CN115187647A - 基于矢量的道路三维实景结构化建模方法 - Google Patents
基于矢量的道路三维实景结构化建模方法 Download PDFInfo
- Publication number
- CN115187647A CN115187647A CN202210584418.6A CN202210584418A CN115187647A CN 115187647 A CN115187647 A CN 115187647A CN 202210584418 A CN202210584418 A CN 202210584418A CN 115187647 A CN115187647 A CN 115187647A
- Authority
- CN
- China
- Prior art keywords
- model
- dimensional
- data
- vector
- point cloud
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
-
- 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
- G09B29/003—Maps
-
- 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
- G06T2207/10024—Color image
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Optics & Photonics (AREA)
- Computer Graphics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了基于矢量的道路三维实景结构化建模方法,包括以下步骤:基于点云的三维矢量提取:基于点云维度预处理技术与点云数据的空间位置关系,提取点云数据中不同地物类型的特征形态,并标记;点云提取成果与三维矢量的转换:将提取标记后以实体对象展示的结果,转换为三维矢量成果;城市道路实景模型的构建:通过三维矢量成果、已有模型建立三维实景模型库,然后利用三维实景模型库和获取的可变纹理图片构建初始模型,对初始模型依次进行单体模型导出、三维转换、场景导出以及模型修正,获得实时模型;可视化展示:以初始模型为数据层,针对不同的场景和单体模型构成服务层,利用应用层展示实时模型中的展示结果和分析结果。
Description
技术领域
本发明属于地理中的三维建模技术领域,特别涉及基于矢量的道路三维实景结构化建模方法。
背景技术
从技术层面讲,刘先林院士指出,为了满足社会多方面的应用需求,地理信息需向着“更精细、更精确、更广泛、更丰富、对象化”的方向发展。随着信息化、智能化城市的高速发展,快速建立与更新三维模型的需求日益迫切,对三维模型构建的精度、速度也提出了更高的要求。传统的基于大比例尺地形图和外业人工拍照的手工建模方式已经无法满足需求。目前,基于倾斜摄影测量技术、地面移动测量技术的“三维实景模型”已成为建模、管理、应用领域的热点。在数据获取方面,倾斜摄影测量、激光雷达技术和移动测量技术的快速发展,是推进三维实景模型构建的主要技术动力。
尽管“空天地一体化”、“倾斜数据与LiDAR的高精度融合”等方向已成为当前研究领域的热点,但大规模、大范围、高精度、高效率的三维实景模型的生产仍然没有较好的手段。在商业软件迅速发展的背景之下,尽管有多种软件可以用于三维建模,但效率仍然是制约其发展的瓶颈。针对目前高精度、大规模单体化建模生产过程中基于激光点云的矢量提取、结构化精细单体建模等影响建模效率的关键难点,还没有比较成熟的解决方案。
目前,构建大范围三维实体场景的方法还不是很成熟,主要有三种方式:一是基于大比例尺地形图和外业人工拍照,通过3DMax等手工建模软件进行全手工的精细化建模。这种方法虽然可以达到较高的精度,但内业工作量巨大,需投入相当多的人力资源;二是利用航空倾斜摄影测量技术快速构建三维场景,再通过单体化软件进行模型的单体化操作。由于倾斜摄影在匹配建模的过程中对光谱纹理相似的地物及杆状物会造成模型拉花和缺失的情况,因此后期对模型的编辑较为耗时;三是通过LiDAR及地面移动测量系统对数据进行采集,通过点云与影像的匹配融合,构建城市的三维场景。尽管数据采集方式多种多样,但内业效率不高一直是制约效率提升的主要瓶颈。虽然全息测绘的方式可以避免以后重复作业,但部件提取、单体模型构建等工作仍需花费大量时间。
发明内容
本发明提供了基于矢量的道路三维实景结构化建模方法,通过利用点云数据的自动化提取,构建三维矢量数据,然后利用三维矢量数据以及构建的三维单体实景模型,实现了城市道路的三维模型的可视化。
为了实现上述技术效果,本发明通过以下技术方案予以实现。
基于矢量的道路三维实景结构化建模方法,包括以下步骤:
基于点云的三维矢量提取:基于点云维度预处理技术与点云数据的空间位置关系,提取点云数据中不同地物类型的特征形态,并标记;
所述不同地物类型中的不同地物包括道路以及道路两侧的附属设施和道路部件;
所述不同地物类型的特征形态包括按照细线地物、杆状物、路边线、路面和线标的顺序,进行车载点云地物的提取;
点云提取成果与三维矢量的转换:将提取标记后以实体对象展示的结果,转换为三维矢量成果;
城市道路实景模型的构建:通过三维矢量成果、已有模型建立三维实景模型库,然后利用三维实景模型库和获取的可变纹理图片构建初始模型,对初始模型依次进行单体模型导出、三维转换、场景导出以及模型修正,获得实时模型;
可视化展示:以初始模型为数据层,针对不同的场景和单体模型构成服务层,利用应用层展示实时模型中的展示结果和分析结果。
本技术方案中,对于点云维度进行预处理,充分利用了激光点云数据除了三维空间位置信息以外,还包括强度信息与RGB信息的特点。结合对应POS信息,可以进一步计算出激光点云的相对定位信息,丰富点云数据所携带的维度信息,使其更好地应用于点云的自动分类与提取。
本技术方案中,在提取时,根据提取的难易程度,选用了先提取简单的,后提取复杂的,进而处理过程简单,计算量比较少的特点,进行了对应的提取。
本技术方案中,构建模型时,通过多个渠道的构建,确保了模型与真实图片等的贴合度,同时单体模型构建,确保了每种不同地物的导出和对比,提高了准确度。
作为本发明的进一步改进,所述步骤基于点云的三维矢量提取中,所述基于点云维度预处理技术具体为:获取激光点云数据,利用激光点云数据中的三维信息和经纬度信息,计算出激光点云数据中每个点的相对定位信息。
进一步地,所述提取数据库中的特征形态,并标记具体为:依据先提取简单地物后提取复杂地物的顺序进行地物的类型获取,同时对获取的类型进行对应的点云标记。
进一步地,所述相对定位信息中还包括地面点的提取,具体为:输入未标记点云,根据相邻地面点中,Z值接近的特点,进行Z值运算,运算值小于设定数值时,得到地面点。
作为本发明的进一步改进,所述步骤基于点云的三维矢量提取中还包括点云标记的处理,具体为:后提取的地物的标记是在前面提取剩余的未标记的点云基础上进行的标记。
本技术方案中,为了提高标记效率,且确保点云标记的对应,基于点云维度预处理技术与点云数据的拓扑关系快速构建技术,可充分发挥不同地物的特征形态,依据简单地物先提取复杂地物后提取的顺序,按特征进行归类再具体细分的流程进行,对输入的点云采用逐层剥离/层层标记的方法,即每提取一种类型,将该类型对应的点云标记上对应类码,后面的提取总是在前面提取剩余的未标记的点云基础上进行。
作为本发明的进一步改进,所述细线地物的提取为:根据原始云点,逐点判断当前点与同一扫描线左右相邻点的距离,当距离处于设定范围时,则该点为点集,当点集的点距离地面的高度大于3m且为水平方向生长聚类时,则该点为电力线;当点集的点距离地面的高度小于3m且为竖直方向生长聚类时,则该点为栅栏。
进一步地,还包括所述杆状物的提取,具体为:利用杆状物的两侧边缘点,在扫描线与其相邻点在前向和后向距离这两个量上的明显差异,实现其边缘点与场景中占多数的地面点和建筑物点的有效分离
作为本发明的进一步改进,所述步骤通过三维矢量成果、已有模型建立三维实景模型库具体为:利用三维矢量成果的实际尺寸,构建实体白模,对照已有模型中的车载轨迹数据和全景照片,获取地理实体的颜色及纹理信息,对白模进行贴图,完成三维实景模型库的建立。
进一步地,还包括对于三维实景模型库的编码,具体为:将实体对象分为不同等级,每个等级包括若干的小类,通过自动编码器,利用等级编码加小类编码的方式,完成实体对象的编码。
作为本发明的进一步改进,所述获取的可变纹理图片后还包括纹理库的建立,具体为:对各类标示制作实景纹理图片,配合已有模型中的车载轨迹数据对照全景照片,配合照片处理技术,获得与实际纹理完全相同的纹理图片并记录定位坐标,获得纹理库。
作为本发明的进一步改进,还包括初始模型数据字典的建立,具体为:利用动态链接库,构成半自动字典生成工具,建立矢量要素、模型对象与具体描述对应的初始模型数据字典。
本技术方案中具体为通过C#语言,调用OFFICE动态链接库,开发模型库数据字典半自动生成工具。通过编码规则命名完成之后的模型库模型文件,可自动生成Word文档,高效的对数据字典进行生成。
作为本发明的进一步改进,还包括三维矢量成果的优化,具体为:针对具有方向性的实体,若三维矢量成果中是单点符号,则补充方向线。
本技术方案中,由于采集方式并不能完全满足三维自动建模的需要,因此要对已有的三维矢量数据进行优化操作,使其成为满足三维建模要求的建模矢量数据。例如针对部分具有方向性的实体,如果原始的矢量数据是单点符号的形式,则需要补充方向线。
作为本发明的进一步改进,所述步骤三维矢量成果的优化后还包括构建提取用的矢量表,具体为:在初始模型构建前,分别构建对优化后的三维矢量结果,进行属性信息的录入,且所述属性信息根据不同的地物特点,分别对应不同的属性表字段。
本技术方案中,为了满足半自动化建模的需要,结合三维矢量数据优化之后形成的建模矢量数据,需要在数据中录入相应的属性信息。属性信息表是将矢量数据、模型数据、纹理数据相结合的主要方式。根据不同的地物类型,需要分别对属性表字段进行设计,形成矢量表。
作为本发明的进一步改进,所述初始模型的建立具体包括:根据不同地理实体的几何形态特征,对不同类型的地物要素进行分层,并根据对应的模型建立方式分别对地物要素进行分层批量建模。
本技术方案中,批量建模,主要思路是将模型看作单体的符号,通过建模矢量数据确定模型符号放置的空间定位点、尺寸、方向、模型类型、纹理等信息,从而批量放置三维模型实体,实现三维场景的快速构建。
作为本发明的进一步改进,所述初始模型的建立具体包括:根据不同地理实体的几何形态特征,对不同类型的地物要素进行分层,并根据对应的模型建立方式分别对地物要素进行分层批量建模。
本技术方案中,根据不同地理实体的几何形态特征,对不同类型的地物要素进行分层,分别采用复合纹理模型、构面、挤出、放样等方法对地物要素进行分层批量建模。结合三维模型库、可变纹理库,实现城市单体化三维实景模型的半自动构建。主要思路是将模型看作单体的符号,通过建模矢量数据确定模型符号放置的空间定位点、尺寸、方向、模型类型、纹理等信息,从而批量放置三维模型实体,实现三维场景的快速构建。
附图说明
图1为本发明提供的基于矢量的道路三维实景结构化建模方法的流程图;
图2为本发明提供的实施例2中的基于矢量的道路三维实景结构化建模方法的流程图;
图3为本发明提供的实施例2中的三维矢量提取的顺序流程图;
图4为本发明提供的实施例2中的细线类地物的提取流程图;
图5为本发明提供的实施例2中的杆状物地物的提取流程图;
图6为本发明提供的实施例2中的地点面的提取流程图;
图7为本发明提供的实施例2中的显示平台的流程图;
图8为本发明提供的实施例2中现实平台的数据预处理流程图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
在本实施例的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明创造和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明创造的限制
此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中,除非另有说明,“多个”的含义是两个或两个以上。术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明创造中的具体含义。
实施例1
本实施例中,以主要流程为主进行介绍。
参照附图1所示,基于矢量的道路三维实景结构化建模方法,包括以下步骤:
基于点云的三维矢量提取:基于点云维度预处理技术与点云数据的空间位置关系,提取点云数据中不同地物类型的特征形态,并标记;
所述不同地物类型中的不同地物包括道路以及道路两侧的附属设施和道路部件;
所述不同地物类型的特征形态包括按照细线地物、杆状物、路边线、路面和线标的顺序,进行车载点云地物的提取;
点云提取成果与三维矢量的转换:将提取标记后以实体对象展示的结果,转换为三维矢量成果;
城市道路实景模型的构建:通过三维矢量成果、已有模型建立三维实景模型库,然后利用三维实景模型库和获取的可变纹理图片构建初始模型,对初始模型依次进行单体模型导出、三维转换、场景导出以及模型修正,获得实时模型;
可视化展示:以初始模型为数据层,针对不同的场景和单体模型构成服务层,利用应用层展示实时模型中的展示结果和分析结果。
本实施例中,对于点云维度进行预处理,充分利用了激光点云数据除了三维空间位置信息以外,还包括强度信息与RGB信息的特点。结合对应POS信息,可以进一步计算出激光点云的相对定位信息,丰富点云数据所携带的维度信息,使其更好地应用于点云的自动分类与提取。
本实施例中,在提取时,根据提取的难易程度,选用了先提取简单的,后提取复杂的,进而处理过程简单,计算量比较少的特点,进行了对应的提取。
本实施例中,构建模型时,通过多个渠道的构建,确保了模型与真实图片等的贴合度,同时单体模型构建,确保了每种不同地物的导出和对比,提高了准确度。
本实施例中,数据提取时,相比于现有技术中的飞机飞的点云数据、利用飞机飞的倾斜模型数据或者用3Dmax软件手工建模,本实施例中,只是利用点云数据进行初步矢量数据的提取。
本实施例中,实景结构化主要侧重于道路及道路两边的附属设施和道路部件,而房屋等其他大型建筑物不适用本方法。进而本实施例中,补充了现有技术中,缺少辅助等结构的建模缺陷,且由于道路以及附属设置等,结构比较小,现有的建模方法,大多为建筑物等大标的建模,而针对该类型的小结构,没有进行单独的建模。
实施例2
本实施例中,结合具体的研究过程进行介绍。
1、本实施例中的研究内容
本实施例中,主要是为了克服数据采集方式多种多样导致内业效率不高的问题,同时克然全息测绘的方式可以避免以后重复作业,但部件提取、单体模型构建等工作仍需花费大量时间的问题,进行研究,具体研究内容如下:
1.1基于矢量的全息三维实景结构化建模方法研究
(1)基于激光点云的三维矢量数据自动/半自动提取技术研究
城市道路三维实景模型构建的基础是三维矢量数据,快速准确获取三维矢量数据是本项目的关键技术难点之一。因此,研究基于激光点云的三维矢量数据自动/半自动提取技术应用,可以有效减少人工采集劳动强度,提高三维矢量数据采集的工作效率。
本实施例中主要涉及以下内容:①基于点云的三维矢量提取参数设计与优化;②提取种类分层设计,主要研究基于点云的提取的成果与三维矢量数据图层的对应关系设计;③优化基于点云的三维矢量自动/半自动提取技术流程;④提取的三维矢量数据精度检测。
(2)城市道路结构化语义精细单体建模技术研究
城市道路结构化语义精细单体建模方案研究,主要研究内容涉及:①研究设计单体实景模型的编码规则,确保每一类编码科学性与唯一性;②研究建立基础模型库;③根据街景影像以及外业补拍照片,研究建立基础纹理库;④研究设计三维矢量数据到三维建模矢量数据的转换技术方案;⑤结构化语义矢量数据的属性字段以及填写规则设计;⑥设计完善模型数据字典,建立矢量数据到单体模型的对照关系表;⑦开发结构化语义精细单体建模软件开发,实现道路面、道路标线、道路分割线、十字交叉口、小区出入口、绿化带、隔离护栏、绿化树、树穴、路灯、电子监控、探照灯、电杆、变电箱等 60余类道路三维实景模型的自动化建模。
1.2实景模型可视化平台研发
基于B/S架构,使用Cesium开源三维引擎,研发包括浏览、定位、查询、量算、标注等基本功能,实现实景模型数据的流畅展示的可视化平台。平台主要功能包括:
①浏览模块:浏览模块是用户操作的主窗口,包括地图放大、缩小、自由缩放、漫游、全幅显示、拖拽移动等,同时提供鸟瞰图。
②定位模块:定位模块包括POI定位、坐标定位等功能。
③图层管理模块:图层管理模块对空间数据、对象和模型进行分层管理,按照分类图层标准将管理对象信息以树形目录方式进行说明,图层显隐功能与主视窗进行联动。
④量算模块:量算模块可进行距离量算和面积量算,距离量算又包括水平距离量算、垂直距离量算、空间距离量算等。
⑤标注模块:标注模块用于在图上临时标注信息,自定义标注信息内容。
2.关于点云数据的三维矢量数据提取
倾斜摄影模型数据成果逼真,场景还原度高,但作为mesh结构,很难利用智能化工具进行三维矢量自动提取。但激光点云数据不同与mesh模型,可实现高效的自动/半自动提取。
目前通用的点云分类流程是先对海量点云进行分割,经逻辑上属于同一表面 (平面或曲面)的点云划分在一起,然后经分组后的点云分类识别,按照对象特征判定为实际地物对象。本实施例中,具体提取方式如下:
2.1基于点云的三维矢量提取设计
激光点云数据除了三维空间位置信息以外,还包括强度信息与RGB信息。结合对应POS信息,可以进一步计算出激光点云的相对定位信息,丰富点云数据所携带的维度信息,使其更好地应用于点云的自动分类与提取。
基于点云维度预处理技术与点云数据的拓扑关系快速构建技术,可充分发挥不同地物的特征形态,依据简单地物先提取复杂地物后提取的顺序,按特征进行归类再具体细分的流程进行,对输入的点云采用逐层剥离/层层标记的方法,即每提取一种类型,将该类型对应的点云标记上对应类码,后面的提取总是在前面提取剩余的未标记的点云基础上进行。
参照附图3,本实施例中的提取大致顺序为:细线地物(电线的电力线、路栅栏)、杆状物(路灯、电杆、树干、交通标志杆)、路边线(路沿石、水泥隔离面)、路面以及道路标线(车道线、箭头标志线、分道线、符号标线等)。
2.2三维矢量提取技术流程
基于点云的地物提取,主要是在逐层剥离的点云基础上,依地物特征分别进行的提取。
参照附图4,其为细线的提取流程,具体地,细线类地物在车载点云中较为孤立,形状特征较为明显,进而其提取流程为根据原始云点,逐点判断,计算当前点与同一扫描线左右相邻点的距离L1和12,获得点集P0,当高地高度大于3 米时,则这样的点形成点集O1,若为水平方向生长聚类,则为电力线,若离地高度大于3m,则这样的点构成点集P2,若其为竖直方向生长聚类,则形成栅栏。
参照附图5所示,其为杆状物地物的提取流程图,主要基于边缘特征进行提取,利用杆状地物的两侧边缘点在扫描线与其相邻点在前向和后向距离这两个量上的明显差异,实现其边缘点与场景中占多数的地面点和建筑物点的有效分离。
参照附图5所示,其提取流程为:
第一步,根据车载点云数据,利用激光点云向前距离和向后距离的特点提取点状物两侧边缘点;
第二步,构建,包含边缘的点集P1,根据点聚类和投影滤波处理,得到n 个杆状实体;
第三步,计算每个杆状实体的几何属性;
第四步,设置几何属性的判定规则,将每个杆状实体细分,得到树干、电杆、路灯和其他地物。
参照附图6,其为地面点提取流程,包括:输入未标记电晕,领域z值滤波,得到地面点。
地面点在车载点云数据中占很大比重,且特征比较明显,可利用相邻地面点的高程Z值相接近的特点,进行Z值运算,从而实现地面点的探测。
路边线是基于马路牙子在道路两侧高出地面15cm这个特征来提取,通过假设点云在车辆行进垂直方向上有高程突变,通过设定阈值,取同一扫描行上的点领域最低点,然后进行滤波得到。
道路标线则是在地面点基础上,基于地标线与地面点反射强度差异较大这个特征来进行。由于地标线采用了反光材料,因此对应的激光点云强度值明显高于左右路面的强度值。利用这一特点,对路面点云沿垂直于行车轨迹的方向切片,并对每一切片内的点进行强度直方图统计。有路面标线的位置,强度直方图呈现凸起状态,其余地方则标线较为平缓。通过设立阈值,对道路标线点进行过滤。
对于自动提取成果由于存在一定的漏洞和差错,需要结合点云数据进行人工数据检查,并对漏洞和差错处进行补充。
2.3点云提取成果与三维矢量数据的转换
自动提取的结果表现为实体对象,需要进一步转化为三维矢量成果,这个过程是按类别来进行的。通过对应实体源编码与目标三维矢量层编码的关系,进一步指定各类实体转换为成果矢量的方式。部分矢量转化方式见表1:
表1部分实体转三维矢量方式
转换方式 | 实体类型 |
中点的X、Y和最小值Z | 雨水篦子 |
底部中点的X、Y和最小值Z | 路灯/电杆 |
底部首点至末点连线 | 公交站牌整体 |
底部中点的X、Y和最小值Z | 电话亭/垃圾桶 |
底部首点至末点连线 | 路边线/隔离带/隔音墙 |
取底部中点的X、Y和最小值Z | 树干 |
3.城市道路实景模型结构化构建方法
地理实体是具有共同空间和属性性质的自然或人工的最小地理单元。目前,构建大范围三维实体场景的方法还不是很成熟,主要有三种方式:一是基于大比例尺地形图和外业人工拍照,通过3DMax等手工建模软件进行全手工的精细化建模。这种方法虽然可以达到较高的精度,但内业工作量巨大,需投入相当多的人力资源;二是利用航空倾斜摄影测量技术快速构建三维场景,再通过人工单体化软件进行模型的单体化操作。由于倾斜摄影在匹配建模的过程中对光谱纹理相似的地物及杆状物会造成模型拉花和缺失的情况,因此后期对模型的编辑较为耗时;三是通过LiDAR及地面移动测量系统对数据进行采集,通过点云与影像的匹配融合,构建城市的三维场景。尽管数据采集方式多种多样,但内业效率不高一直是制约效率提升的主要瓶颈。虽然全息测绘的方式可以避免以后重复作业,但部件提取、单体模型构建等工作仍需花费大量时间。本课题以上海市某地区某年年矢量地形图为基础,探索了一种三维实景结构化建模方法,在保证模型精度的同时,一定程度上提高建模效率。
3.1基本思路
首先以地形图矢量数据为基础,通过对空间和属性的优化,构建三维矢量数据库;再通过收集、建模等方式构建三维模型库;通过街景、拍照构建可变纹理库。根据不同地理实体的几何形态特征,对不同类型的地物要素进行分层,分别采用不同的建模方法对地物要素进行分层批量建模,实现城市单体化三维实景模型的结构化构建。
建模主要步骤如下:
(1)构建并完善三维模型库;
(2)构建并完善纹理库;
(3)设计模型库数据字典;
(4)设计建模矢量采集方案;
(5)优化三维矢量数据:①根据建模矢量要求,设计建模图层;②设计建模属性表;③采集建模矢量数据;④填写属性表;
(6)设计建模方案;
(7)外业实地核查地物实体,补新增地物,拍摄地物纹理照片;
(8)建模;
(9)将建模数据转换至3DMax软件;
(10)按场景导出Max场景;
(11)人工修整模型数据。
3.2模型库及纹理库的制作
3.2.1模型库构建
利用3DMax软件进行模型库的制作。参考点云数据获取的地理实体的实际尺寸,构建实体白模。对照车载轨迹数据和全景照片,获取地理实体的颜色及纹理信息,对白模进行贴图,完成三维实景模型库。同时收集可用的已有模型库,根据对空间地理实体的分类要求,参照模型库编码规则,对模型库及其对应的纹理进行重新8位编码,并重新归类,保证模型的纹理不丢失。利用3DMax软件对模型库所有模型的定位点进行编辑,使模型的定位点与三维矢量的定位点完全相同。对模型库中的模型进行平移、旋转等操作,使定位点的空间坐标值X、Y、Z分别为0、0、0。将模型的右方向设置为X轴方向。
3.2.2模型库编码
研究区城市道路部件三维模型根据实体对象的不同主要分为13个一级类和90多个二级类,如表2所示。
为了更好的区别每一个模型实体,需要对三维模型库中的每个模型进行编码。为了使模型的编码具有科学性和唯一性,经过分析研究,设计了单体实景模型的编码规则。模型编码命名格式为“0000”+“模型一二级分类码” +“模型顺序码(36进制数,即0-9加上英文字母A-Z的组合编码,模型库中不使用,在模型场景中使用)”。编码中“0000”为区域标识码,是将研究区域划分为多个规则的格网区域,每个格网区域都有一个四位数编码,“0000”表示的就是研究区域内不同的空间位置区域,在模型库中用“0000”表示。采用此命名规则,可以保证在最终的三维实景模型场景中,所有的单体模型的编码都是唯一的,且有利于更加方便的进行检索。每个模型库都有与其对应的纹理库。
为了更为高效的对模型库中的三维模型根据编码规则进行快速编码,减少人工工作量,可以利用现有的自动编码工具。通过输入三维模型所在的文件夹路径及编码规则方案文本,即可自动的对三维模型库中的模型文件进行编码。
3.2.3纹理库
构建模型纹理库。对所有路牌、标识、大小标牌等制作实景纹理图片,形成纹理库。根据车载轨迹数据对照全景照片,利用Photoshop软件对每一个标牌重新制作文字和纹理,要求与实际纹理完全相同,并记录定位坐标。如发现全景照片模糊、扭曲以至于无法辨别文字时,需要外业人员实地进行核查,并拍摄照片。
表2研究区道路模型一级类、二级类编码
3.3构建模型库数据字典
三维模型库数据字典是指导作业员进行作业的主要参考资料。对于建模矢量数据的属性赋值至关重要。模型数据字典主要包括对象特征编码、对象名称、对象子类编码、对应模型库、说明、图示等内容。
在建模之前需要对数据字典进行完善。对象特征编码为地物对象所对应的三维矢量数据的要素层,即所对应的矢量要素;对象名称、对象子类编码、对应模型库,为此地理要素实体在模型库中所对应的模型对象;说明、图示是对模型库对象的具体描述,对后期属性的赋值有指导意义。
数据字典是一个不断完善的过程,在项目实施过程中会有新的模型加入进来。数据字典的完善过程是与模型库的构建同步的。
通过C#语言,调用OFFICE动态链接库,开发模型库数据字典半自动生成工具。通过编码规则命名完成之后的模型库模型文件,可自动生成Word文档,高效的对数据字典进行生成。
3.4三维矢量优化采集方法
区别于传统的地形图测图成果,全息测绘的地形图成果数据是三维矢量数据,图中的每一个点、线、面都具有三维信息。三维矢量数据既要满足传统二维地形图矢量成果的基本要求,也是后期三维模型构建的数据基础。三维矢量数据成果采集要求大致如表3所示。但这样的采集方式并不能完全满足三维自动建模的需要,因此我们要对已有的三维矢量数据进行优化操作,使其成为满足三维建模要求的建模矢量数据。
表3部分要素三维矢量采集要求
在已有的三维矢量数据的基础上,对数据进行优化,从而使其满足自动/ 半自动建模的需要。例如针对部分具有方向性的实体,如果原始的矢量数据是单点符号的形式,则需要补充方向线(表4-3)。例如:
①杆类、箱类、亭类、行道树树穴等:补充方向线;
②盲道等:优化走向线,填写截面文件名称;
③路牌:采杆底部中心点至每个牌子从左下角到右上角连线;
④红绿灯:补充杆底部中心点至每个红绿灯左下角点的连线;
⑤摄像头、探照灯:补充杆底部中心点至每个摄像头或探照灯连接处的线段。
3.5建模矢量属性表设计与填写方案
为了满足半自动化建模的需要,结合三维矢量数据优化之后形成的建模矢量数据,需要在数据中录入相应的属性信息。属性信息表是将矢量数据、模型数据、纹理数据相结合的主要方式。根据不同的地物类型,需要分别对属性表字段进行设计。
“模型名称”是所有的实体对象都具有的属性,其具有唯一性的特点,不能出现重复的“模型名称”。每个单体模型的名称命名方式为18位编码,命名方式如下:
①第一位至第八位,为模型构建时间(例如:20191231)
②第九位,为模型一级类编码;
③第十位,为模型二级类编码;
④第十一位至第十四位,为空间区块编码;
⑤第十五位至第十六位,为模型库顺序码,采用36进制数(即0-9加上英文字母A-Z的组合编码);
⑥第十七位至第十八位,为场景顺序码,采用36进制数(同上)。
针对不同的地物类型有一些特有的属性信息。独立地物类型包括的属性字段有:“Fuzhu”、“SubType”、“Angle”、“height”、“image”。“Fuzhu”表示地物整体是否有立杆、是否有方向性以及是否共面;“SubType”表示模型库名称;“Angle”表示模型的角度、“height”表示立杆伸缩的高度、“image”表示纹理图片名称。
标线及面要素类型包括属性“width”、“image”字段。“Width”表示标线宽度,“image”表示贴图纹理。
花坛、栅栏等细长类型的地物的属性表包括“Min_Z”、“image”、“TexSize”字段。“Min_Z”表示高度,“image”表示贴图纹理,“TexSize”为贴图尺寸。
3.6建模方法
根据不同地理实体的几何形态特征,对不同类型的地物要素进行分层,分别采用复合纹理模型、构面、挤出、放样等方法对地物要素进行分层批量建模。结合三维模型库、可变纹理库,实现城市单体化三维实景模型的半自动构建。主要思路是将模型看作单体的符号,通过建模矢量数据确定模型符号放置的空间定位点、尺寸、方向、模型类型、纹理等信息,从而批量放置三维模型实体,实现三维场景的快速构建。
3.6.1复合纹理模型
复合纹理模型主要包括:单点模型、两点模型、可变纹理模型、带支撑的可变纹理模型、带支撑模型。具体包括的实体对象如表4-4所示,建模效果见表4。
表4分层建模对象
建模类型 | 实体对象 |
单点模型 | 警示桩、绿化树… |
两点模型 | 路灯、垃圾分拣点、消防栓… |
可变纹理模型 | 小标牌、小路牌… |
带支撑可变纹理 | 大交通路标… |
带支撑模型 | 监控、红绿灯… |
3.6.2构面
构面的方法主要针对道路、地面标线、地面交通指示线等面状要素的建模。对采集的矢量要素进行构面,然后进行纹理的贴附。
3.6.3挤出
挤出的方法主要针对长条状或是带状地物,例如护栏、绿化隔离栏等。利用已有的矢量数据向上挤出一定的高度,再贴纹理。
3.7模型格式转换
由于模型库中的三维模型是通过人工建模软件进行制作的(例如3DMax 等软件),此种类型的数据格式往往是商业建模软件自己独有的格式,无法通过外部的程序代码直接调用。因此,需要将此类型格式转换成通用的数据格式。
本实施例中模型库中的单体模型为.Max格式,需要将其全部转换为OSG 格式。基于3DMax软件进行二次开发,开发了批量从.Max格式转换为OSG模型的工具,实现了所有模型格式的批量自动转换,且保证形状和纹理信息的一致。通过工具可将路径中所有的文件转为OSG模型文件。
本实施例中,建模方法上是采用的结构化的建模方法,具体为通过模型库、纹理库、三维矢量优化、建模属性表设计和填写、然后自动建模)。
4.三维实景可视化平台开发
4.1需求分析
目前,基于倾斜摄影测量技术、地面移动测量技术的“三维实景”成为建模、管理、应用领域的热点。在数据获取方面,倾斜摄影测量、激光雷达技术和移动测量技术的快速发展,是推进三维实景模型构建的主要技术动力。在对多源数据进行融合以及数据建模之后,需要将模型进行可视化。目前有多款商业软件可以实现对模型的的快速展示,可实现放大、缩小、平移、漫游等基本操作。但商业软件需付费,同时其主要用于模型查看,无法以需求为驱动进行可视化的应用。因此,自主的进行三维可视化平台的研发是有必要的。综合利用计算机图形图像、数据库、地理信息系统等技术,构建三维实景模型可视化平台,实现三维实景模型的可视化展示。
通过完全自主研发实现实景模型可视化应用管理平台可以为相关的可视化研究提供试验平台,可以灵活控制前后端及各模块设计,同时可为后续不同项目的软件开发提供平台上的支持。
4.1.1基本思路
实景模型可视化应用管理平台的建设思路是使用三维展示技术综合展示各类三维数据模型,包括DEM数据、DOM数据、单体模型数据、倾斜模型数据、点云数据、地下空间数据等等,实现数据的快速无卡顿加载;在快速展示的基础上,实现浏览、查询、量算、标注等功能,集中高效地展示各类型三维数据,实现信息资源的直观展示与更新,全面提升三维数据服务能力。
实景模型可视化应用管理平台的建设内容如下:
(1)数据建设。
(2)平台研发。
4.1.2数据需求
项目需要的数据主要包括五大类:地形数据(DEM)、影像数据(DOM)、倾斜模型数据、人工精模数据、点云数据。
(1)地形数据
地形数据是反映地表高程起伏状况的数据,包括DEM或DSM。主要格式包括grid 格式、tif格式等。
(2)影像数据
影像数据是指通过卫星或机载平台搭载的相机,通过一定原理对地物进行光谱成像形成的数据。主要有*.tif、*.img等格式。
(3)人工精模数据
人工精细单体模型数据是指通过3dmax或sketchup等三维建模软件建立的模型数据,或者从其他数据转换过来的数据,格式主要有*.max,*.3ds,*.obj, *.skp等。
(4)倾斜模型数据
倾斜模型数据是指从一个垂直、四个倾斜、五个不同的视角同步采集影像,获取丰富的建筑物顶面及侧视的高分辨率纹理,通过先进的定位、融合、建模等技术,生成真实的三维模型,格式主要有*.osgb等。
(5)点云数据
点云数据是通过3D扫描仪获取的海量点数据,每一个点包含有三维坐标,有些可能含有颜色信息(RGB)或反射强度信息(Intensity),格式主要有*.las, *.pcd等。
4.1.3功能与性能需求
结合具体需求,实景模型可视化应用管理平台建设的功能和性能需求主要包含以下几个方面:
(1)满足三维展示的需求。实景模型可视化应用管理平台要能够将各种类型的数据进行三维化处理,并将三维模型在平台上逼真显示,实现包括放大、缩小、漫游、拖拽移动、点选框选、地形透明等功能。
(2)满足基本的操作需求。根据业务应用的需求,能够进行定位、图层管理、量算以及标注等功能。
(3)满足进行三维展示与管理的性能需求。对于用户的功能操作,可以快速地响应并把正确的结果返回给用户,平台的操作流畅,无卡顿现象;大量用户对服务器进行访问,返回结果的正确性和时间应可接受;平台应具有很强的稳定性,客户端可以长时间访问本平台。
4.2总体建设方案
4.2.1设计原则及要求
实景模型可视化应用管理平台是一项规模庞大、结构复杂、技术难度大、数据量大、功能众多、涉及面广的系统工程,为确保达到预期建设目标,平台建设时应遵循以下原则:
(1)实用性
实用性是平台最终正常运转的关键,因此要求平台设计应充分考虑信息管理与应用服务的具体模式,平台设计需满足用户的日常办公使用习惯,同时,平台功能充分结合用户业务的实际需求。
(2)稳定性
平台采用主流的、先进的硬件设备和二次开发工具,在进行平台设计、实现和测试时采用科学有效的技术手段,确保平台交付使用后能够稳定持续运行。
(3)安全性
平台应具有安全的网络体系,满足国家对政府机关联网保密管理规定,内、外网分离,建立防火墙、权限设置等措施,抵御非法入侵,确保数据安全可靠。
(4)易操作性
平台应提供美观实用、友好直观的操作界面,以图形化的方式提供操作;平台中的各种数据,应建立内在逻辑关联,以方便查询、统计和分析。
(5)可扩展与开放性
平台的数据应符合有关国家和行业标准,确保数据具有良好的共享能力。
4.2.2平台架构设计
平台采用SOA面向服务内核结构和网络数据库技术,构建浏览器——服务器 (B/S)平台架构,基于该架构研发平台功能,满足分布式应用、多用户访问的业务需求,实现对本平台内各类数据信息的统一管理、高效应用,从而实现平台的三维浏览、管理和分析的一体化。平台的体系结构如图7所示。
参照附图7所示,平台主要分为数据层、服务层和应用层,其中数据层为实景模型可视化应用管理平台提供数据支撑,包括基础地理信息数据、地形影像数据、立体模型数据、国土三调数据、各类专题数据以及其他种类数据;服务层使用切片及服务发布工具为业务应用提供基础服务及各种专题服务;应用层主要满足平台的实际业务需求,实现信息的三维展示、分析等应用。
4.2.3三维平台选择
在充分分析项目建设要求的前提下,对于即将建设的项目在三维平台的选择时,要考虑如下几方面因素:
(1)能否具备海量数据的支撑能力;
(2)空间数据管理,分析功能是否强大;
(3)是否具备与现有平台的集成能力和可扩展性及可开发性;
(4)三维建筑模型支撑能力符合;
(5)大范围的数据更新是否快捷、高效,是否需要预处理;
(6)能否实现地表、地上、地下的全方位一体化真三维的空间数据管理,查询和分析。
目前在市场上满足上述要求的平台有北京睿城传奇科技股份有限公司的 Stamps平台、skylineGlobe公司的skyline平台、ESRI公司的三维可视化平台以及开源的Cesium和Three.js平台,其性能对比如表5所示。
表5性能对比表
从三维展示的效果以及各平台优缺点综合考虑,选择开源的Cesium作为开发平台。
4.3系统实现
4.3.1环境规定
(1)系统开发环境如下:
开发语言:JavaScript;
开发框架:vue/vuex、node.js、
集成开发工具:Webstorm/Hbuild;
Web应用服务器:Tomcat
主要引用库:Cesium、JQuery、element-ui.js、echart.js、antd.js
(2)系统运行环境如下:
①操作系统
客户端与服务端操作系统:Windows 10。
②硬件环境
服务器:处理器采用Intel Core i7-4790,主频3.6GHz;内存32G;硬盘 10T;显卡采用NVIDIA Quadro K600独立显卡。
客户端:处理器采用Intel Core i5-5200,主频2.20GHz;内存16G;硬盘 1T;显卡采用NVIDIA GeForce 840M独立显卡。
③软件环境
Apache:2.2版本及以上;
apache-tomcat:推荐采用apache-tomcat-7.0.53;
Google chrome:推荐采用75.0.3770.100;
4.3.2数据处理
数据包括DEM、DOM、人工精细单体模型数据、倾斜模型数据、点云数据,数据种类较多,同一种数据由于来源不同,格式也不同。为了确保多源数据能够顺利融合,需要对数据处理的流程加以设计,从而保证数据最终能够服务于平台应用。
Cesiumlab是一款专为Cesium开源数字地球平台打造的免费数据处理工具集。目前包含地形数据处理、影像数据处理、点云数据处理、建筑物矢量面处理、倾斜数据处理、三维场景处理等工具,同时提供一套java开发的数据服务器,形成从数据处理、服务发布、到代码集成的完整工具链,它可以最快速、最低成本的搭建项目所需要的基础场景。我们使用Cesiumlab作为数据处理的平台。使用Cesiumlab进行数据处理的流程包含数据预处理、数据切片、以及数据服务发布三个过程。
(1)数据预处理
数据预处理就是将多种来源、多种格式的数据进行统一处理转变成可供Cesiumlab直接使用的数据,其转换过程如图8所示。
对于不同类型的DEM、DOM可通过Arcgis/GlobalMapper软件进行格式转换,高程数据转换为dem/tif格式,影像数据转换为jpeg/tif格式。
倾斜摄影数据经过ContextCapture/Smart3d/PhotoMesh等软件处理为osgb 格式,或转换为dem/tif/jpeg格式等待下一步处理。
人工建模的数据种类较多,可以分情况处理:
①Maya软件建立的ma/mb格式三维模型使用Maya2gltf插件转换成FBX/obj/dae格式或直接转换为cesium支持的gltf格式数据。
②3dsMax软件建立的Max格式三维模型使用Babylon插件转换为 FBX/obj/dae/3ds格式数据。
③使用Sketchup软件建立的skp格式数据可转换为FBX/obj/dae/3ds/ifc格式数据进行下一步处理。
④使用使用Blender软件建立的blend格式数据可转换为FBX/obj/dae/3ds 格式或直接转换为cesium支持的gltf格式数据
不同格式种类的点云数据通过CloudCompare软件统一转换为las格式进行数据处理。
(2)数据切片
实景模型可视化应用管理平台提供的数据来源多,数据体量大,就构成场景的DEM和DOM来说,DEM包含全上海区域10米格网间距的高精度数字高程模型,还有部分2米格网间距的数字高程模型,DEM总数据量在1GB以上;DOM数据分辨多为0.5米、1米;还有倾斜模型数据、单体模型数据、点云数据等等。
地图数据总量庞大,需要充足的带宽和数据渲染能力,对系统提出了很高的要求。制作瓦片地图可以解决这个问题。瓦片指将一定范围内的地图按照一定的尺寸和格式,按缩放级别或者比例尺,切成若干行和列的正方形栅格图片,对切片后的正方形栅格图片被形象的称为瓦片(Tile)。瓦片地图金字塔模型是一种多分辨率层次模型,从瓦片金字塔的底层到顶层,分辨率越来越低,但表示的地理范围不变。项目使用Cesiumlab工具集分别对经过预处理的地形影像数据、倾斜影像、人工模型以及点云数据进行数据切片。
①地形切片
点击添加按钮,弹出文件选择框后选择对应的地形文件,可以选择两种格式(tif,dem),添加后文件就会出现在列表之中;点击设置按钮,弹出设置参数界面,可以在这里设置最大处理级别、无数据值、空间参考等相关信息,其中最大处理级别和无数据值的格式可以参考二级页面参数介绍进行填写。然后选择储存类型、三角算法、输出文件路径以及是否压缩等信息进行地形切片。
②影像切片
点击添加按钮,弹出文件选择框后选择对应的影像文件(tif/jpeg),添加后文件就会出现在列表之中;然后设置文件的属性,可以在这里设置最大处理级别、无数据值、空间参考等相关信息,其中最大处理级别和无数据值的格式可以参考二级页面参数介绍进行填写。然后选择储存类型以及输出文件路径进行影像切片。
③倾斜模型转换
点击添加按钮,弹出文件选择框后选择对应的倾斜模型文件,设置文件的属性,可以设置空间参考、零点坐标、绕向反转、几何误差、最大级别等相关信息,可以参考文件参数配置页面和参数介绍进行填写。然后选择纹理格式、储存类型以及输出目录将倾斜模型转换为b3dm格式。
④人工精细模型处理
人工精细模型处理工具通常用来处理各种人工建模数据或BIM模型数据。首先根据不同的模型格式输入模型数据路径,然后点击设置资源库将多源数据统一化,把后续的处理算法和导入阶段完全隔离开,后续算法无需考虑数据是何种形式;然后选择处理算法,有小场景处理器和八叉树处理器两种处理方法任选,选择效果参数、压缩参数、以及显示哪些属性字段,选择存储路径并设置储存类型开始处理数据,最终转换为b3dm格式。
⑤点云切片
点击添加按钮,弹出文件选择框后选择对应的点云文件,可以选择2种格式 (csv,las),设置文件的属性,可以设置空间参考、零点坐标、最大颜色值、存储额外属性等相关信息,可以参考文件参数配置页面和参数介绍进行填写。选择需要存储的字段,选择存储类型和输出目录开始点云切片。
(3)数据服务发布
Cesium不是传统的GIS客户端,显示的内容必须内嵌在网页中,也就是说它的所有数据加载都是基于http协议的,需要一个http服务器提供满足cesium标准的数据分发服务,数据服务相当一个本地数据到cesium http协议的中介。数据服务发布是将经过切片的多源数据发布成可以直接调用的http地址,本项目数据服务包括地形服务、影像服务、瓦片服务、场景服务等等。
①地形服务
地形服务就是将数据处理生成的地形切片数据发布到数据服务器上,通过连接地址供平台调用。
②影像服务
影像服务就是将数据处理生成的影像切片数据发布到数据服务器上,通过连接地址供平台调用。
③瓦片服务
瓦片服务就是将数据处理生成的3DTiles切片数据发布到数据服务器上,通过连接地址供平台调用。
④场景服务
场景服务就是将数据处理生成的多源数据切片(包含地形切片、影像切片、3DTiles切片、点云切片等)通过一定的叠放顺序发布到数据服务器上,通过连接地址调用场景服务,使其符合三维电子地图特征。
4.3.3功能实现
实景模型可视化展示平台基于浏览器/服务器(B/S)架构进行建设,采用文件数据库集中管理平台数据,通过服务发布工具将数据发布为服务供系统调用。
根据数据成果种类划分为三维倾斜模型成果、三维点云数据成果、人工精模数据成果。
后台管理系统中业务管理模块和展示业务相关,业务管理的菜单较多,用户需要了解其使用方法。后台管理主要包含登陆页面、业务管理两个模块。
(1)登录页面
登陆页面主要用于管理员进入后台管理系统,防止非法侵入,输入用户名、密码以及验证码登陆系统。
(2)业务管理
业务管理主要包括测绘成果管理、菜单管理、部门管理、角色管理、用户管理、字典管理、登录日志管理、操作管理、服务监控这九大模板的管理。
①测绘成果管理
测绘成果管理模块主要是提供测绘成果的增、删、改、查。
②菜单管理
菜单管理是队后台系统的各种菜单功能的管理展示。
③部门管理
部门管理主要是对使用的各个不同的部门进行的管理。
④角色管理
角色管理主要是针对不同的部门的人员根据岗位的不同分配不同的权限,从而起到角色管理的作用,完成对角色的增、删、改、查功能。
⑤用户管理
用户管理主要是用户的增、删、改、查功能以及用户的使用状态等。
⑥字典管理
字典管理主要是完成对已有字典值的管理,该功能主要用于开发维护人员。
⑦登录日志管理
登录日志管理是对所有登录该系统的用户进行的后台监控,包括了登录的用户名、IP地址、登录时间、登录的操作系统、使用的浏览器等信息。
⑧操作日志管理
操作日志管理是对所有登录该系统的用户的行为进行的管理,包括操作的系统模块、操作的类型(增删改查)、以及部门和主机名称等。
⑨服务监控
服务监控是对系统使用的硬件性能资源进行的实时监控。包括了CPU、内存、硬盘状态等进行的监控。
5.3.4VR虚拟展示
将精细三维模型数据通过VR进行展示,采用的方法是将三维模型数据导入到UE(UnrealEngine)引擎中,再通过SteamVR结合HTCvive进行浏览。具体的方法如下:
(1)将3DMax软件的空间单位统一设置成厘米(UE的单位为厘米);
(2)设置材质和纹理贴图的关联路径(纹理贴图的文件名包括路径不能有中文,否则可能会报错);
(3)通过3DMax软件将三维模型场景转换为FBX格式,并设置相应的转换参数;
(4)通过UE将FBX的场景导入,并设置相应的碰撞关系、材质参数、光影追光、渲染效果等等;
(5)打开SteamVR,插入HTCvive眼镜,将眼镜与电脑连接,即可进行 VR环境的浏览。HTC vive不需要经过复杂的设置,空间中相机的位置即是HTC vive头显的空间位置。
本发明中,通过该建模方法,具有以下效果:
首先,本发明中,主要的应用领域,为针对道路及道路两边的附属设施和道路部件的建模,这一过程中,具体是采用了结构化的建模方式,填补了现有建模方式中,针对道路这种容易被遮挡的结构、以及道路附属设施和道路部件比较小的结构,容易被隐藏,无法提取进行建模的空白,为地理信息等相关的显示和模拟,提供了新方案。
其次,本发明中的技术方案,解决了现有技术中,针对部件提取、单体模型构建等工作仍需花费大量时间的问题,其通过模型库、纹理库、三维矢量优化、建模属性表设计和填写、然后自动建模的技术方案,实现了快速提取和建模的效果。
再次,本发明以矢量地形图为基础,提出了一种三维实景结构化建模方法,在提高建模效率的同时可在一定程度上保证模型精度。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将权利要求落在等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.基于矢量的道路三维实景结构化建模方法,其特征在于,包括以下步骤:
基于点云的三维矢量提取:基于点云维度预处理技术与点云数据的空间位置关系,提取点云数据中不同地物类型的特征形态,并标记;
所述不同地物类型中的不同地物包括道路以及道路两侧的附属设施和道路部件;
所述不同地物类型的特征形态包括按照细线地物、杆状物、路边线、路面和线标的顺序,进行车载点云不同地物的提取;
点云提取成果与三维矢量的转换:将提取标记后以实体对象展示的结果,转换为三维矢量成果;
城市道路实景模型的构建:通过三维矢量成果、已有模型建立三维实景模型库,然后利用三维实景模型库和获取的可变纹理图片构建初始模型,对初始模型依次进行单体模型导出、三维转换、场景导出以及模型修正,获得实时模型;
可视化展示:以初始模型为数据层,针对不同的场景和单体模型构成服务层,利用应用层展示实时模型中的展示结果和分析结果。
2.根据权利要求1所述的基于矢量的道路三维实景结构化建模方法,其特征在于,所述步骤基于点云的三维矢量提取中,所述基于点云维度预处理技术具体为:获取激光点云数据,利用激光点云数据中的三维信息和经纬度信息,计算出激光点云数据中每个点的相对定位信息。
3.根据权利要求1所述的基于矢量的道路三维实景结构化建模方法,其特征在于,所述步骤基于点云的三维矢量提取中还包括点云标记的处理,具体为:后提取的地物的标记是在前面提取剩余的未标记的点云基础上进行的标记。
4.根据权利要求1所述的基于矢量的道路三维实景结构化建模方法,其特征在于,所述细线地物的提取为:根据原始云点,逐点判断当前点与同一扫描线左右相邻点的距离,当距离处于设定范围时,则该点为点集,当点集的点距离地面的高度大于3m且为水平方向生长聚类时,则该点为电力线;当点集的点距离地面的高度小于3m且为竖直方向生长聚类时,则该点为栅栏。
5.根据权利要求1所述的基于矢量的道路三维实景结构化建模方法,其特征在于,所述步骤通过三维矢量成果、已有模型建立三维实景模型库具体为:利用三维矢量成果的实际尺寸,构建实体白模,对照已有模型中的车载轨迹数据和全景照片,获取地理实体的颜色及纹理信息,对白模进行贴图,完成三维实景模型库的建立。
6.根据权利要求1所述的基于矢量的道路三维实景结构化建模方法,其特征在于,所述获取的可变纹理图片后还包括纹理库的建立,具体为:对各类标示制作实景纹理图片,配合已有模型中的车载轨迹数据对照全景照片,配合照片处理技术,获得与实际纹理完全相同的纹理图片并记录定位坐标,获得纹理库。
7.根据权利要求1所述的基于矢量的道路三维实景结构化建模方法,其特征在于,还包括初始模型数据字典的建立,具体为:利用动态链接库,构成半自动字典生成工具,建立矢量要素、模型对象与具体描述对应的初始模型数据字典。
8.根据权利要求1所述的基于矢量的道路三维实景结构化建模方法,其特征在于,还包括三维矢量成果的优化,具体为:针对具有方向性的实体,若三维矢量成果中是单点符号,则补充方向线。
9.根据权利要求1所述的基于矢量的道路三维实景结构化建模方法,其特征在于,所述步骤三维矢量成果的优化后还包括构建提取用的矢量表,具体为:在初始模型构建前,分别构建对优化后的三维矢量结果,进行属性信息的录入,且所述属性信息根据不同的地物特点,分别对应不同的属性表字段。
10.根据权利要求1所述的基于矢量的道路三维实景结构化建模方法,其特征在于,所述初始模型的建立具体包括:根据不同地理实体的几何形态特征,对不同类型的地物要素进行分层,并根据对应的模型建立方式分别对地物要素进行分层批量建模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210584418.6A CN115187647A (zh) | 2022-05-27 | 2022-05-27 | 基于矢量的道路三维实景结构化建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210584418.6A CN115187647A (zh) | 2022-05-27 | 2022-05-27 | 基于矢量的道路三维实景结构化建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115187647A true CN115187647A (zh) | 2022-10-14 |
Family
ID=83514329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210584418.6A Pending CN115187647A (zh) | 2022-05-27 | 2022-05-27 | 基于矢量的道路三维实景结构化建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115187647A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115588178A (zh) * | 2022-12-12 | 2023-01-10 | 速度时空信息科技股份有限公司 | 一种高精地图要素自动化提取的方法 |
CN116310262A (zh) * | 2023-05-23 | 2023-06-23 | 山东省国土测绘院 | 面状实体与倾斜三维模型融合方法、系统、介质及设备 |
CN116758238A (zh) * | 2023-08-17 | 2023-09-15 | 山东高速工程检测有限公司 | 一种基于车载激光点云公路护栏自动建模方法 |
CN117036570A (zh) * | 2023-05-06 | 2023-11-10 | 沛岱(宁波)汽车技术有限公司 | 一种3d点云模型贴图的自动生成方法及系统 |
-
2022
- 2022-05-27 CN CN202210584418.6A patent/CN115187647A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115588178A (zh) * | 2022-12-12 | 2023-01-10 | 速度时空信息科技股份有限公司 | 一种高精地图要素自动化提取的方法 |
CN117036570A (zh) * | 2023-05-06 | 2023-11-10 | 沛岱(宁波)汽车技术有限公司 | 一种3d点云模型贴图的自动生成方法及系统 |
CN117036570B (zh) * | 2023-05-06 | 2024-04-09 | 沛岱(宁波)汽车技术有限公司 | 一种3d点云模型贴图的自动生成方法及系统 |
CN116310262A (zh) * | 2023-05-23 | 2023-06-23 | 山东省国土测绘院 | 面状实体与倾斜三维模型融合方法、系统、介质及设备 |
CN116310262B (zh) * | 2023-05-23 | 2023-08-01 | 山东省国土测绘院 | 面状实体与倾斜三维模型融合方法、系统、介质及设备 |
CN116758238A (zh) * | 2023-08-17 | 2023-09-15 | 山东高速工程检测有限公司 | 一种基于车载激光点云公路护栏自动建模方法 |
CN116758238B (zh) * | 2023-08-17 | 2024-01-23 | 山东高速工程检测有限公司 | 一种基于车载激光点云公路护栏自动建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Balsa-Barreiro et al. | Generation of visually aesthetic and detailed 3D models of historical cities by using laser scanning and digital photogrammetry | |
CN108919944B (zh) | 一种基于数字城市模型实现在显示端进行数据无损交互的虚拟漫游方法 | |
CN115187647A (zh) | 基于矢量的道路三维实景结构化建模方法 | |
CN111462275A (zh) | 一种基于激光点云的地图生产方法和装置 | |
CN109902332A (zh) | 一种基于三维化技术的电力配网系统 | |
CN110660125B (zh) | 用于电力配网系统的三维建模装置 | |
CN108765567A (zh) | 一种用于构建城市设计数字化沙盘的系统 | |
CN112800516A (zh) | 具实景三维空间模型的建筑设计系统 | |
CN114820975B (zh) | 基于全要素参数符号化的三维场景仿真重构系统及方法 | |
CN116342783B (zh) | 一种实景三维模型数据渲染优化方法及系统 | |
CN108388995B (zh) | 一种道路资产管理系统的建立方法及建立系统 | |
CN110765542A (zh) | 一种高精度数字高程模型的轻量化方法 | |
Khayyal et al. | Creation and spatial analysis of 3D city modeling based on GIS data | |
CN109685893A (zh) | 空间一体化建模方法及装置 | |
CN114490907A (zh) | 名城管理数据库的构建方法、装置及存储介质 | |
Lerma et al. | Three‐Dimensional city model visualisation for real‐time guided museum tours | |
Gruen et al. | Perspectives in the reality-based generation, n D modelling, and operation of buildings and building stocks | |
Erving et al. | Data integration from different sources to create 3D virtual model | |
Tunc et al. | 3D city reconstruction by different technologies to manage and reorganize the current situation | |
Vo | Spatial data storage and processing strategies for urban laser scanning | |
Ramadhani | An Analysis of the Three-Dimensional Modelling Using LiDAR Data and Unmanned Aerial Vehicle (UAV)(Case Study: Institut Teknologi Sepuluh Nopember, Sukolilo Campus) | |
CN113870409B (zh) | 一种基于工业仿真场景的三维图形轻量化方法 | |
Zhang et al. | Research on Multi-Source Image Fusion Technology in the Digital Reconstruction of Classical Garden and Ancient Buildings | |
Kemeç et al. | Use of 3D Visualization in Natural Disaster Risk Assessment for Urban Areas | |
CN117689808A (zh) | 一种基于cim的城市数据一体化管理方法、系统、设备及介质 |
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 |