CN110838129A - 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法 - Google Patents
基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法 Download PDFInfo
- Publication number
- CN110838129A CN110838129A CN201911128369.XA CN201911128369A CN110838129A CN 110838129 A CN110838129 A CN 110838129A CN 201911128369 A CN201911128369 A CN 201911128369A CN 110838129 A CN110838129 A CN 110838129A
- Authority
- CN
- China
- Prior art keywords
- vertex
- list
- vertexes
- target
- dimensional
- 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.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims description 15
- 238000012800 visualization Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/12—Bounding box
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法、装置、设备及计算机可读存储介质,包括:对三维建筑物的原始模型进行预处理重建拓扑后,选取两个特征点作为目标特征线的起终点,生成包围盒,忽略盒外无关模型,并使用有向图结构组织模型数据;基于距离、方向和变化趋势对有向图边进行加权;利用迪杰斯特拉算法获取起终点间的加权最短路径,提取到目标特征线。本发明所提供的方法、装置、设备及计算机可读存储介质,提高了三维建筑物模型轮廓特征线的提取效率,且目标提取准确。
Description
技术领域
本发明涉及倾斜摄影测量和地理信息系统技术领域,特别是涉及一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法、装置、设备以及计算机可读存储介质。
背景技术
近年来智慧城市的建设需求与日俱增,城市建模是智慧城市的基础,范围广、效率高、成本低的倾斜摄影测量三维重建已经成为城市建模的主要手段。但倾斜摄影测量三维模型多半停留在浏览查看水平,难以支撑真实感展示或是空间分析等深度应用需求,亟需配合其它手段完善三维模型的可视化效果。
在研究过程中发现,通过在同一飞行平台上搭载多视角传感器,倾斜摄影测量解决方案能一次获取场景的多角度影像,再通过空中三角测量,密集匹配,点云构建,纹理映射等流程,自动化生成大规模场景的三角网模型,因此,得到的三角网模型具有丰富的纹理信息、较高的几何精度和自动化程度等优点,能够一定程度上满足智慧城市对大规模城市建模的要求。
但是,不同于如地面LiDAR等手段重建的三维模型,受到摄影测量精度和密集匹配点云的抽稀等因素的影响,倾斜摄影测量三维模型在诸如建筑物拐角、棱线处噪声较大、规则性缺失,极大的影响了模型的真实感展示效果,需要对其进行修复才能满足部分智慧城市平台的应用需求。如果能够通过简单的交互式编辑实现修复,则能够一定程度上提升模型效果,满足更高要求,而其中,目标特征线的提取是交互式编辑的基础。
特征线是模型修复的基础,现有的人工交互式选取特征点的特征线提取方式效率低、效果差;同时现有自动化提取特征线的方式计算量大、目标性差、正确率低。
综上所述可以看出,如何提高三维建筑物模型轮廓特征线的提取效率是目前有待解决的问题。
发明内容
本发明的目的是提供一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法、装置、设备以及计算机可读存储介质,以解决现有技术中特征线提取方式效率低、效果差的问题。
为解决上述技术问题,本发明提供一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法,包括:读取三维建筑物的原始模型,对所述原始模型进行拓扑重建后,得到拓扑连续的三维模型对象,其中,所述三维模型对象中包括初始顶点列表与初始三角形列表;对所述三维模型对象进行可视化后,在可视化窗口交互式选取基于所述三维模型对象三角形顶点的目标特征线的两个目标顶点,根据所述两个目标顶点生成包围盒;根据所述包围盒的四个底部顶点坐标以及由所述四个底部顶点构成的封闭四边形,对所述初始顶点列表与所述初始三角形列表进行筛选,得到筛选后的目标顶点列表与目标三角形列表;将所述目标三角形列表中的每个三角形分别依据顺时针与逆时针两个方向录入有向图,为所述有向图的每条图边的距离、方向与变化趋势设置权重;利用迪杰斯特拉算法提取完成图边权重设置的有向图内两个目标顶点之间的加权最短路径,得到并绘制所述三维建筑物的轮廓特征线,以便利用所述轮廓特征线对所述原始模型进行修复。
优选地,所述读取三维建筑物的原始模型,对所述原始模型进行拓扑重建后,得到拓扑连续的三维模型对象包括:
读取三维建筑物的原始模型;
创建一个空的三维模型对象;
创建一个哈希表;
声明一个unsigned int类型值ID,并初始化为0;
遍历所述原始模型中的三角面片;
遍历所述三角面片的顶点,分别判断所述每个顶点的空间位置是否已存在其他顶点,并根据判断结果更新所述三维模型对象与所述哈希表;
判断所述三角面片的顶点是否完成遍历;
若所述三角面片的顶点完成遍历,则判断所述原始模型的三角面片是否完成遍历;
若所述原始模型的三角面片完成遍历,则得到拓扑连续的三维模型对象。
优选地,所述分别判断所述每个顶点的空间位置是否已存在其他顶点,并根据判断结果更新所述三维模型对象与所述哈希表,得到拓扑连续的三维模型对象包括:
判断当前顶点的空间位置是否存在其他顶点;
若所述当前顶点的空间位置不存在其他顶点,则向所述哈希表插入以所述当前顶点的空间坐标为关键码、以unsigned int类型值ID为值的序列,并添加所述当前顶点的空间坐标到所述三维对象模型初始顶点列表的末尾,添加ID至所述三维对象模型初始三角形列表的末尾,同时令ID=ID+1。
优选地,所述根据所述包围盒的四个底部顶点坐标以及由所述四个底部顶点构成的封闭四边形,对所述初始顶点列表与所述初始三角形列表进行筛选,得到筛选后的目标顶点列表与目标三角形列表包括:
获取所述包围盒的四个底部顶点坐标中的最大横坐标、最小横坐标、最大纵坐标与最小纵坐标,确定预设顶点坐标范围;
删除所述初始顶点列表中不处于所述预设顶点坐标范围内的顶点,删除所述初始三角形列表中不处于所述预设顶点坐标范围内的顶点所在的三角形,得到更新后的当前顶点列表与当前三角形列表;
根据所述包围盒的四个底部顶点构成封闭四边形,删除所述当前顶点列表中不处于所述封闭四边形内部的顶点,删除所述当前三角形列表中不处于所述封闭四边形内部的顶点所在的三角形,得到更新后的目标顶点列表与目标三角形列表。
优选地,所述对所述三维模型对象进行可视化包括:利用OSG可视化引擎对所述三维模型对象进行可视化。
本发明还提供了一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取装置,包括:
拓扑重建模块,用于读取三维建筑物的原始模型,对所述原始模型进行拓扑重建后,得到拓扑连续的三维模型对象,其中,所述三维模型对象中包括初始顶点列表与初始三角形列表;
选取模块,用于对所述三维模型对象进行可视化后,在可视化窗口交互式选取基于所述三维模型对象三角形顶点的目标特征线的两个目标顶点,根据所述两个目标顶点生成包围盒;
筛选模块,用于根据所述包围盒的四个底部顶点坐标以及由所述四个底部顶点构成的封闭四边形,对所述初始顶点列表与所述初始三角形列表进行筛选,得到筛选后的目标顶点列表与目标三角形列表;
权重设置模块,用于将所述目标三角形列表中的每个三角形分别依据顺时针与逆时针两个方向录入有向图,为所述有向图的每条图边的距离、方向与变化趋势设置权重;
提取模块,用于利用迪杰斯特拉算法提取完成图边权重设置的有向图内两个目标顶点之间的加权最短路径,得到并绘制所述三维建筑物的轮廓特征线,以便利用所述轮廓特征线对所述原始模型进行修复。
优选地,所述拓扑重建模块包括:
读取单元,用于读取三维建筑物的原始模型;
第一创建单元,用于创建一个空的三维模型对象;
第二创建单元,用于创建一个哈希表;
声明单元,用于声明一个unsigned int类型值ID,并初始化为0;
第一遍历单元,用于遍历所述原始模型中的三角面片;
第二遍历单元,用于遍历所述三角面片的顶点,分别判断所述每个顶点的空间位置是否已存在其他顶点,并根据判断结果更新所述三维模型对象与所述哈希表;
第一判断单元,用于判断所述三角面片的顶点是否完成遍历;
第二判断单元,用于若所述三角面片的顶点完成遍历,则判断所述原始模型的三角面片是否完成遍历;
获得单元,用于若所述原始模型的三角面片完成遍历,则得到拓扑连续的三维模型对象。
优选地,所述筛选模块包括:
确定单元,用于获取所述包围盒的四个底部顶点坐标中的最大横坐标、最小横坐标、最大纵坐标与最小纵坐标,确定预设顶点坐标范围;
第一删除单元,用于删除所述初始顶点列表中不处于所述预设顶点坐标范围内的顶点,删除所述初始三角形列表中不处于所述预设顶点坐标范围内的顶点所在的三角形,得到更新后的当前顶点列表与当前三角形列表;
第二删除单元,用于根据所述包围盒的四个底部顶点构成封闭四边形,删除所述当前顶点列表中不处于所述封闭四边形内部的顶点,删除所述当前三角形列表中不处于所述封闭四边形内部的顶点所在的三角形,得到更新后的目标顶点列表与目标三角形列表。
本发明还提供了一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取设备,包括:
存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质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一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的步骤。
本发明所提供的基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法,首先对三维建筑物的原始模型进行拓扑重建,得到三维模型对象。对所述三维模型对象可视化后,通过可视化窗口选取两个特征点作为目标特征线的起终点,生成包围盒,忽略盒外无关模型,并使用有向图结构组织模型数据。基于距离、方向、变化趋势等多种因素有向图边进行加权。最后利用迪杰斯特拉算法获取起终点间的加权最短路径,提取到所述三维建筑物的轮廓特征线。本发所提供的方法,加权时考虑距离、方向、变化趋势等多种局部因素提取时利用最短路径的全局方法,提高了轮廓特征线的提取效果。由于本发明提取结果是基于加权最短路径,因此后续可以方便的加入新的影响因素。且本发明仅需选取两个顶点指定目标,从而提高了轮廓特征线的提取效率、且提取目标准确。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的一种具体实施例的流程图;
图2为步骤S11的具体操作步骤流程图;
图3为本发明所提供的基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的另一种具体实施例的流程图;
图4为本发明实施例提供的一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取装置的结构框图。
具体实施方式
本发明的核心是提供一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法、装置、设备以及计算机可读存储介质,提高了三维建筑物模型轮廓特征线的提取效率,且目标提取准确。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明所提供的基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的一种具体实施例的流程图;具体操作步骤如下:
步骤S11:读取三维建筑物的原始模型,对所述原始模型进行拓扑重建后,得到拓扑连续的三维模型对象,其中,所述三维模型对象中包括初始顶点列表与初始三角形列表;
步骤S12:对所述三维模型对象进行可视化后,在可视化窗口交互式选取基于所述三维模型对象三角形顶点的目标特征线的两个目标顶点,根据所述两个目标顶点生成包围盒;
由于诸如OSGB、OBJ等的三角网模型为了实现高效的可视化,纹理坐标与顶点坐标一一对应,但是纹理集图片由多张不同角度航摄相片拼接而成,所以为了实现纹理贴图,同一空间位置存在两个空间坐标相同、纹理坐标不同的顶点,此时会出现模型拓扑结构的不连续,造成几何处理计算困难的问题。因此,本实施例将模型可视化数据与计算数据分离开,编辑操作针对重建拓扑后拓扑连续的待计算数据,通过计算结果对可视化数据进行更新修改实现显示模型效果的更新。
步骤S13:根据所述包围盒的四个底部顶点坐标以及由所述四个底部顶点构成的封闭四边形,对所述初始顶点列表与所述初始三角形列表进行筛选,得到筛选后的目标顶点列表与目标三角形列表;
步骤S14:将所述目标三角形列表中的每个三角形分别依据顺时针与逆时针两个方向录入有向图,为所述有向图的每条图边的距离、方向与变化趋势设置权重;
步骤S15:利用迪杰斯特拉算法提取完成图边权重设置的有向图内两个目标顶点之间的加权最短路径,得到并绘制所述三维建筑物的轮廓特征线,以便利用所述轮廓特征线对所述原始模型进行修复。
本实施例,对三维建筑物的原始模型进行预处理重建拓扑,将模型数据分成待计算数据和显示数据,之后交互式选取两点指定目标特征线,并根据这两点缩小计算处理范围,最后以有向图的形式进行组织;考虑了模型三角形顶点之间的距离、方向和变化趋势进行加权,并使用有向图结构组织模型数据;最后利用迪杰斯特拉算法提取选取两点间的路径得到轮廓特征线,并根据所述轮廓特征线更新显示数据。
如图2所示,基于上述实施例,在本实施例中,所述步骤S11对三维建筑物的原始模型进行拓扑重建的具体步骤包括:
步骤S110:读取三维建筑物的原始模型;
步骤S111:创建一个空的三维模型对象O;
本实施例中的三维模型对象O即为用于存储待计算数据的三维模型对象。所述三维模型对象O中包含顶点列表和三角形列表。其中,所述顶点列表为(x,y,z)的形式,包含模型顶点的double类型的空间位置信息和索引顺序。所述三角形列表以id0,id1,id2,...idn为形式,长度为三角形个数的三倍。其中,id0、id1、id2均为unsigned int类型数据,分别为三角形的三个顶点在所述顶点列表中的索引位置。
步骤S112:创建一个哈希表MH;
所述哈希表MH以(x,y,z)形式的顶点空间三维坐标为关键码,以对应顶点在所述三维模型对象O的所述顶点列表中的索引位置为值。所述哈希表用于判断所述原始模型信息录入空的三维模型对象O时,所述三维模型对象中某空间位置是否已存在顶点。
步骤S113:声明一个unsigned int类型值ID,并初始化为0;
所述unsigned int类型值ID用于记录三维模型对象O中的所述顶点列表中顶点的个数。
步骤S114:遍历所述原始模型中的三角面片;
步骤S115:遍历所述三角面片的顶点,分别判断所述每个顶点的空间位置是否已存在其他顶点,并根据判断结果更新所述三维模型对象与所述哈希表;
通过查找所述哈希表MH是否存在以当前顶点V的空间坐标(xV,yV,zV)为关键码的序列来判断MH中是否已存在其它顶点;
若所述当前顶点V的空间位置不存在其他顶点,则向所述哈希表MH插入以(xV,yV,zV)为关键码、以所述步骤S103中ID为值的序列,并添加所述当前顶点V的空间坐标至所述三维模型对象O的顶点列表末尾,添加ID到三维对象O的三角形列表末尾,同时令ID=ID+1;
若所述当前顶点V的空间位置存在其他顶点,所述哈希表MH返回其序列的值,该值为其对应顶点在所述三维模型对象O中顶点列表的索引值,之后添加该索引值到所述三维模型对象O的三角形列表末尾。
步骤S116:判断所述三角面片的顶点是否完成遍历;
若所述三角面片的顶点未完成遍历,则循环所述执行步骤S115,直至所述三角面片的顶点完成遍历。
步骤S117:若所述三角面片的顶点完成遍历,则判断所述原始模型的三角面片是否完成遍历;
若所述原始模型的三角面片未完成遍历,则循环执行所述步骤S114至所述步骤S116,直至所述原始模型的三角面片完成遍历。
步骤S118:若所述原始模型的三角面片完成遍历,则得到拓扑连续的三维模型对象。
遍历结束后便得到拓扑连续的三维模型对象O,即为所述原始模型拓扑重建结果,同时三维模型对照O也是本发明实施例中的待计算数据。经过拓扑重建的三维对象O具有连续的拓扑结构。
基于上述实施例,在本实施例中,首先依据所述包围盒的四个底部顶点坐标对所述三维模型对象的初始顶点列表与初始三角形列表中的顶点与三角形进行粗筛选;再利用所述包围盒的四个底部顶点围成的封闭四边形对粗筛选后的当前顶点列表与当前三角形列表进行精筛选,得到目标顶点列表与目标三角形列表。
请参考图3,图3为本发明所提供的基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的另一种具体实施例的流程图;具体操作步骤如下:
步骤S31:读取三维建筑物的原始模型,对所述原始模型进行拓扑重建后,得到拓扑连续的三维模型对象,其中,所述三维模型对象中包括初始顶点列表与初始三角形列表;
步骤S32:对所述三维模型对象进行可视化后,在可视化窗口交互式选取基于所述三维模型对象三角形顶点的目标特征线的两个目标顶点,根据所述两个目标顶点生成包围盒;
在本实施例中,可以利用OSG(OpenSceneGraph)等可视化引擎对所述三维模型对象进行可视化。
假设选取到的两个目标顶点为p0和p1,则包围盒参数由下述公式计算得到:
其中,Width、Length、Height分别为所述包围盒的长、宽、高;Center为所述包围盒的中心坐标。根据所述包围盒的参数生成所述包围盒。
步骤S33:获取所述包围盒的四个底部顶点坐标中的最大横坐标、最小横坐标、最大纵坐标与最小纵坐标,确定预设顶点坐标范围,删除所述初始顶点列表中不处于所述预设顶点坐标范围内的顶点,删除所述初始三角形列表中不处于所述预设顶点坐标范围内的顶点所在的三角形,得到更新后的当前顶点列表与当前三角形列表;
通过遍历模型顶点,将模型顶点坐标x、y坐标与所述四个底部矩形顶点的x、y坐标极值进行比较以实现筛选。所述四个底部顶点坐标中的最大横坐标为xmax,最小横坐标为xmix,最大纵坐标为ymax,最小纵坐标为ymix。
设当前顶点坐标为V(xV,yV,zV),若满足下述条件中任何一个条件:xV<xmix、xV>xmax、yV<ymix、yV>ymax,则删除所述当前顶点与所述当前顶点所在的三角形,并更新所述初始顶点列表与所述初始三角形列表,得到当前顶点列表与当前三角形列表。
步骤S34:根据所述包围盒的四个底部顶点构成封闭四边形,删除所述当前顶点列表中不处于所述封闭四边形内部的顶点,删除所述当前三角形列表中不处于所述封闭四边形内部的顶点所在的三角形,得到更新后的目标顶点列表与目标三角形列表;
将所述当前顶点列表中的全部顶点与所述封闭四边形投影到xoy平面,然后利用射线法分别判断各个顶点是否在所述封闭四边形内部。
从所述三维对象模型O的第i个顶点发出射线,计算所述射线与所述封闭四边形的交点个数n,判断n除以2的余数是否为0,若为0,则所述顶点在所述封闭四边形外,删除所述顶点与所述顶点所在的三角形,得到更新后的目标顶点列表与目标三角形列表。
步骤S35:将所述目标三角形列表中的每个三角形分别依据顺时针与逆时针两个方向录入有向图;
假设当前遍历到第i个三角形,则所述步骤S36将三维模型对象O的目标三角形列表中的第i*3项、第i*3+1项以及第i*3+2项有顺序的两两组合,插入有向图MD中,即每个三角形需向有向图MD插入六次。
步骤S36:为所述有向图的每条图边的距离设置权重;
假设当前图边端点A、B对应的顶点索引值为i、j,则首先取出模型O顶点列表中的第i项(xA,yA,zA)和第j项(xB,yB,zB),之后依据下述公式计算权重WeightAB,其中WeightAB与该边另一方向的WeightBA相等:
每条图边的距离权重为初始权重。
步骤S37:为所述有向图的每条图边的方向设置权重;
假设当前图边为AB,用于指定目标所选取到的两端点为S和E,首先计算与间的夹角,之后判断该角是否为锐角,若为锐角不作处理;若非锐角就给该边的权重加上一个远大于模型三角形边长的值,得到方向权重。
具体依据计算图边AB的方向权重;
步骤S38:为所述有向图的每条图边的变化趋势设置权重;
首先设置二面角阈值,然后计算当前图边在所述三维模型对象O中对应三角形边的二面角D的大小,最后对比二面角D的大小与二面角阈值之间的关系,如果小于阈值则不作处理,如果大于阈值则给该边权重加上一个远大于模型三角形边长的值。
步骤S39:利用迪杰斯特拉算法提取完成图边权重设置的有向图内两个目标顶点之间的加权最短路径,得到并绘制所述三维建筑物的轮廓特征线,以便利用所述轮廓特征线对所述原始模型进行修复。
在本实施例中,所述步骤S39具有包括下述步骤:
步骤S391:新建一个用于存储unsigned int类型数据的vector容器R;
所述容器R用于存放特征线提取结果,R中每个序列的值表示该点在所述三维模型对象O的目标顶点列表中的索引位置。
步骤S392:设当前顶点为点j,则对所述有向图MD的每个结点维护一个标号disj,pj;
其中,disj为从起点到点j的最短路径距离(起点的dis为0);pj则是最短路径中从起点到j点之前的一点。
步骤S393:初始化所述有向图MD结点的标记与标号。
将交互选取到的起点的dis0设置为0,p0设置为空,其余结点的disi为正无穷,pi为-1;标记起始结点为s,令k=s,其余点不作标记。
步骤S394:计算有向图MD中所有已经标记过的结点k到其相邻的未标记结点j的加权距离,并令disj=min(disj+disk+lengthkj);
步骤S395:移动到下一个结点,从所有未标记的结点中选取disi最小的结点i:disj=min(disj,未标记点j),将结点i设置为已标记,并将i放入容器R的末尾;
步骤S396:寻找已被标记的结点,将与结点i相邻的最近一点j为前一点,并令i=j;
步骤S397:循环所述步骤S394至所述步骤S396,判断所有结点是否均已被标记,若所有结点均已经被标记,则此时容器R即为轮廓特征线提取结果,若存在结点未标记,则令k=i,跳转至所述步骤S393;
步骤S398:绘制所述轮廓特征线,更新显示模型。
以容器R中的unsigned int类型数据为索引值,找到所述三维模型对对象O中顶点列表对应的顶点坐标,根据坐标按照R中顺序绘制折线,将折线对象插入原始模型,更新显示模型,得到所述轮廓特征线在模型上的显示结果。
综上,本发明所提供的实施例,首先对倾斜摄影测量三维模型进行预处理重建拓扑,然后选取两个特征点作为目标特征线的起终点,生成包围盒,忽略盒外无关模型,并使用有向图结构组织模型数据。之后考虑距离、方向和变化趋势等多种因素对有向图边进行加权。最后利用迪杰斯特拉算法获取起终点间的加权最短路径,提取到目标特征线。本发明加权时考虑多种局部因素提取时利用最短路径的全局方法,因此提取效果较好;同时本发明仅需人工选取两个顶点指定目标,效率较高、目标准确。除此之外,由于本发明提取结果基于加权最短路径,所以后续可以方便的加入新的影响因素。
请参考图4,图4为本发明实施例提供的一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取装置的结构框图;具体装置可以包括:
拓扑重建模块100,用于读取三维建筑物的原始模型,对所述原始模型进行拓扑重建后,得到拓扑连续的三维模型对象,其中,所述三维模型对象中包括初始顶点列表与初始三角形列表;
选取模块200,用于对所述三维模型对象进行可视化后,在可视化窗口交互式选取基于所述三维模型对象三角形顶点的目标特征线的两个目标顶点,根据所述两个目标顶点生成包围盒;
筛选模块300,用于根据所述包围盒的四个底部顶点坐标以及由所述四个底部顶点构成的封闭四边形,对所述初始顶点列表与所述初始三角形列表进行筛选,得到筛选后的目标顶点列表与目标三角形列表;
权重设置模块400,用于将所述目标三角形列表中的每个三角形分别依据顺时针与逆时针两个方向录入有向图,为所述有向图的每条图边的距离、方向与变化趋势设置权重;
提取模块500,用于利用迪杰斯特拉算法提取完成图边权重设置的有向图内两个目标顶点之间的加权最短路径,得到并绘制所述三维建筑物的轮廓特征线,以便利用所述轮廓特征线对所述原始模型进行修复。
本实施例的基于倾斜摄影测量的三维建筑物模型轮廓特征线提取装置用于实现前述的基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法,因此基于倾斜摄影测量的三维建筑物模型轮廓特征线提取装置中的具体实施方式可见前文中的基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的实施例部分,例如,拓扑重建模块100,选取模块200,筛选模块300,权重设置模块400,提取模块500,分别用于实现上述基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法中步骤S11,S12,S13,S14和S15,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本发明具体实施例还提供了一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质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一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法,其特征在于,包括:
读取三维建筑物的原始模型,对所述原始模型进行拓扑重建后,得到拓扑连续的三维模型对象,其中,所述三维模型对象中包括初始顶点列表与初始三角形列表;
对所述三维模型对象进行可视化后,在可视化窗口交互式选取基于所述三维模型对象三角形顶点的目标特征线的两个目标顶点,根据所述两个目标顶点生成包围盒;
根据所述包围盒的四个底部顶点坐标以及由所述四个底部顶点构成的封闭四边形,对所述初始顶点列表与所述初始三角形列表进行筛选,得到筛选后的目标顶点列表与目标三角形列表;
将所述目标三角形列表中的每个三角形分别依据顺时针与逆时针两个方向录入有向图,为所述有向图的每条图边的距离、方向与变化趋势设置权重;
利用迪杰斯特拉算法提取完成图边权重设置的有向图内两个目标顶点之间的加权最短路径,得到并绘制所述三维建筑物的轮廓特征线,以便利用所述轮廓特征线对所述原始模型进行修复。
2.如权利要求1所述的方法,其特征在于,所述读取三维建筑物的原始模型,对所述原始模型进行拓扑重建后,得到拓扑连续的三维模型对象包括:
读取三维建筑物的原始模型;
创建一个空的三维模型对象;
创建一个哈希表;
声明一个unsigned int类型值ID,并初始化为0;
遍历所述原始模型中的三角面片;
遍历所述三角面片的顶点,分别判断所述每个顶点的空间位置是否已存在其他顶点,并根据判断结果更新所述三维模型对象与所述哈希表;
判断所述三角面片的顶点是否完成遍历;
若所述三角面片的顶点完成遍历,则判断所述原始模型的三角面片是否完成遍历;
若所述原始模型的三角面片完成遍历,则得到拓扑连续的三维模型对象。
3.如权利要求2所述的方法,其特征在于,所述分别判断所述每个顶点的空间位置是否已存在其他顶点,并根据判断结果更新所述三维模型对象与所述哈希表,得到拓扑连续的三维模型对象包括:
判断当前顶点的空间位置是否存在其他顶点;
若所述当前顶点的空间位置不存在其他顶点,则向所述哈希表插入以所述当前顶点的空间坐标为关键码、以unsigned int类型值ID为值的序列,并添加所述当前顶点的空间坐标到所述三维对象模型初始顶点列表的末尾,添加ID至所述三维对象模型初始三角形列表的末尾,同时令ID=ID+1。
4.如权利要求1所述的方法,其特征在于,所述根据所述包围盒的四个底部顶点坐标以及由所述四个底部顶点构成的封闭四边形,对所述初始顶点列表与所述初始三角形列表进行筛选,得到筛选后的目标顶点列表与目标三角形列表包括:
获取所述包围盒的四个底部顶点坐标中的最大横坐标、最小横坐标、最大纵坐标与最小纵坐标,确定预设顶点坐标范围;
删除所述初始顶点列表中不处于所述预设顶点坐标范围内的顶点,删除所述初始三角形列表中不处于所述预设顶点坐标范围内的顶点所在的三角形,得到更新后的当前顶点列表与当前三角形列表;
根据所述包围盒的四个底部顶点构成封闭四边形,删除所述当前顶点列表中不处于所述封闭四边形内部的顶点,删除所述当前三角形列表中不处于所述封闭四边形内部的顶点所在的三角形,得到更新后的目标顶点列表与目标三角形列表。
5.如权利要求1所述的方法,其特征在于,所述对所述三维模型对象进行可视化包括:
利用OSG可视化引擎对所述三维模型对象进行可视化。
6.一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取装置,其特征在于,包括:
拓扑重建模块,用于读取三维建筑物的原始模型,对所述原始模型进行拓扑重建后,得到拓扑连续的三维模型对象,其中,所述三维模型对象中包括初始顶点列表与初始三角形列表;
选取模块,用于对所述三维模型对象进行可视化后,在可视化窗口交互式选取基于所述三维模型对象三角形顶点的目标特征线的两个目标顶点,根据所述两个目标顶点生成包围盒;
筛选模块,用于根据所述包围盒的四个底部顶点坐标以及由所述四个底部顶点构成的封闭四边形,对所述初始顶点列表与所述初始三角形列表进行筛选,得到筛选后的目标顶点列表与目标三角形列表;
权重设置模块,用于将所述目标三角形列表中的每个三角形分别依据顺时针与逆时针两个方向录入有向图,为所述有向图的每条图边的距离、方向与变化趋势设置权重;
提取模块,用于利用迪杰斯特拉算法提取完成图边权重设置的有向图内两个目标顶点之间的加权最短路径,得到并绘制所述三维建筑物的轮廓特征线,以便利用所述轮廓特征线对所述原始模型进行修复。
7.如权利要求6所述的装置,其特征在于,所述拓扑重建模块包括:
读取单元,用于读取三维建筑物的原始模型;
第一创建单元,用于创建一个空的三维模型对象;
第二创建单元,用于创建一个哈希表;
声明单元,用于声明一个unsigned int类型值ID,并初始化为0;
第一遍历单元,用于遍历所述原始模型中的三角面片;
第二遍历单元,用于遍历所述三角面片的顶点,分别判断所述每个顶点的空间位置是否已存在其他顶点,并根据判断结果更新所述三维模型对象与所述哈希表;
第一判断单元,用于判断所述三角面片的顶点是否完成遍历;
第二判断单元,用于若所述三角面片的顶点完成遍历,则判断所述原始模型的三角面片是否完成遍历;
获得单元,用于若所述原始模型的三角面片完成遍历,则得到拓扑连续的三维模型对象。
8.如权利要求6所述的装置,其特征在于,所述筛选模块包括:
确定单元,用于获取所述包围盒的四个底部顶点坐标中的最大横坐标、最小横坐标、最大纵坐标与最小纵坐标,确定预设顶点坐标范围;
第一删除单元,用于删除所述初始顶点列表中不处于所述预设顶点坐标范围内的顶点,删除所述初始三角形列表中不处于所述预设顶点坐标范围内的顶点所在的三角形,得到更新后的当前顶点列表与当前三角形列表;
第二删除单元,用于根据所述包围盒的四个底部顶点构成封闭四边形,删除所述当前顶点列表中不处于所述封闭四边形内部的顶点,删除所述当前三角形列表中不处于所述封闭四边形内部的顶点所在的三角形,得到更新后的目标顶点列表与目标三角形列表。
9.一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1至5任一项所述一种基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128369.XA CN110838129A (zh) | 2019-11-18 | 2019-11-18 | 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128369.XA CN110838129A (zh) | 2019-11-18 | 2019-11-18 | 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110838129A true CN110838129A (zh) | 2020-02-25 |
Family
ID=69576764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911128369.XA Pending CN110838129A (zh) | 2019-11-18 | 2019-11-18 | 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838129A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667574A (zh) * | 2020-04-28 | 2020-09-15 | 中南大学 | 从倾斜摄影模型自动重建建筑物规则立面三维模型的方法 |
CN112215935A (zh) * | 2020-12-02 | 2021-01-12 | 江西博微新技术有限公司 | Lod模型自动切换方法、装置、电子设备及存储介质 |
CN112634455A (zh) * | 2020-12-25 | 2021-04-09 | 东北大学 | 一种利用切割三角面片应用于三维模型棱线修复方法 |
CN114155263A (zh) * | 2021-11-03 | 2022-03-08 | 长沙市规划信息服务中心 | 一种倾斜摄影模型建筑轮廓线自动提取方法、系统及装置 |
CN114896679A (zh) * | 2022-07-13 | 2022-08-12 | 深圳大学 | 一种建筑物的三维模型优化方法、智能终端及存储介质 |
CN116071276A (zh) * | 2023-04-07 | 2023-05-05 | 深圳开鸿数字产业发展有限公司 | 基于顶点的三维模型缺口修复方法、装置、设备及介质 |
CN116091365A (zh) * | 2023-04-07 | 2023-05-09 | 深圳开鸿数字产业发展有限公司 | 基于三角面的三维模型缺口修复方法、装置、设备及介质 |
CN116580160A (zh) * | 2023-07-12 | 2023-08-11 | 深圳大学 | 一种建筑物单体分割和结构重建耦合处理方法及相关装置 |
CN116861023A (zh) * | 2023-09-01 | 2023-10-10 | 北京达美盛软件股份有限公司 | 一种在三维空间中确定相同几何对象的方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269472A (zh) * | 2018-08-08 | 2019-01-25 | 广州市城市规划勘测设计研究院 | 倾斜摄影测量建筑物特征线提取方法、装置与存储介质 |
-
2019
- 2019-11-18 CN CN201911128369.XA patent/CN110838129A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269472A (zh) * | 2018-08-08 | 2019-01-25 | 广州市城市规划勘测设计研究院 | 倾斜摄影测量建筑物特征线提取方法、装置与存储介质 |
Non-Patent Citations (1)
Title |
---|
朱庆 等: "基于多目标加权最短路径的倾斜摄影测量三维模型特征线提取方法", 《西南交通大学学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667574A (zh) * | 2020-04-28 | 2020-09-15 | 中南大学 | 从倾斜摄影模型自动重建建筑物规则立面三维模型的方法 |
CN111667574B (zh) * | 2020-04-28 | 2022-09-09 | 中南大学 | 从倾斜摄影模型自动重建建筑物规则立面三维模型的方法 |
CN112215935A (zh) * | 2020-12-02 | 2021-01-12 | 江西博微新技术有限公司 | Lod模型自动切换方法、装置、电子设备及存储介质 |
CN112634455A (zh) * | 2020-12-25 | 2021-04-09 | 东北大学 | 一种利用切割三角面片应用于三维模型棱线修复方法 |
CN112634455B (zh) * | 2020-12-25 | 2023-09-29 | 东北大学 | 一种利用切割三角面片应用于三维模型棱线修复方法 |
CN114155263A (zh) * | 2021-11-03 | 2022-03-08 | 长沙市规划信息服务中心 | 一种倾斜摄影模型建筑轮廓线自动提取方法、系统及装置 |
CN114896679B (zh) * | 2022-07-13 | 2022-10-04 | 深圳大学 | 一种建筑物的三维模型优化方法、智能终端及存储介质 |
CN114896679A (zh) * | 2022-07-13 | 2022-08-12 | 深圳大学 | 一种建筑物的三维模型优化方法、智能终端及存储介质 |
CN116071276A (zh) * | 2023-04-07 | 2023-05-05 | 深圳开鸿数字产业发展有限公司 | 基于顶点的三维模型缺口修复方法、装置、设备及介质 |
CN116091365A (zh) * | 2023-04-07 | 2023-05-09 | 深圳开鸿数字产业发展有限公司 | 基于三角面的三维模型缺口修复方法、装置、设备及介质 |
CN116580160A (zh) * | 2023-07-12 | 2023-08-11 | 深圳大学 | 一种建筑物单体分割和结构重建耦合处理方法及相关装置 |
CN116580160B (zh) * | 2023-07-12 | 2023-12-15 | 深圳大学 | 一种建筑物单体分割和结构重建耦合处理方法及相关装置 |
CN116861023A (zh) * | 2023-09-01 | 2023-10-10 | 北京达美盛软件股份有限公司 | 一种在三维空间中确定相同几何对象的方法及系统 |
CN116861023B (zh) * | 2023-09-01 | 2023-12-12 | 北京达美盛软件股份有限公司 | 一种在三维空间中确定相同几何对象的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110838129A (zh) | 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法 | |
Schöps et al. | Surfelmeshing: Online surfel-based mesh reconstruction | |
CN102834845B (zh) | 用于多摄像装置校准的方法与装置 | |
US7272264B2 (en) | System and method for hole filling in 3D models | |
US20130127847A1 (en) | System and Method for Interactive Image-based Modeling of Curved Surfaces Using Single-view and Multi-view Feature Curves | |
CN105069843A (zh) | 一种面向城市三维建模的密集点云的快速提取方法 | |
US20100284607A1 (en) | Method and system for generating a 3d model from images | |
WO2018061010A1 (en) | Point cloud transforming in large-scale urban modelling | |
CN112927370A (zh) | 三维建筑物模型构建方法、装置、电子设备及存储介质 | |
KR102197067B1 (ko) | 멀티 프레임들의 동일한 영역을 연속으로 렌더링하는 방법 및 장치 | |
CN110223389B (zh) | 融合图像与激光数据的场景建模方法、系统、装置 | |
KR20190117354A (ko) | 실내공간의 3차원 지도 생성 방법 및 장치 | |
KR102242566B1 (ko) | 레이 트레이싱 처리 장치 및 방법 | |
Küng et al. | Simplified building models extraction from ultra-light UAV imagery | |
CN113706713A (zh) | 一种实景三维模型裁剪方法、装置及计算机设备 | |
CN113393577B (zh) | 一种倾斜摄影地形重建方法 | |
CN107945217A (zh) | 一种适用于自动装配的图像特征点对快速筛选方法及系统 | |
CN113223078A (zh) | 标志点的匹配方法、装置、计算机设备和存储介质 | |
JP4619504B2 (ja) | 3次元デジタル地図作成装置 | |
CN114202610A (zh) | 一种倾斜摄影建筑物单体化模型纹理映射方法 | |
Palma et al. | Detection of geometric temporal changes in point clouds | |
CN115631317B (zh) | 隧道衬砌正射影像生成方法及装置、存储介质、终端 | |
Nguyen et al. | High-definition texture reconstruction for 3D image-based modeling | |
CN112002007A (zh) | 基于空地影像的模型获取方法及装置、设备、存储介质 | |
CN109785421B (zh) | 一种基于空地影像组合的纹理映射方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200225 |