CN111427978B - 基于城市形态学和r树的三维模型索引方法 - Google Patents
基于城市形态学和r树的三维模型索引方法 Download PDFInfo
- Publication number
- CN111427978B CN111427978B CN201911154134.8A CN201911154134A CN111427978B CN 111427978 B CN111427978 B CN 111427978B CN 201911154134 A CN201911154134 A CN 201911154134A CN 111427978 B CN111427978 B CN 111427978B
- Authority
- CN
- China
- Prior art keywords
- tree
- dimensional model
- dimensional
- node
- model
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2264—Multidimensional index structures
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提出一种基于城市形态学和R树的三维模型索引方法,首先基于城市形态学基本原理,根据道路、水系等自然要素将城市空间进行分块,形成区别于规则网格的自然网格,并对分块内部采用R树对三维模型进行组织。该索引方法充分利用城市形态学索引和R树的优点,不产生索引记录冗余,而且符合人的认知习惯,不仅可以满足三位模型可视化查询的需要,而且可以满足空间聚类的需要。
Description
技术领域
本发明涉及一种地理信息系统,特别是涉及一种基于城市形态学基本原理,依据道路、水系等自然要素将城市空间进行划分,并依据此对三维模型进行组织,从而提出的基于城市形态学和R树的三维模型索引方法。
背景技术
地理信息系统(GIS)的主要任务之一是空间查询与分析,首先需要对空间地物建立索引,空间索引直接决定着数据存储的效率和检索的速度。到目前为止,国内外关于空间索引结构方面的研究主要集中在网格空间索引、四叉树系列和R-树系列空间索引。对于三维GIS(地理信息系统Geographic Information System或Geo-Information system,有时又称为“地学信息系统”),最常用的将二维空间索引进入三维空间,如将四叉树扩展为八叉树,将R树扩展为3D-R树索引,但是简单的扩充造成三维检索效率低下。
对于三维模型的索引,主要有R树、BSP和KD-tree等,每种索引方法都各有特点,并且都能够大幅度提高空间数据库查询效率。空间数据索引方法主要分为两大类:线性空间索引和非线性空间索引。前者主要有Hilbert Curve、Gray Code等,后者大都以空间划分为基础,根据划分空间的方式可以区分为基于网格的和基于树的空间索引。基于网格的划分方式主要采用人工网格,代表性有四叉树和八叉树索引,其结构、形式过于固定,缺乏灵活性;基于树的空间索引,则在算法方面较复杂,主要代表有R树。
多维空间索引的理论研究最多的是四叉树和R树的多维扩展,针对三维主要就是八叉树和3D-R树。R树是基于B树的扩展树状结构,它是深度平衡的索引结构,根节点到叶节点的深度相同,可以满足多维查询的需要。3D-R树继承了R树的优点,它是动态的数据结构,数据范围随着对象的插入而调整,更具实际的对象分布合理调整属性,对象的索引与叶节点的深度保持一致,索引操作稳定,是最有前途的三维索引之一。例如申请号为CN201010528616.8的国内专利《基于三维R树索引扩展结构的三维城市模型自适应方法》,扩展了三维R树索引结构,定义了多细节层次定义参数,在实时可视化过程中,可以根据当前性能实时修改多细节层次定义参数来定量调整三维城市模型的场景复杂度。传统的R树采用面积准则实现空间聚簇,忽视重叠等因素。R树综合考虑了覆盖面积和重叠面积以及外围周长等因素,实现了较为合理的空间聚簇,但是如何使用覆盖面积和重叠面积还是一个问题。R树扩展到三维之后,节点重叠和节点不均匀问题很突出,使得R树集成LOD模型的实用性很差。
多细节层级技术(LOD)对于可视化有着重要的影响,数据索引需要考虑LOD的影响,对三维空间进行格网划分,将格网单元作为R树叶节点构建R树,将中间层节点外围盒作为尺度表达的细节层次。Zlatanova提出另外一种R树索引和LOD结合的途径,聚合地缘和形状相近的地物,并考虑了高程因素。邓红艳、武芳提出了一种用于多尺度表达的R树变形索引结构,允许空间对象出现在非叶结点上,利用树的深度反映空间分辨率的变化,考虑对自动制图综合算法的支持。这些方法都是采用R树的层次特性,实现目标查询和细节查询。朱庆提出全局优化和三维聚类分析的动态三维R树检索方法,满足了单个三维模型的LOD需求。Zhu、Gong提出一种基于K均值算法,采用覆盖体积与重叠体积之和作为分组的综合指标,改进了现有的三维空间聚簇分组和R树插入算法,实现了三维模型的快速调度和可视化。
虽然这些方法考虑了各个LOD级的问题,但是还有进一步的研究的空间。主要的问题如下:1)目前的三维模型索引没有考虑模型聚类可视化,群组可视化更注重结构特征;2)索引虽然考虑了三维模型的单个LOD的情形,但是没有考虑城市形态学特征。本发明将城市形态学引入三维模型的索引之后,和R树索引结合起来,既能满足三维模型可视化,又能满足查询的需要。
发明内容
鉴于上述问题,本发明提供了一种基于城市形态学和R树的三维模型索引方法,建立一个三维模型多分辨率的索引结构。首先,设计一个抽象的数据模型,既能保存原始的三维模型和纹理,同时也能存储综合聚类之后的三维模型。其次,为了实现三维模型的综合可视化的意象和效果,设计有一个可视化结构,该结构不仅支持模型的实时渲染,而且还支持三维模型综合之后的实时更新。
一种基于城市形态学和R树的三维模型索引方法,包括以下步骤:
S1:选取城市一待处理地区,基于城市形态学原理,将自然要素作为该待处理地区三维模型的分块层次依据,构建该待处理地区的区域自然网格,所述自然要素包括道路和水系;
S2:利用三维空间数据层次索引方法3DMR对分块数据进行索引编码,通过引入多分辨率的维度,利用树的深度来反映空间数据多尺度表达中的分辨率变化;
S3:采用三维模型合并算法,对三维模型进行分块处理;
S4:对于块内的三维模型采用R树对三维模型进行组织,从而形成三维多分辨率组织结构,最终形成3DMR树。
进一步的,步骤S1中,分块构建的自然网格分为“Urban”、“neigh-bourhood”、“Superblock”、“block”和“enclave”五个层次,使不同层次的分块对应不同的索引,索引的级别根据城市的规模的大小而设定,最大为5级,最小为1级。
进一步的,步骤S4中,三维模型在建立3DMR索引时,对于不同的视点位置,对应不同的LOD级别,使三维模型在更新的时候能够找到对应的模型。
进一步的,步骤S3中,所述三维模型合并算法是采用模型和纹理分开合并方法,将多个模型合并为一个模型,同时多个纹理也合并为一个纹理。
进一步的,步骤S4中,3DMR树的索引示意图中,纵向坐标表示空间分辨率轴,横向坐标表示空间坐标轴。
进一步的,步骤S2中,3DMR索引是在三维R树的基础上进行扩展,设M为节点中单元的最大数目,N为非根节点的中单元格个数的下限,其中,1≤N≤m/2,则3DMR索引的内容如下:
1)每个单元节点的个数为N和M之间,除非它为根节点;
2)根结点最少有两个孩子节点,除非它是叶子结点;
3)允许空间对象位于非叶节点的单元,节点的基本表示形式为(I,PointerToChild,3DObjectID),如果PointerToChild为空,则表示节点存储的是三维模型对象信息,其中I是空间对象的最小包含矩形,3DObjectID指示的是三维模型对象,或者三维对象单元;如果PointerToChild不为空,表示节点为3DMR树的分支节点,I是包含其所有子结点的最小包含矩形,或者对应合并之后的三维模型;3DobjectID表示的是其子结点的综合结果;如果其值为null,表示其节点综合结果没有产生;
4)树的深度表示三维模型的多尺度表达的分辨率,从根节点开始,越往下细节层次越详细;
5)每个非空间对象结点在地理区域划分上包括其子节点,即综合操作不能在同一层次上跨节点操作。
其中,索引构建时,对于低级别的三维模型自底向上构造三维多分辨率R树,按照空间区域,自左向右、自上而下开始对三维模型进行遍历。
首先根据合并之后的三维模型和单独的三维模型构造R树,其次对合并之后三维模型的原始模型进行合并和构造三维索引,最后扩展三维R树,对应三维的不同LOD,每个节点都包含一个三维模型对象。
进一步的,3DMR树的插入算法包括以下几个步骤:1)为新的模型对象寻找合适的节点位置;2)将新的对象加到索引节点;3)调整新的对象;4)生成新的根节点,调整分辨率的维度。
其中,步骤1)中,包括以下步骤:
1.1初始化,假设N为3DMR的根节点;
1.2判断N是否是合适的节点,如果N是建筑群组,则需要判断三维模型处于城市形态学的对应的索引层次,找到合适的节点R,并以根节点生成新的树,添加到原始的树中。如果N为单个模型,则需要找到合适的R树节点;
1.3选择合适的子树,需要对模型判断其约束条件,如果有多个候选节点,则从体积最少的R树开始判断。
本发明提出的索引方法,有效的拓展和完善了现有的空间索引方法分类框架,且最大的优势在于:1)索引无记录;2)查询速度比较稳定;3)维护更方便;4)实现了三维索引对自动综合和多尺度表达的无缝连接。
附图说明
图1是基于城市形态学和R树的三维模型索引的框架示意图;
图2是基于城市形态学的空间层次划分示意图;
图3是基于城市形态学的三维模型索引的空间层次及编码示意图;
图4是不同的三维模型索引方法(直线表示规则网格);
图5是基于城市形态学和R树的三维模型索引的示意图;
图6是3DMR索引示意图;
图7是3DMR索引构造图;
图8是基于城市形态学和R树的索引显示效果。
具体实施方式
本发明提供了一种基于城市形态学和R树的三维模型索引方法,选取城市的一试验区,如图1所示,基于城市形态学原理,将自然要素作为该待处理地区三维模型的分块层次,构建该待处理地区区域的自然网格,形成自然网格的分块数据,所述自然要素包括道路和水系;
采用道路网和水系等自然要素对三维建筑模型进行划分后,分块数据分别划分为“Urban”(城市)、“neigh-bourhood”(主干道或水系围成的区域)、“Superblock”(街块)、“block”(街区)和“enclave”(小区)等等级的空间单元。
然后按本发明所提出的索引方法3DMR对分块数据进行索引编码,同时采用三维模型合并算法,对三维模型进行分块处理。具体的说,对于块内的三维模型,采用R树对三维模型进行组织,包括模型聚类、模型化简、R树构建、R树插入等操作步骤,从而形成三维多分辨率组织,最终形成3DMR树。
不同的分辨率,对应不同的LOD级别。不仅需要考虑单个三维模型不同的LOD级别,而且还要考虑多个三维模型群组聚类、合并和简化的过程。
以下通过具体的实施例进行描述:
1、本发明实施例选取浙江嘉善地区作为试验区,该地区的三维模型主要包括道路和水系,三维模型通过3DMax进行人工重建。
首先基于城市形态学原理,采用道路和水系等自然要素对三维建筑模型进行划分,分块数据分别划分为“Superblock”、“block”和“enclave”等等级的空间单元。
城市形态学的一个重要思想就是:依据自然网格对城市空间进行划分,这里的自然网格即道路、水系所围成的网格。随着尺度大小的不同,地图空间所能表达的道路、水系等级也不相同,而由其围成的网格的大小和数量亦不同。为了说明三维形态学索引,本发明首先二维城市形态学索引进行介绍。
在二维地图中,例如在大比例尺(如1:1000)地图中,能详尽地表达整个城市的每一条小巷、街道;在中比例尺(如1:10000)地图中,则只能表达到次干道;在小比例尺地图中,则只能表达到主干道、环线等;而在更小比例尺地图中,整个城市甚至可能以一个点来表示。
如图2所示,分块数据是按不同等级道路(或水系)围成的网格进行划分的一个示例。其中,Urban表示整个城市区域形成的网格,如Ux;neigh-bourhood(邻里)代表主干道(环线等)、水系围成的网格,如N1;superblock(大街区)代表次干道围成的网格,如S1;block(街区)代表支路围成的网格,如B1;enclave(小区)代表街道围成的网格,如E1。相对于图4所示的规则网格划分,基于这种依靠自然要素的划分方法,则可以建立一个空间划分的层次索引,图3表示基于城市形态学三维模型索引空间层次与编码,从上到下依次为从高等级到低等级。
为了管理大批的多细节空间层级的三维模型,图5显示不同层次的模型块和索引的对应关系。图中所示的B1包含4个不同的级别的模型,B1和其他的模型采用基于视觉特征的聚合算法合并为G1建筑群组(Gestalt:格式塔、建筑群组)。几个不同的建筑群组合并之后组成小区,三维模型的聚合的数量是不一定的,即G1的数量从1到n不等,而且分布不均匀。对于三维模型的分块,采用城市形态学特征对模型建立索引,对于不同的范围,对应不同的级别,模型的更新的时候找到对应的区域。但是,块中的模型,需要采用R树索引。
2三维空间数据层次索引方法3DMR对分块数据进行索引编码
2.1R树索引
R树是B树(二叉搜索树)在空间维上扩展,采用平行于数据空间轴的最小外接矩形(MBR)来代替负责的空间对象,不仅具有动态平衡性,在处理海量空间数据时具有更大的灵活性和效率。和其他的数据索引相比,R数据具有明显的几个特征:首先,三维R树充分考虑三维空间的邻近性原则,空间相邻的对象聚集于相同或者邻近的节点上,从而具备了从全局空间迅速锁定局部空间的能力,可以提高三维模型查询的速度,使用极少的计算量就可以获得指定条件的对象集合。其次,三维R树从树根到树叶节点,自上而下形成自他的层次结构,利用LOD技术可以实现不同细节层级的简化表达,随着级别的降低,三维模型的精度逐渐降低,使用父节点模型表示子节点模型的简化表达。
三维R树的层次特性可以实现三维模型的不同层次细节间的过渡,从而为三维模型的渐进传输和动态调整提供了可能。在网络环境下,当从远处调度三维模型的时候,首先加载上层节点对应的粗的模型,快速显示粗略的结果,接着加载精细的三维模型,逐步提高三维模型的精度,提高显示的效果。从而使大规模三维模型快速调度和可视化提供了可能。但是三维R树本身不支持多分辨率的空间数据表达,主要有如下几个主要的问题:
1)三维R树的对象具有同等的深度,在结构上不利于三维模型多尺度表达。
传统的R树中,每个对象只是存在于R树的叶子节点上,具有同样的深度。而在LOD多尺度表达上,三维模型根据分辨率的不同,形成树结构。传统的R树不能表达多层结构,无法直接用于三维模型的多尺度表达。
2)缺乏对三维模型对象分辨率维的有效支持。
在三维模型的LOD显示的过程中,需要根据分辨率维来确定空间对象是否显示。三维模型的显示就是空间维和分辨率维的多尺度联合查询过程。传统的R树只是一种空间维上的索引结构,缺乏对分辨率的支持。
3)R树没有考虑地图自动综合的影响。
三维模型的多尺度表达还要考虑三维模型综合的影响。不仅需要考虑单个模型的不同的LOD级别,而且还要考虑多个三维模型群组聚类、合并和简化的过程。从而满足要素之间的空间和语义查询,不仅需要保持原始的模型,还要保存化简的模型。
4)R树重叠问题
R树构建在理论上具有空间聚类的特性,同层的节点空间范围尺寸举行,其间没有或者很少有重叠,空间相邻的对象在相同或者不同的节点中。三维R树出现大量的节点重叠的现象,甚至会出现节点包含的情形,会造成空间查询的低效和失败。同时在三维模型的组织,节点的尺寸可能会出现差距过大,如道路模型一般很长,需要对这类模型进行处理。三维R树的节点之间要保证兄弟节点之间的重叠体积最小,同时兄弟节点的形状合理和尺寸均匀。
2.2 3DMR索引
本发明将三维R树进行扩展,要将三维R树有效地用于空间数据多尺度表达。因此,本发明对3DR树进行扩展,提出一种支持多尺度表达的扩展三维R树索引(3DMR),满足大规模三维城市模型化简和多分辨率可视化的需要。
3DMR索引的基本思想是:1)在三维R树中引入多分辨率的维度,利用树的深度来反映空间数据多尺度表达中的分辨率变化;2)允许对象在较高的树层次上出现,存储合并之后的三维模型;3)在3DMR的生成和构建的过程中,考虑三维模型合并的结果,利用合并之后的模型和原始的模型对应关系。
参考R树的定义,设M为节点中单元的最大数目,N(1≤N≤m/2)为非根节点的中单元格个数的下限,首先对3DMR进行定义:
1)每个单元节点的个数为N和M之间,除非它为根节点。
2)根结点最少有两个孩子节点,除非它是叶子结点。
3)允许空间对象位于非叶节点的单元,节点的基本表示形式为:(I,PointerToChild,3DObjectID),如果PointerToChild为空,则表示节点存储的是三维模型对象信息,其中I是空间对象的最小包含矩形(MBR),3DObjectID指示的是三维模型对象,或者三维对象单元;如果PointerToChild不为空,表示节点为3DMR树的分支节点,I是包含其所有子结点的最小包含矩形(MBR),或者对应合并之后的三维模型。3DobjectID表示的是其子结点的综合结果(如果其值为null,表示其节点综合结果没有产生)。
4)树的深度表示三维模型的多尺度表达的分辨率,从根节点开始,越往下细节层次越详细。
5)每个非空间对象结点在地理区域划分上包括其子节点,即综合操作不能在同一层次上跨节点操作。
和传统的三维R树比较,(3)-(5)是3DMR索引区别于传统的三维R树的主要特征。3DMR树综合考虑三维模型综合和空间分辨率的支持,同时保持三维模型的多尺度表达。
假设空间可以分为N个子空间V1,V2,V3,V4,Vn表示n中子分辨率的视图。3DMR树的纵向深度表示空间分辨率轴,横向表示空间坐标轴,则构成如图6所示的索引示意图。当需要查询到某个节点的时候,需要在分辨率空间上的一个坐标范围来确定,该范围是由处于分辨率空间最深处的三维模型的空间坐标决定的。当查询某各个区域S在分辨率Vi的子空间视图时候,就是在多尺度空间中查询符合条件的三维模型,查询结果是小于Vi的子空间三维模型和当前节点的综合的三维模型。
2.2.1索引构建
在三维城市模型可视化的过程中,道路和水系通常是人们最先看到的要素,也是制约其它要素正确综合和表达的关键因素。三维模型LOD表达包括2个方面:单个模型的LOD和多个模型自动聚类合并。
这里需要注意2个问题:1)道路模型,一般在三维模型制作的过程中,都将三维模型制作为一个整体,本发明可以根据城市分区,利用三维模型中的道路区分为不同的几个小的部分,以利于后期的三维模型处理和查询;2)可能在局部区域出现面积不均匀,对该区域进行进一步的划分。这些节点都不包含具体的三维模型,而只是包含三维模型中的指针和最小外包框。城市形态学的索引的级别根据城市的规模的大小而设定,最多为5级,最小为1级。
对三维模型进行初步的全局划分之后,进一步采用3DMR树对三维模型进行局部的索引。本发明采用自底向上构造3DMR树,按照空间区域,自左向右、自上而下开始对三维模型进行遍历,根据综合结果,构造3DMR树,主要满足3DMR树的定义:1)节点的数目不超过一定的范围;2)节点的之间的重叠面积最小。首先根据合并之后的模型和单独的模型构造R树,主要满足第2个条件。其次,再对合并之后的模型的原始的模型进行合并和构造三维索引,需要同时满足第2个条件。最后扩展三维R树,对应三维的不同细节层次,每个节点都包含一个三维模型对象。
图7表示3DMR索引构造图,左侧的图a表示原始的模型,是综合之后的三维模型,对应于图b中最底层模型构成的3DMR树图。
可以用不同的颜色表示对应的合并和化简的三维模型。图b表示构造的三维模型索引,以图a中右下角一块图为例,其中有14个建筑(B31,B32,B33,B34,B35,B36,B37,B38,B39,B41,B42,B43,B44,B45),聚合对应为G3。而G1中只有由B11,B12,B13,B14一共4个建模模型组成。假设R树的最大的个数,则三维模型群组G3则划分为G31,G32,G33三个小组,群组划分的原则,保持三维模型重叠体积最小。G1和G3保存的是三维模型群组的最小外接矩形,同时包含合并之后的三维模型,G31,G32,G33存储的临时节点,不包含三维模型,但是同时包含三维模型的最小外接矩形。这里还需要特别的是在三维模型中还存在大量地标模型,这些模型显示非常突出的建筑特征,需要将这些地标和综合的模型,一起联合构造三维多尺度R树。
3、采用三维模型合并算法,对分块的模型进行合并,对于块内的三维模型采用R树对三维模型进行组织,从而形成三维多分辨率组织,最终形成3DMR树。
3DMR树的插入算法与传统三维R树的插入算法类似,均包括4个主要的步骤,但由于加入了自动三维模型综合和LOD多分辨率表达的考虑,在具体实施过程中将有所不同:
1)为新的模型对象寻找合适的节点位置
1.1初始化,假设N为3DMR的根节点。
1.2判断N是否是合适的节点,如果N是建筑群组,则需要判断三维模型处于城市形态学的对应的索引层次,找到合适的节点R,并以根节点生成新的树,添加到原始的树中。如果N为单个模型,则需要找到合适的R树节点。
1.3选择合适的子树。这里主要探讨单独模型的索引构建,需要对模型判断其约束条件,如果有多个候选节点,则从体积最少的R树开始判断。这里还需要判断其是否是属于一个群组中还是单个的节点,主要根据该三维模型和邻近的模型的高度进行判断。
2)将新的对象加到索引节点
2.1如果是单个模型是地标模型,而且节点有空位,则该节点放到对应的节点上。需要注意保持三维模型的重叠体积最少的约束,存在节点分裂和合并操作,具体的操作参考龚俊et al.(2011)龚俊,龚俊,朱庆et al.(2011)提出的方法,对根节点进行综合考虑。
2.2如果单个模型落到三维群组中,需要调整合并之后的三维模型的几何和纹理特征,同时在群组内部进行重新分裂和合并,和2.1方法相似,需要保持重叠体积约束,同时还要保证三维模型的节点的数目的限制。
4)生成新的根节点,调整分辨率的维度。
由于节点的分裂,三维模型的的分辨率维护会发生变化,如果节点的数目超过N,则需要生成新的根节点,原始的根节点分裂为2个节点,并作为原始节点的子节点。则对应的3DMR树下移一层,增加树的层数。
图8表示基于城市形态学与R树的三维模型索引,首先通过水系和道路对三维模型进行初步的划分,图8a所示为三维模型所在区域的水系特征,图8b所示为三维模型的道路网和建筑模型,从图中可以看出利用水系和道路,将三维模型采用自然因素的划分,更符合人类的视觉习惯,而且不存在规则网格使三维模型边线上有大量的相交的模型的情况,对于形态学划分之后的内部的模型采用扩展R树对三维模型进行索引。
本发明提出的3DMR索引,在可视化的过程中,首先根据分块的外包框信息和视点的位置,选择要加载的三维模型的大区域,再逐步判断其子节点,根据模型在屏幕上的投影距离选择需要合适细节层次的三维模型,这样避免了计算每个模型的离视线的长度,节约了时间,而且可以保证可视化的过程中,离视点近的模型加载详细的结构,符合视觉的习惯。本发明的三维索引是为可视化服务,可以很好的满足三维模型可视化的需求。
进一步的,在三维模型查询的过程中,通过要查询的范围,首先可以判断大致的区域,再逐步判断对应的小区或者群组。通过本发明分层次的自然划分方式,符合人工建筑物的语义分类方式,一个小区的房屋的语义特性一般具有相似的特征,可以将三维模型的语义特征整合3DMR索引中,加快通过三维模型的语义信息进行查询和检索的速度。而且可以和上一章的三维模型的聚类合并和化简的结合起来,从而加快大规模城市三维模型的可视化。
Claims (9)
1.一种基于城市形态学和R树的三维模型索引方法,包括以下步骤:
S1:选取城市一待处理地区,基于城市形态学原理,将自然要素作为该待处理地区三维模型的分块层次依据,构建该待处理地区的区域自然网格,所述自然要素包括道路和水系;
S2:利用三维空间数据层次索引方法3DMR对分块数据进行索引编码,通过引入多分辨率的维度,利用树的深度来反映空间数据多尺度表达中的分辨率变化;
3DMR索引是在三维R树的基础上进行扩展,设M为节点中单元的最大数目,N为非根节点的中单元格个数的下限,其中,1≤N≤m/2,则3DMR索引的内容如下:
1)每个单元节点的个数为N和M之间,除非它为根节点;
2)根结点最少有两个孩子节点,除非它是叶子结点;
3)允许空间对象位于非叶节点的单元,节点的基本表示形式为(I,PointerToChild,3DObjectID),如果PointerToChild为空,则表示节点存储的是三维模型对象信息,其中I是空间对象的最小包含矩形,3DObjectID指示的是三维模型对象,或者三维对象单元;如果PointerToChild不为空,表示节点为3DMR树的分支节点,I是包含其所有子结点的最小包含矩形,或者对应合并之后的三维模型;3DobjectID表示的是其子结点的综合结果;如果其值为null,表示其节点综合结果没有产生;
4)树的深度表示三维模型的多尺度表达的分辨率,从根节点开始,越往下细节层次越详细;
5)每个非空间对象结点在地理区域划分上包括其子节点,即综合操作不能在同一层次上跨节点操作;
S3:采用三维模型合并算法,对三维模型进行分块处理;
S4:对于块内的三维模型采用R树对三维模型进行组织,从而形成三维多分辨率组织结构,最终形成3DMR树。
2.根据权利要求1所述的基于城市形态学和R树的三维模型索引方法,其特征在于:步骤S1中,分块构建的自然网格分为“Urban”、“neigh-bourhood”、“Superblock”、“block”和“enclave”五个层次,使不同层次的分块对应不同的索引,索引的级别根据城市的规模的大小而设定,最大为5级,最小为1级。
3.根据权利要求1所述的基于城市形态学和R树的三维模型索引方法,其特征在于:步骤S4中,三维模型在建立3DMR索引时,对于不同的视点位置,对应不同的LOD级别,使三维模型在更新的时候能够找到对应的模型。
4.根据权利要求1所述的基于城市形态学和R树的三维模型索引方法,其特征在于:步骤S3中,所述三维模型合并算法是采用模型和纹理分开合并方法,将多个模型合并为一个模型,同时多个纹理也合并为一个纹理。
5.根据权利要求1所述的基于城市形态学和R树的三维模型索引方法,其特征在于:步骤S4中,3DMR树的索引示意图中,纵向坐标表示空间分辨率轴,横向坐标表示空间坐标轴。
6.根据权利要求2所述的基于城市形态学和R树的三维模型索引方法,其特征在于:索引构建时,对于低级别的三维模型自底向上构造三维多分辨率R树,按照空间区域,自左向右、自上而下开始对三维模型进行遍历。
7.根据权利要求6所述的基于城市形态学和R树的三维模型索引方法,其特征在于:首先根据合并之后的三维模型和单独的三维模型构造R树,其次对合并之后三维模型的原始模型进行合并和构造三维索引,最后扩展三维R树,对应三维的不同LOD,每个节点都包含一个三维模型对象。
8.根据权利要求4所述的基于城市形态学和R树的三维模型索引方法,其特征在于:3DMR树的插入算法包括以下几个步骤:1)为新的模型对象寻找合适的节点位置;2)将新的对象加到索引节点;3)调整新的对象;4)生成新的根节点,调整分辨率的维度。
9.根据权利要求4所述的基于城市形态学和R树的三维模型索引方法,其特征在于:步骤1)中,包括以下步骤:
1.1初始化,假设N为3DMR的根节点;
1.2判断N是否是合适的节点,如果N是建筑群组,则需要判断三维模型处于城市形态学的对应的索引层次,找到合适的节点R,并以根节点生成新的树,添加到原始的树中。如果N为单个模型,则需要找到合适的R树节点;
1.3选择合适的子树,需要对模型判断其约束条件,如果有多个候选节点,则从体积最少的R树开始判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911154134.8A CN111427978B (zh) | 2019-11-22 | 2019-11-22 | 基于城市形态学和r树的三维模型索引方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911154134.8A CN111427978B (zh) | 2019-11-22 | 2019-11-22 | 基于城市形态学和r树的三维模型索引方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111427978A CN111427978A (zh) | 2020-07-17 |
CN111427978B true CN111427978B (zh) | 2023-07-07 |
Family
ID=71545984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911154134.8A Active CN111427978B (zh) | 2019-11-22 | 2019-11-22 | 基于城市形态学和r树的三维模型索引方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111427978B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348960B (zh) * | 2020-11-27 | 2024-05-07 | 中国人民解放军空军工程大学 | 一种适用于全球空间范围的空域冲突检测方法 |
CN113901156B (zh) * | 2021-09-08 | 2024-05-10 | 燕山大学 | 三维自适应网格r+树混合索引构建、维护、查询方法 |
CN114168530A (zh) * | 2021-12-10 | 2022-03-11 | 深圳市毕美科技有限公司 | 三维数据的存储方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923542A (zh) * | 2009-06-12 | 2010-12-22 | 如临其境创意(上海)有限公司 | 一种用于网络多维空间数据表达的MDDRQ-Tree索引结构 |
CN103093499A (zh) * | 2012-12-26 | 2013-05-08 | 深圳先进技术研究院 | 一种适用于网络传输的城市三维模型数据组织方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100418092C (zh) * | 2006-02-20 | 2008-09-10 | 南京联创科技股份有限公司 | 海量数据内存数据库中快速定位的网格+t树索引的方法 |
-
2019
- 2019-11-22 CN CN201911154134.8A patent/CN111427978B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923542A (zh) * | 2009-06-12 | 2010-12-22 | 如临其境创意(上海)有限公司 | 一种用于网络多维空间数据表达的MDDRQ-Tree索引结构 |
CN103093499A (zh) * | 2012-12-26 | 2013-05-08 | 深圳先进技术研究院 | 一种适用于网络传输的城市三维模型数据组织方法 |
Non-Patent Citations (1)
Title |
---|
赖广陵 ; 童晓冲 ; 丁璐 ; 秦志远 ; .三维空间格网的多尺度整数编码与数据索引方法.测绘学报.2018,(07),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111427978A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111427978B (zh) | 基于城市形态学和r树的三维模型索引方法 | |
De Floriani et al. | Applications of computational geometry to geographic information systems. | |
CN113515525A (zh) | 一种基于全球多尺度格网的空间数据组织方法 | |
CN109118588B (zh) | 一种基于块分解的彩色lod模型自动生成方法 | |
CN102306180A (zh) | 一种基于海量激光雷达栅格点云数据的建模方法 | |
CN101923542A (zh) | 一种用于网络多维空间数据表达的MDDRQ-Tree索引结构 | |
CN112287138A (zh) | 一种城市信息模型的组织调度方法、装置和设备 | |
KR20100136604A (ko) | 3차원 지형 영상 실시간 가시화 시스템 및 이의 방법 | |
CN113269870B (zh) | 一种基于三维剖分网格的多分辨率数字地形集成方法 | |
CN101692230A (zh) | 顾及多细节层次的三维r树空间索引方法 | |
CN102073981A (zh) | 一种关联要素限制下的点群地理实体选取方法 | |
CN103077549A (zh) | 一种基于kd树的实时大规模地形可视化实现方法 | |
CN114926602B (zh) | 基于三维点云的建筑物单体化方法及系统 | |
CN113268557B (zh) | 一种适应显示导向型可视化分析的快速的空间索引方法 | |
CN115408382B (zh) | 面向大规模卫星数据的矢量空间信息网格化存储管理方法 | |
CN114820975B (zh) | 基于全要素参数符号化的三维场景仿真重构系统及方法 | |
Guo et al. | A geographic meshing and coding method based on adaptive Hilbert-Geohash | |
CN109885638B (zh) | 一种三维立体空间索引方法及系统 | |
CN112687007B (zh) | 一种基于lod技术的立体网格图生成方法 | |
Angelo | A brief introduction to quadtrees and their applications | |
Zhu et al. | CyberCity GIS (CCGIS): integration of DEMs, images, and 3D models | |
Ogayar-Anguita et al. | Nested spatial data structures for optimal indexing of LiDAR data | |
CN117851695A (zh) | 一种基于地理格网和图数据库的时空索引方法 | |
Kidner et al. | Multiscale terrain and topographic modelling with the implicit TIN | |
CN116775971A (zh) | 基于退化四叉树的时空网格索引查询方法和系统 |
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 | ||
CB02 | Change of applicant information |
Address after: 100830 No. 28 Lianhuachi West Road, Haidian District, Beijing Applicant after: CHINESE ACADEMY OF SURVEYING AND MAPPING Applicant after: CHINA ACADEMY OF ELECTRONICS AND INFORMATION TECHNOLOGY OF CETC Address before: 100041 No.11, Shuangyuan Road, Badachu hi tech park, Shijingshan District, Beijing Applicant before: CHINA ACADEMY OF ELECTRONICS AND INFORMATION TECHNOLOGY OF CETC Applicant before: CHINESE ACADEMY OF SURVEYING AND MAPPING |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |