CN111629193A - 一种实景三维重建方法及系统 - Google Patents
一种实景三维重建方法及系统 Download PDFInfo
- Publication number
- CN111629193A CN111629193A CN202010738682.1A CN202010738682A CN111629193A CN 111629193 A CN111629193 A CN 111629193A CN 202010738682 A CN202010738682 A CN 202010738682A CN 111629193 A CN111629193 A CN 111629193A
- Authority
- CN
- China
- Prior art keywords
- image
- point cloud
- data
- oblique
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 16
- 238000007689 inspection Methods 0.000 claims abstract description 12
- 238000010276 construction Methods 0.000 claims abstract description 8
- 238000012800 visualization Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 8
- 239000000178 monomer Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 abstract description 7
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/122—Improving the 3D impression of stereoscopic images by modifying image signal contents, e.g. by filtering or adding monoscopic depth cues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/275—Image signal generators from 3D object models, e.g. computer-generated stereoscopic image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/30—Image reproducers
- H04N13/327—Calibration thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种实景三维重建方法及系统。该方法包括:获取倾斜影像,对所述倾斜影像进行质量检查、匀光匀色处理、几何校正、同名点匹配、区域网联合平差、多视影像密集匹配、DSM生成、真正射纠正及倾斜模型生产与影像加工处理,得到3D数据库,生成基于倾斜影像的超高密度点云,对超高密度点云进行压缩和精简,对压缩和精简后的点云数据进行几何处理、多视匹配、三角网构建,提取典型地物的纹理特征,并对该纹理进行可视化处理,最终得到三维模型;避免了扫描后得到的点云的密度大,导致后续存储、传输、显示和重构都将消耗大量的时间和计算机资源的问题。
Description
技术领域
本发明涉及测绘遥感技术领域,尤其涉及一种实景三维重建方法及系统。
背景技术
三维重建是指对三维物体建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术。通常的三维重建方法是先对摄像机进行标定, 即计算出摄像机的图象坐标系与世界坐标系的关系.然后利用多个二维图象中的信息重建出三维信息。现有的实景三维重建方法中,通常通过专业的自动化建模软件生产三维模型,这种工艺流程一般会经过多视角影像的几何校正、联合平差等处理流程,可运算生成基于影像的超高密度点云,点云构建 TIN 模型,并以此生成基于影像纹理的高分辨率倾斜摄影三维模型。然而,
由于扫描后得到的点云的密度往往很大,导致后续存储、传输、显示和重构都将消耗大量的时间和计算机资源。因此,有必要提出一种实景三维重建方法及系统以解决上述问题。
发明内容
本发明提供一种实景三维重建方法及系统,以解决现有技术中由于扫描后得到的点云的密度往往很大,导致后续存储、传输、显示和重构都将消耗大量的时间和计算机资源的问题。
第一方面,本发明提供一种实景三维重建方法,所述方法包括:
获取倾斜影像,其中,通过在同一飞行平台上搭载五镜头相机,同时从垂直、倾斜不同角度采集地面影像,所述倾斜影像信息包括镜头垂直地面角度拍摄的一组正片影像,以及镜头朝向与地面成一定夹角拍摄的四组斜片影像;
对所述倾斜影像进行质量检查,对不合格的区域进行补飞,直到获取的倾斜影像信息质量满足要求;
对所述倾斜影像进行匀光匀色处理;
对所述倾斜影像进行几何校正、同名点匹配以及区域网联合平差,得到平差后的数据;
将平差后的数据赋予每张倾斜影像,使得所述倾斜影像具有在虚拟三维空间中的位置和姿态数据,每张斜片影像上的每个像素对应真实的地理坐标位置,所述平差后的数据包括三个坐标信息及三个方向角信息;
根据所述倾斜影像进行多视影像密集匹配、DSM生成、真正射纠正及倾斜模型生产与影像加工处理,得到3D数据库;
根据所述3D数据库运算生成基于倾斜影像的超高密度点云;
对所述的超高密度点云进行压缩和精简,其中,按照以下方式对超高密度点云进行压缩:对所述超高密度点云在适当的深度停止分割,并确保体素大小合适,在分割的基础上建立尤邻域,去除原始点云的离群点,在数据结构上,对每个节点分配位掩码,通过操纵位掩码,在遍历时对数据查询和操作,并优化随后的点位置编码;
其中,按照以下方式对超高密度点云进行精简:通过分析点云数据的细节信息,选取轴方向进行分割并运算,提取 X-Y 边界,利用栅格法对己经提取过边界的散乱点云数据进行空间划分并建立尤邻域,通过计算点云在不同邻域内的法向量变化度来提取点云数据的关键特征点,利用栅格索引对非特征点区域进行简化;
对所述压缩和精简后的点云数据进行几何处理、多视匹配、三角网构建,提取典型地物的纹理特征,并对该纹理进行可视化处理,最终得到三维模型。
结合第一方面,在第一方面的第一种可实现方式中,对所述倾斜影像进行匀光匀色处理包括:采取分布式不间断处理数据,使影像的直方图布满0~255色阶的区间,并接近正态分布,在光线明暗差距不大的航摄状况时,对同一条航线使用同一调色模板;若明暗差距大,大气透明度不高时,对一幅或几幅影像进行逐个调色,以达到最佳的真实色彩;将所有倾斜影像再进行一次匀光匀色处理,使得整个摄区影像色彩进一步统一。
结合第一方面,在第一方面的第二种可实现方式中,所述区域网联合平差包括:结合POS系统提供的多视影像外方位元素,采取由粗到精的金字塔匹配策略在每级影像上进行同名点自动匹配和自由网光束法平差;同时建立连接点和连接线、控制点坐标、GPS/IMU辅助数据的多视影像自检校区域网平差的误差方程,通过联合解算,确保平差结果的精度。
结合第一方面,在第一方面的第三种可实现方式中,所述多视影像密集匹配包括:通过搜索多视影像上的建筑物边缘、墙面边缘和纹理特征,将建筑物的二维矢量数据集影像上不同视角的二维特征转化为三维特征,在确定墙面时,设置若干影响因子并给予一定的权值,将墙面分为不同的类,将建筑的各个墙面进行平面扫描和分割,获取建筑物的侧面结构,再通过对侧面进行重构,提取出建筑物屋顶的高度和轮廓。
结合第一方面,在第一方面的第四种可实现方式中,所述真正射纠正包括:在有DSM 的基础上,根据物方连续地形和离散地物对象的几何特征,通过轮廓提取、面片拟合、屋顶重建方法提取物方语义信息,同时在多视影像上通过影像分割、边缘提取、纹理聚类方法获取像方语义信息,再根据联合平差和密集匹配的结果建立物方和像方的同名点对应关系,继而建立全局优化采样策略和顾及几何辐射特性的联合纠正,同时进行整体匀光处理,实现多视影像的真正射纠正。
结合第一方面,在第一方面的第五种可实现方式中,所述倾斜模型生产与影像加工处理包括:通过专用测绘工具生产倾斜摄影模型,所述模型成果数据为单体对象化的模型成果数据,
所述单体对象化的模型成果数据的获得方式如下:利用倾斜影像,结合现有的三维线框模型,通过纹理映射生产三维模型。
结合第一方面,在第一方面的第六种可实现方式中,所述倾斜模型生产与影像加工处理包括:通过专用测绘工具生产倾斜摄影模型,所述模型成果数据为非单体化的模型成果数据,所述非单体化的模型成果数据的获得方式如下:获得倾斜影像后,经过匀光匀色后生产三维模型。
结合第一方面,在第一方面的第七种可实现方式中,所述方法还包括:启动自动修复、补洞功能进行模型漏洞和扭曲的修复,在首批三维数据成果场景生成后即进行修复、质量检查、再生产的模式,直到生产出满足要求的三维成果数据,修补完漏洞后,将模型重新导入服务器渲染计算,将原漏洞的位置贴上应有的纹理。
结合第一方面,在第一方面的第八种可实现方式中,获取倾斜影像的步骤中,所述飞行平台的航线设计采取 66% 的旁向重叠度,66% 的航向重叠度。
第二方面,本发明提供一种实景三维重建系统,包括飞行平台和服务器;
所述飞行平台,用于获取倾斜影像,其中,通过在同一飞行平台上搭载五镜头相机,同时从垂直、倾斜不同角度采集地面影像,所述倾斜影像信息包括镜头垂直地面角度拍摄的一组正片影像,以及镜头朝向与地面成一定夹角拍摄的四组斜片影像;
所述服务器,用于获取倾斜影像;
对所述倾斜影像进行质量检查,对不合格的区域进行补飞,直到获取的倾斜影像信息质量满足要求;
对所述倾斜影像进行匀光匀色处理;
对所述倾斜影像进行几何校正、同名点匹配以及区域网联合平差,得到平差后的数据;
将平差后的数据赋予每张倾斜影像,使得所述倾斜影像具有在虚拟三维空间中的位置和姿态数据,每张斜片影像上的每个像素对应真实的地理坐标位置,所述平差后的数据包括三个坐标信息及三个方向角信息;
根据所述倾斜影像进行多视影像密集匹配、DSM生成、真正射纠正及倾斜模型生产与影像加工处理,得到3D数据库;
根据所述3D数据库运算生成基于倾斜影像的超高密度点云;
对所述的超高密度点云进行压缩和精简,其中,按照以下方式对超高密度点云进行压缩:对所述超高密度点云在适当的深度停止分割,并确保体素大小合适,在分割的基础上建立尤邻域,去除原始点云的离群点,在数据结构上,对每个节点分配位掩码,通过操纵位掩码,在遍历时对数据查询和操作,并优化随后的点位置编码;
其中,按照以下方式对超高密度点云进行精简:通过分析点云数据的细节信息,选取轴方向进行分割并运算,提取 X-Y 边界,利用栅格法对己经提取过边界的散乱点云数据进行空间划分并建立尤邻域,通过计算点云在不同邻域内的法向量变化度来提取点云数据的关键特征点,利用栅格索引对非特征点区域进行简化;
对所述压缩和精简后的点云数据进行几何处理、多视匹配、三角网构建,提取典型地物的纹理特征,并对该纹理进行可视化处理,最终得到三维模型。
由以上技术方案可知,本发明的实景三维重建方法及系统,通过在适当的深度停止分割并确保体素大小合适,在分割的基础上建立尤邻域,利用简单有效的统计方法去除原始点云的离群点;在数据结构上,对每个节点分配位掩码,通过操纵位掩码,在遍历时对数据查询和操作,并优化随后的点位置编码,有效地移除了离群点和表面杂点,并在区间编码提高了点云压缩效率,较完整地保留了点云的关键信息,取得了良好的压缩率并缩短了压缩时间;针对无任何预知信息下的三维点云数据,通过分析点云数据的细节信息,选取轴方向进行分割并运算,提取 X - Y 边界,然后利用栅格法对己经提取过边界的散乱点云数据进行空间划分并建立尤邻域,通过计算点云在不同邻域内的法向量变化度来提取点云数据的关键特征点,最后利用栅格索引对非特征点区域进行适当简化,能够保留点云的细节特征使其在重构之后逼近原始模型,又取得了良好的运算效率与精简率,避免了扫描后得到的点云的密度大,导致后续存储、传输、显示和重构都将消耗大量的时间和计算机资源的问题。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的实景三维重建方法的流程图。
图2为本发明实施例提供的实景三维重建系统的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例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。以下结合附图,详细说明本发明各实施例提供的技术方案。
请参阅图1,为本发明实施例提供的一种实景三维重建方法,所述方法的执行主体可以是服务器,该方法包括:
步骤S101,获取倾斜影像,其中,通过在同一飞行平台上搭载五镜头相机,同时从垂直、倾斜不同角度采集地面影像,所述倾斜影像信息包括镜头垂直地面角度拍摄的一组正片影像,以及镜头朝向与地面成一定夹角拍摄的四组斜片影像。
倾斜摄影技术不仅在摄影方式上区别于传统的垂直航空摄影,其后期数据处理及成果也大不相同。倾斜摄影技术的主要目的是获取地物多个方位(尤其是侧面)的信息并可供用户多角度浏览,实时量测,三维浏览等获取多方面的信息。倾斜摄影系统分为三大部分。第一部分为飞行平台,小型飞机或者无人机。第二部分为人员,机组成员和专业航飞人员或者地面指挥人员(无人机)。第三部分为仪器部分,传感器(多头相机、GPS定位装置获取曝光瞬间的三个线元素 x,y,z)和姿态定位系统(记录相机曝光瞬间的姿态,三个角元素φ、ω、κ)。
倾斜摄影的航线设计采用专用航线设计软件进行设计,其相对航高、地面分辨率及物理像元尺寸满足三角比例关系。航线设计一般采取 30% 的旁向重叠度,66% 的航向重叠度,目前要生产自动化模型,旁向重叠度需要到达 66%,航向重叠度也需要达到 66%。航线设计软件生成一个飞行计划文件,该文件包含飞机的航线坐标及各个相机的曝光点坐标位置。实际飞行中,各个相机根据对应的曝光点坐标自动进行曝光拍摄。
倾斜影像有以下特点:反映地物周边真实情况。相对于正射影像,倾斜影像能让用户从多个角度观察地物,更加真实的反映地物的实际情况,极大的弥补了基于正射影像应用的不足。倾斜影像可实现单张影像量测,通过配套软件的应用,可直接基于成果影像进行包括高度、长度、面积、角度、坡度等的量测,扩展了倾斜摄影技术在行业中的应用。建筑物侧面纹理可采集,针对各种三维数字城市应用,利用航空摄影大规模成图的特点,加上从倾斜影像批量提取及贴纹理的方式,能够有效的降低城市三维建模成本。易于网络发布,倾斜影像的数据格式可采用成熟的技术快速进行网络发布,实现共享应用。
步骤S102,对所述倾斜影像进行质量检查,对不合格的区域进行补飞,直到获取的倾斜影像信息质量满足要求。
步骤S103,对所述倾斜影像进行匀光匀色处理。
具体地,在飞行过程中存在时间和空间上的差异,影像之间会存在色偏,这就需要进行匀光匀色处理;对每架次飞行获取的影像数据进行及时、认真地检查和预处理,严格按照匀光、匀色步骤去对航摄影像进行调整生成,最终获得最佳成像效果的影像数据(TIFF格式)。所有成果进行自身质量检查合格后整理归档,得到最终航摄成果。
影像预处理是航摄影像从不可见到可见、实现其色彩还原的重要步骤。在数字航摄中,影像预处理对后期成果的影响在于处理速度和匀光匀色的调校。为获得最好的数据,对所述倾斜影像进行匀光匀色处理包括:采取分布式不间断处理数据,保证数据以最快的速度处理出来,提高反馈效率,加快项目完成速度;影像预处理原则是使影像的直方图尽可能布满0~255色阶的区间,并接近正态分布。确保真彩影像色调丰富,颜色饱和,彩色平衡良好,彩色还原正常;在光线明暗差距不大的航摄状况时,对同一条航线使用同一调色模板;若明暗差距大,大气透明度不高时,对一幅或几幅影像进行逐个调色,以达到最佳的真实色彩。倾斜摄影相机装备5个不同朝向的相机,倾斜摄影角度为 45 度。在拍摄曝光的瞬间,五个相机所拍摄的角度不一致,那么就必然会出现光线反差、强度等的不一致,这样就有可能导致出现同一地物影像在不同相机下的色彩、明暗程度出现差异,最终影响到三维真实场景的精度和效果。结合以往倾斜摄影测量数据处理的经验,可在影像质量检查阶段和 Mosaic 阶段对影像颜色进行调整,改善试验区局部因为天气影响导致的有雾、反差较差等颜色问题,以消除因为雾气、反差等因素的影响。在航空摄影采集的影像数据预处理完成的基础上,将所有影像数据再进行一次匀光匀色处理,使得整个摄区影像色彩进一步统一。为后期的生产节省调色时间,且让整个项目色彩更自然均一。航摄相关数据成果需进行后处理工作,提供经过匀光、匀色等处理手段后的高质量航空影像数据,提供相应的数据处理记录及处理报告,满足相关数据生产的标准与规范要求。
步骤S104,对所述倾斜影像进行几何校正、同名点匹配以及区域网联合平差,得到平差后的数据。
具体地,多视影像不仅包含垂直摄影数据,还包括倾斜摄影数据,而部分传统空中三角测量系统无法较好地处理倾斜摄影数据,因此,多视影像联合平差需充分考虑影像间的几何变形和遮挡关系,所述区域网联合平差包括:结合POS系统提供的多视影像外方位元素,采取由粗到精的金字塔匹配策略在每级影像上进行同名点自动匹配和自由网光束法平差;同时建立连接点和连接线、控制点坐标、GPS/IMU辅助数据的多视影像自检校区域网平差的误差方程,通过联合解算,确保平差结果的精度。
步骤S105,将平差后的数据赋予每张倾斜影像,使得所述倾斜影像具有在虚拟三维空间中的位置和姿态数据,每张斜片影像上的每个像素对应真实的地理坐标位置,所述平差后的数据包括三个坐标信息及三个方向角信息。
步骤S106,根据所述倾斜影像进行多视影像密集匹配、DSM生成、真正射纠正及倾斜模型生产与影像加工处理,得到3D数据库。
具体地,影像匹配是摄影测量的基本问题之一,多视影像具有覆盖范围大、分辨率高等特点。因此如何在匹配过程中充分考虑冗余信息,快速准确获取多视影像上的同名点坐标,进而获取地物的三维信息是多视影像匹配的关键。由于单独使用一种匹配基元或匹配策略往往难以获取建模需要的同名点,因此近年来随着计算机视觉发展起来的多基元、多视影像匹配逐渐成为人们研究的焦点。目前在该领域的研究已取得很大进展,例如建筑物侧面的自动识别与提取所述多视影像密集匹配包括:通过搜索多视影像上的建筑物边缘、墙面边缘和纹理特征,将建筑物的二维矢量数据集影像上不同视角的二维特征转化为三维特征,在确定墙面时,设置若干影响因子并给予一定的权值,将墙面分为不同的类,将建筑的各个墙面进行平面扫描和分割,获取建筑物的侧面结构,再通过对侧面进行重构,提取出建筑物屋顶的高度和轮廓。
具体地,多视影像真正射纠正涉及物方连续的数字高程模型(DEM)和大量离散分布粒度差异很大的地物对象,以及海量的像方多角度影像,具有典型的数据密集和计算密集特点。因此多视影像的真正射纠正,可分为物方和像方同时进行。所述真正射纠正包括:在有 DSM 的基础上,根据物方连续地形和离散地物对象的几何特征,通过轮廓提取、面片拟合、屋顶重建方法提取物方语义信息,同时在多视影像上通过影像分割、边缘提取、纹理聚类方法获取像方语义信息,再根据联合平差和密集匹配的结果建立物方和像方的同名点对应关系,继而建立全局优化采样策略和顾及几何辐射特性的联合纠正,同时进行整体匀光处理,实现多视影像的真正射纠正。
具体地,所述倾斜模型生产与影像加工处理包括:通过专用测绘工具生产倾斜摄影模型,所述模型成果数据可以为单体对象化的模型成果数据,所述单体对象化的模型成果数据的获得方式如下:利用倾斜影像,结合现有的三维线框模型,通过纹理映射生产三维模型。所述模型成果数据也可以为非单体化的模型成果数据,所述非单体化的模型成果数据的获得方式如下:获得倾斜影像后,经过匀光匀色后生产三维模型。
倾斜摄影获取的倾斜影像经过影像加工处理,通过专用测绘软件可以生产倾斜摄影模型,模型有两种成果数据:一种是单体对象化的模型,一种是非单体化的模型数据。单体化的模型成果数据,利用倾斜影像的丰富可视细节,结合现有的三维线框模型(或者其他方式生产的白模型),通过纹理映射,生产三维模型,这种工艺流程生产的模型数据是对象化的模型,单独的建筑物可以删除、修改及替换,其纹理也可以修改,尤其是建筑物底商这种时常变动的信息,这种模型就能体现出它的优势,国内比较有代表性的公司如天际航、东方道迩等均可以生产该类型的模型,并形成了自己独特的工艺流程。
非单体化的模型成果数据,后面简称倾斜模型,这种模型采用全自动化的生产方式,模型生产周期短、成本低,获得倾斜影像后,经过匀光匀色等步骤,通过专业的自动化建模软件生产三维模型,这种工艺流程一般会经过多视角影像的几何校正、联合平差等处理流程,可运算生成基于影像的超高密度点云,点云构建 TIN 模型,并以此生成基于影像纹理的高分辨率倾斜摄影三维模型,因此也具备倾斜影像的测绘级精度。
步骤S107,根据所述3D数据库运算生成基于倾斜影像的超高密度点云。
基于图形运算单元GPU的快速三维场景运算软件,可运算生成基于真实影像的超高密度点云,它能无需人工干预地从简单连续影像中生成逼真的三维场景模型。像素工厂通过对获得的倾斜影像进行几何处理、多视匹配、三角网构建,提取典型地物的纹理特征,并对该纹理进行可视化处理,最终得到三维模型。
步骤S108,对所述的超高密度点云进行压缩和精简,其中,按照以下方式对超高密度点云进行压缩:对所述超高密度点云在适当的深度停止分割,并确保体素大小合适,在分割的基础上建立尤邻域,去除原始点云的离群点,在数据结构上,对每个节点分配位掩码,通过操纵位掩码,在遍历时对数据查询和操作,并优化随后的点位置编码;
其中,按照以下方式对超高密度点云进行精简:通过分析点云数据的细节信息,选取轴方向进行分割并运算,提取 X-Y 边界,利用栅格法对己经提取过边界的散乱点云数据进行空间划分并建立尤邻域,通过计算点云在不同邻域内的法向量变化度来提取点云数据的关键特征点,利用栅格索引对非特征点区域进行简化。
步骤S109,对所述压缩和精简后的点云数据进行几何处理、多视匹配、三角网构建,提取典型地物的纹理特征,并对该纹理进行可视化处理,最终得到三维模型。
进一步地,所述方法还可以包括:启动自动修复、补洞功能进行模型漏洞和扭曲的修复,在首批三维数据成果场景生成后即进行修复、质量检查、再生产的模式,直到生产出满足要求的三维成果数据,修补完漏洞后,将模型重新导入服务器渲染计算,将原漏洞的位置贴上应有的纹理。
如图2所示,本发明还提供一种实景三维重建系统,包括飞行平台1和服务器2。
所述飞行平台1,用于获取倾斜影像,其中,通过在同一飞行平台上搭载五镜头相机,同时从垂直、倾斜不同角度采集地面影像,所述倾斜影像信息包括镜头垂直地面角度拍摄的一组正片影像,以及镜头朝向与地面成一定夹角拍摄的四组斜片影像;
所述服务器2,用于获取倾斜影像;
对所述倾斜影像进行质量检查,对不合格的区域进行补飞,直到获取的倾斜影像信息质量满足要求;
对所述倾斜影像进行匀光匀色处理;
对所述倾斜影像进行几何校正、同名点匹配以及区域网联合平差,得到平差后的数据;
将平差后的数据赋予每张倾斜影像,使得所述倾斜影像具有在虚拟三维空间中的位置和姿态数据,每张斜片影像上的每个像素对应真实的地理坐标位置,所述平差后的数据包括三个坐标信息及三个方向角信息;
根据所述倾斜影像进行多视影像密集匹配、DSM生成、真正射纠正及倾斜模型生产与影像加工处理,得到3D数据库;
根据所述3D数据库运算生成基于倾斜影像的超高密度点云;
对所述的超高密度点云进行压缩和精简,其中,按照以下方式对超高密度点云进行压缩:对所述超高密度点云在适当的深度停止分割,并确保体素大小合适,在分割的基础上建立尤邻域,去除原始点云的离群点,在数据结构上,对每个节点分配位掩码,通过操纵位掩码,在遍历时对数据查询和操作,并优化随后的点位置编码;
其中,按照以下方式对超高密度点云进行精简:通过分析点云数据的细节信息,选取轴方向进行分割并运算,提取 X-Y 边界,利用栅格法对己经提取过边界的散乱点云数据进行空间划分并建立尤邻域,通过计算点云在不同邻域内的法向量变化度来提取点云数据的关键特征点,利用栅格索引对非特征点区域进行简化;
对所述压缩和精简后的点云数据进行几何处理、多视匹配、三角网构建,提取典型地物的纹理特征,并对该纹理进行可视化处理,最终得到三维模型
本发明实施例还提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现本发明提供的实景三维重建方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:Read-OnlyMemory,简称:ROM)或随机存储记忆体(英文:RandomAccessMemory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于实景三维重建系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (10)
1.一种实景三维重建方法,其特征在于,所述方法包括:
获取倾斜影像,其中,通过在同一飞行平台上搭载五镜头相机,同时从垂直、倾斜不同角度采集地面影像,所述倾斜影像信息包括镜头垂直地面角度拍摄的一组正片影像,以及镜头朝向与地面成一定夹角拍摄的四组斜片影像;
对所述倾斜影像进行质量检查,对不合格的区域进行补飞,直到获取的倾斜影像信息质量满足要求;
对所述倾斜影像进行匀光匀色处理;
对所述倾斜影像进行几何校正、同名点匹配以及区域网联合平差,得到平差后的数据;
将平差后的数据赋予每张倾斜影像,使得所述倾斜影像具有在虚拟三维空间中的位置和姿态数据,每张斜片影像上的每个像素对应真实的地理坐标位置,所述平差后的数据包括三个坐标信息及三个方向角信息;
根据所述倾斜影像进行多视影像密集匹配、DSM生成、真正射纠正及倾斜模型生产与影像加工处理,得到3D数据库;
根据所述3D数据库运算生成基于倾斜影像的超高密度点云;
对所述的超高密度点云进行压缩和精简,其中,按照以下方式对超高密度点云进行压缩:对所述超高密度点云在适当的深度停止分割,并确保体素大小合适,在分割的基础上建立尤邻域,去除原始点云的离群点,在数据结构上,对每个节点分配位掩码,通过操纵位掩码,在遍历时对数据查询和操作,并优化随后的点位置编码;
其中,按照以下方式对超高密度点云进行精简:通过分析点云数据的细节信息,选取轴方向进行分割并运算,提取 X-Y 边界,利用栅格法对己经提取过边界的散乱点云数据进行空间划分并建立尤邻域,通过计算点云在不同邻域内的法向量变化度来提取点云数据的关键特征点,利用栅格索引对非特征点区域进行简化;
对所述压缩和精简后的点云数据进行几何处理、多视匹配、三角网构建,提取典型地物的纹理特征,并对该纹理进行可视化处理,最终得到三维模型。
2.如权利要求1所述的方法,其特征在于,对所述倾斜影像进行匀光匀色处理包括:采取分布式不间断处理数据,使影像的直方图布满0~255色阶的区间,并接近正态分布,在光线明暗差距不大的航摄状况时,对同一条航线使用同一调色模板;若明暗差距大,大气透明度不高时,对一幅或几幅影像进行逐个调色,以达到最佳的真实色彩;将所有倾斜影像再进行一次匀光匀色处理,使得整个摄区影像色彩进一步统一。
3.如权利要求1所述的方法,其特征在于,所述区域网联合平差包括:结合POS系统提供的多视影像外方位元素,采取由粗到精的金字塔匹配策略在每级影像上进行同名点自动匹配和自由网光束法平差;同时建立连接点和连接线、控制点坐标、GPS/IMU辅助数据的多视影像自检校区域网平差的误差方程,通过联合解算,确保平差结果的精度。
4.如权利要求1所述的方法,其特征在于,所述多视影像密集匹配包括:通过搜索多视影像上的建筑物边缘、墙面边缘和纹理特征,将建筑物的二维矢量数据集影像上不同视角的二维特征转化为三维特征,在确定墙面时,设置若干影响因子并给予一定的权值,将墙面分为不同的类,将建筑的各个墙面进行平面扫描和分割,获取建筑物的侧面结构,再通过对侧面进行重构,提取出建筑物屋顶的高度和轮廓。
5.如权利要求1所述的方法,其特征在于,所述真正射纠正包括:在有 DSM 的基础上,根据物方连续地形和离散地物对象的几何特征,通过轮廓提取、面片拟合、屋顶重建方法提取物方语义信息,同时在多视影像上通过影像分割、边缘提取、纹理聚类方法获取像方语义信息,再根据联合平差和密集匹配的结果建立物方和像方的同名点对应关系,继而建立全局优化采样策略和顾及几何辐射特性的联合纠正,同时进行整体匀光处理,实现多视影像的真正射纠正。
6.如权利要求1所述的方法,其特征在于,所述倾斜模型生产与影像加工处理包括:通过专用测绘工具生产倾斜摄影模型,所述模型成果数据为单体对象化的模型成果数据,
所述单体对象化的模型成果数据的获得方式如下:利用倾斜影像,结合现有的三维线框模型,通过纹理映射生产三维模型。
7.如权利要求1所述的方法,其特征在于,所述倾斜模型生产与影像加工处理包括:通过专用测绘工具生产倾斜摄影模型,所述模型成果数据为非单体化的模型成果数据,所述非单体化的模型成果数据的获得方式如下:获得倾斜影像后,经过匀光匀色后生产三维模型。
8.如权利要求1所述的方法,其特征在于,所述方法还包括:启动自动修复、补洞功能进行模型漏洞和扭曲的修复,在首批三维数据成果场景生成后即进行修复、质量检查、再生产的模式,直到生产出满足要求的三维成果数据,修补完漏洞后,将模型重新导入服务器渲染计算,将原漏洞的位置贴上应有的纹理。
9.如权利要求1所述的方法,其特征在于,获取倾斜影像的步骤中,所述飞行平台的航线设计采取 66% 的旁向重叠度,66% 的航向重叠度。
10.一种实景三维重建系统,其特征在于,包括飞行平台和服务器;
所述飞行平台,用于获取倾斜影像,其中,通过在同一飞行平台上搭载五镜头相机,同时从垂直、倾斜不同角度采集地面影像,所述倾斜影像信息包括镜头垂直地面角度拍摄的一组正片影像,以及镜头朝向与地面成一定夹角拍摄的四组斜片影像;
所述服务器,用于获取倾斜影像;
对所述倾斜影像进行质量检查,对不合格的区域进行补飞,直到获取的倾斜影像信息质量满足要求;
对所述倾斜影像进行匀光匀色处理;
对所述倾斜影像进行几何校正、同名点匹配以及区域网联合平差,得到平差后的数据;
将平差后的数据赋予每张倾斜影像,使得所述倾斜影像具有在虚拟三维空间中的位置和姿态数据,每张斜片影像上的每个像素对应真实的地理坐标位置,所述平差后的数据包括三个坐标信息及三个方向角信息;
根据所述倾斜影像进行多视影像密集匹配、DSM生成、真正射纠正及倾斜模型生产与影像加工处理,得到3D数据库;
根据所述3D数据库运算生成基于倾斜影像的超高密度点云;
对所述的超高密度点云进行压缩和精简,其中,按照以下方式对超高密度点云进行压缩:对所述超高密度点云在适当的深度停止分割,并确保体素大小合适,在分割的基础上建立尤邻域,去除原始点云的离群点,在数据结构上,对每个节点分配位掩码,通过操纵位掩码,在遍历时对数据查询和操作,并优化随后的点位置编码;
其中,按照以下方式对超高密度点云进行精简:通过分析点云数据的细节信息,选取轴方向进行分割并运算,提取 X-Y 边界,利用栅格法对己经提取过边界的散乱点云数据进行空间划分并建立尤邻域,通过计算点云在不同邻域内的法向量变化度来提取点云数据的关键特征点,利用栅格索引对非特征点区域进行简化;
对所述压缩和精简后的点云数据进行几何处理、多视匹配、三角网构建,提取典型地物的纹理特征,并对该纹理进行可视化处理,最终得到三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010738682.1A CN111629193B (zh) | 2020-07-28 | 2020-07-28 | 一种实景三维重建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010738682.1A CN111629193B (zh) | 2020-07-28 | 2020-07-28 | 一种实景三维重建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111629193A true CN111629193A (zh) | 2020-09-04 |
CN111629193B CN111629193B (zh) | 2020-11-10 |
Family
ID=72273123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010738682.1A Expired - Fee Related CN111629193B (zh) | 2020-07-28 | 2020-07-28 | 一种实景三维重建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111629193B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053425A (zh) * | 2020-09-29 | 2020-12-08 | 广州极飞科技有限公司 | 多光谱图像处理方法、装置及电子设备 |
CN112115223A (zh) * | 2020-09-11 | 2020-12-22 | 浙江雷纹电子科技有限公司 | 用于三维可视化的地理信息系统数据处理方法 |
CN112200906A (zh) * | 2020-10-23 | 2021-01-08 | 江苏省测绘研究所 | 一种面向倾斜三维模型的实体提取方法及其系统 |
CN112817324A (zh) * | 2020-12-17 | 2021-05-18 | 国网山西省电力公司运城供电公司 | 配网线路多无人机协同巡检任务分配方法和系统 |
CN112950763A (zh) * | 2021-03-04 | 2021-06-11 | 国网河北省电力有限公司经济技术研究院 | 一种变电站工程中实景建模的方法 |
CN112990121A (zh) * | 2021-04-25 | 2021-06-18 | 中国人民解放军国防科技大学 | 一种目标检测方法、装置、电子设备及存储介质 |
CN113205590A (zh) * | 2021-04-30 | 2021-08-03 | 山东产研信息与人工智能融合研究院有限公司 | 基于倾斜摄影原理的室内三维建模方法及系统 |
CN113469868A (zh) * | 2021-07-16 | 2021-10-01 | 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 |
CN113566729A (zh) * | 2021-07-27 | 2021-10-29 | 同济大学 | 一种水上水下一体化分布式高速视频测量系统的实现方法 |
CN113658336A (zh) * | 2021-07-28 | 2021-11-16 | 贵州图智信息技术有限公司 | 一种三维自动化建模方法及系统 |
CN114549717A (zh) * | 2022-01-22 | 2022-05-27 | 中南大学 | 一种铁路线路三维快速建模与动态更新方法 |
CN114612631A (zh) * | 2022-03-02 | 2022-06-10 | 自然资源部重庆测绘院 | 一种基于InSAR技术的高精度无漏洞DSM提取方法 |
CN114820976A (zh) * | 2022-04-24 | 2022-07-29 | 奥格科技股份有限公司 | 融合遥感影像与拍摄影像的农村建筑建模方法、系统及存储介质 |
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 |
CN116863085A (zh) * | 2023-09-04 | 2023-10-10 | 北京数慧时空信息技术有限公司 | 一种三维重建系统、三维重建方法、电子设备及存储介质 |
CN117292159A (zh) * | 2023-11-22 | 2023-12-26 | 武汉大势智慧科技有限公司 | 一种建筑模型招牌纹理自动优化方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103701466A (zh) * | 2012-09-28 | 2014-04-02 | 上海市政工程设计研究总院(集团)有限公司 | 基于特征保留的散乱点云压缩算法 |
CN104732581A (zh) * | 2014-12-26 | 2015-06-24 | 东华大学 | 基于点特征直方图的移动场景点云精简算法 |
CN106846425A (zh) * | 2017-01-11 | 2017-06-13 | 东南大学 | 一种基于八叉树的散乱点云压缩方法 |
WO2018094141A1 (en) * | 2016-11-17 | 2018-05-24 | Google Llc | Point cloud data compression using a space-filling curve |
CN108830931A (zh) * | 2018-05-23 | 2018-11-16 | 上海电力学院 | 一种基于动态网格k邻域搜索的激光点云精简方法 |
US20190311500A1 (en) * | 2018-04-10 | 2019-10-10 | Apple Inc. | Point cloud compression |
-
2020
- 2020-07-28 CN CN202010738682.1A patent/CN111629193B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103701466A (zh) * | 2012-09-28 | 2014-04-02 | 上海市政工程设计研究总院(集团)有限公司 | 基于特征保留的散乱点云压缩算法 |
CN104732581A (zh) * | 2014-12-26 | 2015-06-24 | 东华大学 | 基于点特征直方图的移动场景点云精简算法 |
WO2018094141A1 (en) * | 2016-11-17 | 2018-05-24 | Google Llc | Point cloud data compression using a space-filling curve |
CN106846425A (zh) * | 2017-01-11 | 2017-06-13 | 东南大学 | 一种基于八叉树的散乱点云压缩方法 |
US20190311500A1 (en) * | 2018-04-10 | 2019-10-10 | Apple Inc. | Point cloud compression |
CN108830931A (zh) * | 2018-05-23 | 2018-11-16 | 上海电力学院 | 一种基于动态网格k邻域搜索的激光点云精简方法 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115223A (zh) * | 2020-09-11 | 2020-12-22 | 浙江雷纹电子科技有限公司 | 用于三维可视化的地理信息系统数据处理方法 |
CN112053425B (zh) * | 2020-09-29 | 2022-05-10 | 广州极飞科技股份有限公司 | 多光谱图像处理方法、装置及电子设备 |
CN112053425A (zh) * | 2020-09-29 | 2020-12-08 | 广州极飞科技有限公司 | 多光谱图像处理方法、装置及电子设备 |
CN112200906A (zh) * | 2020-10-23 | 2021-01-08 | 江苏省测绘研究所 | 一种面向倾斜三维模型的实体提取方法及其系统 |
CN112200906B (zh) * | 2020-10-23 | 2021-05-07 | 江苏省测绘研究所 | 一种面向倾斜三维模型的实体提取方法及其系统 |
CN112817324A (zh) * | 2020-12-17 | 2021-05-18 | 国网山西省电力公司运城供电公司 | 配网线路多无人机协同巡检任务分配方法和系统 |
CN112950763A (zh) * | 2021-03-04 | 2021-06-11 | 国网河北省电力有限公司经济技术研究院 | 一种变电站工程中实景建模的方法 |
CN112990121A (zh) * | 2021-04-25 | 2021-06-18 | 中国人民解放军国防科技大学 | 一种目标检测方法、装置、电子设备及存储介质 |
CN113205590A (zh) * | 2021-04-30 | 2021-08-03 | 山东产研信息与人工智能融合研究院有限公司 | 基于倾斜摄影原理的室内三维建模方法及系统 |
CN113469868A (zh) * | 2021-07-16 | 2021-10-01 | 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 |
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 |
CN113566729A (zh) * | 2021-07-27 | 2021-10-29 | 同济大学 | 一种水上水下一体化分布式高速视频测量系统的实现方法 |
CN113658336A (zh) * | 2021-07-28 | 2021-11-16 | 贵州图智信息技术有限公司 | 一种三维自动化建模方法及系统 |
CN113658336B (zh) * | 2021-07-28 | 2024-04-30 | 贵州图智信息技术有限公司 | 一种三维自动化建模方法及系统 |
CN114549717A (zh) * | 2022-01-22 | 2022-05-27 | 中南大学 | 一种铁路线路三维快速建模与动态更新方法 |
CN114612631B (zh) * | 2022-03-02 | 2023-06-09 | 自然资源部重庆测绘院 | 一种基于InSAR技术的高精度无漏洞DSM提取方法 |
CN114612631A (zh) * | 2022-03-02 | 2022-06-10 | 自然资源部重庆测绘院 | 一种基于InSAR技术的高精度无漏洞DSM提取方法 |
CN114820976A (zh) * | 2022-04-24 | 2022-07-29 | 奥格科技股份有限公司 | 融合遥感影像与拍摄影像的农村建筑建模方法、系统及存储介质 |
CN114820976B (zh) * | 2022-04-24 | 2023-07-18 | 奥格科技股份有限公司 | 融合遥感影像与拍摄影像的农村建筑建模方法、系统及存储介质 |
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 |
CN116863085A (zh) * | 2023-09-04 | 2023-10-10 | 北京数慧时空信息技术有限公司 | 一种三维重建系统、三维重建方法、电子设备及存储介质 |
CN116863085B (zh) * | 2023-09-04 | 2024-01-09 | 北京数慧时空信息技术有限公司 | 一种三维重建系统、三维重建方法、电子设备及存储介质 |
CN117292159A (zh) * | 2023-11-22 | 2023-12-26 | 武汉大势智慧科技有限公司 | 一种建筑模型招牌纹理自动优化方法和系统 |
CN117292159B (zh) * | 2023-11-22 | 2024-02-13 | 武汉大势智慧科技有限公司 | 一种建筑模型招牌纹理自动优化方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111629193B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111629193B (zh) | 一种实景三维重建方法及系统 | |
US8818076B2 (en) | System and method for cost-effective, high-fidelity 3D-modeling of large-scale urban environments | |
US7509241B2 (en) | Method and apparatus for automatically generating a site model | |
AU2011362799B2 (en) | 3D streets | |
CN112927370A (zh) | 三维建筑物模型构建方法、装置、电子设备及存储介质 | |
Barazzetti et al. | True-orthophoto generation from UAV images: Implementation of a combined photogrammetric and computer vision approach | |
CN111737790B (zh) | 仿真城市模型的构建方法和设备 | |
CN112465849B (zh) | 一种无人机激光点云与序列影像的配准方法 | |
CN116740288B (zh) | 一种融合激光雷达、倾斜摄影的三维重建方法 | |
CN110322541A (zh) | 一种从五个倾斜相机中选择最优墙面纹理的方法 | |
CN114241125A (zh) | 一种基于多视角卫星影像精细三维建模方法及系统 | |
CN111047698A (zh) | 一种真正射影像采集方法 | |
CN108830921A (zh) | 基于入射角度的激光点云反射强度纠正方法 | |
KR100732915B1 (ko) | 디지털사진 측량기술 및 인공위성영상을 이용한 기본설계용도로노선의 3차원적 결정 방법 | |
Frommholz et al. | Reconstructing buildings with discontinuities and roof overhangs from oblique aerial imagery | |
Frommholz et al. | Inlining 3d reconstruction, multi-source texture mapping and semantic analysis using oblique aerial imagery | |
WO2022064242A1 (en) | The method of automatic 3d designing of constructions and colonies in an smart system using a combination of machine scanning and imaging and machine learning and reconstruction of 3d model through deep learning and with the help of machine learning methods | |
CN115631317B (zh) | 隧道衬砌正射影像生成方法及装置、存储介质、终端 | |
CN116129064A (zh) | 电子地图生成方法、装置、设备及存储介质 | |
Karras et al. | Generation of orthoimages and perspective views with automatic visibility checking and texture blending | |
Marsetič | Robust automatic generation of true orthoimages from very high-resolution panchromatic satellite imagery based on image incidence angle for occlusion detection | |
KR100490670B1 (ko) | 산악용 입체지도 제작방법 | |
CN114913297A (zh) | 一种基于mvs稠密点云的场景正射影像生成方法 | |
CN114491697A (zh) | 一种基于深度学习的树木点云补全方法 | |
Zhang et al. | Tests and performance evaluation of DMC images and new methods for their processing |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201110 |