CN109598793B - 基于倾斜摄影测量快速修改植被和水体的制作方法及装置 - Google Patents

基于倾斜摄影测量快速修改植被和水体的制作方法及装置 Download PDF

Info

Publication number
CN109598793B
CN109598793B CN201811427804.4A CN201811427804A CN109598793B CN 109598793 B CN109598793 B CN 109598793B CN 201811427804 A CN201811427804 A CN 201811427804A CN 109598793 B CN109598793 B CN 109598793B
Authority
CN
China
Prior art keywords
vegetation
model
water body
levels
oblique photography
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
Application number
CN201811427804.4A
Other languages
English (en)
Other versions
CN109598793A (zh
Inventor
李敏
宁牟明
张立
杨曦
贺楷锴
寇晓松
刘芬
池晶
尹心亮
阮璐
贾宏
李新圆
邢侃侃
郭洁
徐磊
燕斐
肖超
余勇兵
王梓
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.)
Geospace Information Technology Co Ltd
Original Assignee
Wuda Geoinformatics Co ltd
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 Wuda Geoinformatics Co ltd filed Critical Wuda Geoinformatics Co ltd
Priority to CN201811427804.4A priority Critical patent/CN109598793B/zh
Publication of CN109598793A publication Critical patent/CN109598793A/zh
Application granted granted Critical
Publication of CN109598793B publication Critical patent/CN109598793B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)

Abstract

本发明适用于地理信息技术领域，提供一种基于倾斜摄影测量快速修改植被和水体的制作方法及装置，所述方法包括所述方法包括分类：将倾斜摄影模型纹理图像的像素点进行分类；高程处理步骤：对倾斜摄影模型最精细三个层次的三角网顶点做高程处理，具体的，根据倾斜摄影模型三角网顶点与纹理图像像素点坐标映射关系，得到所属植被类、水体类像素点对应的最精细三个层次的所有三角网顶点，将得到的三角网顶点的高程设置为零，并相应做植被或水体的标记；3D模型精确定位；最后进行精细层次匹配。倾斜摄影模型通过最精细的三个层次与3D模型层级配合，有效的避免倾斜摄影模型对于较近距离上的植被、水体表现效果差的情况。

Description

基于倾斜摄影测量快速修改植被和水体的制作方法及装置
技术领域
本发明属于地理信息技术领域，尤其涉及一种基于倾斜摄影测量快速修改植被和水体的制作方法及装置。
背景技术
倾斜摄影模型是城市三维建模的一种方法，使用无人机搭载多个传感器通过不同角度采集影像，可以快速的搭建大规模大范围场景。由于使用影像表现，会出现死角无法拍摄、树木等遮挡问题导致侧面纹理无法采集，导致倾斜摄影模型对于植被和水体表现效果差，影响建模速度和表现效果。
发明内容
鉴于上述问题，本发明的目的在于提供一种基于倾斜摄影测量快速修改植被和水体的制作方法及装置，旨在提解决现有倾斜摄影模型对植被和水体表现效果差等技术问题。
本发明采用如下技术方案：
一方面，所述基于倾斜摄影测量快速修改植被和水体的制作方法包括如下步骤：
步骤S1、分类步骤：
将倾斜摄影模型纹理图像的像素点进行分类，总共分成三类，分别为植被类、水体类和其它类，记录纹理图像各像素点所属类别；
步骤S2、高程处理步骤：
对倾斜摄影模型最精细三个层次的三角网顶点做高程处理，具体的，根据倾斜摄影模型三角网顶点与纹理图像像素点坐标映射关系，得到所属植被类、水体类像素点对应的最精细三个层次的所有三角网顶点，将得到的三角网顶点的高程设置为零，并相应做植被或水体的标记，在其它层次即更粗糙层次上，不做高程置零处理；
步骤S3、3D模型精确定位步骤：
在倾斜摄影模型最精细三个层次上，遍历所有被标记为植被或水体的三角网顶点，结合高程为零检测植被连通区域和水体连通区域，对于植被连通区域计算中心点坐标以及保存区域边缘坐标，对于水体连通区域，计算中心点坐标，或者计算中心点坐标以及保存区域边缘坐标，所述植被连通区域/水体连通区域的中心点坐标为植被3D模型/水体3D模型在倾斜摄影模型中的定位点，所述植被连通区域/水体连通区域的区域边缘坐标控制植被3D模型/水体3D模型插入倾斜摄影模型的面积范围；
步骤S4：精细层次匹配步骤：
根据倾斜摄影模型最精细三个层次上的数据显示范围，对于植被连通区域，结合中心点坐标以及区域边缘坐标设置植被3D模型对应精细层次的显示范围，对于水体连通区域，结合中心点坐标，或者结合中心点坐标以及区域边缘坐标设置水体3D模型对应精细层次的显示范围，保证在加载显示倾斜摄影模型最精细三个层次的同时，准确加载显示对应精细层次的植被3D模型和水体3D模型。
进一步的，所述方法还包括如下步骤：
步骤S5：数据集输出步骤：
创建一个数据集并输出，该数据集包括经高程处理后的倾斜摄影模型以及植被3D模型和水体3D模型，还包括倾斜摄影模型和两个3D模型的对应关系，即植被3D模型、水体3D模型在倾斜摄影模型中对应的定位点坐标以及面积范围。
进一步的，步骤S1分类步骤采用监督分类，包括如下步骤：
步骤S1.1：选取小部分包含植被、水体的纹理图像像素点作为训练样本，划分植被类、水体类和其他类；
步骤S1.2：采用最大似然法将整个纹理图像的像素点进行分类，划分到对应的类中；
步骤S1.3：对分类后的纹理图像做分类后处理，对纹理图像中的小斑块进行合并消除，最后得到分类完成的纹理图像。
进一步的，步骤S3中，对于检测植被连通区域/水体连通区域，对所有被标记为植被/水体的三角网顶点中选取一个起始点，对于相邻三角网顶点与起始点属于同一类别，划分在同一区域，直至不再有相邻的三角网顶点，则该连通区域检测完成。
另一方面，所述基于倾斜摄影测量快速修改植被和水体装置，包括如下模块：
分类模块：用于将倾斜摄影模型纹理图像的像素点进行分类，总共分成三类，分别为植被类、水体类和其它类，记录纹理图像各像素点所属类别；
高程处理模块：用于对倾斜摄影模型最精细三个层次的三角网顶点做高程处理，具体的，根据倾斜摄影模型三角网顶点与纹理图像像素点坐标映射关系，得到所属植被类、水体类像素点对应的最精细三个层次的所有三角网顶点，将得到的三角网顶点的高程设置为零，并相应做植被或水体的标记，在其它层次即更粗糙层次上，不做高程置零处理；
3D模型精确定位模块：用于在倾斜摄影模型最精细三个层次上，遍历所有被标记为植被或水体的三角网顶点，结合高程为零检测植被连通区域和水体连通区域，对于植被连通区域计算中心点坐标以及保存区域边缘坐标，对于水体连通区域，计算中心点坐标，或者计算中心点坐标以及保存区域边缘坐标，所述植被连通区域/水体连通区域的中心点坐标为植被3D模型/水体3D模型在倾斜摄影模型中的定位点，所述植被连通区域/水体连通区域的区域边缘坐标控制植被3D模型/水体3D模型插入倾斜摄影模型的面积范围；
精细层次匹配模块：用于根据倾斜摄影模型最精细三个层次上的数据显示范围，对于植被连通区域，结合中心点坐标以及区域边缘坐标设置植被3D模型对应精细层次的显示范围，对于水体连通区域，结合中心点坐标，或者结合中心点坐标以及区域边缘坐标设置水体3D模型对应精细层次的显示范围，保证在加载显示倾斜摄影模型最精细三个层次的同时，准确加载显示对应精细层次的植被3D模型和水体3D模型。
进一步的，所述装置还包括数据集输出模块：用于创建一个数据集并输出，该数据集包括经高程处理后的倾斜摄影模型以及植被3D模型和水体3D模型，还包括倾斜摄影模型和两个3D模型的对应关系，即植被3D模型、水体3D模型在倾斜摄影模型中对应的定位点坐标以及面积范围。
本发明的有益效果是：本发明利用倾斜摄影模型的纹理图像，将植被、水体及非植被水体进行分类区分，再根据纹理图像与倾斜摄影模型三角网顶点对应关系对三角网顶点判断，实现倾斜摄影模型中植被与水体的快速识别；另一方面，倾斜摄影模型通过最精细的三个层次与3D模型层级配合，有效的避免倾斜摄影模型对于较近距离上的植被、水体表现效果差的情况。
附图说明
图1是本发明实施例提供的基于倾斜摄影测量快速修改植被和水体的制作方法流程图；
图2是本发明实施例提供的匹配LOD层级示意图；
图3是本发明实施例提供的基于倾斜摄影测量快速修改植被和水体装置结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
图1示出了本发明实施例提供的基于倾斜摄影测量快速修改植被和水体的制作方法流程图，为了便于说明仅示出了与本发明实施例相关的部分。
所述基于倾斜摄影测量快速修改植被和水体的制作方法包括如下步骤：
步骤S1、分类步骤：
将倾斜摄影模型纹理图像的像素点进行分类，总共分成三类，分别为植被类、水体类和其它类，记录纹理图像各像素点所属类别。
本步骤分类采用监督分类方法，监督分类是遥感图像分类的一种，即用被确认类别的样本像元去识别其他未知类别像元的过程。已被确认类别的样本像元是指那些位于训练区的像元。在这种分类中，分析者在图像上对每一种类别选取一定数量的训练区，计算机计算每种训练样区的统计或其他信息，每个像元和训练样本作比较，按照不同规则将其划分到和其最相似的样本类。具体到本步骤，监督分类具体包括如下步骤：
步骤S1.1：选取小部分包含植被、水体的纹理图像像素点作为训练样本，划分植被类、水体类和其他类；
步骤S1.2：采用最大似然法将整个纹理图像的像素点进行分类，划分到对应的类中；
步骤S1.3：对分类后的纹理图像做分类后处理，对纹理图像中的小斑块进行合并消除，最后得到分类完成的纹理图像。
在本步骤中，倾斜摄影模型的三角网顶点与纹理图像的像素点对应，对纹理图像像素点进行分类，即可知对应三角网顶点的类别。本方法中，采用监督分类方法对纹理图像进行分类，再根据纹理图像像素点与三角网顶点的对应关系进行判断，实现倾斜摄影模型中植被、水体及其它纹理图像快速识别分类。
其中，最大似然法是在水体、植被及其它物识别时，采用一种统计方法，建立一个判别函数集，然后根据这个判别函数计算各个待分类训练样本的归属概率，样本属于哪一类的概率最大，就判断属于哪一类别。
步骤S2、高程处理步骤：
对倾斜摄影模型最精细三个层次的三角网顶点做高程处理，具体的，根据倾斜摄影模型三角网顶点与纹理图像像素点坐标映射关系，得到所属植被类、水体类像素点对应的最精细三个层次的所有三角网顶点，将得到的三角网顶点的高程设置为零，并相应做植被或水体的标记，在其它层次即更粗糙层次上，不做高程置零处理。
本实施例中，倾斜摄影模型的加载与显示采用LOD的方式，即在距倾斜摄影模型远时显示粗糙模型，拉近是逐步加载显示更精细的模型，根据距离远近在粗糙与精细层次模型之间转换。3D模型一般分为三层LOD，即每个模型包含高中低三种精细程度。3D模型与倾斜摄影模型相比，主要在近距离观察时显示，所以将3D模型插入倾斜模型的精细层次与其同步显示。具体的，在本发明实施例中，如图2所示，假设倾斜摄影模型的层次从0-20分为21层次，取步骤S1中得到所属植被类、水体类像素点对应的最精细三个层次(即L18、L19、L20)的所有三角网顶点，将得到的三角网顶点的高程设置为零，其它L0-17层次上不做高程置零处理。本步骤中，在进行3D模型加载与显示时，距离倾斜摄影模型较远时，即没有达到显示最精细的三个层次的倾斜摄影模型时，倾斜摄影模型保持显示原始的数据。
步骤S3、3D模型精确定位步骤：
在倾斜摄影模型最精细三个层次上，遍历所有被标记为植被或水体的三角网顶点，结合高程为零检测植被连通区域和水体连通区域，对于植被连通区域计算中心点坐标以及保存区域边缘坐标，对于水体连通区域，计算中心点坐标，或者计算中心点坐标以及保存区域边缘坐标，所述植被连通区域/水体连通区域的中心点坐标为植被3D模型/水体3D模型在倾斜摄影模型中的定位点，所述植被连通区域/水体连通区域的区域边缘坐标控制植被3D模型/水体3D模型插入倾斜摄影模型的面积范围。
在前述步骤中，植被和水体的三角网顶点的高程值都设置为零，因此通过检测高程即可知晓三角网中哪些顶点是植被或水体，然后由于前述步骤已经对植被和水体做了标记区分，因此根据具体标记以及高程为零即可检测植被连通区域和水体连通区域。具体的，对所有被标记为植被/水体的三角网顶点中选取一个起始点，对于相邻三角网顶点高程为零且与起始点属于同一类别，划分在同一区域，直至不再有相邻的三角网顶点，则该连通区域检测完成。中心点即为3D模型在倾斜摄影模型中的定位点，区域边缘坐标控制3D模型插入倾斜摄影模型的面积范围。
本实施例中，对于植被连通区域，需要计算中心点坐标以及保存区域边缘坐标，植被3D模型需要保证在植被连通区域内。而对于水体连通区域，在实际识别定位过程中，由于水体一般低于倾斜摄影模型整体高程值，所以水体3D模型的面积范围若超过识别的水体范围，定位后其超过范围的部分会被原始的倾斜摄影模型数据遮挡，不会有视觉效果影响，所以水体3D模型可以受面积范围的限制也可以不受面积范围的限制，亦即对于水体连通区域，可以计算中心点坐标以及保存区域边缘坐标，也可以只计算中心点坐标。
步骤S4：精细层次匹配步骤：
根据倾斜摄影模型最精细三个层次上的数据显示范围，对于植被连通区域，结合中心点坐标以及区域边缘坐标设置植被3D模型对应精细层次的显示范围，对于水体连通区域，结合中心点坐标，或者结合中心点坐标以及区域边缘坐标设置水体3D模型对应精细层次的显示范围，保证在加载显示倾斜摄影模型最精细三个层次的同时，准确加载显示对应精细层次的植被3D模型和水体3D模型。
连通区域的中心点坐标以及区域边缘坐标决定了3D模型插入倾斜摄影模型的位置和面积范围。在不同的视角下，倾斜摄影模型最精细三个层次上的数据显示范围也在变化，而且3D模型对应精细层次的显示范围也在变化，因此。根据当前倾斜摄影模型最精细三个层次显示范围，结合3D模型插入倾斜摄影模型的位置和面积范围，就可以得到3D模型的在各精细层次的显示范围。在本步骤中，植被3D模型/水体3D模型一般分为三层LOD，即包括高、中、低三种精细程度(即3D模型LOD0，3D模型LOD1，3D模型LOD2)，倾斜摄影模型最精细的三个层次与植被3D模型/水体3D模型的三层LOD可视距离设置一致，如图2所示，将两者关联在一起显示，数据可以同步加载流畅显示。
步骤S5：数据集输出步骤：
创建一个数据集并输出，该数据集包括经高程处理后的倾斜摄影模型以及植被3D模型和水体3D模型，还包括倾斜摄影模型和两个3D模型的对应关系，即植被3D模型、水体3D模型在倾斜摄影模型中对应的定位点坐标以及面积范围。
实施例二：
图3示出了本发明实施例提供的基于倾斜摄影测量快速修改植被和水体装置结构图，为了便于说明仅示出了与本发明实施例相关的部分。
所述基于倾斜摄影测量快速修改植被和水体装置，包括如下模块：
分类模块：用于将倾斜摄影模型纹理图像的像素点进行分类，总共分成三类，分别为植被类、水体类和其它类，记录纹理图像各像素点所属类别；
高程处理模块：用于对倾斜摄影模型最精细三个层次的三角网顶点做高程处理，具体的，根据倾斜摄影模型三角网顶点与纹理图像像素点坐标映射关系，得到所属植被类、水体类像素点对应的最精细三个层次的所有三角网顶点，将得到的三角网顶点的高程设置为零，并相应做植被或水体的标记，在其它层次即更粗糙层次上，不做高程置零处理；
3D模型精确定位模块：用于在倾斜摄影模型最精细三个层次上，遍历所有被标记为植被或水体的三角网顶点，结合高程为零检测植被连通区域和水体连通区域，对于植被连通区域计算中心点坐标以及保存区域边缘坐标，对于水体连通区域，计算中心点坐标，或者计算中心点坐标以及保存区域边缘坐标，所述植被连通区域/水体连通区域的中心点坐标为植被3D模型/水体3D模型在倾斜摄影模型中的定位点，所述植被连通区域/水体连通区域的区域边缘坐标控制植被3D模型/水体3D模型插入倾斜摄影模型的面积范围；
精细层次匹配模块：用于根据倾斜摄影模型最精细三个层次上的数据显示范围，对于植被连通区域，结合中心点坐标以及区域边缘坐标设置植被3D模型对应精细层次的显示范围，对于水体连通区域，结合中心点坐标，或者结合中心点坐标以及区域边缘坐标设置水体3D模型对应精细层次的显示范围，保证在加载显示倾斜摄影模型最精细三个层次的同时，准确加载显示对应精细层次的植被3D模型和水体3D模型。
所述装置还包括数据集输出模块：用于创建一个数据集并输出，该数据集包括经高程处理后的倾斜摄影模型以及植被3D模型和水体3D模型，还包括倾斜摄影模型和两个3D模型的对应关系，即植被3D模型、水体3D模型在倾斜摄影模型中对应的定位点坐标以及面积范围。
本实施例提供的各个功能模块对应实现了实施例一中的步骤S1-S5，具体实现过程这里不再赘述。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于倾斜摄影测量快速修改植被和水体的制作方法，其特征在于，所述方法包括如下步骤：
步骤S1、分类步骤：
将倾斜摄影模型纹理图像的像素点进行分类，总共分成三类，分别为植被类、水体类和其它类，记录纹理图像各像素点所属类别；
步骤S2、高程处理步骤：
对倾斜摄影模型最精细三个层次的三角网顶点做高程处理，具体的，根据倾斜摄影模型三角网顶点与纹理图像像素点坐标映射关系，得到所属植被类、水体类像素点对应的最精细三个层次的所有三角网顶点，将得到的三角网顶点的高程设置为零，并相应做植被或水体的标记，在其它层次即更粗糙层次上，不做高程置零处理；
步骤S3、3D模型精确定位步骤：
在倾斜摄影模型最精细三个层次上，遍历所有被标记为植被或水体的三角网顶点，结合高程为零检测植被连通区域和水体连通区域，对于植被连通区域计算中心点坐标以及保存区域边缘坐标，对于水体连通区域，计算中心点坐标，或者计算中心点坐标以及保存区域边缘坐标，所述植被连通区域/水体连通区域的中心点坐标为植被3D模型/水体3D模型在倾斜摄影模型中的定位点，所述植被连通区域/水体连通区域的区域边缘坐标控制植被3D模型/水体3D模型插入倾斜摄影模型的面积范围；
步骤S4：精细层次匹配步骤：
根据倾斜摄影模型最精细三个层次上的数据显示范围，对于植被连通区域，结合中心点坐标以及区域边缘坐标设置植被3D模型对应精细层次的显示范围，对于水体连通区域，结合中心点坐标，或者结合中心点坐标以及区域边缘坐标设置水体3D模型对应精细层次的显示范围，保证在加载显示倾斜摄影模型最精细三个层次的同时，准确加载显示对应精细层次的植被3D模型和水体3D模型。
2.如权利要求1所述基于倾斜摄影测量快速修改植被和水体的制作方法，其特征在于，所述方法还包括如下步骤：
步骤S5：数据集输出步骤：
创建一个数据集并输出，该数据集包括经高程处理后的倾斜摄影模型以及植被3D模型和水体3D模型，还包括倾斜摄影模型和两个3D模型的对应关系，即植被3D模型、水体3D模型在倾斜摄影模型中对应的定位点坐标以及面积范围。
3.如权利要求1所述基于倾斜摄影测量快速修改植被和水体的制作方法，其特征在于，步骤S1分类步骤采用监督分类，包括如下步骤：
步骤S1.1：选取小部分包含植被、水体的纹理图像像素点作为训练样本，划分植被类、水体类和其他类；
步骤S1.2：采用最大似然法将整个纹理图像的像素点进行分类，划分到对应的类中；
步骤S1.3：对分类后的纹理图像做分类后处理，对纹理图像中的小斑块进行合并消除，最后得到分类完成的纹理图像。
4.如权利要求1所述基于倾斜摄影测量快速修改植被和水体的制作方法，其特征在于，步骤S3中，对于检测植被连通区域/水体连通区域，对所有被标记为植被/水体的三角网顶点中选取一个起始点，对于相邻三角网顶点与起始点属于同一类别，划分在同一区域，直至不再有相邻的三角网顶点，则该连通区域检测完成。
5.一种基于倾斜摄影测量快速修改植被和水体装置，其特征在于，所述装置包括如下模块：
分类模块：用于将倾斜摄影模型纹理图像的像素点进行分类，总共分成三类，分别为植被类、水体类和其它类，记录纹理图像各像素点所属类别；
高程处理模块：用于对倾斜摄影模型最精细三个层次的三角网顶点做高程处理，具体的，根据倾斜摄影模型三角网顶点与纹理图像像素点坐标映射关系，得到所属植被类、水体类像素点对应的最精细三个层次的所有三角网顶点，将得到的三角网顶点的高程设置为零，并相应做植被或水体的标记，在其它层次即更粗糙层次上，不做高程置零处理；
3D模型精确定位模块：用于在倾斜摄影模型最精细三个层次上，遍历所有被标记为植被或水体的三角网顶点，结合高程为零检测植被连通区域和水体连通区域，对于植被连通区域计算中心点坐标以及保存区域边缘坐标，对于水体连通区域，计算中心点坐标，或者计算中心点坐标以及保存区域边缘坐标，所述植被连通区域/水体连通区域的中心点坐标为植被3D模型/水体3D模型在倾斜摄影模型中的定位点，所述植被连通区域/水体连通区域的区域边缘坐标控制植被3D模型/水体3D模型插入倾斜摄影模型的面积范围；
精细层次匹配模块：用于根据倾斜摄影模型最精细三个层次上的数据显示范围，对于植被连通区域，结合中心点坐标以及区域边缘坐标设置植被3D模型对应精细层次的显示范围，对于水体连通区域，结合中心点坐标，或者结合中心点坐标以及区域边缘坐标设置水体3D模型对应精细层次的显示范围，保证在加载显示倾斜摄影模型最精细三个层次的同时，准确加载显示对应精细层次的植被3D模型和水体3D模型。
6.如权利要求5所述基于倾斜摄影测量快速修改植被和水体装置，其特征在于，所述装置还包括数据集输出模块：用于创建一个数据集并输出，该数据集包括经高程处理后的倾斜摄影模型以及植被3D模型和水体3D模型，还包括倾斜摄影模型和两个3D模型的对应关系，即植被3D模型、水体3D模型在倾斜摄影模型中对应的定位点坐标以及面积范围。
CN201811427804.4A 2018-11-27 2018-11-27 基于倾斜摄影测量快速修改植被和水体的制作方法及装置 Active CN109598793B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811427804.4A CN109598793B (zh) 2018-11-27 2018-11-27 基于倾斜摄影测量快速修改植被和水体的制作方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811427804.4A CN109598793B (zh) 2018-11-27 2018-11-27 基于倾斜摄影测量快速修改植被和水体的制作方法及装置

Publications (2)

Publication Number Publication Date
CN109598793A CN109598793A (zh) 2019-04-09
CN109598793B true CN109598793B (zh) 2022-04-12

Family

ID=65959010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811427804.4A Active CN109598793B (zh) 2018-11-27 2018-11-27 基于倾斜摄影测量快速修改植被和水体的制作方法及装置

Country Status (1)

Country Link
CN (1) CN109598793B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114741774B (zh) * 2022-06-13 2022-08-16 中国海洋大学 一种临海侧植被斑块布局方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012037157A2 (en) * 2010-09-13 2012-03-22 Alt Software (Us) Llc System and method for displaying data having spatial coordinates
CA2797162A1 (en) * 2011-11-29 2013-05-29 Dassault Systemes Creating a surface from a plurality of 3d curves
CN104361628A (zh) * 2014-11-27 2015-02-18 南宁市界围工程咨询有限公司 一种基于航空倾斜摄影测量的三维实景建模系统
JP5731700B1 (ja) * 2014-07-25 2015-06-10 エー・シー・エス株式会社 水位予測に基づいた土砂災害予測システム
CN104864848A (zh) * 2015-01-04 2015-08-26 李洪波 多角度阵列组合的航空数字倾斜摄影测量装置
CN106153030A (zh) * 2015-03-25 2016-11-23 高德软件有限公司 一种导航电子地图数据存储方法及装置
CN106412526A (zh) * 2016-11-15 2017-02-15 武汉市公安局公共交通分局 警用倾斜摄影实景三维平台系统及其接口系统
CN107844802A (zh) * 2017-10-19 2018-03-27 中国电建集团成都勘测设计研究院有限公司 基于无人机低空遥感和面向对象分类的水土保持监测方法
CN108182724A (zh) * 2017-12-19 2018-06-19 深圳先进技术研究院 一种高精度城市热岛检测方法、设备及存储设备
WO2018136963A1 (en) * 2017-01-23 2018-07-26 Kinetica Db, Inc. Distributed and parallelized visualization framework

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7831089B2 (en) * 2006-08-24 2010-11-09 Microsoft Corporation Modeling and texturing digital surface models in a mapping application
US9390331B2 (en) * 2014-04-15 2016-07-12 Open Range Consulting System and method for assessing riparian habitats
US9747663B2 (en) * 2014-12-22 2017-08-29 Here Global B.V. Method and apparatus for providing mapping of geo locations on schematic maps

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012037157A2 (en) * 2010-09-13 2012-03-22 Alt Software (Us) Llc System and method for displaying data having spatial coordinates
CA2797162A1 (en) * 2011-11-29 2013-05-29 Dassault Systemes Creating a surface from a plurality of 3d curves
JP5731700B1 (ja) * 2014-07-25 2015-06-10 エー・シー・エス株式会社 水位予測に基づいた土砂災害予測システム
CN104361628A (zh) * 2014-11-27 2015-02-18 南宁市界围工程咨询有限公司 一种基于航空倾斜摄影测量的三维实景建模系统
CN104864848A (zh) * 2015-01-04 2015-08-26 李洪波 多角度阵列组合的航空数字倾斜摄影测量装置
CN106153030A (zh) * 2015-03-25 2016-11-23 高德软件有限公司 一种导航电子地图数据存储方法及装置
CN106412526A (zh) * 2016-11-15 2017-02-15 武汉市公安局公共交通分局 警用倾斜摄影实景三维平台系统及其接口系统
WO2018136963A1 (en) * 2017-01-23 2018-07-26 Kinetica Db, Inc. Distributed and parallelized visualization framework
CN107844802A (zh) * 2017-10-19 2018-03-27 中国电建集团成都勘测设计研究院有限公司 基于无人机低空遥感和面向对象分类的水土保持监测方法
CN108182724A (zh) * 2017-12-19 2018-06-19 深圳先进技术研究院 一种高精度城市热岛检测方法、设备及存储设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
L.A preliminary study on vegetation classification based on texture information of Landsat-8 images;NING L L等;《Journal of Central South University of Forestry & Technology》;20141231;60-64 *
Systematic oblique aerial photography using multiple digital cameras;Petrie G等;《Photogrammetric Engineering and Remote Sensing》;20091231;102-107 *
一种基于多重纹理映射的倾斜摄影模型单体化技术;陈杭;《测绘与空间地理信息》;20181025(第10期);260-262、266 *
基于无人机倾斜摄影点云滤波的新疆某地区精确DEM构建方法;李潇屹等;《哈尔滨师范大学自然科学学报》;20171015(第05期);111-117 *
江西省都昌县山地与平原植被界线提取;齐文娟等;《地球信息科学学报》;20171231(第04期);127-137 *

Also Published As

Publication number Publication date
CN109598793A (zh) 2019-04-09

Similar Documents

Publication Publication Date Title
CN108898047B (zh) 基于分块遮挡感知的行人检测方法及系统
CN106650640B (zh) 一种基于激光雷达点云局部结构特征的负障碍物检测方法
CN109146948B (zh) 基于视觉的作物长势表型参数量化与产量相关性分析方法
CN110263717B (zh) 一种融入街景影像的土地利用类别确定方法
CN103530881B (zh) 适用于移动终端的户外增强现实无标志点跟踪注册方法
CN110533722A (zh) 一种基于视觉词典的机器人快速重定位方法及系统
US8396284B2 (en) Smart picking in 3D point clouds
CN108052624A (zh) 点云数据处理方法、装置及计算机可读存储介质
CN110866079A (zh) 一种智慧景区实景语义地图的生成与辅助定位方法
CN107093205A (zh) 一种基于无人机图像的三维空间建筑物窗户检测重建方法
CN110472553A (zh) 图像和激光点云融合的目标追踪方法、计算装置和介质
CN107392929B (zh) 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法
CN112233177A (zh) 一种无人机位姿估计方法及系统
CN108711172B (zh) 基于细粒度分类的无人机识别与定位方法
CN113470090A (zh) 基于sift-shot特征的多固态激光雷达外参标定方法
CN114764871B (zh) 一种基于机载激光点云的城市建筑物属性提取方法
CN104463240B (zh) 一种仪表定位方法及装置
CN111754618B (zh) 一种面向对象的实景三维模型多层次解译方法及系统
WO2023060632A1 (zh) 基于点云数据的街景地物多维度提取方法和系统
CN108804992A (zh) 一种基于深度学习的人群统计方法
CN106780551A (zh) 一种三维运动目标检测方法和系统
Ma et al. An intelligent object detection and measurement system based on trinocular vision
CN116561509A (zh) 顾及植被类型的城市植被地上生物量精确反演方法及系统
CN116777877A (zh) 电路板缺陷检测方法、装置、计算机设备及存储介质
CN106683125A (zh) 一种基于2d/3d模态切换的rgb‑d图像配准方法

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
CP01 Change in the name or title of a patent holder

Address after: 430223 Wuda science and Technology Park, Jiangxia Avenue, Miaoshan community, Donghu Development Zone, Wuhan City, Hubei Province

Patentee after: Geospace Information Technology Co., Ltd.

Address before: 430223 Wuda science and Technology Park, Jiangxia Avenue, Miaoshan community, Donghu Development Zone, Wuhan City, Hubei Province

Patentee before: WUDA GEOINFORMATICS Co.,Ltd.

CP01 Change in the name or title of a patent holder