CN109448135A - 一种基于多源数据的三维模型修补的方法 - Google Patents
一种基于多源数据的三维模型修补的方法 Download PDFInfo
- Publication number
- CN109448135A CN109448135A CN201811121979.2A CN201811121979A CN109448135A CN 109448135 A CN109448135 A CN 109448135A CN 201811121979 A CN201811121979 A CN 201811121979A CN 109448135 A CN109448135 A CN 109448135A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- point cloud
- repairing
- cloud
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000009877 rendering Methods 0.000 claims abstract description 4
- 238000012800 visualization Methods 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 6
- 241001269238 Data Species 0.000 claims description 4
- 238000011160 research Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 7
- 238000011068 loading method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2016—Rotation, translation, scaling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提出了一种基于多源数据的三维模型修补的方法,具体包括以下步骤:(1)对于用户自定义坐标系下构建的3dmax模型数据,将模型导出为obj格式,并将模型坐标转换到大地坐标系下;(2)采用空间七参数的方法将模型数据投影转换成相应的大地坐标系;(3)设置参数,生成点云数据;对比点云间坐标系是否一致,如果是一致的则进行点云配准;如果不是一致的则转换到空洞点云坐系,再进行点云配准;(4)判断点云配准后的数据的空洞修补是否满足误差,如果是满足的,则输出修补后点云,输出坐标投影,将上述处理后的数据上传到云服务器端发布成3D切片格式,以便前端实时渲染可视化。
Description
技术领域
本发明涉及一种三维模型技术领域,尤其涉及一种用于城市建模的基于多源数据的三维模型修补的方法。
背景技术
目前,基于Web前端的3D数据可视化主要采用WebGL技术。通过将二三维矢量和栅格数据以坐标投影的方式叠加到球体上,利用海量数据的管理技术,实时快速地抓取服务器端的原始三维模型数据,完成空间三维数据的快速展示。
近年来,在上述技术研究的基础上,国内外学者开始重点研究海量三维数据的在线高效浏览技术,并提出了三维模型数据的组织与加载方法,如中国专利文献CN106504333公开了一种实现三维模型在线快速浏览的方法和系统,解决现有三维模型数据加载时间长的技术问题。云平台判断原始三维模型数据的大小是否大于第一阈值;若是,将原始三维模型数据按照第二阈值大小划分为n个子三维模型数据包,分别将n个子三维模型数据包压缩为n个子三维模型数据压缩包,在接收到客户端发送的浏览请求后,将n个子三维模型数据压缩包按顺序发送给客户端;否则,将原始三维模型数据压缩为原始三维模型数据压缩包并发送给客户端。客户端按顺序接收n个子三维模型压缩数据包或原始三维模型压缩包后解压缩并显示,实现客户端的在线浏览,以减小的数据量提高了三维模型数据的传输速度;中国专利文献CN107704483提出了一种三维模型的加载方法,包括:加载三维模型的衔接面数据的三角面片数据和第一三角面片数据,形成三维模型的一部分;其中,第一三角面片数据为能够体现三维模型轮廓的三角面片数据,其中的每个三角面片的面积均大于第二阈值T2;在加载完第一三角面片数据后,浏览客户端向远程服务器请求发送第二三角面片数据,远程服务器响应该请求,向浏览客户端发送第二三角面片数据;其中第二三角面片数据为能够体现三维模型细节的三角面片数据,其中的每个三角面片的面积均小于或等于第二阈值T2。中国专利文献CN106683164提出了一种海量三维数字城市模型组织管理方法,本发明涉及三维模型构建技术领域,该方法包括如下步骤:按照城市大比例尺地形图分幅范围;对城市范围进行数据块划分;建立空间数据索引结构进行数据的组织和管理;对三维空间数据节点进行空间索引;优点:数据加载效率快,确保了数据的一致性,避免按照任意边界进行最小单元在数据文件存储、归档方面的复杂性,使得数据组织、管理方面更加有序。针对三维模型数据存在空洞和不完整的情形,国内外学者也做出了一定的研究,如CN105069833A提出了“能够保持纹理信息数据的三维模型修补方法”,实现了三维模型数据空洞修补及细节增强;郭海晨提出了基于筛选和K最近邻法的三维点云修补方法,得到了贴近实际的点云模型。
以上研究极大地丰富了三维数据的可视化方法,进一步促进了点云前端完整高效浏览。然而,随着云存储和“众包”策略的发展,越来越多的数据源被共享,充分利用多源数据完成空间数据建模和三维模型修补将填补上述研究的空白。目前对多源数据的三维模型修补方法研究很少,中国专利文献CN105069833A提出一种能够保持纹理信息数据的三维模型修补方法,包括以下步骤,步骤1,三维模型数据空洞修补及细节增强;步骤2,三维模型顶点近邻关系计算;步骤3,纹理数据重采样计算;步骤4,三维模型及纹理数据输出。本发明通过步骤1,能够对三维模型数据进行空洞修补及细节增强,最终得到修补后的三维模型P;通过步骤2自动分析修补后的三维模型顶点和修补前的三维模型顶点之间的近邻关系,通过步骤3,根据修补前的三维模型的纹理信息自动插补得到修补后和三维模型的纹理信息,最终通过步骤4输出得到标准的带纹理的三维模型数据文件。因此,能在原有待修复三维模型纹理数据信息的基础上,保持原有三维数字模型外观的彩色纹理信息;但该发明研究的数据源单一,研究的技术点集中在数据的修补后模型节点的拓扑关系建立和纹理插值计算;其存在的问题是纹理插值点的误差会引起模型失真,而且修补的数据源与原有数据源存在色差等问题。
因此,有必要开发一种基于多源数据的三维模型修补的方法;通过对多源三维数据的配准融合,实现模型的快速完整构建,以减少测绘外业修补测的成本。
发明内容
本发明提出了一种基于多源数据的三维模型修补的方法,解决了三维模型数据叠加展示坐标系不统一和点云数据存在空洞问题;通过对多源三维数据的配准融合,实现模型的快速完整构建,以减少测绘外业修补测的成本。
为了解决上述技术问题,本发明的技术方案是这样实现的:该基于多源数据的三维模型修补的方法,具体包括以下步骤:(1)对于用户自定义坐标系下构建的3dmax模型数据,将模型导出为obj格式,并将模型坐标转换到大地坐标系下;
(2)通过格式转换软件转换obj格式到osgb格式;同时生成相应的.prj和.osgb文件;对于已投影到大地坐标系下的点云数据和倾斜摄影数据,采用空间七参数的方法将模型数据投影转换成相应的大地坐标系;
(3)设置参数,生成点云数据;对比点云间坐标系是否一致,如果是一致的则进行点云配准;如果不是一致的则转换到点云坐系,结合空洞点云数据,再进行点云配准;
(4)判断点云配准后的数据的空洞修补是否满足误差,如果是满足的,则输出修补后点云,输出坐标投影,将上述处理后的数据上传到云服务器端发布成3D切片格式,以便前端实时渲染可视化;如果空洞修补不满足误差,则回到步骤(3)重新采集点云,再重新进行比对,如此循环,直至空洞修补满足误差。
采用上述技术方案,采取了多尺度的空间模型转换方法,将3dmax数据的模型坐标转换到大地坐标系下;为了生成点云数据,提出了将3dmax数据转换到osgb格式下,然后采样生成点云数据;由于点云采集时受遮挡、漏测和弱反射材质的影响,采集的点云数据存在空洞,提出了利用原有的倾斜摄影和3dmax数据修补点云的空洞;将3dmax数据转换到osgb格式,待生成点云后,可以采用3d切片的方式发布成服务,替代了原有的gltf加载方式,提高了3dmax数据的前端浏览速度;相较于已有的研究,充分利用了非las格式的三维点云数据,达到了点云空洞修补测的目的;本发明是应用在全景场景,将二维平面中的像素坐标映射到全景球面上;本发明所阐述的三维坐标转换技术直接依据空间7参数转换方法;解决了三维模型数据叠加展示坐标系不统一和点云数据存在空洞问题;通过对多源三维数据的配准融合,实现模型的快速完整构建,以减少测绘外业修补测的成本。
作为本发明的优选技术方案,所述步骤(1)中的将模型导出为obj格式,再采用下列公式(1)将模型坐标转换到大地坐标系下;
其中[Xt,Yt,Zt]表示转换后的大地坐标;[X,Y,Z]表示模型坐标;[X0,Y0,Z0]表示坐标系间的平移量;a1、a2、a3、b1、b2、b3、c1、c2和c3构成两坐标系间的旋转矩阵;λ为空间七参数转换模型的缩放参数;[λ1,λ2,λ3]为本发明提出的多尺度空间转换模型中X、Y和Z三个对应方向的缩放参数。
作为本发明的优选技术方案,所述步骤(2)中对于已投影到大地坐标系下的点云和倾斜摄影数据,采用空间七参数即如下公式2的方法将模型数据投影转换成相应的大地坐标系;
其中[Xt,Yt,Zt]表示转换后的大地坐标;[X,Y,Z]表示模型坐标;[X0,Y0,Z0]表示坐标系间的平移量;a1、a2、a3、b1、b2、b3、c1、c2和c3构成两坐标系间的旋转矩阵;λ为空间七参数转换模型的缩放参数;[λ1,λ2,λ3]为本发明提出的多尺度空间转换模型中X、Y和Z三个对应方向的缩放参数。
作为本发明的优选技术方案,所述步骤(3)中采用ICP完成空洞的点云数据与转换后的点云数据间的配准,输出修补后的点云数据。
作为本发明的优选技术方案,该多源数据的三维模型中的多源数据包括3dmax数据、倾斜摄影数据和若干空洞点云数据。
作为本发明的优选技术方案,所述步骤(3)中结合倾斜摄影数据进行设置参数。
与现有技术相比,本发明具有以下有益效果:采取了多尺度的空间模型转换方法,将3dmax数据的模型坐标转换到大地坐标系下;为了生成点云数据,提出了将3dmax数据转换到osgb格式下,然后采样生成点云数据;由于点云采集时受遮挡、漏测和弱反射材质的影响,采集的点云数据存在空洞,提出了利用原有的倾斜摄影和3dmax数据修补点云的空洞;将3dmax数据转换到osgb格式,待生成点云后,可以采用3d切片的方式发布成服务,替代了原有的gltf加载方式,提高了3dmax数据的前端浏览速度;相较于已有的研究,充分利用了非las格式的三维点云数据,达到了点云空洞修补测的目的;本发明所阐述的三维坐标转换技术直接依据空间7参数转换方法;解决了三维模型数据叠加展示坐标系不统一和点云数据存在空洞问题;通过对多源三维数据的配准融合,实现模型的快速完整构建,以减少测绘外业修补测的成本。
附图说明
图1是本发明基于多源数据的三维模型修补的方法流程示意图;
图2是本发明基于多源数据的三维模型修补的方法中一个实例采用的3dmax模型数据;
图3是本发明基于多源数据的三维模型修补的方法中一个实例采用的倾斜摄影数据;
图4是本发明基于多源数据的三维模型修补的方法中一个实例采用的空洞点云数据,方框中的区域为空洞的区域;
图5是本发明基于多源数据的三维模型修补的方法中一个实例采用本发明方法修补后的点云数据,方框区域为对应修复的区域。
具体实施方式
下面将结合本发明的实施例图中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。
实施例:如图1所示,该基于多源数据的三维模型修补的方法,具体包括以下步骤:(1)对于用户自定义坐标系下构建的3dmax模型数据,将模型导出为obj格式,并将模型坐标转换到大地坐标系下;
(2)通过格式转换软件转换obj格式到osgb格式;同时生成相应的.prj和.osgb文件;对于已投影到大地坐标系下的点云数据和倾斜摄影数据,采用空间七参数的方法将模型数据投影转换成相应的大地坐标系;
(3)设置参数,生成点云数据;对比点云间坐标系是否一致,如果是一致的则进行点云配准;如果不是一致的则转换到点云坐系,结合空洞点云数据,再进行点云配准;
(4)判断点云配准后的数据的空洞修补是否满足误差,如果是满足的,则输出修补后点云,输出坐标投影,将上述处理后的数据上传到云服务器端发布成3D切片格式,以便前端实时渲染可视化;如果空洞修补不满足误差,则回到步骤(3)重新采集点云,再重新进行比对,如此循环,直至空洞修补满足误差。
所述步骤(1)中的将模型导出为obj格式,再采用下列公式(1)将模型坐标转换到大地坐标系下;
其中[Xt,Yt,Zt]表示转换后的大地坐标;[X,Y,Z]表示模型坐标;[X0,Y0,Z0]表示坐标系间的平移量;a1、a2、a3、b1、b2、b3、c1、c2和c3构成两坐标系间的旋转矩阵;λ为空间七参数转换模型的缩放参数;[λ1,λ2,λ3]为本发明提出的多尺度空间转换模型中X、Y和Z三个对应方向的缩放参数;所述步骤(2)中对于已投影到大地坐标系下的点云和倾斜摄影数据,采用空间七参数即如下公式2的方法将模型数据投影转换成相应的大地坐标系;
其中[Xt,Yt,Zt]表示转换后的大地坐标;[X,Y,Z]表示模型坐标;[X0,Y0,Z0]表示坐标系间的平移量;a1、a2、a3、b1、b2、b3、c1、c2和c3构成两坐标系间的旋转矩阵;λ为空间七参数转换模型的缩放参数;[λ1,λ2,λ3]为本发明提出的多尺度空间转换模型中X、Y和Z三个对应方向的缩放参数;所述步骤(3)中采用ICP完成已有的点云数据与转换后的点云数据间的配准,输出修补后的点云数据;该多源数据的三维模型中的多源数据包括3dmax数据、倾斜摄影数据和若干空洞点云数据;所述步骤(3)中结合倾斜摄影数据进行设置参数。
采用上述技术方案,采取了多尺度的空间模型转换方法,将3dmax数据的模型坐标转换到大地坐标系下;为了生成点云数据,提出了将3dmax数据转换到osgb格式下,然后采样生成点云数据;由于点云采集时受遮挡、漏测和弱反射材质的影响,采集的点云数据存在空洞,提出了利用原有的倾斜摄影和3dmax数据修补点云的空洞;将3dmax数据转换到osgb格式,待生成点云后,可以采用3d切片的方式发布成服务,替代了原有的gltf加载方式,提高了3dmax数据的前端浏览速度;相较于已有的研究,充分利用了非las格式的三维点云数据,达到了点云空洞修补测的目的;本发明是应用在全景场景,将二维平面中的像素坐标映射到全景球面上;本发明所阐述的三维坐标转换技术直接依据空间7参数转换方法;解决了三维模型数据叠加展示坐标系不统一和点云数据存在空洞问题;通过对多源三维数据的配准融合,实现模型的快速完整构建,以减少测绘外业修补测的成本。
如图2~5所示,为一个实例采用本方法进行修复的对比图,其中图2是本采用的3dmax模型数据;图3是采用的倾斜摄影数据;图4采用的空洞点云数据,方框中的区域为空洞的区域;图5采用本发明方法修补后的点云数据,方框区域为对应修复的区域。采取了多尺度的空间模型转换方法,将3dmax数据的模型坐标转换到大地坐标系下;为了生成点云数据,提出了将3dmax数据转换到osgb格式下,然后采样生成点云数据;由于点云采集时受遮挡、漏测和弱反射材质的影响,采集的点云数据存在空洞,提出了利用原有的倾斜摄影和3dmax数据修补点云的空洞;将3dmax数据转换到osgb格式,待生成点云后,可以采用3d切片的方式发布成服务,替代了原有的gltf加载方式,提高了3dmax数据的前端浏览速度;相较于已有的研究,充分利用了非las格式的三维点云数据,达到了点云空洞修补测的目的;本发明是应用在全景场景。
以上所述仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于多源数据的三维模型修补的方法,其特征在于,具体包括以下步骤:
(1)对于用户自定义坐标系下构建的3dmax模型数据,将模型导出为obj格式,并将模型坐标转换到大地坐标系下;
(2)通过格式转换软件转换obj格式到osgb格式;同时生成相应的.prj和.osgb文件;对于已投影到大地坐标系下的点云数据和倾斜摄影数据,采用空间七参数的方法将模型数据投影转换成相应的大地坐标系;
(3)设置参数,生成点云数据;对比生成的点云与空洞点云间坐标系是否一致,如果是一致的则直接进行点云精配准;如果不是一致的则转换到空洞点云坐标系,再进行点云精配准。其中,将点云坐标系转换一致的目的是设置ICP算法迭代初值为0,加快计算的速度;
(4)判断点云配准后的数据的空洞修补是否满足误差,如果是满足的,则输出修补后点云,输出坐标投影,将上述处理后的数据上传到云服务器端发布成3D切片格式,以便前端实时渲染可视化;如果空洞修补不满足误差,则回到步骤(3)重新采集点云,再重新进行比对,如此循环,直至空洞修补满足误差。
2.根据权利要求1所述的基于多源数据的三维模型修补的方法,其特征在于,所述步骤(1)中的将模型导出为obj格式,再采用下列公式(1)将模型坐标转换到大地坐标系下;
其中[Xt,Yt,Zt]表示转换后的大地坐标;[X,Y,Z]表示模型坐标;[X0,Y0,Z0]表示坐标系间的平移量;a1、a2、a3、b1、b2、b3、c1、c2和c3构成两坐标系间的旋转矩阵;λ为空间七参数转换模型的缩放参数;[λ1,λ2,λ3]为本发明提出的多尺度空间转换模型中X、Y和Z三个对应方向的缩放参数。
3.根据权利要求2所述的基于多源数据的三维模型修补的方法,其特征在于,所述步骤(2)中对于已投影到大地坐标系下的点云和倾斜摄影数据,采用空间七参数即如下公式2的方法将模型数据投影转换成相应的大地坐标系;
其中[Xt,Yt,Zt]表示转换后的大地坐标;[X,Y,Z]表示模型坐标;[X0,Y0,Z0]表示坐标系间的平移量;a1、a2、a3、b1、b2、b3、c1、c2和c3构成两坐标系间的旋转矩阵;λ为空间七参数转换模型的缩放参数;[λ1,λ2,λ3]为本发明提出的多尺度空间转换模型中X、Y和Z三个对应方向的缩放参数。
4.根据权利要求3所述的基于多源数据的三维模型修补的方法,其特征在于,所述步骤(3)中采用ICP完成已有的点云数据与转换后的点云数据间的配准,输出修补后的点云数据。
5.根据权利要求1所述的基于多源数据的三维模型修补的方法,其特征在于,该多源数据的三维模型中的多源数据包括3dmax数据、倾斜摄影数据和若干空洞点云数据。
6.根据权利要求1所述的基于多源数据的三维模型修补的方法,其特征在于,所述步骤(3)中结合倾斜摄影数据进行设置参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811121979.2A CN109448135B (zh) | 2018-09-26 | 2018-09-26 | 一种基于多源数据的三维模型修补的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811121979.2A CN109448135B (zh) | 2018-09-26 | 2018-09-26 | 一种基于多源数据的三维模型修补的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109448135A true CN109448135A (zh) | 2019-03-08 |
CN109448135B CN109448135B (zh) | 2022-12-23 |
Family
ID=65544351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811121979.2A Active CN109448135B (zh) | 2018-09-26 | 2018-09-26 | 一种基于多源数据的三维模型修补的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109448135B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905612A (zh) * | 2019-03-25 | 2019-06-18 | 山东省交通规划设计院 | 便携式公路设计全景影像外业调查系统及方法 |
CN110570518A (zh) * | 2019-09-02 | 2019-12-13 | 紫光云技术有限公司 | 一种基于模型数据高度压缩的海量模型加载方法 |
CN113112603A (zh) * | 2021-04-09 | 2021-07-13 | 北京沃东天骏信息技术有限公司 | 三维模型优化的方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447908A (zh) * | 2015-12-04 | 2016-03-30 | 山东山大华天软件有限公司 | 基于口腔扫描数据和cbct数据的牙列模型生成方法 |
CN105678701A (zh) * | 2016-01-28 | 2016-06-15 | 鲁鹏 | 一种基于多视角影像与激光扫描的考古发掘探方序列三维可视化方法 |
CN105931234A (zh) * | 2016-04-19 | 2016-09-07 | 东北林业大学 | 一种地面三维激光扫描点云与影像融合及配准的方法 |
US20170053438A1 (en) * | 2014-06-13 | 2017-02-23 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Method and system for reconstructing a three-dimensional model of point clouds |
CN106874436A (zh) * | 2017-01-31 | 2017-06-20 | 杭州市公安局上城区分局 | 三维警用地理信息平台的多源影像融合成像系统 |
CN107798696A (zh) * | 2017-10-19 | 2018-03-13 | 北京联合大学 | 一种基于保局pca的三维点云配准方法 |
CN108090959A (zh) * | 2017-12-07 | 2018-05-29 | 中煤航测遥感集团有限公司 | 室内外一体建模方法及装置 |
CN108133507A (zh) * | 2017-11-16 | 2018-06-08 | 西安建筑科技大学 | 基于三维点云扫描技术的临夏砖雕数字化信息采集方法 |
CN108470370A (zh) * | 2018-03-27 | 2018-08-31 | 北京建筑大学 | 三维激光扫描仪外置相机联合获取三维彩色点云的方法 |
-
2018
- 2018-09-26 CN CN201811121979.2A patent/CN109448135B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170053438A1 (en) * | 2014-06-13 | 2017-02-23 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Method and system for reconstructing a three-dimensional model of point clouds |
CN105447908A (zh) * | 2015-12-04 | 2016-03-30 | 山东山大华天软件有限公司 | 基于口腔扫描数据和cbct数据的牙列模型生成方法 |
CN105678701A (zh) * | 2016-01-28 | 2016-06-15 | 鲁鹏 | 一种基于多视角影像与激光扫描的考古发掘探方序列三维可视化方法 |
CN105931234A (zh) * | 2016-04-19 | 2016-09-07 | 东北林业大学 | 一种地面三维激光扫描点云与影像融合及配准的方法 |
CN106874436A (zh) * | 2017-01-31 | 2017-06-20 | 杭州市公安局上城区分局 | 三维警用地理信息平台的多源影像融合成像系统 |
CN107798696A (zh) * | 2017-10-19 | 2018-03-13 | 北京联合大学 | 一种基于保局pca的三维点云配准方法 |
CN108133507A (zh) * | 2017-11-16 | 2018-06-08 | 西安建筑科技大学 | 基于三维点云扫描技术的临夏砖雕数字化信息采集方法 |
CN108090959A (zh) * | 2017-12-07 | 2018-05-29 | 中煤航测遥感集团有限公司 | 室内外一体建模方法及装置 |
CN108470370A (zh) * | 2018-03-27 | 2018-08-31 | 北京建筑大学 | 三维激光扫描仪外置相机联合获取三维彩色点云的方法 |
Non-Patent Citations (1)
Title |
---|
韩文泉: "机载LiDAR点云和倾斜摄影影像数据融合处理技术流程", 《城市勘测》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905612A (zh) * | 2019-03-25 | 2019-06-18 | 山东省交通规划设计院 | 便携式公路设计全景影像外业调查系统及方法 |
CN110570518A (zh) * | 2019-09-02 | 2019-12-13 | 紫光云技术有限公司 | 一种基于模型数据高度压缩的海量模型加载方法 |
CN113112603A (zh) * | 2021-04-09 | 2021-07-13 | 北京沃东天骏信息技术有限公司 | 三维模型优化的方法和装置 |
CN113112603B (zh) * | 2021-04-09 | 2024-05-17 | 北京沃东天骏信息技术有限公司 | 三维模型优化的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109448135B (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108648269B (zh) | 三维建筑物模型的单体化方法和系统 | |
CN110827402B (zh) | 一种基于栅格化技术的类建筑物三维模型简化方法及系统 | |
CN107274493B (zh) | 一种基于移动平台的三维虚拟试发型人脸重建方法 | |
CN111629193B (zh) | 一种实景三维重建方法及系统 | |
CN108986195B (zh) | 一种结合环境映射和全局光照渲染的单镜头混合现实实现方法 | |
JP3840150B2 (ja) | 3次元客体およびアニメートされた3次元客体のイメージベースの表現とレンダリング方法 | |
Lerones et al. | A practical approach to making accurate 3D layouts of interesting cultural heritage sites through digital models | |
US20050140670A1 (en) | Photogrammetric reconstruction of free-form objects with curvilinear structures | |
CN103530907B (zh) | 基于图像的复杂三维模型绘制方法 | |
WO2020192026A1 (zh) | 一种城市观山可视域的测量方法及系统 | |
CN114219902A (zh) | 气象数据的体绘制渲染方法、装置和计算机设备 | |
CN104616345A (zh) | 一种基于八叉树森林压缩的三维体素存取方法 | |
CN109448135A (zh) | 一种基于多源数据的三维模型修补的方法 | |
CN109979002A (zh) | 基于WebGL三维可视化的场景构建系统及方法 | |
GB2406252A (en) | Generation of texture maps for use in 3D computer graphics | |
US20060066613A1 (en) | Method and system for partitioning the surface of a three dimentional digital object model in order to map a texture | |
Kersten et al. | Automatic texture mapping of architectural and archaeological 3d models | |
CN108230442A (zh) | 一种盾构隧道三维仿真方法 | |
CN114998503A (zh) | 一种基于实景三维的白模自动纹理构建方法 | |
CN118247429A (zh) | 一种空地协同快速三维建模方法及系统 | |
US8948498B1 (en) | Systems and methods to transform a colored point cloud to a 3D textured mesh | |
GB2584753A (en) | All-around spherical light field rendering method | |
CN112687007A (zh) | 一种基于lod技术的立体网格图生成方法 | |
Frommholz et al. | Inlining 3d reconstruction, multi-source texture mapping and semantic analysis using oblique aerial imagery | |
CN116681854A (zh) | 一种基于目标检测及建筑重构的虚拟城市生成方法和装置 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 210042 8 Blocks 699-22 Xuanwu Avenue, Xuanwu District, Nanjing City, Jiangsu Province Patentee after: Speed Technology Co.,Ltd. Address before: 210000 8 -22, 699 Xuanwu Road, Xuanwu District, Nanjing, Jiangsu. Patentee before: SPEED TIME AND SPACE INFORMATION TECHNOLOGY Co.,Ltd. |