CN115855060A - 一种几何基元引导的航线规划方法及装置 - Google Patents
一种几何基元引导的航线规划方法及装置 Download PDFInfo
- Publication number
- CN115855060A CN115855060A CN202211558110.0A CN202211558110A CN115855060A CN 115855060 A CN115855060 A CN 115855060A CN 202211558110 A CN202211558110 A CN 202211558110A CN 115855060 A CN115855060 A CN 115855060A
- Authority
- CN
- China
- Prior art keywords
- primitive
- generating
- area
- viewpoint
- vector
- 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
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种几何基元引导的航线规划方法及装置。先获取待重建场景的初始模型;对初始模型进行平面分割,提取不同的几何基元;根据不同的几何基元,根据重叠度要求,生成采样点;针对每个采样点,生成视点;连接生成的视点,从而为无人机提供拍摄路径。由于预先设定的重叠度直接生成采样点和视点,无需进一步迭代优化,因而路径生成速度更快。对所有基元都生成了采样点和贴近拍摄的视点,保证了场景中所有细节的覆盖,可实现高完整度高精度的三维重建。
Description
技术领域
本发明涉及摄影测量技术领域,尤其涉及一种几何基元引导的航线规划方法及装置。
背景技术
三维重建技术指在计算机虚拟环境下重建三维物体,目前越来越多的行业对三维重建产生了需求,诸如城市规划、自动驾驶、元宇宙研发、工程开发等都需要对大场景进行三维重建。随着无人机技术的发展,便捷低成本灵活的无人机成为了三维重建的重要工具。就三维重建算法而言,影像的质量主要体现在覆盖率、分辨率等方面,这些要素也主要被影像采集方式所影响。
目前常用的影像采集方式主要包括常规竖直航空摄影和倾斜航空摄影。常规竖直航空摄影和倾斜航空摄影中,多为2d水平飞行或2.5d仿地飞行。为了保障飞行安全,这些方式通常在目标上空一定距离之外进行网格、之字形或圆形的规则航线规划,但是这样难以完全覆盖场景中的目标,容易造成信息丢失,导致最终三维重建模型不完整。虽然倾斜摄影测量通过具有多方向镜头的倾斜摄影模块进行影像采集,一次曝光可以获得目标场景的多视角影像,同时也可以采集到建筑物侧面纹理数据,但是越靠近底部,倾斜影像中的纹理缺失和变形就越严重。另外,在对特定目标进行拍摄时,无效影像远多于有效影像,从而增加了后续数据处理的工作量。在许多情况下,上述两种影像采集方式获得的影像都不足以进行非常规地面或复杂人工物体表面的精准三维重建,无法很好地解决建筑物的遮挡或远距离摄影带来的细节丢失等问题。精细高质量三维重建需要影像对目标各个表面细节都有完整的覆盖,能够从多个角度完整地获取目标三维信息的3D摄影方式无疑是最优异的。
在目前的实际作业中,大多数无人机的三维航线是在手动控制或一些预定义模型的飞行模式下执行的。手动控制对无人机飞手的操作经验要求高,难以寻找便捷有效的能够从多视角拍摄的位置,而且也无法保障无人机在复杂环境下的飞行安全。而预定义模型的航线飞行虽然可以实现大部分情况下的无人机自动化飞行,但大多都是2d或2.5d飞行。此外,由于三维重建过程的高计算量和长耗时,进行补充数据和模型修改也造成了重建成本的增加和效率的降低,而一味地增加影像数量也只会大大降低重建效率。因此,对于实现更精细的三维重建,三维空间中的航线规划研究十分重要。
发明内容
本发明通过提供一种几何基元引导的航线规划方法及装置,路径生成速度更快、可实现高完整度高精度的三维重建。
本发明提供了一种几何基元引导的航线规划方法,包括:
获取待重建场景的初始模型;
对所述初始模型进行平面分割,提取不同的几何基元;
根据不同的几何基元,根据重叠度要求,生成采样点;
针对每个采样点,生成视点;
连接生成的视点,得到航线。
具体来说,所述对所述初始模型进行平面分割,提取不同的几何基元,包括:
在所述初始模型的表面选取种子点,采用区域增长的方式,以选取的种子点对相邻的区域进行扩散计算,完成区域的生长;对所述初始模型的表面进行分割,提取出所述初始模型表面的各个平面区域;
采用边缘跟踪的方式,得到多边形区域基元;跟踪相邻的所述平面区域的边缘,得到边缘线段基元。
具体来说,在所述提取出所述初始模型表面的各个平面区域之后,还包括:
计算各所述平面区域的面积,将面积小于预设阈值的平面区域作为零碎点基元。
具体来说,所述根据不同的几何基元,根据重叠度要求,生成采样点,包括:
针对所述多边形区域基元,根据其包含的区域采用预设的航向和旁向重叠度,在所述多边形区域基元的内部生成采样点;
针对所述边缘线段基元,根据其包含的区域采用预设的航向重叠度,生成沿着该基元分布的采样点;
针对所述零碎点基元,将其重心作为采样点。
具体来说,所述针对每个采样点,生成视点,包括:
通过公式vi=si+d*ni计算得到视点的三维坐标vi;其中,si为采样点的三维坐标,d为拍摄距离,ni为采样点的法向量;
通过公式yawi,pitchi,rolli=R-1(Rod(ni,Z)*Rod(Z×ni,X))计算得到视点的三个姿态角yawi,pitchi,rolli;其中,Rod(ni,Z)代表向量ni绕ni×Z轴旋转到Z轴的旋转矩阵,ni×Z为向量ni与向量Z的叉乘,Rod(Z×ni,X)代表向量Z×ni绕Z×ni×X轴旋转到X轴的旋转矩阵,Z×ni×X为向量Z×ni与向量X的叉乘,R-1(·)代表对旋转矩阵的分解。
本发明还提供了一种几何基元引导的航线规划装置,包括:
初始模型获取模块,用于获取待重建场景的初始模型;
平面分割模块,用于对所述初始模型进行平面分割,提取不同的几何基元;
采样点生成模块,用于根据不同的几何基元,根据重叠度要求,生成采样点;
视点生成模块,用于针对每个采样点,生成视点;
航线生成模块,用于连接生成的视点,得到航线。
具体来说,所述平面分割模块,包括:
分割单元,用于在所述初始模型的表面选取种子点,采用区域增长的方式,以选取的种子点对相邻的区域进行扩散计算,完成区域的生长;对所述初始模型的表面进行分割,提取出所述初始模型表面的各个平面区域;
多边形区域基元生成单元,用于采用边缘跟踪的方式,得到多边形区域基元;
边缘线段基元生成单元,用于跟踪相邻的所述平面区域的边缘,得到边缘线段基元;
零碎点基元生成单元,用于计算各所述平面区域的面积,将面积小于预设阈值的平面区域作为零碎点基元。
具体来说,所述采样点生成模块,包括:
第一采样点生成单元,用于针对所述多边形区域基元,根据其包含的区域采用预设的航向和旁向重叠度,在所述多边形区域基元的内部生成采样点;
第二采样点生成单元,用于针对所述边缘线段基元,根据其包含的区域采用预设的航向重叠度,生成沿着该基元分布的采样点;
第三采样点生成单元,用于针对所述零碎点基元,将其重心作为采样点。
具体来说,所述视点生成模块,包括:
视点三维坐标生成单元,用于通过公式vi=si+d*ni计算得到视点的三维坐标vi;其中,si为采样点的三维坐标,d为拍摄距离,ni为采样点的法向量;
视点姿态角生成单元,用于通过公式yawi,pitchi,rolli=R-1(Rod(ni,Z)*Rod(Z×ni,X))计算得到视点的三个姿态角yawi,pitchi,rolli;其中,Rod(ni,Z)代表向量ni绕ni×Z轴旋转到Z轴的旋转矩阵,ni×Z为向量ni与向量Z的叉乘,Rod(Z×ni,X)代表向量Z×ni绕Z×ni×X轴旋转到X轴的旋转矩阵,Z×ni×X为向量Z×ni与向量X的叉乘,R-1(·)代表对旋转矩阵的分解。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
先获取待重建场景的初始模型;对初始模型进行平面分割,提取不同的几何基元;根据不同的几何基元,根据重叠度要求,生成采样点;针对每个采样点,生成视点;连接生成的视点,从而为无人机提供拍摄路径。
由于预先设定的重叠度直接生成采样点和视点,无需进一步迭代优化,因而路径生成速度更快。对所有基元都生成了采样点和贴近拍摄的视点,保证了场景中所有细节的覆盖,可实现高完整度高精度的三维重建。且对分割得到的基元采用重叠度生成的视点位置和姿态排列都特别规则,且视点数量较少,最后生成的视点连接路线较短,转角变化更小,因而无人机的能耗也更低。
综上所述,本发明能够以较少的照片较高的效率完成高完整度和高精度的场景三维重建。
附图说明
图1为本发明实施例提供的几何基元引导的航线规划方法的流程图;
图2为本发明实施例提供的几何基元引导的航线规划装置的模块图;
图3为本发明实施例中的平面分割示意图;
图4为本发明实施例中的多边形区域基元、边缘线段基元、零碎点基元示意图;
图5为本发明实施例中多边形区域基元采样点生成示意图;
图6为本发明实施例中边缘线段基元采样点生成示意图;
图7为本发明实施例中零碎点基元采样点生成示意图;
图8为本发明实施例中采样点与视点的对应图。
具体实施方式
本发明实施例通过提供一种几何基元引导的航线规划方法及装置,路径生成速度更快、可实现高完整度高精度的三维重建。
本发明实施例中的技术方案为实现上述技术效果,总体思路如下:
对待重建场景或目标的初始模型进行平面分割,提取多边形区域、边缘线段、零碎点等几何基元,设定重叠度,组合正向、交向拍摄,生成针对不同几何基元的拍照视点,并最终连接成无人机的飞行航线。无人机按照该航线进行飞行,采集超高分辨率影像用于场景的高精度精细三维重建。其中,通过平面分割生成几何基元并引导视点生成的策略是本方法的关键技术。分割平面和提取几何基元过程中不断获取邻接三角面或邻接定点,使用half-edge结构存储数据,要求为流形面。平面分割后,得到的多块平面区域,其保留了法向量、属于该平面的三角面索引、平面范围面积等信息。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参见图1,本发明实施例提供的几何基元引导的航线规划方法,包括:
步骤S110:获取待重建场景的初始模型;
具体地,初始模型指三角网格模型及任何可转化为三角网格模型的初始数据,包括点云、DEM、BIM模型等。其中,点云数据通过法向量估计和Poisson、GP3、BPA等算法重构表面,得到三角网格模型。DEM数据通过格网点及其梯度,重构得到三角网格模型。BIM模型本身存储结构即为三角网格模型,实际处理过程中需要提取外表面。本发明实施例是基于几何基元进行航线设计,因此,初始模型一定程度上会影响最终的航线结果。
步骤S120:对初始模型进行平面分割,提取不同的几何基元;
对本步骤进行具体说明,对初始模型进行平面分割,提取不同的几何基元,包括:
在初始模型的表面选取种子点,采用区域增长的方式,以选取的种子点对相邻的区域进行扩散计算,完成区域的生长;对初始模型的表面进行分割,提取出初始模型表面的各个平面区域;每个平面区域保留了法向量、属于该平面的所有的三角面索引、范围面积等信息。
采用边缘跟踪的方式,得到多边形区域基元,多边形区域基元的法向量等于其平面区域的法向量;跟踪相邻的平面区域的边缘,得到边缘线段基元。边缘线段基元的朝向即为其法向量。
为了提高三维重建的精度,在提取出初始模型表面的各个平面区域之后,还包括:
计算各平面区域的面积,将面积小于预设阈值的平面区域作为零碎点基元。零碎点基元的法向量等于其所属的平面小区域的法向量。
步骤S130:根据不同的几何基元,根据重叠度要求,生成采样点;
对本步骤进行具体说明,根据不同的几何基元,根据重叠度要求,生成采样点,包括:
针对多边形区域基元,根据其包含的区域采用预设的航向和旁向重叠度,在多边形区域基元的内部生成采样点;
针对边缘线段基元,根据其包含的区域采用预设的航向重叠度,生成沿着该基元分布的采样点;
针对零碎点基元,将其重心作为采样点。
步骤S140:针对每个采样点,生成视点;
对本步骤进行具体说明,针对每个采样点,生成视点,包括:
通过公式vi=si+d*ni计算得到视点的三维坐标vi;其中,si为采样点的三维坐标,d为拍摄距离,ni为采样点的法向量;
通过公式yawi,pitchi,rolli=R-1(Rod(ni,Z)*Rod(Z×ni,X))计算得到视点的三个姿态角yawi,pitchi,rolli;其中,Rod(ni,Z)代表向量ni绕ni×Z轴旋转到Z轴的旋转矩阵,ni×Z为向量ni与向量Z的叉乘,Rod(Z×ni,X)代表向量Z×ni绕Z×ni×X轴旋转到X轴的旋转矩阵,Z×ni×X为向量Z×ni与向量X的叉乘,R-1(·)代表对旋转矩阵的分解。
步骤S150:连接生成的视点,得到航线。
参见图2,本发明实施例提供的几何基元引导的航线规划装置,包括:
初始模型获取模块100,用于获取待重建场景的初始模型;
具体地,初始模型指三角网格模型及任何可转化为三角网格模型的初始数据,包括点云、DEM、BIM模型等。其中,点云数据通过法向量估计和Poisson、GP3、BPA等算法重构表面,得到三角网格模型。DEM数据通过格网点及其梯度,重构得到三角网格模型。BIM模型本身存储结构即为三角网格模型,实际处理过程中需要提取外表面。
平面分割模块200,用于对初始模型进行平面分割,提取不同的几何基元;
具体地,平面分割模块200,包括:
分割单元,用于在初始模型的表面选取种子点,采用区域增长的方式,以选取的种子点对相邻的区域进行扩散计算,完成区域的生长;对初始模型的表面进行分割,提取出初始模型表面的各个平面区域;每个平面区域保留了法向量、属于该平面的所有的三角面索引、范围面积等信息。
多边形区域基元生成单元,用于采用边缘跟踪的方式,得到多边形区域基元,多边形区域基元的法向量等于其平面区域的法向量;
边缘线段基元生成单元,用于跟踪相邻的平面区域的边缘,得到边缘线段基元。边缘线段基元的朝向即为其法向量。
零碎点基元生成单元,用于计算各平面区域的面积,将面积小于预设阈值的平面区域作为零碎点基元。零碎点基元的法向量等于其所属的平面小区域的法向量。
采样点生成模块300,用于根据不同的几何基元,根据重叠度要求,生成采样点;
具体地,采样点生成模块300,包括:
第一采样点生成单元,用于针对多边形区域基元,根据其包含的区域采用预设的航向和旁向重叠度,在多边形区域基元的内部生成采样点;
第二采样点生成单元,用于针对边缘线段基元,根据其包含的区域采用预设的航向重叠度,生成沿着该基元分布的采样点;
第三采样点生成单元,用于针对零碎点基元,将其重心作为采样点。
视点生成模块400,用于针对每个采样点,生成视点;
具体地,视点生成模块400,包括:
视点三维坐标生成单元,用于通过公式vi=si+d*ni计算得到视点的三维坐标vi;其中,si为采样点的三维坐标,d为拍摄距离,ni为采样点的法向量;
视点姿态角生成单元,用于通过公式yawi,pitchi,rolli=R-1(Rod(ni,Z)*Rod(Z×ni,X))计算得到视点的三个姿态角yawi,pitchi,rolli;其中,Rod(ni,Z)代表向量ni绕ni×Z轴旋转到Z轴的旋转矩阵,ni×Z为向量ni与向量Z的叉乘,Rod(Z×ni,X)代表向量Z×ni绕Z×ni×X轴旋转到X轴的旋转矩阵,Z×ni×X为向量Z×ni与向量X的叉乘,R-1(·)代表对旋转矩阵的分解。
航线生成模块500,用于连接生成的视点,得到航线。
下面对本发明实施例进行具体说明:
首先获取待重建场景的初始模型,作为整个航线规划过程的数据基础,为后续的采样点和视点生成、避障、遮挡判断提供数据基础,初始模型具有较为粗略的几何尺度和准确的绝对位置。为了得到最为精确的航线,需要模型具备精确的绝对位置,另一方面该模型无需具有十分精细的几何尺度,模型只需拥有真实目标大致的轮廓即可。
对初始模型进行平面分割,提取不同的几何基元。几何基元包括区域多边形、边缘线段、零碎点等,用来表示需要进行拍摄和重建的目标。对初始模型进行平面分割,提取不同的几何基元的具体步骤如下:
步骤一:在初始模型的表面随机选取种子点,采用区域增长的方式,以选取的种子点对相邻的面进行扩散计算,从而完成区域的生长,对初始模型表面进行分割,从而提取出初始模型表面的各个平面区域。
为了后续的采样点、视点生成等任务的进行,每个平面区域都保留法向量、属于该平面的所有的三角面索引、范围面积等信息。平面分割示意图如图3所示。经过分割后,每个三角面都具有属于的平面的索引。
步骤二:通过将各区域的三维顶点投影至平面,可将三维网格的多边形提取问题转至二维平面上进行处理。对各平面区域包含的三角面进行整理,很明显当一条边只属于一个三角面时,该条边属于边缘。基于三维网格模型的Half-edge结构,采用边缘跟踪的方式,得到多边形区域基元。多边形区域基元如图4中的灰色多边形面片。
步骤三:由于考虑到初始模型的精细程度,以及平面分割提取的结果等因素,相邻平面区域的连接边缘处可能存在不平滑的情况,后续可能导致影像覆盖不足,因此,对边缘区域进行基元的补充,采取线基元对该种区域进行补充。具体方式为跟踪相邻平面区域的边缘,得到边缘线段基元;边缘线段基元的法向量等于相邻两平面区域的法向量的均值。为计算其法向量,需要恢复物体表面大区域的相邻关系。借助于Half-edge结构,在提取某个平面区域边缘时,同时统计该边缘所属的相邻的平面区域的索引,计算线所在的两个相邻区域的法向量计算均值,即可得到线基元的法向量。边缘线段基元如图4中的虚线。
步骤四:场景中不可避免存在曲面或零碎细节等,该部分在平面分割时形成的目标可能较小,无需按照重叠度生成拍照视点。根据面积阈值将小的多边形区域弱化为零碎点基元。零碎点基元的法向量等于其所属的平面小区域的法向量。这里需要说明的是,考虑分割的平面区域较小时,即点基元,已经取了其重心点作为采样点,其重心已经足够代表该区域,所以不再另外提取小区域之间的边缘。在本实施例中,将零碎点基元的面积阈值设定对应GSD的影像在地面投影面积的1/8。零碎点基元如图4中的灰色点,即索引为3的平面区域直接转化为了零碎点基元。
为了完成精细的三维重建,需要像片之间存在一定的重叠度,在进行航线规划时,会根据需求设定一定的影像重叠度。在分割平面获取到几何基元后,根据不同的几何基元,根据设定重叠度要求,组合正向、交向拍摄,生成采样点和拍照视点。由于生成的基元类别不同,针对不同的基元类型采取不同的采样点生成方式,各类基元采样点和视点生成方式具体如下:
针对多边形区域基元,根据其包含的区域采用53-66%的航向和旁向重叠度,在多边形区域基元内部生成采样点。对每个采样点,根据其法向量生成正对拍照视点,实现对多边形区域基元的覆盖。为了能够完整地获取平面信息,采样点需要覆盖到平面的每个部分,因此采取均匀采样的方式对平面进行采样。首先生成一个包围框,按照一定的间隔在内部等距离采样,生成在多边形内部的点即为采样点。
对每个采样点,根据其法向量生成正对拍照视点,实现对多边形区域基元的覆盖。多边形区域基元采样点生成示意图如图5所示。
针对边缘线段基元,根据其包含的区域采用53-66%的航向重叠度,生成沿着该基元分布的采样点。对每个采样点,根据其法向量生成正对拍照视点,同时额外生成两个交向拍摄视点,交向拍摄的视线垂直于该基元,并与其法向量夹角在30-60°之间,实现对边缘线段基元的覆盖。边缘线段基元采样点生成示意图如图6所示。
针对零碎点基元,由于其自身较为简单,因而可以直接将其重心视为采样点,根据其法向量生成对该基元的一个正对拍照视点,零碎点基元采样点生成示意图如图7所示。
在生成采样点后,针对每个采样点生成视点的具体内容如下:
根据每个采样点的三维坐标si以及其法向量ni,并考虑拍摄距离d可计算得到对应视点的三维坐标vi,即通过公式vi=si+d*ni计算得到。
对于每个视点,除其位置外,还需要计算其拍摄朝向的姿态。姿态一般通过yaw、pitch、roll三个姿态角来表示。其中,yaw代表绕三维的笛卡尔右手坐标系Z轴旋转的角度,pitch代表绕X轴旋转的角度,roll代表绕Y轴旋转的角度,Y轴为无人机机头朝向方向。每个视点的姿态(yawi,pitchi,rolli)根据采样点的法向量ni,通过罗德里格斯公式和角度分解计算得到,如公式(1)所示。其中,Rod(ni,Z)代表向量ni绕ni×Z轴旋转到Z轴的旋转矩阵,ni×Z为向量ni与向量Z的叉乘,Rod(Z×ni,X)代表向量Z×ni绕Z×ni×X轴旋转到X轴的旋转矩阵,Z×ni×X为向量Z×ni与向量X的叉乘,R-1(·)代表对旋转矩阵的分解,可计算得到三个姿态角。Z和X分别代表Z轴和X轴正方向,即(0,0,1)和(1,0,0)
yawi,pitchi,rolli=R-1(Rod(ni,Z)*Rod(Z×ni,X)) (1)
采样点与视点的对应图如图8所示。
在生成了所有视点之后,考虑避障及能耗问题对视点进行连接提供给无人机进行飞行拍摄。视点的连接考虑为在生成的所有视点之间构建一条路径遍历所有视点,同时考虑到无人机续航的问题,生成的路径要求最短。因此,对于视点的连接,采用经典ACO算法,通过迭代优化路径来确定最短路径,将每一个视点视为一个图节点,考虑视点之间的转角变化、距离,计算节点连接的边的权重。通过ACO算法迭代求解计算出近似最优的视点连接方案,生成用以拍摄的无人机航线。
本发明实施例路径生成速度快,路径长度较短,无人机能量消耗较低,同时也能够对场景完成较为完整的覆盖,以更少的照片更高的效率完成拍照路线的规划,实现等同甚至更高精度和完整度的三维重建。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种几何基元引导的航线规划方法,其特征在于,包括:
获取待重建场景的初始模型;
对所述初始模型进行平面分割,提取不同的几何基元;
根据不同的几何基元,根据重叠度要求,生成采样点;
针对每个采样点,生成视点;
连接生成的视点,得到航线。
2.如权利要求1所述的几何基元引导的航线规划方法,其特征在于,所述对所述初始模型进行平面分割,提取不同的几何基元,包括:
在所述初始模型的表面选取种子点,采用区域增长的方式,以选取的种子点对相邻的区域进行扩散计算,完成区域的生长;对所述初始模型的表面进行分割,提取出所述初始模型表面的各个平面区域;
采用边缘跟踪的方式,得到多边形区域基元;跟踪相邻的所述平面区域的边缘,得到边缘线段基元。
3.如权利要求2所述的几何基元引导的航线规划方法,其特征在于,在所述提取出所述初始模型表面的各个平面区域之后,还包括:
计算各所述平面区域的面积,将面积小于预设阈值的平面区域作为零碎点基元。
4.如权利要求3所述的几何基元引导的航线规划方法,其特征在于,所述根据不同的几何基元,根据重叠度要求,生成采样点,包括:
针对所述多边形区域基元,根据其包含的区域采用预设的航向和旁向重叠度,在所述多边形区域基元的内部生成采样点;
针对所述边缘线段基元,根据其包含的区域采用预设的航向重叠度,生成沿着该基元分布的采样点;
针对所述零碎点基元,将其重心作为采样点。
5.如权利要求1-4中任一项所述的几何基元引导的航线规划方法,其特征在于,所述针对每个采样点,生成视点,包括:
通过公式vi=si+d*ni计算得到视点的三维坐标vi;其中,si为采样点的三维坐标,d为拍摄距离,ni为采样点的法向量;
通过公式yawi,pitchi,rolli=R-1(Rod(ni,Z)*Rod(Z×ni,X))计算得到视点的三个姿态角yawi,pitchi,rolli;其中,Rod(ni,Z)代表向量ni绕ni×Z轴旋转到Z轴的旋转矩阵,ni×Z为向量ni与向量Z的叉乘,Rod(Z×ni,X)代表向量Z×ni绕Z×ni×X轴旋转到X轴的旋转矩阵,Z×ni×X为向量Z×ni与向量X的叉乘,R-1(·)代表对旋转矩阵的分解。
6.一种几何基元引导的航线规划装置,其特征在于,包括:
初始模型获取模块,用于获取待重建场景的初始模型;
平面分割模块,用于对所述初始模型进行平面分割,提取不同的几何基元;
采样点生成模块,用于根据不同的几何基元,根据重叠度要求,生成采样点;
视点生成模块,用于针对每个采样点,生成视点;
航线生成模块,用于连接生成的视点,得到航线。
7.如权利要求6所述的几何基元引导的航线规划装置,其特征在于,所述平面分割模块,包括:
分割单元,用于在所述初始模型的表面选取种子点,采用区域增长的方式,以选取的种子点对相邻的区域进行扩散计算,完成区域的生长;对所述初始模型的表面进行分割,提取出所述初始模型表面的各个平面区域;
多边形区域基元生成单元,用于采用边缘跟踪的方式,得到多边形区域基元;
边缘线段基元生成单元,用于跟踪相邻的所述平面区域的边缘,得到边缘线段基元;
零碎点基元生成单元,用于计算各所述平面区域的面积,将面积小于预设阈值的平面区域作为零碎点基元。
8.如权利要求7所述的几何基元引导的航线规划装置,其特征在于,所述采样点生成模块,包括:
第一采样点生成单元,用于针对所述多边形区域基元,根据其包含的区域采用预设的航向和旁向重叠度,在所述多边形区域基元的内部生成采样点;
第二采样点生成单元,用于针对所述边缘线段基元,根据其包含的区域采用预设的航向重叠度,生成沿着该基元分布的采样点;
第三采样点生成单元,用于针对所述零碎点基元,将其重心作为采样点。
9.如权利要求6-8中任一项所述的几何基元引导的航线规划装置,其特征在于,所述视点生成模块,包括:
视点三维坐标生成单元,用于通过公式vi=si+d*ni计算得到视点的三维坐标vi;其中,si为采样点的三维坐标,d为拍摄距离,ni为采样点的法向量;
视点姿态角生成单元,用于通过公式yawi,pitchi,rolli=R-1(Rod(ni,Z)*Rod(Z×ni,X))计算得到视点的三个姿态角yawi,pitchi,rolli;其中,Rod(ni,Z)代表向量ni绕ni×Z轴旋转到Z轴的旋转矩阵,ni×Z为向量ni与向量Z的叉乘,Rod(Z×ni,X)代表向量Z×ni绕Z×ni×X轴旋转到X轴的旋转矩阵,Z×ni×X为向量Z×ni与向量X的叉乘,R-1(·)代表对旋转矩阵的分解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558110.0A CN115855060A (zh) | 2022-12-06 | 2022-12-06 | 一种几何基元引导的航线规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558110.0A CN115855060A (zh) | 2022-12-06 | 2022-12-06 | 一种几何基元引导的航线规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115855060A true CN115855060A (zh) | 2023-03-28 |
Family
ID=85670424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211558110.0A Pending CN115855060A (zh) | 2022-12-06 | 2022-12-06 | 一种几何基元引导的航线规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115855060A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758216A (zh) * | 2023-05-31 | 2023-09-15 | 广州市城市规划勘测设计研究院 | 一种基于航拍数据的单树木建模方法 |
CN117689846A (zh) * | 2024-02-02 | 2024-03-12 | 武汉大学 | 线状目标的无人机摄影重建多交向视点生成方法及装置 |
-
2022
- 2022-12-06 CN CN202211558110.0A patent/CN115855060A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758216A (zh) * | 2023-05-31 | 2023-09-15 | 广州市城市规划勘测设计研究院 | 一种基于航拍数据的单树木建模方法 |
CN116758216B (zh) * | 2023-05-31 | 2024-05-17 | 广州市城市规划勘测设计研究院有限公司 | 一种基于航拍数据的单树木建模方法 |
CN117689846A (zh) * | 2024-02-02 | 2024-03-12 | 武汉大学 | 线状目标的无人机摄影重建多交向视点生成方法及装置 |
CN117689846B (zh) * | 2024-02-02 | 2024-04-12 | 武汉大学 | 线状目标的无人机摄影重建多交向视点生成方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110853075B (zh) | 一种基于稠密点云与合成视图的视觉跟踪定位方法 | |
CN107945220B (zh) | 一种基于双目视觉的重建方法 | |
CN108776492B (zh) | 一种基于双目相机的四轴飞行器自主避障与导航方法 | |
US20190138029A1 (en) | Collision avoidance system, depth imaging system, vehicle, map generator and methods thereof | |
CN111141264B (zh) | 一种基于无人机的城市三维测绘方法和系统 | |
Johnson‐Roberson et al. | Generation and visualization of large‐scale three‐dimensional reconstructions from underwater robotic surveys | |
CN115855060A (zh) | 一种几何基元引导的航线规划方法及装置 | |
Petit et al. | Tracking complex targets for space rendezvous and debris removal applications | |
CN111599001A (zh) | 基于图像三维重建技术的无人机导航地图构建系统及方法 | |
CN106780729A (zh) | 一种无人机序列影像批处理三维重建方法 | |
CN111649723B (zh) | 面向复杂地形的贴近摄影三维航迹与姿态规划方法及装置 | |
CN111612728B (zh) | 一种基于双目rgb图像的3d点云稠密化方法和装置 | |
CN107907111B (zh) | 一种自动分布式空中三角测量解算方法 | |
CN113359782B (zh) | 一种融合lidar点云与图像数据的无人机自主选址降落方法 | |
CN109685879B (zh) | 多视影像纹理分布的确定方法、装置、设备和存储介质 | |
CN109900274B (zh) | 一种图像匹配方法及系统 | |
CN113920275B (zh) | 三角网格构建方法、装置、电子设备及可读存储介质 | |
CN113177974A (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
Crombez et al. | Using dense point clouds as environment model for visual localization of mobile robot | |
CN112785686A (zh) | 一种基于大数据的林区地图构建方法及可读存储介质 | |
Buck et al. | Capturing uncertainty in monocular depth estimation: Towards fuzzy voxel maps | |
Jiang et al. | Onboard view planning of a flying camera for high fidelity 3D reconstruction of a moving actor | |
Cho et al. | Real-time 3D reconstruction method using massive multi-sensor data analysis and fusion | |
CN113420460B (zh) | 基于osg数据天际线的城市建筑限高快速分析方法及系统 | |
US20210256732A1 (en) | Image processing method and unmanned aerial vehicle |
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 |