CN113284211B - 一种正射影像生成的方法以及系统 - Google Patents

Abstract

本发明公开了一种正射影像生成的方法以及系统，方法包括以下步骤：获取倾斜摄影图像生成2.5D模型，2.5D模型包含纹理贴图；确定2.5D模型区域大小，根据设置的分辨率计算目标正射影像的分辨率，以所述目标正射影像的分辨率创建变换矩阵来调整所述2.5D模型的大小；获取2.5D模型的所有三角面，利用每个三角面的比例系数以及变换矩阵计算所述三角面中所有点的三维坐标值；根据所述三维坐标值提取对应坐标的纹理贴图的像素值，进行渲染，得到正射影像。本发明通过生产运行速度更快的2.5D模型，无需进行侧面渲染，其正射角度的模型纹理效果与3D模型相同，且遍历2.5D模型中的所有三角面以及三角面中的所有点，使三角面更贴合纹理贴图，极大地提高了正射影像质量。

Description

一种正射影像生成的方法以及系统

技术领域

本发明涉及一种正射影像生成的方法以及系统，具体涉及一种基于2.5D模型生成正射影像的方法以及系统。

背景技术

近年来，以正射影像为基础的各种地图应用和地图服务已经走进人们的日常生活。正射影像地图能够实行洪水监测、旱情监测、土地覆盖与土地利用的动态监测等监测行为，正射影像具有精度高、信息丰富、直观逼真等优点。

传统的正射影像生成主要有遥感影像和倾斜摄影生成三维模型后转为正射影像。然而，遥感影像清晰度不足，成本较高；倾斜摄影生成三维模型中间过程较多，三维模型运算复杂生涩，耗时久，再加之受软硬件条件的限制，其研究和应用仍处于不断探索中，有很多问题待解决。

发明内容

为了解决正射影像生成慢的问题，本发明通过下述技术方案得以解决：

一种正射影像生成的方法，包括以下步骤：

获取倾斜摄影图像并生成2.5D模型，所述2.5D模型包含纹理贴图；

确定所述2.5D模型区域大小，根据设置的分辨率计算目标正射影像的分辨率，以所述目标正射影像的分辨率创建变换矩阵来调整所述2.5D模型的大小；

获取所述2.5D模型的所有三角面，利用每个所述三角面的比例系数以及所述变换矩阵计算所述三角面中所有点的三维坐标值；

根据所述三维坐标值提取对应坐标的纹理贴图的像素值，进行渲染，得到正射影像。

进一步地，获取所述纹理贴图和所述2.5D模型的所有三角面的方法为：将纹理贴图转换成RGB格式，获取所述2.5D模型的每个三角面的三个顶点坐标，保留位于纹理贴图范围内的顶点坐标，并获取每个顶点对应的纹理贴图坐标。

进一步地，计算所述三角面中所有点的三维坐标值的方法为：比较三个顶点的纵坐标，得到中间点，穿过所述中间点将三角形水平切割成两个小三角形；

比较三个顶点的纵坐标，得到纵坐标值居中的顶点，穿过所述顶点将三角形水平切割成两个小三角形；

分别计算两个所述小三角形的比例系数；

遍历三角面上的所有点，根据所述比例系数以及所述三个顶点坐标得出三角面中所有点的横坐标与纵坐标；

计算所有点分别到三个顶点的权重，根据权重和所述变换矩阵求得所有点的垂直坐标；根据所述三维坐标值提取对应坐标的纹理贴图的像素值，进行渲染，得到正射影像。

进一步地，确定所述2.5D模型区域大小的方法为：计算所述2.5D模型的边界点坐标，根据所述2.5D模型边界点坐标确定模型大小。

进一步地，获取倾斜摄影图像，生成2.5D模型的方法为：获取倾斜摄影图像；提取倾斜摄影图像特征点并进行特征匹配，完成稀疏重建；基于所述稀疏重建的结果构建数字表面模型，通过重采样方法获取新点云数据，根据泊松曲面重建生成网格，生成2.5D模型。

进一步地，提取倾斜摄影图像特征点并进行特征匹配，完成稀疏重建的方法为：将倾斜摄影图像转为灰度图，通过SIFT算法提取倾斜摄影图像特征点；对特征点进行匹配，得到特征匹配数据；通过增量式稀疏重建获取稀疏点云。

进一步地，基于所述稀疏重建的结果构建数字表面模型的方法为：通过矩阵转化和齐次方程求得世界坐标系下的稀疏点云坐标，根据所述稀疏点云坐标构建数字表面模型。

进一步地，通过重采样方法获取新点云数据的方法为：采用地理加权回归方法进行重新采样获取新点云数据，该方法可以更加真实地贴合地表面起伏程度。

本发明还提供了一种实现上述方法的正射影像生成系统，包括：

模型建立模块，用于获取倾斜摄影图像生成2.5D模型，所述2.5D模型包含纹理贴图；

模型调整模块，用于确定所述2.5D模型区域大小，根据设置的分辨率计算目标正射影像的分辨率，以所述目标正射影像的分辨率创建变换矩阵来调整所述2.5D模型的大小；

正射影像生成模块，用于获取所述2.5D模型的所有三角面，利用每个所述三角面的比例系数以及所述变换矩阵计算所述三角面中所有点的三维坐标值；根据所述三维坐标值提取对应坐标的纹理贴图的像素值，进行渲染，得到正射影像。

进一步地，所述模型建立模块包括：

提取模块，用于提取倾斜摄影图像特征点；

稀疏重建模块，用于对倾斜摄影图像特征点进行特征匹配，完成稀疏重建；

2.5D模型建立模块，用于基于所述稀疏重建的结果构建数字表面模型，通过重采样方法获取新点云数据，根据泊松曲面重建生成网格，纹理重建生成2.5D纹理网格模型。

本发明通过聚类算法快速提取稀疏点云，优化大数据提取点云的速度，建立了比3D模型运行速度更快的2.5D模型，在无需进行侧面渲染节省运行时间的同时，其正射角度的模型纹理效果与3D模型相同，也不会影响展示效果。并且，遍历2.5D模型中的所有三角面和三角面中的所有点，利用三角形比例系数以及变化矩阵计算所有点的三维坐标值，以三维坐标值整合纹理贴图与三角面，使三角面更贴合纹理贴图，极大地提高了正射影像质量。

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是简要过程图；

图2是三角面计算示意图。

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。

实施例1

本实施例提供一种正射影像生成的方法，包括以下步骤：

S100：获取倾斜摄影图像，生成2.5D模型，2.5D模型包含纹理贴图；

S200：确定2.5D模型区域大小，根据设置的分辨率计算目标正射影像的分辨率，以目标正射影像的分辨率创建变换矩阵来调整所述2.5D模型的大小；

S300：获取2.5D模型的所有三角面，利用每个三角面的比例系数以及变换矩阵计算所述三角面中所有点的三维坐标值；

根据三维坐标值提取对应坐标的纹理贴图的像素值，进行渲染，得到正射影像；

步骤S200中确定2.5D模型区域大小的方法为：

计算2.5D模型的边界点坐标，根据2.5D模型边界点坐标确定模型大小，具体为：

计算模型边界得到边界点坐标，得到4个模型边界点坐标：

Q₁(X_min，Y_min)

Q₂(X_min，Y_max)

Q₃(X_max，Y_min)

Q₄(X_max，Y_max)

其中，X_min指最小X值，X_max指最大X值，Y_min指最小Y值，Y_max指最大Y值，上述坐标单位为m(米)。

根据模型边界点确定模型区域大小。

步骤200中调整2.5D模型的大小的方法为：

根据设置分辨率res(pixels/meter)计算目标正射影像的分辨率，具体计算公式如下：

宽度最大差异值W计算公式如下：

W＝X_max-X_min (1)

高度最大差异值H计算公式如下：

H＝Y_max-Y_min (2)

目标正射影像的分辨率计算公式如下：

w＝W×res (3)

h＝H×res (4)

根据设置的分辨率计算目标正射影像的分辨率，以分辨率创建变换矩阵调整2.5D模型的大小。创建如下的变换矩阵，矩阵大小为W列、H行，用于保存步骤模型中所有点的三维坐标值，其中res指设置分辨率：

并且，根据设置分辨率初始化倾斜摄影图像的每个通道数组，方便后续的图像处理。

步骤S300中获取纹理贴图和2.5D模型的所有三角面的方法为：

将纹理贴图转换成RGB格式，获取2.5D模型的每个三角面的三个顶点坐标，删除超出纹理贴图范围内的顶点，保留位于纹理贴图范围内的顶点坐标，具体标记为：A(X_a，Y_a，Z_a)、 B(X_b，Y_b，Z_b)以及C(X_c，Y_c，Z_c)。

获取每个顶点对应的纹理贴图坐标，具体标记为：A’(u₁，v₁)、B’(u₂，v₂)以及C’(u₃，v₃)。

步骤S300中计算三角面中所有点的三维坐标值的方法为：

比较三个顶点的纵坐标，得到纵坐标值居中的顶点，穿过该顶点将三角形水平切割成两个小三角形，具体为：

比较三个顶点A(X_a，Y_a，Z_a)、B(X_b，Y_b，Z_b)、C(X_c，Y_c，Z_c)的纵坐标值y值，当Y_a <Y_b<Y_c时得到中间点B，穿过中间点B将三角形水平切割成两个小三角形，如图2所示，即ΔABE 和ΔBEC；图2中，点O为A点到BE的垂点，O’为C点到BE延长线上的垂点。

分别计算两个小三角形的比例系数，计算方式如下：

历遍三角面上的所有点，根据比例系数以及三个顶点坐标得出三角面中任意点的横坐标与纵坐标，具体为：

从最高点A开始，遍历AB和AC线段中的所有中间点，例如，遍历到第n行时，此时该行的y值已知，为第n个像素单位，求出该行与AB、AC的交点M(x_m，y_m)和N(x_n、y_n) 的坐标，其中，

MD＝S₁×AD，根据点A的坐标，可以求得M的X轴坐标；

ND＝S₂×AD，根据点A的坐标，可以求得N的X轴坐标；

M’D’＝S₃×D’C，根据点C的坐标，可以求得M’的X轴坐标；

N’D’＝S₄×D’C，根据点C的坐标，可以求得N’的X轴坐标；

遍历线段MN中的所有点，设其中任意一点为P(x,y)，其中，x_m<x<x_n,y＝y_m＝y_n。

计算该任意点分别到三个顶点的权重，根据权重和变换矩阵求得任意点的第三维的坐标值，具体为：

根据下述公式计算P点到三个顶点A、B、C的权重L₁、L₂以及L₃:

Y_bc＝y_b-y_c (10)

Y_ac＝y_a-y_c (11)

Y_c＝y-y_c (12)

X_cb＝x_c-x_b (13)

X_ac＝x_a-x_c (14)

X_c＝x-x_c (15)

计算中间参数F₁ F₁＝Y_bc×X_ac±X_cb×Y_ac (16)

L₁＝[y_bc·x_c±x_cb·y_c]÷F₁ (17)

L₂＝[y_ca·x_c±x_ac·y_c]÷F₁ (18)

L₃＝1-L₁-L₂ (19)

根据权重L₁、L₂以及L₃，通过下列公式计算点P的Z值Z_p：

Z_p＝L₁×Z_a±L₂×Z_b±L₃×Z_c (20)

根据任意点的三维坐标值以及三个顶点的对应的纹理贴图坐标提取对应坐标的纹理贴图的像素值，进行渲染，得到正射影像，具体为：

从变换矩阵(5)中搜索点P(x，y)对应的Z值，如果Z值存在，且Z_p>Z，则用Z_p覆盖该Z值，若Z_p<Z，则保留原始Z值，若Z不存在则加入该变化矩阵中缓存；

根据当前点P(x，y，Z_p)以及三个顶点对应的纹理贴图坐标A’(u₁，v₁)、B’(u₂，v₂) 以及C’(u₃，v₃)找到对应的纹理贴图坐标(u，v)，实现渲染，获得正射影像，其中，

u＝u₁L₁+u₂L₂+u₃L₃ (21)

v＝v₁L₁+v₂L₂+v₃L₃ (22)

步骤S100的具体步骤为：

S110：获取倾斜摄影图像；

S120：提取倾斜摄影图像特征并进行特征点匹配，完成稀疏重建，具体为：

将倾斜摄影图像转为灰度图，通过SIFT算法提取倾斜摄影图像特征点；对特征点进行匹配，得到特征匹配数据；通过增量式稀疏重建获取稀疏点云。

对倾斜摄影图像特征点进行匹配，得到特征匹配数据具体为：

根据倾斜摄影图像的地理位置、拍摄时间以及拍摄顺序信息进行综合分组；对每组倾斜摄影图像进行FLANN快速匹配或BRUTEFORCE暴力匹配。

S130：基于稀疏重建的结果构建数字表面模型，通过重采样方法获取新点云数据，根据泊松曲面重建生成网格，生成2.5D模型，具体为：

通过矩阵转化和齐次方程求得世界坐标系下的稀疏点云坐标，根据稀疏点云坐标构建数字表面模型；采用地理加权回归方法进行重新采样获取新点云数据，根据泊松曲面重建生成网格，生成2.5D模型。

实施例2

本实施例提供一种生成正射影像的系统，包括：

模型建立模块，用于获取倾斜摄影图像，生成2.5D模型，2.5D模型包含纹理贴图；

模型调整模块，用于确定2.5D模型区域大小，根据设置的分辨率计算目标正射影像的分辨率，以目标正射影像的分辨率创建变换矩阵来调整2.5D模型的大小；

正射影像生成模块，用于获取所述2.5D模型的所有三角面，利用每个所述三角面的比例系数以及所述变换矩阵计算所述三角面中所有点的三维坐标值；根据所述三维坐标值提取对应坐标的纹理贴图的像素值，进行渲染，得到正射影像。

确定2.5D模型区域大小的方法为：

计算2.5D模型的边界点坐标，根据2.5D模型边界点坐标确定模型大小，具体为：

计算模型边界得到边界点坐标，得到4个模型边界点坐标：

Q₁(X_min，Y_min)

Q₂(X_min，Y_max)

Q₃(X_max，Y_min)

Q₄(X_max，Y_max)

其中，X_min指最小X值，X_max指最大X值，Y_min指最小Y值，Y_max指最大Y值，上述坐标单位为m(米)。

根据模型边界点确定模型区域大小。

调整2.5D模型的大小的方法为：

根据设置分辨率res(pixels/meter)计算目标正射影像的分辨率，具体计算公式如下：

宽度最大差异值W计算公式如下：

W＝X_max-X_min (1)

高度最大差异值H计算公式如下：

H＝Y_max-Y_min (2)

目标正射影像的分辨率计算公式如下：

w＝W×res (3)

h＝H×res (4)

根据设置的分辨率计算目标正射影像的分辨率，以目标正射影像的分辨率创建变换矩阵调整2.5D模型的大小。创建如下的变换矩阵，矩阵大小为W列、H行，用于保存步骤模型中所有点的三维坐标值，其中res指设置分辨率：

并且，根据设置分辨率初始化倾斜摄影图像的每个通道数组，方便后续的图像处理。

获取纹理贴图和2.5D模型的所有三角面的方法为：

将纹理贴图转换成RGB格式，获取2.5D模型的每个三角面的三个顶点坐标，删除超出纹理贴图范围内的顶点，保留位于纹理贴图范围内的顶点坐标，具体标记为：A(X_a，Y_a，Z_a)、 B(X_b，Y_b，Z_b)以及C(X_c，Y_c，Z_c)。

获取每个顶点对应的纹理贴图坐标，具体标记为：A’(u₁，v₁)、B’(u₂，v₂)以及C’(u₃，v₃)。

步骤S300中计算三角面中所有点的三维坐标值的方法为：

比较三个顶点的纵坐标，得到中间点，穿过中间点将三角形水平切割成两个小三角形，具体为：

比较三个顶点A(X_a，Y_a，Z_a)、B(X_b，Y_b，Z_b)、C(X_c，Y_c，Z_c)的纵坐标值y值，当Y_a <Y_b<Y_c时得到中间点B，穿过中间点B将三角形水平切割成两个小三角形，如图2所示，即ΔABE 和ΔBEC；图2中，点O为A点到BE的垂点，O’为C点到BE延长线上的垂点。

分别计算两个小三角形的比例系数，计算方式如下：

历遍三角面上的所有点，根据比例系数和相似三角形定则以及三个顶点坐标得出三角面中任意点的横坐标与纵坐标，具体为：

从最高点A开始，遍历AB和AC线段中的所有中间点，例如，遍历到第n行时，此时该行的y值已知，为第n个像素单位，求出该行与AB、AC的交点M(x_m，y_m)和N(x_n、y_n) 的坐标，其中，

MD＝S₁×AD，根据点A的坐标，可以求得M的X轴坐标；

ND＝S₂×AD，根据点A的坐标，可以求得N的X轴坐标；

M’D’＝S₃×D’C，根据点C的坐标，可以求得M’的X轴坐标；

N’D’＝S₄×D’C，根据点C的坐标，可以求得N’的X轴坐标；

遍历线段MN中的所有点，设其中任意一点为P(x,y)，其中，x_m<x<x_n,y＝y_m＝y_n。

计算该任意点分别到三个顶点的权重，根据权重和变换矩阵求得任意点的第三维的坐标值，具体为：

根据下述公式计算P点到三个顶点A、B、C的权重L₁、L₂以及L₃:

Y_bc＝y_b-y_c (10)

Y_ac＝y_a-y_c (11)

Y_c＝y-y_c (12)

X_cb＝x_c-x_b (13)

X_ac＝x_a-x_c (14)

X_c＝x-x_c (15)

计算中间参数F₁ F₁＝Y_bc×X_ac±X_cb×Y_ac (16)

L₁＝[y_bc·x_c±x_cb·y_c]÷F₁ (17)

L₂＝[y_ca·x_c±x_ac·y_c]÷F₁ (18)

L₃＝1-L₁-L₂ (19)

根据权重L₁、L₂以及L₃，通过下列公式计算点P的Z值Z_p：

Z_p＝L₁×Z_a±L₂×Z_b±L₃×Z_c (20)

根据任意点的三维坐标值以及三个顶点的对应的纹理贴图坐标提取对应的纹理贴图坐标的分辨率，进行渲染，得到正射影像，具体为：

从变换矩阵(5)中搜索点P(x，y)对应的Z值，如果Z值存在，且Z_p>Z，则用Z_p覆盖该Z值，若Z_p<Z，则保留原始Z值，若Z不存在则加入该变化矩阵中缓存；

根据当前点P(x，y，Z_p)以及三个顶点对应的纹理贴图坐标A’(u₁，v₁)、B’(u₂，v₂) 以及C’(u₃，v₃)找到对应的纹理贴图坐标(u，v)，实现渲染，获得正射影像，其中，

u＝u₁L₁+u₂L₂+u₃L₃ (21)

v＝v₁L₁+v₂L₂+v₃L₃ (22)

模型建立模块包括：

提取模块，用于提取倾斜摄影图像特征点。

稀疏重建模块，用于提取倾斜摄影图像特征并进行特征匹配，完成稀疏重建，具体为：将倾斜摄影图像转为灰度图，通过SIFT算法提取倾斜摄影图像特征点；对特征点进行匹配，得到特征匹配数据；通过增量式稀疏重建获取稀疏点云。

对倾斜摄影图像特征点进行匹配，得到特征匹配数据具体为：

根据倾斜摄影图像的地理位置、拍摄时间以及拍摄顺序信息进行综合分组；对每组倾斜摄影图像进行FLANN快速匹配或BRUTEFORCE暴力匹配。

2.5D模型建立模块，用于基于稀疏重建的结果构建数字表面模型，通过重采样方法获取新点云数据，根据泊松曲面重建生成网格，生成2.5D模型，具体为：

通过矩阵转化和齐次方程求得世界坐标系下的稀疏点云坐标，根据稀疏点云坐标构建数字表面模型；采用地理加权回归方法进行重新采样获取新点云数据，根据泊松曲面重建生成网格，生成2.5D模型。

对于系统实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的。本领域技术人员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劳动的情况下，即可以理解并实施。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (8)

1.一种正射影像生成的方法，其特征在于，包括以下步骤：

获取倾斜摄影图像并生成2.5D模型，所述2.5D模型包含纹理贴图；

确定所述2.5D模型区域大小，根据设置的分辨率计算目标正射影像的分辨率，以所述目标正射影像的分辨率创建变换矩阵来调整所述2.5D模型的大小；

获取所述2.5D模型的所有三角面，利用每个所述三角面的比例系数以及所述变换矩阵计算所述三角面中所有点的三维坐标值；

根据所述三维坐标值提取对应坐标的纹理贴图的像素值，进行渲染，得到正射影像；

获取所述纹理贴图和所述2.5D模型的所有三角面的方法为：

将纹理贴图转换成RGB格式，获取所述2.5D模型的每个三角面的三个顶点坐标，保留位于纹理贴图范围内的顶点坐标，并获取每个顶点对应的纹理贴图坐标；

计算所述三角面中所有点的三维坐标值的方法为：

比较三个顶点的纵坐标，得到纵坐标值居中的顶点，穿过所述顶点将三角形水平切割成两个小三角形；

分别计算两个所述小三角形的比例系数；

遍历三角面上的所有点，根据所述比例系数以及所述三个顶点坐标得出三角面中所有点的横坐标与纵坐标；

计算所有点分别到三个顶点的权重，根据权重和所述变换矩阵求得所有点的垂直坐标。

2.根据权利要求1所述正射影像生成的方法，其特征在于，确定所述2.5D模型区域大小的方法为：

计算所述2.5D模型的边界点坐标，根据所述2.5D模型边界点坐标确定模型大小。

3.根据权利要求1所述的正射影像生成的方法，其特征在于，获取倾斜摄影图像生成2.5D模型的方法为：

获取倾斜摄影图像；

提取倾斜摄影图像特征点并进行特征匹配，完成稀疏重建；

基于所述稀疏重建的结果构建数字表面模型，通过重采样方法获取新点云数据，根据泊松曲面重建生成网格，生成2.5D模型。

4.根据权利要求3所述的正射影像生成的方法，其特征在于，提取倾斜摄影图像特征点并进行特征匹配，完成稀疏重建的方法为：

将倾斜摄影图像转为灰度图，通过SIFT算法提取倾斜摄影图像特征点；对特征点进行匹配，得到特征匹配数据；通过增量式稀疏重建获取稀疏点云。

5.根据权利要求3所述的正射影像生成的方法，其特征在于，基于所述稀疏重建的结果构建数字表面模型的方法为：

通过矩阵转化和齐次方程求得世界坐标系下的稀疏点云坐标，根据所述稀疏点云坐标构建数字表面模型。

6.根据权利要求3所述的正射影像生成的方法，其特征在于，所述通过重采样方法获取新点云数据的方法为：

采用地理加权回归方法进行重新采样获取新点云数据。

7.一种生成正射影像的系统，其特征在于，包括：

模型建立模块，用于获取倾斜摄影图像生成2.5D模型，所述2.5D模型包含纹理贴图；

模型调整模块，用于确定所述2.5D模型区域大小，根据设置的分辨率计算目标正射影像的分辨率，以所述目标正射影像的分辨率创建变换矩阵来调整所述2.5D模型的大小；

正射影像生成模块，用于获取所述2.5D模型的所有三角面，利用每个所述三角面的比例系数以及所述变换矩阵计算所述三角面中所有点的三维坐标值；根据所述三维坐标值提取对应坐标的纹理贴图的像素值，进行渲染，得到正射影像，具体为：

将纹理贴图转换成RGB格式，获取所述2.5D模型的每个三角面的三个顶点坐标，保留位于纹理贴图范围内的顶点坐标，并获取每个顶点对应的纹理贴图坐标；

比较三个顶点的纵坐标，得到纵坐标值居中的顶点，穿过所述顶点将三角形水平切割成两个小三角形；

分别计算两个所述小三角形的比例系数；

遍历三角面上的所有点，根据所述比例系数以及所述三个顶点坐标得出三角面中所有点的横坐标与纵坐标；

计算所有点分别到三个顶点的权重，根据权重和所述变换矩阵求得所有点的垂直坐标。

8.根据权利要求7所述的生成正射影像的系统，其特征在于，所述模型建立模块包括：

提取模块，用于提取倾斜摄影图像特征点；

稀疏重建模块，用于对倾斜摄影图像特征点进行特征匹配，完成稀疏重建；

2.5D模型建立模块，用于基于所述稀疏重建的结果构建数字表面模型，通过重采样方法获取新点云数据，根据泊松曲面重建生成网格，纹理重建生成2.5D纹理网格模型。

Images