CN111508074A - 一种基于屋顶轮廓线的三维建筑模型简化方法 - Google Patents
一种基于屋顶轮廓线的三维建筑模型简化方法 Download PDFInfo
- Publication number
- CN111508074A CN111508074A CN202010168992.4A CN202010168992A CN111508074A CN 111508074 A CN111508074 A CN 111508074A CN 202010168992 A CN202010168992 A CN 202010168992A CN 111508074 A CN111508074 A CN 111508074A
- Authority
- CN
- China
- Prior art keywords
- roof
- contour line
- vertex
- plane
- line
- 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
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2210/04—Architectural design, interior design
Abstract
基于屋顶轮廓线的三维建筑模型简化方法,包括:步骤1、首先提取出屋顶面的三角面片,然后用Alpha Shapes算法进行轮廓线粗提取,再将粗轮廓线进行简化和规则化;步骤2、采用改进型的RANSAC算法进行屋顶面聚类分割,然后通过内轮廓线提取方法获取屋顶面之间的邻接关系;步骤3、根据内外轮廓线之间的“顶点重合”、“虚相交”和“过相交”关系,校正每条特征线段,依次有序连接获得平面基元;步骤4、针对非平面基元,通过完整性探测方法进行处理简化成矩形等平面基元;步骤5、最后,通过恢复所有平面基元和非平面基元每个顶点的高程值,再将每个顶点分别向地面投影,然后连接相应的顶点构成最终的简化模型。本发明能够减少数据量。
Description
技术领域
本发明涉及计算机图形学领域,具体涉及一种利用计算机技术的三维建筑模型的自动简化方法,能够将倾斜摄影测量重建的三维建筑模型自动地简化为规则的建筑体,不依赖其他的先验信息。
背景技术
随着无人机的普及,倾斜摄影测量技术在测绘领域得到广泛应用。技术利用图形学中的Structure of Motion(SfM)和Multi-View Stereo(MVS)方法,通过多组无人机航拍照片重建出高精度三维城市模型,极大地推动着智慧城市的发展。典型的SfM和MVS方法首先自动提取和匹配输入图像几何每个像素点之间的特征,然后恢复出图片中内部和外部的摄像机参数,再由像素点对生成密集的3D点云模型,最后重建网格并贴上纹理。
虽然倾斜摄影测量技术能够重建出大规模逼真的三维城市建筑,但这些模型在城市规划、安防、GIS系统、虚拟现实和建筑设计等领域却难以广泛应用。其中一个重要的原因是倾斜摄影测量技术自动构建的三维建筑网格模型顶点数量庞大、噪声多,给数据存储、传输以及语义表达等诸多方面带来了难以逾越的障碍。
三维网格模型的简化是解决上述顶点数量爆炸和噪声多问题的重要途径之一。Google SketchUp等建模应用程序通过提供用户界面以手动的方式简化模型,但简化的准确性依赖于用户的技术和耐心。大量半自动和全自动的简化系统在近年来取得了一定成效,但半自动系统需要过多的人工干预,而全自动系统不是依赖先验信息(图像和视频等),就是对待简化模型有着严格的假设,比如对形状、精度等有苛刻的要求,难以大范围推广。因此,三维建筑网格模型的简化是一个亟需解决但又充满挑战的课题,一直都是计算机图形学领域的热点问题。
发明内容
本发明要克服现有技术的上述缺点,提出一种基于屋顶轮廓线的三维建筑模型简化方法。
首先,分割屋顶并提取屋顶的外轮廓线;接着,通过改进的平面拟合提取屋顶的内轮廓线;然后,根据屋顶内外轮廓线进一步组合优化拟合出屋顶平面几何基元;最后,针对屋顶中的非平面部分基元(太阳能、烟囱等),进行补充简化处理。
一种基于屋顶轮廓线的三维建筑模型简化方法,包括如下的具体步骤:
步骤1、首先提取出屋顶面的三角面片,然后用Alpha Shapes算法进行轮廓线粗提取,再将粗轮廓线进行简化和规则化;
步骤2、采用改进型的RANSAC算法进行屋顶面聚类分割,然后通过内轮廓线提取方法获取屋顶面之间的邻接关系;
步骤3、根据内外轮廓线之间的“顶点重合”、“虚相交”和“过相交”关系,校正每条特征线段,依次有序连接获得平面基元;
步骤4、针对非平面基元,通过完整性探测方法进行处理简化成矩形等平面基元;
步骤5、最后,通过恢复所有平面基元和非平面基元每个顶点的高程值,再将每个顶点分别向地面投影,然后连接相应的顶点构成最终的简化模型。
本发明的技术构思是:提出一种基于屋顶轮廓线的三维建筑模型简化方法。首先分割屋顶并提取屋顶的外轮廓线;接着通过改进的平面拟合提取屋顶的内轮廓线;然后由屋顶内外轮廓线进一步拟合出屋顶平面几何基元;最后,针对屋顶中太阳能、烟囱等的非平面部分,进行补充简化处理。本发明能够将三维建筑模型自动地简化为规则的建筑体,不依赖先验信息。
本发明的优点在于:无需借助任何其他先验信息,能够全自动地将粗糙的三维建筑模型转换为少量三角面片组成的简化三维模型,数据量平均减少到原始模型的0.25%。本发明具有精度高、效率高、稳定性好等优点,有助于打通倾斜摄影测量到智慧城市应用的最后一个数据障碍。
附图说明
图1为本发明的总的流程图。
图2a~图2c为外轮廓提取示意图,其中图2a是Alpha Shapes提取结果,图2b是最小平方法化简结果,图2c是规则化结果。
图3a~图3b为屋顶面聚类示意图,其中图3a是粗聚类结果,图3b是二次聚类结果。
图4a~图4b为屋顶面邻接关系获取的示意图,其中图4a是网格标记结果;图4b是邻接关系图。
图5为特征线段间三个问题的示意图。
图6a~d为平面基元提取的示意图,其中,图6a是平面基元1,图6b是平面基元2,图6c是平面基元3,图6d是平面基元的简化。
图7为非平面基元提取的示意图。
图8为生成的简化模型示意图。
图9a~图9c为更多的建筑模型简化结果,其中,图9a是3个屋顶面,图9b是5个屋顶面,图9c是6个屋顶面。
具体实施方式
参照附图,进一步说明本发明:
基于屋顶轮廓线的三维建筑模型简化方法,包括以下步骤:
步骤1、首先提取出屋顶面的三角面片,然后用Alpha Shapes算法进行轮廓线粗提取,再将粗轮廓线进行简化和规则化;
步骤2、采用改进的RANSAC算法进行屋顶面聚类分割,然后通过内轮廓线提取方法获取屋顶面之间的邻接关系;
步骤3、根据内外轮廓线之间的“顶点重合”、“虚相交”和“过相交”关系,校正每条特征线段,依次有序连接获得平面基元;
步骤4、针对非平面基元,通过完整性探测方法进行处理简化成矩形等平面基元;
步骤5、最后,通过恢复所有平面基元和非平面基元每个顶点的高程值,再将每个顶点分别向地面投影,然后连接相应的顶点构成最终的简化模型。
所述步骤1中,针对单幢三维网格建筑物模型,首先提取出屋顶面的三角面片。具体而言,将三角面片高度大于h,且三角面片法向量与地面法向量夹角小于θ的三角面片视作屋顶面片。h可自由调整,一般取1/2建筑物高度的值,θ取20度。
在提取完屋顶三角面片后,提取屋顶面外轮廓线。通过三角面片的邻接关系提取屋顶外轮廓线是一种普遍的三角网格轮廓线提取方法,但该方法容易将断裂的内轮廓误判为外轮廓。本文采用Alpha Shapes方法来解决这一问题。该方法是一种有效的恢复离散点集原始形状的轮廓线提取算法,提取过程等同于用一个半径为α的圆在点集周围滚动。只要参数α足够大,圆只会在点集外部滚动,不会进入点集内部引起断裂。在本发明所有实验中,α取3米。然后,对提取出的粗轮廓线进行精化,首先是简化粗糙的轮廓线,保留轮廓线的主体,拟合轮廓线的局部,用更少的线段来表示轮廓线,使化简后的轮廓线更接近实际的轮廓线;然后将轮廓线规则化,使之满足建筑物的几何特性。
所述步骤2中,提出了一种改进的RANSAC算法。具体如下,首先,将粗提取的聚类结果作为样本集S,从S中任意选择一个三角面片集合,利用局部采样方法获取样本子集S’;然后从S’任取一个三角面片作为开始,根据当前三角面片法向量和连通性判断,使用基于广度优先遍历的方法先将周围最近一圈的三角面片聚为一类,然后继续往外扩张,直至没有新的三角面片加入为止;最后,对样本集S中剩下的集合重复上述步骤,直至S中全部的集合判断结束。
其次,获取屋顶面之间邻接关系的操作方法,详细步骤说明如下:首先将所有屋顶面上的点云投影到一个水平面,对该平面上的二维点云进行网格化处理(如图4a),网格单元长度为平均点间距的2倍;然后对每个网格单元进行标记,统计每个网格单元内包含点云数量最多的屋顶面,将该屋顶面ID号作为该网格单元的标识;最后通过遍历每个网格单元,判断该网格单元八邻域内网格单元的标识符。若两个标识符不同,则这两个标识符所对应的两个屋顶面应为相邻屋顶面(如图4b)。
得到相邻屋顶面集合后,则可以计算两个屋顶面之间的内轮廓线。内轮廓线有两类:直交线段和悬交线段。其中,直交线段可以通过两平面的平面方程直接求交获取;悬交线段的计算更为复杂:首先通过将两平面先投影到一个水平面上,求出水平的候选悬交线段;然后求出该候选悬交线段所在的竖直平面方程;最后将竖直平面方程分别与两个屋顶平面方程求交,用求直交线段的方法分别求出两条悬交线段。
所述步骤3中,如图5,针对“顶点重合”、“虚相交”和“过相交”这三个问题分别进行一些形式化的定义,以便于对其进行统一处理。其中,将“顶点重合”问题定义为重合约束,是指两个顶点之间的距离小于一定的阈值;而将“虚相交”和“过相交”这两个问题定义为共线约束,是指某顶点到一特征线段的距离小于一定的阈值。如图5,AF、BG、CH和DE为待处理的特征线段,其中两个顶点A和D具有等式重合约束,应直接满足公式1;顶点B落在DE直线上,具有共线约束,应满足公式2;同理,顶点C也具有共线约束,应满足公式2。本文通过将特征线段精化问题抽象成等式约束问题来求解,校正完每条特征线段后,按照先前的聚类结果将同一个平面上的特征线段依次按序相连,获得平面基元(如图6a、b、c所示)。
(xB-xD)(yE-yD)-(xE-xD)(yB-yD)=0 (2)
其中,xA、yA分别是顶点A的x坐标和y坐标;xB、yB分别是顶点B的x坐标和y坐标;xD、yD分别是顶点D的x坐标和y坐标;xE、yE分别是顶点E的x坐标和y坐标。
所述步骤4中,非平面基元由于其形状不是一个规则的平面,大多是凹凸不平的,所以不能放在屋顶面聚类过程中一起处理提取。本发明在提取完屋顶面全部的平面基元后,对剩下的屋顶三角面片仅采用区域增长法,不考虑三角面片法向量之间的关系,进行非平面部分的连通性聚类,找出非平面基元的聚类后,本发明将此部分进行平面化处理。如图7左图,具体是先通过阈值设定,将大面积的非平面基元的聚类结果进行保留;然后如图7右上图所示通过计算当前非平面聚类的中心点O,从中心点O出发找距离最近的两条轮廓线段,且这两条线段法向量互相垂直;最后如图7右下图所示求出这两条轮廓线的交点P作为该非平面基元的一个顶点,以该顶点为起始点,向两边进行完整性探测,求出另外两个端点Q和R,最后再恢复出对角线上的顶点,将此非平面基元简化成矩形。
所述步骤5中,通过恢复所有平面基元和非平面基元每个顶点的高程值,得到具有三维坐标信息的空间平面。为了获得封闭的建筑物实体模型,将每个顶点向地面投影,然后连接相应的顶点构成几何多边形,如图8所示,类似往下挤压生成最终的简化模型。
本发明充分利用了倾斜摄影技术重建的三维建筑模型的“屋顶精度高、底部精度低”的特点,提出了一种基于屋顶轮廓线的三维建筑模型简化方法,能够将复杂的、带噪声的三维建筑网格模型简化为简单、规则的建筑模型,本发明不需要用户交互和先验信息,在精确性和鲁棒性两个方面有明显的优势。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (6)
1.基于屋顶轮廓线的三维建筑模型简化方法,包括以下步骤:
步骤1、首先提取出屋顶面的三角面片,然后用Alpha Shapes算法进行轮廓线粗提取,再将粗轮廓线进行简化和规则化;
步骤2、采用改进的RANSAC算法进行屋顶面聚类分割,然后通过内轮廓线提取方法获取屋顶面之间的邻接关系;
步骤3、根据内外轮廓线之间的“顶点重合”、“虚相交”和“过相交”关系,校正每条特征线段,依次有序连接获得平面基元;
步骤4、针对非平面基元,通过完整性探测方法进行处理简化成矩形等平面基元;
步骤5、最后,通过恢复所有平面基元和非平面基元每个顶点的高程值,再将每个顶点分别向地面投影,然后连接相应的顶点构成最终的简化模型。
2.如权利要求1所述的基于屋顶轮廓线的三维建筑模型简化方法,其特征在于:所述步骤1中具体包括:
11)针对单幢三维网格建筑物模型,首先提取出屋顶面的三角面片,将三角面片高度大于h,h取1/2建筑物高度的值,且三角面片法向量与地面法向量夹角小于θ的三角面片视作屋顶面片,θ取20度;
12)在提取完屋顶三角面片后,采用Alpha Shapes方法提取屋顶面外轮廓线;提取过程等同于用一个半径为α的圆在点集周围滚动,α取3米;
13)然后,对提取出的粗轮廓线进行精化,首先是简化粗糙的轮廓线,保留轮廓线的主体,拟合轮廓线的局部,用更少的线段来表示轮廓线,使化简后的轮廓线更接近实际的轮廓线;然后将轮廓线规则化,使之满足建筑物的几何特性。
3.如权利要求1所述的基于屋顶轮廓线的三维建筑模型简化方法,其特征在于:所述步骤2所述的改进的RANSAC算法具体如下:
21)首先,将粗提取的聚类结果作为样本集S,从S中任意选择一个三角面片集合,利用局部采样方法获取样本子集S’;然后从S’任取一个三角面片作为开始,根据当前三角面片法向量和连通性判断,使用基于广度优先遍历的方法先将周围最近一圈的三角面片聚为一类,然后继续往外扩张,直至没有新的三角面片加入为止;最后,对样本集S中剩下的集合重复上述步骤,直至S中全部的集合判断结束;
22)其次,获取屋顶面之间邻接关系的操作方法,详细步骤如下:首先将所有屋顶面上的点云投影到一个水平面,对该平面上的二维点云进行网格化处理,网格单元长度为平均点间距的2倍;然后对每个网格单元进行标记,统计每个网格单元内包含点云数量最多的屋顶面,将该屋顶面ID号作为该网格单元的标识;最后通过遍历每个网格单元,判断该网格单元八邻域内网格单元的标识符。若两个标识符不同,则这两个标识符所对应的两个屋顶面应为相邻屋顶面;
23)得到相邻屋顶面集合后,则可以计算两个屋顶面之间的内轮廓线;内轮廓线有两类:直交线段和悬交线段;其中,直交线段可以通过两平面的平面方程直接求交获取;悬交线段的计算更为复杂:首先通过将两平面先投影到一个水平面上,求出水平的候选悬交线段;然后求出该候选悬交线段所在的竖直平面方程;最后将竖直平面方程分别与两个屋顶平面方程求交,用求直交线段的方法分别求出两条悬交线段。
4.如权利要求1所述的基于屋顶轮廓线的三维建筑模型简化方法,其特征在于:所述步骤3中的“顶点重合”问题定义为重合约束,是指两个顶点之间的距离小于一定的阈值;而将“虚相交”和“过相交”这两个问题定义为共线约束,是指某顶点到一特征线段的距离小于一定的阈值;假设AF、BG、CH和DE为待处理的特征线段,其中两个顶点A和D具有等式重合约束,应直接满足公式1;顶点B落在DE直线上,具有共线约束,应满足公式2;同理,顶点C也具有共线约束,应满足公式2;通过将特征线段精化问题抽象成等式约束问题来求解,校正完每条特征线段后,按照先前的聚类结果将同一个平面上的特征线段依次按序相连,获得平面基元:
(xB-xD)(yE-yD)-(xE-xD)(yB-yD)=0 (2)
其中,xA、yA分别是顶点A的x坐标和y坐标;xB、yB分别是顶点B的x坐标和y坐标;xD、yD分别是顶点D的x坐标和y坐标;xE、yE分别是顶点E的x坐标和y坐标。
5.如权利要求1所述的基于屋顶轮廓线的三维建筑模型简化方法,其特征在于:所述步骤4的非平面基元由于其形状不是一个规则的平面,大多是凹凸不平的,所以不能放在屋顶面聚类过程中一起处理提取。在提取完屋顶面全部的平面基元后,对剩下的屋顶三角面片仅采用区域增长法,不考虑三角面片法向量之间的关系,进行非平面部分的连通性聚类,找出非平面基元的聚类后,将此部分进行平面化处理。具体是先通过阈值设定,将大面积的非平面基元的聚类结果进行保留;然后通过计算当前非平面聚类的中心点O,从中心点O出发找距离最近的两条轮廓线段,且这两条线段法向量互相垂直;最后求出这两条轮廓线的交点P作为该非平面基元的一个顶点,以该顶点为起始点,向两边进行完整性探测,求出另外两个端点Q和R,最后再恢复出对角线上的顶点,将此非平面基元简化成矩形。
6.如权利要求1所述的基于屋顶轮廓线的三维建筑模型简化方法,其特征在于:所述步骤5中,通过恢复所有平面基元和非平面基元每个顶点的高程值,得到具有三维坐标信息的空间平面;为了获得封闭的建筑物实体模型,将每个顶点向地面投影,然后连接相应的顶点构成几何多边形,最后类似往下挤压生成最终的简化模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010168992.4A CN111508074B (zh) | 2020-03-12 | 2020-03-12 | 一种基于屋顶轮廓线的三维建筑模型简化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010168992.4A CN111508074B (zh) | 2020-03-12 | 2020-03-12 | 一种基于屋顶轮廓线的三维建筑模型简化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111508074A true CN111508074A (zh) | 2020-08-07 |
CN111508074B CN111508074B (zh) | 2023-06-27 |
Family
ID=71869010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010168992.4A Active CN111508074B (zh) | 2020-03-12 | 2020-03-12 | 一种基于屋顶轮廓线的三维建筑模型简化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111508074B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931280A (zh) * | 2020-08-27 | 2020-11-13 | 清华大学建筑设计研究院有限公司 | 基于建筑防火要求的建筑总平面设计的优化方法 |
CN112432647A (zh) * | 2020-11-09 | 2021-03-02 | 深圳市汇川技术股份有限公司 | 车厢的定位方法、装置、系统及计算机可读存储介质 |
CN112683221A (zh) * | 2020-12-21 | 2021-04-20 | 深圳集智数字科技有限公司 | 一种建筑检测方法和相关装置 |
CN112712587A (zh) * | 2020-12-23 | 2021-04-27 | 上海葛兰岱尔网络科技有限公司 | 一种基于三角面片数据生成模型线框的方法 |
CN112767551A (zh) * | 2021-01-18 | 2021-05-07 | 北京房江湖科技有限公司 | 三维模型构建方法、装置以及电子设备、存储介质 |
CN112802041A (zh) * | 2021-02-05 | 2021-05-14 | 北京工业大学 | 一种基于改进的Alpha Shapes算法的地面激光点云建筑物轮廓线提取方法 |
CN112991547A (zh) * | 2021-01-18 | 2021-06-18 | 北京房江湖科技有限公司 | 模型简化处理方法、装置以及电子设备、介质 |
CN113449363A (zh) * | 2021-06-16 | 2021-09-28 | 中国工程物理研究院计算机应用研究所 | 一种面向数值模拟的大规模城市模型可计算处理方法 |
CN113538686A (zh) * | 2021-09-15 | 2021-10-22 | 深圳市华付信息技术有限公司 | 区域建筑物3d建模方法、装置、设备及存储介质 |
CN113763533A (zh) * | 2021-08-09 | 2021-12-07 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象的模型处理方法、存储介质和处理器 |
CN114429530A (zh) * | 2022-04-06 | 2022-05-03 | 武汉峰岭科技有限公司 | 自动提取建筑物三维模型的方法、系统、存储介质及设备 |
CN115272379A (zh) * | 2022-08-03 | 2022-11-01 | 杭州新迪数字工程系统有限公司 | 一种基于投影的三维网格模型外轮廓提取方法及系统 |
CN115631307A (zh) * | 2022-11-17 | 2023-01-20 | 北京飞渡科技有限公司 | 一种建筑物分段轮廓提取与立面三维重建方法 |
CN116129076A (zh) * | 2023-04-17 | 2023-05-16 | 深圳大学 | 一种规则特征保持的建筑物Mesh模型简化方法 |
CN116580048A (zh) * | 2023-07-12 | 2023-08-11 | 武汉峰岭科技有限公司 | 一种提取房屋倾斜模型上直角房屋的轮廓线的方法及系统 |
CN117036393A (zh) * | 2023-10-09 | 2023-11-10 | 中国电建集团昆明勘测设计研究院有限公司 | 基于倾斜实景三维模型的建筑物轮廓提取方法 |
CN117437364A (zh) * | 2023-12-20 | 2024-01-23 | 深圳大学 | 基于残缺点云数据的建筑三维结构提取方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392486A (zh) * | 2014-11-25 | 2015-03-04 | 西安理工大学 | 一种点云场景重建方法 |
US10026218B1 (en) * | 2017-11-01 | 2018-07-17 | Pencil and Pixel, Inc. | Modeling indoor scenes based on digital images |
CN109993783A (zh) * | 2019-03-25 | 2019-07-09 | 北京航空航天大学 | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 |
CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
-
2020
- 2020-03-12 CN CN202010168992.4A patent/CN111508074B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392486A (zh) * | 2014-11-25 | 2015-03-04 | 西安理工大学 | 一种点云场景重建方法 |
US10026218B1 (en) * | 2017-11-01 | 2018-07-17 | Pencil and Pixel, Inc. | Modeling indoor scenes based on digital images |
WO2019089822A1 (en) * | 2017-11-01 | 2019-05-09 | Pencil and Pixel, Inc. | Modeling indoor scenes based on digital images |
CN109993783A (zh) * | 2019-03-25 | 2019-07-09 | 北京航空航天大学 | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 |
CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
Non-Patent Citations (2)
Title |
---|
LIANGLIANG NAN等: ""PolyFit: Polygonal Surface Reconstruction from Point Clouds"", 《2017 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV)》 * |
余虹亮等: "\"基于倾斜摄影的城市建筑三维重建方法研究\"", 《计算机应用与软件》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931280B (zh) * | 2020-08-27 | 2023-06-06 | 清华大学建筑设计研究院有限公司 | 基于建筑防火要求的建筑总平面设计的优化方法 |
CN111931280A (zh) * | 2020-08-27 | 2020-11-13 | 清华大学建筑设计研究院有限公司 | 基于建筑防火要求的建筑总平面设计的优化方法 |
CN112432647A (zh) * | 2020-11-09 | 2021-03-02 | 深圳市汇川技术股份有限公司 | 车厢的定位方法、装置、系统及计算机可读存储介质 |
CN112432647B (zh) * | 2020-11-09 | 2023-04-25 | 深圳市汇川技术股份有限公司 | 车厢的定位方法、装置、系统及计算机可读存储介质 |
CN112683221B (zh) * | 2020-12-21 | 2022-05-17 | 深圳集智数字科技有限公司 | 一种建筑检测方法和相关装置 |
CN112683221A (zh) * | 2020-12-21 | 2021-04-20 | 深圳集智数字科技有限公司 | 一种建筑检测方法和相关装置 |
CN112712587A (zh) * | 2020-12-23 | 2021-04-27 | 上海葛兰岱尔网络科技有限公司 | 一种基于三角面片数据生成模型线框的方法 |
CN112991547A (zh) * | 2021-01-18 | 2021-06-18 | 北京房江湖科技有限公司 | 模型简化处理方法、装置以及电子设备、介质 |
CN112991547B (zh) * | 2021-01-18 | 2022-05-17 | 贝壳找房(北京)科技有限公司 | 模型简化处理方法、装置以及电子设备、介质 |
CN112767551A (zh) * | 2021-01-18 | 2021-05-07 | 北京房江湖科技有限公司 | 三维模型构建方法、装置以及电子设备、存储介质 |
CN112802041A (zh) * | 2021-02-05 | 2021-05-14 | 北京工业大学 | 一种基于改进的Alpha Shapes算法的地面激光点云建筑物轮廓线提取方法 |
CN113449363B (zh) * | 2021-06-16 | 2023-09-26 | 中国工程物理研究院计算机应用研究所 | 一种面向数值模拟的大规模城市模型可计算处理方法 |
CN113449363A (zh) * | 2021-06-16 | 2021-09-28 | 中国工程物理研究院计算机应用研究所 | 一种面向数值模拟的大规模城市模型可计算处理方法 |
CN113763533A (zh) * | 2021-08-09 | 2021-12-07 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象的模型处理方法、存储介质和处理器 |
CN113538686A (zh) * | 2021-09-15 | 2021-10-22 | 深圳市华付信息技术有限公司 | 区域建筑物3d建模方法、装置、设备及存储介质 |
CN114429530A (zh) * | 2022-04-06 | 2022-05-03 | 武汉峰岭科技有限公司 | 自动提取建筑物三维模型的方法、系统、存储介质及设备 |
CN114429530B (zh) * | 2022-04-06 | 2022-06-24 | 武汉峰岭科技有限公司 | 自动提取建筑物三维模型的方法、系统、存储介质及设备 |
CN115272379A (zh) * | 2022-08-03 | 2022-11-01 | 杭州新迪数字工程系统有限公司 | 一种基于投影的三维网格模型外轮廓提取方法及系统 |
CN115272379B (zh) * | 2022-08-03 | 2023-11-28 | 上海新迪数字技术有限公司 | 一种基于投影的三维网格模型外轮廓提取方法及系统 |
CN115631307A (zh) * | 2022-11-17 | 2023-01-20 | 北京飞渡科技有限公司 | 一种建筑物分段轮廓提取与立面三维重建方法 |
CN116129076A (zh) * | 2023-04-17 | 2023-05-16 | 深圳大学 | 一种规则特征保持的建筑物Mesh模型简化方法 |
CN116580048B (zh) * | 2023-07-12 | 2023-09-26 | 武汉峰岭科技有限公司 | 一种提取房屋倾斜模型上直角房屋的轮廓线的方法及系统 |
CN116580048A (zh) * | 2023-07-12 | 2023-08-11 | 武汉峰岭科技有限公司 | 一种提取房屋倾斜模型上直角房屋的轮廓线的方法及系统 |
CN117036393A (zh) * | 2023-10-09 | 2023-11-10 | 中国电建集团昆明勘测设计研究院有限公司 | 基于倾斜实景三维模型的建筑物轮廓提取方法 |
CN117036393B (zh) * | 2023-10-09 | 2023-12-19 | 中国电建集团昆明勘测设计研究院有限公司 | 基于倾斜实景三维模型的建筑物轮廓提取方法 |
CN117437364A (zh) * | 2023-12-20 | 2024-01-23 | 深圳大学 | 基于残缺点云数据的建筑三维结构提取方法和装置 |
CN117437364B (zh) * | 2023-12-20 | 2024-04-26 | 深圳大学 | 基于残缺点云数据的建筑三维结构提取方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111508074B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111508074A (zh) | 一种基于屋顶轮廓线的三维建筑模型简化方法 | |
CN111932688B (zh) | 一种基于三维点云的室内平面要素提取方法、系统及设备 | |
CN100559398C (zh) | 自动的深度图像配准方法 | |
WO2024077812A1 (zh) | 基于点云语义分割与结构拟合的单体建筑三维重建方法 | |
CN108335352B (zh) | 一种面向多视图大规模三维重建场景的纹理映射方法 | |
CN108038906B (zh) | 一种基于图像的三维四边形网格模型重建方法 | |
CN109685080B (zh) | 基于霍夫变换与区域生长的多尺度平面提取方法 | |
CN107767453B (zh) | 一种基于规则约束的建筑物lidar点云重构优化方法 | |
CN109615581B (zh) | 一种融合扩展高斯球和颜色几何特征的三维碎片的拼接复原方法 | |
CN107657659A (zh) | 基于长方体拟合扫描三维点云的曼哈顿结构建筑物自动建模方法 | |
CN113192200B (zh) | 一种基于空三并行计算算法的城市实景三维模型的构建方法 | |
CN107545602B (zh) | 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法 | |
CN112164145B (zh) | 基于点云数据快速提取室内三维线段结构的方法 | |
CN112307553A (zh) | 一种对三维道路模型进行提取与简化的方法 | |
CN115393548A (zh) | 一种适用于三维重建的网格纹理化简算法 | |
CN113593038A (zh) | 隧道点云中心线自动提取和三角网构建方法 | |
Hu et al. | Geometric feature enhanced line segment extraction from large-scale point clouds with hierarchical topological optimization | |
CN114463521B (zh) | 一种面向空地影像数据融合的建筑目标点云快速生成方法 | |
Guo et al. | Line-based 3d building abstraction and polygonal surface reconstruction from images | |
CN114202632A (zh) | 网格线性结构恢复方法、装置、电子设备及存储介质 | |
CN116416366A (zh) | 3d模型构建方法、装置和电子设备 | |
CN107610216B (zh) | 基于粒子群优化多视角立体点云生成方法及应用的摄像机 | |
CN112002007B (zh) | 基于空地影像的模型获取方法及装置、设备、存储介质 | |
CN111127622B (zh) | 基于图像分割的三维点云离群点剔除方法 | |
Huang et al. | A Multiview Stereo Algorithm Based on Image Segmentation Guided Generation of Planar Prior for Textureless Regions of Artificial Scenes |
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 |