色值。
具体地,针对RGB颜色的三维空间来指定区域划分,1、线性划分:比如按照每16度一个区间划分为16*16*16个区域;2、指定划分:比如把R划分为[0-63]、[64-195]、[196-255]三个区间,也可根据实际需要进行划分成多个区间)。针对三维网格模型中的每个节点的三维坐标,以及每个网格单元如三角形、四边形、六边形、八边形等的特征点(如边上的中点、四分点、网格单元的中心点等三维坐标),可以在图像像素数据中找到其对应的平面坐标像素的RGB颜色。然后,通过平均或者加权方法拟合每个网格单元的等效RGB颜色数据,并对应到所划分的RGB颜色区域,根据RGB颜色区域构建三维网格模型的图像网格模型面元,并把落入该区域内的网格单元划入该网格面元;如此把具有相同或者相似地形颜色的网格单元归并于相同的网格面元中。
进一步地,所述根据三维网格模型中网格节点的高程数据进行高程区域划分,得到高程网格模型面元,具体包括:计算三维网格模型中网格节点的高程数据的最大值和最小值;对高程数据进行高程区域划分,得到不同的高程区域;通过平均或者加权方法拟合每个网格单元所包含的网格节点的高程数据以得到其等效高程数据,并对应到所划分的高程区域;根据高程区域构建三维网格模型的高程网格模型面元,把落在相同地形高程区域的网格单元划入相同的高程网格模型面元中。
所述对高程数据进行高程区域划分,得到不同的高程区域,具体包括:计算三维网格模型中网格节点的高程数据Z的最大值和最小值[Zmin-Zmax];把高程数据的总区间[Zmin-Zmax]划分为[Zmin-Z1),[Z1-Z2),…,[ZL-1-Zmax]共L段;通过上述方法,整个高程数据被划分为L个不同的高程区域。
具体地,首先计算网格模型的所有网格节点的高程信息(如Z方向数据)的最大值和最小值,并指定区域划分,1、线性或者对数划分:比如按照每16度为一个区间划分区域;2、指定划分:比如划分为[0-10)、[10-25)、[25-100)三个区间,也可根据实际需要进行划分成多个区间)。针对三维网格模型中的每个节点的三维坐标,以及每个网格单元如三角形、四边形、六边形、八边形等的特征点(如边上的中点、四分点、网格单元的中心点等三维坐标),在高程数据中找到其对应的平面坐标的高程数据,通过平均或者加权方法拟合每个网格节点的等效高程数据(Z方向数据),并对应到所划分的高程区域,根据高程区域构建三维网格模型的高程网格模型面元,并把落入该区域内的网格单元划入该网格面元;如此把具有相同或者相似地形高程信息的网格单元归并于相同的网格面元中。
进一步地,将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元,具体包括:设置图像像素数据中RGB颜色数据允许误差的范围;将三维网格模型中的网格节点在图像像素数据中匹配对应的RGB颜色;选择三维网格模型中的某个网格单元;通过平均或者加权方法拟合所选择的网格单元所包含的网格节点的RGB颜色数据以得到其等效RGB颜色数据;查找所选择的网格单元的相邻网格单元,并通过平均或者加权方法拟合该相邻网格单元所包含的网格节点的RGB颜色数据以得到其的等效RGB颜色数据;对比所选择网格单元的等效RGB颜色数据,判断该相邻网格单元对应的等效RGB颜色数据是否落入允许误差的范围,如是,将相邻网格单元划入相同的图像网格模型面元中;继续查找直到没有找到新的图像像素数据相近的相邻网格单元。
其中,所述设置图像像素数据中RGB颜色数据允许误差的范围,具体包括:设置像素R颜色的允许正负误差范围[-R1-+R2];设置像素G颜色的允许正负误差范围[-G1-+G2];设置像素B颜色的允许正负误差范围[-B1-+B2]。
所述通过平均或者加权方法拟合所选择的网格单元所包含的网格节点的RGB颜色数据以得到其等效RGB颜色数据,具体包括:对网格单元所包含的网格节点所对应的颜色数据分RGB三色分别加权累加,其权重为W1;对网格单元所包含的每条边的二分点所对应的颜色数据分RGB三色分别加权累加,其权重为W2;对网格单元所包含的中心点所对应的颜色数据分RGB三色分别累加,其权重为W3;其中权重的总和满足3*W1+3*W2+W3=1.0条件。如果是平均方法拟合,则有W1=W2=W3;累加后得到的RGB颜色即为网格单元的等效RGB颜色数据。
进一步地,所述将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元,具体包括:设置高程数据允许误差的范围,具体包括:设置高程数据的允许正负误差范围[-Z1-+Z2];选择三维网格模型中的某个网格单元;通过平均或者加权方法拟合所选择的网格单元所包含的网格节点的高程数据以得到其等效高程数据;查找所选择的网格单元的相邻网格单元,并通过平均或者加权方法拟合该相邻网格单元所包含的网格节点的高程数据以得到其的等效高程数据;对比所选择网格单元的等效高程数据,判断该相邻网格单元对应的等效高程数据是否落入允许误差的范围,如是,将相邻网格单元划入相同的高程网格模型面元中;继续查找直到没有找到新的高程数据相近的相邻网格单元。
所述通过平均或者加权方法拟合每个网格单元所包含的网格节点的高层数据以得到其等效高程数据,具体包括:对网格单元所包含的网格节点所对应的高程数据Z加权累加,其权重为W1;对网格单元所包含的每条边的二分点所对应的高程数据加权累加,其权重为W2;对网格单元所包含的中心点所对应的高程数据分别累加,其权重为W3;其中权重的总和满足3*W1+3*W2+W3=1.0条件。如果是平均方法拟合,则有W1=W2=W3;累加后得到的高程数据即为网格单元的等效高程数据。
具体地,首先选择根据像素颜色或者高程信息的方法来重组面元,当选择图像像素颜色来重组面元时,则需要指定像素颜色的误差范围(比如,R:+/-10,G:+/-16,B:+/-8),其次,在三维网格模型中选择某个或者某些网格节点,通过上述计算得到等效RGB颜色数据,查找所选择的网格节点的相邻网格节点,并计算相邻网格节点的等效RGB颜色数据,当相邻网格节点的等效RGB颜色数据落入像素颜色允许误差的范围内,则把这些相邻的网格节点加入到所选择集合中,重复上述过程,一直到没有新的网格节点被发现,最后,创建新的网格面元,并把所有选择的网格节点划入该网格面元;如此把具有相同或者相似地形的像素信息的网格单元归并于相同的网格面元中。
当选择高程数据来重组面元时,则需要指定高程信息的误差范围(比如,+/-10);其次,在三维网格模型中选择某个或者某些网格节点,通过上述计算得到等效高程数据,查找这些所选择的网格节点的相邻网格节点,并计算相邻网格节点的等效高程数据,当相邻网格节点的等效高程数据落入允许误差的范围内,则把这些相邻网格节点加入到所选择集合中,重复上述过程,一直到没有新的网格节点被发现,最后,创建新的网格面元,并把所有选择的网格节点划入该网格面元;如此把具有相同或者相似地形高程信息的网格节点归并于相同的网格面元中。完成上述步骤就完成了识别并划分三维网格模型到各种面元的过程,从而完成复杂电磁环境仿真建模。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种基于网格模型的复杂电磁环境建模方法,其特征在于:包括:
S101、获取地表的高程数据,根据高程数据形成三维网格模型;
S102、获取地表的图像像素数据;
S103、根据三维网格模型中网格节点的图像像素数据进行颜色区域划分,得到图像网格模型面元;
S104、根据三维网格模型中网格节点的高程数据进行高程区域划分,得到高程网格模型面元;
S105、将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元;
S106、根据电磁仿真需求,将步骤S103、S104和S105得到的网格面元指定相应的物理参数,所述物理参数包括介电常数、电导率和反射系数;
所述根据三维网格模型中网格节点的图像像素数据进行颜色区域划分,得到图像网格模型面元,具体包括:
对图像像素数据进行颜色区域划分,得到不同的RGB颜色区域;
将三维网格模型中的网格节点在图像像素数据中匹配对应的RGB颜色;
通过平均或者加权方法拟合每个网格单元所包含的网格节点的RGB颜色数据,得到其等效RGB颜色数据,并对应到所划分的RGB颜色区域;
根据RGB颜色区域构建三维网格模型的图像网格模型面元,把落在相同RGB颜色区域的网格单元划入相同的图像网格模型面元中;
所述对图像像素数据进行颜色区域划分,得到不同的RGB颜色区域,
具体包括:
把像素R颜色的总区间[0-255]划分为[0-R1),[R1-R2),…,[RK-1-255]共K段;
把像素G颜色的总区间[0-255]划分为[0-G1),[G1-G2),…,[GL-1-255]共L段;
把像素B颜色的总区间[0-255]划分为[0-B1),[B1-B2),…,[BM-1-255]共M段;
通过上述方法,整个图像像素数据被划分为K*L*M个不同的颜色区域;
所述将三维网格模型中的网格节点在图像像素数据中匹配对应的RGB颜色,具体包括:
计算三维网格模型中网格节点的X和Y数据的最大值和最小值[Xmin,Ymin]-[Xmax,Ymax];
提取三维网格模型中的网格节点的X和Y数据,并根据[Xmin,Ymin]-[Xmax,Ymax]范围归一化为[0-1][0-1]区域的值[x,y];
根据图像宽度W和高度尺寸H,计算其在图像中的相匹配的像素点坐标[x*W,y*H];
提取图像像素数据中像素点坐标[x*W,y*H]处的RGB像素颜色值。
2.根据权利要求1所述的一种基于网格模型的复杂电磁环境建模方法,其特征在于:所述根据三维网格模型中网格节点的高程数据进行高程区域划分,得到高程网格模型面元,具体包括:
计算三维网格模型中网格节点的高程数据的最大值和最小值;
对高程数据进行高程区域划分,得到不同的高程区域;
通过平均或者加权方法拟合每个网格单元所包含的网格节点的高程数据以得到其等效高程数据,并对应到所划分的高程区域;
根据高程区域构建三维网格模型的高程网格模型面元,把落在相同地形高程区域的网格单元划入相同的高程网格模型面元中。
3.根据权利要求1所述的一种基于网格模型的复杂电磁环境建模方法,其特征在于:将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元,具体包括:
设置图像像素数据中RGB颜色数据允许误差的范围;
将三维网格模型中的网格节点在图像像素数据中匹配对应的RGB颜色;
选择三维网格模型中的某个网格单元;
通过平均或者加权方法拟合所选择的网格单元所包含的网格节点的RGB颜色数据以得到其等效RGB颜色数据;
查找所选择的网格单元的相邻网格单元,并通过平均或者加权方法拟合该相邻网格单元所包含的网格节点的RGB颜色数据以得到其的等效RGB颜色数据;
对比所选择网格单元的等效RGB颜色数据,判断该相邻网格单元对应的等效RGB颜色数据是否落入允许误差的范围,如是,将相邻网格单元划入相同的图像网格模型面元中;
继续查找直到没有找到新的图像像素数据相近的相邻网格单元。
4.根据权利要求2所述的一种基于网格模型的复杂电磁环境建模方法,其特征在于:所述将三维网格模型中图像像素数据或者高程数据相近的相邻网格节点重新组合,得到新的网格面元,具体包括:
设置高程数据允许误差的范围;
选择三维网格模型中的某个网格单元;
通过平均或者加权方法拟合所选择的网格单元所包含的网格节点的高程数据以得到其等效高程数据;
查找所选择的网格单元的相邻网格单元,并通过平均或者加权方法拟合该相邻网格单元所包含的网格节点的高程数据以得到其的等效高程数据;
对比所选择网格单元的等效高程数据,判断该相邻网格单元对应的等效高程数据是否落入允许误差的范围,如是,将相邻网格单元划入相同的高程网格模型面元中;
继续查找直到没有找到新的高程数据相近的相邻网格单元。
5.根据权利要求2所述的一种基于网格模型的复杂电磁环境建模方法,其特征在于:所述对高程数据进行高程区域划分,得到不同的高程区域,具体包括:
计算三维网格模型中网格节点的高程数据Z的最大值和最小值[Zmin - Zmax];
把高程数据的总区间[Zmin-Zmax]划分为[Zmin-Z1),[Z1-Z2),…,[ZL-1-Zmax] 共L段;
通过上述方法,整个高程数据被划分为L个不同的高程区域。
6.根据权利要求3所述的一种基于网格模型的复杂电磁环境建模方法,其特征在于:所述设置图像像素数据中RGB颜色数据允许误差的范围,具体包括:
设置像素R颜色的允许正负误差范围[-R1- +R2];
设置像素G颜色的允许正负误差范围[-G1- +G2];
设置像素B颜色的允许正负误差范围[-B1- +B2]。
7.根据权利要求4所述的一种基于网格模型的复杂电磁环境建模方法,其特征在于:
所述设置高程数据允许误差的范围,具体包括:
设置高程数据的允许正负误差范围[-Z1- +Z2]。
8.根据权利要求1或3所述的一种基于网格模型的复杂电磁环境建模方法,其特征在于:所述通过平均或者加权方法拟合所选择的网格单元所包含的网格节点的RGB颜色数据以得到其等效RGB颜色数据,具体包括:
对网格单元所包含的网格节点所对应的颜色数据分RGB三色分别加权累加,其权重为W1;
对网格单元所包含的每条边的二分点所对应的颜色数据分RGB三色分别加权累加,其权重为W2;
对网格单元所包含的中心点所对应的颜色数据分RGB三色分别累加,其权重为W3;
其中权重的总和满足3*W1+3*W2+W3=1.0条件,如果是平均方法拟合,则有W1=W2=W3;
累加后得到的RGB颜色即为网格单元的等效RGB颜色数据。
9.根据权利要求2或4所述的一种基于网格模型的复杂电磁环境建模方法,其特征在于:所述通过平均或者加权方法拟合每个网格单元所包含的网格节点的高层数据以得到其等效高程数据,具体包括:
对网格单元所包含的网格节点所对应的高程数据Z加权累加,其权重为W1;
对网格单元所包含的每条边的二分点所对应的高程数据加权累加,其权重为W2;
对网格单元所包含的中心点所对应的高程数据分别累加,其权重为W3;
其中权重的总和满足3*W1+3*W2+W3=1.0条件,如果是平均方法拟合,则有W1=W2=W3;
累加后得到的高程数据即为网格单元的等效高程数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811142010.3A CN109344496B (zh) | 2018-09-28 | 2018-09-28 | 一种基于网格模型的复杂电磁环境建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811142010.3A CN109344496B (zh) | 2018-09-28 | 2018-09-28 | 一种基于网格模型的复杂电磁环境建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109344496A CN109344496A (zh) | 2019-02-15 |
CN109344496B true CN109344496B (zh) | 2022-09-30 |
Family
ID=65307693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811142010.3A Active CN109344496B (zh) | 2018-09-28 | 2018-09-28 | 一种基于网格模型的复杂电磁环境建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109344496B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223186B (zh) * | 2020-01-15 | 2022-03-25 | 中南大学 | 三维随机孔结构模型的物理建模方法、系统和设备 |
CN113609646B (zh) * | 2021-07-08 | 2022-04-12 | 中国人民解放军32215部队 | 一种复杂陆地环境与装备的耦合电磁散射特性建模仿真方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107833282A (zh) * | 2017-11-16 | 2018-03-23 | 广东电网有限责任公司电力科学研究院 | 一种地形建模和网格生成方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009109007A1 (en) * | 2008-03-04 | 2009-09-11 | The Univeristy Of Sydney | Method and system for exploiting information from heterogeneous sources |
-
2018
- 2018-09-28 CN CN201811142010.3A patent/CN109344496B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107833282A (zh) * | 2017-11-16 | 2018-03-23 | 广东电网有限责任公司电力科学研究院 | 一种地形建模和网格生成方法及装置 |
Non-Patent Citations (2)
Title |
---|
用于边界法的三维体网格生成方法;黄橙;《万方学位数据库》;20140819;全文 * |
考虑三维地形的水工建筑物有限元网络剖分;王煜;《水电与新能源》;20100331;第4-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109344496A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Automatic building information model reconstruction in high-density urban areas: Augmenting multi-source data with architectural knowledge | |
CN110135351B (zh) | 基于城市建筑空间数据的建成区边界识别方法及设备 | |
Yu et al. | Automated derivation of urban building density information using airborne LiDAR data and object-based method | |
Jiao et al. | Multi-order landscape expansion index: Characterizing urban expansion dynamics | |
Wood | Modelling the continuity of surface form using digital elevation models | |
CN113192086B (zh) | 地质灾害隐患变形强度分布图的生成方法和存储介质 | |
Leichtle et al. | Has Dongying developed to a ghost city?-Evidence from multi-temporal population estimation based on VHR remote sensing and census counts | |
CN113916130B (zh) | 一种基于最小二乘法的建筑物位置测量方法 | |
Dukai et al. | A multi-height LoD1 model of all buildings in the Netherlands | |
CN109344496B (zh) | 一种基于网格模型的复杂电磁环境建模方法 | |
Aljumaily et al. | Voxel change: Big data–based change detection for aerial urban LiDAR of unequal densities | |
Tao et al. | Mapping tropical forest trees across large areas with lightweight cost-effective terrestrial laser scanning | |
Jarzabek-Rychard | Reconstruction of building outlines in dense urban areas based on LiDAR data and address points | |
Pandey et al. | Urban built-up area assessment of Ranchi township using Cartosat-I stereopairs satellite images | |
Xie | A framework for interpolating the population surface at the residential-housing-unit level | |
Walde et al. | Graph-based mapping of urban structure types from high-resolution satellite image objects—Case study of the German cities Rostock and Erfurt | |
Almeida et al. | Multilevel object-oriented classification of quickbird images for urban population estimates | |
CN116106904B (zh) | 面向对象MT-InSAR的设施变形监测方法及设备 | |
CN115544199B (zh) | 面向载体精细提取的国外人口空间集成方法和系统 | |
Acharya et al. | Extraction and modelling of spatio-temporal urban change in kathmandu valley | |
Santos et al. | Characterizing urban volumetry using lidar data | |
Liu et al. | Road density analysis based on skeleton partitioning for road generalization | |
CN115713548A (zh) | 一种多期实景三维模型自动配准方法 | |
CN115294302A (zh) | 一种基于断裂线约束的机载点云快速滤波方法 | |
Mohammed et al. | Using Remote Sensing and GIS to Study Morphological Analysis of Kirkuk Province |
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 |