CN113160419B - 一种建筑物立面模型建立方法和装置 - Google Patents
一种建筑物立面模型建立方法和装置 Download PDFInfo
- Publication number
- CN113160419B CN113160419B CN202110509814.8A CN202110509814A CN113160419B CN 113160419 B CN113160419 B CN 113160419B CN 202110509814 A CN202110509814 A CN 202110509814A CN 113160419 B CN113160419 B CN 113160419B
- Authority
- CN
- China
- Prior art keywords
- cloud data
- point cloud
- grid
- building
- reference plane
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请提供了一种建筑物立面模型建立方法和装置,所述方法包括:获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取;获取地理场景点云数据;将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中;对所述多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离;基于配准后的点云数据,以及每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。该方法能够快速、准确建立建筑物立面模型。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种建筑物立面模型建立方法和装置。
背景技术
目前移动式三维激光扫描系统在大规模城市场景的三维重建中具有越来越明显的优势,能够在自动驾驶等场景中对建筑物立面进行提取建模。
在实现本申请的过程中,发明人发现由于获取的激光扫描数据量大,且带有噪声,给基于点云数据的建筑物立面建模带来巨大挑战。
发明内容
有鉴于此,本申请提供一种建筑物里面模型建立方法和装置,能够快速、准确建立建筑物立面模型。
为解决上述技术问题,本申请的技术方案是这样实现的:
在一个实施例中,提供了一种建筑物立面模型建立方法,所述方法包括:
获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取;
获取地理场景点云数据;
将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中;
对所述多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离;
基于配准后的点云数据,以及每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。
在另一个实施例中,提供了一种建筑物立面模型建立装置,所述装置包括:获取单元、处理单元、确定单元和建立单元;
所述获取单元,用于获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取;获取地理场景点云数据;
所述处理单元,用于将所述获取单元获取的建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中;
所述确定单元,用于对所述处理单元中的多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离;
所述建立单元,用于基于所述处理单元配准后的点云数据,以及所述确定单元确定的每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。
在另一个实施例中,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述建筑物立面模型建立方法的步骤。
在另一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述建筑物立面模型建立方法的步骤。
由上面的技术方案可见,上述实施例中通过对三维激光扫描数据和地理场景点云数据进行配准,对配准后的点云数据进行格网划分,并以格网到预设参考平面的距离作为格网的属性值,来建立建筑物立面模型。该方案能够快速、准确建立建筑物立面模型。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,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为本申请实施例一中建筑物立面模型建立流程示意图;
图2为本申请实施例二中建筑物立面模型建立流程示意图;
图3为本申请实施例三中建筑物立面模型建立流程示意图;
图4为本申请实施例中的格网示意图;
图5为本申请实施例中建筑物立面模型建立装置结构示意图;
图6为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
下面以具体实施例对本发明的技术方案进行详细说明。下面几个具体实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本申请实施例中提供一种建筑物立面模型建立方法,通过对三维激光扫描数据和地理场景点云数据进行配准,对配准后的点云数据进行格网划分,并以格网到预设参考平面的距离作为格网的属性值,来建立建筑物立面模型。该方案能够快速、准确建立建筑物立面模型。
下面结合附图,详细说明本申请实施例中建筑物立面模型建立过程。
实施例一
参见图1,图1为本申请实施例一中建筑物立面模型建立流程示意图。具体步骤为:
步骤101,获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取。
本申请实施例中应用的场景可以是使用当前通过三维激光扫描系统扫描到的点云数据,如无人驾驶场景;
或,通过三维激光扫描系统扫描到的点云数据,并存储,在需要进行建筑物立面模型的时候,再获取存储的建筑物立面的点云数据。
其中的点云数据为一帧画面中所有特征点,特征点可以通过ARKit或ARCore框架捕获的图像中的视觉差异特征,用三维空间的坐标表示。
步骤102,获取地理场景点云数据。
地理场景点云数据在三维城市建模、地理场景分析以及三维地理信息系统建设等领域有着重要的价值。随着计算机、激光雷达和无人机倾斜摄影测量等技术的快速发展,地理场景点云数据的采集变得更加方便快捷,由此可以产生了大量地理场景点云数据。
本申请实施例中不限制获取地理场景点云数据的方式,如直接获取已存储的当前最新的地理场景点云数据,这里的地理场景点云数据也为三维点云数据。
步骤103,将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中。
将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,即将所述建筑物立面的点云数据和所述地理场景点云数据映射到同一坐标系中即可,为了减少数据的处理,可以将建筑物立面的点云数据映射到地理场景点云数据所在的坐标系中。
这里的叠加分析方式本申请实施例中不进行限制,如可以使用狄罗妮方法进行叠加分析生成多个多边形区域。
不同的多边形区域代表不同的建筑物区域,属于同一建筑物区域的点云数据会落在同一多边形区域内,不同建筑物区域的点云数据会落到不同多边形区域内。
步骤104,对所述多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离。
这里进行格网划分时,使用规则的格网进行划分,如步长相同的正方形格网,但并不限于此,使用者可以根据实际需要进行相关设置。
本申请实施例中确定的是格网到预设参考平面的距离,而不是到建筑物立面主平面的距离,可以起到去燥的作用。
其中,所述预设参考平面为与所述建筑物立面主平面平行的平面;所述建筑物立面主平面根据实际测量获得。
并且实际测量获得的主平面与地理场景点云数据对应的坐标是一般是相对应的,能够大大减少数据转换的处理量。
步骤105,基于配准后的点云数据,以及每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。
本申请实施例中通过对三维激光扫描数据和地理场景点云数据进行配准,对配准后的点云数据进行格网划分,并以格网到预设参考平面的距离作为格网的属性值,来建立建筑物立面模型。
该方案通过三维激光扫描数据和地理场景点云数据进行配准,能够实现对三维激光扫描数据对应的建筑物进行快速分割;使用预设参考平面来确定格网的距离能够起到去噪的作用;基于提供的技术方案,能够快速、准确建立建筑物立面模型。
实施例二
参见图2,图2为本申请实施例二中建筑物立面模型建立流程示意图。具体步骤为:
步骤201,获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取。
本申请实施例中应用的场景可以是使用当前通过三维激光扫描系统扫描到的点云数据,如无人驾驶场景;
或,通过三维激光扫描系统扫描到的点云数据,并存储,在需要进行建筑物立面模型的时候,再获取存储的建筑物立面的点云数据。
其中的点云数据为一帧画面中所有特征点,特征点可以通过ARKit或ARCore框架捕获的图像中的视觉差异特征,用三维空间的坐标表示。
步骤202,获取地理场景点云数据。
本申请实施例中不限制获取地理场景点云数据的方式,如直接获取已存储的当前最新的地理场景点云数据,这里的地理场景点云数据也为三维点云数据。
步骤203,将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中。
将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,即将所述建筑物立面的点云数据和所述地理场景点云数据映射到同一坐标系中即可,为了减少数据的处理,可以将建筑物立面的点云数据映射到地理场景点云数据所在的坐标系中。
这里的叠加分析方式本申请实施例中不进行限制,如可以使用狄罗妮方法进行叠加分析生成多个多边形区域。
不同的多边形区域代表不同的建筑物区域,属于同一建筑物区域的点云数据会落在同一多边形区域内,不同建筑物区域的点云数据会落到不同多边形区域内。
步骤204,对所述多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离。
这里进行格网划分时,使用规则的格网进行划分,如步长相同的正方形格网,但并不限于此,使用者可以根据实际需要进行相关设置。
本申请实施例中确定的是格网到预设参考平面的距离,而不是到建筑物立面主平面的距离,可以起到去燥的作用。
其中,所述预设参考平面为与所述建筑物立面主平面平行的平面;所述建筑物立面主平面根据实际测量获得。
并且实际测量获得的主平面与地理场景点云数据对应的坐标是一般是相对应的,能够大大减少数据转换的处理量。
步骤205,基于配准后的点云数据,以及每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。
步骤206,将所述建筑物立面模型的格网表面分割成间隔相等的条带,对相似度大于预设阈值的相邻条带进行重采样,将散乱点云转换为竖直的规则扫描线,更新生成的建筑物里面模型。
本申请实施例中通过对三维激光扫描数据和地理场景点云数据进行配准,对配准后的点云数据进行格网划分,并以格网到预设参考平面的距离作为格网的属性值,来建立建筑物立面模型,并通过扫描线的方法构建不规则三角形,更新建立的建筑物立面模型。
该方案通过三维激光扫描数据和地理场景点云数据进行配准,能够实现对三维激光扫描数据对应的建筑物进行快速分割;使用预设参考平面来确定格网的距离能够起到去噪的作用;基于提供的技术方案,能够快速、准确建立建筑物立面模型。
实施例三
参见图3,图3为本申请实施例三中建筑物立面模型建立流程示意图。具体步骤为:
步骤301,获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取。
本申请实施例中应用的场景可以是使用当前通过三维激光扫描系统扫描到的点云数据,如无人驾驶场景;
或,通过三维激光扫描系统扫描到的点云数据,并存储,在需要进行建筑物立面模型的时候,再获取存储的建筑物立面的点云数据。
其中的点云数据为一帧画面中所有特征点,特征点可以通过ARKit或ARCore框架捕获的图像中的视觉差异特征,用三维空间的坐标表示。
步骤302,获取地理场景点云数据。
地理场景点云数据在三维城市建模、地理场景分析以及三维地理信息系统建设等领域有着重要的价值。随着计算机、激光雷达和无人机倾斜摄影测量等技术的快速发展,地理场景点云数据的采集变得更加方便快捷,由此可以产生了大量地理场景点云数据。
本申请实施例中不限制获取地理场景点云数据的方式,如直接获取已存储的当前最新的地理场景点云数据,这里的地理场景点云数据也为三维点云数据。
步骤303,将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中。
将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,即将所述建筑物立面的点云数据和所述地理场景点云数据映射到同一坐标系中即可,为了减少数据的处理,可以将建筑物立面的点云数据映射到地理场景点云数据所在的坐标系中。
这里的叠加分析方式本申请实施例中不进行限制,如可以使用狄罗妮方法进行叠加分析生成多个多边形区域。
不同的多边形区域代表不同的建筑物区域,属于同一建筑物区域的点云数据会落在同一多边形区域内,不同建筑物区域的点云数据会落到不同多边形区域内。
步骤304,将所述多边形区域中的点云投影到与预设参考平面平行的平面,并进行格网划分。
由于多边形区域中的点云不为同一平面上的特征点,将所有特征点投影到同一平面,来在对应平面上进行格网划分。
这里进行格网划分时,使用规则的格网进行划分,如步长相同的正方形格网,但并不限于此,使用者可以根据实际需要进行相关设置。
步骤305,计算每个格网中的所有特征点到预设参考平面的距离的平均值,作为所述格网到预设参考平面的距离。
本申请实施例中确定的是格网到预设参考平面的距离,而不是到建筑物立面主平面的距离,可以起到去燥的作用。
其中,所述预设参考平面为与所述建筑物立面主平面平行的平面;所述建筑物立面主平面根据实际测量获得。
并且实际测量获得的主平面与地理场景点云数据对应的坐标是一般是相对应的,能够大大减少数据转换的处理量。
步骤304和步骤305实现了对所述多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离。
步骤306,若所述格网中不存在特征点,则根据与所述格网相邻的格网到预设参考平面的距离和格网内的特征点的点数确定不存在特征点的格网到预设参考平面的距离。
本步骤中根据与所述格网相邻的格网到预设参考平面的距离和格网内的特征点的点数确定不存在特征点的格网到预设参考平面的距离,包括:
将相邻的格网中格网内的特征点的点数与所有相邻格网中的特征点的总数的比值作为所述格网的权重,对所有相邻的格网到预设参考平面的距离进行加权计算获得所述格网到预设参考平面的距离。
这里一个格网的相邻格网为8个相邻格网,针对边缘的格网可以使用存在的相邻格网计算即可。
参见图4,图4为本申请实施例中的格网示意图。图4中给出格网A1到格网A9共9个格网,其中,A1的相邻格网为格网A2到格网A9,共8个相邻格网。
假设格网A1为空洞格网,即没有特征点在其中,或者特征点个数小于预设阈值,如3个,则根据格网A2到格网A9到预设参考平面的距离,以及格网中的点数计算格网A1到预设参考平面的距离。
假设格网A2到格网A9到预设参考平面的距离为D2、D3、D4、D5、D6、D7、D8、D9;格网A2到格网A9中的特征点的点数为:N2、N3、N4、N5、N6、N7、N8、N9。
确定格网A2到格网A9对应的权重为Q1、Q3、Q4、Q5、Q6、Q7、Q8、Q9,
其中,Q2=N2/(N2+N3+N4+N5+N6+N7+N8+N9);
Q3=N3/(N2+N3+N4+N5+N6+N7+N8+N9);
Q4=N4/(N2+N3+N4+N5+N6+N7+N8+N9);
Q5=N5/(N2+N3+N4+N5+N6+N7+N8+N9);
Q6=N6/(N2+N3+N4+N5+N6+N7+N8+N9);
Q7=N7/(N2+N3+N4+N5+N6+N7+N8+N9);
Q8=N8/(N2+N3+N4+N5+N6+N7+N8+N9);
Q9=N9/(N2+N3+N4+N5+N6+N7+N8+N9)。
确定格网A1到预设参考平面的距离D1为:
D1=D2×Q2+D3×Q3+D4×Q4+D5×Q5+D6×Q6+D7×Q7+D8×Q8+D9×Q9。
至此,完成对空洞格网的填补。
如果存在相邻的两个空洞格网时,可以对其中一个根据除了空洞格网的格网之外的相邻格网来确定到预设参考平面的距离,也可以给其中一个格网设置一个距离。
步骤307,基于配准后的点云数据,以及每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。
本申请实施例中通过对三维激光扫描数据和地理场景点云数据进行配准,对配准后的点云数据进行格网划分,并以格网到预设参考平面的距离作为格网的属性值,若存在空洞格网,通过相邻格网的距离值来进行空洞填充,使用填充空洞后的格网到预设参考平面的距离来建立建筑物立面模型。
该方案通过三维激光扫描数据和地理场景点云数据进行配准,能够实现对三维激光扫描数据对应的建筑物进行快速分割;使用预设参考平面来确定格网的距离能够起到去噪的作用;基于提供的技术方案,能够快速、准确建立建筑物立面模型。
基于同样的发明构思,本申请实施例中还提供建筑物立面模型建立装置。参见图5,图5为本申请实施例中建筑物立面模型建立装置结构示意图。所述装置包括:获取单元501、处理单元502、确定单元503和建立单元504;
获取单元501,用于获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取;获取地理场景点云数据;
处理单元502,用于将获取单元501获取的建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中;
确定单元503,用于对处理单元502中的多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离;
建立单元504,用于基于处理单元502配准后的点云数据,以及确定单元503确定的每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。
在一个实施例中,
建立单元504,进一步用于将所述建筑物立面模型的格网表面分割成间隔相等的条带,对相似度大于预设阈值的相邻条带进行重采样,将散乱点云转换为竖直的规则扫描线,更新生成的建筑物里面模型。
在一个实施例中,
确定单元,具体用于对所述多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离时,将所述多边形区域中的点云投影到与预设参考平面平行的平面,并进行格网划分;计算每个格网中的所有特征点到预设参考平面的距离的平均值,作为所述格网到预设参考平面的距离。
在一个实施例中,
确定单元503,进一步用于若所述格网中不存在特征点,则根据与所述格网相邻的格网到预设参考平面的距离和格网内的特征点的点数确定不存在特征点的格网到预设参考平面的距离。
在一个实施例中,
确定单元503,具体用于根据与所述格网相邻的格网到预设参考平面的距离和格网内的特征点的点数确定不存在特征点的格网到预设参考平面的距离时,将相邻的格网中格网内的特征点的点数与所有相邻格网中的特征点的总数的比值作为所述格网的权重,对所有相邻的格网到预设参考平面的距离进行加权计算获得所述格网到预设参考平面的距离。
在一个实施例中,
所述预设参考平面为与所述建筑物立面主平面平行的平面;所述建筑物立面主平面根据实际测量获得。
上述实施例的单元可以集成于一体,也可以分离部署;可以合并为一个单元,也可以进一步拆分成多个子单元。
在另一个实施例中,还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述建筑物立面模型建立方法的步骤。
在另一个实施例中,还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被处理器执行时可实现所述建筑物立面模型建立方法中的步骤。
图6为本发明实施例提供的电子设备的实体结构示意图。如图6所示,该电子设备可以包括:处理器(Processor)610、通信接口(CommunicationsInterface)620、存储器(Memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行如下方法:
获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取;
获取地理场景点云数据;
将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中;
对所述多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离;
基于配准后的点云数据,以及每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。
此外,上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述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计算机可读存储介质中,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)执行各个实施例或者实施例的某些部分所述的方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种建筑物立面模型建立方法,其特征在于,所述方法包括:
获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取;
获取地理场景点云数据;
将所述建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中;
对所述多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离;
基于配准后的点云数据,以及每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。
2.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
将所述建筑物立面模型的格网表面分割成间隔相等的条带,对相似度大于预设阈值的相邻条带进行重采样,将散乱点云转换为竖直的规则扫描线,更新生成的建筑物里面模型。
3.根据权利要求1所述的方法,其特征在于,所述对所述多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离,包括:
将所述多边形区域中的点云投影到与预设参考平面平行的平面,并进行格网划分;
计算每个格网中的所有特征点到预设参考平面的距离的平均值,作为所述格网到预设参考平面的距离。
4.根据权利要求3所述的方法,其特征在于,所述方法进一步包括:
若所述格网中不存在特征点,则根据与所述格网相邻的格网到预设参考平面的距离和格网内的特征点的点数确定不存在特征点的格网到预设参考平面的距离。
5.根据权利要求4所述的方法,其特征在于,所述根据与所述格网相邻的格网到预设参考平面的距离和格网内的特征点的点数确定不存在特征点的格网到预设参考平面的距离,包括:
将相邻的格网中格网内的特征点的点数与所有相邻格网中的特征点的总数的比值作为所述格网的权重,对所有相邻的格网到预设参考平面的距离进行加权计算获得所述格网到预设参考平面的距离。
6.根据权利要求1所述的方法,其特征在于,所述预设参考平面为与所述建筑物立面主平面平行的平面;所述建筑物立面主平面根据实际测量获得。
7.一种建筑物立面模型建立装置,其特征在于,所述装置包括:获取单元、处理单元、确定单元和建立单元;
所述获取单元,用于获取建筑物立面的点云数据;所述点云数据通过三维激光扫描系统扫描获取;获取地理场景点云数据;
所述处理单元,用于将所述获取单元获取的建筑物立面的点云数据和所述地理场景点云数据进行数据配准,叠加分析生成多个多边形区域,并将配准后的点云数据划分到对应的多边形区域中;
所述确定单元,用于对所述处理单元中的多边形区域中的点云进行格网划分,并确定每个格网到参考平面的距离;
所述建立单元,用于基于所述处理单元配准后的点云数据,以及所述确定单元确定的每个格网到预设参考平面的距离绘制格网表面,生成建筑物立面模型。
8.根据权利要求7所述的装置,其特征在于,
所述建立单元,进一步用于将所述建筑物立面模型的格网表面分割成间隔相等的条带,对相似度大于预设阈值的相邻条带进行重采样,将散乱点云转换为竖直的规则扫描线,更新生成的建筑物里面模型。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509814.8A CN113160419B (zh) | 2021-05-11 | 2021-05-11 | 一种建筑物立面模型建立方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509814.8A CN113160419B (zh) | 2021-05-11 | 2021-05-11 | 一种建筑物立面模型建立方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160419A CN113160419A (zh) | 2021-07-23 |
CN113160419B true CN113160419B (zh) | 2024-02-02 |
Family
ID=76874435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110509814.8A Active CN113160419B (zh) | 2021-05-11 | 2021-05-11 | 一种建筑物立面模型建立方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160419B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740156B (zh) * | 2023-08-10 | 2023-11-03 | 西南交通大学 | 基于高斯球和主平面分布的任意位姿施工元件的配准方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007027847A2 (en) * | 2005-09-01 | 2007-03-08 | Geosim Systems Ltd. | System and method for cost-effective, high-fidelity 3d-modeling of large-scale urban environments |
CN106600690A (zh) * | 2016-12-30 | 2017-04-26 | 厦门理工学院 | 基于点云数据的复杂建筑体三维建模方法 |
CN109685891A (zh) * | 2018-12-28 | 2019-04-26 | 鸿视线科技(北京)有限公司 | 基于深度图像的建筑物三维建模与虚拟场景生成系统 |
CN112595258A (zh) * | 2020-11-23 | 2021-04-02 | 扆亮海 | 基于地面激光点云的地物轮廓提取方法 |
CN112767461A (zh) * | 2020-12-31 | 2021-05-07 | 武汉大学 | 激光点云与序列全景影像自动配准方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10430961B2 (en) * | 2015-12-16 | 2019-10-01 | Objectvideo Labs, Llc | Using satellite imagery to enhance a 3D surface model of a real world cityscape |
US10694103B2 (en) * | 2018-04-24 | 2020-06-23 | Industrial Technology Research Institute | Building system and building method for panorama point cloud |
-
2021
- 2021-05-11 CN CN202110509814.8A patent/CN113160419B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007027847A2 (en) * | 2005-09-01 | 2007-03-08 | Geosim Systems Ltd. | System and method for cost-effective, high-fidelity 3d-modeling of large-scale urban environments |
CN106600690A (zh) * | 2016-12-30 | 2017-04-26 | 厦门理工学院 | 基于点云数据的复杂建筑体三维建模方法 |
CN109685891A (zh) * | 2018-12-28 | 2019-04-26 | 鸿视线科技(北京)有限公司 | 基于深度图像的建筑物三维建模与虚拟场景生成系统 |
CN112595258A (zh) * | 2020-11-23 | 2021-04-02 | 扆亮海 | 基于地面激光点云的地物轮廓提取方法 |
CN112767461A (zh) * | 2020-12-31 | 2021-05-07 | 武汉大学 | 激光点云与序列全景影像自动配准方法 |
Non-Patent Citations (2)
Title |
---|
三维激光扫描技术在建筑物建模上的应用;贾东峰;程效军;;河南科学(第09期);全文 * |
基于三维激光扫描技术对异形建筑物立面测量的应用;梁智勇;郭军;;测绘工程(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113160419A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112002014A (zh) | 面向精细结构的三维人脸重建方法、系统、装置 | |
CN110866531A (zh) | 一种基于三维建模的建筑物特征提取方法、系统及存储介质 | |
WO2018061010A1 (en) | Point cloud transforming in large-scale urban modelling | |
CN111612806B (zh) | 一种建筑物立面窗户提取方法及装置 | |
CN107977992A (zh) | 一种基于无人机激光雷达的建筑物变化检测方法及装置 | |
CN108225334B (zh) | 一种基于三维实景数据的定位方法及装置 | |
CN106997614A (zh) | 一种基于深度相机的大规模场景3d建模方法及其装置 | |
CN116721228B (zh) | 一种基于低密度点云的建筑物高程提取方法及系统 | |
CN113160419B (zh) | 一种建筑物立面模型建立方法和装置 | |
CN115082699A (zh) | 一种轮廓形状提取方法、装置、电子设备及存储介质 | |
CN115512055A (zh) | 一种基于二维视频进行室内结构三维重建的方法、装置及计算机设备 | |
JP2007193850A (ja) | 変化領域認識装置 | |
KR101079475B1 (ko) | 포인트 클라우드 필터링을 이용한 3차원 도시공간정보 구축 시스템 | |
CN111598803A (zh) | 一种基于变分辨率体素格网与稀疏卷积的点云滤波方法 | |
CN112687000B (zh) | 三维模型坐标的纠正方法、系统、计算机可读存储介质 | |
CN114429530A (zh) | 自动提取建筑物三维模型的方法、系统、存储介质及设备 | |
CN114092663A (zh) | 面向城市信息模型建筑三维重建方法、装置、设备及介质 | |
CN114549779A (zh) | 场景模型重建方法、装置、电子设备和存储介质 | |
CN112002007B (zh) | 基于空地影像的模型获取方法及装置、设备、存储介质 | |
CN116051777B (zh) | 超高层建筑提取方法、设备和可读存储介质 | |
KR101079531B1 (ko) | 포인트 클라우드 데이터를 이용한 도로 레이어 생성 시스템 | |
JP3614709B2 (ja) | 景観画像インデクス方法、装置および景観画像インデクスプログラムを記録した記録媒体 | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、系统、电子设备及介质 | |
KR20130002244A (ko) | 도시공간정보모델의 등급정보에 따라 선택된 건물데이터를 이용하는 도시공간정보 생성 시스템 | |
BRPI0714260A2 (pt) | sistema de modelaÇço geoespacial e mÉtodos modelaÇço geoespacial |
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 |