CN112102486A - 一种基于合并根节点的倾斜摄影数据lod重建方法 - Google Patents

一种基于合并根节点的倾斜摄影数据lod重建方法 Download PDF

Info

Publication number
CN112102486A
CN112102486A CN202010923833.0A CN202010923833A CN112102486A CN 112102486 A CN112102486 A CN 112102486A CN 202010923833 A CN202010923833 A CN 202010923833A CN 112102486 A CN112102486 A CN 112102486A
Authority
CN
China
Prior art keywords
data
root node
oblique photography
grid
lod
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.)
Pending
Application number
CN202010923833.0A
Other languages
English (en)
Inventor
韦锦超
陶超
廖天兰
唐建勇
马娜
张倩斯
蔡卫国
林军
余子明
李佳
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.)
Guangzhou Nanfang Intelligent Technology Co ltd
Original Assignee
Guangzhou Nanfang Intelligent Technology Co ltd
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 Guangzhou Nanfang Intelligent Technology Co ltd filed Critical Guangzhou Nanfang Intelligent Technology Co ltd
Priority to CN202010923833.0A priority Critical patent/CN112102486A/zh
Publication of CN112102486A publication Critical patent/CN112102486A/zh
Pending legal-status Critical Current

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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Image Generation (AREA)

Abstract

本发明公开了一种基于合并根节点的倾斜摄影数据LOD重建方法，包括：获取所有倾斜摄影数据块的根节点数据，并在XOY平面建立唯一的二维空间索引；将其数据块每四个块合并生成一个新的数据块，生成高于当前层级的唯一二维空间索引；分别处理网格与纹理，利用软光栅化技术将网格数据重新生成点云，简化其数据及当前数据块等级与分辨率得到目标网格面数；展开网格数据与原始网格纹理数据，利用离线渲染、渲染到纹理技术生成新的纹理贴图与网格数据组成最终的目标数据；重复步骤，依次逆向建立四叉树，直到根节点数少于4，完成重建。本发明极大提升了倾斜摄影数据在三维场景中的加载速度，在低内存、低显存的情况下也能加载海量的倾斜摄影数据。

Description

一种基于合并根节点的倾斜摄影数据LOD重建方法
技术领域
本发明涉及倾斜摄影的技术领域，尤其涉及一种基于合并根节点的倾斜摄影数据LOD重建方法。
背景技术
近年来，倾斜摄影技术是国际测绘领域近些年发展起来的一项高新技术，它颠覆了以往正射影像只能从垂直角度拍摄的局限，通过在同一飞行平台上搭载多台传感器，同时从一个垂直、四个倾斜等五个不同的角度采集影像，将用户引入了符合人眼视觉的真实直观世界。
传统三维建模通常使用3dsMax、AutoCAD等建模软件，基于影像数据、CAD平倾斜摄影面图或者拍摄图片估算建筑物轮廓与高度等信息进行人工建模。这种方式制作出的模型数据精度较低，纹理与实际效果偏差较大，并且生产过程需要大量的人工参与；同时数据制作周期较长，造成数据的时效性较低，因而无法真正满足用户需要。
倾斜摄影测量技术以大范围、高精度、高清晰的方式全面感知复杂场景，通过高效的数据采集设备及专业的数据处理流程生成的数据成果直观反映地物的外观、位置、高度等属性，为真实效果和测绘级精度提供保证。同时有效提升模型的生产效率，采用人工建模方式一两年才能完成的一个中小城市建模工作，通过倾斜摄影建模方式只需要三至五个月时间即可完成，大大降低了三维模型数据采集的经济代价和时间代价。目前，国内外已广泛开展倾斜摄影测量技术的应用，倾斜摄影建模数据也逐渐成为城市空间数据框架的重要内容。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在加载速度慢，加载量小的问题，提出了本发明。
因此，本发明解决的技术问题是：提升加载速度及加载量。
为解决上述技术问题，本发明提供如下技术方案：利利用开源库获取所有倾斜摄影数据块的根节点数据，根据空间位置关系或文件索引形式在XOY平面建立唯一的二维空间索引；基于所述二维空间索引后的数据块每四个块合并生成一个新的数据块，所述新数据块根据合并的数据生成高于当前层级的唯一二维空间索引；基于所述的唯一二维空间索引分别处理网格与纹理，利用软光栅化技术将所述网格数据重新生成点云，降采样、泊松重建、网格简化所述点云数据，简化所述当前数据块的等级与分辨率得到目标网格面数；基于所述目标网格面数展开所述网格数据与原始网格纹理数据，利用离线渲染、渲染到纹理技术生成新的纹理贴图，与网格数据组成最终的目标数据；重复上述步骤，依次逆向建立四叉树，直到根节点数少于4，完成重建。
作为本发明所述的基于合并根节点的倾斜摄影数据LOD重建方法的一种优选方案，其中：所述唯一的二维空间索引Ix、Iy包括，Ix＝Nx*(块中点x坐标-AABB.xMin)/(AABB.xMax-AABB.xMin)；Iy＝Ny*(块中点y坐标-AABB.yMin)/(AABB.yMax-AABB.yMin)；其中，AABB表示XOY平面上的轴向包围盒，Nx、Ny分别表示在X轴、Y轴方向上的数据块数量。
作为本发明所述的基于合并根节点的倾斜摄影数据LOD重建方法的一种优选方案，其中：所述更上一级的二维空间索引包括，NEWx＝Ix>>(最大重建级别-当前块级别)；NEWy＝Iy>>(最大重建级别-当前块级别)；其中，NEWx、NEWy表示新的二维索引。
作为本发明所述的基于合并根节点的倾斜摄影数据LOD重建方法的一种优选方案，其中：所述光栅化过程包括将一个图元转变为一个二维图像。
作为本发明所述的基于合并根节点的倾斜摄影数据LOD重建方法的一种优选方案，其中：所述二维图像上的点包括颜色、深度和纹理数据。
作为本发明所述的基于合并根节点的倾斜摄影数据LOD重建方法的一种优选方案，其中：所述降采样包括，利用体素滤波器对所述点云进行降采样；利用体素化网格方法实现降采样，即减少所述点的数量，减少所述点云数据，并同时保持所述点云的形状特征。
作为本发明所述的基于合并根节点的倾斜摄影数据LOD重建方法的一种优选方案，其中：所述泊松重建过程包括定义八叉树、设置函数空间、创建向量场、求解泊松方程、提取等值面。
作为本发明所述的基于合并根节点的倾斜摄影数据LOD重建方法的一种优选方案，其中：所述定义八叉树过程包括，利用八叉树结构存储点集，根据所述采样点集的位置定义八叉树，细分八叉树得到每个采样点都落在深度为D的叶节点。
作为本发明所述的基于合并根节点的倾斜摄影数据LOD重建方法的一种优选方案，其中：所述设置函数空间包括，基于八叉树的每个节点设置空间函数F，所有所述节点函数F的线性和表示向量场V，利用盒滤波的n维卷积得到基函数F。
作为本发明所述的基于合并根节点的倾斜摄影数据LOD重建方法的一种优选方案，其中：所述提取等值面包括，预估所述采样点的位置，利用其平均值提取等值面，利用移动立方体算法得到等值面。
本发明的有益效果：发明方法是一种基于合并根节点、采用网格重建与纹理重投影的倾斜摄影数据LOD重建方法，解决了三维场景中大数据量的倾斜摄影数据流畅加载等问题，极大的提升倾斜摄影数据在三维场景中的加载速度，在低内存、低显存的情况下也能加载海量的倾斜摄影数据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的基本流程图；
图2为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的逆向四叉树的建立流程图；
图3为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的另一个逆向四叉树的建立流程图；
图4为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的又一个逆向四叉树的建立流程图；
图5为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的再一个逆向四叉树的建立流程图；
图6为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的光栅化生成点云原理图；
图7为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的又一个光栅化生成点云原理图；
图8为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的点云降采样图；
图9为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的倾斜数据加载速度对比图；
图10为本发明的一个实施例提供一种基于合并根节点的倾斜摄影数据LOD重建方法的倾斜数据内存占用对比图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1～8，为本发明的一个实施例，提供了一种基于合并根节点的倾斜摄影数据LOD重建方法，包括：
S1：利用开源库获取所有倾斜摄影数据块的根节点数据，根据空间位置关系或文件索引形式在XOY平面建立唯一的二维空间索引。需要说明的是唯一的二维空间索引Ix、Iy包括，
Ix＝Nx*(块中点x坐标-AABB.xMin)/(AABB.xMax-AABB.xMin)；
Iy＝Ny*(块中点y坐标-AABB.yMin)/(AABB.yMax-AABB.yMin)；
其中，AABB表示XOY平面上的轴向包围盒，Nx、Ny分别表示在X轴、Y轴方向上的数据块数量。
具体的，利用网格重建与纹理重投影的倾斜摄影数据LOD重建方法，收集到多个数据块的倾斜摄影数据。以下以收集到的倾斜摄影数据处理工具生成的倾斜摄影数据，格式为osgb，切分后的数据分别存储在各Tile文件夹下，利用OpenSceneGraph开源库获取所有数据块的根节点数据并将上述数据进行统计，得到数据在XOY平面上的轴向包围盒AABB，分别计算出在X轴、Y轴方向上各有多少数据块Nx,Ny,根据每个数据块的中心点位置计算出唯一索引Ix、Iy:
Ix＝Nx*(块中点x坐标-AABB.xMin)/(AABB.xMax-AABB.xMin)；
Iy＝Ny*(块中点y坐标-AABB.yMin)/(AABB.yMax-AABB.yMin)；
建立完索引之后，根节点的排布如图2所示。
其中需要说明的是，OpenSceneGraph开源库利用可移植的ANSI C++编写，并利用已成为工业标准的OpenGL(开放图形库)底层渲染API(应用程序接口)，因此，OpenSceneGraph具备跨平台性，可以运行在Windows，Mac OS X和大多数类型的UNIX和Linux操作系统上，大部分的OpenSceneGraph操作可以独立于本地视窗系统，OpenSceneGraph也包含了针对某些视窗系统特有功能的支持代码。
S2：基于二维空间索引后的数据块每四个块合并生成一个新的数据块，新数据块根据合并的数据生成高于当前层级的唯一二维空间索引。需要说明的是更上一级的二维空间索引包括，
NEWx＝Ix>>(最大重建级别-当前块级别)；
NEWy＝Iy>>(最大重建级别-当前块级别)；
其中，NEWx、NEWy表示新的二维索引。
具体的，在对根节点数据建立索引之后，每四个块在合并生成一个新的数据块，生成更上一级的四叉树二维空间索引，其逆向四叉树建立过程如图3～5所示，则一颗从下至上逆向生成的四叉树建立完成。
S3：基于唯一二维空间索引分别处理网格与纹理，利用软光栅化技术将网格数据重新生成点云，降采样、泊松重建、网格简化点云数据，简化当前数据块的等级与分辨率得到目标网格面数。
其中，光栅化过程包括将一个图元转变为一个二维图像，
进一步的，二维图像上的点包括颜色、深度和纹理数据。
降采样包括，利用体素滤波器对点云进行降采样；利用体素化网格方法实现降采样，即减少点的数量，减少点云数据，并同时保持点云的形状特征
具体的，泊松重建过程包括定义八叉树、设置函数空间、创建向量场、求解泊松方程、提取等值面；
其中，定义八叉树过程包括，
利用八叉树结构存储点集，根据采样点集的位置定义八叉树，细分八叉树得到每个采样点都落在深度为D的叶节点。
设置函数空间包括，
基于八叉树的每个节点设置空间函数F，所有节点函数F的线性和表示向量场V，利用盒滤波的n维卷积得到基函数F。
提取等值面包括，
预估采样点的位置，利用其平均值提取等值面，利用移动立方体算法得到等值面。
更加具体的，光栅化是将一个图元转变为一个二维图像的过程。二维图像上每个点都包含了颜色、深度和纹理数据，将该点和相关信息叫做一个片元(fragment)。光栅化的目的，是找出一个几何单元(比如三角形)所覆盖的像素，一般的光栅化是在GPU上进行，而我们输入对输出的结果进行操作，所以利用CPU进行光栅化，这种方式称为软光栅化。利用体素滤波器(VoxelGrid)对点云进行下采样，利用体素化网格方法实现下采样，即减少点的数量，减少点云数据，并同时保持点云的形状特征，在提高配准、曲面重建、形状识别等算法速度中非常实用。体素滤波器通过输入的点云数据创建一个三维体素栅格(可把体素栅格想象为微小的空间三维立方体的集合)，然后在每个体素(即三维立方体)内，用体素中所有点的重心来近似显示体素中其他点，这样该体素就内所有点就用一个重心点最终表示，对于所有体素处理后得到过滤后的点云，这种方法比用体素中心来逼近的方法更慢，但它对于采样点对应曲面的表示更为准确。因此该类常用于对大数据量的下采样处理，特别是在配准、曲面重建等工作之前作为预处理，可以很好的提高程序的速度。
进一步的，对降采样后的点云数据进行泊松重建。泊松重建是一个非常直观的方法，它的核心思想是点云代表了物体表面的位置，其法向量代表了内外的方向，通过隐式地拟合一个由物体派生的指示函数，可以给出一个平滑的物体表面的估计。
其中，泊松重建过程：
定义八叉树：使用八叉树结构存储点集，根据采样点集的位置定义八叉树，然后细分八叉树使每个采样点都落在深度为D的叶节点；
设置函数空间：对八叉树的每个节点设置空间函数F，所有节点函数F的线性和可以表示向量场V，基函数F采用了盒滤波的n维卷积；
创建向量场：均匀采样的情况下，假设划分的块是常量，通过向量场V逼近指示函数的梯度，采用三次条样插值(三线插值)；
求解泊松方程：方程的解采用拉普拉斯矩阵迭代求出；
提取等值面：为得到重构表面，需要选择阈值获得等值面；先估计采样点的位置，然后用其平均值进行等值面提取，然后用移动立方体算法得到等值面。
其中，需要说明的是，传统泊松重建更适合水密性的点云(点云所表达的模型是闭合的),对于非水密性(Non-watertight)点云的重建效果不好，会有多余面片，本发明方法在根据冗余面片特征的基础上设计了相应的滤波器，通过滤波器可以将多余的面片很大程度上进行减少，保证了重建后的网格数据与原始网格数据表现形式上的统一。
具体的，若在空间中区分一个表面，我们可以直观的理解为表面外和表面内，泊松重建则利用了这个关系，因此重建的关键在于indicator function，即指示函数，若一个元素属于这个集合则为1，否则为0。
Figure BDA0002667647300000081
方程等号左边表示指示函数的散度，等号右边表示输入采样点构成向量场的梯度。
泊松求解方法是L2投影(L2 projection)，定义octree(八叉树)的节点集合为O，向量空间V→可以近似为：
V→(q)≡Σs∈ΩΣo∈Ng(s)αo,sFo(q)s.n→
其中Ng(s)表示s的八个最近邻的叶节点，αo,s表示三线性插值的权重；
即使V→和χ～都可以在函数空间上表示出来，Δχ～和
Figure BDA0002667647300000082
→却未必有定义，因此将上述方程近似为最小化其在Fo上的投影：
Figure BDA0002667647300000083
定义χ～＝ΣoxoFo，则求解χ～即为求解xo；
<Δχ～,Fo′>＝Σoxo<ΔFo,Fo′>
Figure BDA0002667647300000084
上式
Figure BDA0002667647300000085
对x＝{xo}求偏导，转化为：
minx‖Lx-v‖2
其中，定义octree(八叉树)的节点数为N，N×N矩阵L在(o,o′)位置上的值为：
Figure BDA0002667647300000086
最后对其数据进行网格简化，需要说明的是，传统网格简化算法基本为基于边界塌缩算法进行简化，但是该算法限制性较大，对于一些非流线型网格无法进行有效的简化。本发明方法采用的是一种整体简化的思路，通过对网格数据重新建立索引，打破传统网格简化算法的思路，从建立索引、剔除重复点、顶点缓存优化、总绘制优化等多个方面进行简化。该方法不仅能对不同的网格数据简化由较好的效果，且在简化比例更大的情况下，依然能保存原始网格数据的总体形状。
S4：基于目标网格面数展开网格数据与原始网格纹理数据，利用离线渲染、渲染到纹理技术生成新的纹理贴图，与网格数据组成最终的目标数据。
具体的，参数曲面的参数域变量一般用UV字母来表达，比如参数曲面F(u,v)，因此一般的三维曲面本质上是二维的，它所嵌入的空间是三维的，凡是能通过F(u,v)来表达的曲面都是参数曲面，比如NURBS曲面，对于三角网格，如果能把它与参数平面建立一一映射，那么它也就被参数化了，这个映射就是UV展开。如图7所示，左图是右边网格在参数平面上的展开，这样每个顶点都有了一个uv参数值，这也被称为纹理坐标，使用渲染到纹理RTT技术得到最终的纹理贴图。
S5：重复上述步骤，依次逆向建立四叉树，直到根节点数少于4，完成重建。
实施例2
参照图9～10，为本发明的一个实施例，对本方法中采用的技术效果加以验证说明，本实施例采用传统技术方案倾斜摄影数据的采集与处理方法与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
在模拟仿真软件中，利用开源库获取所有倾斜摄影数据块的根节点数据，根据空间位置关系或文件索引形式在XOY平面建立唯一的二维空间索引，传统技术方案只是把数据处理成对应的目标数据格式，不合并根节点或合并根节点的方式只是单纯合并网格和纹理数据，而本发明方法通过合并根节点，并如实施例1对传统方案的改进后进行模拟仿真，两种方案数据对比如下表所示：
Figure BDA0002667647300000091
通过上述对比结果可以看出，本发明方法优化前初始加载速度比优化后提高了118.7s，同一角度下加载时间提升了30s，内存占用降低了近1000M，且传统方案不合并根节点时，同一时间内数据请求过多，数据加载缓慢，呈现马赛克式加载效果，且内存、显存占用过高；传统方案合并根节点时，越顶层的节点，数据量越大，且渲染批次过多，大文件数据请求占用网络宽带，导致其他数据等待加载，本发明方法可以解决以上两种影响加载速度和加载效果的问题。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于合并根节点的倾斜摄影数据LOD重建方法，其特性在于，包括：
利用开源库获取所有倾斜摄影数据块的根节点数据，根据空间位置关系或文件索引形式在XOY平面建立唯一的二维空间索引；
基于所述二维空间索引后的数据块每四个块合并生成一个新的数据块，所述新数据块根据合并的数据生成高于当前层级的唯一二维空间索引；
基于所述的唯一二维空间索引分别处理网格与纹理，利用软光栅化技术将所述网格数据重新生成点云，降采样、泊松重建、网格简化所述点云数据，简化所述当前数据块的等级与分辨率得到目标网格面数；
基于所述目标网格面数展开所述网格数据与原始网格纹理数据，利用离线渲染、渲染到纹理技术生成新的纹理贴图，与网格数据组成最终的目标数据；
重复上述步骤，依次逆向建立四叉树，直到根节点数少于4，完成重建。
2.如权利要求1所述的基于合并根节点的倾斜摄影数据LOD重建方法，其特征在于：所述唯一的二维空间索引Ix、Iy包括，
Ix＝Nx*(块中点x坐标-AABB.xMin)/(AABB.xMax-AABB.xMin)；
Iy＝Ny*(块中点y坐标-AABB.yMin)/(AABB.yMax-AABB.yMin)；
其中，AABB表示XOY平面上的轴向包围盒，Nx、Ny分别表示在X轴、Y轴方向上的数据块数量。
3.如权利要求1或2所述的基于合并根节点的倾斜摄影数据LOD重建方法，其特征在于：所述更上一级的二维空间索引包括，
NEWx＝Ix>>(最大重建级别-当前块级别)；
NEWy＝Iy>>(最大重建级别-当前块级别)；
其中，NEWx、NEWy表示新的二维索引。
4.如权利要求3所述的基于合并根节点的倾斜摄影数据LOD重建方法，其特征在于：所述光栅化过程包括将一个图元转变为一个二维图像。
5.如权利要求4所述的基于合并根节点的倾斜摄影数据LOD重建方法，其特征在于：所述二维图像上的点包括颜色、深度和纹理数据。
6.如权利要求5所述的基于合并根节点的倾斜摄影数据LOD重建方法，其特征在于：所述降采样包括，
利用体素滤波器对所述点云进行降采样；
利用体素化网格方法实现降采样，即减少所述点的数量，减少所述点云数据，并同时保持所述点云的形状特征。
7.如权利要求6所述的基于合并根节点的倾斜摄影数据LOD重建方法，其特征在于：所述泊松重建过程包括定义八叉树、设置函数空间、创建向量场、求解泊松方程、提取等值面。
8.如权利要求7所述的基于合并根节点的倾斜摄影数据LOD重建方法，其特征在于：所述定义八叉树过程包括，
利用八叉树结构存储点集，根据所述采样点集的位置定义八叉树，细分八叉树得到每个采样点都落在深度为D的叶节点。
9.如权利要求8所述的基于合并根节点的倾斜摄影数据LOD重建方法，其特征在于：所述设置函数空间包括，
基于八叉树的每个节点设置空间函数F，所有所述节点函数F的线性和表示向量场V，利用盒滤波的n维卷积得到基函数F。
10.如权利要求9所述的基于合并根节点的倾斜摄影数据LOD重建方法，其特征在于：所述提取等值面包括，
预估所述采样点的位置，利用其平均值提取等值面，利用移动立方体算法得到等值面。
CN202010923833.0A 2020-09-04 2020-09-04 一种基于合并根节点的倾斜摄影数据lod重建方法 Pending CN112102486A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010923833.0A CN112102486A (zh) 2020-09-04 2020-09-04 一种基于合并根节点的倾斜摄影数据lod重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010923833.0A CN112102486A (zh) 2020-09-04 2020-09-04 一种基于合并根节点的倾斜摄影数据lod重建方法

Publications (1)

Publication Number Publication Date
CN112102486A true CN112102486A (zh) 2020-12-18

Family

ID=73757739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010923833.0A Pending CN112102486A (zh) 2020-09-04 2020-09-04 一种基于合并根节点的倾斜摄影数据lod重建方法

Country Status (1)

Country Link
CN (1) CN112102486A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113868349A (zh) * 2021-08-31 2021-12-31 广东省测绘工程有限公司 一种基于混合网络的农村房地一体调查建库方法
CN115311412A (zh) * 2022-08-09 2022-11-08 北京飞渡科技有限公司 一种负载均衡的大体量三维场景lod构建方法、装置和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335997A (zh) * 2015-10-10 2016-02-17 燕山大学 一种基于泊松重构的复杂结构点云处理算法
CN105808672A (zh) * 2016-03-01 2016-07-27 重庆市勘测院 基于浏览器的海量三维点云数据的发布方法
CN106600684A (zh) * 2016-11-29 2017-04-26 浙江科澜信息技术有限公司 一种倾斜模型组织构建方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335997A (zh) * 2015-10-10 2016-02-17 燕山大学 一种基于泊松重构的复杂结构点云处理算法
CN105808672A (zh) * 2016-03-01 2016-07-27 重庆市勘测院 基于浏览器的海量三维点云数据的发布方法
CN106600684A (zh) * 2016-11-29 2017-04-26 浙江科澜信息技术有限公司 一种倾斜模型组织构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王聪: "基于无人机倾斜摄影的三维长城建模技术研究与应用", 《中国优秀硕士学位论文全文数据库基础科学辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113868349A (zh) * 2021-08-31 2021-12-31 广东省测绘工程有限公司 一种基于混合网络的农村房地一体调查建库方法
CN113868349B (zh) * 2021-08-31 2023-01-13 广东省测绘工程有限公司 一种基于混合网络的农村房地一体调查建库方法
CN115311412A (zh) * 2022-08-09 2022-11-08 北京飞渡科技有限公司 一种负载均衡的大体量三维场景lod构建方法、装置和电子设备

Similar Documents

Publication Publication Date Title
US7940279B2 (en) System and method for rendering of texel imagery
Fabio From point cloud to surface: the modeling and visualization problem
Remondino From point cloud to surface: the modeling and visualization problem
Brodlie et al. Recent advances in volume visualization
US6208347B1 (en) System and method for computer modeling of 3D objects and 2D images by mesh constructions that incorporate non-spatial data such as color or texture
US7561156B2 (en) Adaptive quadtree-based scalable surface rendering
US8725466B2 (en) System and method for hybrid solid and surface modeling for computer-aided design environments
Peng et al. Interactive modeling of topologically complex geometric detail
CN111581776B (zh) 一种基于几何重建模型的等几何分析方法
CN112530005B (zh) 一种三维模型直线结构识别与自动修复方法
Livnat et al. Interactive point-based isosurface extraction
CN112102486A (zh) 一种基于合并根节点的倾斜摄影数据lod重建方法
CN114004842A (zh) “分形视距”纹理压缩与彩色多边形纹理集成的三维模型可视化方法
US7439970B1 (en) Computer graphics
CN116402966A (zh) 一种三维地形可视化仿真建模方法
CN114998544A (zh) 一种顾及视觉主体的建筑实体模型轻量化方法
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
CN116452735A (zh) 基于八叉树的数据处理方法、装置及计算机可读存储介质
CN115330933A (zh) 一种计及Web端快速渲染的倾斜摄影空间索引构建方法
Dobashi et al. Radiosity for point-sampled geometry
CN113888701A (zh) 将曲面3D模型转化为Obj格式的网格3D模型的方法及系统
CN111729303B (zh) 一种大地图烘焙切割方法及恢复方法
JP7368950B2 (ja) 効率的な建物フットプリント特定のための方法及び装置
Brodlie et al. Recent Advances in Visualization of Volumetric Data.
Rebollo et al. A comparison of multiresolution modelling in real-time terrain visualisation

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