CN110570466B - 三维实景点云模型的生成方法和装置 - Google Patents

三维实景点云模型的生成方法和装置 Download PDF

Info

Publication number
CN110570466B
CN110570466B CN201910847913.XA CN201910847913A CN110570466B CN 110570466 B CN110570466 B CN 110570466B CN 201910847913 A CN201910847913 A CN 201910847913A CN 110570466 B CN110570466 B CN 110570466B
Authority
CN
China
Prior art keywords
point cloud
live
data
cloud data
laser radar
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
CN201910847913.XA
Other languages
English (en)
Other versions
CN110570466A (zh
Inventor
王师
王滋政
周晓翠
刘改进
张天巧
隆华平
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.)
Guangzhou Jiantong Surveying Mapping And Geoinformation Technology Co ltd
Original Assignee
Guangzhou Jiantong Surveying Mapping And Geoinformation 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 Guangzhou Jiantong Surveying Mapping And Geoinformation Technology Co ltd filed Critical Guangzhou Jiantong Surveying Mapping And Geoinformation Technology Co ltd
Priority to CN201910847913.XA priority Critical patent/CN110570466B/zh
Publication of CN110570466A publication Critical patent/CN110570466A/zh
Application granted granted Critical
Publication of CN110570466B publication Critical patent/CN110570466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Abstract

本申请涉及一种三维实景点云模型的生成方法、装置、计算机设备和存储介质。所述方法包括：获取目标的三维激光雷达点云数据以及同步实景影像；对三维激光雷达点云数据进行点云分类处理得到地表点云数据；对实景影像进行空三平差处理得到实景影像外方位元素；对三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据；通过分类处理后的地表点云数据生成数字高程模型数据；根据数字高程模型数据和实景影像外方位元素生成数字正射影像图；匹配构建目标的实景纹理数字高程模型；实景纹理数字高程模型匹配实景纹理三维激光雷达点云数据，生成目标的三维实景点云模型。采用本方法能够减轻计算机的计算生产压力。

Description

三维实景点云模型的生成方法和装置
技术领域
本申请涉及地理信息技术领域，特别是涉及一种三维实景点云模型的生成方法、装置、计算机设备和存储介质。
背景技术
随着地理信息技术的飞速发展，三维实景模型作为三维中国建设的重要基础设施，在测绘服务、水文气象、地貌地质、工程建设、农林通讯、军事国防等国民经济和国防建设以及人文和自然科学领域有着广泛的需求，如通过三维实景模型获取某一具体地理位置的信息。
当前的三维实景模型一般采用倾斜摄影技术进行模型生成，通过在同一飞行平台上搭载多台传感器，同时从一个垂直、四个倾斜等五个不同的角度采集影像，利用多视角高重叠度影像进行海量运行生成。然而，由于该方法需要进行大量的数据运算和模型后期修补工作，计算机的计算生产存在较大压力。
发明内容
基于此，有必要针对上述技术问题，提供一种能够减轻计算机计算生产压力的三维实景点云模型的生成方法、装置、计算机设备和存储介质。
一种三维实景点云模型的生成方法，所述方法包括：
获取激光雷达设备采集的目标的三维激光雷达点云数据以及相机与所述激光雷达设备相同方向同步扫描得到的目标的实景影像；
对所述三维激光雷达点云数据进行点云分类处理得到地表点云数据；
对所述实景影像进行空三平差处理得到实景影像外方位元素；
根据所述实景影像外方位元素对所述三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据；
通过分类处理后的所述地表点云数据生成数字高程模型数据；
根据所述数字高程模型数据和所述实景影像外方位元素生成数字正射影像图；
根据所述数字高程模型数据和所述数字正射影像图构建所述目标的实景纹理数字高程模型；
将所述实景纹理数字高程模型匹配所述实景纹理三维激光雷达点云数据，生成所述目标的三维实景点云模型。
在其中一个实施例中，对所述三维激光雷达点云数据进行点云分类处理得到地表点云数据，包括：对所述三维激光雷达点云数据进行分类处理，提取地形地面点云数据，得到地表点云数据。
在其中一个实施例中，对所述实景影像进行空三平差处理得到实景影像外方位元素，包括：对所述相机定位定向系统提取的外方位元素进行空三平差处理，得到实景影像外方位元素；或/及对所述实景影像像片控制点的坐标数据进行空三平差处理，得到实景影像外方位元素。
在其中一个实施例中，根据所述实景影像外方位元素对所述三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据，包括：根据所述相机参数和所述实景影像外方位元素对实景影像安置姿态进行安置，得到具备相机参数和外方位元素的的实景影像；根据预设计算模型计算出所述三维激光雷达点云数据与所述具备相机参数和外方位元素的实景影像的对应关系，根据所述对应关系得出所述三维激光雷达点云数据对应的实景影像坐标；将所述三维激光雷达点云数据对应的实景影像坐标的像素色彩值赋予相对应的所述三维激光雷达点云数据，得到实景纹理三维激光雷达点云数据。
在其中一个实施例中，通过分类处理后的所述地表点云数据生成数字高程模型数据，包括：对分类处理后的所述地表点云数据配合特征线进行不规则三角网光滑处理，得到不规则三角网模型；对所述不规则三角网模型进行格网化处理，得到数字高程模型数据。
在其中一个实施例中，根据所述数字高程模型数据和所述实景影像外方位元素生成数字正射影像图，包括：根据所述数字高程模型数据对所述具备相机参数和外方位元素的实景影像进行单片微分纠正，得到纠正后的单张实景影像；对所述纠正后的单张实景影像进行镶嵌拼接分幅，得到数字正射影像图。
在其中一个实施例中，将所述实景纹理数字高程模型匹配所述实景纹理三维激光雷达点云数据，生成所述目标的三维实景点云模型之后，还包括：对所述三维实景点云模型的构成数据通过树形空间数据结构进行分层处理，得到具有分层结构的三维实景点云模型。
一种三维实景点云模型的生成装置，所述装置包括：
数据获取模块，用于获取激光雷达设备采集的目标的三维激光雷达点云数据以及相机与所述激光雷达设备相同方向同步扫描得到的目标的实景影像；
数据处理模块，用于对所述三维激光雷达点云数据进行点云分类处理得到地表点云数据；对所述实景影像进行空三平差处理得到实景影像外方位元素；根据所述实景影像外方位元素对所述三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据；
数据生产模块，用于通过分类处理后的所述地表点云数据生成数字高程模型数据；根据所述数字高程模型数据和实景影像外方位元素生成数字正射影像图；
模型构建模块，用于根据所述数字高程模型数据和所述数字正射影像图构建所述目标的实景纹理数字高程模型；将所述实景纹理数字高程模型匹配所述实景纹理三维激光雷达点云数据，生成所述目标的三维实景点云模型。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取激光雷达设备采集的目标的三维激光雷达点云数据以及相机与所述激光雷达设备相同方向同步扫描得到的目标的实景影像；
对所述三维激光雷达点云数据进行点云分类处理得到地表点云数据；
对所述实景影像进行空三平差处理得到实景影像外方位元素；
根据所述实景影像外方位元素对所述三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据；
通过分类处理后的所述地表点云数据生成数字高程模型数据；
根据所述数字高程模型数据和所述实景影像外方位元素生成数字正射影像图；
根据所述数字高程模型数据和所述数字正射影像图构建所述目标的实景纹理数字高程模型；
将所述实景纹理数字高程模型匹配所述实景纹理三维激光雷达点云数据，生成所述目标的三维实景点云模型。
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以下步骤：
获取激光雷达设备采集的目标的三维激光雷达点云数据以及相机与所述激光雷达设备相同方向同步扫描得到的目标的实景影像；
对所述三维激光雷达点云数据进行点云分类处理得到地表点云数据；
对所述实景影像进行空三平差处理得到实景影像外方位元素；
根据所述实景影像外方位元素对所述三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据；
通过分类处理后的所述地表点云数据生成数字高程模型数据；
根据所述数字高程模型数据和所述实景影像外方位元素生成数字正射影像图；
根据所述数字高程模型数据和所述数字正射影像图构建所述目标的实景纹理数字高程模型；
将所述实景纹理数字高程模型匹配所述实景纹理三维激光雷达点云数据，生成所述目标的三维实景点云模型。
上述三维实景点云模型的生成方法、装置、计算机设备和存储介质，通过获取激光雷达设备采集的三维激光雷达点云数据的同时获取相机同步的实景影像，实现点云和照片完全一致，采用三维激光雷达点云数据对目标场景直接主动进行高效复刻和描述，具有高精度、高复原度、高效率的特性。对三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据，利用实景纹理提高分辨率，表示真实彩色实景地物，克服了三维激光雷达点云数据只能获取点云的反射强度无法直接通过点云获取目标的RGB(色彩)值，存在平面分辨率低和地物识别度较低的问题。将具有即时真实场景纹理信息的高精度三维激光雷达点云数据与实景纹理数字高程模型组成三维实景点云模型，真实还原真实场景，具有高精度平面和高程信息可任意缩放、三维测量漫游，具备真实、实用和高效的特点，同时克服了由于影像匹配技术自身的缺陷导致存在高程精度差和模型变形的问题，解决了在架空线状地物、植被覆盖的区域和纹理缺乏的区域模型缺失和变形问题。可见，本申请提供了一种根据三维激光雷达点云数据和实景影像快速生成三维实景点云模型的方案，相比于倾斜摄影技术，不需要进行大量的数据运算和模型后期修补工作，减轻了计算机的计算生产压力。
附图说明
图1为一个实施例中三维实景点云模型的生成方法的应用场景图；
图2为一个实施例中三维实景点云模型的生成方法的流程示意图；
图3为一个实施例中构建实景纹理数字高程模型的匹配示意图；
图4为一个实施例中构建三维实景点云模型的匹配示意图；
图5为一个实施例中构建三维实景点云模型的示意效果图；
图6为一个实施例中对三维激光雷达点云数据进行点云分类处理的流程示意图；
图7为一个实施例中对三维激光雷达点云数据进行实景赋色的流程示意图；
图8为一个实施例中生成数字高程模型的流程示意图；
图9为一个实施例中生成数字正射影像图的流程示意图；
图10为另一个实施例中三维实景点云模型的生成方法的流程示意图；
图11为一个实施例中三维实景点云模型的生成装置的结构框图；
图12为另一个实施例中三维实景点云模型的生成装置的结构框图；
图13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。
本申请提供的三维实景点云模型的生成方法，可以应用于如图1所示的应用环境中。其中，激光雷达设备102通过网络与服务器106进行通信，用于采集目标的三维激光雷达点云数据，相机设备104通过网络与服务器106进行通信，用于采集目标的实景影像，服务器106通过网络与终端108进行通信，用于对获取的三维激光雷达点云数据和实景影像进行数据处理，终端108用于输出数据并展示。其中，激光雷达设备102和相机106可以但不限于是位于有人飞行器、无人飞行器、地面车载和背负手持上，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，终端108可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一个实施例中，如图2所示，提供了一种三维实景点云模型的生成方法，以该方法应用于图1中的服务器106为例进行说明，包括以下步骤：
步骤202，获取激光雷达设备采集的目标的三维激光雷达点云数据以及相机与激光雷达设备相同方向同步扫描得到的目标的实景影像。
其中，目标可以是房屋建筑、路桥、森林、农田、河流等进行三维实景模型生成时所需针对的建模对象。激光雷达设备是以发射激光束探测目标的位置、速度等特征量的主动遥感设备，其工作原理是向目标发射探测信号(激光束)，然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较，作适当处理后,就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数，从而对目标进行探测、跟踪和识别。激光雷达设备由激光发射机、光学接收机、转台和信息处理系统等组成，激光器将电脉冲变成光脉冲发射出去，光接收机再把从目标反射回来的光脉冲还原成电脉冲，送到显示器。
点云是在逆向工程中通过测量仪器得到的产品外观表面的点数据集合，使用三维激光雷达设备扫描得到的点云数据为三维激光雷达点云数据，包括地表点云数据和非地表点云数据，地表点云数据包括数字高程数据和数字表面数据。相机通常指的是数码相机，实景影像是通过数码相机与激光雷达设备的扫描方向相同、同步拍摄的针对目标的实景纹理照片。
激光雷达设备扫描瞬间获取目标场景的高精度三维静态信息，可以通过空中、地面，采用非接触式高速激光测量方式，以点云的形式获取地形及复杂物体三维表面的阵列式几何图形数据，服务器在主动获取三维激光雷达点云数据的同时，可以获取通过相机同步被动获取的目标场景中地面地物的实景影像。具体地，服务器可以获取飞行平台上的激光雷达设备扫描得到的关于目标的三维激光雷达点云数据，同时获取位于同一飞行平台上的数码相机拍摄记录到的关于目标的实景影像，数码相机的拍摄方向同激光雷达设备扫描方向相同，且同步记录。
步骤204，对三维激光雷达点云数据进行点云分类处理得到地表点云数据。
服务器对获取到的三维激光雷达点云数据进行点云分类处理，分离地表点云数据和非地表点云数据，提取地表点云数据，地表点云数据为真实反映地表面形态的地面点的三维空间坐标，包括数字高程数据和数字表面数据，地表点云数据作为生成三维实景模型的数据来源之一，用于生成数字高程模型。
步骤206，对实景影像进行空三平差处理得到实景影像外方位元素。
空三平差处理即空中三角测量平差处理，空中三角测量是立体摄影测量中，根据少量的野外控制点，在室内进行控制点加密，求得加密点的高程和平面位置的测量方法。空中三角测量一般采用解析空中三角测量，解析空中三角测量是指用计算的方法，根据遥感像片上量测的像点坐标和少量地面控制点，采用较严密的数学公式，按最小二乘法原理，用数字电子计算机解算待定点的平面坐标和高程。解析空中三角测量目前常用的方法是区域网平差，区域网平差是指在由多条航线连接成的区域内进行控制点加密，并对加密点的平面坐标和高程进行的整体平差。按照构网的方法和平差单元的划分，区域网平差的基本方法有：航线法、独立模型法和光束法。
实景影像外方位元素是激光雷达设备扫描的同时获取的实景影像的摄影瞬间的空间位置和姿态的参数，包括摄影中心在某一空间直角坐标系中的三维坐标值(XS,YS,ZS)(即线元素)和确定摄影光束空间方位的三个角定向元素共6个数据。
具体地，服务器可以对相机定位定向系统(POS系统)提取的外方位元素进行空三平差处理得到准确的实景影像外方位元素，也可以根据像片控制点对实景影像进行空三平差处理得到实景影像外方位元素。
步骤208，根据实景影像外方位元素对三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据。
服务器将实景影像匹配三维激光雷达点云数据，根据匹配关系，采用实景影像对三维激光雷达点云数据进行实景赋色处理，实景赋色处理后的三维激光雷达点云数据即实景纹理三维激光雷达点云数据。具体地，服务器根据相机参数和实景影像外方位元素对实景影像安置姿态进行安置，得到具备相机参数和外方位元素的实景影像，根据预设计算模型计算出三维激光雷达点云数据与具备相机参数和外方位元素的实景影像的对应关系，根据对应关系得出三维激光雷达点云数据对应的实景影像坐标，将三维激光雷达点云数据对应的实景影像坐标的像素色彩值赋予相对应的三维激光雷达点云数据，得到实景纹理三维激光雷达点云数据。
步骤210，通过分类处理后的地表点云数据生成数字高程模型数据。
其中，数字高程模型(DEM)是通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达)，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。服务器通过分类处理后的三维激光雷达地表高程点云数据，格网化生产数字高程模型数据。
步骤212，根据数字高程模型数据和实景影像外方位元素生成数字正射影像图。
其中，数字正射影像图(DOM)是对航空航天像片进行数字微分纠正和镶嵌，按一定图幅范围裁剪生成的数字正射影像集，它是同时具有地图几何精度和影像特征的图像。
具体地，服务器根据数字高程模型数据对具备相机参数和外方位元素的实景影像进行单片微分纠正，得到纠正后的单张实景影像，对纠正后的单张实景影像进行镶嵌拼接分幅，得到数字正射影像图。
步骤214，根据数字高程模型数据和数字正射影像图构建目标的实景纹理数字高程模型。
服务器在统一坐标系的情况下，对数字正射影像图(DOM)匹配数字高程模型(DEM)数据，构建实景纹理数字高程模型。具体地，如图3所示，将数字正射影像图(DOM)和数字高程模型(DEM)数据进行叠加，使得两者在统一的绝对坐标下没有偏差地正确对应叠加，得到的实景纹理数字高程模型具有坐标信息，具备高精度的可判读平面和高程的量测性。
步骤216，将实景纹理数字高程模型匹配实景纹理三维激光雷达点云数据，生成目标的三维实景点云模型。
服务器在统一坐标系的情况下，统一坐标系是统一实景纹理数字高程模型和实景赋色的三维激光雷达点云的绝对坐标，使之在同一个坐标系下。具体地，如图4所示，对实景纹理数字高程模型匹配实景纹理三维激光雷达点云数据，构建三维实景点云模型。其中，如图5所示，三维实景点云模型为具有可判读平面、高程以及非地表地物高度的高精度三维实景点云模型。
上述三维实景点云模型的生成方法中，通过获取激光雷达设备采集的三维激光雷达点云数据的同时获取相机同步的实景影像，实现点云和照片完全一致，三维激光雷达点云数据对架空现状地物有记录能力，对植被覆盖区域具有穿透能力，采用三维激光雷达点云数据对目标场景直接主动进行高效复刻和描述，具有高精度、高复原度、高效率的特性。对三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据，利用实景纹理提高分辨率，表示真实彩色实景地物，克服了三维激光雷达点云数据只能获取点云的反射强度无法直接通过点云获取目标的RGB(色彩)值，存在平面分辨率低和地物识别度较低的问题。将具有即时真实场景纹理信息的高精度三维激光雷达点云数据与实景纹理数字高程模型组成三维实景点云模型，真实还原真实场景，具有高精度平面和高程信息、三维测量漫游，具备真实、实用和高效的特点，同时克服了由于影像匹配技术自身的缺陷导致存在高程精度差和模型变形的问题，解决了在架空线状地物、植被覆盖的区域和纹理缺乏的区域模型缺失和变形问题。可见，本申请提供了一种根据三维激光雷达点云数据和实景影像快速生成三维实景点云模型的方案，相比于倾斜摄影技术，不需要进行大量的数据运算和模型后期修补工作，减轻了计算机的计算生产压力。
在一个实施例中，对三维激光雷达点云数据进行点云分类处理得到地表点云数据，包括：对三维激光雷达点云数据进行分类处理，提取地形地面点云数据，得到地表点云数据。
具体地，在一个实施例中，如图6所示，服务器先对获取到的三维激光雷达点云数据进行滤波算法粗分类，再人工干预精细分类，把属于地形地面点云的三维激光雷达点云数据归到一个类里面，完成了地形地面点云数据的提取，得到了地表点云数据。地表点云数据用于生成数字高程模型数据。
在另一些实施例中，也可以按地物分类和分组进行三维激光雷达点云数据分类处理。分类是指不同地物地形的分类区分，比如植被类、建筑类等，分组是指对单独某个地物的分组，比如一棵树、一栋楼等。
本实施例中，通过对三维激光雷达点云数据进行分类处理可以提取能真实表现地表面形态的地面点，提取的地表高程点云数据满足建立数字高程模型。
在一个实施例中，对实景影像进行空三平差处理得到实景影像外方位元素，包括：对相机定位定向系统提取的外方位元素进行空三平差处理，得到实景影像外方位元素。
其中，相机定位定向系统即POS系统，POS系统集动态GPS(全球定位系统)定位技术和惯性导航技术(INS)于一体，由POS系统获取的GPS天线相位中心坐标和传感器姿态角等数据进行联合后处理，可以得到影像的6个外方位元素。服务器对相机原始POS系统提取出来的外方位元素，进行空中三角测量平差处理，优化误差，提高外方位元素的精度，得到更准确的外方位元素。空中三角测量平差处理可由现有软件执行，实景影像外方位元素就是扫描激光雷达的同时获取的实景照片的摄影瞬间的空间位置和姿态的参数。
本实施例中，通过对相机定位定相系统导出的数据进行空三平差处理，可以提高实景影像外方位元素的准确度，得到准确的外方位元素。
在另一个实施例中，对实景影像进行空三平差处理得到实景影像外方位元素，包括：对实景影像像片控制点的坐标数据进行空三平差处理，得到实景影像外方位元素。
像控点为实地测量得到的准确地面坐标，这些坐标点可以当作像片控制点来参与空中三角测量平差处理，从而得到更加准确的外方位元素。空中三角测量平差处理可由现有软件执行。
本实施例中，通过对实景影像像片控制点的坐标数据进行空三平差处理，可以提高实景影像外方位元素的准确度，得到准确的外方位元素。
在一个实施例中，如图7所示，根据实景影像外方位元素对三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据，包括以下步骤：
步骤702，根据相机参数和实景影像外方位元素对实景影像安置姿态进行安置，得到具备相机参数和外方位元素的实景影像。
其中，实景影像安置姿态是指实景影像的外方位元素，相机参数包括相机的焦距、像素大小、像主点偏差、镜头畸变等数据。具体地，服务器在软件里实现按相机参数和实景影像外方位元素设置预设计算模型的参数。
步骤704，根据预设计算模型计算出三维激光雷达点云数据与具备相机参数和外方位元素的实景影像的对应关系，根据对应关系得出三维激光雷达点云数据对应的实景影像坐标。
其中，预设计算模型可以是共线方程。具体地，服务器根据预设计算模型里设置的参数和三维激光雷达点云坐标数据，利用共线方程计算建立出像平面坐标和物方空间坐标的对应关系，从而计算出三维激光雷达点云数据对应的实景影像坐标。具体地，共线方程如下：
Figure BDA0002195880900000111
Figure BDA0002195880900000112
式中：
x，y为像点的像平面坐标；
x0，y0，f为实景影像的内方位元素；
XS，YS，ZS为摄站点的物方空间坐标；
XA，YA，ZA为三维激光雷达点云的物方空间坐标；
ai，bi，ci(i＝1,2,3)为实景影像的3个外方位角元素组成的9个方向余弦。
其中，实景影像的内方位元素是描述摄影中心与像片之间相关位置的参数，属于相机本身自带的参数，可以从厂家得到，或者从后期相机检测得到。摄站点的物方空间坐标直接可从设备POS(定位定向系统)系统的GPS(全球定位系统)事后差分解算后获取提取，也可以再通过空中三角测量平差优化提高其精度。三维激光雷达点云的物方位空间坐标则是指三维激光雷达点云的坐标值。3个外方位角元素组成的9个方向余弦可通过像点空间直角坐标系的旋转变换，即像空间坐标系转换到像空间辅助坐标系的正交矩阵求得，正交矩阵为3×3阶矩阵，由9个方向余弦所组成。
步骤706，将三维激光雷达点云数据对应的实景影像坐标的像素色彩值赋予相对应的三维激光雷达点云数据，得到实景纹理三维激光雷达点云数据。
具体地，服务器根据预设计算模型中计算出的三维激光雷达点云数据对应的实景影像坐标，将实景影像的像素色彩值赋予相对应的三维激光雷达点云数据，从而得到实景赋色的三维激光雷达点云数据，即实景纹理三维激光雷达点云数据。
本实施例中，通过将每个三维激光雷达点云数据赋予同步获取的实景影像像素色彩，实现了三维激光雷达点云数据和实景影像的一一对应，克服了三维激光雷达点云数据只能获取点云的反射强度无法直接通过点云获取地物的RGB(色彩)值，存在平面分辨率低和地物识别度较低的问题，同时利用实景纹理提高分辨率，表示真实彩色实景地物，确保了三维实景点云模型数据的真实性。
在一个实施例中，如图8所示，通过分类处理后的地表点云数据生成数字高程模型数据，包括以下步骤：
步骤802，对分类处理后的地表点云数据配合特征线进行不规则三角网光滑处理，得到不规则三角网模型。
其中，特征线是为了提高表示数字高程模型精度，通过人工依据影像或者实地考察判断后人为补充添加辅助制作地形高程模型的作业方式，可以是断裂线、水涯线等。不规则三角网(TIN)是通过从不规则分布的数据点生成连续的三角面来逼近地形表面。服务器根据分类处理后的三维激光雷达地形地表高程数据配合断裂线、水涯线建立不规则三角网，可以根据不规则三角网进行等高线光滑处理，生成不规则三角网模型。
步骤804，对不规则三角网模型进行格网化处理，得到数字高程模型数据。
格网化是指地形表面被分为一序列的格网单元，每个网格存储一个高程值对地面的离散模拟。一般地，服务器在不规则三角网(TIN)模型的基础上通过线性和双线性内插建立数字高程模型。
本实施例中，使用TIN模型能够以不同层次的分辨率来描述地表形态，TIN模型在某一特定分辨率下可以用更少的空间和时间更精确地表示更加复杂的表面，通过有限的三维激光雷达地形地表高程数据实现对地面地形的数字化模拟，实现地形表面形态的数字化表达。
在一个实施例中，如图9所示，根据数字高程模型数据和实景影像外方位元素生成数字正射影像图，包括以下步骤：
步骤902，根据数字高程模型数据对具备相机参数和外方位元素的实景影像进行单片微分纠正，得到纠正后的单张实景影像。
其中，相机参数包括相机内参数，与相机自身特性相关的参数，比如相机的焦距、像素大小、像主点偏差、镜头畸变等参数。单片微分纠正是通过利用实景影像的数字高程模型(DEM)值进行重采样消除其地形起伏带来的变形的微分纠正过程。单片微分纠正是单张实景影像进行的，为了得到准确的数字正射影像图(DOM)，属于一种成熟的摄影测量技术，可以通过成熟软件完成。
步骤904，对纠正后的单张实景影像进行镶嵌拼接分幅，得到数字正射影像图。
具体地，服务器完成单张实景影像纠正后，需要把多张单张实景影像拼接起来，完成统一的分幅。镶嵌拼接分幅是生产数字正射影像图(DOM)的一个工序，一般是同时完成。
本实施例中，将原始实景影像处理成数字正射影像图，它有一致的比例尺，消除了投影误差，坐标与数字高程模型一致。这样经过处理的数字正射影像图才能与数字高程模型匹配，形成真实的景观模型。
在一个实施例中，如图10所示，将所述实景纹理数字高程模型匹配所述实景纹理三维激光雷达点云数据，生成所述目标的三维实景点云模型之后，还包括步骤218：对三维实景点云模型的构成数据通过树形空间数据结构进行分层处理，得到具有分层结构的三维实景点云模型。
具体地，对三维实景点云模型的构成数据用树形空间数据结构组织成瓦片集合，把多个瓦片数据整合到一起，合并形成具有分层细节层次结构的三维实景点云模型。
其中，细节层次(LOD)模型，当物体覆盖屏幕较小区域时，可以使用该物体描述较粗的模型，并给出了一个用于可见面判定算法的几何层次模型，以便对复杂场景进行快速绘制。为了实现这一目的需要预先对数据进行各个细节层次的生成处理。
瓦片集合是一种多分辨率层次模型，从瓦片金字塔的底层到顶层，分辨率越来越低，但表示的地理范围不变。首先确定地图服务平台所要提供的缩放级别的数量N，把缩放级别最高、地图比例尺最大的地图图片作为金字塔的底层，即第0层，并对其进行分块，从地图图片的左上角开始，从左至右、从上到下进行切割，分割成相同大小(比如256x256像素)的正方形地图瓦片，形成第0层瓦片矩阵；在第0层地图图片的基础上，按每2x2像素合成为一个像素的方法生成第1层地图图片，并对其进行分块，分割成与下一层相同大小的正方形地图瓦片，形成第1层瓦片矩阵；采用同样的方法生成第2层瓦片矩阵；…；如此下去，直到第N-1层，构成整个瓦片金字塔集合，整个瓦片从粗到细显示为树状，也称为树形空间数据结构瓦片集合。
本实施例中，通过对三维实景点云模型进行分层细节层次结构处理，方便快速读取应用，便于用户对不同分辨率的数据进行查询操作，实现三维实景点云模型具有高精度平面和高程信息可进行任意缩放、三维测量漫游，具备真实、实用和高效的特点。
应该理解的是，虽然图2-10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-10中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图11所示，提供了一种三维实景点云模型的生成装置，包括：数据获取模块1102、数据处理模块1104、数据生产模块1106和模型构建模块1108，其中：
数据获取模块1102，用于获取激光雷达设备采集的目标的三维激光雷达点云数据以及相机与激光雷达设备相同方向同步扫描得到的目标的实景影像。
数据处理模块1104，用于对三维激光雷达点云数据进行点云分类处理得到地表点云数据；对实景影像进行空三平差处理得到实景影像外方位元素；根据实景影像外方位元素对三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据。
数据生产模块1106，用于通过分类处理后的地表点云数据生成数字高程模型数据；根据数字高程模型数据和实景影像外方位元素生成数字正射影像图。
模型构建模块1108，用于根据数字高程模型数据和数字正射影像图构建目标的实景纹理数字高程模型；将实景纹理数字高程模型匹配实景纹理三维激光雷达点云数据，生成目标的三维实景点云模型。
在一个实施例中，如图12所示，三维实景点云模型的生成装置还包括：分层处理模块1110，用于对三维实景点云模型的构成数据通过树形空间数据结构进行分层处理，得到具有分层结构的三维实景点云模型。
在一个实施例中，数据处理模块1104还包括：对三维激光雷达点云数据进行分类处理，提取地形地面点云数据，得到地表点云数据。
在一个实施例中，数据处理模块1104还包括：对相机定位定向系统提取的外方位元素进行空三平差处理，得到实景影像外方位元素；或/及对实景影像像片控制点的坐标数据进行空三平差处理，得到实景影像外方位元素。
在一个实施例中，数据处理模块1104还包括：根据相机参数和实景影像外方位元素对实景影像安置姿态进行安置，得到具备相机参数和外方位元素的的实景影像；根据预设计算模型计算出三维激光雷达点云数据与具备相机参数和外方位元素的实景影像的对应关系，根据对应关系得出三维激光雷达点云数据对应的实景影像坐标；将三维激光雷达点云数据对应的实景影像坐标的像素色彩值赋予相对应的三维激光雷达点云数据，得到实景纹理三维激光雷达点云数据。
在一个实施例中，数据生产模块1106还包括：对分类处理后的地表点云数据配合特征线进行不规则三角网光滑处理，得到不规则三角网模型；对不规则三角网模型进行格网化处理，得到数字高程模型数据。
在一个实施例中，数据生产模块1106还包括：根据数字高程模型数据对具备相机参数和外方位元素的实景影像进行单片微分纠正，得到纠正后的单张实景影像；对纠正后的单张实景影像进行镶嵌拼接分幅，得到数字正射影像图。
关于三维实景点云模型的生成装置的具体限定可以参见上文中对于三维实景点云模型的生成方法的限定，在此不再赘述。上述三维实景点云模型的生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服务器，其内部结构图可以如图13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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储三维实景点云模型数据。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三维实景点云模型的生成方法。
本领域技术人员可以理解，图13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、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取激光雷达设备采集的目标的三维激光雷达点云数据以及相机与激光雷达设备相同方向同步扫描得到的目标的实景影像；
对三维激光雷达点云数据进行点云分类处理得到地表点云数据；
对实景影像进行空三平差处理得到实景影像外方位元素；
根据实景影像外方位元素对三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据；
通过分类处理后的地表点云数据生成数字高程模型数据；
根据数字高程模型数据和实景影像外方位元素生成数字正射影像图；
根据数字高程模型数据和数字正射影像图构建目标的实景纹理数字高程模型；
将实景纹理数字高程模型匹配实景纹理三维激光雷达点云数据，生成目标的三维实景点云模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对三维激光雷达点云数据进行分类处理，提取地形地面点云数据，得到地表点云数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对相机定位定向系统提取的外方位元素进行空三平差处理，得到实景影像外方位元素；或/及对实景影像像片控制点的坐标数据进行空三平差处理，得到实景影像外方位元素。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据相机参数和实景影像外方位元素对实景影像安置姿态进行安置，得到具备相机参数和外方位元素的的实景影像；根据预设计算模型计算出三维激光雷达点云数据与具备相机参数和外方位元素的实景影像的对应关系，根据对应关系得出三维激光雷达点云数据对应的实景影像坐标；将三维激光雷达点云数据对应的实景影像坐标的像素色彩值赋予相对应的三维激光雷达点云数据，得到实景纹理三维激光雷达点云数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对分类处理后的地表点云数据配合特征线进行不规则三角网光滑处理，得到不规则三角网模型；对不规则三角网模型进行格网化处理，得到数字高程模型数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据数字高程模型数据对具备相机参数和外方位元素的实景影像进行单片微分纠正，得到纠正后的单张实景影像；对纠正后的单张实景影像进行镶嵌拼接分幅，得到数字正射影像图。
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：
对三维激光雷达点云数据进行点云分类处理得到地表点云数据；
对实景影像进行空三平差处理得到实景影像外方位元素；
根据实景影像外方位元素对三维激光雷达点云数据进行实景赋色处理，得到实景纹理三维激光雷达点云数据；
通过分类处理后的地表点云数据生成数字高程模型数据；
根据数字高程模型数据和实景影像外方位元素生成数字正射影像图；
根据数字高程模型数据和数字正射影像图构建目标的实景纹理数字高程模型；
将实景纹理数字高程模型匹配实景纹理三维激光雷达点云数据，生成目标的三维实景点云模型。
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：对三维激光雷达点云数据进行分类处理，提取地形地面点云数据，得到地表点云数据。
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：对相机定位定向系统提取的外方位元素进行空三平差处理，得到实景影像外方位元素；或/及对实景影像像片控制点的坐标数据进行空三平差处理，得到实景影像外方位元素。
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：根据相机参数和实景影像外方位元素对实景影像安置姿态进行安置，得到具备相机参数和外方位元素的的实景影像；根据预设计算模型计算出三维激光雷达点云数据与具备相机参数和外方位元素的实景影像的对应关系，根据对应关系得出三维激光雷达点云数据对应的实景影像坐标；将三维激光雷达点云数据对应的实景影像坐标的像素色彩值赋予相对应的三维激光雷达点云数据，得到实景纹理三维激光雷达点云数据。
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：对分类处理后的地表点云数据配合特征线进行不规则三角网光滑处理，得到不规则三角网模型；对不规则三角网模型进行格网化处理，得到数字高程模型数据。
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：根据数字高程模型数据对具备相机参数和外方位元素的实景影像进行单片微分纠正，得到纠正后的单张实景影像；对纠正后的单张实景影像进行镶嵌拼接分幅，得到数字正射影像图。
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)

1.一种三维实景点云模型的生成方法，所述方法包括：
获取位于飞行平台上的激光雷达设备采集的目标的三维激光雷达点云数据，获取位于所述飞行平台上的相机拍摄得到的所述目标的实景影像，所述相机的拍摄方向同所述激光雷达设备扫描方向相同，且同步记录；
对所述三维激光雷达点云数据进行点云分类处理得到地表点云数据；
对所述实景影像进行空三平差处理得到实景影像外方位元素；
根据相机参数和所述实景影像外方位元素对实景影像安置姿态进行安置，得到具备相机参数和外方位元素的实景影像；
根据预设计算模型计算出所述三维激光雷达点云数据与所述具备相机参数和外方位元素的实景影像的对应关系，根据所述对应关系得出所述三维激光雷达点云数据对应的实景影像坐标；
根据所述三维激光雷达点云数据对应的实景影像坐标，将每个三维激光雷达点云数据赋予同步获取的所述实景影像像素色彩，得到实景赋色的实景纹理三维激光雷达点云数据；
对所述地表点云数据配合特征线建立不规则三角网，并根据所述不规则三角网进行等高线光滑处理，生成不规则三角网模型；其中，所述特征线包括断裂线、水涯线；
对所述不规则三角网模型进行格网化处理，得到数字高程模型数据；
根据所述数字高程模型数据和所述实景影像外方位元素生成数字正射影像图；
根据所述数字高程模型数据和所述数字正射影像图构建所述目标的实景纹理数字高程模型；
在统一坐标系的情况下，将所述实景纹理数字高程模型匹配所述实景纹理三维激光雷达点云数据，生成所述目标的三维实景点云模型；其中，所述三维实景点云模型用于还原真实场景，具有可判读平面、高程以及非地表地物高度的功能；
对所述三维实景点云模型的构成数据通过树形空间数据结构组织成瓦片集合；所述瓦片集合是一种多分辨率层次模型，从瓦片金字塔的底层到顶层，分辨率越来越低，但表示的地理范围不变；
把多个瓦片数据整合到一起，合并形成具有分层细节层次结构的三维实景点云模型。
2.根据权利要求1所述的方法，其特征在于，对所述三维激光雷达点云数据进行点云分类处理得到地表点云数据，包括：
对所述三维激光雷达点云数据进行分类处理，提取地形地面点云数据，得到地表点云数据。
3.根据权利要求1所述的方法，其特征在于，对所述实景影像进行空三平差处理得到实景影像外方位元素，包括：
对所述相机定位定向系统提取的外方位元素进行空三平差处理，得到实景影像外方位元素；或/及
对所述实景影像像片控制点的坐标数据进行空三平差处理，得到实景影像外方位元素。
4.根据权利要求1所述的方法，其特征在于，根据所述数字高程模型数据和所述实景影像外方位元素生成数字正射影像图，包括：
根据所述数字高程模型数据对所述具备相机参数和外方位元素的实景影像进行单片微分纠正，得到纠正后的单张实景影像；
对所述纠正后的单张实景影像进行镶嵌拼接分幅，得到数字正射影像图。
5.一种三维实景点云模型的生成装置，其特征在于，所述装置包括：
数据获取模块，用于获取位于飞行平台上的激光雷达设备采集的目标的三维激光雷达点云数据，获取位于所述飞行平台上的相机拍摄得到的所述目标的实景影像，所述相机的拍摄方向同所述激光雷达设备扫描方向相同，且同步记录；
数据处理模块，用于对所述三维激光雷达点云数据进行点云分类处理得到地表点云数据；对所述实景影像进行空三平差处理得到实景影像外方位元素；根据相机参数和所述实景影像外方位元素对实景影像安置姿态进行安置，得到具备相机参数和外方位元素的实景影像；根据预设计算模型计算出所述三维激光雷达点云数据与所述具备相机参数和外方位元素的实景影像的对应关系，根据所述对应关系得出所述三维激光雷达点云数据对应的实景影像坐标；根据所述三维激光雷达点云数据对应的实景影像坐标，将每个三维激光雷达点云数据赋予同步获取的所述实景影像像素色彩，得到实景赋色的实景纹理三维激光雷达点云数据；
数据生产模块，用于对所述地表点云数据配合特征线建立不规则三角网，并根据所述不规则三角网进行等高线光滑处理，生成不规则三角网模型；其中，所述特征线包括断裂线、水涯线；对所述不规则三角网模型进行格网化处理，得到数字高程模型数据；根据所述数字高程模型数据和实景影像外方位元素生成数字正射影像图；
模型构建模块，用于根据所述数字高程模型数据和所述数字正射影像图构建所述目标的实景纹理数字高程模型；在统一坐标系的情况下，将所述实景纹理数字高程模型匹配所述实景纹理三维激光雷达点云数据，生成所述目标的三维实景点云模型；其中，所述三维实景点云模型用于还原真实场景，具有可判读平面、高程以及非地表地物高度的功能；
分层处理模块，用于对所述三维实景点云模型的构成数据通过树形空间数据结构组织成瓦片集合；所述瓦片集合是一种多分辨率层次模型，从瓦片金字塔的底层到顶层，分辨率越来越低，但表示的地理范围不变；把多个瓦片数据整合到一起，合并形成具有分层细节层次结构的三维实景点云模型。
6.根据权利要求5所述的三维实景点云模型的生成装置，其特征在于，所述数据处理模块，用于对所述三维激光雷达点云数据进行分类处理，提取地形地面点云数据，得到地表点云数据。
7.根据权利要求5所述的三维实景点云模型的生成装置，其特征在于，所述数据处理模块，用于对所述相机定位定向系统提取的外方位元素进行空三平差处理，得到实景影像外方位元素；或/及对所述实景影像像片控制点的坐标数据进行空三平差处理，得到实景影像外方位元素。
8.根据权利要求5所述的三维实景点云模型的生成装置，其特征在于，所述数据生产模块，用于根据所述数字高程模型数据对所述具备相机参数和外方位元素的实景影像进行单片微分纠正，得到纠正后的单张实景影像；对所述纠正后的单张实景影像进行镶嵌拼接分幅，得到数字正射影像图。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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4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4中任一项所述的方法的步骤。
CN201910847913.XA 2019-09-09 2019-09-09 三维实景点云模型的生成方法和装置 Active CN110570466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910847913.XA CN110570466B (zh) 2019-09-09 2019-09-09 三维实景点云模型的生成方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910847913.XA CN110570466B (zh) 2019-09-09 2019-09-09 三维实景点云模型的生成方法和装置

Publications (2)

Publication Number Publication Date
CN110570466A CN110570466A (zh) 2019-12-13
CN110570466B true CN110570466B (zh) 2022-09-16

Family

ID=68778413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910847913.XA Active CN110570466B (zh) 2019-09-09 2019-09-09 三维实景点云模型的生成方法和装置

Country Status (1)

Country Link
CN (1) CN110570466B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111105492B (zh) * 2019-12-18 2020-11-17 四川大学 一种地形平滑过程中瓦片高程数据快速调度方法
CN111103595B (zh) * 2020-01-02 2020-11-10 广州建通测绘地理信息技术股份有限公司 一种数字线划图的生成方法和装置
CN111415409B (zh) * 2020-04-15 2023-11-24 北京煜邦电力技术股份有限公司 一种基于倾斜摄影的建模方法、系统、设备和存储介质
CN113538668A (zh) * 2020-04-17 2021-10-22 中国石油化工股份有限公司 地质模型构建方法、系统、存储介质以及电子设备
CN111707238B (zh) * 2020-05-29 2021-04-09 广东省国土资源测绘院 一种生成航空数字正射影像图的方法及系统
CN111815759B (zh) * 2020-06-18 2021-04-02 广州建通测绘地理信息技术股份有限公司 一种可量测实景图片的生成方法、装置、计算机设备
CN111768112A (zh) * 2020-07-02 2020-10-13 中铁电气化局集团有限公司 一种铁路营业线施工方法及系统
CN111784823B (zh) * 2020-07-03 2023-10-03 江苏徐工工程机械研究院有限公司 轻量化三维模型防测绘显示方法和装置、存储介质
CN111951402B (zh) * 2020-08-18 2024-02-23 北京市测绘设计研究院 三维模型生成方法、装置、计算机设备和存储介质
CN112233237B (zh) * 2020-10-23 2021-06-08 广州建通测绘地理信息技术股份有限公司 制作数字高程模型时的水域置平处理方法、计算机设备
CN112700544A (zh) * 2020-12-31 2021-04-23 镇江市勘察测绘研究院 一种用于矿坑地形的三维实景生成方法
CN113034689B (zh) * 2021-04-30 2023-09-19 睿宇时空科技(重庆)股份有限公司 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质
CN113223176B (zh) * 2021-05-12 2022-09-20 武汉中仪物联技术股份有限公司 多维度管道特征参数的获取方法和装置
CN113487736B (zh) * 2021-07-12 2022-12-02 中国电建集团昆明勘测设计研究院有限公司 一种水下地形点云数据转换为obj三维模型的方法
CN113469868B (zh) * 2021-07-16 2022-11-15 重庆市勘测院 一种基于结构变化的实景三维模型数字水印添加方法
CN113837124B (zh) * 2021-09-28 2023-12-05 中国有色金属长沙勘察设计研究院有限公司 一种排泥库土工布巡检航线的自动提取方法
CN114379598B (zh) * 2022-01-26 2023-06-30 株洲时代电子技术有限公司 一种铁路综合巡检系统
CN115201779B (zh) * 2022-09-14 2022-11-18 中大智能科技股份有限公司 获取雷达的成像原点空间位置和基线水平方位角的方法
CN115908706B (zh) * 2022-11-15 2023-08-08 中国铁路设计集团有限公司 实景三维模型与影像融合的高速铁路竣工验收方法
CN115937456B (zh) * 2023-02-15 2023-05-05 天津市测绘院有限公司 一种实景三维模型顶层重建方法及重建系统
CN116165677B (zh) * 2023-04-24 2023-07-21 湖北中图勘测规划设计有限公司 一种基于激光雷达的地质勘察方法和装置
CN116993923B (zh) * 2023-09-22 2023-12-26 长沙能川信息科技有限公司 换流站三维模型制作方法、系统、计算机设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101335431A (zh) * 2008-07-27 2008-12-31 广西电力工业勘察设计研究院 基于机载激光雷达数据的架空送电线路优化选线方法
CN103217688B (zh) * 2013-04-16 2015-02-18 铁道第三勘察设计院集团有限公司 一种基于不规则三角网机载激光雷达点云平差计算方法
CN103529455B (zh) * 2013-10-21 2015-11-04 中铁第四勘察设计院集团有限公司 一种基于机载激光雷达三维的危岩落石调查方法
US9986154B2 (en) * 2014-05-21 2018-05-29 Here Global B.V. Developing a panoramic image
CN108665536B (zh) * 2018-05-14 2021-07-09 广州市城市规划勘测设计研究院 三维与实景数据可视化方法、装置与计算机可读存储介质

Also Published As

Publication number Publication date
CN110570466A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN110570466B (zh) 三维实景点云模型的生成方法和装置
Agüera-Vega et al. Assessment of photogrammetric mapping accuracy based on variation ground control points number using unmanned aerial vehicle
KR100912715B1 (ko) 이종 센서 통합 모델링에 의한 수치 사진 측량 방법 및장치
Barazzetti et al. True-orthophoto generation from UAV images: Implementation of a combined photogrammetric and computer vision approach
CN104268935A (zh) 一种基于特征的机载激光点云与影像数据融合系统及方法
CN112184786B (zh) 一种基于合成视觉的目标定位方法
Vacca et al. The use of the UAV images for the building 3D model generation
Cosido et al. Hybridization of convergent photogrammetry, computer vision, and artificial intelligence for digital documentation of cultural heritage-a case study: the magdalena palace
Altuntas et al. Image based methods for surveying heritage of masonry arch bridge with the example of Dokuzunhan in Konya, Turkey
Postolov et al. Registration of airborne laser data to surfaces generated by photogrammetric means
Rebelo et al. Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies
CN116883604A (zh) 一种基于天、空、地影像的三维建模技术方法
Pepe et al. Cultural Heritage Documentation in Sis Environment: an application for" Porta Sirena" in the archaeological site of Paestum
CN110580468A (zh) 一种基于影像匹配点云的单木结构参数提取的方法
Rodarmel et al. Rigorous error modeling for sUAS acquired image-derived point clouds
Chunsen et al. Research on volumetric calculation of multi-vision geometry UAV image volume
Lee et al. Comparison of terrestrial laser scanner with digital aerial photogrammetry for extracting ridges in the rice paddies
Korpela 3D treetop positioning by multiple image matching of aerial images in a 3D search volume bounded by lidar surface models
Gabara et al. Kortowo test field for testing photogrammetric products accuracy–design and first evaluation
Hämmerle et al. Terrestrial and unmanned aerial system imagery for deriving photogrammetric three-dimensional point clouds and volume models of mass wasting sites
Gonçalves Using structure-from-motion workflows for 3D mapping and remote sensing
Basgall Lidar point cloud and stereo image point cloud fusion
Picu Updating geospatial data by creating a high resolution digital surface model
Stanojević et al. Digital Surface Model Generation with Aerial Surveying System “LEICA ADS80”
Smith Topographic mapping

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 5, Chuangxian Road, Ningxi Street, Zengcheng District, Guangzhou City, Guangdong Province, 511300

Applicant after: GUANGZHOU JIANTONG SURVEYING, MAPPING AND GEOINFORMATION TECHNOLOGY CO.,LTD.

Address before: 511300 No. 2 Xiangshan Avenue, Yongning Street, Zengcheng District, Guangzhou, Guangdong Province (core zone of Zengcheng Economic and Technological Development Zone)

Applicant before: GUANGZHOU JIANTONG SURVEYING, MAPPING AND GEOINFORMATION TECHNOLOGY CO.,LTD.

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wang Shi

Inventor after: Wang Zizheng

Inventor after: Zhou Xiaocui

Inventor after: Liu Gaijin

Inventor after: Zhang Tianqiao

Inventor after: Long Huaping

Inventor before: Wang Shi

Inventor before: Wang Zizheng

Inventor before: Zhou Xiaoping

Inventor before: Liu Gaijin

Inventor before: Zhang Tianqiao

Inventor before: Long Huaping

GR01 Patent grant
GR01 Patent grant