CN110136240B - 一种基于倾斜摄影的三维建模方法 - Google Patents
一种基于倾斜摄影的三维建模方法 Download PDFInfo
- Publication number
- CN110136240B CN110136240B CN201810105297.6A CN201810105297A CN110136240B CN 110136240 B CN110136240 B CN 110136240B CN 201810105297 A CN201810105297 A CN 201810105297A CN 110136240 B CN110136240 B CN 110136240B
- Authority
- CN
- China
- Prior art keywords
- oblique photography
- model
- image
- oblique
- surface texture
- 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
Classifications
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Generation (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于倾斜摄影的三维建模方法,包括以下步骤:A、通过第一次倾斜摄影获得的图像建立建模对象的轮廓模型;B、通过第二次倾斜摄影获得的图像建立建模对象的表面纹理模型;C、使用表面纹理模型与轮廓模型进行匹配,对无法匹配的部分进行标记;D、针对标记点进行第三次倾斜摄影,获取标记点的图像;E、使用第三次倾斜摄影获取的标记点图像分别与第一次倾斜摄影和第二次倾斜摄影获得的对应位置的图像进行对比,并根据对比偏差对轮廓模型和表面纹理模型进行修正;F、使用修正后的轮廓模型和表面纹理模型进行重新匹配,得到建模对象的三维模型。本发明能够解决现有技术的不足,提高了使用倾斜摄影建模的渲染精度。
Description
技术领域
本发明涉及三维建模技术领域,尤其是一种基于倾斜摄影的三维建模方法。
背景技术
倾斜摄影建模是一种利用航拍图像对特定区域进行三维建模的方式。其减少了人工成本,提高了建模速度。但是,现有的倾斜摄影建模方法对于建模细节控制不够精确,渲染误差较大。
发明内容
本发明要解决的技术问题是提供一种基于倾斜摄影的三维建模方法,能够解决现有技术的不足,提高了使用倾斜摄影建模的渲染精度。
为解决上述技术问题,本发明所采取的技术方案如下。
一种基于倾斜摄影的三维建模方法,包括以下步骤:
A、通过第一次倾斜摄影获得的图像建立建模对象的轮廓模型;
B、通过第二次倾斜摄影获得的图像建立建模对象的表面纹理模型;
C、使用表面纹理模型与轮廓模型进行匹配,对无法匹配的部分进行标记;
D、针对标记点进行第三次倾斜摄影,获取标记点的图像;
E、使用第三次倾斜摄影获取的标记点图像分别与第一次倾斜摄影和第二次倾斜摄影获得的对应位置的图像进行对比,并根据对比偏差对轮廓模型和表面纹理模型进行修正;
F、使用修正后的轮廓模型和表面纹理模型进行重新匹配,得到建模对象的三维模型。
作为优选,步骤A中,第一次倾斜摄影采用直线拍摄方式,使用图像中像素的灰度值组成灰度矩阵,然后提取特征向量,使用特征向量组成特征空间,以灰度变化幅度最大的维度作为基准维度,将与基准维度线性相关的特征向量进行删除,将灰度图像在特征空间内进行投影,进行去重,然后使用相应维度的投影组成轮廓模型。
作为优选,步骤B中,第二次倾斜摄影采用直线拍摄方式,将图像中的纹理进行分层,对位于不同图像中同层纹理进行对比,提取同层纹理的交叉点,以交叉点最少的图像作为最优图像,以交叉点为基准点,对每层纹理进行修正,得到表面纹理模型。
作为优选,步骤B中,第二次倾斜摄影的航拍方向与第一倾斜摄影的航拍方向夹角为45°。
作为优选,步骤C中,标记区域包括不匹配区域以及不匹配区域之间的存在的关联区域。
作为优选,步骤D中,第三次倾斜摄影采用环线拍摄方式。
作为优选,步骤E中,使用第三次倾斜摄影获取的标记点图像按照步骤A的方法获得特征空间,然后使用第三次倾斜摄影获取的标记点图像按照步骤B的方法分层纹理图像,将分层纹理图像投影至特征空间中,建立分层纹理图像与灰度图像的映射关系,使用这一映射关系对轮廓模型和表面纹理模型进行归一化修正。
采用上述技术方案所带来的有益效果在于:本发明改进了对于倾斜摄影采集图像的处理方法,利用对建模过程中轮廓特征和纹理特征的独立采集处理,可以极大提高图像数据处理速度。更重要的是,通过利用轮廓特征和纹理特征的相互修正,可以克服现有技术中由于倾斜摄影存在的拍摄误差而带来的渲染偏差,从而提高了渲染精度。
具体实施方式
本发明的一个具体实施方式包括以下步骤:
A、通过第一次倾斜摄影获得的图像建立建模对象的轮廓模型;
B、通过第二次倾斜摄影获得的图像建立建模对象的表面纹理模型;
C、使用表面纹理模型与轮廓模型进行匹配,对无法匹配的部分进行标记;
D、针对标记点进行第三次倾斜摄影,获取标记点的图像;
E、使用第三次倾斜摄影获取的标记点图像分别与第一次倾斜摄影和第二次倾斜摄影获得的对应位置的图像进行对比,并根据对比偏差对轮廓模型和表面纹理模型进行修正;
F、使用修正后的轮廓模型和表面纹理模型进行重新匹配,得到建模对象的三维模型。
步骤A中,第一次倾斜摄影采用直线拍摄方式,使用图像中像素的灰度值组成灰度矩阵,然后提取特征向量,使用特征向量组成特征空间,以灰度变化幅度最大的维度作为基准维度,将与基准维度线性相关的特征向量进行删除,将灰度图像在特征空间内进行投影,进行去重,然后使用相应维度的投影组成轮廓模型。
步骤B中,第二次倾斜摄影采用直线拍摄方式,将图像中的纹理进行分层,对位于不同图像中同层纹理进行对比,提取同层纹理的交叉点,以交叉点最少的图像作为最优图像,以交叉点为基准点,对每层纹理进行修正,得到表面纹理模型。
步骤B中,第二次倾斜摄影的航拍方向与第一倾斜摄影的航拍方向夹角为45°。
步骤C中,标记区域包括不匹配区域以及不匹配区域之间的存在的关联区域。
步骤D中,第三次倾斜摄影采用环线拍摄方式。
步骤E中,使用第三次倾斜摄影获取的标记点图像按照步骤A的方法获得特征空间,然后使用第三次倾斜摄影获取的标记点图像按照步骤B的方法分层纹理图像,将分层纹理图像投影至特征空间中,建立分层纹理图像与灰度图像的映射关系,使用这一映射关系对轮廓模型和表面纹理模型进行归一化修正。
另外,步骤F中,对修正后的轮廓模型和表面纹理模型进行重新匹配时,对于仍然无法匹配的区域进行近似替代。使用与无法匹配区域相邻的其余图像数据进行线性拟合,对无法匹配区域图像进行替代。
上述描述仅作为本发明可实施的技术方案提出,不作为对其技术方案本身的单一限制条件。
Claims (7)
1.一种基于倾斜摄影的三维建模方法,其特征在于包括以下步骤:
A、通过第一次倾斜摄影获得的图像建立建模对象的轮廓模型;
B、通过第二次倾斜摄影获得的图像建立建模对象的表面纹理模型;
C、使用表面纹理模型与轮廓模型进行匹配,对无法匹配的部分进行标记;
D、针对标记点进行第三次倾斜摄影,获取标记点的图像;
E、使用第三次倾斜摄影获取的标记点图像分别与第一次倾斜摄影和第二次倾斜摄影获得的对应位置的图像进行对比,并根据对比偏差对轮廓模型和表面纹理模型进行修正;
F、使用修正后的轮廓模型和表面纹理模型进行重新匹配,得到建模对象的三维模型。
2.根据权利要求1所述的基于倾斜摄影的三维建模方法,其特征在于:步骤A中,第一次倾斜摄影采用直线拍摄方式,使用图像中像素的灰度值组成灰度矩阵,然后提取特征向量,使用特征向量组成特征空间,以灰度变化幅度最大的维度作为基准维度,将与基准维度线性相关的特征向量进行删除,将灰度图像在特征空间内进行投影,进行去重,然后使用相应维度的投影组成轮廓模型。
3.根据权利要求2所述的基于倾斜摄影的三维建模方法,其特征在于:步骤B中,第二次倾斜摄影采用直线拍摄方式,将图像中的纹理进行分层,对位于不同图像中同层纹理进行对比,提取同层纹理的交叉点,以交叉点最少的图像作为最优图像,以交叉点为基准点,对每层纹理进行修正,得到表面纹理模型。
4.根据权利要求3所述的基于倾斜摄影的三维建模方法,其特征在于:步骤B中,第二次倾斜摄影的航拍方向与第一次 倾斜摄影的航拍方向夹角为45°。
5.根据权利要求3所述的基于倾斜摄影的三维建模方法,其特征在于:步骤C中,标记区域包括不匹配区域以及不匹配区域之间的存在的关联区域。
6.根据权利要求5所述的基于倾斜摄影的三维建模方法,其特征在于:步骤D中,第三次倾斜摄影采用环线拍摄方式。
7.根据权利要求6所述的基于倾斜摄影的三维建模方法,其特征在于:步骤E中,使用第三次倾斜摄影获取的标记点图像按照步骤A的方法获得特征空间,然后使用第三次倾斜摄影获取的标记点图像按照步骤B的方法分层纹理图像,将分层纹理图像投影至特征空间中,建立分层纹理图像与灰度图像的映射关系,使用这一映射关系对轮廓模型和表面纹理模型进行归一化修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810105297.6A CN110136240B (zh) | 2018-02-02 | 2018-02-02 | 一种基于倾斜摄影的三维建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810105297.6A CN110136240B (zh) | 2018-02-02 | 2018-02-02 | 一种基于倾斜摄影的三维建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110136240A CN110136240A (zh) | 2019-08-16 |
CN110136240B true CN110136240B (zh) | 2022-11-04 |
Family
ID=67567122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810105297.6A Active CN110136240B (zh) | 2018-02-02 | 2018-02-02 | 一种基于倾斜摄影的三维建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110136240B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938164A (zh) * | 2012-12-05 | 2013-02-20 | 上海创图网络科技发展有限公司 | 一种基于航空遥感摄影测量的快速建模方法 |
CN106228609A (zh) * | 2016-07-09 | 2016-12-14 | 武汉广图科技有限公司 | 一种基于空间特征信息的倾斜摄影三维建模方法 |
CN106352856A (zh) * | 2016-07-29 | 2017-01-25 | 北京观著信息技术有限公司 | 单相机旋转式倾斜摄影方法及倾斜摄影装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10151970B2 (en) * | 2016-04-11 | 2018-12-11 | As Vision Limited | Aerial panoramic oblique photography apparatus |
-
2018
- 2018-02-02 CN CN201810105297.6A patent/CN110136240B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938164A (zh) * | 2012-12-05 | 2013-02-20 | 上海创图网络科技发展有限公司 | 一种基于航空遥感摄影测量的快速建模方法 |
CN106228609A (zh) * | 2016-07-09 | 2016-12-14 | 武汉广图科技有限公司 | 一种基于空间特征信息的倾斜摄影三维建模方法 |
CN106352856A (zh) * | 2016-07-29 | 2017-01-25 | 北京观著信息技术有限公司 | 单相机旋转式倾斜摄影方法及倾斜摄影装置 |
Non-Patent Citations (1)
Title |
---|
基于倾斜摄影测量的三维模型纹理精修技术;雷蕾 等;《测绘标准化》;20180331;第34卷(第1期);56-58 * |
Also Published As
Publication number | Publication date |
---|---|
CN110136240A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598762B (zh) | 一种高精度双目相机标定方法 | |
CN107590825B (zh) | 一种基于sfm的点云孔洞修补方法 | |
CN107194991B (zh) | 一种基于骨架点局域动态更新的三维全局可视化监控系统构建方法 | |
CN104851104B (zh) | 采用柔性靶标高速摄相机近景大视场标定方法 | |
Xie et al. | A high-accuracy method for fine registration of overlapping point clouds | |
CN111784778B (zh) | 基于线性求解非线性优化的双目相机外参标定方法和系统 | |
CN105701820A (zh) | 一种基于匹配区域的点云配准方法 | |
CN113129430B (zh) | 基于双目结构光的水下三维重建方法 | |
CN110443879B (zh) | 一种基于神经网络的透视误差补偿方法 | |
CN102065313A (zh) | 平行式相机阵列的未标定多视点图像校正方法 | |
CN105118086B (zh) | 3d‑aoi设备中的3d点云数据配准方法及系统 | |
CN109945841B (zh) | 一种无编码点的工业摄影测量方法 | |
CN111080714A (zh) | 一种基于三维重建的平行式双目相机标定方法 | |
CN112258588A (zh) | 一种双目相机的标定方法、系统及存储介质 | |
KR101602472B1 (ko) | 2차원 이미지 변환을 통한 3차원 프린팅 파일 생성 장치 및 방법 | |
CN108269289A (zh) | 一种相机参数标定的两步优化方法 | |
CN109584310B (zh) | 一种基于垂直度约束的大物体面形测量的拼接方法 | |
CN111524195A (zh) | 一种掘进机截割头定位中的相机标定方法 | |
CN111768449A (zh) | 一种双目视觉结合深度学习的物体抓取方法 | |
CN112232319A (zh) | 一种基于单目视觉定位的扫描拼接方法 | |
CN111008602B (zh) | 一种小曲率薄壁零件用二维和三维视觉结合的划线特征提取方法 | |
CN110096999B (zh) | 棋盘识别方法、棋盘识别装置、电子设备和可存储介质 | |
CN114001651B (zh) | 一种基于双目视觉测量和先验检测数据的大型细长筒类构件位姿原位测量方法 | |
CN110136240B (zh) | 一种基于倾斜摄影的三维建模方法 | |
CN111968182B (zh) | 一种双目相机非线性模型参数的标定方法 |
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 |