CN114429530A - 自动提取建筑物三维模型的方法、系统、存储介质及设备 - Google Patents

Abstract

本发明涉及自动提取建筑物三维模型的方法、系统、存储介质及设备，其方法包括获取目标建筑物的网格模型并进行采样，得到一系列样本高程值以及对应的样本轮廓线；计算每条样本轮廓线的基准方向并对样本轮廓线上的顶点进行合并和方向校正处理；选取高度等于地面高度的样本轮廓线为初始轮廓线从下至上依次计算相邻两个样本轮廓线之间的高程变化值；逐步构建目标建筑物的三维模型。通过对网格模型进行采样得到一系列样本轮廓线，然后确定其基准方向后进行顶点合并和方向校准处理，确保样本轮廓线清晰、精准，去除附近噪点，然后逐步构建目标建筑物的三维模型，大大提高了目标建筑物的三维模型精度，算法简单，提取效率高，适合大面积推广使用。

Description

自动提取建筑物三维模型的方法、系统、存储介质及设备

技术领域

本发明涉及摄影车辆技术领域，尤其涉及自动提取建筑物三维模型的方法、系统、存储介质及设备。

背景技术

随着航空摄影技术的不断发展，出现了一种全新获取城市场景三维重建的方法：倾斜三维摄影；倾斜摄影是通过在同一飞行器平台上，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影像，基于多视影像的三维建模方法，恢复目标对象的三维结构，同时获取三维模型表面纹理信息。近几年，随着无人机技术的日益成熟，获取航空影像数据的成本也大大降低。因此，基于多视倾斜影像的城市三维场景的构建就变得更加的广泛。

现有的基于普通无人机航拍图像的建筑物轮廓提取方法，包括利用空三结合密集匹配的方法生成三维点云，并对点云进行滤波处理，从其中检测出建筑物。对检测的建筑删除墙面后，从建筑物顶面信息提取建筑物粗轮廓。建筑物粗轮廓作为缓冲区叠加拼接影像上，利用建筑物粗轮廓作为形状先验信息，在缓冲区内用水平集算法进行演化，最后得到建筑物轮廓。但是，这样方式得到的建筑物的精度非常低，无法满足实际的应用场景要求，计算方法大，效率较低，不利于推广使用。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种自动提取建筑物三维模型的方法、系统、存储介质及设备。

本发明解决上述技术问题的技术方案如下：一种自动提取建筑物三维模型的方法，包括如下步骤：

获取通过倾斜摄影生成的目标建筑物的网格模型，并对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线；

计算每条所述样本轮廓线的基准方向，并基于所述基准方向对所述样本轮廓线上的顶点进行合并和方向校正处理；

选取经过顶点合并和方向校正处理后且高度等于地面高度的所述样本轮廓线为初始轮廓线，并从下至上依次计算相邻两个所述样本轮廓线之间的高程变化值；

根据每相邻两个所述样本轮廓线之间的高程变化值逐步构建目标建筑物的三维模型。

本发明的有益效果是：本发明的自动提取建筑物三维模型的方法，通过对获取的网格模型进行采样，得到一系列样本轮廓线，然后确定样本轮廓线的基准方向后进行顶点合并和方向校准处理，确保样本轮廓线清晰、精准，去除样本轮廓线附近噪点，然后基于相邻两个所述样本轮廓线之间的高程变化值来逐步构建目标建筑物的三维模型，大大提高了目标建筑物的三维模型精度，算法简单，提取效率高，适合大面积推广使用。

在上述技术方案的基础上，本发明还可以做如下改进：

进一步：所述对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线具体包括如下步骤：

在所述网格模型上任取一点P，在点P处对所述网格模型进行水平切割，得到基准轮廓线；

获取所述基准轮廓线范围内的所有网格点的高程范围，并在所述高程范围内按照预设固定间隔的高程序列采样，得到一系列样本高程值；

基于所述样本高程值对所述网格模型进行水平切割，得到与所述样本高程值一一对应的样本轮廓线。

上述进一步方案的有益效果是：通过在点P处的基准轮廓线来准确获取其范围内的所有网格点，然后基于所有网格点的高程范围来进行均匀间隔采样，得到一系列样本高程值，再针对这些样本高程值进行水平切割，从而得到一系列样本轮廓线，这样作为后续构建基础，以准确得到目标建筑物的三维模型。

进一步：在所述获取位于点P处的所述基准轮廓线范围内的所有顶点的高程范围前，还包括如下步骤：

对所述基准轮廓线围成的区域边界向外扩预设距离，得到外扩后的所述基准轮廓线，并获取外扩后位于点P处的所述基准轮廓线范围内的所有网格点的高程范围。

上述进一步方案的有益效果是：通过将所述基准轮廓线围成的区域边界向外扩预设距离，这样可以针对竖直方向非笔直的目标建筑物，将所述网格模型上点P处的平面内所有的网格点都包含进去，避免漏掉导致后续构建的目标建筑物的三维模型不完整。

进一步：所述计算所述样本轮廓线的基准方向具体包括如下步骤:

令循环总次数n=360，针对当前循环次数i（i≥0，且i为正整数），取所述样本轮廓线上的任一点为坐标原点构建初始XOY坐标系,并将初始XOY坐标系旋转角度i；

计算旋转后所述样本轮廓线上与当前X轴或当前Y轴重合的线段数量k；

进行下一次循环，直至当前循环次数i等于循环总次数n；

确定所述线段数量k取最大值对应的旋转角度为所述样本轮廓线对应的基准方向。

上述进一步方案的有益效果是：通过对所述初始XOY坐标系进行旋转，以便寻找到与所述样本轮廓线上与当前X轴或当前Y轴重合线段数最多的方向来作为样本轮廓线的方向，从而可以方便后续对所述样本轮廓线上的顶点进行合并和反向校正处理，以便得到精确的样本轮廓线。

进一步：所述基于所述基准方向对所述样本轮廓线上的顶点进行合并和方向校正处理具体包括如下步骤：

基于所述样本轮廓线的基准方向为X轴或Y轴方向建立局部坐标系X'OY'，计算所述样本轮廓线上所有线段在所述局部坐标系X'OY'所在平面的横坐标范围(x0,x1)和纵坐标范围(y0,y1)；

对所述样本轮廓线上所有线段上的顶点的横坐标范围(x0,x1)和纵坐标范围(y0,y1)分别按照预设容差参数d1和d2分割成多个横向区域Ai和多个纵向区域Bi，并计算落入每个所述横向区域Ai和纵向区域Bi内的所有顶点的横坐标的平均值xi和纵坐标平均值yi；

将横坐标范围落入（xi-d1/2，xi+d1/2）范围内的所有顶点的横坐标校正为xi，将纵坐标范围落入（yi-d2/2，yi+d2/2）范围内的所有顶点的横坐标校正为yi。

上述进一步方案的有益效果是：通过基于所述样本轮廓线的基准方向建立局部坐标系，这样可以根据样本轮廓线上所有线段的顶点的坐标范围进行划分，并对每个区域内的顶点的横坐标和纵坐标分别进行校正，以保证整个轮廓线清晰、准确。

进一步：所述从下至上依次计算相邻两个所述样本轮廓线的高程变化值具体包括如下步骤:

初始化目标建筑物的三维模型M，初始状态时M为空；

设相邻两个所述样本轮廓线中较高的所述样本轮廓线P1和较低的所述样本轮廓线P2的高度分别为za和zb，计算相邻两个所述样本轮廓线的差集P3；

基于所述差集中的点构建三角网，剔除面积小于预设面积阈值的三角形，并根据剩余的三角形的中心点构建点集S；

对于所述点集S中的任一点，计算经过该点且与Z轴平行的直线与所述网格模型的所有交点；

剔除所述交点中高程值大于za且小于zb的点，并将剩余的点中的最小高程值确定为相邻两个所述样本轮廓线之间的高程变化值zc。

上述进一步方案的有益效果是：通过计算相邻两个所述样本轮廓线的差集P3，然后构建三角网，基于三角网中的三角形的中心点构建点集，从而确定这些点集中的点与所述网络模型的交点，从而根据交点中的最小高程值作为样本轮廓线的高程变化值zc，进而便于后续根据高程变化值zc来准确构建相邻两个所述样本轮廓线之间的模型区域。

进一步：所述根据没相邻两个所述样本轮廓线的高程变化值逐步构建目标建筑物的三维模型具体包括如下步骤：

基于较高的所述样本轮廓线P1和高程变化值zc构造上多边形柱状体，并将其插入至初始状态时的目标建筑物的三维模型M中；

基于较低的所述样本轮廓线P2和高程变化值zc构造下多边形柱状体，编将其插入至初始状态时的目标建筑物的三维模型M中；

重复上述插入步骤，直至最高层所述样本轮廓线和次高层所述样本轮廓线之间的多边形柱状体插入完成，得到目标建筑物的三维模型。

上述进一步方案的有益效果是：通过所述样本轮廓线P1和高程变化值zc构造下多边形柱状体，以及通过所述样本轮廓线P2和高程变化值zc构造上多边形柱状体，这样即可准确将所述样本轮廓线P1和样本轮廓线P2之间的区域模型精确构建出来，如此循环，即可得到目标建筑物的精确三维模型。

本发明还提供了一种自动提取建筑物三维模型的系统，包括样本轮廓模块、合并校正模块、高程变化模块和构建模块；

所述样本轮廓模块，用于获取通过倾斜摄影生成的目标建筑物的网格模型，并对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线；

所述合并校正模块，用于计算每条所述样本轮廓线的基准方向，并基于所述基准方向对所述样本轮廓线进行顶点合并和方向校正处理；

所述高程变化模块，用于选取经过顶点合并和方向校正处理后且高度等于地面高度的所述样本轮廓线为初始轮廓线，并从下至上依次计算相邻两个所述样本轮廓线之间的高程变化值；

构建模块，用于根据每相邻两个所述样本轮廓线之间的高程变化值逐步构建目标建筑物的三维模型。

本发明的自动提取建筑物三维模型的系统，通过对获取的网格模型进行采样，得到一系列样本轮廓线，然后确定样本轮廓线的基准方向后进行顶点合并和方向校准处理，确保样本轮廓线清晰、精准，去除样本轮廓线附近噪点，然后基于相邻两个所述样本轮廓线之间的高程变化值来逐步构建目标建筑物的三维模型，大大提高了目标建筑物的三维模型精度，算法简单，提取效率高，适合大面积推广使用。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述的自动提取建筑物三维模型方法。

本发明还提供了一种自动提取建筑物三维模型的设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的自动提取建筑物三维模型方法的步骤。

附图说明

图1为本发明一实施例的自动提取建筑物三维模型的方法的流程示意图；

图2为本发明一实施例的对网格模型进行水平切割得到基准轮廓线的示意图；

图3为本发明一实施例的对基准轮廓线围成的区域边界外扩的事宜图；

图4为本发明一实施例的对网格模型进行水平切割得到一系列样本轮廓线的示意图；

图5为本发明一实施例的顶点合并和方向校正前的样本轮廓线的示意图；

图6为本发明一实施例的顶点合并和方向校正后的样本轮廓线的示意图；

图7为本发明一实施例的计算相邻两个所述样本轮廓线的差集的示意图；

图8为本发明一实施例的目标建筑物的三维模型的示意图；

图9为本发明一实施例的自动提取建筑物三维模型的系统的结构示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，一种自动提取建筑物三维模型的方法，包括如下步骤：

S1：获取通过倾斜摄影生成的目标建筑物的网格模型，并对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线；

S2：计算每条所述样本轮廓线的基准方向，并基于所述基准方向对所述样本轮廓线上的顶点进行合并和方向校正处理；

S3：选取经过顶点合并和方向校正处理后且高度等于地面高度的所述样本轮廓线为初始轮廓线，并从下至上依次计算相邻两个所述样本轮廓线之间的高程变化值；

S4：根据每相邻两个所述样本轮廓线之间的高程变化值逐步构建目标建筑物的三维模型。

本发明的自动提取建筑物三维模型的方法，通过对获取的网格模型进行采样，得到一系列样本轮廓线，然后确定样本轮廓线的基准方向后进行顶点合并和方向校准处理，确保样本轮廓线清晰、精准，去除样本轮廓线附近噪点，然后基于相邻两个所述样本轮廓线之间的高程变化值来逐步构建目标建筑物的三维模型，大大提高了目标建筑物的三维模型精度，算法简单，提取效率高，适合大面积推广使用。

在本发明的一个或多个实施例中，所述S1中，所述对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线具体包括如下步骤：

S11：在所述网格模型上任取一点P，在点P处对所述网格模型进行水平切割，得到基准轮廓线，如图2所示；

S13：获取所述基准轮廓线范围内的所有网格点的高程范围[z0，z1]，并在所述高程范围[z0，z1]内按照预设固定间隔的高程序列采样，得到一系列样本高程值；本实施例中，预设固定间隔取0.1m；

S14：基于所述样本高程值对所述网格模型进行水平切割，得到与所述样本高程值一一对应的样本轮廓线，如图4所示。

通过在点P处的基准轮廓线来准确获取其范围内的所有网格点，然后基于所有网格点的高程范围来进行均匀间隔采样，得到一系列样本高程值，再针对这些样本高程值进行水平切割，从而得到一系列样本轮廓线，这样作为后续构建基础，以准确得到目标建筑物的三维模型。

在本发明的一个或多个实施例中，在所述获取位于点P处的所述基准轮廓线范围内的所有顶点的高程范围前，还包括如下步骤：

S12：对所述基准轮廓线围成的区域边界向外扩预设距离，得到外扩后的所述基准轮廓线，如图3所示，并获取外扩后位于点P处的所述基准轮廓线范围内的所有网格点的高程范围。这里，本实施例中，向外扩的预设距离取0.5米。

通过将所述基准轮廓线围成的区域边界向外扩预设距离，这样可以针对竖直方向非笔直的目标建筑物，将所述网格模型上点P处的平面内所有的网格点都包含进去，避免漏掉导致后续构建的目标建筑物的三维模型不完整。

在本发明的一个或多个实施例中，所述S2中，所述计算所述样本轮廓线的基准方向具体包括如下步骤:

S21：令循环总次数为n，针对当前循环次数i（i≥0，且i为正整数），取所述样本轮廓线上的任一点为坐标原点构建初始XOY坐标系,并将初始XOY坐标系旋转角度i；

这里，令循环总次数为n=360，对应于旋转一周，初始状态时，循环次数i=0，计算开始后，针对当前循环次数i（i≥0，且i为正整数），取所述样本轮廓线上的任一点为坐标原点构建初始XOY坐标系,并将初始XOY坐标系旋转角度i，比如第一次循环将初始XOY坐标系旋转1度，第二次循环将初始XOY坐标系旋转2度，以此类推；

S22：计算旋转后所述样本轮廓线上与当前X轴或当前Y轴重合的线段数量k；

S23：重复S21和S22，并进行下一次循环，直至当前循环次数i等于循环总次数n，即第360次循环旋转；

S24：确定所述线段数量k取最大值对应的旋转角度为所述样本轮廓线对应的基准方向。

通过对所述初始XOY坐标系进行旋转，以便寻找到与所述样本轮廓线上与当前X轴或当前Y轴重合线段数最多的方向来作为样本轮廓线的方向，从而可以方便后续对所述样本轮廓线上的顶点进行合并和反向校正处理，以便得到精确的样本轮廓线。

在本发明的一个或多个实施例中，所述S2中，所述基于所述基准方向对所述样本轮廓线上的顶点进行合并和方向校正处理具体包括如下步骤：

S25：基于所述样本轮廓线的基准方向为X轴或Y轴方向建立局部坐标系X'OY'，计算所述样本轮廓线上所有线段在所述局部坐标系X'OY'所在平面的横坐标范围(x0,x1)和纵坐标范围(y0,y1)；

S26：对所述样本轮廓线上所有线段上的顶点的横坐标范围(x0,x1)和纵坐标范围(y0,y1)分别按照预设容差参数d1和d2分割成多个横向区域Ai和多个纵向区域Bi，并计算落入每个所述横向区域Ai和纵向区域Bi内的所有顶点的横坐标的平均值xi和纵坐标平均值yi；

S27：将横坐标范围落入（xi-d1/2，xi+d1/2）范围内的所有顶点的横坐标校正为xi，将纵坐标范围落入（yi-d2/2，yi+d2/2）范围内的所有顶点的横坐标校正为yi。

通过基于所述样本轮廓线的基准方向建立局部坐标系，这样可以根据样本轮廓线上所有线段的顶点的坐标范围进行划分，并对每个区域内的顶点的横坐标和纵坐标分别进行校正，以保证整个轮廓线清晰、准确。如图5和图6所示，分别为顶点合并和方向校正前和顶点合并和方向校正后的样本轮廓线示意图，可以看出，顶点合并和方向校正后所述样本轮廓线更加清晰、准确，有利于后续构建目标建筑物三维模型的精度。

在本发明的一个或多个实施例中，所述S3中，所述从下至上依次计算相邻两个所述样本轮廓线的高程变化值具体包括如下步骤:

S31：初始化目标建筑物的三维模型M，初始状态时M为空；

S32：设相邻两个所述样本轮廓线中较高的所述样本轮廓线P1和较低的所述样本轮廓线P2的高度分别为za和zb，计算相邻两个所述样本轮廓线的差集P3，如图3所示，图中灰色区域为相邻两个所述样本轮廓线的差集；

S33：基于所述差集中的点构建三角网，剔除面积小于预设面积阈值的三角形，并根据剩余的三角形的中心点构建点集S；这里，所述预设面积阈值去0.2㎡；

S34：对于所述点集S中的任一点，计算经过该点且与Z轴平行的直线与所述网格模型的所有交点；

S35：剔除所述交点中高程值大于za且小于zb的点，并将剩余的点中的最小高程值确定为相邻两个所述样本轮廓线之间的高程变化值zc。

通过计算相邻两个所述样本轮廓线的差集P3，然后构建三角网，基于三角网中的三角形的中心点构建点集，从而确定这些点集中的点与所述网络模型的交点，从而根据交点中的最小高程值作为样本轮廓线的高程变化值zc，进而便于后续根据高程变化值zc来准确构建相邻两个所述样本轮廓线之间的模型区域。

在本发明的一个或多个实施例中，所述S4中，所述根据没相邻两个所述样本轮廓线的高程变化值逐步构建目标建筑物的三维模型具体包括如下步骤：

S41：基于较高的所述样本轮廓线P1和高程变化值zc构造上多边形柱状体，并将其插入至初始状态时的目标建筑物的三维模型M中；

S42：基于较低的所述样本轮廓线P2和高程变化值zc构造下多边形柱状体，编将其插入至初始状态时的目标建筑物的三维模型M中；

S43：重复上述插入步骤S41和S42，直至最高层所述样本轮廓线和次高层所述样本轮廓线之间的多边形柱状体插入完成，得到目标建筑物的三维模型，如图8所示。

通过所述样本轮廓线P1和高程变化值zc构造下多边形柱状体，以及通过所述样本轮廓线P2和高程变化值zc构造上多边形柱状体，这样即可准确将所述样本轮廓线P1和样本轮廓线P2之间的区域模型精确构建出来，如此循环，即可得到目标建筑物的精确三维模型。

如图9所示，本发明还提供了一种自动提取建筑物三维模型的系统，包括样本轮廓模块、合并校正模块、高程变化模块和构建模块；

所述样本轮廓模块，用于获取通过倾斜摄影生成的目标建筑物的网格模型，并对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线；

所述合并校正模块，用于计算每条所述样本轮廓线的基准方向，并基于所述基准方向对所述样本轮廓线进行顶点合并和方向校正处理；

所述高程变化模块，用于选取经过顶点合并和方向校正处理后且高度等于地面高度的所述样本轮廓线为初始轮廓线，并从下至上依次计算相邻两个所述样本轮廓线之间的高程变化值；

构建模块，用于根据每相邻两个所述样本轮廓线之间的高程变化值逐步构建目标建筑物的三维模型。

本发明的自动提取建筑物三维模型的系统，通过对获取的网格模型进行采样，得到一系列样本轮廓线，然后确定样本轮廓线的基准方向后进行顶点合并和方向校准处理，确保样本轮廓线清晰、精准，去除样本轮廓线附近噪点，然后基于相邻两个所述样本轮廓线之间的高程变化值来逐步构建目标建筑物的三维模型，大大提高了目标建筑物的三维模型精度，算法简单，提取效率高，适合大面积推广使用。

在本发明的一个或多个实施例中，所述样本轮廓模块对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线的具体实现为：

在所述网格模型上任取一点P，在点P处对所述网格模型进行水平切割，得到基准轮廓线；

获取所述基准轮廓线范围内的所有网格点的高程范围，并在所述高程范围内按照预设固定间隔的高程序列采样，得到一系列样本高程值；

基于所述样本高程值对所述网格模型进行水平切割，得到与所述样本高程值一一对应的样本轮廓线。

通过在点P处的基准轮廓线来准确获取其范围内的所有网格点，然后基于所有网格点的高程范围来进行均匀间隔采样，得到一系列样本高程值，再针对这些样本高程值进行水平切割，从而得到一系列样本轮廓线，这样作为后续构建基础，以准确得到目标建筑物的三维模型。

在本发明的一个或多个实施例中，所述样本轮廓模块在所述获取位于点P处的所述基准轮廓线范围内的所有顶点的高程范围前，还用于：

对所述基准轮廓线围成的区域边界向外扩预设距离，得到外扩后的所述基准轮廓线，并获取外扩后位于点P处的所述基准轮廓线范围内的所有网格点的高程范围。

通过将所述基准轮廓线围成的区域边界向外扩预设距离，这样可以针对竖直方向非笔直的目标建筑物，将所述网格模型上点P处的平面内所有的网格点都包含进去，避免漏掉导致后续构建的目标建筑物的三维模型不完整。

在本发明的一个或多个实施例中，所述合并校正模块计算所述样本轮廓线的基准方向的具体实现为:

令循环总次数n=360，针对当前循环次数i（i≥0，且i为正整数），取所述样本轮廓线上的任一点为坐标原点构建初始XOY坐标系,并将初始XOY坐标系旋转角度i；

计算旋转后所述样本轮廓线上与当前X轴或当前Y轴重合的线段数量k；

进行下一次循环，直至当前循环次数i等于循环总次数n；

确定所述线段数量k取最大值对应的旋转角度为所述样本轮廓线对应的基准方向。

通过对所述初始XOY坐标系进行旋转，以便寻找到与所述样本轮廓线上与当前X轴或当前Y轴重合线段数最多的方向来作为样本轮廓线的方向，从而可以方便后续对所述样本轮廓线上的顶点进行合并和反向校正处理，以便得到精确的样本轮廓线。

在本发明的一个或多个实施例中，所述合并校正模块基于所述基准方向对所述样本轮廓线上的顶点进行合并和方向校正处理的具体实现为：

基于所述样本轮廓线的基准方向为X轴或Y轴方向建立局部坐标系X'OY'，计算所述样本轮廓线上所有线段在所述局部坐标系X'OY'所在平面的横坐标范围(x0,x1)和纵坐标范围(y0,y1)；

对所述样本轮廓线上所有线段上的顶点的横坐标范围(x0,x1)和纵坐标范围(y0,y1)分别按照预设容差参数d1和d2分割成多个横向区域Ai和多个纵向区域Bi，并计算落入每个所述横向区域Ai和纵向区域Bi内的所有顶点的横坐标的平均值xi和纵坐标平均值yi；

将横坐标范围落入（xi-d1/2，xi+d1/2）范围内的所有顶点的横坐标校正为xi，将纵坐标范围落入（yi-d2/2，yi+d2/2）范围内的所有顶点的横坐标校正为yi。

通过基于所述样本轮廓线的基准方向建立局部坐标系，这样可以根据样本轮廓线上所有线段的顶点的坐标范围进行划分，并对每个区域内的顶点的横坐标和纵坐标分别进行校正，以保证整个轮廓线清晰、准确。

在本发明的一个或多个实施例中，所述高程变化模块从下至上依次计算相邻两个所述样本轮廓线的高程变化值的具体实现为:

初始化目标建筑物的三维模型M，初始状态时M为空；

设相邻两个所述样本轮廓线中较高的所述样本轮廓线P1和较低的所述样本轮廓线P2的高度分别为za和zb，计算相邻两个所述样本轮廓线的差集P3；

基于所述差集中的点构建三角网，剔除面积小于预设面积阈值的三角形，并根据剩余的三角形的中心点构建点集S；

对于所述点集S中的任一点，计算经过该点且与Z轴平行的直线与所述网格模型的所有交点；

剔除所述交点中高程值大于za且小于zb的点，并将剩余的点中的最小高程值确定为相邻两个所述样本轮廓线之间的高程变化值zc。

通过计算相邻两个所述样本轮廓线的差集P3，然后构建三角网，基于三角网中的三角形的中心点构建点集，从而确定这些点集中的点与所述网络模型的交点，从而根据交点中的最小高程值作为样本轮廓线的高程变化值zc，进而便于后续根据高程变化值zc来准确构建相邻两个所述样本轮廓线之间的模型区域。

在本发明的一个或多个实施例中，所述构建模块根据没相邻两个所述样本轮廓线的高程变化值逐步构建目标建筑物的三维模型的具体实现为：

基于较高的所述样本轮廓线P1和高程变化值zc构造上多边形柱状体，并将其插入至初始状态时的目标建筑物的三维模型M中；

基于较低的所述样本轮廓线P2和高程变化值zc构造下多边形柱状体，编将其插入至初始状态时的目标建筑物的三维模型M中；

重复上述插入步骤，直至最高层所述样本轮廓线和次高层所述样本轮廓线之间的多边形柱状体插入完成，得到目标建筑物的三维模型。

通过所述样本轮廓线P1和高程变化值zc构造下多边形柱状体，以及通过所述样本轮廓线P2和高程变化值zc构造上多边形柱状体，这样即可准确将所述样本轮廓线P1和样本轮廓线P2之间的区域模型精确构建出来，如此循环，即可得到目标建筑物的精确三维模型。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述的自动提取建筑物三维模型方法。

本发明还提供了一种自动提取建筑物三维模型的设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的自动提取建筑物三维模型方法的步骤。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种自动提取建筑物三维模型的方法，其特征在于，包括如下步骤：

获取通过倾斜摄影生成的目标建筑物的网格模型，并对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线；

计算每条所述样本轮廓线的基准方向，并基于所述基准方向对所述样本轮廓线上的顶点进行合并和方向校正处理；

选取经过顶点合并和方向校正处理后且高度等于地面高度的所述样本轮廓线为初始轮廓线，并从下至上依次计算相邻两个所述样本轮廓线之间的高程变化值；

根据每相邻两个所述样本轮廓线之间的高程变化值逐步构建目标建筑物的三维模型。

2.根据权利要求1所述的自动提取建筑物三维模型的方法，其特征在于，所述对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线具体包括如下步骤：

在所述网格模型上任取一点P，在点P处对所述网格模型进行水平切割，得到基准轮廓线；

获取所述基准轮廓线范围内的所有网格点的高程范围，并在所述高程范围内按照预设固定间隔的高程序列采样，得到一系列样本高程值；

基于所述样本高程值对所述网格模型进行水平切割，得到与所述样本高程值一一对应的样本轮廓线。

3.根据权利要求2所述的自动提取建筑物三维模型的方法，其特征在于，在所述获取位于点P处的所述基准轮廓线范围内的所有顶点的高程范围前，还包括如下步骤：

对所述基准轮廓线围成的区域边界向外扩预设距离，得到外扩后的所述基准轮廓线，并获取外扩后位于点P处的所述基准轮廓线范围内的所有网格点的高程范围。

4.根据权利要求1所述的自动提取建筑物三维模型的方法，其特征在于，所述计算所述样本轮廓线的基准方向具体包括如下步骤:

令循环总次数n=360，针对当前循环次数i（i≥0，且i为正整数），取所述样本轮廓线上的任一点为坐标原点构建初始XOY坐标系,并将初始XOY坐标系旋转角度i；

计算旋转后所述样本轮廓线上与当前X轴或当前Y轴重合的线段数量k；

进行下一次循环，直至当前循环次数i等于循环总次数n；

确定所述线段数量k取最大值对应的旋转角度为所述样本轮廓线对应的基准方向。

5.根据权利要求4所述的自动提取建筑物三维模型的方法，其特征在于，所述基于所述基准方向对所述样本轮廓线上的顶点进行合并和方向校正处理具体包括如下步骤：

基于所述样本轮廓线的基准方向为X轴或Y轴方向建立局部坐标系X'OY'，计算所述样本轮廓线上所有线段在所述局部坐标系X'OY'所在平面的横坐标范围(x0,x1)和纵坐标范围(y0,y1)；

对所述样本轮廓线上所有线段上的顶点的横坐标范围(x0,x1)和纵坐标范围(y0,y1)分别按照预设容差参数d1和d2分割成多个横向区域Ai和多个纵向区域Bi，并计算落入每个所述横向区域Ai和纵向区域Bi内的所有顶点的横坐标的平均值xi和纵坐标平均值yi；

将横坐标范围落入（xi-d1/2，xi+d1/2）范围内的所有顶点的横坐标校正为xi，将纵坐标范围落入（yi-d2/2，yi+d2/2）范围内的所有顶点的横坐标校正为yi。

6.根据权利要求1-5任一项所述的自动提取建筑物三维模型的方法，其特征在于，所述从下至上依次计算相邻两个所述样本轮廓线的高程变化值具体包括如下步骤:

初始化目标建筑物的三维模型M，初始状态时M为空；

设相邻两个所述样本轮廓线中较高的所述样本轮廓线P1和较低的所述样本轮廓线P2的高度分别为za和zb，计算相邻两个所述样本轮廓线的差集P3；

基于所述差集中的点构建三角网，剔除面积小于预设面积阈值的三角形，并根据剩余的三角形的中心点构建点集S；

对于所述点集S中的任一点，计算经过该点且与Z轴平行的直线与所述网格模型的所有交点；

剔除所述交点中高程值大于za且小于zb的点，并将剩余的点中的最小高程值确定为相邻两个所述样本轮廓线之间的高程变化值zc。

7.根据权利要求6所述的自动提取建筑物三维模型的方法，其特征在于，所述根据没相邻两个所述样本轮廓线的高程变化值逐步构建目标建筑物的三维模型具体包括如下步骤：

基于较高的所述样本轮廓线P1和高程变化值zc构造上多边形柱状体，并将其插入至初始状态时的目标建筑物的三维模型M中；

基于较低的所述样本轮廓线P2和高程变化值zc构造下多边形柱状体，编将其插入至初始状态时的目标建筑物的三维模型M中；

重复上述插入步骤，直至最高层所述样本轮廓线和次高层所述样本轮廓线之间的多边形柱状体插入完成，得到目标建筑物的三维模型。

8.一种自动提取建筑物三维模型的系统，其特征在于：包括样本轮廓模块、合并校正模块、高程变化模块和构建模块；

所述样本轮廓模块，用于获取通过倾斜摄影生成的目标建筑物的网格模型，并对所述网格模型进行采样，得到一系列样本高程值以及与所述样本高程值一一对应的样本轮廓线；

所述合并校正模块，用于计算每条所述样本轮廓线的基准方向，并基于所述基准方向对所述样本轮廓线进行顶点合并和方向校正处理；

所述高程变化模块，用于选取经过顶点合并和方向校正处理后且高度等于地面高度的所述样本轮廓线为初始轮廓线，并从下至上依次计算相邻两个所述样本轮廓线之间的高程变化值；

构建模块，用于根据每相邻两个所述样本轮廓线之间的高程变化值逐步构建目标建筑物的三维模型。

9.一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，所述计算机程序被处理器执行时，实现权利要求1至7任一项所述的自动提取建筑物三维模型方法。

10.一种自动提取建筑物三维模型的设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的自动提取建筑物三维模型方法的步骤。

Images