CN114424268A - 超分辨率立体视觉化处理系统以及其程序 - Google Patents
超分辨率立体视觉化处理系统以及其程序 Download PDFInfo
- Publication number
- CN114424268A CN114424268A CN202080064990.9A CN202080064990A CN114424268A CN 114424268 A CN114424268 A CN 114424268A CN 202080064990 A CN202080064990 A CN 202080064990A CN 114424268 A CN114424268 A CN 114424268A
- Authority
- CN
- China
- Prior art keywords
- fine
- image
- super
- grid
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 73
- 238000009499 grossing Methods 0.000 claims abstract description 56
- 239000013598 vector Substances 0.000 claims description 22
- 238000003384 imaging method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 238000012800 visualization Methods 0.000 claims 11
- 238000006243 chemical reaction Methods 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 45
- 238000000034 method Methods 0.000 description 36
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 21
- 238000012935 Averaging Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000003786 synthesis reaction Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 5
- 238000009304 pastoral farming Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 101100026649 Mus musculus Nap1l3 gene Proteins 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/257—Colour aspects
-
- 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
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/128—Adjusting depth or disparity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/139—Format conversion, e.g. of frame-rate or size
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/254—Image signal generators using stereoscopic image cameras in combination with electromagnetic radiation sources for illuminating objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/271—Image signal generators wherein the generated image signals comprise depth maps or disparity maps
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/275—Image signal generators from 3D object models, e.g. computer-generated stereoscopic image signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/36—Level of detail
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Business, Economics & Management (AREA)
- Electromagnetism (AREA)
- Processing Or Creating Images (AREA)
- Instructional Devices (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Analysis (AREA)
- Image Generation (AREA)
Abstract
获得超分辨率立体视觉化处理系统,即便将使用地理院的DEM的红色立体视觉图像放大,也能够抑制锯齿(锯齿状)的发生,并且以详细的分辨率呈现凹凸的图像。具备存储有5mDEM基础地图Fa的基础地图用数据库(110)、5mDEM网格读入部(112)、地理坐标用XYZ点文件(114)、平面直角坐标变换部(115)、平面直角用XYZ点文件(118)、栅格化处理部(135)、微细格子用存储器(142)(分层)、光滑处理部(141)、光滑图像用存储器(147)(分层)、考虑距离格子数计算部(148)、红色立体视觉图像生成部(145)和红色立体视觉图像用存储器(149)(分层)等,在显示部(200)的画面中获得5mDEM的超分辨率红色立体化视觉图像(Gai′)。
Description
技术领域
本发明涉及超分辨率立体视觉化处理系统。
背景技术
近年来,日本国土地理院(以下称为地理院)在因特网上公开了数值标高模型(DEM:Digital Elevation Model)。
该DEM用TIN(triangulated irregular network,不规则三角网)来连结从航空器向地上照射激光而获得的各个激光测量点,在其上覆盖用经度差、纬度差为0.2秒(约5m)间隔的网格或经度差、纬度差为0.4秒(约10m)的网格划分了的框,将各个网格的中心点的高度根据包括该中心点的TIN的顶点的高度,通过内插插值来求出。
近年来,由地理院使用这样的DEM,公开了基于专利文献1的红色立体地图。
使用5mDEM(Digital Elevation Model,数值标高模型)来求出斜度、地上开度、地下开度,根据地上开度和地下开度和斜度求出山脊谷度(也称为起伏度),对斜度分配红的彩度,将山脊谷度分配给明度,并进行合成而生成了红色立体地图的轮廓。
另一方面,近年来,红色立体地图从灾害防止、不动产的价值等观点出发,要求即便在数百米窄的范围(也称为区域)也能够详细地立体可视化。
在先技术文献
专利文献
专利文献1:专利第3670274号公报
发明内容
发明要解决的课题
然而,若在想要更详细地看地形的凹凸而将其放大的情况下,则如图46所示,红色立体地图会产生锯齿(锯齿状)。图46示出了将基于5mDEM的红色立体地图叠加于国土地理院的25000分的城市地图后的例子。
即,即便在地理院地图上叠加红色立体地图,也由于即使进行了放大,也能够看到锯齿(锯齿状),因而无法立体地观看。
本发明是鉴于以上的课题而完成的,目的在于,获得即便对使用了地理院的DEM的红色立体视觉图像进行了放大,也能够抑制锯齿(锯齿状)的产生,并且以详细的分辨率在凹凸的图像中呈现的超分辨率可立体视觉图像生成方法。
用于解决课题的手段
本发明涉及的超超分辨率立体视觉化处理系统的主旨在于具备执行如下处理的单元:
(A).用平面直角坐标来在平面直角坐标用存储器中定义存储在数值标高模型用存储器中的数值标高模型的给定区域的经纬度的网格群;
(B).求出将在所述平面直角坐标用存储器中定义的平面直角坐标的网格群各自的X方向上的边均等地分割成奇数份(1:不包含)的分割距离;
(C).在存储器中定义与所述给定区域对应的区域的二维平面(X-Y),用所述分割距离来分割该存储器的二维平面(X-Y),并在所述二维平面(X-Y)中定义所述分割距离的尺寸的微细格子;
(D).在所述二维平面(X-Y)中定义所述平面直角坐标的网格群,并求出对所述微细格子的标高值进行了插值的插值后标高值;
(E1).将所述尺寸的格子作为平滑用格子,并生成由将该平滑用格子纵横地排列所述奇数的个数而得到的平滑用格子群构成的平滑网格;
(E2).依次指定在所述二维平面(X-Y)中定义的所述微细格子,按该指定的每个微细格子,对该微细格子决定所述平滑网格的中央的平滑用格子,并在所述二维平面(X-Y)中定义所述平滑网格,求出基于该平滑网格中的微细格子群的插值后标高值群而进行了平滑的平滑后标高值,并且将该平滑后标高值分派给所指定的所述微细格子的单元;和
(F).在每次对所述二维平面(X-Y)的微细格子分派所述平滑后标高值时,以该微细格子为关注点,按每个该关注点,用与所述分割距离对应的微细格子数来定义距该关注点的考虑距离,求出该微细格子数内的起伏度,并对该起伏度进行灰度显示的单元。
发明效果
如以上那样,根据本发明,即便对使用了DEM的超分辨率立体视觉图像进行了放大,也看不到锯齿(锯齿状),并且凹凸以详细的分辨率立体地呈现。
此外,不产生格子状的伪影。
附图说明
图1是对实施方式1的超分辨率立体视觉化处理系统的概念进行说明的流程图。
图2是使用以往的5mDEM生成的5mDEM红色图像Groi与超分辨率红色立体化视觉图像Gai′的比较说明图。
图3是实施方式1的超分辨率立体视觉化系统的概略结构图。
图4是5mDEM经纬度点数据Pai的具体例的说明图。
图5是基于5mDEM经纬度点数据Pai的、经纬度5m网格Mai的具体例的说明图。
图6是平面直角坐标5mDEM点数据Pbi(xbi、ybi、zbi……)的具体的说明图。
图7是基于平面直角坐标5mDEM点数据Pbi的、平面直角5m网格Mbi的具体例的说明图。
图8是等角圆柱图的说明图。
图9是5m平面直角网格Mbi的说明图。
图10是微细格子用存储器142的X-Y平面的0.559m尺寸的微细格子mi的说明图。
图11是分割后的微细格子mi(m1、m2、m3、……)的三角形的坐标例的说明图。
图12是对等高线数据进行彩色显示(平面直角坐标)、在该彩色分层设色图上叠加平面直角5m网格Mbi后的例子的说明图。
图13是TIN二值插值的说明图。
图14是TIN二值插值后的说明图。
图15是TIN二值插值的问题点的说明图。
图16是移动平均化用网格Fmi的说明图。
图17是由本实施方式的移动平均化处理带来的效果的说明图。
图18是基于第一次移动平均化处理的例子的说明图。
图19是基于第二次移动平均化处理的说明图。
图20是第二次移动平均化处理的放大显示例的说明图。
图21是光滑微细标高值栅格图像数据Rgi的说明图。
图22是平滑前的微细格子用存储器142在X-Y平面中的数据和光滑图像用存储器147的平滑处理后的X-Y平面中的数据的具体例的说明图。
图23是针对平滑化处理前的双线性插值后标高值zri进行了红色立体视觉图像生成处理的例子的说明图。
图24是针对平滑化处理后的光滑处理后标高值zfi进行了超分辨率红色立体图像生成处理的例子的说明图。
图25是实施方式2的超分辨率立体视觉化系统的概略结构图。
图26是对实施方式2的超分辨率立体视觉化系统的概略进行说明的流程图。
图27是25000分之1的标准地图Gki(16级)的说明图。
图28是光滑等高线信息Ji的生成的说明图。
图29是TIN二值插值后的插值后等高线图像Gjoi的说明图。
图30是图29的范围Ubi附近的放大图。
图31是平滑化处理后的光滑等高线图像Gji的说明图。
图32是图31的Uai附近的放大图。
图33是“光滑等高线+红色”图像GaCi的说明图。
图34是“标准地图+红色+光滑等高线”图像Gami的说明图。
图35是“标准地图+红色+光滑等高线”图像Gami的放大图。
图36是进一步对图35进行放大后的放大图。
图37是对生成红色立体图像的流程进行说明的说明图。
图38是红色立体视觉图像生成部145的概略结构图。
图39是地下开度、地上开度的说明图。
图40是以标高0m为基准的样本地点A与B的关系的说明图。
图41是地下开度、地上开度的样本地点以及距离的说明图。
图42是灰度等级的分配的说明图。
图43是凸部强调图像生成部以及凹部强调图像生成部的框图。
图44是斜度强调图像以及第2合成部的框图。
图45是示出在上方有凸出的情况下的倾斜角和掠射角(仰角)如何按照网格尺寸和移动平均变化的说明图。
图46是使用了5mDEM的情况下的以往的红色图像的说明图。
具体实施方式
在本实施方式中,以地理院的5mDEM(A:A是指激光)的基础地图(以下,称为5mDEM基础地图Fa)为一例来对获得超分辨率立体视觉化图像Gi的过程进行说明。
虽然超分辨率立体视觉化图像Gi还根据设为对象的区域、季节等而不同(蓝、绿、黄绿等),但在本实施方式中使用红色系(红、紫、朱红色、橙、黄色等)的颜色来进行说明。
将使用5mDEM基础地图Fa,通过后述的本实施方式生成的红色系的超分辨率立体视觉化图像Gi称为超分辨率红色立体化视觉图像Gai′。
<实施方式1>
图1是对实施方式1的超分辨率立体视觉化处理系统的概念进行说明的流程图,是计算机进行的处理。
如图1所示,读入任意的区域Ei的由纬度以及经度等定义的5mDEM(以下,称为经纬度5mDEM)的网格(称为经纬度5m网格Mai:参照图5)(S10),将其变换成平面直角坐标系的坐标(以下,称为平面直角5m网格Mbi:参照图7),并存储在存储器(未图示)中(S20)。
在图5中,示出了以0.1秒间隔对纬度轴N、经度轴E进行划分而得到的框,并示出TIN插值用的斜线。此外,示出了尺寸比例Qi(0.Om~6.0m)和指示等高线的标高的颜色条Vi。
即,在X-Y平面(二维平面)中定义(求出)区域Ei内的平面直角5m网格Mbi(Mb1、Mb2……、Mb100……)。
然后,进行栅格化处理(S30)。
栅格化处理由5m网格x方向分割/y方向分割处理(S40)和TIN双线性插值处理(S50)等构成。
5m网格x方向分割/y方向分割处理(S40)对该平面直角5m网格Mbi(Mb1、Mb2……、Mb100、……)进行指定,针对每个该指定,求取将该平面直角5m网格Mbi的X轴的边(以下,简称为x方向)分成9份后的每5m网格X方向分割距离di(d1、d2、……)。
然后,将这些每5m网格X方向分割距离di进行平均化,通过该平均化距离(以下称作每5m网格X方向分割平均距离da:例如,0.559m)来分割与区域Ei对应的X-Y平面(S40)。将该分割后的格子称为微细格子mi(也称为微细初始格子)(参照图10)。
另外,分割以每5m网格X方向分割平均距离da(5844m或0.559m)来进行了分割。对于该5m网格x方向分割/y方向分割处理,在后面描述。
然后,TIN双线性插值处理(S50)针对与区域Ei对应的X-Y平面,依次定义平面直角5m网格Mbi(分层),并针对每个平面直角5m网格Mbi,按照该平面直角5m网格Mbi内的每个微细格子mi(m1或m2、……)进行TIN双线性插值(参照图13)(S50)。
将该平面直角5m网格Mbi中的微细格子mi的标高值称为双线性插值后标高值zri。
在本实施方式中,将在与区域Ei对应的X-Y平面中定义的网格群(平面直角5m网格Mbi)的块(集合)称为栅格用微细网格大框Mi。
然后,TIN双线性插值处理(S50)在每次获得双线性插值后标高值zri时,将该双线性插值后标高值zri分派给相应的微细格子mi(也称为栅格化:参照图14)。
接下来,进行光滑处理(S60)。
光滑处理(S60)对微细格子mi进行指定,按每个该指定而施予9×9格子(格子尺寸为0.5844m或0.559m)的移动平均化网格Fmi(算术平均、移动平均等)(也称为平滑化处理)。将赋予该移动平均化网格Fmi(参照图16)的格子(fmi)的值称为平滑化标高值zfi(zf1、zf2、……)。将对该平滑化标高值zfi(zf1、zf2、……)进行图像化后的图像称为光滑图像Gfi(参照图18、图19、图20)。
接下来,红色图像化处理(S70)依次指定微细格子mi,按每个该指定,以该微细格子mi为关注点,使用在距该关注点考虑距离L(例如,50m)内存在的光滑微细标高值(也称为平滑化标高值)来求出斜度、地上开度和地下开度,根据地上开度和地下开度求出山脊谷度,将斜度分配给红的彩度,将山脊谷度(也称为起伏度)分派给明度,生成将它们合成后的每个微细格子mi(0.559m)的红色图像数据gmi(gm1、gm2、……)(S70)。
将前述的考虑距离L变换成微细格子数。微细格子数是相当于L/da的格子数。
然后,将这些红色图像数据gmi(gm1、gm2、……)写入显示用存储器(S90),在画面中显示为图2的(b)所示的超分辨率红色立体化视觉图像Gai′(S100)。
优选为在该红色立体视觉图像生成处理之前进行光滑处理。对于该光滑处理以及红色立体视觉图像生成处理,在实施方式2中详细地进行说明。
关于图2,在图2的(a)中示出了使用5mDEM基础地图Fa的5mDEM而生成的红色立体地图(在本实施方式中,称为5mDEM红色图像GRoi),在图2的(b)中示出了本实施方式1的超分辨率红色立体化视觉图像Gai′。
图2的(a)的5mDEM红色图像Groi是对基于由航空器获取的激光点群的5mDEM进行红色立体图像化处理、并在显示画面中将横约450m~500m、纵500m~550m的区域放大至数倍后的图像,显示画面的1个显示单元相当于5m程度。如图2的(a)所示,5mDEM红色图像Groi成为锯齿状。
相对于此,图2的(b)的超分辨率红色立体化视觉图像Gai′未出现锯齿状。
接下来,使用图3来对具体的结构进行说明。
图3是本实施方式1的超分辨率立体视觉化系统的概略结构图。如图3所示,实施方式1的超分辨率立体视觉化系统300由计算机主体部100和显示部200等构成。
计算机主体部100具备存储有5mDEM基础地图Fa的基础地图用数据库110、5mDEM网格读入部112、地理坐标用XYZ点文件114、平面直角坐标变换部115、平面直角用XYZ点文件118、栅格化处理部135、微细格子用存储器142(分层)、光滑处理部141、光滑图像用存储器147(分层)、考虑距离格子数计算部148、红色立体视觉图像生成部145和红色立体视觉图像用存储器149(分层)等。
栅格化处理部135具备X方向分割距离计算部132、微细格子生成部134和TIN双线性插值部137。
此外,具备显示处理部150等,在显示部200的画面中得到图2的(b)所示的5mDEM的超分辨率红色立体化视觉图像Gai′等。
(各部的说明)
基础地图用数据库110存储有5mDEM基础地图Fa(地形)。该5mDEM基础地图Fa的5mDEM是由航空激光获取(数十厘米间隔)的点群,该点群的区域为日本全国(数十千米~数百千米)。这些点群包括纬度Ii、经度Ii、标高值zi、强度等,在本实施方式中称为5mDEM经纬度点数据Pai。
5mDEM网格读入部112通过5mDEM的基础地图用数据库110,来将与由操作者输入(指定)的区域Ei(例如,纵横为50m~1500m)对应的5mDEM经纬度点数据Pai输出至地理坐标用XYZ点文件114(存储器)。图4是地理坐标用XYZ点文件114的5mDEM经纬度点数据Pai的具体例。
图5是基于5mDEM经纬度点数据Pai的经纬度5m网格Mai的具体例。在图5中,用彩色分层设色图来示出了标高值。优选为,该彩色分层设色图将基于对由本实施方式获得的在微细格子用存储器142(分层)中生成的微细格子mi分派的标高值的等高线数据变换成经纬度坐标,并对其进行彩色显示,并在该彩色分层设色图上叠加经纬度5m网格Mai。
平面直角坐标变换部116将地理坐标用XYZ点文件114(存储器)的5mDEM经纬度点数据Pai(纬度Ii、经度Ii、标高值zi)投影变换成平面直角坐标(优选为原样不变地使用高度),将其作为5mDEM平面直角点数据Pbi而输出到平面直角用XYZ点文件118(存储器)。
图6是XYZ点文件的平面直角坐标5mDEM点数据Pbi(xbi、ybi、zbi……)的具体的说明图。图7是基于平面直角坐标5mDEM点数据Pbi的平面直角5m网格Mbi的具体例。在图7中,用彩色分层设色图来示出了标高值。如图7所示,图5的正方形的经纬度5m网格Mai成为长方形(详细地,存在变形)。
在图7中,用彩色分层设色图示出了标高值。关于该彩色分层设色图,将基于对由本实施方式获得的在微细格子用存储器142(分层)中生成的微细格子mi分派的标高值的等高线数据变换成平面直角坐标并对其进行彩色显示,并在该等高线的彩色分层设色图上叠加了平面直角5m网格Mbi。
如图6所示,5mDEM平面直角点数据Pbi由区域Ei、5m平面直角网格Mbi的网格编号(记载为5m平面直角网格Mbi)和构成5m平面直角网格Mbi的4个点的5mDEM平面直角点数据Pbi等(也可以反射强度)构成。
在本实施方式中,将它们称为5m平面直角点数据Pbi。Zbi由作为属性信息的括弧书写来表示。
另外,在平面直角用XYZ点文件118中未以5m间隔存储5mDEM平面直角点数据Pbi作为真实数据(实际的反射强度、有标高值的数据)的情况下,优选为,使用周围的5mDEM平面直角点数据Pbi,通过内插插值(TIN)来求出5mDEM平面直角点数据Pbi。
平面直角坐标变换是在仅与地球的赤道相切的圆筒内放置地球,将经纬线投影至圆筒,然后打开圆筒而进行生成的“等角圆柱图”,如图8所示,越接近极地则纬线的间隔变得越宽。在图8中,“0”表示地球中心。
因此,在变换成平面直角坐标的情况下,存在变形,因而如图9的(a)所示,关于将4个点的5mDEM平面直角点数据Pbi相连而得到的网格,根据区域Ei,5m平面直角网格Mbi(Mb20)成为倾斜的长方形,或成为无变形的图9的(b)所示的长方形(有时也为正方形)。另外,在本实施方式中,不管有无变形,在说明上均称为5m平面直角网格Mbi。
图9的(a)是将5mDEM平面直角点数据Pb20、Pb21、Pb30、Pb31相连,并将其表示为平面直角5m网格Mb20的例子。
在图9的(b)中,是将5mDEM平面直角点数据Pb80、Pb81、Pb100、Pb101相连,并将其表示为平面直角5m网格Mb80的例子。
在本实施方式中,将这些平面直角5m网格Mbi(Mb1、Mb2、……)的块(集合)称为平面直角5m网格大框Mai。
栅格化处理部135的X方向分割距离计算部132对平面直角用XYZ点文件118的4个5mDEM平面直角点数据Pbi进行指定。
具体地,指定5mDEM平面直角点数据Pbi,检索具有与其相同的坐标yai且X坐标相邻(成为下一个)的5mDEM平面直角点数据Pbi,将其和与指定的5mDEM平面直角点数据Pbi成为对角的5mDEM平面直角点数据Pbi、以及成为检索出的X坐标相邻(成为下一个)的5mDEM平面直角点数据Pbi的对角的5mDEM平面直角点数据Pbi这4个点作为5m平面直角网格Mbi。
然后,按每个5m平面直角网格Mbi,X方向分割距离计算部132依次求出X方向的5mDEM平面直角点数据Pbi与相邻的5mDEM平面直角点数据Pbi的5m网格X方向距离。
然后,针对每个5m网格X方向距离,依次求出将该5m网格X方向距离9等分(例如,0.559m)的每5m网格X方向分割距离di(例如,0.559m或0.5844m、0.592m、……)。然后,将每个平面直角5m网格Mbi的每5m网格X方向分割距离di进行合计,求取用9×平面直角5m网格Mb的个数对该合计值进行平均化的每5m网格X方向分割平均距离da(例如,0.5844m或0.559m)。
一般,若未适当取格子间隔,则会产生由相对于平面直角坐标系的纬度、经度的投影变换与内插插值的干扰引起的格子状的伪影。每5m网格X方向分割距离di是尽可能成为正方形或长方形的微细格子mi的分割距离。
作为实验的结果,判明了,在5m网格的情况下,例如若用0.5844m或0.559m(约60cm)对每5m网格X方向分割平均距离da进行分割,则在使图像显示在画面中时,最不会在格子上产生伪影。
微细格子生成部134(也称为微细格子生成处理)在微细格子用存储器142中定义与区域Ei对应的X-Y平面。
然后,读入在X方向分割距离计算部132获得的每5m网格X方向分割平均距离da(例如,0.559m),从微细格子用存储器142的X-Y平面的原点坐标起,以每5m网格X方向分割平均距离da(例如,0.559m或0.5844m)为单位来对X轴以及Y轴进行分割,从各个分割点起定义与X轴以及Y轴平行的直线,在微细格子用存储器142的X-Y平面中生成纵横例如为0.559m尺寸的微细格子mi(参照图10)。也可以设为,纵行为“e”,横列为“k”。
图11是分割后的微细格子mi(m1、m2、m3,……)的三角形的插值后的插值后标高值的坐标例。
成为:
Idx,X,Y,Elevation(m),Length,TotalLength,Heading
1,-10835.893,-32871.056,41.274,0.559m,---,269°55′48.4″
2,-10836.452,-32871.056,41.412,0.79m,0.559m,134°52′44.3″
3,-10835.893,-32871.614,41.214,---,1.349m,---。
将如下的例子示于图12:在该微细格子用存储器142的X-Y平面中定义平面直角5m网格Mbi,并对基于由本实施方式获得的在微细格子用存储器142(分层)中生成的微细格子mi的等高线数据进行彩色显示(平面直角坐标),并在该彩色分层设色图上叠加了平面直角5m网格Mbi。
其中,在图12中,平面直角5m网格Mbi中的微细格子mi(m1、m2、m3、……)是大致被分割为9×11的情况下的例子。
TIN双线性插值部137(也仅称为标高值插值部)对微细格子用存储器142(分层)的每个微细格子mi的标高值进行内插插值,并进行分派。
然后,如图13所示,TIN双线性插值部137在微细格子用存储器142(分层)的X-Y平面中定义平面直角5m网格Mbi,进行TIN二值插值。图13示出了由5mDEM平面直角点数据Pb10、Pb11、Pb22、Pb23构成的平面直角5m网格Mbi。
然后,按每个该平面直角5m网格Mbi来定义TIN,对微细格子mi(m1、m2、m3、……)进行插值(参照图13)。
将该被插值的标高值称为双线性插值后标高值zri(zr1、zr2、……)。然后,启动光滑处理部141(也称为平滑化处理)。
另外,由于平面直角5m网格Mbi变形,因而如图13所示,X、Y方向产生偏离。关于基于TIN二值插值处理的插值值的决定,优选为在与平面直角5m网格Mbi相邻的平面直角5m网格Mbi内,采用微细格子mi(m1、m2、m3、……)的面积更大的平面直角5m网格Mbi的标高值。
图14是基于TIN二值插值后的双线性插值后标高值zri(zr1、zr2、……)的等高线的分层设色图的例子,是按照颜色区别地示出微细格子用存储器142(分层)的双线性插值后标高值zri的例子。此外,叠加了平面直角5m网格Mbi。
在图15的(a)中,示出平面直角5m网格Mbi的标高值(zb),在图15的(b)中,示出分派给在微细格子用存储器142(分层)中生成的微细格子mi的双线性插值后标高值zri(zrl、zr2、……:例如0.559m(小数点4位以下省略)间隔)。
然而,如图15的(b)所示,对于二值插值,边缘急剧突出(hi)或者谷急剧下降(hi)。因此,在本实施方式中,具备光滑处理部141。
另外,关于微细格子mi,将双线性插值后标高值zri(zr1、zr2、……)和构成微细格子mi的4个点的坐标、平面直角5m网格Mbi、区域Ei名等存储为微细栅格数据RaMi(未图示)。
光滑处理部141进行移动平均化处理。该移动平均化处理在每次由操作者输入光滑处理指示时,读入每5m网格X方向分割平均距离da(例如,0.559m)。然后,生成使设纵横的尺寸为该每5m网格X方向分割平均距离da(例如,0.559m)的格子(也称为平滑用格子)为横列9个且纵向9个的图16所示的移动平均化用网格Fmi。
另外,图16记载了设移动平均化用网格Fmi的纵行为“i”并设横列为“j”的格子编号fm(i,j)。
然后,在光滑图像用存储器147(分层)中定义与微细格子用存储器142(也称为第1栅格用存储器)相同的区域Ei的X-Y平面,进行用每5m网格X方向分割平均距离da(例如,0.559m)来对该X-Y平面的X方向、Y方向进行分割的上述的微细格子生成处理,以定义微细格子mi(m1、m2、……)。
然后,如图16所示,光滑处理部141依次定义该移动平均化用网格Fmi的中心格子(fm(5,5))。将该中心格子的移动平均值(加权平均)称为光滑处理后标高值zfi(也称为平滑化标高值)。
将该光滑处理后标高值zfi(未图示)分派给在光滑图像用存储器147(分层)中定义的微细格子mi。
将各种数据与该光滑处理后标高值zfi(zf1、zf2、……)建立关联(以下,称为光滑微细标高值栅格图像数据RGi(参照图21))。
图18是基于第一次移动平均化处理的例子,图19是第二次移动平均化处理。图20是第二次移动平均化处理的放大显示例。
另外,图18~图20是基于光滑处理后标高值zfi(zf1、zf2、……)的等高线的分层设色图的例子,并叠加了平面直角5m网格Mbi。此外,平面直角5m网格Mbi中的微细格子mi(m1、m2、m3、……)是大致被分割为9×11的情况下的例子。
如图18~图20所示,图12的等高线的尖锐部位变圆润而变得光滑。
另外,在图20中,示出了0.559m尺寸的微细格子mi(ml、m2、……),用黑点示出了代表该微细格子mi(m1、m2、……)的光滑处理后标高值zfi(zf1、zf2、……)。
即,对图15的(b)的hi进行平滑(参照图17)。
操作者确认显示在画面中的光滑图像Gfi的等高线的光滑状况,根据需要来指示移动平均化处理(也称为平滑化)。该指示从显示处理部150输出到光滑处理部141。
如图21所示,光滑微细标高值栅格图像数据Rgi由区域Ei、平面直角5m网格Mbi、平面直角5m网格Mbi、平面直角5m网格Mbi的四角的坐标(例如,Pb1、Pb2、Pb3、Pb4)、微细格子mi(编号)、每5m网格X方向分割平均距离da(例如,0.559m)、双线性插值后标高值zri、微细格子mi(编号)、微细格子mi的四角的坐标(例如,PL1、PL2、PL3、PL4:未图示)、第一次光滑微细标高值zfi和第二次光滑微细标高值zfi′等构成。另外,例如,PL1和PL2是入口的线,PL3和PL4是出口的线。
在本实施方式中,说明为第一次光滑微细标高值zfi(以下,仅称为光滑微细标高值zfi)。
即,如图17的(b)所示,将光滑图像用存储器147的X-Y平面以0.559m或0.5844m进行分割,因而在用Z轴和X轴来表示标高值的情况下,在5mDEM的格子尺寸(参照图17的(a))中,成为5m单位,但通过本实施方式的移动平均化处理,如图17的(b)所示,图15的(b)的突出(hi)得以抑制,并且各个标高值变得光滑。
在图22的(a)中示出平滑前的微细格子用存储器142的X-Y平面中的数据的具体例,在图22的(b)中示出光滑图像用存储器147的平滑处理后的X-Y平面中的数据的具体例。
红色立体视觉图像生成部145使用光滑图像用存储器147(分层)的光滑微细标高值栅格图像数据RGi,来进行红色立体视觉图像生成处理。
红色立体视觉图像生成处理以光滑图像用存储器147(分层)的光滑微细标高值栅格图像数据Rgi中所含的微细格子mi(0.559m尺寸)为关注点,依次进行指定,基于距从该关注点起、存在于以该考虑距离L为半径的局部区域中的光滑处理后标高值zfi,来求出斜度、地上开度和地下开度,根据地上开度和地下开度来求出山脊谷度,将斜度分配给红的彩度,将山脊谷度(也称为起伏度)分派给明度,在红色立体视觉图像用存储器149(分层)中生成将它们合成后的每个微细格子mi的红色图像数据gmi(gm1、gm2、……)。将它们总称为超分辨率红色图像Gai。
图23是对平滑化处理之前的微细格子用存储器142(分层)中的双线性插值后标高值zri(zr1、zr2、……:例如0.559m)进行了红色立体视觉图像生成处理的例子。不过,图23以使红色降低50%程度后的超分辨率红色立体化视觉图像Gai′表示。
平面直角5m网格Mbi中的微细格子mi(m1、m2、m3、……)是大致被分割为9×11的情况下的例子。不过,图23的微细格子mi中的黑点是显示上的偏离,实际上如图24所示,位于mi的中央。
图24是对平滑化处理后的光滑处理后标高值zfi进行了超分辨率红色立体图像生成处理的例子。其中,图23以使红色降低50%程度后的超分辨率红色立体化视觉图像Gai′表示。
平面直角5m网格Mbi中的微细格子mi(m1、m2、m3、……)是大致被分割为9×11的情况下的例子。此外,对超分辨率红色化图像Gai以及超分辨率红色立体化视觉图像Gai′(50%降低)的生成,在后面详细地描述。
比较图23和图24,实施了平滑化处理的图24成为在整体上红色更加柔和的印象。
显示处理部150将红色立体视觉图像用存储器149(分层)的超分辨率红色立体化视觉图像Gai′显示在画面中(参照图2的(b))。如图2的(b)所示,相较于图2的(a),无锯齿(锯齿状),并且未产生伪影。
此外,由于是基于以例如0.559m为单位对平面直角5m网格Mbi进行分割后的微细格子mi的光滑处理后标高值zfi单位的、超分辨率红色立体图像生成处理,因而相较于平面直角5m网格Mbi中的红色,也无损立体感(颜色配合),并且成为了与微细格子mi间隔的标高值相应的颜色配合。因此,能够微细地将标高红色化。
即,即便是5mDEM,也能够在该5mDEM之间微细地表现出凹凸。
<实施方式2>
在实施方式2中,示出等高线Ci、地理院的标准地图Gki等而进行说明。
图25是实施方式2的超分辨率立体视觉化系统的概略结构图。图26是对实施方式2的超分辨率立体视觉化系统的概略进行说明的流程图。
在图25中,未对存储有5mDEM基础地图的基础地图用数据库110、5mDEM网格读入部112、地理坐标用XYZ点文件114、平面直角坐标变换部115、平面直角用XYZ点文件118、栅格化处理部135和考虑距离格子数计算部148进行图示。
在图25中,示出微细格子用存储器142(分层)、光滑处理部141、光滑图像用存储器147(分层)、红色立体视觉图像生成部145和红色立体视觉图像用存储器149(分层)而进行说明。
此外,实施方式2示出光滑等高线计算部156、光滑等高线数据用存储器158、地理院地图用存储器151、第1图像合成部160(地理院地图+红色)、第1合成图像用存储器161(地理院地图+红色)、第2图像合成部162(光滑等高线+红色)、第2合成图像用存储器164(光滑等高线+红色)、第3图像合成部166(等高线+地理院地图+红色)、第3合成图像用存储器168(等高线+地理院地图+红色)和显示处理部150。
在地理院地图用存储器151中存储有25000分之1的标准地图Gki(16级)的矢量数据(参照图27)。不过,图28将矢量数据图像化而进行了示出。
使用图26的流程图来说明图25。不过,对于标注了与图1、图3上同的附图标记的结构,省略说明。
5mDEM网格读入部112通过5mDEM的基础地图用数据库110来读入与由操作者输入(指定)的区域Ei(例如,纵横为50m~1500m)对应的5mDEM经纬度点数据Pai(S9),并输出至地理坐标用XYZ点文件114(存储器)(S10)。
然后,通过5mDEM的基础地图用数据库110来读入5mDEM经纬度点数据Pai,并输出至地理坐标用XYZ点文件114(S10),平面直角坐标变换部116将地理坐标用XYZ点文件114的5mDEM经纬度点数据Pai投影变换成平面直角坐标(S20),作为5mDEM平面直角点数据Pbi而输出至平面直角用XYZ点文件118(S22),并进行栅格化处理(S30)。
即,在微细格子用存储器142(分层)中生成例如0.559m尺寸的微细格子mi,向这些微细格子mi分派双线性插值后标高值zri(zr1、zr2、……)(参照图14)。
然后,光滑处理部141进行光滑处理S60,向光滑图像用存储器147(分层)的0.559m尺寸的微细格子mi分派光滑处理后标高值zfi(zf1、zf2、……)(光滑微细标高值栅格图像数据RGi,(参照图21))。
然后,红色立体视觉图像生成部145使用光滑图像用存储器147(分层)的光滑微细标高值栅格图像数据RGi,来进行红色立体视觉图像生成处理,在红色立体视觉图像用存储器149(分层)中生成超分辨率红色图像Gai。
光滑等高线计算部156指定光滑图像用存储器147(分层)的0.559m尺寸的微细格子mi。
然后,按指定的每个微细格子mi(0.559m尺寸)定义一定范围(例如,5m、10m、20m,……),并对具有与指定的微细格子mi(光滑微细标高值栅格图像数据RGi)的光滑微细标高值zfi相同的标高值的微细格子mi(微细标高值栅格图像数据RGi)进行检索。
然后,针对这些微细格子mi(微细标高值栅格图像数据RGi),通过标准偏差计算处理等来决定要相连的微细格子mi(微细标高值栅格图像数据RGi),将其成为封闭曲线。
此时,在微细格子mi的四角的坐标(例如,PL1、PL2、PL3、PL4)之中,例如将PL1和PL2设为入口的线,将PL3和PL4设为出口的线,对PL1与PL2之间的标高值进行插值,并且对PL3与PL4之间进行插值,生成将成为大致相同的标高的点连结的线(y=ax+b),并将其相连(参照图28)。
然后,将该成为封闭曲线的微细格子mi(微细标高值栅格图像数据RGi)的直线的集合矢量化(函数),将其作为光滑等高线信息Ji存储于光滑等高线数据用存储器158。在对光滑等高线信息Ji进行了图像化的情况下,称为光滑的等高线Ci。
关于该矢量化,在应相连的相邻的微细网格mi处于X方向或Y方向上的情况下,用直线将中心坐标彼此(x,y)连结,此外在相连的相邻的微细格子mi处于斜向上的情况下,将坐标的中心和相连的斜向上的微细格子mi的2点间的中心坐标连结而使相连的方向上的微细格子mi侧的角2点为直线。
然后,将这些直线的集合设为函数(也可以设为近似函数)。
即,光滑等高线信息Ji不像以往那样进行样条曲线、贝塞尔曲线等曲率最大化处理,而是成为将穿过微细格子mi(0.559m)的直线相连后的等高线。
此时,对色值进行分派。即,光滑等高线信息Ji由区域Ei、微细格子mi、尺寸(0.559m)、光滑微细标高值Ri、色值和连接方向(X方向上方(或下方),Y方向上方(或下方)或右斜方或左斜方)等构成。
另外,光滑的等高线Ci的间隔也可以是1m、2m、3m、……。
接下来,使用图29~图32,对未进行平滑化处理的情况下的光滑等高线图像Gji的差异进行说明。
图29是对TIN二值插值后的插值后等高线图像Gjoi进行显示的例子,图30是图29的范围Ubi附近的放大图。图31是对平滑化处理后的光滑等高线图像Gji进行显示的例子,是与图29同样的区域。
图32是图31的Uai附近的放大图。
如图30所示,TIN二值插值后的光滑等高线图像Gji的Uaci的部位的等高线呈锯齿状弯曲,但在实施了平滑化处理的情况下,如图32所示,Uaci的部位光滑地弯曲。
即,本实施方式的等高线能够用作1万分之1的等高线图。
第1图像合成部160(地理院地图+红色)设为将红色立体视觉图像用存储器149(分层)的超分辨率红色化图像Gai的红色降低50%程度后的超分辨率红色立体化视觉图像Gai′,并生成与地理院地图用存储器151的标准地图Gki(16级)的矢量数据的图像化数据相乘合成的“地理院地图+红色合成”图像GFi,将其存储于第1合成图像用存储器161(地理院地图+红色用)(参照图34)。其中,图34还示出了等高线。
此时,第1图像合成部160(地理院地图+红色)使红色立体视觉图像用存储器149(分层)的超分辨率红色立体化视觉图像Gai的色值下降50%,以使得其与将标准地图(建筑物,道路等城市地图)的矢量图像化了的情况下的颜色(例如,橙色)不同。
例如,设为以色相为0°的红、彩度为50%、明度为80%而构建的朴素的红色。
关于RGB值,在0~255的范围内指定各颜色的情况下,设RED为“204”、GREEN为“102”、BLUE为“102”程度。HEX值(16进制数的WEB彩色,HTML彩色编码)设为#CC6666。或,用于彩色印刷的CMYK值设为青色“C20%”、品红“M70%”、黄色“Y50%”、黑色“K0%”是近似的颜色。
将使该色值下降50%后的超分辨率红色图像Gai称为超分辨率红色立体化视觉图像Gai′。
第2图像合成部162(光滑等高线+红色)生成将第1合成图像用存储器161(地理院地图+红色用)的超分辨率红色立体化视觉图像Gai′(降低50%)、和对光滑等高线数据用存储器158的光滑等高线信息Cji进行图像化后的数据相乘合成而得到的“光滑等高线+红色”图像GaCi,并存储于第2合成图像用存储器164(光滑等高线+红色)(参照图33)。
第3图像合成部166(等高线+地理院地图+红色)在第3合成图像用存储器168中存储将第1合成图像用存储器161(地理院地图+红色用)的“地理院地图+红色合成”图像Gfi和第2合成图像用存储器164(光滑等高线+红色)的“光滑等高线+红色”图像GaCi相乘合成而得到的“标准地图+红色+光滑等高线”图像Gami(参照图34、图35)。另外,各存储器的超分辨率红色立体化视觉图像Gai′(降低50%)的相乘合成优选为读入任一方而进行合成。
另外,图35是“标准地图+红色+光滑等高线”图像Gami的放大图。不过,是与图34不同的场所的放大图。进一步地,图36是将图35进一步放大了的放大图。
如图36所示,即便将地理院基础地图的建筑物、道路等的矢量数据读入到显示用存储器来进行显示,也没有锯齿状感。即,在25000分之1的标准地图Gki(16级)的复杂的线形的道路轮廓和建筑物轮廓中,分辨率和谐。
此外,如图36所示,即便进行了放大,也没有锯齿状(齿状)感。因此,能够详细地确认悬崖的状况、平面的状况、道路的倾斜等。
因此,能够生成与地理院放弃制作的1万分之1的地图几乎同样的地图。
<实施方式4:红色立体图像>
红色立体图像的生成使用了专利第3670274号公报的技术。
使用图37来对其概略进行说明。
如图37所示,根据在光滑图像用存储器147的第n个(n=1~N)中处理的2分量矢量Vn的识别编号Idn和高度差,来计算其经度xn、纬度yn以及海拔高度zn,将其值与保存在存储器(未图示)中的假想的三维(3D)的X-Y-Z正交三维坐标空间80内的对应的坐标点Qn={Xn=xn,Yn=yn,Zn=zn}建立对应(与平面直角坐标变换部115对应)。
即,通过在存储器内的与坐标点Qn对应的存储区域保存矢量Vn的识别编号Idn,来将矢量Vn映射至三维坐标空间80,通过针对总数N个矢量来进行该处理,从而将矢量场70映射至三维坐标空间80(图37的处理P1)。
进一步地,通过最小二乘法等来求出以需要的光滑度将三维坐标空间80内的总数N个或小于其的适当的个数的带Id的坐标点的列{Qn:n<≤N}连结的曲面S,将其分割成总数M个{M≤N}的微小的面区域{Sm:m≤M},分别决定出关注点Qm(例如,0.559m),并将关联信息保存在存储器中。
然后,对于各面区域Sm,对从其关注点Qm起位于给定半径内的曲面S的表侧(Z+侧)的局部区域Lm+进行确认,求出由此划定的关注点Qm周围的开放度(即,相对于顶侧的掠射立体角或与其等价的二次微分值)Ψm+(图37的处理P2),存储为面区域Sm的上浮度。
将遍及曲面S整体对该上浮度Ψm+进行灰度显示的图像作为处理结果A。该图像A将地形的山脊侧、即(曲面S的)凸部清晰地显示得确实像凸部。
然后,对于上述面区域Sm,对从其关注点Qm起位于上述给定半径内的曲面S的背侧(Z-侧)的局部区域Lm-进行确认,求出由此划定的关注点Qm周围的开放度(即,相对于地侧的掠射立体角或与其等价的二次微分值)Ψm-(图37的处理P3),存储为面区域Sm的下沉度。将遍及曲面S整体对该下沉度Ψm-进行了灰度显示的图像作为处理结果C。
该图像C将地形的谷侧、即(曲面S的)凹部清楚晰地显示得确实像凹部。需要注意的点是,该图像C不是所述图像A的单纯的翻转。
然后,对于上述面区域Sm,利用合乎目的地(即,根据重视山脊和谷中的哪一个)决定的分配比例w+:w-(w++w-=0)来对该上浮度Ψm+和下沉度Ψm-进行加权合成(w+Ψm++w-Ψm-),由此求出位于给定半径内的曲面S的表背的局部区域Lm(Lm+,Lm-)对关注点Qm周围带来的立体的效果(图37的处理P4),并存储为面区域Sm的起伏度Ψm。
将遍及曲面S整体对该起伏度Ψm进行了灰度显示的图像作为处理结果B。该图像B将(曲面S的)的凸部清晰地显示得像凸部,并且将凹部清晰地显示得像凹部,由此使地形的山脊和谷显眼,增强视觉立体感。另外,图像B的上述合成的加权成为w+=-w-=1。
然后,对于上述面区域Sm,直接地求出或经由最小二乘法而间接地求出其最大倾斜度(或与其等价的一次微分值)Gm(图37的处理P6),并存储为上述面区域Sm的斜度Gm。
将遍及曲面S整体用红色系的颜色R来对该斜度Gm进行了色调显示的图像的无彩色显示图像)作为处理结果D。该图像D也具有在视觉上形成地形(即曲面S)的立体感的效果。
然后,通过将三维坐标空间80与其关联信息(Ψm,Gm,R)一起映射至二维面90中(图37的处理P5),从而在将所述坐标点Qm的列连结的面S的与分割区域Sm对应的二维面90上的区域90m中,进行所述斜度Gm的R色调显示,并且针对该R色调的明度,进行与所述起伏度Ψm对应的灰度显示。
将该图像(的无彩色显示图像)作为处理结果F。该图像F对地形(即曲面S)在视觉上赋予了立体感。
图像E示出将所述图像D的信息(即表示斜度Gm的R色调)和与图像A对应的起伏度(即上浮度Ψm+)的信息映射(处理P5)到二维面90后的结果,对山脊部进行了强调。
图像G示出将所述图像D的信息(表示斜度Gm的R色调)和与图像C对应的起伏度(即下沉度Ψm-)的信息映射(处理P5)至二维面90后的结果,对谷部进行了强调。
求出将从所述坐标点Qn的列之中的所述矢量70场的矢量Vn的分量提取出的属性(在本实施方式中海拔高度zn)为等值的坐标点Qn连结后而得到的属性等值线(在本实施方式中是地形的等高线以及外形线)Ea,并对其进行存储,并根据需要进行输出或显示(图37的处理P7)。
该结果I也有助于掌握地形(即曲面S)的立体形状。
然后,在二维面90上,将所述三维坐标空间80与其关联信息(Ψm,Gm,R)一起进行映射或输出显示,并且将上述属性等值线Ea进行映射或输出显示(图37的处理P8)。将该显示图像(的无彩色显示图像)作为处理结果H。该图像H也在视觉上对地形(即曲面S)赋予了立体感。
因此,在进行将矢量场(70)映射至三维的三维坐标空间(80)而获得对应的坐标点列(mfi)的第1步骤(61)之后,进行了:
第2步骤(62),求出由将所述坐标点列连结得到的面的局部区域中的位于关注点的给定半径内的表侧的区域划定的所述关注点周围的开放度,作为所述局部区域的上浮度(起伏度)(A);
第3步骤(63),求出由将所述坐标点列连结得到的面的局部区域中的位于所述关注点的所述给定半径内的背侧的区域划定的所述关注点周围的开放度,作为所述局部区域的下沉度(C);
第4步骤(64),对所述上浮度(A)和所述下沉度(C)进行加权合成,来求出将所述坐标点列连结得到的面的局部区域中的所述给定半径内的所述表侧的区域以及所述背侧的区域对所述关注点周围带来的开放度,作为所述局部区域的起伏度(B);和
第5步骤(65),将所述三维坐标空间(80)映射至二维面(90),在与将所述坐标点列连结的得到面的局部区域对应的二维面(90)上的区域进行与所述局部区域的起伏度对应的灰度显示(F)。
接下来,更具体地进行说明。基于DEM(Digital Elavation Model,数值标高模型)数据(mri),求出与斜度Gm对应的斜度、相当于第1实施方式的上浮度Ψm+的地上开度和相当于下沉度Ψm-的地下开度这3个参数,并将其平面分布保存为灰度等级图像。
将地上开度与地下开度的差分图像放入灰色中,将倾斜放入红的通道中,以制作伪彩色图像,由此将山脊、山顶部分表现得发白,并且将谷、洼地表现得发黑,倾斜越陡的部分表现得越红。通过这样的表现的组合,用1张也能生成有立体感的图像。
即,本实施方式的立体化地图的立体表现手法将等高线之间网格化,各自的与相邻的网格的差异即倾斜用红的色调来表现,用灰度等级来表现是比周围高还是比周围低。这相当于第1实施方式的起伏度Ψm,在本实施方式中,称为山脊谷度,暗示了更亮的一方比周围高(山脊),更暗的一方比周围低(谷),通过对其明暗进行相乘合成来产生立体感。
如图38所示,具备读入光滑图像用存储器147(分层)的光滑微细标高值栅格图像数据Rgi中所含的光滑微细标高值zfi的地上开度数据制作部9、地下开度数据制作部10和倾斜计算部8,还具备凸部强调图像制作部11、凹部强调图像制作部12、斜度强调部13、第1合成部14和第2合成部15。
在本实施方式中,使用了开度这样的概念。开度对该地点与周围相比向地上突出的程度以及向地下陷入的程度进行了量化。即,如图39所示,地上开度表示从所关注的样本地点起在距离L的范围内能看到的天空的幅度,此外地下开度表示在颠倒过来俯视地面时,考虑距离L的范围内的地下的幅度。
在输入的考虑距离为50m的情况下,在5mDEM的网格的情况下,在本实施方式中,考虑距离L是相当于由考虑距离格子数计算部148求出的微细格子mi的尺寸即0.5844m×9×(50m/9)的长度。开度取决于考虑距离L和周围地形。一般,从周围突出得越高的地点,其地上开度越大,对于山顶、山脊取较大的值,对于洼地、谷底,则较小。反之,向地下陷入得越低的地点,其地下开度越大,对于洼地、谷底,取较大的值,对于山顶、山脊,则较小。
即,地上开度数据制作部9在从关注点起到一定距离(考虑距离L)为止的范围中所含的微细格子mi上,按8个方向的每个方向而生成地形断面,并求出将各个地点和关注点连结的线的倾斜的最大值(从铅垂方向观察时)。对8个方向进行这样的处理。
此外,地下开度数据制作部10在从翻转后的微细格子mi的光滑微细标高值zfi的关注点起到一定距离为止的范围内,按8个方向的每个方向生成地形断面,求出将各个地点和关注点连结的线的倾斜的最大值(在地表面的立体图中从铅垂方向观察L2(未图示)时为最小值)。
对8个方向进行这样的处理。即,如图40所示,地上开度和地下开度考虑2个基本地点A(iA,jA,HA)和B(iB,jB,HB)。因为样本间隔为约60cm,所以A与B的距离成为:P=[(iA-iB)2+(jA-jB)2]1/2......(1)。
图40以标高0m为基准而示出了样本地点A与B的关系。
样本地点A相对于样本地点B的仰角θ由θ=tan-1{(HB-HA)/P}给出。θ的正负号在(1)HA<HB的情况下为正,在(2)HA>HB的情况下为负。
将从关注的样本地点起处于方位D、考虑距离L的范围内的样本地点的集合描述为DSL,将其称为“关注的样本地点的D-L集合”。在此,设为
DβL:关注的样本地点的相对于DSL各要素的仰角之中的最大值
DδL:关注的样本地点的相对于DSL的各要素的仰角之中的最小值
(参照图40的(a)、(b)),来进行以下定义。
定义1:所谓关注的样本地点的D-L集合的地上角以及地下角,各自意味着:
以及
DψL=90+DδL。
意味着从关注的样本地点起在距离L以内能够看到方位D的天空的天顶角的最大值。所谓一般所说的地平线角,相当于使L为无穷大的情况下的地上角。此外,DψL意味着从关注的样本地点起在考虑距离L以内能够看到方位D的地面的天底角的最大值。若增大L,则属于DSL的样本地点的数量增加,所以对于DβL,具有非减少特性,反之对于DδL,则具有非增加特性。
所谓测量学中的高角度,是以穿过关注的样本地点的水平面为基准而定义的概念,并不与θ严格一致。此外,若要严格地讨论地上角以及地下角,则还必须考虑地球的曲率,定义1未必是正确的描述。归根结底,定义1是以使用DEM来进行地形解析为前提而定义的概念。
虽然地上角以及地下角是针对指定的方位D的概念,但作为将其扩展后的定义,导入以下定义。
定义II:所谓关注的样本地点的距离L的地上开度以及地下开度,分别意味着:
以及
ΨL=(0ψL+45ψL+90ψL+135ψL+180ψL+225ψL+270ψL+315ψL)/8。
即,在5m网格中,如图41的(a)所示,以约5m间隔定义关注点Qm(样本地点)来求出仰角,相对于此,如图41的(b)所示,本实施方式以约0.559m间隔定义关注点Qm(样本地点)来求出仰角。
此外,在图45中,示出了在上方有凸出的情况下的倾斜角和掠射角(仰角)如何按照网格尺寸和移动平均而变化。
图45的(a)在纵轴示出标高值(也称为高度),在横轴示出距离,图45的(b)在纵轴示出倾斜(斜度),在横轴示出距离。
即,本实施方式由于具有光滑处理部141,从而如图45的(a)所示,5mDEM的标高值A的线Lai在移动平均后,成为高度低的高B(标高值)的光滑的线Lbi(若重复,则会变得更低)。
此外,如图45的(b)所示,倾斜(斜度)表示5mDEM的网格的情况下的倾斜(斜度)的值的线Laai、和0.559m尺寸的格子的情况下的倾斜(斜度)的值的线Lbbi。对该0.559m尺寸的格子的情况下的倾斜(斜度)的值分派色标(未图示)的色值(255:红色系)。因此,相比于5mDEM的网格,能够更微细地用色值来表示倾斜。
倾斜计算部8求出与关注点(微细格子mi)相邻的正方形的面的平均倾斜。相邻的正方形存在4个,将任一个设为关注正方形。然后,求出该关注正方形的4个角的高度和平均倾斜。平均倾斜是使用最小二乘法根据4个点而近似的面的倾率。
如图42所示,凸部强调图像制作部11具备用于由明亮度来表现山脊、谷底的第1灰度等级(参照图42的(a)、图42的(b)),地上开度数据制作部9在每次求取地上开度(在8个方向上从关注点观察L的范围时的平均角度:用于判定是否处于高处的指标)时,计算与该地上开度ψi的值对应的明亮度(明度)。
例如,在地上开度的值收进40度至120度程度的范围的情况下,使50度至110度与第1灰度等级对应,分配到255灰度中(参照图20的(a)、图45)。
即,由于越是山脊的部分(凸部)的部分则地上开度的值越大,因而颜色成为白色。
然后,如图43所示,凸部强调图像制作部11的凸部强调用颜色分配处理20读取地上开度图像数据Da,向具有关注点(坐标)的微细格子mi相同的Z值的微细格子mi分派基于第1灰度等级的颜色数据(参照图42的(a),图42的(b)),并将其保存于地上开度文件21(地上开度图像数据Dpa)。
接下来,灰度校正部22对使该地上开度图像数据Dpa的色阶翻转后的地上开度分层Dp进行保存。即,获得了以山脊变白的方式调整后的地上开度分层Dp。
如图43所示,凹部提取部12(也称为凸部强调图像制作部)具备用于以明亮度来表现谷底、山脊的第2灰度等级,地下开度数据制作部10在每次求取地下开度ψi(从关注点在8个方向上的平均)时,计算与该地上开度ψi的值对应的明亮度。
例如,在地下开度的值收进40度至120度程度的范围的情况下,使50度至110度与第2灰度等级对应(参照图42的(b)),分配到255灰度中。
即,由于越是谷底的部分(凹部)的部分则地下开度的值越大,因而颜色变黑。
然后,如图43所示,凹部强调图像制作部12的凹部强调用颜色分配处理25读取地下开度图像数据Db,向与关注点(坐标或微细格子mi的坐标)相同Z值的微细格子mi(例如,0.559m尺寸)分派基于第2灰度等级的颜色数据,并将其保存于地下开度文件26。接下来,灰度校正处理27对地下开度图像数据Db的色阶进行校正,存储于层28(存储器)。
在颜色变得过黑的情况下,设为对色调曲线进行了校正的程度的颜色。将其称为地下开度分层Dq,并对其进行保存。
如图44所示,斜度强调部13具备用于以明亮度来表现倾斜的程度的第3灰度等级(参照图42的(c)),倾斜计算部8在每次求取倾斜度(从关注点在4个方向上的平均)时,计算与该倾斜度的值对应的第3灰度等级的明亮度(明度)。
例如,在斜度αi的值收进0度至70度程度的范围内的情况下,使0度至50度与第3灰度等级对应,分配到255灰度中(参照图42的(c))。即,0度为白色,50度以上为黑色。倾斜α越大的地点,颜色变得越黑。
然后,如图44所示,斜度强调部13的斜度强调用颜色分配处理30将地下开度图像数据Db与地上开度图像数据Da的差异图像作为斜度图像Dra保存于存储器31。
此时,向与关注点(坐标)相同Z值的微细格子(例如,0.559m尺寸)分派基于第3灰度等级的颜色数据。
接下来,红色化处理32通过RGB彩色模式功能来对R进行强调(不过,有时也进行50%的强调)。即,倾斜越大,则在存储器33(分层)中获得越对红色进行强调的倾斜强调图像Dr(参照图44)。
第1合成部14获得将地上开度分层Dp和地下开度分层Dq相乘而合成后的合成图像Dh(Dh=Dp+D1)。此时,以谷的部分不破坏的方式对两者的平衡进行调整。
前述的“相乘”在数值处理上是指OR运算。
关于该平衡调整,地上开度和地下开度的值的分配以某一地点为中心切取一定的半径(L/2)的地表面。
在天空整体为一样的明亮度的情况下从地表面向上看的天空的幅度给出地面的明亮度。即,地上开度成为明亮度。然而,若连光绕入也考虑在内,也应当考虑地下开度的值。
能够按照应当如何设置两者之比,来对地形的山脊的部分进行强调、使其任意变化。在想要对谷中的地形进行强调时,增大b的值。
另一方面,第2合成部15获得将文件的倾斜强调图像Dr和由第1合成部14进行合成而获得的合成图像Dh合成后的、以红色对山脊进行了强调的立体红色化图像Ki,并显示在显示部200。
即,获得将地上开度分层Dp(对山脊进行白色强调)和地下开度分层Dq(将底强调为黑色)相乘合成后的灰色的灰度表现的合成图像Dh,并且获得相对于斜度图像Dra倾斜越多则红色越被强调的倾斜强调图像Dr。然后,将该倾斜强调图像Dr和合成图像Dh合成。
产业上的可利用性
本发明能够利用于地图的制作。
附图标记说明
110:基础地图用数据库
112:5mDEM网格读入部
114:地理坐标用XYZ点文件
118:平面直角用XYZ点文件
122:5m网格定义部
132:X方向分割距离计算部
134:微细格子生成部
135:栅格化处理部
145:红色立体视觉图像生成部
148:考虑距离格子数计算部
Claims (14)
1.一种超分辨率立体视觉化处理系统,其特征在于,具有执行如下处理的单元:
(A).用平面直角坐标来在平面直角坐标用存储器中定义存储在数值标高模型用存储器中的数值标高模型的给定区域的经纬度的网格群;
(B).求取将在所述平面直角坐标用存储器中定义的平面直角坐标的网格群各自的X方向上的边均等地分割成不包含1的奇数份的分割距离;
(C).在存储器中定义与所述给定区域对应的区域的二维平面X-Y,用所述分割距离来分割该存储器的二维平面X-Y,来在所述二维平面X-Y中定义所述分割距离的尺寸的微细格子;
(D).在所述二维平面X-Y中定义所述平面直角坐标的网格群,并求出对所述微细格子的标高值进行了插值的插值后标高值;
(E1).将所述尺寸的格子作为平滑用格子,并生成由将该平滑用格子纵横地排列所述奇数的个数而得到的平滑用格子群构成的平滑网格;
(E2).依次指定在所述二维平面X-Y中定义的所述微细格子,按该指定的每个微细格子,对该微细格子决定所述平滑网格的中央的平滑用格子,来在所述二维平面X-Y中定义所述平滑网格,求出基于该平滑网格中的微细格子群的插值后标高值群而进行了平滑的平滑后标高值,并且将该平滑后标高值分派给所指定的所述微细格子;
(F).在每次向所述二维平面X-Y的微细格子分派所述平滑后标高值时,以该微细格子为关注点,按每个该关注点,用与所述分割距离对应的微细格子数来定义距该关注点的考虑距离,求出该微细格子数内的起伏度,并对该起伏度进行灰度显示。
2.根据权利要求1所述的超分辨率立体视觉化处理系统,其特征在于,具有执行如下处理的单元:
(G)按每个所述关注点,求出微细格子数内的每个微细格子的斜度,并与对该斜度的色调以及所述起伏度进行灰度显示的图像叠加显示。
3.根据权利要求2所述的超分辨率立体视觉化处理系统,其特征在于,
所述斜度的色调显示设为红色系的颜色。
4.根据权利要求1所述的超分辨率立体视觉化处理系统,其特征在于,
所述数值标高模型为5mDEM或10mDEM。
5.根据权利要求1所述的超分辨率立体视觉化处理系统,其特征在于,
不包含1的所述奇数为9。
6.根据权利要求2所述的超分辨率立体视觉化处理系统,其特征在于,具备:
(H).将道路、建筑物、江河、沼泽地或树木或者它们的任意组合或者它们的全部的矢量数据存储为标准地图的地图用存储单元;
所述超分辨率立体视觉化处理系统具有执行如下处理的单元:
(I).使所述斜度的色调降低30%~60%;和
(J).将所述矢量数据图像化并与进行所述叠加显示的图像进一步叠加显示。
7.根据权利要求6所述的超分辨率立体视觉化处理系统,其特征在于,
所述标准地图是2万5000分之1的地图。
8.根据权利要求6所述的超分辨率立体视觉化处理系统,其特征在于,具有执行如下处理的单元:
(K).针对所述二维平面X-Y的微细格子依次决定一定范围,按每个该一定范围,检索被分派了与分派给该一定范围内的所述微细格子的所述平滑后标高值相同且连续的平滑后标高值的微细格子,来生成等高线的矢量数据;和
(L).将所述等高线的矢量数据图像化而与进行所述叠加显示的图像进一步叠加显示。
9.一种超分辨率立体视觉化处理程序,其特征在于,
使计算机执行作为以下单元的功能:
(A).用平面直角坐标在平面直角坐标用存储器中定义存储在数值标高模型用存储器中的数值标高模型的给定区域的经纬度的网格群;
(B).求出将在所述平面直角坐标用存储器中定义的平面直角坐标的网格群各自的X方向上的边均等地分割成奇数份的分割距离;
(C).在存储器中定义与所述给定区域对应的区域的二维平面X-Y,用所述分割距离来分割该存储器的二维平面X-Y,来在所述二维平面X-Y中定义所述分割距离的尺寸的微细格子;
(D).在所述二维平面X-Y中定义所述平面直角坐标的网格群,并对所述微细格子的标高值进行插值;
(E1).将所述尺寸的格子作为平滑用格子,并生成由将该平滑用格子纵横地排列所述奇数的个数而得到的平滑用格子群构成的平滑网格;
(E2).依次指定在所述二维平面X-Y中定义的所述微细格子,按该指定的每个微细格子,对该微细格子决定所述平滑网格的中央的平滑用格子,并在所述二维平面X-Y中定义所述平滑网格,求出基于该平滑网格中的微细格子群的插值后标高值群而进行了平滑的平滑后标高值,并且将该平滑后标高值分派给所指定的所述微细格子;
(F).在每次向所述二维平面X-Y的微细格子分派所述平滑后标高值时,以该微细格子为关注点,按每个该关注点,用与所述分割距离对应的微细格子数来定义距该关注点的考虑距离,求出该微细格子数内的起伏度,并对该起伏度进行灰度显示。
10.根据权利要求9所述的超分辨率立体视觉化处理程序,其特征在于,
使计算机执行作为以下单元的功能:
(G).按每个所述关注点,求出微细格子数内的每个微细格子的斜度,并与对该斜度的色调以及所述起伏度进行灰度显示的图像叠加显示。
11.根据权利要求10所述的超分辨率立体视觉化处理程序,其特征在于,
所述斜度的色调显示为红色系的颜色。
12.根据权利要求9所述的超分辨率立体视觉化处理程序,其特征在于,
所述数值标高模型为5mDEM或10mDEM。
13.根据权利要求9所述的超分辨率立体视觉化处理程序,其特征在于,
不包含1的所述奇数为9。
14.根据权利要求10所述的超分辨率立体视觉化处理程序,其特征在于,
使计算机执行作为以下单元的功能:
(H).将道路、建筑物、江河、沼泽地或树木或者它们的任意组合或者它们的全部的矢量数据作为标准地图存储到地图用存储单元;
(I).使所述斜度的色调降低30%~60%;和
(J).将所述矢量数据图像化而与进行所述叠加显示的图像进一步叠加显示。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019171601 | 2019-09-20 | ||
JP2019-171601 | 2019-09-20 | ||
JP2019-230313 | 2019-12-20 | ||
JP2019230313A JP6692984B1 (ja) | 2019-09-20 | 2019-12-20 | 超解像度立体視化処理システム及びそのそのプログラム |
PCT/JP2020/024589 WO2021053917A1 (ja) | 2019-09-20 | 2020-06-23 | 超解像度立体視化処理システム及びそのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114424268A true CN114424268A (zh) | 2022-04-29 |
CN114424268B CN114424268B (zh) | 2023-09-29 |
Family
ID=70549749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080064990.9A Active CN114424268B (zh) | 2019-09-20 | 2020-06-23 | 超分辨率立体视觉化处理系统以及存储介质 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11836856B2 (zh) |
JP (1) | JP6692984B1 (zh) |
KR (1) | KR20220046585A (zh) |
CN (1) | CN114424268B (zh) |
AU (1) | AU2020350243B2 (zh) |
TW (2) | TWI780945B (zh) |
WO (1) | WO2021053917A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI786874B (zh) * | 2021-10-08 | 2022-12-11 | 財團法人國家實驗研究院 | 數值網格模型之方法及其系統 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001142393A (ja) * | 1999-11-17 | 2001-05-25 | Asia Air Survey Co Ltd | 緑被マップまたは緑視マップの作成方法 |
JP2005174354A (ja) * | 2002-11-05 | 2005-06-30 | Asia Air Survey Co Ltd | 視覚化処理システム、視覚化処理方法、及び視覚化処理プログラム |
CN1711568A (zh) * | 2002-11-05 | 2005-12-21 | 亚洲航测株式会社 | 视觉化处理系统、视觉化处理方法和视觉化处理程序 |
JP2010198544A (ja) * | 2009-02-27 | 2010-09-09 | Mitsubishi Space Software Kk | 標高情報補間装置、標高情報補間プログラム及び標高情報補間方法 |
CN102314711A (zh) * | 2010-07-01 | 2012-01-11 | 中国地质科学院矿产资源研究所 | 矿产资源评价信息的三维可视化方法及其装置 |
CN102682424A (zh) * | 2012-01-07 | 2012-09-19 | 河南科技大学 | 基于边缘方向差值的图像放大处理方法 |
JP2012208553A (ja) * | 2011-03-29 | 2012-10-25 | Sony Corp | 画像処理装置、および画像処理方法、並びにプログラム |
JP2014048847A (ja) * | 2012-08-30 | 2014-03-17 | Canon Inc | 画像処理装置、画像処理方法 |
CN104395948A (zh) * | 2012-06-14 | 2015-03-04 | 亚洲航测株式会社 | 光栅图像立体化处理装置、光栅图像立体化方法以及光栅图像立体化程序 |
CN107194877A (zh) * | 2017-06-16 | 2017-09-22 | 南京大学金陵学院 | 一种基于单幅图像的保边插值超分辨率计算方法 |
CN108563867A (zh) * | 2018-04-13 | 2018-09-21 | 华中科技大学 | 一种基于OpenFOAM实现WRF和CFD耦合模拟风场的方法 |
JP2019091393A (ja) * | 2017-11-10 | 2019-06-13 | アジア航測株式会社 | 赤色立体地図画像を用いた点群種類推定装置及び赤色立体地図画像を用いた点群種類推定プログラム |
JP2019096316A (ja) * | 2017-11-20 | 2019-06-20 | ヒア グローバル ビー.ヴイ. | タイルベースのデジタル高度モデルを提供する方法および装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7750902B2 (en) * | 2006-07-20 | 2010-07-06 | Harris Corporation | Geospatial modeling system providing non-linear inpainting for voids in geospatial model cultural feature data and related methods |
US8156157B2 (en) * | 2007-09-20 | 2012-04-10 | Harris Corporation | Geospatial modeling system providing windowed geospatial model data inpainting and related methods |
RU2608885C2 (ru) * | 2014-06-30 | 2017-01-25 | Общество С Ограниченной Ответственностью "Яндекс" | Способ определения точки кривой, ближайшей к позиции на карте |
WO2019111955A1 (ja) * | 2017-12-08 | 2019-06-13 | アジア航測株式会社 | 地物高別色付画像生成装置及び地物高別色付画像生成プログラム |
-
2019
- 2019-12-20 JP JP2019230313A patent/JP6692984B1/ja active Active
-
2020
- 2020-06-23 AU AU2020350243A patent/AU2020350243B2/en active Active
- 2020-06-23 WO PCT/JP2020/024589 patent/WO2021053917A1/ja active Application Filing
- 2020-06-23 KR KR1020227005713A patent/KR20220046585A/ko not_active Application Discontinuation
- 2020-06-23 CN CN202080064990.9A patent/CN114424268B/zh active Active
- 2020-09-07 TW TW110137716A patent/TWI780945B/zh active
- 2020-09-07 TW TW109130541A patent/TWI746150B/zh active
-
2022
- 2022-03-17 US US17/697,464 patent/US11836856B2/en active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001142393A (ja) * | 1999-11-17 | 2001-05-25 | Asia Air Survey Co Ltd | 緑被マップまたは緑視マップの作成方法 |
JP2005174354A (ja) * | 2002-11-05 | 2005-06-30 | Asia Air Survey Co Ltd | 視覚化処理システム、視覚化処理方法、及び視覚化処理プログラム |
CN1711568A (zh) * | 2002-11-05 | 2005-12-21 | 亚洲航测株式会社 | 视觉化处理系统、视觉化处理方法和视觉化处理程序 |
US20060262117A1 (en) * | 2002-11-05 | 2006-11-23 | Tatsuro Chiba | Visualizing system, visualizing method, and visualizing program |
JP2010198544A (ja) * | 2009-02-27 | 2010-09-09 | Mitsubishi Space Software Kk | 標高情報補間装置、標高情報補間プログラム及び標高情報補間方法 |
CN102314711A (zh) * | 2010-07-01 | 2012-01-11 | 中国地质科学院矿产资源研究所 | 矿产资源评价信息的三维可视化方法及其装置 |
JP2012208553A (ja) * | 2011-03-29 | 2012-10-25 | Sony Corp | 画像処理装置、および画像処理方法、並びにプログラム |
CN102682424A (zh) * | 2012-01-07 | 2012-09-19 | 河南科技大学 | 基于边缘方向差值的图像放大处理方法 |
CN104395948A (zh) * | 2012-06-14 | 2015-03-04 | 亚洲航测株式会社 | 光栅图像立体化处理装置、光栅图像立体化方法以及光栅图像立体化程序 |
JP2014048847A (ja) * | 2012-08-30 | 2014-03-17 | Canon Inc | 画像処理装置、画像処理方法 |
CN107194877A (zh) * | 2017-06-16 | 2017-09-22 | 南京大学金陵学院 | 一种基于单幅图像的保边插值超分辨率计算方法 |
JP2019091393A (ja) * | 2017-11-10 | 2019-06-13 | アジア航測株式会社 | 赤色立体地図画像を用いた点群種類推定装置及び赤色立体地図画像を用いた点群種類推定プログラム |
JP2019096316A (ja) * | 2017-11-20 | 2019-06-20 | ヒア グローバル ビー.ヴイ. | タイルベースのデジタル高度モデルを提供する方法および装置 |
CN108563867A (zh) * | 2018-04-13 | 2018-09-21 | 华中科技大学 | 一种基于OpenFOAM实现WRF和CFD耦合模拟风场的方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021051714A (ja) | 2021-04-01 |
AU2020350243B2 (en) | 2023-05-25 |
AU2020350243A1 (en) | 2022-03-24 |
CN114424268B (zh) | 2023-09-29 |
TW202205229A (zh) | 2022-02-01 |
US20220237868A1 (en) | 2022-07-28 |
US11836856B2 (en) | 2023-12-05 |
TW202113773A (zh) | 2021-04-01 |
TWI746150B (zh) | 2021-11-11 |
WO2021053917A1 (ja) | 2021-03-25 |
TWI780945B (zh) | 2022-10-11 |
KR20220046585A (ko) | 2022-04-14 |
JP6692984B1 (ja) | 2020-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3670274B2 (ja) | 視覚化処理システム、視覚化処理方法、及び視覚化処理プログラム | |
CN111465971B (zh) | 按地物地基高度着色图像生成装置以及按地物高度着色图像生成方法 | |
CN111433820B (zh) | 按地物高度着色图像生成装置以及计算机可读介质 | |
JP5281518B2 (ja) | 立体画像生成装置 | |
JPH10506487A (ja) | 球状バッファを用いるコンピュータ生成画像の生成方法 | |
JP6949926B2 (ja) | 等高線生成システム及びそのプログラム | |
JP5241296B2 (ja) | 数値地図データ処理プログラム及び数値地図データ処理装置 | |
JP3218372B2 (ja) | 3次元図形表示方式 | |
CN114424268B (zh) | 超分辨率立体视觉化处理系统以及存储介质 | |
JP4272146B2 (ja) | 立体画像作成装置及び立体画像作成プログラム | |
Preppernau | Normalizing the Normal map | |
Preppernau | PRACTICAL CARTOGRAPHER'S CORNER | |
Alamouri et al. | 3D RECONSTRUCTION OF THE HISTORIC BAALBEK/LIBANON BASED ON HISTORICAL AERIAL, OBLIQUE AND TERRESTERIAL PHOTOS |
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 |