CN114332412B - 一种顾及比例尺的三维模型数据抽稀简化方法及装置 - Google Patents
一种顾及比例尺的三维模型数据抽稀简化方法及装置 Download PDFInfo
- Publication number
- CN114332412B CN114332412B CN202111668213.8A CN202111668213A CN114332412B CN 114332412 B CN114332412 B CN 114332412B CN 202111668213 A CN202111668213 A CN 202111668213A CN 114332412 B CN114332412 B CN 114332412B
- Authority
- CN
- China
- Prior art keywords
- level
- scale
- density
- calculating
- grid
- 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
Images
Classifications
-
- 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
- Image Processing (AREA)
Abstract
本发明公开了一种顾及比例尺的三维模型数据抽稀简化方法及装置，包括：获取原始倾斜摄影三维模型数据，根据三维模型节点间的层级关系形成层级树，并抽取层级树的过渡型中间节点，获取精简后的层级树的各级叶节点的数量及顶点坐标，根据每个层级中叶节点的顶点数量及坐标计算每个层级的顶点密度；以及，分别根据每个层级的顶点密度将每个所述层级划分为格网，根据每个层级对应的格网计算每个层级的比例尺；根据每个层级对应的顶点密度和比例尺，对所述第二层级树进行简化，得到简化后的三维模型数据。采用本方法可快捷稳健地实现倾斜模型的比例简化，为倾斜模型的内业比例制图应用提供了有效方法，且方法简单、容易实现。
Description
技术领域
本发明涉及倾斜摄影数据处理领域，特别涉及一种顾及比例尺的三维模型数据抽稀简化方法及装置。
背景技术
倾斜摄影是获取高精度三维测绘数据的重要手段，采集效率高，并且获得的实景三维模型分辨率高，直观清晰，数据的存储一般采样分页层次节点的方式存储，具有数据总量大、碎片化数据多、层次划分密集的特点，在数据的分发和应用方面存在加载层级多、分发效率低的问题，如何通过对海量瓦片化的三维模型进行简化抽稀，实现快速数据的加载和渲染调度、快速进行网络分发，是亟待解决的问题和难点。
发明内容
本发明的目的在于克服现有技术中对倾斜摄影的海量三维数据处理效率较低的问题，本发明提出一种顾及比例尺的三维模型数据抽稀简化方法及装置，该方法能够对倾斜摄影的实景三维模型进行分层级的简化抽稀，为实景模型用于一定比例地形制图提供技术支撑。
为了实现上述发明目的，本发明提供了以下技术方案：
一种顾及比例尺的三维模型数据抽稀简化方法，包括：
S1：获取原始倾斜摄影三维模型数据，遍历所述三维实景模型数据中的所有节点，根据节点间的层级关系形成第一层级树；
S2：自顶向下抽取所述第一层级树上的过渡型中间节点，利用所述中间节点的子节点替换所述中间节点，形成第二层级树；所述过渡型中间节点为拥有单一子节点的节点；
S3：获取所述第二层级树的各级叶节点的数量及顶点坐标，针对所述第二层级树中的每个层级，根据每个层级中叶节点的数量及顶点坐标计算每个层级的顶点密度；以及，分别根据每个层级的顶点密度将每个所述层级划分为格网，根据每个层级对应的格网计算每个层级的比例尺；
S4：自底向上遍历所述第二层级树，根据每个层级对应的顶点密度和比例尺，对所述第二层级树进行简化，得到简化后的三维模型数据。
根据一种具体的实施方式，上述顾及比例尺的三维模型数据抽稀简化方法中，根据每个层级中叶节点的数量及顶点坐标计算每个层级的顶点密度，包括：
在二维平面将所述顶点坐标投影为二维点集合，采用凹多边形算法计算所述二维点集合的边界范围，计算所述边界范围的面积；
根据每个层级的叶节点数量与所述边界范围的面积计算每个所述层级的顶点密度。
根据一种具体的实施方式，上述顾及比例尺的三维模型数据抽稀简化方法中，所述分别根据每个层级的顶点密度将每个所述层级划分为格网，包括：自底向上遍历所述第二层级树，根据每个层级的顶点密度将每个所述层级划分为格网。
根据一种具体的实施方式，上述顾及比例尺的三维模型数据抽稀简化方法中，所述根据每个层级的顶点密度将每个所述层级划分为格网，包括：
计算所述边界范围的宽度和高度，
根据每个层级的顶点密度与所述边界范围的宽度和高度，计算每个层级对应的初始格网的宽度和高度；
对每个层级对应的初始格网进行细分操作，得到每个层级对应的最终格网，所述细分操作包括：遍历所述初始格网中每个网格，计算网格的顶点密度分布，根据所述网格的顶点密度分布判断该网格是否需要细分，若是，则对所述网格进行细分，若否，则停止细分；遍历结束后，得到最终格网。
根据一种具体的实施方式，上述顾及比例尺的三维模型数据抽稀简化方法中，所述根据所述网格的顶点密度分布判断该网格是否需要细分，包括：
对每个网络进行2*2划分，分别计算4个单元格的顶点密度P1～P4，计算4个顶点密度的平均密度PA，计算最大最小密度差，
DPmax＝Max|Pi-PA|；
DPmin＝Min|Pi-PA|；
如果DPmax-DPmin>PA，则继续对密度最大的格网进行划分，否则停止划分；其中，Pi为该网格的顶点密度分布。
根据一种具体的实施方式，上述顾及比例尺的三维模型数据抽稀简化方法中，所述根据每个层级对应的格网计算每个层级的比例尺，包括：
计算每个层级对应的格网的密度均值，以所述密度均值为该层级的最终顶点密度；
基于每个层级的最终顶点密度，在比例尺密度区间中进行匹配，得到每个层级的比例尺。
根据一种具体的实施方式，上述顾及比例尺的三维模型数据抽稀简化方法中，所述S4包括：
自底向上遍历所述第二层级树，针对每个层级，根据每个层级的顶点密度计算各层级的简化率，对简化率低于预设值的层级，根据所述简化率对该层级进行第一简化处理；以及，基于每个层级的比例尺，提取比例尺小于预设比例尺的层级，对比例尺小于预设比例尺的层级进行第二简化处理。
根据一种具体的实施方式，上述顾及比例尺的三维模型数据抽稀简化方法中，所述对简化率低于预设值的层级，根据所述简化率对该层级进行第一简化处理，包括：
对简化率低于预设值的层级，提取该层级的节点对象信息，根据该层级的节点对象信息构造三角网，基于所述预设值对所述三角网进行简化，简化后进行法线平滑处理。
根据一种具体的实施方式，上述顾及比例尺的三维模型数据抽稀简化方法中，所述对比例尺小于预设比例尺的层级进行第二简化处理，包括：
获取该层级对应的格网的网格宽度与高度，设置格网采样细分尺度，根据所述采样细分尺度对格网中的每个网格进行细分；
提取每个细分后的网格的顶点的高程数据与纹理坐标，构造高程数据集合与纹理坐标集合；
根据所述高程数据集合与纹理坐标集合构建规则格网模型，形成模型几何对象，完成当前层级的抽稀简化。
顾及比例尺的三维模型数据抽稀简化方法在本发明进一步的实施例中，还提供一种三维模型数据抽稀简化装置，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述顾及比例尺的三维模型数据抽稀简化方法。
与现有技术相比，本发明的有益效果：
1、本发明实施例所提供的顾及比例尺的三维模型数据抽稀简化方法，通过原始倾斜摄影三维实景模型数据转换为层级树，并依次求解层级树各层的顶点密度和比例尺，根据每个层级对应的顶点密度和比例尺，对层级树进行分层级简化，得到简化后的三维模型数据，本发明所提供的方法基于各层级比例关系对三维实景模型数据进行分层级的轻量化，便于数据快速加载和网络发布；采用本发明可快捷稳健地实现倾斜模型的比例简化，为倾斜模型的内业比例制图应用提供了有效方法，且方法简单、容易实现。
2、本发明实施例利用通过细分格网推算顶点密度，能够克服局部茂密树林和开阔地形构成的复杂场景对顶点密度计算的误差，通过平均密度阈值判断提高了概略比例尺计算的准确度。
附图说明：
图1示出了本发明示例性实施例的顾及比例尺的三维模型数据抽稀简化方法的流程图1。
图2示出了本发明示例性实施例的顾及比例尺的三维模型数据抽稀简化方法的流程图2。
图3示出了本发明示例性实施例的概略比例计算原理示意图。
图4示出了本发明示例性实施例的三维模型数据抽稀简化装置结构框图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
图1、图2示出了本发明示例性实施例的顾及比例尺的三维模型数据抽稀简化方法，包括：
S1：获取原始倾斜摄影三维模型数据，遍历所述三维实景模型数据中的所有节点，根据节点间的层级关系形成第一层级树；
S2：自顶向下抽取所述第一层级树上的过渡型中间节点，利用所述中间节点的子节点替换所述中间节点，形成第二层级树；所述过渡型中间节点为拥有单一子节点的节点；
S3：获取所述第二层级树的各级叶节点的数量及顶点坐标，针对所述第二层级树中的每个层级，根据每个层级中叶节点的数量及顶点坐标计算每个层级的顶点密度；以及，分别根据每个层级的顶点密度将每个所述层级划分为格网，根据每个层级对应的格网计算每个层级的比例尺；
S4：自底向上遍历所述第二层级树，根据每个层级对应的顶点密度和比例尺，对所述第二层级树进行简化，得到简化后的三维模型数据。
本发明实施例所提供的顾及比例尺的三维模型数据抽稀简化方法，通过原始倾斜摄影三维实景模型数据转换为层级树，并依次求解层级树各层的顶点密度和比例尺，根据每个层级对应的顶点密度和比例尺，对层级树进行分层级简化，得到简化后的三维模型数据，本发明所提供的方法基于各层级比例关系对三维实景模型数据进行分层级的轻量化，便于数据快速加载和网络发布；采用本发明可快捷稳健地实现倾斜模型的比例简化，为倾斜模型的内业比例制图应用提供了有效方法，且方法简单、容易实现。
在一种可能的实现方式中，上述S1，通过对某地质区域进行实地勘探，获取目标勘探区域的的原始倾斜摄影三维模型数据(其中包括31205个原始文件，大小为5.96G)，遍历所述三维实景模型数据中的所有节点，根据节点间的层级关系形成第一层级树，具体为：
S11，构建节点访问器，设置遍历模式为遍历所有子节点；
S12，构造模型树结构体，用于存储层级树，包含父节点ID和子节点ID几何以及几何对象ID的结构体TreeNode；
S13，在节点访问器中针对PagedLOD、LOD、ProxyNode类型读取子节点或几何对象信息，存储于模型树结构体T1(即第一层级树)；
在一种可能的实现方式中，上述S2中，中间节点为子节点数量为1的节点，所述自顶向下抽取层级树中的的过渡型中间节点，具体为：读取第一层级树对象的子节点信息Chindren，里面包含n个TreeNode对象，每个对象记为child，遍历每个child，依次获取每个child的子节点个数，判断每个child的子节点个数是否为1，若是，则用child的子节点对象替换child；直接遇到无子节点的情况，则结束递归遍历，形成无单一子节点的模型树结构体T2(即第二层级树)。
在一种可能的实现方式中，自顶向下对层级结构进行检索。对于子节点为单个plod的层级进行简化，用子节点的geode替换父节点的geode，用子节点的plod文件名替换父节点的plod文件名，依此递归整个层级结构，得到不含单个PLOD子节点的多维树结构。
在一种可能的实现方式中，上述S3中，所述获取所述第二层级树的各级叶节点的数量及顶点坐标，针对所述第二层级树中的每个层级，根据每个层级中叶节点的数量及顶点坐标计算每个层级的顶点密度；以及，分别根据每个层级的顶点密度将每个所述层级划分为格网，根据每个层级对应的格网计算每个层级的比例尺，具体为：
自底向上对多维树结构进行遍历，保持最末级叶节点的数据不变，并且计算末级节点的点云密度，推算概略比例尺，得到上层简化节点的比例树。
如图3所示，上述S3具体包括：S31，读取模型树结构体T2，递归遍历找到最末级叶节点N；
S32，构建Geode节点访问器，读取叶节点的Drawable个数，遍历每个Drawable对象，得到顶点的三维坐标几何[X,Y,Z]；
S33，在XOY平面将顶点三维坐标几何投影为二维点集合[X,Y]，采用凹多边形算法计算得到二维点集合的边界范围B；
S34，计算边界范围B的面积S，并且初步计算XOY平面的概略顶点密度P，如式(1)：
P＝N/S；
S35，计算边界范围B的矩形格网边界最大最小值MinPt,MaxPt,以及宽度W和高度H，根据概略密度初步划分格网，计算格网宽度ew和高度eh，如式(2)：
S36，按XOY平面的最小值逐格网计算每个格网的顶点密度分布Pi，如式(3)：
Pi＝Ni/(ew*eh)
S37，判断格网是否需要细分，对每个格网进行2*2划分，分别计算4个单元格的顶点密度P1-P4，计算4个密度值的平均密度PA，计算最大最小密度差，如式(4)：
DPmax＝Max|Pi-PA|；
DPmin＝Min|Pi-PA|；
如果DPmax-DPmin>PA,则继续对密度最大的格网进行划分，否则停止划分；
S38，对所有格网及细分格网求密度均值，得到确切的顶点密度，与比例尺密度区间比较，得到确定的概略比例尺，并推算上层比例树的顶点密度；
在一种可能的实现方式中，上述S4，自顶向下遍历所述第二层级树，根据每个层级对应的顶点密度和比例尺，对所述第二层级树进行以下两个维度的简化处理，得到简化后的三维模型数据，包括：
A、通过比例密度树，对上级节点以下两个方向的定量简化、平滑处理，具体为：
获取某层级节点在比例尺树中对应的顶点密度PPs，计算简化率S＝PPs/PP；其中，PP为最末级节点的顶点密度。如果S<0.8，则进行简化，构造三角网简化对象Simplifier，设置简化率为S,对父节点的对象进行简化和法线平滑处理
B、对于比例小于某一数字的层级，采取顶点垂直采样的方式进行简化处理，形成该层级节点的几何对象，具体为：
判断当前节点层级的比例树小于1：10万，根据比例密度树，参照3.4S计算采样格网尺寸ew和eh，设置格网采样细分尺度为5；根据当前层级边界范围及格网细分尺度，对每个细分格网内的顶点取最大高程点(z坐标)Pt，得到点集合[Pt]，以及纹理坐标集合[u,v](x，y坐标组成的纹理坐标)；根据点集合和纹理坐标构建规则格网的表面模型，形成模型几何对象，完成当前层级的抽稀简化；
参照步骤A和B，逐层向上递归推算简化，完成整颗多维度树结构的模型简化抽稀，实现顾及比例关系的数据轻量化，便于数据快速加载和网络发布。
在一个具体的应用实例中，通过实地勘探获取到原始倾斜摄影三维模型数据，其中包括31205个原始文件，大小为5.96G；运用本发明实施例所提供的抽稀简化方法对数据进行处理后，将31205个原始文件简化至13631个文件，大小变为2.93G，文件数量减少56％，文件大小缩小百分之51％。
实施例2
图4示出了根据本发明示例性实施例的顾及比例尺的三维模型数据抽稀简化装置，即电子设备310(例如具备程序执行功能的计算机服务器)，其包括至少一个处理器311，电源314，以及与所述至少一个处理器311通信连接的存储器312和输入输出接口313；所述存储器312存储有可被所述至少一个处理器311执行的指令，所述指令被所述至少一个处理器311执行，以使所述至少一个处理器311能够执行前述任一实施例所公开的方法；所述输入输出接口313可以包括显示器、键盘、鼠标、以及USB接口，用于输入输出数据；电源314用于为电子设备310提供电能。
本领域技术人员可以理解：实现上述方法实施例的全部或部分S可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的S；而前述的存储介质包括：移动存储设备、只读存储器(ReadOnly Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
当本发明上述集成的单元以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，也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，本发明实施例的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。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明具体实施方式的详细说明，而非对本发明的限制。相关技术领域的技术人员在不脱离本发明的原则和范围的情况下，做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。
Claims (4)
1.一种顾及比例尺的三维模型数据抽稀简化方法，其特征在于，包括：
S1：获取原始倾斜摄影三维模型数据，遍历所述三维模型数据中的所有节点，根据节点间的层级关系形成第一层级树；
S2：自顶向下抽取所述第一层级树上的过渡型中间节点，利用所述中间节点的子节点替换所述中间节点，形成第二层级树；所述过渡型中间节点为拥有单一子节点的节点；
S3：获取所述第二层级树的各级叶节点的数量及顶点坐标，针对所述第二层级树中的每个层级，根据每个层级中叶节点的数量及顶点坐标计算每个层级的顶点密度；以及，分别根据每个层级的顶点密度将每个所述层级划分为格网，根据每个层级对应的格网计算每个层级的比例尺；
S4：自底向上遍历所述第二层级树，根据每个层级对应的顶点密度和比例尺，对所述第二层级树进行简化，得到简化后的三维模型数据；
上述S3具体包括：
S31，读取第二层级树结构体T2，递归遍历找到最末级叶节点N；
S32，构建Geode节点访问器，读取叶节点的Drawable个数，遍历每个Drawable对象，得到顶点的三维坐标几何[X,Y,Z]；
S33，在XOY平面将顶点三维坐标几何投影为二维点集合[X,Y]，采用凹多边形算法计算得到二维点集合的边界范围B；
S34，计算边界范围B的面积S，并且初步计算XOY平面的概略顶点密度P，如下式：
P= N / S；
S35，计算边界范围B的矩形格网边界最大最小值MinPt,MaxPt,以及宽度W和高度H，根据概略密度初步划分格网，计算格网宽度ew和高度eh，如下式：
S36，按XOY平面的最小值逐格网计算每个格网的顶点密度分布Pi，如下式：
Pi=Ni/(ew*eh)
S37，判断格网是否需要细分，对每个格网进行2*2划分，分别计算4个单元格的顶点密度P1-P4，计算4个密度值的平均密度PA，计算最大最小密度差，如下式：
DPmax =Max|Pi-PA|；
DPmin = Min|Pi-PA|；
如果DPmax- DPmin>PA，则继续对密度最大的格网进行划分，否则停止划分；
S38，对所有格网及细分格网求密度均值，得到确切的顶点密度，与比例尺密度区间比较，得到当前层级的比例尺，并推算上层比例树的顶点密度；
所述S4包括：
自顶向下遍历所述第二层级树，针对每个层级，根据每个层级的顶点密度计算各层级的简化率，对简化率低于预设值的层级，根据所述简化率对该层级进行第一简化处理；以及，基于每个层级的比例尺，提取比例尺小于预设比例尺的层级，对比例尺小于预设比例尺的层级进行第二简化处理；
所述对比例尺小于预设比例尺的层级进行第二简化处理，包括：
获取该层级对应的格网的网格宽度与高度，设置格网采样细分尺度，根据所述采样细分尺度对格网中的每个网格进行细分；
提取每个细分后的网格的顶点的高程数据与纹理坐标，构造高程数据集合与纹理坐标集合；
根据所述高程数据集合与纹理坐标集合构建规则格网模型，形成模型几何对象，完成当前层级的抽稀简化。
2.如权利要求1所述的顾及比例尺的三维模型数据抽稀简化方法，其特征在于，所述S3中，所述根据每个层级对应的格网计算每个层级的比例尺，包括：
计算每个层级对应的格网的密度均值，以所述密度均值为该层级的最终顶点密度；
基于每个层级的最终顶点密度，在比例尺密度区间中进行匹配，得到每个层级的比例尺。
3.如权利要求1所述的顾及比例尺的三维模型数据抽稀简化方法，其特征在于，所述对简化率低于预设值的层级，根据所述简化率对该层级进行第一简化处理，包括：
对简化率低于预设值的层级，提取该层级的节点对象信息，根据该层级的节点对象信息构造三角网，基于所述预设值对所述三角网进行简化，简化后进行法线平滑处理。
4.一种三维模型数据抽稀简化装置，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111668213.8A CN114332412B (zh) | 2021-12-30 | 2021-12-30 | 一种顾及比例尺的三维模型数据抽稀简化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111668213.8A CN114332412B (zh) | 2021-12-30 | 2021-12-30 | 一种顾及比例尺的三维模型数据抽稀简化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114332412A CN114332412A (zh) | 2022-04-12 |
| CN114332412B true CN114332412B (zh) | 2023-06-16 |
Family
ID=81021200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111668213.8A Active CN114332412B (zh) | 2021-12-30 | 2021-12-30 | 一种顾及比例尺的三维模型数据抽稀简化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114332412B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112819108A (zh) * | 2021-04-16 | 2021-05-18 | 武汉光谷信息技术股份有限公司 | 一种多源异构模型的切片融合方法、系统及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7483024B2 (en) * | 2003-12-31 | 2009-01-27 | Autodesk, Inc. | Accelerated ray-object intersection |
| US10586374B2 (en) * | 2017-07-26 | 2020-03-10 | Alvin D. Zimmerman | Bounding volume hierarchy using virtual grid |
| JP7342008B2 (ja) * | 2018-02-27 | 2023-09-11 | マジック リープ， インコーポレイテッド | 仮想アバタのためのメッシュの合致 |
-
2021
- 2021-12-30 CN CN202111668213.8A patent/CN114332412B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112819108A (zh) * | 2021-04-16 | 2021-05-18 | 武汉光谷信息技术股份有限公司 | 一种多源异构模型的切片融合方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于四叉树的LOD地形简化及几何变形纠正;刘海飞;臧德彦;车建仁;;测绘与空间地理信息(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114332412A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shi et al. | Adaptive simplification of point cloud using k-means clustering | |
| CN102944174B (zh) | 一种三维激光点云数据的去噪与精简方法及系统 | |
| CA2846327C (en) | Systems and methods for generating a large scale polygonal mesh | |
| CN110991553B (zh) | Bim模型对比方法 | |
| Wang et al. | A new point cloud simplification method with feature and integrity preservation by partition strategy | |
| CN112991529B (zh) | 一种利用三角形进行地图网格化的划分算法 | |
| CN116188716B (zh) | 不规则复杂建筑物三维模型重建方法及装置 | |
| CN117932974B (zh) | 一种水库水下数字高程模型的构建方法 | |
| CN115758938A (zh) | 面向粘性边界流场数值模拟的附面层网格生成方法 | |
| CN111445569B (zh) | 一种沉积地质演化动态模拟方法 | |
| CN117949920A (zh) | 一种基于激光雷达的地形测绘方法 | |
| CN113470172A (zh) | 一种OBJ三维模型转换3DTiles方法 | |
| CN116258840B (zh) | 层级细节表示树的生成方法、装置、设备及存储介质 | |
| CN114332412B (zh) | 一种顾及比例尺的三维模型数据抽稀简化方法及装置 | |
| CN116579949B (zh) | 适用于城市多噪声环境下机载点云地面点滤波方法 | |
| CN115810153B (zh) | 一种基于相对熵和语义约束的高速公路点云提取方法 | |
| CN116934678A (zh) | 基于点云数据的不同尺度下飞机蒙皮凹坑缺陷检测方法 | |
| CN106652032B (zh) | 一种基于Linux集群平台的DEM并行等高线生成方法 | |
| CN111612869B (zh) | 一种基于栅格数据进行地质编图的分析方法 | |
| CN117807782B (zh) | 一种实现三维仿真模型的方法 | |
| Borisov et al. | Preliminary analysis of quality of contour lines using smoothing algorithms | |
| CN117437364B (zh) | 基于残缺点云数据的建筑三维结构提取方法和装置 | |
| CN117315002B (zh) | 待测物体三维表型测量方法、系统及装置 | |
| CN108932528B (zh) | 变色龙算法中相似性度量及截断方法 | |
| CN113313101B (zh) | 一种建筑物轮廓自动聚合方法、装置、设备及存储介质 |
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 |