CN112017227B - 点云融合生成的地形模型与潮汐数据混合可视化的方法 - Google Patents
点云融合生成的地形模型与潮汐数据混合可视化的方法 Download PDFInfo
- Publication number
- CN112017227B CN112017227B CN202010877024.0A CN202010877024A CN112017227B CN 112017227 B CN112017227 B CN 112017227B CN 202010877024 A CN202010877024 A CN 202010877024A CN 112017227 B CN112017227 B CN 112017227B
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- cloud data
- terrain model
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 25
- 238000007794 visualization technique Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 31
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 22
- 238000010276 construction Methods 0.000 claims abstract description 14
- 238000012800 visualization Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims description 7
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 230000001795 light effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000012876 topography Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Architecture (AREA)
- Remote Sensing (AREA)
- Optics & Photonics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了点云融合生成的地形模型与潮汐数据混合可视化的方法，包括：通过三维激光扫描方式、倾斜摄影测量方法和水下声呐扫测方式分别获取第一点云数据、第二点云数据和第三点云数据；将第一点云数据、第二点云数据和第三点云数据相互融合生成地形模型；将地形模型与潮汐数据混合，根据水深情况在地形模型表面呈现出不同的颜色变化。将地形模型与潮汐数据进行融合并能够实时可视化，为圈围工程施工决策提供有力的辅助作用，减少决策过程中存在的人为误差，提高管理人员决策科学性。
Description
技术领域
本发明涉及水文技术领域，尤其涉及点云融合生成的地形模型与潮汐数据混合可视化的方法。
背景技术
对于圈围工程施工，易受到地区地形地质、潮位水深等自然条件的影响，面临的主要痛点就是施工地形信息不明确，水深情况复杂，有可能在极短的时间内发生巨大的变化。并且传统的地形高程判别方式是基于二维的CAD点位平面图上进行，需要有一定的空间想象能力，无法直观表述出具体的地形走势与水深状况，导致在进行潮位水深判断上可能存在较大偏差，并且容易忽略掉一些不起眼、但却能影响施工的细微工程点。因而对工程施工现场总平面布置、船机进场时机，以及施工效率与生产安全性产生较大影响。利用三维建模技术快速生成的地形模型结合潮汐水文数据实现地形水深实时可视化，是解决这一问题的有效手段。
现阶段常见的比较先进的地形模型建模方式，具有多种建模方法。不同建模方法生成的成果数据格式不同，无法直接合成完整的水上水下地形模型，在圈围工程施工实际应用上还存在诸多难点。且目前市场上尚未开发出一款融合三维地形模型与实际潮位数据的实时可视化软件，因此需要研究出一种融合多种数据采集方式得到的点云数据生成地形模型与潮汐数据混合可视化的方法。
发明内容
本发明的目的在于提供点云融合生成的地形模型与潮汐数据混合可视化的方法，将地形模型与潮汐数据进行融合并能够实时可视化。
实现上述目的的技术方案是：
点云融合生成的地形模型与潮汐数据混合可视化的方法，包括：
步骤S1，通过三维激光扫描方式、倾斜摄影测量方法和水下声呐扫测方式分别获取第一点云数据、第二点云数据和第三点云数据；
步骤S2，将第一点云数据、第二点云数据和第三点云数据相互融合生成地形模型；
步骤S3，将地形模型与潮汐数据混合，根据水深情况在地形模型表面呈现出不同的颜色变化。
优选的，所述步骤S1包括：
步骤S11，三维激光扫描：对激光点云扫描设备设置相应的数据采样频率、点云密度，进行激光点云数据采集，外业扫描获取的数据自动完成拼接，拼接完成之后对点云进行滤波、抽稀处理，得到最终的第一点云数据；
步骤S12，倾斜摄影测量：选择旋翼无人机搭载五镜头摄像机进行倾斜摄影数据采集，通过现场像控点布设实现数据坐标的定位，再通过影像匹配算法自动匹配出所有影像中的同名点，并从影像中抽取更多的特征点构成密集的第二点云数据；
步骤S13，水下声纳扫测：收集作业项目所在水域相关资料，使用水下三维声呐设备进行系统配置和外业数据采集，采用PCL利用亮度图和高度图生成三维的第三点云数据。
优选的，所述步骤S2包括：
步骤S21，通过不同坐标系的换算，完成所有点云数据坐标系统一；
步骤S22，所有点云数据的数据格式统一；
步骤S23，进行点云数据的融合：以第一点云数据为基准，使用迭代最邻近点配准法，将第二点云数据、第三点云数据与第一点云数据进行配准，从而得到融合点云数据；
步骤S24，进行融合点云数据的滤波，移除对生成数字高程模型无用的错误点和地物点；
步骤S25，滤波后的融合点云数据进行三维场景模型白模的建模：融合点云数据经过专业建模软件由空三建立的影像之间的三角关系构成不规则TIN，再由TIN构成白模，最终形成三维的地形模型。
优选的，所述步骤S3包括：
步骤S31，将地形模型fbx格式文件导入基于OpenGL的图形引擎中；导入之前将模型单位保持与图形引擎单位一致；
步骤S32，将现有的潮汐数据按照工程具体施工日期、时间、地点进行摘录，并进行坐标系换算，使地形模型、潮汐数据与图形引擎世界坐标系保持一致，最终制成txt格式文件；
步骤S33，读取txt文件数据，并形成数据表，逐行读取数据表中的信息，逐个字段进行拆解，筛选出日期、时间、水位高度，然后存储在数据库中进行备用；
步骤S34，将数据库中的时间数据处理成易于计算机计算的数据格式；
步骤S35，将数据库中水位高度与时间进行联动；
步骤S36，计算地形模型的顶点数据；
步骤S37，利用顶点数据对地形模型进行几何着色。
优选的，所述步骤S36指：首先从图形引擎中获得当前地形模型的顶点数据和片元数据，然后对获取到的数据进行数据分类和赋值，计算得出每一个顶点所在的位置。
优选的，所述步骤S37指：根据顶点数据，对每一个顶点的位置高度和与先前定义的水位高度进行差值计算，并将得到的差值对应到不同的颜色值上，得出每一个顶点需要使用什么颜色之后，将颜色数据传递至图形引擎，由图形引擎进行最终的颜色组装，计算光影效果。
本发明的有益效果是：本发明将无人机倾斜摄影实景建模技术、激光雷达点云数据建模技术与声纳扫测数据声波成像技术生成的数据进行融合建模，解决了现有技术中不同建模方法生成的成果数据格式不同而无法直接合成完整的水上水下地形模型的问题。同时，为圈围工程施工决策提供有力的辅助作用，减少决策过程中存在的人为误差，提高管理人员决策科学性，从而进一步提升施工生产效率以及施工安全性。
附图说明
图1是本发明的点云融合生成的地形模型与潮汐数据混合可视化的方法的流程图；
图2是本发明中步骤S1的流程图；
图3是本发明中步骤S2的流程图；
图4是本发明中步骤S3的流程图。
具体实施方式
下面将结合附图对本发明作进一步说明。
请参阅图1-4，本发明的点云融合生成的地形模型与潮汐数据混合可视化的方法，包括下列步骤：
步骤S1，通过三维激光扫描方式、倾斜摄影测量方法和水下声呐扫测方式分别获取第一点云数据、第二点云数据和第三点云数据。具体地，包括：
步骤S11，三维激光扫描：对激光点云扫描设备设置相应的数据采样频率、点云密度，进行激光点云数据采集，外业扫描获取的数据一般会自动完成拼接，拼接完成之后对点云进行滤波、抽稀处理，得到了最终的第一点云数据。其中，对激光点云扫描设备的选择则在收集圈围工程相关资料之后，进行实地外业踏勘，根据踏勘结果而选择。
步骤S12，倾斜摄影测量：根据作业项目需求，选择旋翼无人机搭载五镜头摄像机进行倾斜摄影数据采集，通过现场像控点布设实现数据坐标的定位，再通过后期内业高精度的影像匹配算法，自动匹配出所有影像中的同名点，并从影像中抽取更多的特征点构成密集的第二点云数据。
步骤S13，水下声纳扫测：收集作业项目所在水域相关资料，使用水下三维声呐设备结合配套软件USE(USE是一系列较为先进的软件版本，用于记录、显示、处理和报告Echoscope实时3D声呐的数据)等进行系统配置和外业数据采集。为了便于与激光扫描技术和倾斜摄影技术所生成的点云文件协同建模，采用PCL(Point Cloud Library，点云库)利用亮度图和高度图生成三维的第三点云数据。
步骤S2，将第一点云数据、第二点云数据和第三点云数据相互融合生成地形模型。具体包括：
步骤S21，通过不同坐标系的换算，完成所有点云数据(第一点云数据、第二点云数据和第三点云数据)坐标系统一，以便于空间位置的统一和数据融合。
步骤S22，所有点云数据的数据格式统一。数据融合前要先保证三种点云数据格式的一致性，一般转换为点云通用格式las格式。las格式是一种二进制文件格式，能够提供一种开放的格式标准，允许不同的硬件和软件提供商输出可互操作的统一格式。
步骤S23，进行点云数据的融合。由于三维激光点云的精度远高于倾斜摄影测量和声纳扫测点云数据，因此将三种点云数据进行配准融合的过程中，以第一点云数据为基准，使用迭代最邻近点配准法，也即ICP(Iterative Closest Point)算法和人工配准相结合的方法，将第二点云数据、第三点云数据与第一点云数据进行配准，从而得到高精度的融合点云数据。ICP算法为一种点集对点集配准方法，能够在较好的初值情况下，得到很好的算法收敛性，通常不必对处理的点集进行分割和特征提取，可以获得非常精确的配准效果。
步骤S24，进行融合点云数据的滤波，移除对生成数字高程模型(DEM)无用的数据点，包括错误点和地物点。滤波能够去除掉融合点云数据中一些高程数据突变的点。该算法简单、快速、实用。通过多边滤波器分析模型表面的法向量、曲率等几何量和噪声之间的关系，在有效去除突变点的同时，保持点模型表面的几何特征。
步骤S25，滤波后的融合点云数据进行三维场景模型白模的建模：融合点云数据经过专业建模软件(例如ContextCapture软件)由空三建立的影像之间的三角关系构成不规则三角网(TIN)，再由TIN构成白模，最终形成三维的地形模型。“空三”全称空中三角测量，是立体摄影测量中，根据少量的野外控制点，在室内进行控制点加密，求得加密点的高程和平面位置的测量方法。
步骤S3，利用基于OpenGL(开放式图形库)的图形引擎进行三维地形模型与潮汐水文数据混合可视化开发，实现地形模型可以根据水深情况在其模型表面呈现出不同的颜色变化。具体包括：
步骤S31，将地形模型fbx格式文件导入基于OpenGL的图形引擎中。导入之前需要在模型处理软件(例如3dsmax软件)中将地形模型进行单位设置，将模型单位保持与图形引擎单位一致。并设置好基础的灯光以及环境。
步骤S32，将现有的潮汐数据(例如：中国航海社出版的《中国沿海潮汐表》的相应数据)按照工程具体施工日期、时间、地点进行摘录，并进行坐标系换算，使地形模型、潮汐数据与图形引擎世界坐标系保持一致，最终制成txt格式文件。
步骤S33，读取txt文件数据，并形成数据表。在获得数据表后，逐行读取数据表中的信息，逐个字段进行拆解。筛选出日期、时间、水位高度，然后存储在数据库(Lis t)中进行备用。
步骤S34，将数据库中的时间数据处理成易于计算机计算的数据格式，如1点30分应该被处理成90分钟。
步骤S35，因为潮汐数据与时间信息存在一一对应关系，将数据库中水位高度与时间进行联动，即：实时的水位高度与时间一一对应。
步骤S36，计算地形模型的顶点数据：首先从基于OpenGL的图形引擎中获得当前地形模型的顶点数据和片元数据，然后对获取到的数据进行数据分类和赋值，从而计算得出每一个顶点所在的位置。
步骤S37，利用顶点数据对地形模型进行几何着色：根据顶点数据，对每一个顶点的位置高度和与先前定义的水位高度进行差值计算，并将得到的差值对应到不同的颜色值上，得出每一个顶点需要使用什么颜色之后，将颜色数据传递至图形引擎，由图形引擎进行最终的颜色组装，计算光影效果。
以上实施例仅供说明本发明之用，而非对本发明的限制，有关技术领域的技术人员，在不脱离本发明的精神和范围的情况下，还可以作出各种变换或变型，因此所有等同的技术方案也应该属于本发明的范畴，应由各权利要求所限定。
Claims (4)
1.点云融合生成的地形模型与潮汐数据混合可视化的方法，其特征在于，包括：
步骤S1，通过三维激光扫描方式、倾斜摄影测量方法和水下声呐扫测方式分别获取第一点云数据、第二点云数据和第三点云数据；
步骤S2，将第一点云数据、第二点云数据和第三点云数据相互融合生成地形模型；
步骤S3，将地形模型与潮汐数据混合，根据水深情况在地形模型表面呈现出不同的颜色变化；
所述步骤S3包括：
步骤S31，将地形模型fbx格式文件导入基于OpenGL的图形引擎中；导入之前将模型单位保持与图形引擎单位一致；
步骤S32，将现有的潮汐数据按照工程具体施工日期、时间、地点进行摘录，并进行坐标系换算，使地形模型、潮汐数据与图形引擎世界坐标系保持一致，最终制成txt格式文件；
步骤S33，读取txt文件数据，并形成数据表，逐行读取数据表中的信息，逐个字段进行拆解，筛选出日期、时间、水位高度，然后存储在数据库中进行备用；
步骤S34，将数据库中的时间数据处理成易于计算机计算的数据格式；
步骤S35，将数据库中水位高度与时间进行联动；
步骤S36，计算地形模型的顶点数据；
步骤S37，利用顶点数据对地形模型进行几何着色；
所述步骤S1包括：
步骤S11，三维激光扫描：对激光点云扫描设备设置相应的数据采样频率、点云密度，进行激光点云数据采集，外业扫描获取的数据自动完成拼接，拼接完成之后对点云进行滤波、抽稀处理，得到最终的第一点云数据；
步骤S12，倾斜摄影测量：选择旋翼无人机搭载五镜头摄像机进行倾斜摄影数据采集，通过现场像控点布设实现数据坐标的定位，再通过影像匹配算法自动匹配出所有影像中的同名点，并从影像中抽取更多的特征点构成密集的第二点云数据；
步骤S13，水下声纳扫测：收集作业项目所在水域相关资料，使用水下三维声呐设备进行系统配置和外业数据采集，采用PCL利用亮度图和高度图生成三维的第三点云数据。
2.根据权利要求1所述的点云融合生成的地形模型与潮汐数据混合可视化的方法，其特征在于，所述步骤S2包括：
步骤S21，通过不同坐标系的换算，完成所有点云数据坐标系统一；
步骤S22，所有点云数据的数据格式统一；
步骤S23，进行点云数据的融合：以第一点云数据为基准，使用迭代最邻近点配准法，将第二点云数据、第三点云数据与第一点云数据进行配准，从而得到融合点云数据；
步骤S24，进行融合点云数据的滤波，移除对生成数字高程模型无用的错误点和地物点；
步骤S25，滤波后的融合点云数据进行三维场景模型白模的建模：融合点云数据经过专业建模软件由空三建立的影像之间的三角关系构成不规则TIN，再由TIN构成白模，最终形成三维的地形模型。
3.根据权利要求1所述的点云融合生成的地形模型与潮汐数据混合可视化的方法，其特征在于，所述步骤S36指：首先从图形引擎中获得当前地形模型的顶点数据和片元数据，然后对获取到的数据进行数据分类和赋值，计算得出每一个顶点所在的位置。
4.根据权利要求1所述的点云融合生成的地形模型与潮汐数据混合可视化的方法，其特征在于，所述步骤S37指：根据顶点数据，对每一个顶点的位置高度和与先前定义的水位高度进行差值计算，并将得到的差值对应到不同的颜色值上，得出每一个顶点需要使用什么颜色之后，将颜色数据传递至图形引擎，由图形引擎进行最终的颜色组装，计算光影效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010877024.0A CN112017227B (zh) | 2020-08-27 | 2020-08-27 | 点云融合生成的地形模型与潮汐数据混合可视化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010877024.0A CN112017227B (zh) | 2020-08-27 | 2020-08-27 | 点云融合生成的地形模型与潮汐数据混合可视化的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112017227A CN112017227A (zh) | 2020-12-01 |
| CN112017227B true CN112017227B (zh) | 2024-06-18 |
Family
ID=73503411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010877024.0A Active CN112017227B (zh) | 2020-08-27 | 2020-08-27 | 点云融合生成的地形模型与潮汐数据混合可视化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112017227B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112489099B (zh) * | 2020-12-11 | 2023-01-20 | 北京航空航天大学 | 点云配准方法、装置、存储介质及电子设备 |
| CN112884890A (zh) * | 2021-01-07 | 2021-06-01 | 中国电建集团贵州电力设计研究院有限公司 | 一种多格式基础地理信息数据融合显示的方法 |
| CN112927360A (zh) * | 2021-03-24 | 2021-06-08 | 广州蓝图地理信息技术有限公司 | 一种基于倾斜模型与激光点云数据融合的三维建模方法和系统 |
| CN117031493B (zh) * | 2023-07-17 | 2024-06-21 | 无锡卡尔曼导航技术有限公司南京技术中心 | 一种水库库容测绘方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106153015A (zh) * | 2015-04-23 | 2016-11-23 | 中交疏浚技术装备国家工程研究中心有限公司 | 绞吸挖泥船施工位置水下3d地形的制作系统 |
| CN110866973A (zh) * | 2019-08-23 | 2020-03-06 | 上海交通大学 | 空天库岸一体化应急勘测数据融合及集成显示系统及方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI353559B (en) * | 2006-12-18 | 2011-12-01 | Inst Information Industry | Apparatus, method, application program and compute |
| CN102117497B (zh) * | 2009-12-30 | 2015-02-18 | 新奥特（北京）视频技术有限公司 | 一种三维地形建模方法及系统 |
| JP5587677B2 (ja) * | 2010-06-15 | 2014-09-10 | 中日本航空株式会社 | 地形起伏画像生成方法及び地形起伏画像生成装置 |
| CN103617650A (zh) * | 2013-11-29 | 2014-03-05 | 哈尔滨工程大学 | 一种复杂三维地形显示方法 |
| JP6935511B2 (ja) * | 2017-12-08 | 2021-09-15 | アジア航測株式会社 | 地物高別色付画像生成装置及び地物高別色付画像生成プログラム |
| CN110197035B (zh) * | 2019-06-03 | 2023-03-24 | 长江南京航道局 | 一种航道水下地形变化分析系统及方法 |
-
2020
- 2020-08-27 CN CN202010877024.0A patent/CN112017227B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106153015A (zh) * | 2015-04-23 | 2016-11-23 | 中交疏浚技术装备国家工程研究中心有限公司 | 绞吸挖泥船施工位置水下3d地形的制作系统 |
| CN110866973A (zh) * | 2019-08-23 | 2020-03-06 | 上海交通大学 | 空天库岸一体化应急勘测数据融合及集成显示系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112017227A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112017227B (zh) | 点云融合生成的地形模型与潮汐数据混合可视化的方法 | |
| US11222465B2 (en) | Embedded urban design scene emulation method and system | |
| 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 | |
| US7133551B2 (en) | Semi-automatic reconstruction method of 3-D building models using building outline segments | |
| CN105931234A (zh) | 一种地面三维激光扫描点云与影像融合及配准的方法 | |
| CN110533768B (zh) | 一种仿真交通场景生成方法及系统 | |
| CN109902332A (zh) | 一种基于三维化技术的电力配网系统 | |
| Mahami et al. | Imaging network design to improve the automated construction progress monitoring process | |
| CN109801371B (zh) | 一种基于Cesium的网络三维电子地图构建方法 | |
| CN112634132A (zh) | 一种卫星影像的海图要素采集方法及装置 | |
| CN115861569A (zh) | 既有建筑绿色改造中基于数字图像采集的三维重建方法 | |
| CN115131498A (zh) | 一种水库智慧水利数字孪生模型快速构建方法 | |
| CN115982806A (zh) | 基于倾斜摄影的矮塔斜拉转体桥bim建模方法、设备及介质 | |
| Gülch | Application of semi-automatic building acquisition | |
| CN112800514B (zh) | 一种采用激光点云加bim建模技术运用到换流站可视化管控平台的方法 | |
| CN113532424B (zh) | 一种获取多维信息的一体化设备与协同测量方法 | |
| CN110163962A (zh) | 一种基于Smart 3D倾斜摄影技术输出实际地形等高线的方法 | |
| CN114972672A (zh) | 输电线路实景三维模型构建方法、装置、设备和存储介质 | |
| CN113936106A (zh) | 一种监控地图的三维可视化方法、系统和相关设备 | |
| CN109509234B (zh) | 一种基于城区建筑群高清栅格地图矢量化的方法 | |
| CN109493419B (zh) | 一种倾斜摄影数据获取数字表面模型的方法及装置 | |
| Henriques et al. | Mapping lacunae for retouching paintings with computer graphics software | |
| CN118072197A (zh) | 一种无人机场景立体匹配数据生成方法 | |
| Qing et al. | Research on Application of 3D Laser Point Cloud Technology in 3D Geographic Location Information Modeling of Electric Power | |
| Rau et al. | An interactive scheme for building modeling using the split-merge-shape algorithm |
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 |