CN115841538A - 一种多变量控制的dem地形特征线视觉消隐方法 - Google Patents

一种多变量控制的dem地形特征线视觉消隐方法 Download PDF

Info

Publication number
CN115841538A
CN115841538A CN202310132907.2A CN202310132907A CN115841538A CN 115841538 A CN115841538 A CN 115841538A CN 202310132907 A CN202310132907 A CN 202310132907A CN 115841538 A CN115841538 A CN 115841538A
Authority
CN
China
Prior art keywords
visual
line
dem
depth
blanking
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
Application number
CN202310132907.2A
Other languages
English (en)
Other versions
CN115841538B (zh
Inventor
朱红春
宋词
扈常钰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN202310132907.2A priority Critical patent/CN115841538B/zh
Publication of CN115841538A publication Critical patent/CN115841538A/zh
Application granted granted Critical
Publication of CN115841538B publication Critical patent/CN115841538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种多变量控制的DEM地形特征线视觉消隐方法，属于摄影测量技术领域，用于DEM地形特征线的视觉消隐，包括获取DEM地形特征线，设置视觉变量，对DEM地形特征线进行透视投影转换；计算视觉景深和密度系数，归一化得到景深相关参数和邻域相关参数，计算权重和变异参数；根据景深相关参数和邻域相关参数，对每个特征线长度要素所包含的两个要素得分中，分数相对低的进行消隐，并对结果进行可视化。本发明可视化结果相较与传统的遮挡消隐结果图，在考虑多视觉变量的条件下，更符合人的视觉观感；在保留山体结构性要素的前提下，使山体更有层次感，更为整洁。

Description

一种多变量控制的DEM地形特征线视觉消隐方法
技术领域
本发明公开一种多变量控制的DEM地形特征线视觉消隐方法，属于摄影测量技术领域。
背景技术
根据消隐空间的不同，消隐算法可分为物体空间算法和图像空间算法以及两个空间结合的算法。物体空间的算法是分析模型间的几何关系来判断隐藏关系，通常在观察坐标系下进行，常见的有BSP算法、多边形区域排序算法等；图形空间通过判断二维显示平面距物体的距离来判断哪些表面遮挡了其它表面，常见的有z-buffer算法、扫描线法、光线投射法等。目前关于消隐的研究主要集中于三维模型中因线或面等三维要素遮挡而导致的消隐，而消隐还受到视觉变量、视觉综合等因素的影响，故在DEM地形特征线的视觉认知过程中，可以考虑可视条件和变量的影响。
发明内容
本发明的目的在于提供一种多变量控制的DEM地形特征线视觉消隐方法，以解决现有技术中，DEM地形特征线视觉消隐效果差的问题。
一种多变量控制的DEM地形特征线视觉消隐方法，包括：
S1.获取DEM地形特征线；
S2.设置视觉变量，对DEM地形特征线进行透视投影转换；
S3.透视投影转换再进行视口变换；
S4.计算视觉景深和密度系数；
S5.归一化得到景深相关参数和邻域相关参数；
S6.计算权重和变异参数；
S7.计算各要素得分；
S8.由S2中，DEM地形特征线进行透视投影转换后得到特征线长度要素；
S9.对特征线长度要素进行要素消隐，并对结果进行可视化。
透视投影转换的具体过程为：局部坐标系是相对于三维物体原点的坐标系，经过模型矩阵变换后形成世界坐标系，接着经过视图矩阵变换后形成观察坐标系，再经过透视投影和视锥体剔除后形成剪裁坐标系；
视口变换包括：判断哪些物体的坐标点会出现在屏幕上，通过视口变换将剪裁坐标内的坐标点变换到屏幕上，即转换为屏幕坐标系，完成显示。
所述视觉变量包括观察点位置、目标点位置、观察方向、视域角度、俯仰角度和视觉景深。
观察点坐标与线要素中点之间的距离为：
Figure SMS_1
；式中，
Figure SMS_2
表示第i个线要素的视觉景深，
Figure SMS_3
、
Figure SMS_4
、
Figure SMS_5
表示观察点的位置，n表示第i个线要素中含有的坐标点个数。
计算密度系数包括：将屏幕坐标系划分成若干个等尺寸的格网，之后遍历所有的地形特征线中点，依次判断中点坐落在哪个格网范围内，每个格网存储位于自身范围内的中点坐标值，若中点位于格网的分界线上，则分界线附近的格网点都记录该中点坐标值；
此时所有的中点都至少位于一个格网内，在计算一个中点的密度时，调取它所在格网以及周围八邻域的格网数据，最大以每个格网的长度为半径阈值，判断八个邻域格网内与自身格网内的中点的距离是否小于阈值，以此计算单个中点密度系数。
景深相关参数计算式为：
Figure SMS_6
，式中，
Figure SMS_7
表示第i个视觉特征线的景深相关参数；
邻域相关参数计算式为：
Figure SMS_8
，式中，
Figure SMS_9
表示第i个视觉特征线的邻域相关参数，
Figure SMS_10
为第i个视觉特征线的邻域要素个数。
计算权重和变异参数包括：
Figure SMS_11
，
Figure SMS_12
，式中
Figure SMS_13
是第i项参数的变异系数，
Figure SMS_14
是第i项参数的标准差，
Figure SMS_15
是第i项的平均值，
Figure SMS_16
是各项指标的权重，n是参与归一化的参数的个数。
计算各要素得分
Figure SMS_17
：
Figure SMS_18
。
每个特征线长度要素对应景深要素得分和邻域要素得分，对每个特征线长度要素所包含的两个要素得分中，
Figure SMS_19
分数相对低的进行消隐。
相对比现有技术，本发明具有以下有益效果：可视化结果相较与传统的遮挡消隐结果图，在考虑多视觉变量的条件下，更符合人的视觉观感；在保留山体结构性要素的前提下，使山体更有层次感，更为整洁。
附图说明
图1是本发明的技术流程图；
图2为基于条件一的地形空间关系的消隐结果图；
图3为基于条件二的地形空间关系的消隐结果图；
图4为基于条件三的地形空间关系的消隐结果图；
图5为基于条件四的地形空间关系的消隐结果图；
图6为基于条件一且按照设定的视觉变量得到的消隐结果图；
图7为基于条件二且按照设定的视觉变量得到的消隐结果图；
图8为基于条件三且按照设定的视觉变量得到的消隐结果图；
图9为基于条件四且按照设定的视觉变量得到的消隐结果图；
图10是投影坐标转换流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种多变量控制的DEM地形特征线视觉消隐方法，包括：
S1.获取DEM地形特征线；
S2.设置视觉变量，对DEM地形特征线进行透视投影转换；
S3.透视投影转换再进行视口变换；
S4.计算视觉景深和密度系数；
S5.归一化得到景深相关参数和邻域相关参数；
S6.计算权重和变异参数；
S7.计算各要素得分；
S8.由S2中，DEM地形特征线进行透视投影转换后得到特征线长度要素；
S9.对特征线长度要素进行要素消隐，并对结果进行可视化。
透视投影转换的具体过程为：局部坐标系是相对于三维物体原点的坐标系，经过模型矩阵变换后形成世界坐标系，接着经过视图矩阵变换后形成观察坐标系，再经过透视投影和视锥体剔除后形成剪裁坐标系；
视口变换包括：判断哪些物体的坐标点会出现在屏幕上，通过视口变换将剪裁坐标内的坐标点变换到屏幕上，即转换为屏幕坐标系，完成显示。
所述视觉变量包括观察点位置、目标点位置、观察方向、视域角度、俯仰角度和视觉景深。
观察点坐标与线要素中点之间的距离为：
Figure SMS_20
；式中，
Figure SMS_21
表示第i个线要素的视觉景深，
Figure SMS_22
、
Figure SMS_23
、
Figure SMS_24
表示观察点的位置，n表示第i个线要素中含有的坐标点个数,
Figure SMS_25
表示第i个线要素的视觉景深位置。
计算密度系数包括：将屏幕坐标系划分成若干个等尺寸的格网，之后遍历所有的地形特征线中点，依次判断中点坐落在哪个格网范围内，每个格网存储位于自身范围内的中点坐标值，若中点位于格网的分界线上，则分界线附近的格网点都记录该中点坐标值；
此时所有的中点都至少位于一个格网内，在计算一个中点的密度时，调取它所在格网以及周围八邻域的格网数据，最大以每个格网的长度为半径阈值，判断八个邻域格网内与自身格网内的中点的距离是否小于阈值，以此计算单个中点密度系数。
景深相关参数计算式为：
Figure SMS_26
，式中，
Figure SMS_27
表示第i个视觉特征线的景深相关参数，
Figure SMS_28
表示视觉景深最小值；
邻域相关参数计算式为：
Figure SMS_29
，式中，
Figure SMS_30
表示第i个视觉特征线的邻域相关参数，
Figure SMS_31
为第i个视觉特征线的邻域要素个数，
Figure SMS_32
表示邻域要素的最小值。
计算权重和变异参数包括：
Figure SMS_33
，
Figure SMS_34
，式中
Figure SMS_35
是第i项参数的变异系数，
Figure SMS_36
是第i项参数的标准差，
Figure SMS_37
是第i项的平均值，
Figure SMS_38
是各项指标的权重，n是参与归一化的参数的个数。
计算各要素得分
Figure SMS_39
：
Figure SMS_40
。
每个特征线长度要素对应景深要素得分和邻域要素得分，对每个特征线长度要素所包含的两个要素得分中，
Figure SMS_41
分数相对低的进行消隐。
下面介绍本发明实施例中的具体步骤。
一、DEM地形特征线的组成要素
本发明对真实场景中的视觉要素进行了感性的认知，以得到地形特征线构成要素，将DEM地形特征线组成要素分为可视边界线和地形特征结构线两类，两类组成要素如表1所示。
表1 DEM地形特征线构成要素
Figure SMS_42
可视边界线是分割地形区域与非地形区域的边界线，一般是地形与天空等背景的交线，是在一定的视觉条件下反映地形起伏的最外界线。此线的存在与否取决于当前的观察条件，若观察俯角较大，不存在背景时则不会产生可视边界线。场景的观察方向接近水平，场景内山体数目较少，山体于天空的分界线明显，山体直接层次之间分界不明显。轮廓线的生成主要取决于视线方向与视觉遮挡，而轮廓线的本质上是因山体局部高程极大值形成的。观察方向近似俯视，山体由近到远存在一定的层次，山体的起伏表面产生了多条轮廓线。骨架线是地形的固有特征，给定具体的DEM其谷脊特征已经确定，在三维状态下观察时不会随着视点和参数的改变而发生改变，仍然为原始要素，不会产生新要素，不需要重复提取，属于静态特征。而可视边界线和轮廓线会随着视点参数的改变而发生改变，任意不同观察点都会形成新的要素，需要以新的观察点为基础重新提取，属于动态特征。
骨架线是地形固有的特征，它不随观测的位置和方向而发生改变，而轮廓线与可视边界线会随着观测位置与方向改变而改变。在三维处理中，骨架线不会因视场变化而产生新的要素，仅需要进行视觉遮挡上的消隐处理。
二、地形三维视觉表达及控制变量
就如观察山地地形一样，人在对DEM地形特征线的认知过程中也会收到众多视觉变量的影响，主要分为观察点位置、目标点位置、观察方向、视域角度、俯仰角度、视觉景深以及视觉分辨率等。视域角度分为水平视域角度和垂直视域角度，水平视域是指从观察点为中心，左右两侧最大视线范围所构成的角度，垂直视域及指上下两侧最大视线范围所构成的角度；在对场景进行观察时，场景景象会映射到由上述两类视域角度所构成的视锥体中，而视域角度的大小也能影响观察到的要素数量：视域角度越大，视锥体的面积越大，观察到的要素就会变多，反之则减少。但在正常情况下，人眼的视域范围是有限的，而人眼的较为真实的视域角度水平和垂直均约为30度，故在建立模型时会尽力遵循人眼成像的视觉特性。俯仰角度指的是观察方向与水平面间的夹角，向上为正，朝下为负，并且控制着视锥体的方向；视觉景深是指视锥体内物体到观察点的距离。人眼成像方式符合透视投影，即远处物体成像小，近处物体成像大，而当物体小到一定程度时，人眼将无法分辨该物体，这个临界值即为人眼的分辨率。
空间关系指地理实体之间存在的一些具有空间特性的关系, 如方向关系、距离关系、拓扑关系等。地理实体之间的方位、距离都是固定的，但在三维空间观察时，最终的结果主要受视线方向影响。在地图综合时，地形的绘制顺序也需遵循视线方向上地形单元的相对位置和距离关系。
除了隐藏不可见的线和面外，DEM视觉特征线的消隐还可以添加视觉综合的概念，即DEM内的要素在其他因素的作用下无法做到全部可见的情况，因此在消隐过程中需要对此部分进行有方法性地消隐。
DEM视觉特征线的消隐主要受到其特征线长度、视觉景深和要素密度的影响，且DEM视觉特征线以线要素的形式表现，而长度为线要素的重要属性，长度越长在屏幕上应越明显，但研究为符合人眼视觉特征，而采用透视投影，导致具有较大视觉景深的线要素会有较大程度的缩短。
本发明将所有的要素都转化到屏幕坐标系下，而屏幕坐标系的坐标范围在-1.0和1.0之间，为避免要素长度小于0，需要将其转化到归一化设备坐标系(NDC坐标系)下，线要素在景深500m以内，屏幕坐标系内的长度变化明显，且当景深超过一定范围时，部分长度短的线要素难以被观察，理应被消隐；此外，现实生活中，对于远处的物体，人眼不好观察其细节，而对于DEM地形特征线而言，景深较大的区域，其特征线也较难被观察，即DEM特征线密度较大的区域，应要被消隐部分特征线。
由于使用特征线长度、视觉景深和密度进行消隐计算时，各变量在单位、取值范围 上均有较大差异，难以作为消隐参数进行使用，所以本发明对这后两个个参数进行归一化 处理，分析其消隐重要性得分大小，即计算其权重，而特征线长度由于经过透视矩阵变换处 理，已达到视觉综合的目的，且在验证过程中，计算其权重占比仅有
Figure SMS_43
量级，故在后续 的研究处理时，不会计算长度的权重与变异系数。
三、DEM地形特征线视觉消隐的机制与方法
在DEM模型进行地形特征线的提取与遮挡消隐后，其数据类型被转化成记录点坐标的线要素，数据格式如下表所示：
表2 坐标点数据格式
Figure SMS_44
上表所示，一行即为一条特征线，每条特征线具有随机个坐标点，每个坐标点按照三维坐标，即x，y，z的方式存储，而整个数据则按照二维链表的方式进行处理。
依据研究的内容与目标，本发明通过上述技术与数据，建立实验流程并进行消隐实验，具体技术流程如图1所示，其中投影坐标转换如图10所示。
在使用DEM地形特征线时，其要素的坐标取决于其DEM所规定的坐标系，而为适应屏幕坐标系，需要对地形特征线中所有的坐标点都进行投影坐标转换，即将三维坐标的数值范围转换为-1.0与1.0之间，此外透视投影的特殊投影方式，需要将部分坐标点进行剔除。透视投影会将近平面(near plane)与远平面(far plane)之间的物体投影到近平面中，而近平面与图中摄像机之间的坐标点，与近平面到远平面构成的六面体之外的坐标点则需要剔除。
在DEM模型中，单位区域内的三维要素密度大致相同，但经透视投影映射到屏幕坐标后，屏幕上方的要素密度会变密，将每一个地形特征线的中点，在设定好的视觉变量下，映射到屏幕坐标系下可得到中点的二维分布情况。所有的中点经透视投影，其二维坐标被转换到-1.0到1.0的范围内，即所有的数据被转换为浮点型，这会极大增加计算机乘、除法的计算负担，而传统求取每个点和其他点之间的距离，并与阈值比较来求取密度的方法，其计算公式带有多次乘法，且在针对某些地形复杂、大尺度的DEM数据时，其点数据量级可能会严重影响程序运行的效率。为避免上述情况发生，本发明针对屏幕坐标系设计了特定的计算密度的方法，即计算密度系数的过程。
计算出视觉景深值与密度值后，在计算DEM视觉特征线的重要性得分时，这两个变量在单位和取值范围等方面上差别较大，难以直接作为消隐参数使用，所以首先对这两个参数进行归一化处理，使其具有相同的取值范围并且消除量纲的影响。计算重要性得分时，算上已经过投影变换后的特征线长度要素、上述公式计算的景深相关参数和邻域相关参数，共计三个参数，但由于长度要素在三个要素中所占权重较低，故本发明仅对景深相关参数和邻域相关参数进行重要性得分计算。
权重指参数相对于总体的重要程度。为减少主观因素对研究结果造成影响，本发明采用变异系数法对参数进行权重计算。对每个DEM地形特征线计算视觉景深参数和邻域相关参数，通过变异系数法计算得分，最后通过得分进行要素筛选，得到最终的消隐结果。
本发明在代码处理前，首先规定视觉特征线的具体视觉变量参数，具体如表3所示，在此视觉变量参数的基础上，对DEM视觉特征线视觉综合的权重确定以及消隐处理。
表3视觉变量设置
Figure SMS_45
首先进行地形空间关系的消隐，结果如图2、图3、图4、图5所示。在设定好视觉变量后参数后，程序即能对地形特征线进行评分，再对特征线进行排序，评分低的特征线即被消隐。图6、图7、图8、图9分别为按照表3设定的视觉变量得到的消隐结果图。
被消隐的视觉特征线多集中于DEM视觉特征线密集的部分，且集中于图片的左右两侧，主要是由于透视投影的特点，虽然两侧于中间的视觉特征线在图片上距下边框有相同的距离，但两侧实际有更大的视觉景深，所以两侧要素更容易成为被消隐的对象。四组实验中消隐后DEM起伏纹理数量上分别降低了30.8%、27.5%、25.3%和28.9%，场景保留了重要的结构性要素，使场景变得更整洁，取得了较为理想的消隐结果。
相较于传统的遮挡消隐(消隐结果类似于图3、图4、图5、图6)，本发明从视觉变量出发，设定观察点位置、目标点位置、观察方向、视域角度、俯仰角度、视觉景深、视觉分辨率等视觉变量；将长度、景深以及邻域作为视觉综合的相关参数；以这些参数为基础计算单个DEM地形特征线要素重要性得分；最后根据视觉变量进行消隐，生成消隐结果图。
以上实施例仅用于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，或者对其中部分或者全部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范围。

Claims (9)

1.一种多变量控制的DEM地形特征线视觉消隐方法，其特征在于，包括：
S1.获取DEM地形特征线；
S2.设置视觉变量，对DEM地形特征线进行透视投影转换；
S3.透视投影转换再进行视口变换；
S4.计算视觉景深和密度系数；
S5.归一化得到景深相关参数和邻域相关参数；
S6.计算权重和变异参数；
S7.计算各要素得分；
S8.由S2中，DEM地形特征线进行透视投影转换后得到特征线长度要素；
S9.对特征线长度要素进行要素消隐，并对结果进行可视化。
2.根据权利要求1所述的一种多变量控制的DEM地形特征线视觉消隐方法，其特征在于，透视投影转换的具体过程为：局部坐标系是相对于三维物体原点的坐标系，经过模型矩阵变换后形成世界坐标系，接着经过视图矩阵变换后形成观察坐标系，再经过透视投影和视锥体剔除后形成剪裁坐标系；
视口变换包括：判断哪些物体的坐标点会出现在屏幕上，通过视口变换将剪裁坐标内的坐标点变换到屏幕上，即转换为屏幕坐标系，完成显示。
3.根据权利要求2所述的一种多变量控制的DEM地形特征线视觉消隐方法，其特征在于，所述视觉变量包括观察点位置、目标点位置、观察方向、视域角度、俯仰角度和视觉景深。
4.根据权利要求3所述的一种多变量控制的DEM地形特征线视觉消隐方法，其特征在于，观察点坐标与线要素中点之间的距离为：
Figure QLYQS_1
；式中，
Figure QLYQS_2
表示第i个线要素的视觉景深，
Figure QLYQS_3
、
Figure QLYQS_4
、
Figure QLYQS_5
表示观察点的位置，n表示第i个线要素中含有的坐标点个数,
Figure QLYQS_6
表示第i个线要素的视觉景深位置。
5.根据权利要求4所述的一种多变量控制的DEM地形特征线视觉消隐方法，其特征在于，计算密度系数包括：将屏幕坐标系划分成若干个等尺寸的格网，之后遍历所有的地形特征线中点，依次判断中点坐落在哪个格网范围内，每个格网存储位于自身范围内的中点坐标值，若中点位于格网的分界线上，则分界线附近的格网点都记录该中点坐标值；
此时所有的中点都至少位于一个格网内，在计算一个中点的密度时，调取它所在格网以及周围八邻域的格网数据，最大以每个格网的长度为半径阈值，判断八个邻域格网内与自身格网内的中点的距离是否小于阈值，以此计算单个中点密度系数。
6.根据权利要求5所述的一种多变量控制的DEM地形特征线视觉消隐方法，其特征在于，景深相关参数计算式为：
Figure QLYQS_7
，式中，
Figure QLYQS_8
表示第i个视觉特征线的景深相关参数，
Figure QLYQS_9
表示视觉景深最小值；
邻域相关参数计算式为：
Figure QLYQS_10
，式中，
Figure QLYQS_11
表示第i个视觉特征线的邻域相关参数，
Figure QLYQS_12
为第i个视觉特征线的邻域要素个数，
Figure QLYQS_13
表示邻域要素的最小值。
7.根据权利要求6所述的一种多变量控制的DEM地形特征线视觉消隐方法，其特征在于，计算权重和变异参数包括：
Figure QLYQS_14
，
Figure QLYQS_15
，式中
Figure QLYQS_16
是第i项参数的变异系数，
Figure QLYQS_17
是第i项参数的标准差，
Figure QLYQS_18
是第i项的平均值，
Figure QLYQS_19
是各项指标的权重，n是参与归一化的参数的个数。
8.根据权利要求7所述的一种多变量控制的DEM地形特征线视觉消隐方法，其特征在于，计算各要素得分
Figure QLYQS_20
：
Figure QLYQS_21
。
9.根据权利要求8所述的一种多变量控制的DEM地形特征线视觉消隐方法，其特征在于，每个特征线长度要素对应景深要素得分和邻域要素得分，对每个特征线长度要素所包含的两个要素得分中，
Figure QLYQS_22
分数相对低的进行消隐。
CN202310132907.2A 2023-02-20 2023-02-20 一种多变量控制的dem地形特征线视觉消隐方法 Active CN115841538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310132907.2A CN115841538B (zh) 2023-02-20 2023-02-20 一种多变量控制的dem地形特征线视觉消隐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310132907.2A CN115841538B (zh) 2023-02-20 2023-02-20 一种多变量控制的dem地形特征线视觉消隐方法

Publications (2)

Publication Number Publication Date
CN115841538A true CN115841538A (zh) 2023-03-24
CN115841538B CN115841538B (zh) 2023-05-16

Family

ID=85579850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310132907.2A Active CN115841538B (zh) 2023-02-20 2023-02-20 一种多变量控制的dem地形特征线视觉消隐方法

Country Status (1)

Country Link
CN (1) CN115841538B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006031214A1 (en) * 2004-09-09 2006-03-23 Silicon Optix Inc. System and method for representing a general two dimensional spatial transformation
JP2007200130A (ja) * 2006-01-27 2007-08-09 National Agriculture & Food Research Organization 景観解析方法とこの方法を実行するコンピュータプログラムおよびこのプログラムを格納した媒体
CN109671149A (zh) * 2018-12-03 2019-04-23 南京师范大学 基于dem的地形素描图自动绘制方法
WO2021156849A1 (en) * 2020-02-03 2021-08-12 Elbit Systems Ltd. System and method for generating a three-dimensional (3d) map based on mapping designation information
CN114627237A (zh) * 2022-02-16 2022-06-14 武汉大学 一种基于实景三维模型的正视影像图生成方法
CN114998559A (zh) * 2022-06-30 2022-09-02 刘杰 混合现实双目立体视觉图像实时远程渲染方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006031214A1 (en) * 2004-09-09 2006-03-23 Silicon Optix Inc. System and method for representing a general two dimensional spatial transformation
JP2007200130A (ja) * 2006-01-27 2007-08-09 National Agriculture & Food Research Organization 景観解析方法とこの方法を実行するコンピュータプログラムおよびこのプログラムを格納した媒体
CN109671149A (zh) * 2018-12-03 2019-04-23 南京师范大学 基于dem的地形素描图自动绘制方法
WO2021156849A1 (en) * 2020-02-03 2021-08-12 Elbit Systems Ltd. System and method for generating a three-dimensional (3d) map based on mapping designation information
CN114627237A (zh) * 2022-02-16 2022-06-14 武汉大学 一种基于实景三维模型的正视影像图生成方法
CN114998559A (zh) * 2022-06-30 2022-09-02 刘杰 混合现实双目立体视觉图像实时远程渲染方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
LIU QIONG等: "Potassium Ore Particles Separation Efficiency Analysis in 3-DOF Vibrating Screen Based on DEM", 2018 INTERNATIONAL CONFERENCE ON SENSING,DIAGNOSTICS, PROGNOSTICS, AND CONTROL (SDPC) *
扈常钰等: "DEM起伏纹理的视觉认知内涵与多变量消隐方法" *
毛峡;沈巍;赵兴圆;: "基于点线关系的透视图消隐算法" *
王霞;姜宏岸;: "基于DEM数据的海岸地形场景可视化" *
谢顺平,田德森: "实现三维地形模型的彩色光照和动态显示", 南京大学学报(自然科学版) *

Also Published As

Publication number Publication date
CN115841538B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN108648161B (zh) 非对称核卷积神经网络的双目视觉障碍物检测系统及方法
CN113192179B (zh) 一种基于双目立体视觉的三维重建方法
CN112308974B (zh) 一种改进八叉树和自适应读取的大规模点云可视化方法
CN112164145B (zh) 基于点云数据快速提取室内三维线段结构的方法
CN105095581B (zh) 一种铸造缩孔缺陷图像生成方法
CN104778691B (zh) 一种三维点云数据的处理方法
CN109461197B (zh) 一种基于球面uv和重投影的云实时绘制优化方法
CN111145348A (zh) 自适应作战场景的可视化生成方法
CN105761314B (zh) 一种基于显著颜色属性特征保持的模型简化方法
CN115063562A (zh) 一种基于多视图三维重建的虚实融合增强现实呈现方法
CN114332134A (zh) 一种基于密集点云的建筑物立面提取方法和装置
CN106570900A (zh) 一种立体图像重定位方法
CN113345089B (zh) 一种基于电力塔点云的规则化建模方法
CN118469836A (zh) 一种基于高斯辐射场的月面新视角合成方法
CN114904267A (zh) 游戏中的显示控制方法及装置、存储介质、电子设备
CN118015197A (zh) 一种实景三维逻辑单体化方法、装置及电子设备
CN112348957A (zh) 一种基于多视角深度相机的三维人像实时重建及渲染方法
CN115841538B (zh) 一种多变量控制的dem地形特征线视觉消隐方法
CN106683072B (zh) 一种基于pup图的3d图像舒适度质量评价方法及系统
CN106503674A (zh) 一种应用于复杂地形区域的点云滤波方法
CN114758069A (zh) 结合人类视觉感知特性的3d点云精简算法
CN115861532A (zh) 基于深度学习的植被地物模型重建方法与系统
CN112002019B (zh) 一种基于mr混合现实的模拟人物阴影的方法
CN115409932A (zh) 一种三维人头脸模型的纹理映射与补全方法
CN114972601A (zh) 模型生成方法、人脸渲染方法、装置及电子设备

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