CN110211230A - 空间规划模型集成方法、装置、计算机设备和存储介质 - Google Patents
空间规划模型集成方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110211230A CN110211230A CN201910376725.3A CN201910376725A CN110211230A CN 110211230 A CN110211230 A CN 110211230A CN 201910376725 A CN201910376725 A CN 201910376725A CN 110211230 A CN110211230 A CN 110211230A
- Authority
- CN
- China
- Prior art keywords
- model
- plan
- point cloud
- plan model
- cloud data
- 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
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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- 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
- 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)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Architecture (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种空间规划模型集成方法、装置、计算机设备和存储介质。包括:获取第一规划模型的点云数据,根据点云数据得到第一规划模型的虚拟底部模型;将虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;根据叠加分析结果、第一规划模型和第一地形模型,得到第二地形模型;将第一规划模型与第二地形模型进行叠加,得到空间规划模型。进而解决在复杂地形情况下,规划模型与现状地形无缝集成的问题。
Description
技术领域
本申请涉及地形三维规划技术领域,特别涉及一种空间规划模型集成方法、装置、计算机设备和存储介质。
背景技术
随着三维技术的不断发展,辅助规划成为三维技术的重要应用之一,因其能有效提高规划方案的科学性和合理性而得到了广泛的应用。在实际应用中,现状地形复杂多变,规划模型与现状地形常常存在冲突,直接将规划模型放置到现状地形模型上,往往会出现地形压盖规划模型的现象,无法完整地表达规划模型。目前,为了反映规划模型在复杂地形条件下和现状地形之间的关系,通常采用范围置平法和三维矢量线法对规划模型和现状地形进行集成。
然而,范围置平法往往适用基于简单现状地形情况下的规划模型集成,而三维矢量线法需要大量的人工干预,均无法快速良好地解决在复杂地形情况下规划模型与现状地形无缝集成的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种空间规划模型集成方法、装置、计算机设备和存储介质。
一种空间规划模型集成方法,所述方法包括:
获取第一规划模型的点云数据,根据所述点云数据得到所述第一规划模型的虚拟底部模型;
将所述虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;
根据所述叠加分析结果、所述第一规划模型和所述第一地形模型,得到第二地形模型;
将所述第一规划模型与所述第二地形模型进行叠加,得到空间规划模型。
在其中一个实施例中,所述获取第一规划模型的点云数据,根据所述点云数据得到所述第一规划模型的虚拟底部模型,之前还包括:
将初始规划模型的坐标与地形坐标进行统一,得到所述第一规划模型。
在其中一个实施例中,所述将初始规划模型的坐标与地形坐标进行统一,得到所述第一规划模型,包括:
选定所述初始规划模型中的任意一点作为锚点;
以所述锚点为基准,将所述初始规划模型转换到地形坐标系下,得到所述第一规划模型。
在其中一个实施例中,所述获取第一规划模型的点云数据,包括:
对所述第一规划模型进行离散采样,得到所述点云数据。
在其中一个实施例中,所述第一规划模型包括复杂规划模型;
所述对所述第一规划模型进行离散采样,得到所述点云数据,包括:
若所述第一规划模型为所述复杂规划模型,则对所述第一规划模型进行分层处理,得到分层处理结果;其中,所述分层处理结果包括所述第一规划模型的底层规划模型;
对所述底层规划模型进行离散采样,得到所述点云数据。
在其中一个实施例中,所述根据所述点云数据得到所述第一规划模型的虚拟底部模型,包括:
对所述点云数据进行滤波处理,得到所述第一规划模型的底面点云;
将所述底面点云转换为规则格网;
根据所述规则格网,构建所述虚拟底部模型。
在其中一个实施例中,所述叠加分析结果包括与所述点云数据对应的若干叠加分析值;
所述根据所述叠加分析结果、所述第一规划模型和所述第一地形模型,得到第二地形模型,包括:
将所述若干叠加分析值与预设条件进行比较;
对所述第一地形模型中不满足所述预设条件的叠加分析值所对应的点云数据进行修正,得到修正点云数据;
根据所述第一地形模型中满足所述预设条件的叠加分析值所对应的点云数据和所述修正点云数据,构建所述第二地形模型。
一种空间规划模型集成装置,所述装置包括:
底部模型获取模块,用于获取第一规划模型的点云数据,根据所述点云数据得到所述第一规划模型的虚拟底部模型;
分析结果获取模块,用于将所述虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;
目标模型获取模块,用于根据所述叠加分析结果、所述第一规划模型和所述第一地形模型,得到第二地形模型;
集成模型获取模块,用于将所述第一规划模型与所述第二地形模型进行叠加,得到集成规划模型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
一种空间规划模型集成方法、装置、计算机设备和存储介质,包括:获取第一规划模型的点云数据,根据点云数据得到第一规划模型的虚拟底部模型;将虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;根据叠加分析结果、第一规划模型和第一地形模型,得到第二地形模型;将第一规划模型与第二地形模型进行叠加,得到空间规划模型。其中,在获取第一规划模型的点云数据后,根据点云数据构建虚拟底部模型,实现对复杂地形下规划模型底部模型的构建,进一步,对虚拟底部模型和第一地形模型进行叠加分析,形成叠加分析结果,根据叠加分析结果得到可以集成的第二规划模型和第二地形模型,全程由计算机处理,无需人工干预,能够解决在复杂地形情况下,规划模型与现状地形无缝集成的问题。
附图说明
图1为一个实施例中空间规划模型集成的流程示意图;
图2为一个实施例中步骤S100的细化步骤的流程示意图;
图3为一个实施例中采样点位置获取示意图;
图4为一个实施例中复杂规划模型底面点云形成示意图;
图5为一个实施例中为规划模型与现状地形无缝集成的流程示意图;
图6为一个实施例中规划模型与地形模型叠加的效果图;
图7为一个实施例中空间规划模型集成装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解本申请中所使用的术语“第一”、“第二”等可在本文中用于描述各种序列关系及对应关系,但这些序列关系及对应关系不受这些术语限制。这些术语仅用于将一个序列关系及对应关系与另一个序列关系及对应关系区分开来。
在一个实施例中,如图1所示,提供了一种空间规划模型集成方法,包括以下步骤:
步骤S100,获取第一规划模型的点云数据,根据点云数据得到第一规划模型的虚拟底部模型。
其中,第一规划模型为基于一定的现状地形和建筑需求设计规划出的三维立体模型。点云数据为基于第一规划模型表面特性的海量点的集合。虚拟底部模型为由点云数据对第一规划模型重新构建的底部模型。
具体地,得到第一规划模型后,对第一规划模型进行扫描采集,得到第一规划模型的点云数据,以该点云数据为基础,构建虚拟的底部模型,为后续的数据处理和空间规划模型集成提供可编辑数据。
步骤S200,将虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果。
其中,第一地形模型一般指依据准备用于修建规划模型的现状地形的实际测绘数据构建出的模型。
具体地,将第一规划模型放置到第一地形模型上,对第一规划模型和第一地形模型进行一系列的空间运算,并分析第一规划模型和第一地形模型在空间位置的空间特征和专属属性之间的相互关系,得到叠加分析结果。
步骤S300,根据叠加分析结果、第一规划模型和第一地形模型,得到第二地形模型。
具体地,当把第一规划模型放置到第一地形模型上的时候,可能会存在第一地形模型压盖第一规划模型的状况,也可能会出现第一规划模型悬空置于第一地形模型的状况,基于不同的叠加分析结果,对第一地形模型进行调整,得到第二地形模型。
步骤S400,将第一规划模型与第二地形模型进行叠加,得到空间规划模型。
第二地形模型是基于叠加分析结果修改后的模型,此时的第一规划模型与第二地形模型进行叠加,可以得到无缝集成的空间规划模型。
上述空间规划模型集成方法,包括:获取第一规划模型的点云数据,根据点云数据得到第一规划模型的虚拟底部模型;将虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;根据叠加分析结果、第一规划模型和第一地形模型,得到第二地形模型;将第一规划模型与第二地形模型进行叠加,得到空间规划模型。其中,在获取第一规划模型的点云数据后,根据点云数据构建虚拟底部模型,实现对复杂地形下规划模型底部模型的构建,进一步,对虚拟底部模型和第一地形模型进行叠加分析,形成叠加分析结果,根据叠加分析结果得到可以集成的第二地形模型,全程由计算机处理,无需人工干预,能够解决在复杂地形情况下,规划模型与现状地形无缝集成的问题。
在其中一个实施例中,步骤S100,获取第一规划模型的点云数据,根据点云数据得到第一规划模型的虚拟底部模型,之前包括:
将初始规划模型的坐标与地形坐标进行统一,得到第一规划模型。
其中,初始规划模型为基于一定的目的和需求设计规划出的三维立体模型,该三维立体模型一般是沿用所使用的测绘数据的坐标系建立的模型,为虚拟坐标,依据不同的规划基准和测绘数据可以形成各自不同的局部坐标系。地形坐标是指依据实际的地形测绘数据形成的坐标。
可选地,选定初始规划模型中的任意一点作为锚点;以锚点为基准,将初始规划模型转换到地形坐标系下,得到第一规划模型。
其中,锚点表示一个基准点,是从初始规划模型中选定的一个点。
具体地,为了确保规划模型顶点位置的精准性,将初始规划模型中某一点作为锚点,对初始规划模型进行平移,得到第一规划模型。可选地,为了统一规划模型与地形模型的坐标基准,一般是将规划模型转换到地形模型的坐标系下以实现坐标统一。具体原因为:①地形模型具有统一的基准面和坐标系,而规划模型多分别建立各自的局部坐标系;②通常情况下,地形模型的数据量大于规划模型的数据量,对地形模型进行坐标转换的运算量大且时间成本高。
上述实施例中,将初始规划模型的坐标与地形坐标进行统一,得到第一规划模型。具体为,选定初始规划模型中的任意一点作为锚点;以锚点为基准,将初始规划模型转换到地形坐标系下,得到第一规划模型。将规划模型的坐标统一到地形模型的坐标系下可以为后续的数据处理和空间规划模型集成提供同意的可编辑数据。
在其中一个实施例中,如图2所示,为步骤S100的细化步骤的流程示意图,步骤S100,获取第一规划模型的点云数据,根据点云数据得到第一规划模型的虚拟底部模型,包括:
步骤S110,对第一规划模型进行离散采样,得到点云数据。
具体地,将第一规划模型的表面进行区域划分,分割为多个三角面,在多个三角面中进行采样,得到点云数据。离散采样可以由公式(1)实现:
N=s·u(1)
式中,s表示第一规划模型中单个采样三角面的面积,u表示采样密度,N表示每个三角面的离散采样点的个数。
其中,离散采样的关键参数是采样密度u,根据每个面的面积s调整相应离散点的个数N。
进一步地,如图3所示,为采样点位置获取示意图,对于每个三角面,利用向量计算确定随机点P的位置。
式中,a、b表示任意两个随机数,且a、b之和须小于1,A、B、C表示三角面的顶点,P表示随机点。
具体地,不管第一规划模型是简单规划模型还是复杂规划模型,均可采用上述方式获得第一规划模型的点云数据。
可选地,若第一规划模型为复杂规划模型,则对第一规划模型进行分层处理,得到分层处理结果;其中,分层处理结果包括第一规划模型的底层规划模型;对底层规划模型进行离散采样,得到点云数据。
具体地,若第一规划模型为复杂模型,还可以先对第一规划模型进行分层处理,然后仅对第一规划模型的底层规划模型进行离散采样,得到底层规划模型的点云数据用于后续的数据处理。
步骤S120,对点云数据进行滤波处理,得到第一规划模型的底面点云。
具体地,对点云数据进行滤波,保留第一规划模型底面点,得到底面点云。可选地,可以采用布料模拟算法将第一规划模型的底面点和其他点进行分离。布料模拟算法是基于一个简单的物理过程的模拟,其原理是,将第一规划模型上下倒置,看作是一块布料放置在第一规划模型的上方,布料因重力而下降,如果布料足够柔软可以粘附在表面上,布的最终形状是第一规划模型的底面点云。具体地,布料模拟算法有如下优势:①细节保留好,可以反映精细的细节信息;②算法参数少,易于满足实际工程应用的需要。
可选地,如图4所示,为复杂规划模型底面点云形成示意图,其中,若第一规划模型为复杂规划模型,而又没有进行分层处理,也可采用上述方法进行滤波,进而得到底面点云。
具体地,若第一规划模型为复杂规划模型,可以得到如图4(a)和图4(b)所示的情况。但是,如果第一规划模型的整体结构为如图4(c)所示的情况,例如包含屋檐的房屋、悬空的桥梁等情况,滤波后可能会有部分点被错分为底面点,导致错误的虚拟底部模型,此时需要对错分的底面点另行编辑,得到最终如图4(d)所示的底面点云。
步骤S130,根据底面点云,构建虚拟底部模型。
可选地,将底面点云转换为规则格网;根据规则格网,构建虚拟底部模型。
上述实施例中,对第一规划模型进行离散采样,得到点云数据;对点云数据进行滤波处理,得到第一规划模型的底面点云;根据底面点云,构建虚拟底部模型。可以为后续的数据处理和空间规划模型集成提供可编辑数据,全程由计算机处理,无需人工干预。
在其中一个实施例中,叠加分析结果包括与点云数据对应的若干叠加分析值,步骤S300,根据叠加分析结果、第一规划模型和第一地形模型,得到第二地形模型,包括:
将若干叠加分析值与预设条件进行比较;
对第一地形模型中不满足预设条件的叠加分析值所对应的点云数据进行修正,得到修正点云数据;
根据第一地形模型中满足预设条件的叠加分析值所对应的点云数据和修正点云数据,构建第二地形模型。
其中,叠加分析结果为包含很多个叠加分析值的集合,每一个叠加分析值对应点云数据中的一个点。
具体地,第一地形模型与第一规划模型的点云数据对应,有一个相对的点云数据集合。若叠加分析值不满足预设条件,则对第一地形模型中相应的点进行修正,以修正后的点替换原有第一地形模型中的点,得到第一地形模型修正的点云数据集,将第一地形模型修正的点云数据重组得到第二地形模型。
可选地,若叠加分析值满足预设条件,则对第一规划模型中相应的点进行修正,以修正后的点替换原有第一规划模型点云数据中的点,得到第一规划模型修正的点云数据集,将第一规划模型修正的点云数据重组得到第二规划模型。
在上述实施例中,将若干叠加分析值与预设条件进行比较;对第一地形模型中不满足预设条件的叠加分析值所对应的点云数据进行修正,得到修正点云数据;根据第一地形模型中满足预设条件的叠加分析值所对应的点云数据和修正点云数据,构建第二地形模型。其中,通过对第一地形模型进行修正,可以得到更加实用的叠加模型第二地形模型,为解决规划模型与现状地形无缝集成的问题提供了可集成模型。
在一个具体的实施例中,如图5所示,为规划模型与现状地形无缝集成的流程示意图,具体为:
当对规划模型的初步设计完成后,得到一个三维规划模型,在该三维规划模型的基础上,采用上述实施例中的实现方式,将三维规划模型与现状地形模型的坐标进行统一得到统一数据基准。进一步地,对模型底部结构进行离散采样,获得模型点云,并应用滤波的方式得到底面点云,重构得到虚拟底部模型。进一步地,将虚拟底部模型与现状地形模型进行叠加,根据叠加结果选择需要修改或者保留的模型,得到最终用于集成的规划模型和地形模型,最后应用栅格镶嵌的方式得到规划模型与现状地形无缝集成的空间规划模型。
如图6所示,为规划模型与地形模型叠加的效果图。图6(a)为规划模型与现状地形直接叠加的效果图,图6(b)为更新后的规划模型与更新后的地形模型叠加的效果图。可以看出,规划模型在设计时充分考虑了现状地形的起伏,总体和地形贴合较好,然而从图6(a)中可以看出,细节部分存在规划模型和地形冲突的问题,存在部分地形模型压盖地形模型的现象,导致部分规划模型的内部结构无法完全展现,可想而知也存在部门规划模型悬空于地形之上的现象。而采用本发明中的方法进行处理后得到的规划模型与地形模型叠加的效果如图6(b)所示,没有规划模型被现状地形压盖的现象,修正后的规划模型和地形模型可以无缝衔接。
在一个实施例中,如图7所示,提供了一种空间规划模型集成装置,装置包括:底部模型获取模块701、分析结果获取模块702、目标模型获取模块703和集成模型获取模块704,其中:
底部模型获取模块701,用于获取第一规划模型的点云数据,根据点云数据得到第一规划模型的虚拟底部模型;
分析结果获取模块702,用于将虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;
目标模型获取模块703,用于根据叠加分析结果、第一规划模型和第一地形模型,得到第二地形模型;
集成模型获取模块704,用于将第一规划模型与第二地形模型进行叠加,得到集成规划模型。
在其中一个实施例中,底部模型获取模块701还用于执行将初始规划模型的坐标与地形坐标进行统一,得到第一规划模型。
在其中一个实施例中,底部模型获取模块701还用于执行选定初始规划模型中的任意一点作为锚点;以锚点为基准,将初始规划模型转换到地形坐标系下,得到第一规划模型。
在其中一个实施例中,底部模型获取模块701还用于执行对第一规划模型进行离散采样,得到点云数据。
在其中一个实施例中,底部模型获取模块701还用于执行若第一规划模型为复杂规划模型,则对第一规划模型进行分层处理,得到分层处理结果;其中,分层处理结果包括第一规划模型的底层规划模型;对底层规划模型进行离散采样,得到点云数据。
在其中一个实施例中,底部模型获取模块701还用于执行对点云数据进行滤波处理,得到第一规划模型的底面点云;将底面点云转换为规则格网;根据规则格网,构建虚拟底部模型。
在其中一个实施例中,目标模型获取模块703还用于执行将若干叠加分析值与预设条件进行比较;对第一地形模型中不满足预设条件的叠加分析值所对应的点云数据进行修正,得到修正点云数据;根据第一地形模型中满足预设条件的叠加分析值所对应的点云数据和修正点云数据,构建第二地形模型。
关于空间规划模型集成装置的具体限定可以参见上文中对于空间规划模型集成方法的限定,在此不再赘述。上述空间规划模型集成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种空间规划模型集成方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取第一规划模型的点云数据,根据点云数据得到第一规划模型的虚拟底部模型;
将虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;
根据叠加分析结果、第一规划模型和第一地形模型,得到第二地形模型;
将第一规划模型与第二地形模型进行叠加,得到空间规划模型。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:将初始规划模型的坐标与地形坐标进行统一,得到第一规划模型。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:选定初始规划模型中的任意一点作为锚点;以锚点为基准,将初始规划模型转换到地形坐标系下,得到第一规划模型。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对第一规划模型进行离散采样,得到点云数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:若第一规划模型为复杂规划模型,则对第一规划模型进行分层处理,得到分层处理结果;其中,分层处理结果包括第一规划模型的底层规划模型;对底层规划模型进行离散采样,得到点云数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对点云数据进行滤波处理,得到第一规划模型的底面点云;将底面点云转换为规则格网;根据规则格网,构建虚拟底部模型。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:将若干叠加分析值与预设条件进行比较;对第一地形模型中不满足预设条件的叠加分析值所对应的点云数据进行修正,得到修正点云数据;根据第一地形模型中满足预设条件的叠加分析值所对应的点云数据和修正点云数据,构建第二地形模型。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取第一规划模型的点云数据,根据点云数据得到第一规划模型的虚拟底部模型;
将虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;
根据叠加分析结果、第一规划模型和第一地形模型,得到第二地形模型;
将第一规划模型与第二地形模型进行叠加,得到空间规划模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将初始规划模型的坐标与地形坐标进行统一,得到第一规划模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:选定初始规划模型中的任意一点作为锚点;以锚点为基准,将初始规划模型转换到地形坐标系下,得到第一规划模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对第一规划模型进行离散采样,得到点云数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若第一规划模型为复杂规划模型,则对第一规划模型进行分层处理,得到分层处理结果;其中,分层处理结果包括第一规划模型的底层规划模型;对底层规划模型进行离散采样,得到点云数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对点云数据进行滤波处理,得到第一规划模型的底面点云;将底面点云转换为规则格网;根据规则格网,构建虚拟底部模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将若干叠加分析值与预设条件进行比较;对第一地形模型中不满足预设条件的叠加分析值所对应的点云数据进行修正,得到修正点云数据;根据第一地形模型中满足预设条件的叠加分析值所对应的点云数据和修正点云数据,构建第二地形模型。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种空间规划模型集成方法,其特征在于,所述方法包括:
获取第一规划模型的点云数据,根据所述点云数据得到所述第一规划模型的虚拟底部模型;
将所述虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;
根据所述叠加分析结果、所述第一规划模型和所述第一地形模型,得到第二地形模型;
将所述第一规划模型与所述第二地形模型进行叠加,得到空间规划模型。
2.根据权利要求1所述的方法,其特征在于,所述获取第一规划模型的点云数据,根据所述点云数据得到所述第一规划模型的虚拟底部模型,之前还包括:
将初始规划模型的坐标与地形坐标进行统一,得到所述第一规划模型。
3.根据权利要求2所述的方法,其特征在于,所述将初始规划模型的坐标与地形坐标进行统一,得到所述第一规划模型,包括:
选定所述初始规划模型中的任意一点作为锚点;
以所述锚点为基准,将所述初始规划模型转换到地形坐标系下,得到所述第一规划模型。
4.根据权利要求1所述的方法,其特征在于,所述获取第一规划模型的点云数据,包括:
对所述第一规划模型进行离散采样,得到所述点云数据。
5.根据权利要求4所述的方法,其特征在于,所述第一规划模型包括复杂规划模型;
所述对所述第一规划模型进行离散采样,得到所述点云数据,包括:
若所述第一规划模型为所述复杂规划模型,则对所述第一规划模型进行分层处理,得到分层处理结果;其中,所述分层处理结果包括所述第一规划模型的底层规划模型;
对所述底层规划模型进行离散采样,得到所述点云数据。
6.根据权利要求1所述的方法,其特征在于,所述根据所述点云数据得到所述第一规划模型的虚拟底部模型,包括:
对所述点云数据进行滤波处理,得到所述第一规划模型的底面点云;
将所述底面点云转换为规则格网;
根据所述规则格网,构建所述虚拟底部模型。
7.根据权利要求1所述的方法,其特征在于,所述叠加分析结果包括与所述点云数据对应的若干叠加分析值;
所述根据所述叠加分析结果、所述第一规划模型和所述第一地形模型,得到第二地形模型,包括:
将所述若干叠加分析值与预设条件进行比较;
对所述第一地形模型中不满足所述预设条件的叠加分析值所对应的点云数据进行修正,得到修正点云数据;
根据所述第一地形模型中满足所述预设条件的叠加分析值所对应的点云数据和所述修正点云数据,构建所述第二地形模型。
8.一种空间规划模型集成装置,其特征在于,所述装置包括:
底部模型获取模块,用于获取第一规划模型的点云数据,根据所述点云数据得到所述第一规划模型的虚拟底部模型;
分析结果获取模块,用于将所述虚拟底部模型和第一地形模型进行叠加分析,得到叠加分析结果;
目标模型获取模块,用于根据所述叠加分析结果、所述第一规划模型和所述第一地形模型,得到第二地形模型;
集成模型获取模块,用于将所述第一规划模型与所述第二地形模型进行叠加,得到集成规划模型。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376725.3A CN110211230B (zh) | 2019-05-07 | 2019-05-07 | 空间规划模型集成方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910376725.3A CN110211230B (zh) | 2019-05-07 | 2019-05-07 | 空间规划模型集成方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211230A true CN110211230A (zh) | 2019-09-06 |
CN110211230B CN110211230B (zh) | 2021-11-23 |
Family
ID=67786887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910376725.3A Active CN110211230B (zh) | 2019-05-07 | 2019-05-07 | 空间规划模型集成方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211230B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382225A (zh) * | 2020-03-18 | 2020-07-07 | 北京山维科技股份有限公司 | 一种建筑规划测量成果数据的存储方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090216754A1 (en) * | 2008-02-26 | 2009-08-27 | Jeffrey Russell Ambroziak | System and method of distribution for geospatial data |
CN102054292A (zh) * | 2009-10-30 | 2011-05-11 | 吴立新 | 基于tin耦合的地上下无缝集成三维空间建模方法 |
CN102147250A (zh) * | 2010-09-13 | 2011-08-10 | 天津市星际空间地理信息工程有限公司 | 一种数字线划图测图方法 |
CN102254350A (zh) * | 2011-07-05 | 2011-11-23 | 中国测绘科学研究院 | 一种三维模型的匹配方法 |
US20110292208A1 (en) * | 2009-11-24 | 2011-12-01 | Old Dominion University Research Foundation | High-resolution urban true orthoimage creation |
CN103177417A (zh) * | 2013-01-06 | 2013-06-26 | 中国人民解放军信息工程大学 | 基于GPGPU的数学形态学LiDAR点云快速滤波方法 |
CN105074782A (zh) * | 2013-03-12 | 2015-11-18 | 三菱电机株式会社 | 三维信息处理装置 |
CN109359350A (zh) * | 2018-09-27 | 2019-02-19 | 浙江中海达空间信息技术有限公司 | 一种优化精细施工成本的风电场道路智能设计方法 |
CN109472870A (zh) * | 2018-11-28 | 2019-03-15 | 东南大学 | 一种基于网格重构和多影响域修正的模型匹配方法 |
CN109472866A (zh) * | 2018-10-17 | 2019-03-15 | 四川省地质工程勘察院 | 一种大地质建筑信息模型的建模方法 |
CN109493422A (zh) * | 2018-12-28 | 2019-03-19 | 国网新疆电力有限公司信息通信公司 | 一种基于三维激光扫描技术的变电站三维模型构建方法 |
-
2019
- 2019-05-07 CN CN201910376725.3A patent/CN110211230B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090216754A1 (en) * | 2008-02-26 | 2009-08-27 | Jeffrey Russell Ambroziak | System and method of distribution for geospatial data |
CN102054292A (zh) * | 2009-10-30 | 2011-05-11 | 吴立新 | 基于tin耦合的地上下无缝集成三维空间建模方法 |
US20110292208A1 (en) * | 2009-11-24 | 2011-12-01 | Old Dominion University Research Foundation | High-resolution urban true orthoimage creation |
CN102147250A (zh) * | 2010-09-13 | 2011-08-10 | 天津市星际空间地理信息工程有限公司 | 一种数字线划图测图方法 |
CN102254350A (zh) * | 2011-07-05 | 2011-11-23 | 中国测绘科学研究院 | 一种三维模型的匹配方法 |
CN103177417A (zh) * | 2013-01-06 | 2013-06-26 | 中国人民解放军信息工程大学 | 基于GPGPU的数学形态学LiDAR点云快速滤波方法 |
CN105074782A (zh) * | 2013-03-12 | 2015-11-18 | 三菱电机株式会社 | 三维信息处理装置 |
CN109359350A (zh) * | 2018-09-27 | 2019-02-19 | 浙江中海达空间信息技术有限公司 | 一种优化精细施工成本的风电场道路智能设计方法 |
CN109472866A (zh) * | 2018-10-17 | 2019-03-15 | 四川省地质工程勘察院 | 一种大地质建筑信息模型的建模方法 |
CN109472870A (zh) * | 2018-11-28 | 2019-03-15 | 东南大学 | 一种基于网格重构和多影响域修正的模型匹配方法 |
CN109493422A (zh) * | 2018-12-28 | 2019-03-19 | 国网新疆电力有限公司信息通信公司 | 一种基于三维激光扫描技术的变电站三维模型构建方法 |
Non-Patent Citations (3)
Title |
---|
HUIJIE ZHANG 等: "A New Seamless Multi-resolution Simplification Method for the Terrain Model", 《2007 IEEE/WIC/ACM INTERNATIONAL CONFERENCES ON WEB INTELLIGENCE AND INTELLIGENT AGENT TECHNOLOGY - WORKSHOPS》 * |
孙文彬 等: "基于球面DQG的矢量与地形数据无缝集成", 《地理与地理信息科学》 * |
江禹 等: "三维场景建模中地物与地形匹配方法研究", 《测绘通报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382225A (zh) * | 2020-03-18 | 2020-07-07 | 北京山维科技股份有限公司 | 一种建筑规划测量成果数据的存储方法及系统 |
CN111382225B (zh) * | 2020-03-18 | 2023-08-04 | 北京山维科技股份有限公司 | 一种建筑规划测量成果数据的存储方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110211230B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10147242B2 (en) | Distance field coupled fitted deformation lattices for shape modification | |
CN103093036A (zh) | 工件加工仿真 | |
Chen et al. | Triangulated manifold meshing method preserving molecular surface topology | |
US11270519B2 (en) | Method of processing point cloud data based on neural network | |
CN111985125B (zh) | 一种单砂体建模方法、系统、设备及可读存储介质 | |
CN113628331A (zh) | 一种虚幻引擎中摄影测量模型的数据组织和调度方法 | |
CN114596423A (zh) | 基于虚拟场景网格化的模型渲染方法、装置和计算机设备 | |
CN102177518A (zh) | 实现有限元模型的方法和设备 | |
CN110428504B (zh) | 文本图像合成方法、装置、计算机设备和存储介质 | |
CN107886573B (zh) | 一种复杂地质条件下边坡三维有限元网格生成方法 | |
CN110211230A (zh) | 空间规划模型集成方法、装置、计算机设备和存储介质 | |
CN117272855A (zh) | 对象表面几何模型生成方法、装置、电子设备及存储介质 | |
CN116127599A (zh) | 一种基于勘探数据的三维地质bim建模方法和装置 | |
CN115239901A (zh) | 地质体模型构建方法、装置、设备及存储介质 | |
CN115019001A (zh) | 一种地质分析的显示处理方法、装置、设备及介质 | |
US10204184B2 (en) | Apparatus and method for modeling cultural heritage building | |
CN110837707B (zh) | 一种有限元分析系统、方法、计算机设备及存储介质 | |
US10832474B1 (en) | Systems and methods for providing a distributed tetrahedral mesh | |
Kawamura et al. | A strategy of automatic hexahedral mesh generation by using an improved whisker-weaving method with a surface mesh modification procedure | |
CN117274538B (zh) | 空间混合网格的生成方法、装置、终端设备和介质 | |
CN107545599A (zh) | 实物表面重建方法和计算机设备、存储介质 | |
CN112862961B (zh) | 层位坏点过滤方法、装置、设备及存储介质 | |
CN113156837B (zh) | 矿区自动驾驶矿卡仿真模型构建方法、装置、介质及设备 | |
CN114820917A (zh) | 基于fbx文件的面部骨骼绑定自动迁移方法及系统 | |
CN116958365A (zh) | 虚拟地形的处理方法、装置、设备、介质和程序产品 |
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 |