CN111681322B - 一种倾斜摄影模型的融合方法 - Google Patents

一种倾斜摄影模型的融合方法 Download PDF

Info

Publication number
CN111681322B
CN111681322B CN202010535858.3A CN202010535858A CN111681322B CN 111681322 B CN111681322 B CN 111681322B CN 202010535858 A CN202010535858 A CN 202010535858A CN 111681322 B CN111681322 B CN 111681322B
Authority
CN
China
Prior art keywords
model
fusion
tilt
outer contour
inclination
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
Application number
CN202010535858.3A
Other languages
English (en)
Other versions
CN111681322A (zh
Inventor
李成名
陈汉生
胡家熙
刘振东
武鹏达
王飞
方驰宇
刘嗣超
马照亭
吴政
朱立宁
刘丽
洪志远
杨霄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chinese Academy of Surveying and Mapping
Original Assignee
Chinese Academy of Surveying and Mapping
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chinese Academy of Surveying and Mapping filed Critical Chinese Academy of Surveying and Mapping
Priority to CN202010535858.3A priority Critical patent/CN111681322B/zh
Publication of CN111681322A publication Critical patent/CN111681322A/zh
Application granted granted Critical
Publication of CN111681322B publication Critical patent/CN111681322B/zh
Priority to AU2021102109A priority patent/AU2021102109A4/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • G06T19/20Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects

Abstract

本发明公开了一种倾斜摄影模型的融合方法,包括:S1:获取目标区域的至少一个第一倾斜模型及至少一个第二倾斜模型,所述第一倾斜模型及所述第二倾斜模型均由多个三角面片构成;S2:获取所述第一倾斜模型外轮廓的空间范围,查找所述第一倾斜模型与所述第二倾斜模型的融合区域;S3:以所述第一倾斜模型的外轮廓边界作为约束条件,将所述融合区域进行精细剖分;S4:对经过所述步骤S3处理的所述融合区域进行纹理坐标的插值处理;本发明进行倾斜摄影模型融合时只对原始模型的三角面片进行细分而不重构,避免融合后模型原始网格结构遭到破坏和纹理不真实的问题。

Description

一种倾斜摄影模型的融合方法
技术领域
本发明涉及图像处理技术领域,更具体的说是涉及一种倾斜摄影模型的融合方法。
背景技术
目前,倾斜摄影模型融合是指将同一批次获取的、具有一定重叠范围的多块三维模型融合为一个整体的过程。与传统的三维模型融合不同,在同一批次倾斜摄影三维建模任务中,经过重建流程构建的多块三维模型,其网格分辨率大体一致;同时,由于外业采集到的原始影像分辨率优于5厘米甚至达到毫米级,其纹理特征足够精细。因此,当对多块模型进行融合时,既要保证融合模型几何结构的正确性,以准确地反映地形和地物的形状特征,也要保证融合模型纹理表达的真实感,能够客观地表达地形和地物的颜色特征。
但是,现有技术中三维模型融合主要包括网格融合和纹理融合两部分,网格融合可分为基于裁剪的方法、基于补洞的方法和基于微分网格变形的方法三类,基于裁剪的方法通过三角面片求交而后重构三角面片实现网格融合;基于补洞的方法通过删除重叠区域冗余三角面片然后在重叠区域重构三角面片实现网格融合;纹理融合一般通过调整模型三角面片的纹理坐标,实现不同三角面片纹理间的平滑过渡。然而,对于倾斜摄影模型而言,其融合并不是几何结构融合和纹理融合的简单叠加,二者结合的紧密程度对最终的模型融合结果有直接影响。现有倾斜摄影模型网格融合方法尽管类别多样,但基本思路均是在模型重叠区域采用对原有三角面片顶点重新构网的方式,但是这种方式破坏了原有模型的几何特征,同时会导致后续纹理融合时出现拉伸、过渡不自然等失真现象。
因此,如何提供一种能够解决上述问题的倾斜摄影模型的融合方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种倾斜摄影模型的融合方法,进行倾斜摄影模型融合时只对原始模型的三角面片进行细分而不重构,避免融合后模型原始网格结构遭到破坏和纹理不真实的问题。
为了实现上述目的,本发明采用如下技术方案:
一种倾斜摄影模型的融合方法,包括:
S1:获取目标区域的至少一个第一倾斜模型及至少一个第二倾斜模型,所述第一倾斜模型及所述第二倾斜模型均由多个三角面片构成;
S2:获取所述第一倾斜模型外轮廓的空间范围,查找所述第一倾斜模型与所述第二倾斜模型的融合区域;
S3:以所述第一倾斜模型的外轮廓边界作为约束条件,将所述融合区域进行精细剖分;
S4:对经过所述步骤S3处理的所述融合区域进行纹理坐标的插值处理。
优选的,所述步骤S2中,查找所述第一倾斜模型与所述第二倾斜模型的融合区域的过程具体包括:
S21:将划分所述第一倾斜模型的每个三角面片投影至二维平面,得到对应的平面三角形;
S22:遍历每个所述三角面片,所得全部所述平面三角形与所述外轮廓的空间范围相交得到若干相交平面三角形,若干所述相交平面三角形对应的所述三角面片组成的区域即为融合区域。
优选的,所述步骤S2中,确定所述第一倾斜模型的外轮廓平面范围利用半边数据结构实现。
优选的,所述步骤S3具体包括:逆时针遍历所述融合区域的任一三角面片,得到与所述第一倾斜模型的外轮廓空间范围相交的部分,计算所述相交交点的平面坐标及高程。
优选的,所述步骤S4具体包括:所述相交交点的纹理坐标可据其所在半边两端点的纹理坐标线性插值求得。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种倾斜摄影模型的融合方法,模型纹理融合过程与模型网格融合的过程紧密结合,仅对融合模型中重构的三角面片进行纹理坐标调整,因此最终模型融合边界处的三角面片之间没有纹理错位的现象,且融合边界两侧三角面片间纹理颜色无明显差异。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的一种倾斜摄影模型的融合方法的流程图;
图2附图为本发明实施例1外轮廓范围查找示意图;
图3附图为本发明实施例1融合区域三角面片示意图;
图4附图为本发明实施例1三角面片剖分示意图;
图5附图为本发明实施例2待融合模型一;
图6附图为本发明实施例2待融合模型二;
图7附图为本发明实施例2待融合模型一与待融合模型二的融合结果一;
图8附图为本发明实施例2待融合模型一与待融合模型二的融合结果一;
图9附图为本发明实施例2待融合模型一与待融合模型二的网格融合结果。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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。
实施例1
参见附图1所示,本发明实施例1公开了一种倾斜摄影模型的融合方法,包括:
S1:获取目标区域的至少一个第一倾斜模型及至少一个第二倾斜模型,第一倾斜模型及第二倾斜模型均由多个三角面片构成;
其中,倾斜模型通常是利用多头相机直接航飞得到目标区域的倾斜影像,然后再经过内业处理得到。
S2:获取第一倾斜模型外轮廓的空间范围,查找第一倾斜模型与第二倾斜模型的融合区域;
S3:以第一倾斜模型的外轮廓边界作为约束条件,将融合区域进行精细剖分;
S4:对经过步骤S3处理的融合区域进行纹理坐标的插值处理。
在一个具体的实施例中,步骤S2中,查找第一倾斜模型与第二倾斜模型的融合区域的过程具体包括:
S21:将划分第一倾斜模型的每个三角面片投影至二维平面,得到对应的平面三角形;
S22:遍历每个三角面片,所得全部平面三角形与外轮廓的空间范围相交得到若干相交平面三角形,若干相交平面三角形对应的三角面片组成的区域即为融合区域。
在一个具体的实施例中,步骤S2中,确定第一倾斜模型的外轮廓空间范围利用半边数据结构实现。
具体的,利用半边数据结构确定第一倾斜模型的外轮廓空间范围的具体过程为:
(1)边界半边的判断
对于网格模型内部的边,其对应的两条半边必然属于两个不同三角面片;而对于网格模型边界上的边,其对应的两条半边必然存在一条半边不属于任何三角面片。参见附图2所示,内边V1V0对应的两条半边h10和h01分别属于面片f1和f6,而边界边V1V2的两条半边h12和h21,h21属于三角面片f1,而h12是一条不属于任何三角面片的半边。利用边界半边不属于任何多边形面片这一特点,判断当前半边所在多边形面片是否为空:若为空则当前半边为模型的边界半边。
(2)查找所有边界半边
遍历模型的所有半边,利用(1)中的方法记录位于网格模型边界上的所有半边,然后再将这些半边首尾顺次连接,即可获得网格模型的外轮廓边界。图1所示模型的外轮廓边界为边界半边h12、h23、h34、h45、h56和h61首尾相连形成的封闭多边形。
(3)获取网格模型平面外轮廓边界
将网格模型外轮廓边界投影至二维平面,忽略其高程Z值,即可获得中心模型外轮廓平面范围。
在一个具体的实施例中,参见附图3所示,步骤S3具体包括:逆时针遍历融合区域的任一三角面片,得到与第一倾斜模型的外轮廓空间范围相交的部分,计算相交交点的平面坐标及高程,平面坐标的表达式为:
(YC-YB)XI1+(XC-XB)YI1+(XCYB-XBYC)=0
(YV1-YV0)XI1+(XV0-YV1)YI1+(XV1YV0-XV0YV1)=0
(YD-YC)XI2+(XC-XD)YI2+(XV2YV1-XV1YV2)=0
(YV2-YV1)XI2+(XV1-YV1)YI2+(XV2YV1-XV1YV2)=0
高程的表达式为:
Figure BDA0002536971460000051
Figure BDA0002536971460000052
式中:(Xi,Yi)表示相交交点的平面坐标,Zi表示相交交点的高程,实现了细分。
在一个具体的实施例中,参见附图4所示,中心模型原始三角面片BMC被细分为BMI1和CI1M,原始三角面片DCM被细分为CMI2和DI2M;另一模型原始三角面片V0V1V2被细分为V0I1C、VOCV2和CDV2,步骤S4具体包括:相交交点的纹理坐标可据其所在半边两端点的纹理坐标线性插值求得,具体表达式如下:
Figure BDA0002536971460000053
Figure BDA0002536971460000054
式中,(ui,vi)标识点的纹理坐标,i表示待计算顶点,start和end分别表示点i所在半边的起点和终点。
在一个具体的实施例中,步骤S4具体包括:相交交点的纹理坐标可据其所在半边两端点的纹理坐标线性插值求得。
实施例2
依托中国测绘科学研究院研制的IMS一体化测图系统,嵌入本文提出的倾斜摄影模型融合方法,以两块分块重建的倾斜摄影模型融合为例对提出的方法进行验证。试验数据为东营市倾斜和垂直影像,两块待融合倾斜摄影模型的原始影像数量分别为21张和24张,两块倾斜摄影模型东西方向重叠为25米,南北方向重叠140米;参见附图4-5所示,为待融合模型。
实验所使用的两块倾斜摄影模型的顶点数目分别为57032个和73090个,面片数目分别为113569个和145733个。融合后模型的顶点数目为122892个,相比原始数据减少7847个顶点;融合后模型的三角面片数目为244812个,相比原始数据减少15811个,模型融合结果参见附图6-7所示。
在模型几何结构融合上,本文方法删除待融合模型中位于裁剪模型范围内的三角面片,仅对融合边界处的三角面片进行了剖分和重构,重构的这部分三角面片能够准确地反映地表形态,且融合后的模型在裁剪边界处不存在漏洞、裂缝和错位,具有正确的网格拓扑结构。模型网格融合结果参见附图8所示。
由此可见,在模型纹理融合上,本文方法仅对重构的裁剪模型和待融合模型融合边界处的三角面片的纹理重新进行了插值计算。如附图7所示,纹理融合后的模型真实地表达模型的颜色特征,融合后模型的纹理能够与原始数据保持一致,在融合边界两侧没有出现纹理丢失和错位的现象,融合边界两侧的三角面片纹理颜色无明显差异。
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他实施例的不同之处,各个实施例之间相同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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (3)

1.一种倾斜摄影模型的融合方法,其特征在于,包括:
S1:获取目标区域的至少一个第一倾斜模型及至少一个第二倾斜模型,所述第一倾斜模型及所述第二倾斜模型均由多个三角面片构成;
S2:获取所述第一倾斜模型外轮廓的空间范围,查找所述第一倾斜模型与所述第二倾斜模型的融合区域;
S3:以所述第一倾斜模型的外轮廓边界作为约束条件,将所述融合区域进行精细剖分;
S4:对经过所述步骤S3处理的所述融合区域进行纹理坐标的插值处理;
所述步骤S2中,查找所述第一倾斜模型与所述第二倾斜模型的融合区域的过程具体包括:
S21:将划分所述第一倾斜模型的每个三角面片投影至二维平面,得到对应的平面三角形;
S22:遍历每个所述三角面片,所得全部所述平面三角形与所述外轮廓的空间范围相交得到若干相交平面三角形,若干所述相交平面三角形对应的所述三角面片组成的区域即为融合区域;
所述步骤S3具体包括:逆时针遍历所述融合区域的任一三角面片,得到与所述第一倾斜模型的外轮廓空间范围相交的部分,计算所述相交交点的平面坐标及高程。
2.根据权利要求1所述的一种倾斜摄影模型的融合方法,其特征在于,所述步骤S2中,确定所述第一倾斜模型的外轮廓平面范围利用半边数据结构实现。
3.根据权利要求1所述的一种倾斜摄影模型的融合方法,其特征在于,所述步骤S4具体包括:所述相交交点的纹理坐标根据其所在半边两端点的纹理坐标线性插值求得。
CN202010535858.3A 2020-06-12 2020-06-12 一种倾斜摄影模型的融合方法 Active CN111681322B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010535858.3A CN111681322B (zh) 2020-06-12 2020-06-12 一种倾斜摄影模型的融合方法
AU2021102109A AU2021102109A4 (en) 2020-06-12 2021-04-21 Fusion method of oblique photography model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010535858.3A CN111681322B (zh) 2020-06-12 2020-06-12 一种倾斜摄影模型的融合方法

Publications (2)

Publication Number Publication Date
CN111681322A CN111681322A (zh) 2020-09-18
CN111681322B true CN111681322B (zh) 2021-02-02

Family

ID=72435556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010535858.3A Active CN111681322B (zh) 2020-06-12 2020-06-12 一种倾斜摄影模型的融合方法

Country Status (2)

Country Link
CN (1) CN111681322B (zh)
AU (1) AU2021102109A4 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115409941B (zh) * 2022-08-31 2023-05-30 中南大学 一种三维道路场景中三维地物模型融合方法及其系统
CN116310225A (zh) * 2023-05-16 2023-06-23 山东省国土测绘院 基于三角网融合的osgb模型镶嵌方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010121085A1 (en) * 2009-04-16 2010-10-21 Ioan Alexandru Salomie Scalable particle interactive networks
CN102003938A (zh) * 2010-10-11 2011-04-06 中国人民解放军信息工程大学 大型高温锻件热态在位检测方法
CN103049896A (zh) * 2012-12-27 2013-04-17 浙江大学 三维模型的几何数据和纹理数据自动配准算法
CN104392457A (zh) * 2014-12-11 2015-03-04 中国测绘科学研究院 倾斜影像的连接点自动匹配方法及装置
CN109754463A (zh) * 2019-01-11 2019-05-14 中煤航测遥感集团有限公司 三维建模融合方法及装置
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
CN110136259A (zh) * 2019-05-24 2019-08-16 唐山工业职业技术学院 一种基于倾斜摄影辅助bim和gis的三维建模技术
CN110956699A (zh) * 2019-11-27 2020-04-03 西安交通大学 一种三角形网格模型gpu并行切片方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886640B (zh) * 2014-03-26 2017-01-04 中国测绘科学研究院 一种建筑物的三维模型的获取方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010121085A1 (en) * 2009-04-16 2010-10-21 Ioan Alexandru Salomie Scalable particle interactive networks
CN102003938A (zh) * 2010-10-11 2011-04-06 中国人民解放军信息工程大学 大型高温锻件热态在位检测方法
CN103049896A (zh) * 2012-12-27 2013-04-17 浙江大学 三维模型的几何数据和纹理数据自动配准算法
CN104392457A (zh) * 2014-12-11 2015-03-04 中国测绘科学研究院 倾斜影像的连接点自动匹配方法及装置
CN109754463A (zh) * 2019-01-11 2019-05-14 中煤航测遥感集团有限公司 三维建模融合方法及装置
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
CN110136259A (zh) * 2019-05-24 2019-08-16 唐山工业职业技术学院 一种基于倾斜摄影辅助bim和gis的三维建模技术
CN110956699A (zh) * 2019-11-27 2020-04-03 西安交通大学 一种三角形网格模型gpu并行切片方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
倾斜摄影三维模型与大场景地形的融合算法;耿中元,等;《测绘科学》;20161130;第108-113页 *

Also Published As

Publication number Publication date
CN111681322A (zh) 2020-09-18
AU2021102109A4 (en) 2021-06-03

Similar Documents

Publication Publication Date Title
CN109993783B (zh) 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
Labatut et al. Robust and efficient surface reconstruction from range data
Franco et al. Exact polyhedral visual hulls
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
US20050057561A1 (en) System and method for hole filling in 3D models
US20080238919A1 (en) System and method for rendering of texel imagery
US20050140670A1 (en) Photogrammetric reconstruction of free-form objects with curvilinear structures
CN111681322B (zh) 一种倾斜摄影模型的融合方法
CN109472870B (zh) 一种基于网格重构和多影响域修正的模型匹配方法
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
Branch et al. Automatic hole-filling of triangular meshes using local radial basis function
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
CN111583409B (zh) 针对实景三维模型的无网格边界孔洞修补方法和装置
CN111462030A (zh) 多图像融合的立体布景视觉新角度构建绘制方法
CN111581776A9 (zh) 一种基于几何重建模型的等几何分析方法
CN115393548A (zh) 一种适用于三维重建的网格纹理化简算法
CN111047698A (zh) 一种真正射影像采集方法
Campos et al. Splat-based surface reconstruction from defect-laden point sets
Branch et al. A hole-filling algorithm for triangular meshes using local radial basis function
CN114202610A (zh) 一种倾斜摄影建筑物单体化模型纹理映射方法
CN113971718A (zh) 一种对三维点云模型进行布尔运算的方法
CN111028349B (zh) 一种适用于海量三维实景数据快速可视化的层级构建方法
CN115631317B (zh) 隧道衬砌正射影像生成方法及装置、存储介质、终端
CN110930509A (zh) 线性四元树多层模型驱动的dem即时可视化方法

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