CN112907749A - 一种多建筑物的三维重建方法及系统 - Google Patents
一种多建筑物的三维重建方法及系统 Download PDFInfo
- Publication number
- CN112907749A CN112907749A CN202110494144.7A CN202110494144A CN112907749A CN 112907749 A CN112907749 A CN 112907749A CN 202110494144 A CN202110494144 A CN 202110494144A CN 112907749 A CN112907749 A CN 112907749A
- Authority
- CN
- China
- Prior art keywords
- building
- aerial
- image set
- identified
- height
- 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 35
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000003062 neural network model Methods 0.000 claims abstract description 11
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 claims description 15
- 238000007796 conventional method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明提供多建筑物的三维重建方法及系统,方法包括:将航拍图像集一输入到神经网络模型中,以识别得到航拍图像集一中的待识别建筑物的最小外接矩形,根据航拍图像集一的拍摄参数来计算最小外接矩形所需的外扩距离;将航拍图像集二的拍摄参数输入至预设高度计算公式中,以计算得到航拍图像集二中的待识别建筑物的建筑物高度;根据外扩距离和建筑物高度对航拍设备设置飞行轨迹;航拍设备根据飞行轨迹对待识别建筑物进行数据采集,从而获取得到含有位置信息的航拍图像集三,对航拍图像集三进行处理以得到待识别建筑物的三维模型。有益效果:通过简单的公式规划得到的飞行轨迹进行数据采集,提高建模精度。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种多建筑物的三维重建方法及系统。
背景技术
场景建模已经成为导航、仿真以及虚拟现实应用中的核心部分。尽管可以使用交互式软件获得细节丰富的模型,然而对于大尺度城市场景却不适用。随着近年来航拍设备的技术迅速发展,其中某些航拍设备的制造、使用成本低,机动性强,可以在多场合使用。这些特点使得利用航拍设备采集照片重建室外建筑物成为可能。
目前,传统的利用航拍设备对室外建筑物进行倾斜摄影方法具体包括:通过在同一航拍设备上搭载多台传感器,同时从一个垂直、四个倾斜等五个不同的角度采集室外建筑物的影像,并且根据采集到的影像对室外建筑物进行三维建模;
然而上述传统的方法会存在以下问题:
第一、采用井字形对室外建筑物进行影像采集,使得采集的影像不够全面和均匀,从而导致三维建模后得到的模型不完整;
第二、由于从一个垂直、四个倾斜等五个不同的角度采集室外建筑物的影像,从而使得现有技术需要采集较多的影像数量,无法进行简单采集。
发明内容
本发明针对现有技术中的缺点,提供了一种多建筑物的三维重建方法及系统,以对航拍设备的采集路线进行合理规划,使得航拍设备能全面采集建筑物的建模数据,从而得到完整的建模结果。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
一种多建筑物的三维重建方法,其中,包括以下步骤:
采用航拍设备对待识别建筑物进行数据采集,以获取得到含有拍摄参数的航拍图像集一;
将航拍图像集一输入到神经网络模型中,以识别得到航拍图像集一中的待识别建筑物的最小外接矩形,根据航拍图像集一的拍摄参数来计算最小外接矩形所需的外扩距离;
采用航拍设备对待识别建筑物进行数据采集,以获取得到含有拍摄参数的航拍图像集二;
将航拍图像集二的拍摄参数输入至预设高度计算公式中,以计算得到航拍图像集二中的待识别建筑物的建筑物高度;
根据外扩距离和建筑物高度对航拍设备设置飞行轨迹;
航拍设备根据飞行轨迹对待识别建筑物进行数据采集,从而获取得到含有位置信息的航拍图像集三,对航拍图像集三进行处理以得到待识别建筑物的三维模型。
优选的,多建筑物的三维重建方法,其中,根据外扩距离和建筑物高度对航拍设备设置飞行轨迹,具体包括:
根据建筑物高度设置航拍设备的飞行高度,飞行高度高于建筑物高度;
根据外扩距离和建筑物高度按飞行高度从下至上或从上至下设置等高距的闭合轮廓线,使得航拍设备从下至上或从上至下根据闭合轮廓线对待识别建筑物的侧身的环面进行数据采集;
根据外扩距离设置拍摄待识别建筑物顶部所需的蛇形航线,使得航拍设备根据蛇形航线对待识别建筑物的顶部进行数据采集。
优选的,多建筑物的三维重建方法,其中,航拍设备沿着闭合轮廓线对待识别建筑物的侧身的环面进行顺时针或逆时针的数据采集。
优选的,多建筑物的三维重建方法,其中,每条闭合轮廓线的起点的水平位置一致,其中,水平位置包括第一方向和第二方向的位置信息,第一方向和第二方向为水平面内相互垂直的两个方向。
优选的,多建筑物的三维重建方法,其中,航拍图像集二的拍摄参数包括航拍设备与待识别建筑物之间的水平距离阈值,航拍设备与待识别建筑物之间的水平距离大于或等于水平距离阈值;
采用下述公式计算得到水平距离阈值:
其中,L阈值用于表示水平距离阈值;
h用于表示航拍设备拍摄得到航拍图像集一中的拍摄图像时的飞行高度;
α用于表示航拍设备拍摄得到航拍图像集一中的拍摄图像时的云台俯仰角。
优选的,多建筑物的三维重建方法,其中,获取航拍图像集二,具体包括以下步骤:
根据外扩距离结合水平距离阈值计算得到航拍设备的采集位置,使得航拍设备飞行到采集位置上对待识别建筑物进行数据采集,以获取得到含有拍摄参数的航拍图像集二,使得航拍图像集二的拍摄图像包括待识别建筑物的整个侧面。
优选的,多建筑物的三维重建方法,其中,通过下述公式计算得到最小外接矩形所需的外扩距离;
其中,Lw用于表示外扩距离;
h用于表示航拍设备拍摄得到航拍图像集一中的拍摄图像时的飞行高度;
α用于表示航拍设备拍摄得到航拍图像集一中的拍摄图像时的云台俯仰角。
优选的,多建筑物的三维重建方法,其中,预设高度计算公式,如下述公式所示:
其中,H用于表示待识别建筑物的建筑物高度;
h用于表示航拍设备拍摄得到航拍图像集二中的拍摄图像时的飞行高度;
a用于表示航拍图像集二中的待识别建筑物的高度像素值;
b用于表示航拍图像集二中的待识别建筑物的整体像素值。
优选的,多建筑物的三维重建方法,其中,航拍设备包括定位传感器和至少一个图像采集传感器。
还包括一种多建筑物的三维重建系统,其中,包括:
采集规划模块,包括:
采集单元,用于采用航拍设备对待识别建筑物进行数据采集,以获取得到含有拍摄参数的航拍图像集一和航拍图像集二;
建筑物识别单元,与采集单元连接,用于将航拍图像集一输入到神经网络模型中,以识别得到航拍图像集一中的待识别建筑物的最小外接矩形,根据航拍图像集一的拍摄参数来计算最小外接矩形所需的外扩距离;
建筑物高度计算单元,与采集单元连接,用于将航拍图像集二的拍摄参数输入至预设高度计算公式中,以计算得到航拍图像集二中的待识别建筑物的建筑物高度;
规划单元,分别与建筑物识别单元和建筑物高度计算单元连接,根据外扩距离和建筑物高度对航拍设备设置飞行轨迹;
三维建模模块,与采集规划模块连接,使得航拍设备根据飞行轨迹对待识别建筑物进行数据采集,从而获取得到含有位置信息的航拍图像集三,对航拍图像集三进行处理以得到待识别建筑物的三维模型。
上述技术方案具有如下优点或有益效果:
第一、通过规划得到的飞行轨迹进行数据采集,从而提高采集精度;
第二、计算公式简单方便,从而避免传统的倾斜摄影对大量数据进行计算的问题,进而提高计算效率,并且不需要进行大计算量的数据处理,利于广泛应用;
第三、通过飞行高度高于建筑物高度,使得航拍设备在依照飞行轨迹(此处的飞行轨迹包括设置的所有闭合轮廓线)对待识别建筑物的侧身的环面进行数据采集,从而避免航拍设备在对待识别建筑物的环面进行数据采集时,遗漏细节采集,进而避免导致三维重建的三维模型缺失,使得创建完整的三维模型。
第四、通过设置蛇形航线,使得航拍设备根据蛇形航线对待识别建筑物的顶部进行数据采集,从而避免航拍设备在对待识别建筑物的顶部进行数据采集时,遗漏细节采集,进而避免导致三维重建的三维模型缺失,使得创建完整的三维模型。
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他的附图。
图1为本发明多建筑物的三维重建方法的实施例的流程图;
图2为本发明多建筑物的三维重建方法的实施例的飞行轨迹中的闭合轮廓线;
图3为本发明多建筑物的三维重建方法的实施例的飞行轨迹中的蛇形航线;
图4为本发明多建筑物的三维重建系统的实施例的结构框图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
一种多建筑物的三维重建方法,如图1所示,包括以下步骤:
步骤S1,采用航拍设备对待识别建筑物1进行数据采集,以获取得到含有拍摄参数的航拍图像集一;
步骤S2,将航拍图像集一输入到已训练完成的神经网络模型中,以识别得到航拍图像集一中的待识别建筑物1的最小外接矩形,根据航拍图像集一的拍摄参数来计算最小外接矩形所需的外扩距离;
步骤S3,采用航拍设备对待识别建筑物1进行数据采集,以获取得到含有拍摄参数的航拍图像集二;
步骤S4,将航拍图像集二的拍摄参数输入至预设高度计算公式中,以计算得到航拍图像集二中的待识别建筑物1的建筑物高度;
步骤S5,根据外扩距离和建筑物高度对航拍设备设置飞行轨迹;
步骤S6,航拍设备根据飞行轨迹对待识别建筑物1进行数据采集,从而获取得到含有位置信息的航拍图像集三,对航拍图像集三进行处理以得到待识别建筑物1的三维模型。
在上述实施例中,采用三步采集策略,需要采用航拍设备对待识别建筑物1进行三次数据采集:
第一次,采用预先设置好飞行参数的航拍设备对待识别建筑物1进行数据采集,以获取得到含有拍摄参数的航拍图像集一,将航拍图像集一输入到神经网络模型计算得到待识别建筑物1的最小外接矩形所需的外扩距离;
第二次,采用预先设置好飞行参数的航拍设备对待识别建筑物1进行数据采集,以获取得到含有拍摄参数的航拍图像集二,将航拍图像集二的拍摄参数输入至预设高度计算公式中,以计算得到航拍图像集二中的待识别建筑物1的建筑物高度;
从而根据外扩距离和建筑物高度对航拍设备设置飞行轨迹;
第三次,航拍设备根据飞行轨迹对待识别建筑物1进行数据采集,从而获取得到含有位置信息的航拍图像集三,对航拍图像集三进行处理后输入至神经网络模型中,以得到待识别建筑物1的三维模型。
作为优选的实施方式,航拍设备对待识别建筑物1进行数据采集,获取得到含有拍摄参数的航拍图像集一之后不需要返回,只需要将航拍图像集一远程输入到神经网络模型中,就可以进行后续的操作步骤;
并且航拍设备对待识别建筑物1进行数据采集,获取得到含有拍摄参数的航拍图像集二之后也不需要返回,只需要将根据航拍图像集二计算得到待识别建筑物1的建筑物高度,就可以进行后续的操作步骤。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
进一步地,在上述实施例中,航拍图像集一的拍摄图像包括待识别建筑物1的整个顶部。
在上述实施例中,航拍图像集一的拍摄参数和航拍图像集二的拍摄参数不同。
例如,航拍图像集一的拍摄参数和航拍图像集二的拍摄参数中的云台俯仰角可以不同;
例如,航拍图像集一的拍摄参数和航拍图像集二的拍摄参数中的飞行高度可以不同;
例如,航拍图像集一的拍摄参数和航拍图像集二的拍摄参数中的云台俯仰角可以相同,但是航拍图像集一的拍摄参数和航拍图像集二的拍摄参数中的飞行高度不同。
在上述实施例中,航拍图像集二的拍摄图像包括待识别建筑物1的侧面,可以是正侧面,也可以是斜侧面;
使得航拍图像集一的拍摄图像包括待识别建筑物1的顶部,可以是俯视的顶部图,也可以是斜视的顶部图。
在上述优选的实施方式中,通过不同拍摄参数的航拍图像集一和航拍图像集二分别获取待识别建筑物1的顶部和侧面;从而通过包括有顶部的航拍图像集一计算得到待识别建筑物1的最小外接矩形,及计算最小外接矩形所需的外扩距离,并且通过包括有侧面的航拍图像集二计算得到待识别建筑物1的建筑物高度。
作为具体的实施方式,首先,采用设置好拍摄参数的航拍设备对待识别建筑物1进行数据采集,以获取得到包括拍摄参数的航拍图像集一,此时的航拍图像集一包括待识别建筑物1的整个顶部;
接着,将航拍图像集一输入到神经网络模型中,以识别得到航拍图像集一中的待识别建筑物1的最小外接矩形,根据航拍图像集一的拍摄参数来计算最小外接矩形所需的外扩距离;
随后,采用航拍设备对待识别建筑物1进行数据采集,以获取得到含有拍摄参数的航拍图像集二,此时的航拍图像集二的拍摄图像包括待识别建筑物1的整个侧面;
然后,将航拍图像集二的拍摄参数输入至预设高度计算公式中,以计算得到航拍图像集二中的待识别建筑物1的建筑物高度。
进一步地,在上述实施例中,拍摄参数包括飞行高度、云台俯仰角、环面航向重叠率、环面旁向重叠率、顶部航向重叠率、顶部旁向重叠率、航拍设备和待识别建筑物1之间的水平距离阈值。
在上述实施例中,可以在采用航拍设备对待识别建筑物1进行数据采集,获取得到航拍图像集一时,预先设置好该拍摄参数中的多个参数,例如可以将云台俯仰角设置为-90°。
在上述实施例中,可以在采用航拍设备对待识别建筑物1进行数据采集,获取得到航拍图像集二时,预先设置好该拍摄参数中的多个参数,例如可以将云台俯仰角设置为45°。
进一步地,在上述实施例中,拍摄参数包括航拍设备与待识别建筑物1之间的水平距离阈值,航拍设备与待识别建筑物1之间的水平距离大于或等于水平距离阈值,从而保证航拍设备拍摄得到的航拍图像集二中的拍摄图像包括待识别建筑物1的侧面;
采用下述公式计算得到水平距离阈值:
其中,在上述公式(1)中,L阈值用于表示水平距离阈值;
h用于表示航拍设备拍摄得到航拍图像集一中的拍摄图像时的飞行高度;
α用于表示航拍设备拍摄得到航拍图像集一中的拍摄图像时的云台俯仰角。
进一步地,在上述实施例中,根据外扩距离结合水平距离阈值计算得到航拍设备的采集位置,使得航拍设备飞行到采集位置上对待识别建筑物1进行数据采集,以获取得到含有拍摄参数的航拍图像集二,使得航拍图像集二的拍摄图像包括待识别建筑物1的整个侧面,即使得航拍图像集二的拍摄图像内容覆盖待识别建筑物1的整个侧面。
在上述实施例中,根据待识别建筑物1的外扩距离可以知道待识别建筑物1的边缘位置,接着根据水平距离阈值,可以计算得到航拍设备的采集位置。
进一步地,在上述实施例中,步骤S2中通过下述公式计算得到最小外接矩形所需的外扩距离;
其中,在上述公式(2)中,Lw用于表示外扩距离;
h用于表示航拍设备拍摄得到航拍图像集一中的拍摄图像时的飞行高度;
α用于表示航拍设备拍摄得到航拍图像集一中的拍摄图像时的云台俯仰角。
在上述实施例中,可以通过简单的公式计算得到最小外接矩形所需的外扩距离,从而避免传统的倾斜摄影对大量数据进行计算的问题,进而提高计算效率,并且不需要配置大计算量的处理器,利于广泛应用。
进一步地,在上述实施例中,预设高度计算公式如下述公式所示:
其中在上述公式(3)中,H用于表示待识别建筑物1的建筑物高度;
h用于表示航拍设备拍摄得到航拍图像集二中的拍摄图像时的飞行高度;
a用于表示航拍图像集二中的待识别建筑物1的高度像素值;
b用于表示航拍图像集二中的待识别建筑物1的整体像素值。
在上述实施例中,可以通过对航拍图像集二中的拍摄图像中的待识别建筑物1的高度在拍摄图像中所占像素值进行提取,并且对航拍图像集二中的拍摄图像中的整个待识别建筑物1在拍摄图像中所占像素值进行提取。
作为优选的实施方式,可以直接采用AI智能装置对像素值进行提取,在此不做赘述。
在上述实施例中,通过设置航拍设备的飞行高度和水平距离阈值来保证航拍设备拍摄得到的航拍图像集二中的拍摄图像包括待识别建筑物1的整个侧面,进而采用上述公式计算得到待识别建筑物1的建筑物高度,计算公式简单方便,从而避免传统的倾斜摄影对大量数据进行计算的问题,进而提高计算效率,并且不需要配置大计算量的处理器,利于广泛应用。
进一步地,在上述实施例中,步骤S5具体包括:
根据建筑物高度设置航拍设备的飞行高度,飞行高度高于建筑物高度;
根据外扩距离和建筑物高度按飞行高度从下至上或从上至下设置等高距的闭合轮廓线2,使得航拍设备从下至上或从上至下根据闭合轮廓线2对待识别建筑物1的侧身的环面进行数据采集;其中,所有的闭合轮廓线2如图2所示,图2中的待识别建筑物1为侧面;
根据外扩距离设置拍摄待识别建筑物1顶部所需的蛇形航线3,使得航拍设备根据蛇形航线3对待识别建筑物1的顶部进行数据采集;例如,所需的蛇形航线3可以如图3所示,图3中的待识别建筑物1为顶部,需要说明的是,蛇形航线3也可以为带有弧度的蛇形航线3,例如“S”型的蛇形航线3,还可以为其他类型的蛇形航线3。
在上述实施例中,通过飞行高度高于建筑物高度,使得航拍设备在依照飞行轨迹(此处的飞行轨迹包括设置的所有闭合轮廓线2)对待识别建筑物1的侧身的环面进行数据采集,从而避免航拍设备在对待识别建筑物1的环面进行数据采集时,遗漏细节采集,进而避免导致三维重建的三维模型缺失,使得创建完整的三维模型。
在上述实施例中,通过设置蛇形航线3,使得航拍设备根据蛇形航线3对待识别建筑物1的顶部进行数据采集,从而避免航拍设备在对待识别建筑物1的顶部进行数据采集时,遗漏细节采集,进而避免导致三维重建的三维模型缺失,使得创建完整的三维模型。
在上述实施例中,通过拍摄参数中的环面旁向重叠率和云台俯仰角设置每两条相邻的闭合轮廓线2之间的距离,从而减少航拍设备采集的重复数据,并且避免航拍设备遗漏数据;
在上述实施例中,通过拍摄参数中的顶部旁向重叠率和云台俯仰角设置蛇形航线3中的每两条平行航线之间的距离,从而减少航拍设备采集的重复数据,并且避免航拍设备遗漏数据。
进一步地,在上述实施例中,航拍设备沿着每条闭合轮廓线2对待识别建筑物1的侧身的环面进行数据采集的方向均一致。
进一步地,作为优选的实施方式,航拍设备沿着闭合轮廓线2对待识别建筑物1的侧身的环面进行顺时针数据采集。
进一步地,作为优选的实施方式,航拍设备沿着闭合轮廓线2对待识别建筑物1的侧身的环面进行逆时针数据采集。
进一步地,在上述实施例中,每条闭合轮廓线2的起点的水平位置一致,其中,水平位置包括第一方向和第二方向的位置信息,第一方向和第二方向为水平面内相互垂直的两个方向,即只改变垂直方向的位置信息(此处的垂直方向的位置信息为飞行高度),并没有改变水平位置,从而实现航拍设备沿着当前的闭合轮廓线2进行数据采集后,直接上移或下移相邻一层闭合轮廓线2的起点继续进行采集。
作为优选的实施方式,航拍设备从下至上或从上至下根据闭合轮廓线2对待识别建筑物1的侧身的环面进行数据采集,可以具体包括以下步骤:
航拍设备到达第一个闭合轮廓线2时(可以是距离待识别建筑物1的底部的第一个闭合轮廓线2,也可以是距离待识别建筑物1的顶部的第一个闭合轮廓线2),将该位置信息进行记录,随后绕第一个闭合轮廓线2按顺时针路线(也可以是逆时针路线)进行绕飞采集;
当航拍设备回到第一个闭合轮廓线2的第一个起始位置时,直接根据没两天闭合轮廓线2之间的距离飞行到上一层闭合轮廓线2的第二个起始位置,以此类推,直到完成所有的闭合轮廓线2的绕飞采集。
进一步地,在上述实施例中,航拍设备包括定位传感器和至少一个图像采集传感器。
在上述实施例中,可以采用定位传感器获取航拍设备的位置信息。
例如,定位传感器可以采用为GPS传感设备。
在上述实施例中,航拍设备可以只包括有一个图像采集传感器,即本实施例支持单镜头拍照,从而降低拍摄成本。
进一步地,在上述实施例中,航拍设备为无人机(Unmanned Aerial Vehicle,UAV)。
在上述实施例中,无人机具体灵活性高、成本低、抗干扰能力强、受地面地形约束小等特点,并且无人机能够巡航于云层以下,因此可以快速获取高空间分辨率的航拍影像,为基于影像的三维重建提供了有效途径。
在上述实施例中,可以将上述航拍图像集三进行模型重建及正射影像生成待识别建筑物1的三维模型,由于模型重建和正射影像生成是现有技术,在此不做赘述。
还包括一种多建筑物的三维重建系统,如图4所示,包括:
采集规划模块4,包括:
采集单元41,用于采用航拍设备对待识别建筑物1进行数据采集,以获取得到含有拍摄参数的航拍图像集一和航拍图像集二;
建筑物识别单元42,与采集单元41连接,用于将航拍图像集一输入到神经网络模型中,以识别得到航拍图像集一中的待识别建筑物1的最小外接矩形,根据航拍图像集一的拍摄参数来计算最小外接矩形所需的外扩距离;
建筑物高度计算单元43,与采集单元41连接,用于将航拍图像集二的拍摄参数输入至预设高度计算公式中,以计算得到航拍图像集二中的待识别建筑物1的建筑物高度;
规划单元44,分别与建筑物识别单元42和建筑物高度计算单元43连接,根据外扩距离和建筑物高度对航拍设备设置飞行轨迹;
三维建模模块5,与采集规划模块4连接,使得航拍设备根据飞行轨迹对待识别建筑物1进行数据采集,从而获取得到含有位置信息的航拍图像集三,对航拍图像集三进行处理以得到待识别建筑物1的三维模型。
本发明多建筑物的三维重建系统的具体实施方式与上述多建筑物的三维重建方法各实施例基本相同,在此不再赘述。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种多建筑物的三维重建方法,其特征在于,包括以下步骤:
采用航拍设备对待识别建筑物进行数据采集,以获取得到含有拍摄参数的航拍图像集一;
将所述航拍图像集一输入到神经网络模型中,以识别得到所述航拍图像集一中的所述待识别建筑物的最小外接矩形,根据所述航拍图像集一的拍摄参数来计算所述最小外接矩形所需的外扩距离;
采用航拍设备对待识别建筑物进行数据采集,以获取得到含有拍摄参数的航拍图像集二;
将所述航拍图像集二的拍摄参数输入至预设高度计算公式中,以计算得到所述航拍图像集二中的所述待识别建筑物的建筑物高度;
根据所述外扩距离和所述建筑物高度对所述航拍设备设置飞行轨迹;
所述航拍设备根据所述飞行轨迹对所述待识别建筑物进行数据采集,从而获取得到含有位置信息的航拍图像集三,对所述航拍图像集三进行处理以得到所述待识别建筑物的三维模型。
2.如权利要求1所述的多建筑物的三维重建方法,其特征在于,所述根据所述外扩距离和所述建筑物高度对所述航拍设备设置飞行轨迹,具体包括:
根据所述建筑物高度设置所述航拍设备的飞行高度,所述飞行高度高于所述建筑物高度;
根据所述外扩距离和所述建筑物高度按所述飞行高度从下至上或从上至下设置等高距的闭合轮廓线,使得所述航拍设备从下至上或从上至下根据所述闭合轮廓线对所述待识别建筑物的侧身的环面进行数据采集;
根据所述外扩距离设置拍摄所述待识别建筑物顶部所需的蛇形航线,使得所述航拍设备根据所述蛇形航线对所述待识别建筑物的顶部进行数据采集。
3.如权利要求2所述的多建筑物的三维重建方法,其特征在于,所述航拍设备沿着所述闭合轮廓线对所述待识别建筑物的侧身的环面进行顺时针或逆时针的数据采集。
4.如权利要求2所述的多建筑物的三维重建方法,其特征在于,每条所述闭合轮廓线的起点的水平位置一致,其中,所述水平位置包括第一方向和第二方向的位置信息,所述第一方向和所述第二方向为水平面内相互垂直的两个方向。
6.如权利要求5所述的多建筑物的三维重建方法,其特征在于,获取所述航拍图像集二,具体包括以下步骤:
根据所述外扩距离结合所述水平距离阈值计算得到航拍设备的采集位置,使得航拍设备飞行到所述采集位置上对所述待识别建筑物进行数据采集,以获取得到含有拍摄参数的所述航拍图像集二,使得所述航拍图像集二中的拍摄图像包括所述待识别建筑物的整个侧面。
9.如权利要求1所述的多建筑物的三维重建方法,其特征在于,所述航拍设备包括定位传感器和至少一个图像采集传感器。
10.一种多建筑物的三维重建系统,其特征在于,包括:
采集规划模块,包括:
采集单元,用于采用航拍设备对待识别建筑物进行数据采集,以获取得到含有拍摄参数的航拍图像集一和航拍图像集二;
建筑物识别单元,与所述采集单元连接,用于将所述航拍图像集一输入到神经网络模型中,以识别得到所述航拍图像集一中的所述待识别建筑物的最小外接矩形,根据所述航拍图像集一的拍摄参数来计算所述最小外接矩形所需的外扩距离;
建筑物高度计算单元,与所述采集单元连接,用于将所述航拍图像集二的拍摄参数输入至预设高度计算公式中,以计算得到所述航拍图像集二中的所述待识别建筑物的建筑物高度;
规划单元,分别与所述建筑物识别单元和所述建筑物高度计算单元连接,根据所述外扩距离和所述建筑物高度对所述航拍设备设置飞行轨迹;
三维建模模块,与所述采集规划模块连接,使得所述航拍设备根据所述飞行轨迹对所述待识别建筑物进行数据采集,从而获取得到含有位置信息的航拍图像集三,对所述航拍图像集三进行处理以得到所述待识别建筑物的三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110494144.7A CN112907749B (zh) | 2021-05-07 | 2021-05-07 | 一种多建筑物的三维重建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110494144.7A CN112907749B (zh) | 2021-05-07 | 2021-05-07 | 一种多建筑物的三维重建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112907749A true CN112907749A (zh) | 2021-06-04 |
CN112907749B CN112907749B (zh) | 2021-11-23 |
Family
ID=76108965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110494144.7A Active CN112907749B (zh) | 2021-05-07 | 2021-05-07 | 一种多建筑物的三维重建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907749B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296543A (zh) * | 2021-07-27 | 2021-08-24 | 成都睿铂科技有限责任公司 | 航拍航线规划方法及系统 |
CN116758216A (zh) * | 2023-05-31 | 2023-09-15 | 广州市城市规划勘测设计研究院 | 一种基于航拍数据的单树木建模方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104985181A (zh) * | 2015-08-05 | 2015-10-21 | 湖南华曙高科技有限责任公司 | 用于制造三维物体的激光扫描方法 |
CN105629980A (zh) * | 2015-12-23 | 2016-06-01 | 深圳速鸟创新科技有限公司 | 一种单相机倾斜摄影三维建模系统 |
CN106295141A (zh) * | 2016-08-01 | 2017-01-04 | 清华大学深圳研究生院 | 用于三维模型重建的多条无人机路径确定方法及装置 |
CN108921939A (zh) * | 2018-07-04 | 2018-11-30 | 王斌 | 一种基于图片的三维场景重建方法 |
CN109871798A (zh) * | 2019-02-01 | 2019-06-11 | 浙江大学 | 一种基于卷积神经网络的遥感影像建筑物提取方法 |
-
2021
- 2021-05-07 CN CN202110494144.7A patent/CN112907749B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104985181A (zh) * | 2015-08-05 | 2015-10-21 | 湖南华曙高科技有限责任公司 | 用于制造三维物体的激光扫描方法 |
CN105629980A (zh) * | 2015-12-23 | 2016-06-01 | 深圳速鸟创新科技有限公司 | 一种单相机倾斜摄影三维建模系统 |
CN106295141A (zh) * | 2016-08-01 | 2017-01-04 | 清华大学深圳研究生院 | 用于三维模型重建的多条无人机路径确定方法及装置 |
CN108921939A (zh) * | 2018-07-04 | 2018-11-30 | 王斌 | 一种基于图片的三维场景重建方法 |
CN109871798A (zh) * | 2019-02-01 | 2019-06-11 | 浙江大学 | 一种基于卷积神经网络的遥感影像建筑物提取方法 |
Non-Patent Citations (2)
Title |
---|
王刃等: "用最小外接矩形从点云数据中重建建筑物三维模型", 《仪器仪表学报》 * |
王晓东等: "倾斜摄影技术的单体塔式建筑物三维重建方法", 《全球定位系统》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296543A (zh) * | 2021-07-27 | 2021-08-24 | 成都睿铂科技有限责任公司 | 航拍航线规划方法及系统 |
CN113296543B (zh) * | 2021-07-27 | 2021-09-28 | 成都睿铂科技有限责任公司 | 航拍航线规划方法及系统 |
CN116758216A (zh) * | 2023-05-31 | 2023-09-15 | 广州市城市规划勘测设计研究院 | 一种基于航拍数据的单树木建模方法 |
CN116758216B (zh) * | 2023-05-31 | 2024-05-17 | 广州市城市规划勘测设计研究院有限公司 | 一种基于航拍数据的单树木建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112907749B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741257B (zh) | 全景图全自动拍摄、拼接系统及方法 | |
CN111968129A (zh) | 具有语义感知的即时定位与地图构建系统及方法 | |
CN112907749B (zh) | 一种多建筑物的三维重建方法及系统 | |
CN111178148B (zh) | 一种基于无人机视觉系统的地面目标地理坐标定位方法 | |
CN106485655A (zh) | 一种基于四旋翼飞行器航拍地图生成系统及方法 | |
CN111649723B (zh) | 面向复杂地形的贴近摄影三维航迹与姿态规划方法及装置 | |
CN110428501B (zh) | 全景影像生成方法、装置、电子设备及可读存储介质 | |
CN112419501A (zh) | 一种地空异构协同地图构建方法 | |
CN112469967B (zh) | 测绘系统、测绘方法、装置、设备及存储介质 | |
Zhang et al. | Continuous aerial path planning for 3D urban scene reconstruction. | |
JP2015114954A (ja) | 撮影画像解析方法 | |
JP2009217524A (ja) | 都市景観の3次元動画生成および閲覧システム | |
KR100911931B1 (ko) | 3차원 건물 모델 생성 방법 및 장치 | |
CN115793689A (zh) | 基于前端目标识别的无人机自动化架空输电线路巡检方法及系统 | |
CN114111799A (zh) | 针对高大单体精细建模的无人机航摄路径规划方法 | |
CN112833892A (zh) | 一种基于轨迹对齐的语义建图方法 | |
CN114549956A (zh) | 一种深度学习辅助的倾斜模型建筑物外立面目标识别方法 | |
CN103617631A (zh) | 一种基于中心检测的跟踪方法 | |
CN111506112A (zh) | 基于海上油气田设备设施的无人机倾斜摄影方法 | |
CN109978997A (zh) | 一种基于倾斜影像的输电线路三维建模方法和系统 | |
CN111612829B (zh) | 一种高精度地图的构建方法、系统、终端和存储介质 | |
CN112288818A (zh) | 一万平米以下无人机速拍建模方法 | |
CN104104911A (zh) | 全景图像生成过程中的时间戳消除和重置方法及系统 | |
CN113129422A (zh) | 一种三维模型构建方法、装置、存储介质和计算机设备 | |
KR102587445B1 (ko) | 드론을 이용하여 시계열정보가 포함된 3차원 지도의 제작 방법 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A 3D reconstruction method and system for multiple buildings Granted publication date: 20211123 Pledgee: Zhejiang Hangzhou Yuhang Rural Commercial Bank Co.,Ltd. Science and Technology City Branch Pledgor: Hangzhou Jinao Information Technology Co.,Ltd. Registration number: Y2024980017583 |