CN109902607A - 一种基于倾斜相机的城市自动优化建模系统 - Google Patents

一种基于倾斜相机的城市自动优化建模系统 Download PDF

Info

Publication number
CN109902607A
CN109902607A CN201910130019.0A CN201910130019A CN109902607A CN 109902607 A CN109902607 A CN 109902607A CN 201910130019 A CN201910130019 A CN 201910130019A CN 109902607 A CN109902607 A CN 109902607A
Authority
CN
China
Prior art keywords
model
optimized
modeling
plant
module
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
CN201910130019.0A
Other languages
English (en)
Other versions
CN109902607B (zh
Inventor
龚京美
管松
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.)
Anhui Chuanbai Technology Co Ltd
Original Assignee
Anhui Chuanbai Technology 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 Anhui Chuanbai Technology Co Ltd filed Critical Anhui Chuanbai Technology Co Ltd
Priority to CN201910130019.0A priority Critical patent/CN109902607B/zh
Publication of CN109902607A publication Critical patent/CN109902607A/zh
Application granted granted Critical
Publication of CN109902607B publication Critical patent/CN109902607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开了一种基于倾斜相机的城市自动优化建模系统,包括倾斜影像采集模块、倾斜影像加工模块、倾斜模型生成模块、建模识别模块和建模优化模块,所述倾斜影像采集模块通过倾斜相机采集前、后、左、右、垂直五个角度的全方位地物数据,并通过GPS设备记录拍照时的位置信息。能够快速和较为准确的构成城市整体的建模。能够缩小需要优化的模型范围,方便下一步进行针对性的优化。针对不同类型的模型和产生问题的原因,进行针对性的优化,从现有资源中获取数据,将有问题的模型逐个优化,对整体城市建模进行查漏补缺,进一步提高城市整体建模的完整度和准确度。

Description

一种基于倾斜相机的城市自动优化建模系统
技术领域
本发明涉及一种城市建模系统,具体涉及一种基于倾斜相机的城市自动优化建模系统。
背景技术
从数据采集的方式来看,传统影像是通过飞机上搭载的航摄仪对地面连续摄取相片,而后经过一系列的内业处理得到的影像数据,获取的成果只有地物俯视角度信息,也就是视角垂直于地面。而倾斜摄影测量测试通过飞机或无人机搭载5个相机从多个方向对地物进行拍摄,再通过内业的几何校正、平差、多视影像匹配等一系列的处理得到的具有地物全方位信息的数据。
现有的城市建模中由于实际条件和拍摄设备的影响,容易出现数据采集错误或是局部数据无法采集,导致建模错误或是建模不完全,具体例子如高层大楼侧面铺设玻璃,形成高反射现象使得相机在获取平面信息的时候被“致盲”了,使得该区域的信息不准确。以及高架桥下低高度的建筑,由于高架桥的遮挡,导致数据无法完全采集等。因此需要在建模完成后进行进一步优化。
发明内容
为了解决上述的技术问题,本发明的目的在于提供一种基于倾斜相机的城市自动优化建模系统。
本发明所要解决的技术问题为:
(1)如何提高城市建模的准确度和完整度;
(2)如何对有问题的建模进行修改。
本发明的目的可以通过以下技术方案实现:
一种基于倾斜相机的城市自动优化建模系统,包括倾斜影像采集模块、倾斜影像加工模块、倾斜模型生成模块、建模识别模块和建模优化模块,所述倾斜影像采集模块通过倾斜相机采集前、后、左、右、垂直五个角度的全方位地物数据,并通过GPS设备记录拍照时的位置信息;
所述倾斜影像加工模块用于将倾斜影像采集模块采集到的数据影像经预处理、区域网联合平差、多视影像匹配、DSM生成以及真正射纠正步骤后得到待建模数据以及各个地表物体的位置信息;
所述倾斜模型生成模块通过专用测绘软件将获取的待建模数据转化为单体对象化的模型;
所述建模识别模块将生成的单体对象化的模型进行分类,且建模识别模块进行分类的步骤如下:
S1、提醒工作人员对单体对象化的模型进行检查,标记出待优化的模型;
S2、将待优化的模型分为建模错误组和数据采集不完整组;
S3、对建模形状错误组和数据采集不完整继续分类为建筑类和植物类;
所述建模优化模块用于对经建模识别模块分类后的模型进行优化,并将原模型替换成优化后的模型。
进一步的,所述建模优化模块还连接有街景图片分析模块,所述街景图片分析模块用于对多张街景图片进行分析,获取建筑以及植物的数据,并转化为待建模数据,所述建模优化模块对建模错误组的优化具体步骤如下:
SS1、从建模错误组中筛选出待优化的建筑模型,获取各个建筑模型的垂直视角图片,提取垂直视角图片的中所述待优化的建筑模型的占地边框,作为目标边框;
SS2、以建筑模型为圆心,获取半径为50m的范围内的所有非待优化的建筑模型,并从垂直视角图片中提取所有非待优化的建筑模型的占地边框,作为对比边框;
SS3、从所有对比边框中筛选出与目标边框的面积、占地形状均相同的边框,作为相似边框,并根据相似边框,获取相似边框对应的非待优化的建筑模型,作为替换模型;
SS4、复制替换模型并删除待优化的建筑模型,在待优化建筑模型的位置上替换成替换模型;
SS5、从建模错误组中筛选出待优化的植物模型,获取待优化的植物模型的位置信息,并对待优化的植物模型进行切割,分为树干部和枝叶部,并获取各部分的颜色信息作为目标颜色,以待优化的植物模型为圆心,获取半径为10m的范围内的所有非待优化的植物模型,并将非待优化的植物模型切割为树干部和枝叶部,并获取各部分的颜色信息作为对比颜色,筛选出对比颜色与目标颜色相同的非待优化的植物模型作为替换模型;
SS6、复制替换模型并删除待优化的植物模型,在待优化的植物类模型的位置上替换成替换模型。
进一步的,所述建模优化模块还连接有街景图片分析模块,所述街景图片分析模块用于对多张街景图片进行分析,获取建筑以及植物的数据,并转化为待建模数据,所述建模优化模块对数据采集不完整组的具体优化步骤如下:
SSS1、从数据采集不完整组中筛选出待优化的建筑模型,获取待优化的建筑模型的位置信息;
SSS2、建模优化模块连接网络,在街景地图中搜索所述位置信息,获取该位置信息对应的建筑的若干个视角的街景图;
SSS3、通过街景图片分析模块获取街景图中对应待优化的建筑模型的包含表面纹理和建筑物形状的待建模数据,并传输至倾斜模型生成模块重新生成替换模型;
SSS4、复制替换模型并删除待优化的建筑模型,在待优化建筑模型的位置上替换成替换模型;
SSS5、从数据采集不完整组中筛选出待优化的植物模型,获取待优化的植物模型的位置信息,并对待优化的植物模型进行切割,分为树干部和枝叶部,并获取各部分的颜色信息,以待优化的植物模型为中心,获取距植物模型10m以内的高度最低的非待优化的建筑模型,作为定位模型,并获取定位模型的位置信息;
SSS6、建模优化模块连接网络,在街景地图中搜索定位模型的位置信息,获取定位模型对应的若干个视角的街景图,通过街景图片分析模块从街景图中筛选出与待优化的植物模型树干部和枝叶部颜色信息均相同的植物图片,作为参照图;
SSS7、将参照图上传至网络进行图片识别,获得植物的名称,对植物的名称进行在线搜索,获取对应植物的详细参数和图片,并从中提取出包含表面纹理和建筑物形状的待建模数据,再传输至倾斜模型生成模块重新生成替换模型;
SSS8、复制替换模型并删除待优化的植物模型,在待优化植物模型的位置上替换成替换模型。
进一步的,获取的所述街景图为前、后、左、右、垂直五个视角。
本发明的有益效果:
(1)通过倾斜影像采集模块进行数据采集;再将采集的数据经过倾斜影像加工模块进行处理,转化得到建模软件可识别的数据类型,将转化后的数据通过倾倾斜模型生成模块完成一次建模。能够快速和较为准确的构成城市整体的建模。
(2)通过人工对有问题的模型进行标注,并优先通过算法进行分类,算法无法识别的再通过人工进行分类,按不同类型对模型进行分类;能够缩小需要优化的模型范围,方便下一步进行针对性的优化。
(3)针对不同类型的模型和产生问题的原因,进行针对性的优化,并从现有的资料中获取需要的数据,将有问题的模型逐个优化,对整体城市建模进行查漏补缺,进一步提高城市整体建模的完整度和准确度。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的系统框图。
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它实施例,都属于本发明保护的范围。
请参阅图1所示,本实施例提供了一种基于倾斜相机的城市自动优化建模系统,包括倾斜影像采集模块、倾斜影像加工模块、倾斜模型生成模块、建模识别模块和建模优化模块,倾斜影像采集模块通过倾斜相机采集前、后、左、右、垂直五个角度的全方位地物数据,并通过GPS设备记录拍照时的位置信息。
倾斜影像加工模块用于将倾斜影像采集模块采集到的数据影像经预处理、区域网联合平差、多视影像匹配、DSM生成以及真正射纠正步骤后得到待建模数据以及各个地表物体的位置信息。
倾斜模型生成模块通过专用测绘软件将获取的待建模数据转化为单体对象化的模型。这种工艺流程生产的模型数据是对象化的模型,单独的建筑物可以删除、修改及替换,其纹理也可以修改,这种模型就能体现出它的优势。
建模识别模块将生成的单体对象化的模型进行分类,可先通过算法进行自动化分类,再通过人工分类进行查漏补缺,且建模识别模块进行分类的步骤如下:
S1、提醒工作人员对单体对象化的模型进行检查,标记出待优化的模型;
S2、将待优化的模型分为建模错误组主要针对的是因为采集数据错误导致的高度、形状等方面的建模错误和数据采集不完整组主要针对的是因实地条件和设备限制,无法采集到某些区域的数据,进而导致的数据缺失,造成建模不完全;
S3、对建模形状错误组和数据采集不完整继续分类为建筑类和植物类;
建模优化模块用于对经建模识别模块分类后的模型进行优化,并将原模型替换成优化后的模型。
建模优化模块还连接有街景图片分析模块,街景图片分析模块通过图片内容识别对比和算法分析,用于对多张街景图片进行分析,获取建筑以及植物的数据,并转化为待建模数据,建模优化模块对建模错误组的优化具体步骤如下:
SS1、从建模错误组中筛选出待优化的建筑模型,获取各个建筑模型的垂直视角图片,提取垂直视角图片的中待优化的建筑模型的占地边框,作为目标边框;相较于其他视角,垂直视角受到的干扰最少,能够较为准确的还原物体的实际俯视图。
SS2、以建筑模型为圆心,获取半径为50m的范围内的所有非待优化的建筑模型,并从垂直视角图片中提取所有非待优化的建筑模型的占地边框,作为对比边框;
SS3、从所有对比边框中筛选出与目标边框的面积、占地形状均相同的边框,作为相似边框,并根据相似边框,获取相似边框对应的非待优化的建筑模型,作为替换模型;
SS4、复制替换模型并删除待优化的建筑模型,在待优化建筑模型的位置上替换成替换模型;根据俯视图来确定周围建筑的占地形状和面积,若存在完全相同的面积与形状,可判断两个建筑相同,通常是在建筑较为密集的建筑群,如住宅区和工厂厂房,相邻的建筑结构基本相同,由于距离较近,遮挡、光线不足等原因,容易导致数据采集错误,此时只要找出周围相同的建筑,用采集完整的建筑模型替换错误的模型即可。
SS5、从建模错误组中筛选出待优化的植物模型,获取待优化的植物模型的位置信息,并对待优化的植物模型进行切割,分为树干部和枝叶部,并获取各部分的颜色信息作为目标颜色,以待优化的植物模型为圆心,获取半径为10m的范围内的所有非待优化的植物模型,并将非待优化的植物模型切割为树干部和枝叶部,并获取各部分的颜色信息作为对比颜色,筛选出对比颜色与目标颜色相同的非待优化的植物模型作为替换模型;
SS6、复制替换模型并删除待优化的植物模型,在待优化的植物类模型的位置上替换成替换模型。对于植物模型,形状较为多变,需要通过颜色进行判断,将树干部和枝叶部中颜色类型进行统计,可作为植物的特征,且通常植物为成片种植,只需获取周围建模完好的相同植物模型,并在原位置处进行替换即可。
建模优化模块对数据采集不完整组的具体优化步骤如下:
SSS1、从数据采集不完整组中筛选出待优化的建筑模型,获取待优化的建筑模型的位置信息;
SSS2、建模优化模块连接网络,在街景地图中搜索位置信息,获取该位置信息对应的建筑的前、后、左、右、垂直五个视角的街景图;街景地图资源丰富,容易获取,且由于是实地拍摄,图片清晰,可准确获取纹理,高度等数据,准确度较高,可从街景图中方便的获取建筑的数据,用于重新建模。
SSS3、通过街景图片分析模块获取街景图中对应待优化的建筑模型的包含表面纹理和建筑物形状的待建模数据,并传输至倾斜模型生成模块重新生成替换模型;
SSS4、复制替换模型并删除待优化的建筑模型,在待优化建筑模型的位置上替换成替换模型;
SSS5、从数据采集不完整组中筛选出待优化的植物模型,获取待优化的植物模型的位置信息,并对待优化的植物模型进行切割,分为树干部和枝叶部,并获取各部分的颜色信息,以待优化的植物模型为中心,获取距植物模型10m以内的高度最低的非待优化的建筑模型,作为定位模型,并获取定位模型的位置信息;
SSS6、建模优化模块连接网络,在街景地图中搜索定位模型的位置信息,获取定位模型对应的前、后、左、右、垂直五个视角的街景图,通过街景图片分析模块从街景图中筛选出与待优化的植物模型树干部和枝叶部颜色信息均相同的植物图片,作为参照图;由于街景地图中通常是以建筑为中心,而无植物数据,因此需要先定位植物模型的位置,再获取最近的建筑模型的位置信息,才可通过建筑位置获取到植物模型的位置的街景图。
SSS7、将参照图上传至网络进行图片识别,获得植物的名称,对植物的名称进行在线搜索,获取对应植物的详细参数和图片,并从中提取出包含表面纹理和建筑物形状的待建模数据,再传输至倾斜模型生成模块重新生成替换模型;通过基于内容的图像识别算法,和模型中的特征信息,可分析出植物的种类,进行参数收集后,重新进行建模替换即可。
SSS8、复制替换模型并删除待优化的植物模型,在待优化植物模型的位置上替换成替换模型。
本实施例的具体工作过程如下:
1)通过倾斜影像采集模块进行数据采集;再将采集的数据经过倾斜影像加工模块进行处理,转化得到建模软件可识别的数据类型,将转化后的数据通过倾倾斜模型生成模块完成一次建模。
2)通过人工对有问题的模型进行标注,并优先通过算法进行分类,算法无法识别的再通过人工进行分类,按不同类型对模型进行分类;
3)针对不同类型的模型和产生问题的原因,进行针对性的优化,并将优化后的模型代替原模型,以提高城市整体建模的完整度和准确度。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。

Claims (4)

1.一种基于倾斜相机的城市自动优化建模系统,其特征在于,包括倾斜影像采集模块、倾斜影像加工模块、倾斜模型生成模块、建模识别模块和建模优化模块,所述倾斜影像采集模块通过倾斜相机采集前、后、左、右、垂直五个角度的全方位地物数据,并通过GPS设备记录拍照时的位置信息;
所述倾斜影像加工模块用于将倾斜影像采集模块采集到的数据影像经预处理、区域网联合平差、多视影像匹配、DSM生成以及真正射纠正步骤后得到待建模数据以及各个地表物体的位置信息;
所述倾斜模型生成模块通过专用测绘软件将获取的待建模数据转化为单体对象化的模型;
所述建模识别模块将生成的单体对象化的模型进行分类,且建模识别模块进行分类的步骤如下:
S1、提醒工作人员对单体对象化的模型进行检查,标记出待优化的模型;
S2、将待优化的模型分为建模错误组和数据采集不完整组;
S3、对建模形状错误组和数据采集不完整继续分类为建筑类和植物类;
所述建模优化模块用于对经建模识别模块分类后的模型进行优化,并将原模型替换成优化后的模型。
2.根据权利要求1所述的一种基于倾斜相机的城市自动优化建模系统,其特征在于,所述建模优化模块还连接有街景图片分析模块,所述街景图片分析模块用于对多张街景图片进行分析,获取建筑以及植物的数据,并转化为待建模数据,所述建模优化模块对建模错误组的优化具体步骤如下:
SS1、从建模错误组中筛选出待优化的建筑模型,获取各个建筑模型的垂直视角图片,提取垂直视角图片的中所述待优化的建筑模型的占地边框,作为目标边框;
SS2、以建筑模型为圆心,获取半径为50m的范围内的所有非待优化的建筑模型,并从垂直视角图片中提取所有非待优化的建筑模型的占地边框,作为对比边框;
SS3、从所有对比边框中筛选出与目标边框的面积、占地形状均相同的边框,作为相似边框,并根据相似边框,获取相似边框对应的非待优化的建筑模型,作为替换模型;
SS4、复制替换模型并删除待优化的建筑模型,在待优化建筑模型的位置上替换成替换模型;
SS5、从建模错误组中筛选出待优化的植物模型,获取待优化的植物模型的位置信息,并对待优化的植物模型进行切割,分为树干部和枝叶部,并获取各部分的颜色信息作为目标颜色,以待优化的植物模型为圆心,获取半径为10m的范围内的所有非待优化的植物模型,并将非待优化的植物模型切割为树干部和枝叶部,并获取各部分的颜色信息作为对比颜色,筛选出对比颜色与目标颜色相同的非待优化的植物模型作为替换模型;
SS6、复制替换模型并删除待优化的植物模型,在待优化的植物类模型的位置上替换成替换模型。
3.根据权利要求1所述的一种基于倾斜相机的城市自动优化建模系统,其特征在于,所述建模优化模块还连接有街景图片分析模块,所述街景图片分析模块用于对多张街景图片进行分析,获取建筑以及植物的数据,并转化为待建模数据,所述建模优化模块对数据采集不完整组的具体优化步骤如下:
SSS1、从数据采集不完整组中筛选出待优化的建筑模型,获取待优化的建筑模型的位置信息;
SSS2、建模优化模块连接网络,在街景地图中搜索所述位置信息,获取该位置信息对应的建筑的若干个视角的街景图;
SSS3、通过街景图片分析模块获取街景图中对应待优化的建筑模型的包含表面纹理和建筑物形状的待建模数据,并传输至倾斜模型生成模块重新生成替换模型;
SSS4、复制替换模型并删除待优化的建筑模型,在待优化建筑模型的位置上替换成替换模型;
SSS5、从数据采集不完整组中筛选出待优化的植物模型,获取待优化的植物模型的位置信息,并对待优化的植物模型进行切割,分为树干部和枝叶部,并获取各部分的颜色信息,以待优化的植物模型为中心,获取距植物模型10m以内的高度最低的非待优化的建筑模型,作为定位模型,并获取定位模型的位置信息;
SSS6、建模优化模块连接网络,在街景地图中搜索定位模型的位置信息,获取定位模型对应的若干个视角的街景图,通过街景图片分析模块从街景图中筛选出与待优化的植物模型树干部和枝叶部颜色信息均相同的植物图片,作为参照图;
SSS7、将参照图上传至网络进行图片识别,获得植物的名称,对植物的名称进行在线搜索,获取对应植物的详细参数和图片,并从中提取出包含表面纹理和建筑物形状的待建模数据,再传输至倾斜模型生成模块重新生成替换模型;
SSS8、复制替换模型并删除待优化的植物模型,在待优化植物模型的位置上替换成替换模型。
4.根据权利要求2-3中任意一项所述的一种基于倾斜相机的城市自动优化建模系统,其特征在于,获取的所述街景图为前、后、左、右、垂直五个视角。
CN201910130019.0A 2019-02-21 2019-02-21 一种基于倾斜相机的城市自动优化建模系统 Active CN109902607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910130019.0A CN109902607B (zh) 2019-02-21 2019-02-21 一种基于倾斜相机的城市自动优化建模系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910130019.0A CN109902607B (zh) 2019-02-21 2019-02-21 一种基于倾斜相机的城市自动优化建模系统

Publications (2)

Publication Number Publication Date
CN109902607A true CN109902607A (zh) 2019-06-18
CN109902607B CN109902607B (zh) 2023-04-07

Family

ID=66945196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910130019.0A Active CN109902607B (zh) 2019-02-21 2019-02-21 一种基于倾斜相机的城市自动优化建模系统

Country Status (1)

Country Link
CN (1) CN109902607B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114387415A (zh) * 2022-03-23 2022-04-22 北京飞渡科技有限公司 一种基于交互式纹元检索的建筑立面纹理快速生成方法
CN116206077A (zh) * 2023-03-24 2023-06-02 清华大学 基于非全局重复建模的三维重构模型局部优化方法和装置
CN116206077B (zh) * 2023-03-24 2024-05-17 清华大学 基于非全局重复建模的三维重构模型局部优化方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007027847A2 (en) * 2005-09-01 2007-03-08 Geosim Systems Ltd. System and method for cost-effective, high-fidelity 3d-modeling of large-scale urban environments
US20110148866A1 (en) * 2009-12-18 2011-06-23 Electronics And Telecommunications Research Institute Three-dimensional urban modeling apparatus and method
CN106327573A (zh) * 2016-08-25 2017-01-11 成都慧途科技有限公司 一种针对城市建筑的实景三维建模方法
CN106875467A (zh) * 2015-12-11 2017-06-20 中国科学院深圳先进技术研究院 三维城市模型快速更新方法
CN108022294A (zh) * 2016-11-03 2018-05-11 中科遥感科技集团有限公司 基于机载LiDAR与倾斜相机的城市真三维自动建模系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007027847A2 (en) * 2005-09-01 2007-03-08 Geosim Systems Ltd. System and method for cost-effective, high-fidelity 3d-modeling of large-scale urban environments
US20110148866A1 (en) * 2009-12-18 2011-06-23 Electronics And Telecommunications Research Institute Three-dimensional urban modeling apparatus and method
CN106875467A (zh) * 2015-12-11 2017-06-20 中国科学院深圳先进技术研究院 三维城市模型快速更新方法
CN106327573A (zh) * 2016-08-25 2017-01-11 成都慧途科技有限公司 一种针对城市建筑的实景三维建模方法
CN108022294A (zh) * 2016-11-03 2018-05-11 中科遥感科技集团有限公司 基于机载LiDAR与倾斜相机的城市真三维自动建模系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郭林凯: "基于"倾斜+LiDAR+车载"的实景三维建模实现", 《城市勘测》 *
黄健等: "多视角影像自动化实景三维建模的生产与应用", 《测绘通报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114387415A (zh) * 2022-03-23 2022-04-22 北京飞渡科技有限公司 一种基于交互式纹元检索的建筑立面纹理快速生成方法
CN114387415B (zh) * 2022-03-23 2022-05-27 北京飞渡科技有限公司 一种基于交互式纹元检索的建筑立面纹理快速生成方法
CN116206077A (zh) * 2023-03-24 2023-06-02 清华大学 基于非全局重复建模的三维重构模型局部优化方法和装置
CN116206077B (zh) * 2023-03-24 2024-05-17 清华大学 基于非全局重复建模的三维重构模型局部优化方法和装置

Also Published As

Publication number Publication date
CN109902607B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN108037770B (zh) 基于人工智能的无人机输电线路巡检系统和方法
CN108765404B (zh) 一种基于深度学习图像分类的道路破损检测方法及装置
CN106951836B (zh) 基于先验阈值优化卷积神经网络的作物覆盖度提取方法
Rau et al. Analysis of oblique aerial images for land cover and point cloud classification in an urban environment
CN104951775B (zh) 基于视频技术的铁路道口防护区域安全智能识别方法
Garilli et al. Automatic detection of stone pavement's pattern based on UAV photogrammetry
CN104700404A (zh) 一种果实定位识别方法
CN112801230B (zh) 一种配电线路无人机智能验收方法
CN108648169A (zh) 高压输电塔绝缘子缺陷自动识别的方法及装置
CN105447868A (zh) 一种微小型无人机航拍数据的自动检查方法
CN115690081A (zh) 一种树木计数方法、系统、存储介质、计算机设备及终端
CN114419231B (zh) 基于点云数据和ai技术的交通设施矢量识别提取分析系统
CN104239899A (zh) 一种用于无人机巡检的输电线路间隔棒识别方法
CN114240868A (zh) 一种基于无人机的巡检分析系统及方法
CN110766333A (zh) 一种天气现象信息智能处理方法及系统
CN113743358A (zh) 一种全方位采集和智能计算的景观视觉特征识别方法
Bulatov et al. Automatic tree-crown detection in challenging scenarios
CN113378754B (zh) 一种工地裸土监测方法
CN114663787A (zh) 一种融合无人机chm和rgb影像的单木分割方法
CN113033386B (zh) 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统
CN109902607A (zh) 一种基于倾斜相机的城市自动优化建模系统
CN113610009A (zh) 一种洪涝灾害无人机影像信息提取系统
CN114119606B (zh) 基于可见光照片电力线着色的智能化树障隐患分析方法
CN116486282A (zh) 一种基于深度学习的数字高程模型制作方法及系统、电子设备、存储介质
CN110188419A (zh) 一种景观生态现状条件分析与定量规划设计的方法

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