CN111445565A - 一种基于视距的多源空间数据集成展示方法及装置 - Google Patents
一种基于视距的多源空间数据集成展示方法及装置 Download PDFInfo
- Publication number
- CN111445565A CN111445565A CN202010214959.0A CN202010214959A CN111445565A CN 111445565 A CN111445565 A CN 111445565A CN 202010214959 A CN202010214959 A CN 202010214959A CN 111445565 A CN111445565 A CN 111445565A
- Authority
- CN
- China
- Prior art keywords
- scale
- data
- spatial
- distance
- space
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种基于视距的多源空间数据集成展示方法及装置,属于多源空间数据集成领域,采集多源空间数据,提取对应的空间尺度;依据基于视距的空间尺度转换模型对多源空间数据进行数据转换,得到基于视距尺度的空间数据;采用对象‑形态‑样式的三层结构的数据存储模型进行存储,对象的空间范围采用对象尺度树描述,确定该对象尺度树的左、右边界;确定需要完全观测的观测对象、观测对象的形态、观测对象初始的视距范围以及观测对象在对象尺度树中的深度,移动观测器,根据深度变化,按照该深度对应的观测对象形态进行展示,解决了现有空间数据的空间尺度不统一,划分依据取决于显示效果、与正常空间认知过程不一致的问题。
Description
技术领域
本发明涉及一种基于视距的多源空间数据集成展示方法及装置,属于多源空间数据集成领域。
背景技术
随着科技的发展,人们对现实世界的观测手段日益增多,除传统空间数据4D产品之外,倾斜摄影,BIM(Building Information Modeling)等新的空间数据类型不断出现,从宏观宇宙到楼房部件,空间数据的尺度范围不断扩展,如何高效地管理不同类型及不同尺度的空间数据一直是GIS学科的难题之一,也直接影响到空间数据的显示、分析与应用。而空间尺度集成正是解决该问题的关键,所谓空间尺度集成就是以面向对象的思想建立不同类型、不同尺度间数据的匹配关系,即将不同类型的空间数据尺度统一到GIS空间模型尺度的过程。
目前,现有GIS针对不同数据类型的空间尺度转换与多尺度存储与索引开展了大量的工作。但是,但是仍然存在以下不足:(1)基于缩放级别的空间尺度集成主要是从计算机的角度进行研究的,空间尺度的划分与调度取决于显示效果,缺乏对空间认知过程的考虑;(2)不同类型空间尺度表示方法尺度划分标准不一致,集成时存在大量空间尺度冲突的情形,需要花大量时间进人工处理;(3)尺度的范围局限于地表,当GIS空间尺度向太空、室内扩展时,需要变换场景与尺度概念,无法进行多尺度分析。
发明内容
本发明的目的是提供一种基于视距的多源空间数据集成展示方法及装置,以解决现有技术中存在的空间数据的空间尺度不统一,划分依据取决于显示效果、与正常空间认知过程不一致的问题。
为实现上述目的,本发明的技术方案为:本发明提供了一种基于视距的多源空间数据集成展示方法,包括如下步骤:
1)采集多源空间数据,提取所述多源空间数据对应的空间尺度;所述空间尺度包括比率尺度和级别尺度;
2)建立基于视距的空间尺度转换模型,依据所述基于视距的空间尺度转换模型对多源空间数据进行数据转换,得到基于视距尺度的空间数据;
3)将转换后的空间数据采用对象-形态-样式的三层结构的数据存储模型进行存储,该数据存储模型采用面向对象的数据结构,对象的形态是对象实例化后的形状或形式,对象的样式是对象空间形态渲染的标准;
4)对象的空间范围采用对象尺度树描述,该对象尺度树以对象的可分辨视距为右边界,以人眼成焦的最小距离为左边界;
5)在对象尺度树中确定需要完全观测的观测对象以及观测对象的形态,得到观测对象初始的视距范围以及观测对象在对象尺度树中的深度,根据观测器的移动,确定观测对象在对象尺度树中的深度,根据深度变化,按照该深度对应的观测对象形态进行展示。
本发明通过建立多源空间数据的空间尺度与视距尺度的转换模型,利用该模型将多源空间数据尺度统一换算,从而实现多源空间数据的统一,然后将空间数据按照对象-形态-样式的三层结构的数据存储模型进行存储,并利用对象尺度树描述对象的空间范围,通过确定观测对象在尺度树中的深度,观测器的移动位置,将对应深度的观测对象形态进行展示。本发明从空间认知方面出发,基于视觉认知规律,利用视距来度量空间尺度,使最终的表达效果更加符合认知过程,同时,基于视距与比率尺度和级别尺度的转换模型,对不同类型的空间数据进行尺度逻辑统一,为空间数据的多尺度调度提供全局统一且连续的衡量标准,实现了空间数据多尺度统一展示。
进一步的,所述步骤4)中的可分辨视距通过最小包围盒与人眼观测角分辨率计算得到,计算公式如下:
L=Sθ0
其中,L为对象细节层次限度范围,通过对象的最小包围盒确定,S为观测距离,θ0为人眼观测角分辨率。
进一步的,所述步骤5)中,通过采用平截头体在对象尺度树中的位置设定对所述观测对象形态进行展示,包括以下三个步骤:
s1:根据观测对象的形态、初始的视距范围以及在对象树中的深度以及观测器类型确定所述平截头体在对象尺度树中的位置,进行三维立体求交运算,得到初始展现对象集;
s2:计算平截头体的顶点与对象集中每个对象的距离,根据对象尺度树索引,确定展示对象的详细程度;
s3:绘制所述对象对应详细程度的形态进行展示。
进一步的,所述基于视距的空间尺度转换模型包括:基于视距的级别尺度转换模型:
Siθ0∝(Li+1)
其中,Li代表数据级别尺度,取值为0~N的整数,Si代表该级别尺度对应的视距尺度,θ0代表该视距尺度类型下认知主体空间分辨率。
进一步的,所述基于视距的空间尺度转换模型还包括:基于视距的比率尺度转换模型:
其中,Ri代表比例尺度,S0代表认知主体与显示介质的距离,Si代表该比例尺度对应的视距测量尺度。
进一步的,所述空间数据包括:矢量地图数据、栅格影像数据、地形数据和三维模型数据。
本发明还提供了一种基于视距的多源空间数据集成展示装置,包括处理器和存储器,所述存储器中存储有计算机程序,所述计算器执行所述计算机程序,以实现如下步骤:
1)采集多源空间数据,提取所述多源空间数据对应的空间尺度;所述空间尺度包括比率尺度和级别尺度;
2)建立基于视距的空间尺度转换模型,依据所述基于视距的空间尺度转换模型对多源空间数据进行数据转换,得到基于视距尺度的空间数据;
3)将转换后的空间数据采用对象-形态-样式的三层结构的数据存储模型进行存储,该数据存储模型采用面向对象的数据结构,对象的形态是对象实例化后的形状或形式,对象的样式是对象空间形态渲染的标准;
4)对象的空间范围采用对象尺度树描述,该对象尺度树以对象的可分辨视距为右边界,以人眼成焦的最小距离为左边界;
5)在对象尺度树中确定需要完全观测的观测对象以及观测对象的形态,得到观测对象初始的视距范围以及观测对象在对象尺度树中的深度,根据观测器的移动,确定观测对象在对象尺度树中的深度,根据深度变化,按照该深度对应的观测对象形态进行展示。
本发明通过建立多源空间数据的空间尺度与视距尺度的转换模型,利用该模型将多源空间数据尺度统一换算,从而实现多源空间数据的统一,然后将空间数据按照对象-形态-样式的三层结构的数据存储模型进行存储,并利用对象尺度树描述对象的空间范围,通过确定观测对象在尺度树中的深度,观测器的移动位置,将对应深度的观测对象形态进行展示。本发明从空间认知方面出发,基于视觉认知规律,利用视距来度量空间尺度,使最终的表达效果更加符合认知过程,同时,基于视距与比率尺度和级别尺度的转换模型,对不同类型的空间数据进行尺度逻辑统一,为空间数据的多尺度调度提供全局统一且连续的衡量标准,实现了空间数据多尺度统一展示。
进一步的,所述步骤4)中的可分辨视距通过最小包围盒与人眼观测角分辨率计算得到,计算公式如下:
L=Sθ0
其中,L为对象细节层次限度范围,通过对象的最小包围盒确定,S为观测距离,θ0为人眼观测角分辨率。
进一步的,所述步骤5)中,通过采用平截头体在对象尺度树中的位置设定对所述观测对象形态进行展示,包括以下三个步骤:
s1:根据观测对象的形态、初始的视距范围以及在对象树中的深度以及观测器类型确定所述平截头体在对象尺度树中的位置,进行三维立体求交运算,得到初始展现对象集;
s2:计算平截头体的顶点与对象集中每个对象的距离,根据对象尺度树索引,确定展示对象的详细程度;
s3:绘制所述对象对应详细程度的形态进行展示。
进一步的,所述基于视距的空间尺度转换模型包括:基于视距的级别尺度转换模型:
Siθ0∝(Li+1)
其中,Li代表数据级别尺度,取值为0~N的整数,Si代表该级别尺度对应的视距尺度,θ0代表该视距尺度类型下认知主体空间分辨率。
进一步的,所述基于视距的空间尺度转换模型还包括:基于视距的比率尺度转换模型:
其中,Ri代表比例尺度,S0代表认知主体与显示介质的距离,Si代表该比例尺度对应的视距测量尺度。
进一步的,所述空间数据包括:矢量地图数据、栅格影像数据、地形数据和三维模型数据。
附图说明
图1是本发明方法实施例中的方法流程示意图;
图2是本发明方法实施例中的基于自然法则的物理基础示意图;
图3是本发明方法实施例中的基于自然法则的定量表达示意图;
图4(a)是本发明方法实施例中的在二维空间中GIS多尺度建模中的实例化原理图;
图4(b)是本发明方法实施例中的在三维空间中GIS多尺度建模中的实例化原理图;
图5是本发明方法实施例中的基于视距的空间数据度量与集成原理图;
图6(a)是本发明方法实施例中的对场景中可见对象的细节分层简化示意图;
图6(b)是本发明方法实施例中的视距尺度与级别尺度的转换关系原理图;
图7(a)是本发明方法实施例中的比率尺度对应金字塔结构与实地对应区域长度对比图;
图7(b)是本发明方法实施例中的视距尺度与比率尺度的转换关系原理图;
图8是本发明方法实施例中的多粒度的对象尺度树
图9是本发明方法实施例中的平截头体初始化结构图;
图10是本发明方法实施例中的观测器移动时对象尺度树中深度变化示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
本发明的方法实施例:
本发明提出的基于视距的多源空间数据集成展示方法实质是根据“近清晰范围窄、远模糊范围广”的视距规律来统一组织和调度多尺度空间数据,在概念上等同于对空间数据进行了一次逻辑剖分与数据再组织,从而将视距作为多源空间数据的统一表示方式,实现各种空间数据的统一展示,其技术原理如图1所示,具体过程如下:
首先,本发明技术方案的前提是基于视距的空间尺度表示方法。该原理如下:
李志林在1993年通过在不同高度观察地球表面的影像的例子说明了空间对象的复杂度随着空间尺度的变化而变化的现象,他将这一现象总结为自然法则,该法则描述为“一个具体的空间尺度下,空间对象的变化细节层次是有限的,超过该限度,所有细节均不可见,可以忽略”。
由该法则可知,对象的空间尺度与对象的细节层次限度有关系,而对象细节层次限度受制于认知主体(人或各类光学设备)的空间分辨率,也就是说,对象认知的空间尺度应以认知主体的空间分辨能力为准,而不是以已有数据的空间尺度(比例尺、分辨率等)为标准。
从物理学的角度来说,不管是人眼还是各种光学传感器,都是基于光学成像原理。利用瑞利准则,可以对光学分辨率进行计算,计算公式为:
式中R为像元最小分辨距离,θ0为最小分辨角(单位为弧度),λ为光线的波长,d为镜头的孔径,l为像距。
由公式(2)可知,对应于一个特定的认知主体,能识别的光线波长λ与孔径d均在一定的范围,其极限空间分辨率θ0固定,在固定的极限空间分辨率下,超过特定的观测距离,物体的细节会因为像斑的互相干扰而不可分辨,如图2所示,这也正是自然法则的物理基础。
基于这一物理基础,我们可以得到自然法则的定量表达,如图3所示。用公式表达为:
L≈Sθ0 (4)
其中,L为对象细节层次限度范围,S为观测距离,θ0为认知主体观测角分辨率。本实施例中,公式(3)(4)中直接取等号,作为其他实施方式,也可以选取设定的精度,例如0.1%,根据公式(3)(4)按照该精度进行运算。
基于公式(4),我们可以得知,在认知主体限定时(一般限定为人),对象的细节层次限度与观测距离直接相关,也即是说,认知空间尺度取决于观测距离。应用于GIS多尺度建模,那么GIS数据的空间尺度也应取决于观测距离,即在二维空间中,超过一定的观测距离,小面积内的空间变化可以忽略,数据实例化为栅格点,如图4(a);在三维空间中,超过一定的观测距离,小体积内的空间变化可以忽略,数据实例化为体元,如图4(b)所示。
因此,多源空间数据尺度集成,相较于比例尺、分辨率、LOD(视觉层次,Level ofDetail)级别等空间尺度表示方法,将视距作为空间尺度集成的标准更能反映空间尺度本质,对此,本实施例中提出基于视距的空间尺度表示方法,将其作为多源空间数据尺度集成的量尺。
因而,本实施例中,基于视距的空间尺度表示方法设计的基本思路是:(1)对象某一细节层次存在被感知的最远距离,该距离取决于该细节层次空间大小及认知主体的观测极限分辨率;(2)小于该极限距离,可以感知更加详细的细节,但是存在对象细节层次被感知的最近距离,该距离取决于认知主体的成像焦距以及观测范围,小于2倍焦距或超出观测范围,该细节层次不可见;(3)在实际应用时,观测范围与显示介质(屏幕大小)相关,可以不作为预设量进行表示;(4)距离在不同的尺度域,量纲级别不一样,在宏观领域,距离量纲为公里、光年等,在微观领域,距离量纲为分米、厘米等。
本实施例中,基于视距的空间尺度表示方法用极限观测距离S以及类型T来表征空间尺度,用公式表达为:SightScale=(S,T)
其中,类型T用以表达视距量纲、认知主体相关参数和唯一编码,如下所示是用JSON伪代码对类型T的定义:
不难发现,不同于传统三维GIS中的相机高度,本实施例中提出基于视距的空间尺度表示方法,是从空间认知过程的定量模拟出发,记录对于特定的认知主体,地理对象某一细节层次(某一空间尺度下的数据)能被感知的距离,而三维GIS中LOD模型最远最近观测距离,更多的是从提高计算机显示效率角度出发,用于控制当前场景的三角面片渲染数量。对于GIS多尺度空间数据集成而言,核心工作是利用现有空间数据来建立数字世界的多尺度表达模型,通过该模型的可视化和时空分析,让用户获得对现实世界在不同空间尺度上的正确认知。
一、采集多源空间数据,提取所述多源空间数据对应的空间尺度。
本实施例中的空间尺度以比率尺度和级别尺度为例。作为其他实施方式,也可以采用其他类型的空间尺度。在地理信息系统领域,这两种类型的空间尺度字类很多,包括比例尺,分辨率等等等。本实施例中主要解决尺度量纲的统一与换算,以及应用问题。
本实施例中,基于视距的空间尺度表示方法能实现空间尺度表达的统一性、连续性和扩展性,这是多源数据空间尺度集成的基础。为了实现基于视距的多源空间数据尺度集成,需要进一步解决解决多种类型的传统空间尺度表示方法与基于视距的空间尺度表示方法的逻辑转换。
常见的GIS空间数据包括:矢量地图数据、栅格影像数据、地形数据(DEM)和三维模型数据。对应于各种类型的数据,其空间尺度表示方法和分类如表1所示:
表1:不同类型的空间尺度表示方法与分类
二、建立基于视距的空间尺度转换模型,依据所述基于视距的空间尺度转换模型对多源空间数据进行数据转换,得到基于视距尺度的空间数据。如图5所示,本实施例中关于基于视距的空间尺度数据集成原理。
通过上述对不同空间数据的分类,需要解决的转换关系包括视距尺度与比率尺度、级别尺度的转换,为了直观表达视距尺度与比率尺度、级别尺度的转换关系,本实施例中给出了基于视距的空间尺度转换模型,包括视距尺度与级别尺度的转换模型以及视距尺度与比率尺度的转换模型。
(1)视距尺度与级别尺度的转换模型
事实上,级别尺度是基于空间认知的“远模糊,近详细”原则,对场景中可见几何对象的多边形细节进行分层简化,如图6(a)所示。这种简化与比率尺度不同之处在于:只是为了体现一种视觉等级,没有比率尺度的定量的化简关系。基于自然法则的定量表达,即上述公式(3)(4),得出视距与级别的转换模型,如图6(b)所示。本实施例中的场景,是地理空间对象展现的场合和环境(例如,二维场景,房子,铁路等地理对象在平面显示,这个平面可认为是场景,三维场景,建筑,各种模型在三维地球或者太空进行显示,地球太空以及模拟的光照和天气就是三维场景)。
视距尺度与级别尺度转换模型用公式表达为:
Siθ0∝(Li+1) (5)
其中,Li代表数据级别尺度,取值为0~N的整数。Si代表该级别尺度对应的视距尺度,θ0代表该视距尺度类型下认知主体空间分辨率。
例如,将转换模型应用于CityGML LOD级别与视距的转换,CityGML LOD级别规定如表2所示:
表2:CityGML LOD级别规定
根据表2中的数据,可知不同LOD级别模型最小细节层次MBR短边,比如LOD1中的6m,通过公式(4)进行计算相应视距尺度,计算公式如下:
Siθ0=Lmin (6)
其中,Lmin代表最小细节层次MBR短边距离,θ0代表该视距尺度类型下认知主体空间分辨率。
(2)视距尺度与比率尺度的转换模型
本实施例中,比率尺度可看作对实地进行等比缩放,而形成的一种空间尺度金字塔结构,如图7(a)所示,比率尺度等于每一级金字塔与实地对应区域长度之比,也等于金字塔尖到每一级金字塔与金字塔尖到实际地面距离之比。假设认知主体处于金字塔尖,那么可以得到视距与比率尺度的转换相似三角模型,如图7(b)所示。
视距尺度与比率尺度的转换模型用公式表达为:
其中,Ri代表数据比率尺度,S0代表认知主体与显示介质(地图/屏幕等)的距离,Si代表该比率尺度对应的视距尺度。
将转换模型应用于地图比例尺与视距的换算,可以得到如下转换关系:
其中,S0代表认知主体与地图的距离,Si代表不同地图比例尺对应的视距尺度。Si的求取需要预先计算S0,根据公式(4),我们可以得出:
L0=S0θ0 (9)
其中,L0代表地图符号最小分辨间隔,θ0代表认知主体空间分辨率。
根据地形图图式中国国家标准,符号最小距离不小于0.3mm,认知主体为人,极限空间分辨率为3′(10-3弧度),可以求得S0=0.3M,这与实际使用情况相符,而将S0代入公式(8),即可得到纸质环境下地图比例尺与视距尺度的换算关系。
将转换模型应用于遥感影像分辨率与视距尺度的换算,可以得到如下转换关系:
其中,S0代表认知主体与影像的距离,Si代表不同影像分辨率对应的视距尺度,L0指像元物理大小,DPI代表影像像素密度,Resolution代表影像分辨率。
同理,S0可以基于自然法则进行计算,根据公式(4),我们可以得到:
ψL0=S0θ0 (11)
与地图比例尺不同的是,像素DPI过高时,S0过小,会小于人眼成像最小距离(2倍焦距),结合实际使用距离的影响,实际使用时,我们分辨的像元数需要乘以一定的权重ψ(整数)以满足最小成像距离。
例如,windows默认程序DPI为96,像素单元大小L0为0.26mm,对于系统默认的DPI,普通屏幕下(屏幕DPI与系统默认的DPI相等),可以得到:
结合公式(10-12)便可以得到在电子显示环境下影像分辨率与视距尺度的换算关系。
三、为了实现不同空间尺度数据的统一展示,本实施例中还建立了基于视距的多尺度数据存储模型。
基于视距的空间尺度转换模型能够解决不同类型空间数据集成时的空间尺度逻辑统一,但是,不同类型的空间数据集成的具体实现还需要解决多源空间数据物理集中时的存储问题,具体而言,包括:(1)如何统一存储矢量、栅格、地形、三维等多种类型的空间数据;(2)如何在数据层面以基于视距的空间尺度表示方法记录空间尺度;(3)如何以基于视距的空间尺度表示方法对多源空间数据尺度进行统一管理调度。
针对这一问题,本实施例中设计了“对象-形态-样式”三层结构的基于视距的多尺度数据存储模型。存储模型设计的思路是:(1)采用面向对象的数据结构,多源空间数据集成全部归一化为对象的特征进行存储;(2)对象的空间形态特征是对象实例化后的形状或形式,基于OGC SFS规范[22]进行扩展,包括点、线、表面,几何组合、三角网、规则几何体以及矢量场,用以集成矢量数据、地形数据、三维模型与各种场数据;(3)空间形态的样式是对象空间形态渲染的标准,类型包括OGC SLD(用以渲染基本几何对象)、OGC SLD CSS(用以渲染WFS对象)、MapBox CSS(矢量切片服务)、Sever(地图切片服务、遥感影像服务)、Texture(三维纹理),用以集成各种类型的栅格数据、地图符号数据以及三维纹理数据。(4)对象记录自身空间范围,空间形态和空间形态样式以基于视距的空间尺度表示方法记录空间尺度,集成后按尺度排序生成对象尺度树。
用伪代码对基于视距的多尺的空间数据模型表示如下:
四、通过上述数据存储模型,将对象的空间范围采用对象尺度树进行描述,并定义了该对象尺度树的左、右边界。
不同粒度的对象有不同的空间尺度范围(空间尺度域)。对象的空间形态是对象实例化后的形状或形式,每一类型的空间形态具有自身的空间尺度域,且该空间尺度域为对象空间尺度域的子集。对象空间尺度域的子集是对象空间形态的空间尺度域,具体可参见附图8中,每一段标尺代表一个对象的空间尺度域,其子集,标尺中间的几段分隔,代表空间形态尺度域。基于这一观念,我们建立对象尺度树如图8所示:
其中,每一个对象,通过最小包围盒(MBR)与人眼观测分辨率,利用自然法则的定量表达(公式(3)(4))计算得到对象可分辨视距,超过此距离,对象形态为点,点形态的显示视距取决于对象的重要程度,与认知主体分辨能力无关,对象可分辨视距加上对象重要性加权作为对象尺度树的右边界。本实施例中,加权就是可分辨视距基础上加上一定的数值。
对象每一类型的空间数据可通过空间数据尺度与视距的换算关系,计算该类空间形态的可分辨视距,作为该类空间形态尺度域的右边界。
对象尺度树的最近观测距离应该是人眼成焦最小距离(一般为0.02m),小于此距离时,对象应该作消失处理,因此认知主体的两倍焦距可作为对象尺度树的左边界。
五、根据对象尺度树对需要完全观测的观测对象的空间形态进行展示。在对象尺度树中确定需要完全观测的观测对象以及观测对象的形态,得到观测对象初始的视距范围以及观测对象在对象尺度树中的深度,根据观测器的移动,确定观测对象在对象尺度树中的深度,根据深度变化,按照该深度对应的观测对象形态进行展示。对于三维场景,观测器的移动可以更好地观看该场景的其它对象,这个操作是最基本也是必需的移动后,观测器与观测对象的视距缩小,观测的形态细节会更加丰富。观测器移动后,如果对象大小超出观测器视景窗大小,就是局部显示。
建立了对象的尺度树,在实际展示时,本文采取的策略如图9-10所示,本实施例中,利用平截头体对需要观测的观测对象的形态进行展示,步骤包括以下步骤:
第一步,确定初始场景。确定需要完全观测的对象以及对象形态,以此为依据初始化平截头体远截面视距L2。依据平截头体参数,得到初始的视距范围以及在对象树中深度,进行三维立体求交运算,得到初始展现对象集,如图9所示。
第二步,对象尺度动态搜索。计算平截头体的顶点与对象集中每个对象的距离,根据对象尺度树索引,确定展示对象的详细程度;随着观测器的移动,平截头体在对象尺度树中的位置随之移动,初始对象显示范围与形态发生变化,可探测的对象类型也随之发生变化。这时候,不需要再用三维空间数据计算公式重新计算观测点到场景内所有对象的距离,只需要进行增量移动与更新,得到对象尺度树中对应的深度变化即可,如图10所示。
第三步,绘制所述对象对应详细程度的形态进行展示。
因此,实现了对观测对象形态的展示。
本发明的装置实施例:
本实施例中给出了一种基于视距的多源空间数据集成展示装置,包括处理器和存储器,存储器上存储有用于在处理器上运行的计算机程序,处理器可以采用单片机、FPGA、DSP、PLC或MCU等实现,存储器可以采用RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其他形式的存储介质,可以将该存储介质耦接至处理器,使处理器能够从该存储介质读取信息,或者该存储介质可以是处理器的组成部分。
所述处理器执行所述存储器中存储的计算机程序以实现如下方法:
1)采集多源空间数据,提取所述多源空间数据对应的空间尺度;所述空间尺度包括比率尺度和级别尺度;
2)建立基于视距的空间尺度转换模型,依据所述基于视距的空间尺度转换模型对多源空间数据进行数据转换,得到基于视距尺度的空间数据;
3)将转换后的空间数据采用对象-形态-样式的三层结构的数据存储模型进行存储,该数据存储模型采用面向对象的数据结构,对象的形态是对象实例化后的形状或形式,对象的样式是对象空间形态渲染的标准;
4)对象的空间范围采用对象尺度树描述,该对象尺度树以对象的可分辨视距为右边界,以人眼成焦的最小距离为左边界;
5)在对象尺度树中确定需要完全观测的观测对象以及观测对象的形态,得到观测对象初始的视距范围以及观测对象在对象尺度树中的深度,根据观测器的移动,确定观测对象在对象尺度树中的深度,根据深度变化,按照该深度对应的观测对象形态进行展示。
上述步骤的具体过程已在上述方法实施例中详细的说明,故此处不再赘述。
以上所述,仅为本发明的较佳实施例,并不用以限制本发明,本发明的专利保护范围以权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (7)
1.一种基于视距的多源空间数据集成展示方法,其特征在于,包括如下步骤:
1)采集多源空间数据,提取所述多源空间数据对应的空间尺度;所述空间尺度包括比率尺度和级别尺度;
2)建立基于视距的空间尺度转换模型,依据所述基于视距的空间尺度转换模型对多源空间数据进行数据转换,得到基于视距尺度的空间数据;
3)将转换后的空间数据采用对象-形态-样式的三层结构的数据存储模型进行存储,该数据存储模型采用面向对象的数据结构,对象的形态是对象实例化后的形状或形式,对象的样式是对象空间形态渲染的标准;
4)对象的空间范围采用对象尺度树描述,该对象尺度树以对象的可分辨视距为右边界,以人眼成焦的最小距离为左边界;
5)在对象尺度树中确定需要完全观测的观测对象以及观测对象的形态,得到观测对象初始的视距范围以及观测对象在对象尺度树中的深度,根据观测器的移动,确定观测对象在对象尺度树中的深度,根据深度变化,按照该深度对应的观测对象形态进行展示。
3.根据权利要求1所述的基于视距的多源空间数据集成展示方法,其特征在于,所述步骤5)中,通过采用平截头体在对象尺度树中的位置设定对所述观测对象形态进行展示,包括以下三个步骤:
s1:根据观测对象的形态、初始的视距范围以及在对象树中的深度以及观测器类型确定所述平截头体在对象尺度树中的位置,进行三维立体求交运算,得到初始展现对象集;
s2:计算平截头体的顶点与对象集中每个对象的距离,根据对象尺度树索引,确定展示对象的详细程度;
s3:绘制所述对象对应详细程度的形态进行展示。
4.根据权利要求1所述的基于视距的多源空间数据集成展示方法,其特征在于,所述基于视距的空间尺度转换模型包括:基于视距的级别尺度转换模型:
Siθ0∝(Li+1)
其中,Li代表数据级别尺度,取值为0~N的整数,Si代表该级别尺度对应的视距尺度,θ0代表该视距尺度类型下认知主体空间分辨率。
6.根据权利要求1所述的基于视距的多源空间数据集成展示方法,其特征在于,其特征在于,所述空间数据包括:矢量地图数据、栅格影像数据、地形数据和三维模型数据。
7.一种基于视距的多源空间数据集成展示装置,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述计算器执行所述计算机程序,以实现如权利要求1-6任意一项所述的基于视距的多源空间数据集成展示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214959.0A CN111445565B (zh) | 2020-03-24 | 2020-03-24 | 一种基于视距的多源空间数据集成展示方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214959.0A CN111445565B (zh) | 2020-03-24 | 2020-03-24 | 一种基于视距的多源空间数据集成展示方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445565A true CN111445565A (zh) | 2020-07-24 |
CN111445565B CN111445565B (zh) | 2022-10-25 |
Family
ID=71655808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010214959.0A Active CN111445565B (zh) | 2020-03-24 | 2020-03-24 | 一种基于视距的多源空间数据集成展示方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445565B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116595808A (zh) * | 2023-07-17 | 2023-08-15 | 中国人民解放军国防科技大学 | 事件金字塔模型构建与多粒度时空可视化方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053981A (zh) * | 2009-10-30 | 2011-05-11 | 吴立新 | 一种顾及语义的地上下集成模型的多尺度表达方法 |
CN106709067A (zh) * | 2017-01-19 | 2017-05-24 | 中国测绘科学研究院 | 一种基于Oracle数据库的多源异构空间数据流转方法 |
-
2020
- 2020-03-24 CN CN202010214959.0A patent/CN111445565B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053981A (zh) * | 2009-10-30 | 2011-05-11 | 吴立新 | 一种顾及语义的地上下集成模型的多尺度表达方法 |
CN106709067A (zh) * | 2017-01-19 | 2017-05-24 | 中国测绘科学研究院 | 一种基于Oracle数据库的多源异构空间数据流转方法 |
Non-Patent Citations (1)
Title |
---|
晏雄锋等: "空间数据连续尺度表达的矢量金字塔模型", 《武汉大学学报(信息科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116595808A (zh) * | 2023-07-17 | 2023-08-15 | 中国人民解放军国防科技大学 | 事件金字塔模型构建与多粒度时空可视化方法和装置 |
CN116595808B (zh) * | 2023-07-17 | 2023-09-08 | 中国人民解放军国防科技大学 | 事件金字塔模型构建与多粒度时空可视化方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111445565B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108919944B (zh) | 一种基于数字城市模型实现在显示端进行数据无损交互的虚拟漫游方法 | |
KR101465479B1 (ko) | 빔(bim) 기반의 건축물 데이터를 표시하는 bim데이터 처리 시스템 | |
KR101465487B1 (ko) | 건물의 외피객체를 추출하는 bim데이터 처리 시스템 | |
CN110758243A (zh) | 一种车辆行驶过程中的周围环境显示方法和系统 | |
KR20100136604A (ko) | 3차원 지형 영상 실시간 가시화 시스템 및 이의 방법 | |
CN112085840A (zh) | 语义分割方法、装置、设备及计算机可读存储介质 | |
CN114387198B (zh) | 一种影像与实景模型的融合显示方法、装置及介质 | |
CN116843845A (zh) | 一种应用于数字孪生城市的空间数据集成方法及系统 | |
Khayyal et al. | Creation and spatial analysis of 3D city modeling based on GIS data | |
JP2019185776A (ja) | 室内空間の3次元地図生成方法及び装置 | |
CN113916130A (zh) | 一种基于最小二乘法的建筑物位置测量方法 | |
CN111445565B (zh) | 一种基于视距的多源空间数据集成展示方法及装置 | |
CN113360594A (zh) | 基于数字高程模型的汇水区提取方法、装置、设备及介质 | |
CN112596032A (zh) | 气象雷达回波显示方法、装置、设备及存储介质 | |
Buck et al. | Ignorance is bliss: flawed assumptions in simulated ground truth | |
CN115035225B (zh) | 基于osg的战场威胁评估示警方法 | |
Ramirez | Maps for the future: A discussion | |
Zhang et al. | Automated visibility field evaluation of traffic sign based on 3D lidar point clouds | |
CN114638926A (zh) | 一种三维场景自动生成系统及方法 | |
CN111680118A (zh) | 一种融合图形视觉表达的系统及方法 | |
KR101661529B1 (ko) | 삼차원 시각 분석방법, 삼차원 시각 분석 프로그램, 그 프로그램이 저장된 서버 시스템 및 컴퓨터 | |
CN117669274B (zh) | 一种基于虚拟现实的洪水模拟预报方法及系统 | |
CN116824082B (zh) | 虚拟地形的绘制方法、装置、设备、存储介质及程序产品 | |
CN115082635B (zh) | 一种基于切割倾斜模型实现地理实体多态的方法及系统 | |
Sugianto et al. | 3D Modelling Building of District Johar Baru Using ArcGIS Pro and CityEngine |
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 |