CN115311434A - 一种倾斜摄影和激光数据融合的树木三维重建方法及装置 - Google Patents
一种倾斜摄影和激光数据融合的树木三维重建方法及装置 Download PDFInfo
- Publication number
- CN115311434A CN115311434A CN202211232066.4A CN202211232066A CN115311434A CN 115311434 A CN115311434 A CN 115311434A CN 202211232066 A CN202211232066 A CN 202211232066A CN 115311434 A CN115311434 A CN 115311434A
- Authority
- CN
- China
- Prior art keywords
- tree
- model
- trunk
- dimensional
- oblique photography
- 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
Images
Classifications
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Architecture (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种倾斜摄影和激光数据融合的树木三维重建方法及装置，其中包括获取单株树木的树干模型，通过倾斜摄影技术对树干模型进行精细化三维重建，得到倾斜树干模型；获取单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；将倾斜树干模型与单株树木三角网格模型拼接融合形成树木三维模型；获取单株树木的真实纹理素材，将真实纹理素材贴附到树木三维模型上，得到高逼真树木三维模型。将倾斜摄影技术的三维建模与激光点云数据的树木建模相融合，既提高树木模型的几何精度维持树木模型的真实感，又能高效实现大场景的树木重建。解决了传统树木模型真实感不高，重建数据量大的问题。
Description
技术领域
本发明涉及三维重建技术领域，特别涉及一种倾斜摄影和激光数据融合的树木三维重建方法及装置。
背景技术
树木在城市场景中随处可见，城市的三维重建离不开对树木的建模，三维树木几何模型是数字城市与数字林业工程的重要组成部分。传统的建模思想包括：基于规则建模（模型驱动）、基于草图建模（数据驱动）和基于图像建模（数据驱动）。传统的数据驱动的树木建模大多基于图像进行，相对于模型驱动，其极大简化了参数调优，增强模型真实感以及提高了几何精度。但是，模型重建对图像清晰度、对比度等因素敏感且依赖图像识别与分割。使用图像建模的方法由于树叶和树枝的遮挡，树冠内部的枝干细节难以表达，有学者基于重建可见部分的树干模型后人工生成被遮挡的枝干，但是这个方法无法自动化生成树木整体模型。
现代建模思想则是在传统思想的基础进一步增加树木几何信息的输入，增强树木模型的真实感。激光雷达的出现与其相关技术的发展极大程度上解决了这个问题，基于激光点云的树木建模方法分为聚类思想建模、图论方法建模、先验假设建模、拉普拉斯算子建模和轻量化表达建模。虽然前沿的建模算法充分研究了点云质量、数据缺失、骨架拓扑连接和模型抽象表达等问题，但是还存在树冠内部枝干细节表达、算法轻量化表达和几何精度综合评价等问题。基于激光点云数据的树木几何重建大多使用广义圆柱体并融合了一定树木生长规则对树枝进行拟合，该方法简化了树木模型，提高了算法的鲁棒性和效率。但是这种方法丢失了树木模型的真实感，尤其是树干部分的重建，无法满足高精度、多层次的高逼真模型的表达需求。
发明内容
针对现有技术的不足，本发明提供一种倾斜摄影和激光数据融合的树木三维重建方法及装置，既提高树木模型的几何精度维持树木模型的真实感，又能高效实现大场景的树木重建。解决了传统树木模型真实感不高，重建数据量大的问题。
为了解决上述技术问题，本申请实施例第一方面提供了一种倾斜摄影和激光数据融合的树木三维重建方法，所述方法包括：
获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型；
获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；
将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型；
获取所述单株树木的真实纹理素材，将所述真实纹理素材贴附到所述树木三维模型上，得到高逼真树木三维模型。
所述倾斜摄影和激光数据融合的树木三维重建方法，其中，所述获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型，具体包括：
获取所述单株树木的影像视频，基于所述影像视频获得树干局部影像；
根据所述树干局部影像得到所述树干模型；
通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到基于泊松构网算法的精细几何模型；
对所述精细几何模型进行预处理，得到所述单株树木的所述倾斜树干模型，所述预处理包括对所述精细几何模型的非树木部分进行三角网格剔除和面片简化。
所述倾斜摄影和激光数据融合的树木三维重建方法，其中，所述获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型，具体包括：
对所述单株树木进行背包式或站点式激光扫描，获取所述单株树木的所述激光点云数据；
根据所述激光点云数据提取初始骨架；
通过最短路径贪心算法将所述初始骨架连接形成整体骨架；
对所述整体骨架进行简化和平滑，得到较平滑的骨架模型；
基于分割和识别的树木点云，通过广义圆柱体在所述骨架模型上自动拟合树木枝干，得到单株树木三角网格模型。
所述倾斜摄影和激光数据融合的树木三维重建方法，其中，所述根据所述激光点云数据提取初始骨架，具体包括：
基于构造最小生成树提取所述单株树木的所述初始骨架。
所述倾斜摄影和激光数据融合的树木三维重建方法，其中，所述根据所述激光点云数据提取初始骨架之后，还包括：
在欧几里得空间中对德劳内三角剖分后的边附加权重值。
所述倾斜摄影和激光数据融合的树木三维重建方法，其中，所述将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型，具体包括：
将所述倾斜树干模型与所述单株树木三角网格模型在树干处进行配准；
通过三角网连接方法将所述倾斜树干模型与所述单株树木三角网格模型进行融合拼接得到所述树木三维模型，其中在所述树干处融合形成拼接部，通过插值和平滑方法对所述拼接部做平滑过渡。
所述倾斜摄影和激光数据融合的树木三维重建方法，其中，所述将所述真实纹理素材贴附到所述树木三维模型上，具体包括：
在所述树木三维模型的枝干末端随机生成树叶三角网格模型，将所述真实纹理素材对应贴附到所述树叶三角网格模型和所述单株树木三角网格模型上。
本申请实施例第二方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的倾斜摄影和激光数据融合的树木三维重建方法中的步骤。
本申请实施例第三方面提供了一种倾斜摄影和激光数据融合的树木三维重建装置，其包括：
第一获取模块，用于获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型；
第二获取模块，用于获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；
拼接模块，用于将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型；
贴图模块，用于获取所述单株树木的真实纹理素材，将所述真实纹理素材贴附到所述树木三维模型上，得到高逼真树木三维模型。
本申请实施例第四方面提供了一种终端设备，其包括：处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器和存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如上任一所述的倾斜摄影和激光数据融合的树木三维重建方法中的步骤。
有益效果：与现有技术相比，本发明提供了一种倾斜摄影和激光数据融合的树木三维重建方法及装置，其中所述方法包括获取单株树木的树干模型，通过倾斜摄影技术对树干模型进行精细化三维重建，得到倾斜树干模型；获取单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；将倾斜树干模型与单株树木三角网格模型拼接融合形成树木三维模型；获取单株树木的真实纹理素材，将真实纹理素材贴附到树木三维模型上，得到高逼真树木三维模型。将倾斜摄影技术的三维建模与激光点云数据的树木建模相融合，既提高树木模型的几何精度维持树木模型的真实感，又能高效实现大场景的树木重建。解决了传统树木模型真实感不高，重建数据量大的问题。
附图说明
图1为本发明提供的倾斜摄影和激光数据融合的树木三维重建方法的流程图；
图2为图1中步骤S10的流程示意图；
图3为图1中步骤S20的流程示意图；
图4为图1中步骤S30的流程示意图；
图5为本发明提供的倾斜摄影和激光数据融合的树木三维重建方法的整体流程图；
图6为本发明提供的单株树木的建模效果图；
图7为本发明提供的最小生成树示意图；
图8为本发明提供的三次样条平滑树木骨架结构示意图；
图9为本发明提供的圆柱体拟合示意图；
图10为本发明提供的三角网拼接示意图；
图11为本发明提供的数据源的流量分发装置的结构示意图；
图12为本发明提供的终端设备的结构原理图。
具体实施方式
本发明提供一种倾斜摄影和激光数据融合的树木三维重建方法及装置，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
首先，需要知道的是基于倾斜摄影技术的三维建模方案可以提高树木模型的几何精度，维持树木模型的真实感，但是无法重建树冠内部的枝条模型。基于激光点云数据的树木建模大多为圆柱体的假设，采用广义圆柱体与一系列建模参数对树木枝干进行拟合。该方法可以高效实现大场景的树木重建，但是该算法无法对树干模型进行高逼真重建，也依赖于输入点云的质量。
因此，本文充分考虑两种方法的局限和优势，提出将激光点云与倾斜摄影相融合的倾斜摄影和激光数据融合的树木三维重建方法、存储介质以及终端设备。
下面结合附图，通过对实施例的描述，对发明内容作进一步说明。
本实施例提供的一种倾斜摄影和激光数据融合的树木三维重建方法，该倾斜摄影和激光数据融合的树木三维重建方法的执行主体可以为服务器端的三维重建装置，或者集成三维重建装置的服务器设备，其中，三维重建装置可以采用硬件或者软件的方式实现。可以理解的时，本实施例的执行主体可以是诸如智能手机、平板电脑或服务器主机等之类的设置有三维重建装置的智能终端。例如，服务器获取单株树木的树干模型，通过倾斜摄影技术对树干模型进行精细化三维重建，得到倾斜树干模型；获取单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；将倾斜树干模型与单株树木三角网格模型拼接融合形成树木三维模型；获取单株树木的真实纹理素材，将真实纹理素材贴附到树木三维模型上，得到高逼真树木三维模型。图6为本方案单株树木的建模效果图。
需要注意的是，上述应用场景仅是为了便于理解本发明而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。
进一步，为了对发明内容作进一步说明，下面结合附图，通过对实施例进行具体描述。
本实施例提供的倾斜摄影和激光数据融合的树木三维重建方法，所述方法具体包括（如图1所示）：
步骤S10、获取单株树木的树干模型，通过倾斜摄影技术对树干模型进行精细化三维重建，得到倾斜树干模型。
具体地，对目标树木（单株树木）进行树干部分影像采集得到树木树干模型，并使用倾斜摄影技术对树木树干模型进行精细化三维重建，得到倾斜树干模型。
步骤S20、获取单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型。
具体地，对目标树木（单株树木）进行背包式或站点式激光扫描，获取单株树木的激光点云数据，利用基于图论方法建模以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型。
步骤S30、将倾斜树干模型与单株树木三角网格模型拼接融合形成树木三维模型。
具体地，将倾斜树干模型向单株树木模型进行匹配，接着将倾斜树干模型与单株树木模型三角网自动重构完成拼接融合。
步骤S40、获取单株树木的真实纹理素材，将真实纹理素材贴附到树木三维模型上，得到高逼真树木三维模型。
进一步的，获取单株树木的树干模型，通过倾斜摄影技术对树干模型进行精细化三维重建，得到倾斜树干模型，具体包括（如图2所述）：
步骤S11、获取单株树木的影像视频，基于影像视频获得树干局部影像。
步骤S12、根据树干局部影像得到树干模型。
步骤S13、通过倾斜摄影技术对树干模型进行精细化三维重建，得到基于泊松构网算法的精细几何模型。
需要说明的是，使用倾斜摄影技术对树木可见部分的树干和树叶（树干模型）进行重建，之后基于可见树干的树干模型基于树木生长规则对树冠中被遮挡的枝条进行三维重建，得到完整的精细几何模型。在另外一些实施例中还可以是使用倾斜摄影技术对树木可见部分的树干和树叶（树干模型）进行重建，之后基于可见树干的树干模型通过人工编辑的方式对树冠中被遮挡的枝条进行三维重建，得到完整的精细几何模型。
步骤S14、对精细几何模型进行预处理，得到单株树木的倾斜树干模型，预处理包括对精细几何模型的非树木部分进行三角网格剔除和面片简化。
具体地，其中物方空间坐标系下的物体关键点位置计算，其共线方程如下：
将所有影像的外方位元素、GPS 和 IMU 作为参数，
表示 IMU 坐标到物方空间坐标系之间的旋转矩阵，
表示像空间坐标系到 IMU 坐标系之间的旋转矩阵，
表示 GPS 获取到的摄站坐标，
表示 GPS 摄站坐标漂移系统误差改正参数，t 表示 GPS 获取摄站坐标的时间。
进一步的，获取单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型，具体包括：
步骤S21、对单株树木进行背包式或站点式激光扫描，获取单株树木的激光点云数据。
步骤S22、根据激光点云数据提取初始骨架。
步骤S23、通过最短路径贪心算法将初始骨架连接形成整体骨架。
具体地，基于构造最小生成树（参考图7）提取树木的初始骨架，在欧几里得空间中对德劳内（Delaunay）三角剖分后的边附加权重值，基于树木水分养分运输途径是走所有节点的最短路径理论，采用迪杰斯特拉（Dijkstra）的最短路径贪心算法将所述初始骨架连接形成骨架。
步骤S24、对整体骨架进行简化和平滑，得到较平滑的骨架模型。
具体地，对骨架进行简化和平滑。根据顶点和边的权重值去除冗余顶点和短边，接着以顶点的接近程度合并相似的顶点和短边完成简化。另外由于树木骨架点在坐标系上的位置和切线方向是已知的，根据埃尔米特 Hermite 三次样条曲线算法可以对骨架进行平滑（参考图8），对树木骨架上的边进行插值得到较平滑的骨架模型。其三次多项式函数方程表示如下：
步骤S25、基于分割和识别的树木点云，通过广义圆柱体在骨架模型上自动拟合树木枝干，得到单株树木三角网格模型。
具体地，基于分割和识别的树木点云利用广义圆柱体在所述骨架模型上自动拟合树木枝干（参考图9），得到单株树木三角网格模型，该方法属于经典的非线性最小二乘问题，输入数据、代姐参数和目标函数具体定义如下：
点 p 为输入数据点的位置，待求解参数是圆柱体的轴方向向量 a ，轴上的端点位置
和圆柱体的半径 r。目标函数是从各点到枝干圆柱体的距离的平方和：
其中
表示点
到分支圆柱体表面的距离，使用 Levenberg-Marquardt 算法解决圆柱体拟合中非线性最小二乘问题。正态最小二乘法对数据噪声和异常值比较敏感。因此，为了进一步提高解的质量，重复非线性最小二乘法，并在第二次迭代中为每个点引入权重。靠近圆柱体的点权重较大，而远离圆柱体的点的权重较小。因此，根据点到圆柱体的距离指定权重。一个特定点的权重
定义如下：
其中
表示当前第 i 个点与初始圆柱体之间的距离，
是所有点到圆柱体的最大距离，所有点的权重归一化在[0，1]的范围。目标函数变成如下形式：
在树冠或者低等级的树枝附近，噪声会变得更大，因此无法准确的拟合圆柱体。为了合理的估计这些树枝或者小枝，本文使用异速规则对剩余枝条半径赋值，假设分支边的半径与其权重成正比，权重定义为其两个端点顶点的子树长度的平均值。使用以下公式计算其余分支边的半径：
进一步的，根据激光点云数据提取初始骨架，具体包括：
基于构造最小生成树提取单株树木的初始骨架。
进一步的，根据激光点云数据提取初始骨架之后，还包括：
在欧几里得空间中对德劳内（Delaunay）三角剖分后的边附加权重值。
进一步的，将倾斜树干模型与单株树木三角网格模型拼接融合形成树木三维模型，具体包括（如图4所述）：
步骤S31、将倾斜树干模型与单株树木三角网格模型在树干处进行配准。
步骤S32、通过三角网连接方法将倾斜树干模型与单株树木三角网格模型进行融合拼接得到树木三维模型，其中在树干处融合形成拼接部，通过插值和平滑方法对拼接部做平滑过渡。
具体地，通过将倾斜树干模型与激光点云生成的单株树木模型在树干处配准后，采用三角网连接方法进行融合拼接，同时利用插值和平滑方法对拼接处做平滑过渡，得到带逼真树干几何的树木三维模型（参考图10）。
进一步的，将真实纹理素材贴附到树木三维模型上，具体包括：
在树木三维模型的枝干末端随机生成树叶三角网格模型，将真实纹理素材对应贴附到树叶三角网格模型和单株树木三角网格模型上。
综上，本实施例提供了一种倾斜摄影和激光数据融合的树木三维重建方法及装置，其中所述方法包括获取单株树木的树干模型，通过倾斜摄影技术对树干模型进行精细化三维重建，得到倾斜树干模型；获取单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；将倾斜树干模型与单株树木三角网格模型拼接融合形成树木三维模型；获取单株树木的真实纹理素材，将真实纹理素材贴附到树木三维模型上，得到高逼真树木三维模型。将倾斜摄影技术的三维建模与激光点云数据的树木建模相融合，既提高树木模型的几何精度维持树木模型的真实感，又能高效实现大场景的树木重建。解决了传统树木模型真实感不高，重建数据量大的问题。
为了更好地实施以上方法，本申请实施例还提供一种倾斜摄影和激光数据融合的树木三维重建装置100，该装置具体可以集成在电子设备中，该电子设备可以为终端、服务器、个人电脑等设备。比如，在本实施例中，该装置可以包括：第一获取模块101、第二获取模块102、拼接模块103和贴图模块104，具体如下（如图11）：
第一获取模块101，用于获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型；
第二获取模块102，用于获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；
拼接模块103，用于将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型；
贴图模块104，用于获取所述单株树木的真实纹理素材，将所述真实纹理素材贴附到所述树木三维模型上，得到高逼真树木三维模型。在一些实施例中，一种倾斜摄影和激光数据融合的树木三维重建装置100包括第一获取模块101、第二获取模块102、拼接模块103和贴图模块104，第一获取模块101获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型；第二获取模块102获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；拼接模块103将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型；贴图模块104获取所述单株树木的真实纹理素材，将所述真实纹理素材贴附到所述树木三维模型上，得到高逼真树木三维模型。
具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于计算机可读存储介质中，并由处理器进行加载和执行。
基于上述倾斜摄影和激光数据融合的树木三维重建方法，本实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如上述实施例的倾斜摄影和激光数据融合的树木三维重建方法中的步骤。例如，执行以上描述的图1中的方法步骤S10至S40、图2中的方法步骤S11至S14、图3中的方法步骤S21至S25、图4中的方法步骤S31至S32。具体步骤如下：
获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型；
获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；
将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型；
获取所述单株树木的真实纹理素材，将所述真实纹理素材贴附到所述树木三维模型上，得到高逼真树木三维模型。
在一些实施例中，所述获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型，具体包括：
获取所述单株树木的影像视频，基于所述影像视频获得树干局部影像；
根据所述树干局部影像得到所述树干模型；
通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到基于泊松构网算法的精细几何模型；
对所述精细几何模型进行预处理，得到所述单株树木的所述倾斜树干模型，所述预处理包括对所述精细几何模型的非树木部分进行三角网格剔除和面片简化。
在一些实施例中，所述获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型，具体包括：
对所述单株树木进行背包式或站点式激光扫描，获取所述单株树木的所述激光点云数据；
根据所述激光点云数据提取初始骨架；
通过最短路径贪心算法将所述初始骨架连接形成整体骨架；
对所述整体骨架进行简化和平滑，得到较平滑的骨架模型；
基于分割和识别的树木点云，通过广义圆柱体在所述骨架模型上自动拟合树木枝干，得到单株树木三角网格模型。
在一些实施例中，所述根据所述激光点云数据提取初始骨架，具体包括：
基于构造最小生成树提取所述单株树木的所述初始骨架。
在一些实施例中，所述根据所述激光点云数据提取初始骨架之后，还包括：
在欧几里得空间中对德劳内（ Delaunay ）三角剖分后的边附加权重值。
所述倾斜摄影和激光数据融合的树木三维重建方法，其中，所述将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型，具体包括：
将所述倾斜树干模型与所述单株树木三角网格模型在树干处进行配准；
通过三角网连接方法将所述倾斜树干模型与所述单株树木三角网格模型进行融合拼接得到所述树木三维模型，其中在所述树干处融合形成拼接部，通过插值和平滑方法对所述拼接部做平滑过渡。
在一些实施例中，所述将所述真实纹理素材贴附到所述树木三维模型上，具体包括：
在所述树木三维模型的枝干末端随机生成树叶三角网格模型，将所述真实纹理素材对应贴附到所述树叶三角网格模型和所述单株树木三角网格模型上。
基于上述倾斜摄影和激光数据融合的树木三维重建方法，本发明还提供了一种终端设备，如图12所示，其包括至少一个处理器（processor）20；显示屏21；以及存储器（memory）22，还可以包括通信接口（Communications Interface）23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。
此外，上述的存储器22中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
此外，上述存储介质以及移动终端中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
综上所述，与现有技术相比，本发明具有以下有益效果：一种倾斜摄影和激光数据融合的树木三维重建方法及装置，其中所述方法包括获取单株树木的树干模型，通过倾斜摄影技术对树干模型进行精细化三维重建，得到倾斜树干模型；获取单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；将倾斜树干模型与单株树木三角网格模型拼接融合形成树木三维模型；获取单株树木的真实纹理素材，将真实纹理素材贴附到树木三维模型上，得到高逼真树木三维模型。将倾斜摄影技术的三维建模与激光点云数据的树木建模相融合，既提高树木模型的几何精度维持树木模型的真实感，又能兼顾了模型轻量化高效实现大场景的树木重建。解决了传统树木模型真实感不高，重建数据量大的问题。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种倾斜摄影和激光数据融合的树木三维重建方法，其特征在于，所述方法包括：
获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型；
获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；
将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型；
获取所述单株树木的真实纹理素材，将所述真实纹理素材贴附到所述树木三维模型上，得到高逼真树木三维模型。
2.根据权利要求1所述的倾斜摄影和激光数据融合的树木三维重建方法，其特征在于，所述获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型，具体包括：
获取所述单株树木的影像视频，基于所述影像视频获得树干局部影像；
根据所述树干局部影像得到所述树干模型；
通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到基于泊松构网算法的精细几何模型；
对所述精细几何模型进行预处理，得到所述单株树木的所述倾斜树干模型，所述预处理包括对所述精细几何模型的非树木部分进行三角网格剔除和面片简化。
3.根据权利要求1所述的倾斜摄影和激光数据融合的树木三维重建方法，其特征在于，所述获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型，具体包括：
对所述单株树木进行背包式或站点式激光扫描，获取所述单株树木的所述激光点云数据；
根据所述激光点云数据提取初始骨架；
通过最短路径贪心算法将所述初始骨架连接形成整体骨架；
对所述整体骨架进行简化和平滑，得到较平滑的骨架模型；
基于分割和识别的树木点云，通过广义圆柱体在所述骨架模型上自动拟合树木枝干，得到单株树木三角网格模型。
4.根据权利要求3所述的倾斜摄影和激光数据融合的树木三维重建方法，其特征在于，所述根据所述激光点云数据提取初始骨架，具体包括：
基于构造最小生成树提取所述单株树木的所述初始骨架。
5.根据权利要求3所述的倾斜摄影和激光数据融合的树木三维重建方法，其特征在于，所述根据所述激光点云数据提取初始骨架之后，还包括：
在欧几里得空间中对德劳内三角剖分后的边附加权重值。
6.根据权利要求1所述的倾斜摄影和激光数据融合的树木三维重建方法，其特征在于，所述将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型，具体包括：
将所述倾斜树干模型与所述单株树木三角网格模型在树干处进行配准；
通过三角网连接方法将所述倾斜树干模型与所述单株树木三角网格模型进行融合拼接得到所述树木三维模型，其中在所述树干处融合形成拼接部，通过插值和平滑方法对所述拼接部做平滑过渡。
7.根据权利要求1所述倾斜摄影和激光数据融合的树木三维重建方法，其特征在于，所述将所述真实纹理素材贴附到所述树木三维模型上，具体包括：
在所述树木三维模型的枝干末端随机生成树叶三角网格模型，将所述真实纹理素材对应贴附到所述树叶三角网格模型和所述单株树木三角网格模型上。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1～7任意一项所述的一种倾斜摄影和激光数据融合的树木三维重建方法中的步骤。
9.一种倾斜摄影和激光数据融合的树木三维重建装置，其特征在于，包括：
第一获取模块，用于获取单株树木的树干模型，通过倾斜摄影技术对所述树干模型进行精细化三维重建，得到倾斜树干模型；
第二获取模块，用于获取所述单株树木的激光点云数据，基于图论方法建模，并且以广义圆柱体模型拟合树枝的方式重建单株树木三角网格模型；
拼接模块，用于将所述倾斜树干模型与所述单株树木三角网格模型拼接融合形成树木三维模型；
贴图模块，用于获取所述单株树木的真实纹理素材，将所述真实纹理素材贴附到所述树木三维模型上，得到高逼真树木三维模型。
10.一种终端设备，其特征在于，包括：处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器和存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如权利要求1-7任意一项所述的倾斜摄影和激光数据融合的树木三维重建方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211232066.4A CN115311434B (zh) | 2022-10-10 | 2022-10-10 | 一种倾斜摄影和激光数据融合的树木三维重建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211232066.4A CN115311434B (zh) | 2022-10-10 | 2022-10-10 | 一种倾斜摄影和激光数据融合的树木三维重建方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115311434A true CN115311434A (zh) | 2022-11-08 |
| CN115311434B CN115311434B (zh) | 2023-02-03 |
Family
ID=83868385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211232066.4A Active CN115311434B (zh) | 2022-10-10 | 2022-10-10 | 一种倾斜摄影和激光数据融合的树木三维重建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115311434B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115861549A (zh) * | 2023-02-27 | 2023-03-28 | 航天宏图信息技术股份有限公司 | 一种自动替换实景三维数据中树木模型的方法和装置 |
| CN115937454A (zh) * | 2023-01-09 | 2023-04-07 | 航天宏图信息技术股份有限公司 | 一种在大规模城市场景中自动摆放树木模型的方法和装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949282A (zh) * | 2019-03-12 | 2019-06-28 | 中国电建集团中南勘测设计研究院有限公司 | 一种基于倾斜摄影测量三维模型的工程量计算方法 |
| CN109961511A (zh) * | 2019-03-12 | 2019-07-02 | 中国电建集团中南勘测设计研究院有限公司 | 一种基于倾斜摄影测量三维模型的地形成图方法 |
| CN110136246A (zh) * | 2019-05-15 | 2019-08-16 | 南京林业大学 | 基于类主干点的三维树木几何模型重建方法 |
| CN111161428A (zh) * | 2019-12-13 | 2020-05-15 | 深圳大学 | 三维地图矢量瓦片数据的生成方法、存储介质及终端 |
| CN112634340A (zh) * | 2020-12-24 | 2021-04-09 | 深圳大学 | 基于点云数据确定bim模型的方法、装置、设备和介质 |
| CN112927360A (zh) * | 2021-03-24 | 2021-06-08 | 广州蓝图地理信息技术有限公司 | 一种基于倾斜模型与激光点云数据融合的三维建模方法和系统 |
| CN114219912A (zh) * | 2021-11-22 | 2022-03-22 | 北京林业大学 | 一种从地基激光雷达点云中自动重建树木结构的方法 |
| CN114637026A (zh) * | 2022-03-18 | 2022-06-17 | 福建和盛高科技产业有限公司 | 一种基于三维仿真技术实现输电线路在线监测与智能巡检的方法 |
| CN114972672A (zh) * | 2022-07-29 | 2022-08-30 | 安徽继远软件有限公司 | 输电线路实景三维模型构建方法、装置、设备和存储介质 |
| CN115035254A (zh) * | 2022-06-30 | 2022-09-09 | 电子科技大学 | 一种基于重建点云的区域植被三维绿量估算方法 |
-
2022
- 2022-10-10 CN CN202211232066.4A patent/CN115311434B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949282A (zh) * | 2019-03-12 | 2019-06-28 | 中国电建集团中南勘测设计研究院有限公司 | 一种基于倾斜摄影测量三维模型的工程量计算方法 |
| CN109961511A (zh) * | 2019-03-12 | 2019-07-02 | 中国电建集团中南勘测设计研究院有限公司 | 一种基于倾斜摄影测量三维模型的地形成图方法 |
| CN110136246A (zh) * | 2019-05-15 | 2019-08-16 | 南京林业大学 | 基于类主干点的三维树木几何模型重建方法 |
| CN111161428A (zh) * | 2019-12-13 | 2020-05-15 | 深圳大学 | 三维地图矢量瓦片数据的生成方法、存储介质及终端 |
| CN112634340A (zh) * | 2020-12-24 | 2021-04-09 | 深圳大学 | 基于点云数据确定bim模型的方法、装置、设备和介质 |
| CN112927360A (zh) * | 2021-03-24 | 2021-06-08 | 广州蓝图地理信息技术有限公司 | 一种基于倾斜模型与激光点云数据融合的三维建模方法和系统 |
| CN114219912A (zh) * | 2021-11-22 | 2022-03-22 | 北京林业大学 | 一种从地基激光雷达点云中自动重建树木结构的方法 |
| CN114637026A (zh) * | 2022-03-18 | 2022-06-17 | 福建和盛高科技产业有限公司 | 一种基于三维仿真技术实现输电线路在线监测与智能巡检的方法 |
| CN115035254A (zh) * | 2022-06-30 | 2022-09-09 | 电子科技大学 | 一种基于重建点云的区域植被三维绿量估算方法 |
| CN114972672A (zh) * | 2022-07-29 | 2022-08-30 | 安徽继远软件有限公司 | 输电线路实景三维模型构建方法、装置、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 晏娅萍等: "《基于多源点云数据融合的单木树形重建》", 《桂林理工大学学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115937454A (zh) * | 2023-01-09 | 2023-04-07 | 航天宏图信息技术股份有限公司 | 一种在大规模城市场景中自动摆放树木模型的方法和装置 |
| CN115861549A (zh) * | 2023-02-27 | 2023-03-28 | 航天宏图信息技术股份有限公司 | 一种自动替换实景三维数据中树木模型的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115311434B (zh) | 2023-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115311434B (zh) | 一种倾斜摄影和激光数据融合的树木三维重建方法及装置 | |
| CN109697688B (zh) | 一种用于图像处理的方法和装置 | |
| CN115100339B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
| CN109242862B (zh) | 一种实时的数字表面模型生成方法 | |
| CN113643434B (zh) | 基于空地协同的三维建模方法、智能终端以及存储装置 | |
| CN110084894B (zh) | 三维模型的局部放大展示方法、装置与电子设备 | |
| CN110930503A (zh) | 一种服装三维模型建立方法、系统、存储介质及电子设备 | |
| CN116416366A (zh) | 3d模型构建方法、装置和电子设备 | |
| CN115329111B (zh) | 一种基于点云与影像匹配的影像特征库构建方法及系统 | |
| CN113593033A (zh) | 一种基于网格细分结构的三维模型特征提取方法 | |
| CN111127649B (zh) | 构建三维体块模型的方法及装置、服务器 | |
| CN115222889A (zh) | 基于多视图图像的3d重建方法、装置及相关设备 | |
| CN109064533A (zh) | 一种3d漫游方法及系统 | |
| CN115311418B (zh) | 一种多细节层次树木模型单体化重建方法及装置 | |
| CN113989434A (zh) | 一种人体三维重建方法及设备 | |
| CN111402415B (zh) | 对象物体立面图生成方法、装置及存储介质和终端设备 | |
| CN112200906A (zh) | 一种面向倾斜三维模型的实体提取方法及其系统 | |
| Nguyen et al. | High-definition texture reconstruction for 3D image-based modeling | |
| CN116310753A (zh) | 一种室外场景点云数据的矢量化骨架提取方法及系统 | |
| CN115631317A (zh) | 隧道衬砌正射影像生成方法及装置、存储介质、终端 | |
| CN115601486A (zh) | 虚拟河流生成方法及装置 | |
| CN115564924A (zh) | 一种大城市场景下规则物体点云优化系统及方法 | |
| Zhang et al. | Automatic superpixel generation algorithm based on a quadric error metric in 3D space | |
| CN114529648A (zh) | 模型展示方法、设备、装置、电子设备及存储介质 | |
| CN115115800A (zh) | 一种bim模型简化方法及装置 |
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 |