CN115937454A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115937454A CN115937454A CN202310026560.3A CN202310026560A CN115937454A CN 115937454 A CN115937454 A CN 115937454A CN 202310026560 A CN202310026560 A CN 202310026560A CN 115937454 A CN115937454 A CN 115937454A
- Authority
- CN
- China
- Prior art keywords
- road
- tree
- area
- coordinate
- vegetation
- 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
-
- 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
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Image Processing (AREA)
Abstract
本申请提供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。该方法在对待处理遥感影像进行植被语义分割,得到待处理遥感影像对应的二值图后,将配置的待摆放树木矩形区域,在二值图的植被区域中进行排布,得到植被区域中待摆放树木的第一坐标;在获取待处理遥感影像中各道路的矢量数据后,基于各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标;根据第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,确定各待摆放树木模型在大规模城市场景中的摆放坐标。该方法节省大量时间和人工成本,提高了摆放效率。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及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。
背景技术
随着元宇宙和数字孪生技术的发展,人们对大规模城市三维场景中树木质量的要求越来越高。现有的在城市三维模型中摆放树木的方法,多是通过人工拖拽模型来实现,或者,使用三维引擎中提供的笔刷工具来实现。这些方法都需要耗费大量的人工成本和时间成本。
发明内容
本申请实施例的目的在于提供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,用以解决了现有技术存在的上述问题,在大规模城市场景中可实现自动摆放树木模型,降低了人工成本和时间成本,且提高了摆放效率。
第一方面,提供了一种在大规模城市场景中自动摆放树木模型的方法,该方法可以包括:
对待处理遥感影像进行植被语义分割,得到所述待处理遥感影像对应的二值图;所述二值图包括像素值为255的植被区域和像素值为0的非植被区域;
将配置的待摆放树木矩形区域,在所述二值图的植被区域中进行排布,得到所述植被区域中待摆放树木的第一坐标;所述第一坐标为所述待摆放树木矩形区域的中心点;
获取所述待处理遥感影像中各道路的矢量数据,所述矢量数据包括道路的矢量线段、相应矢量线段的法向量和行道树区域;所述矢量线段为与道路方向相同且与道路边缘平行的道路中心线段;
基于所述各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标;
根据所述第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,确定所述各待摆放树木模型在大规模城市场景中的摆放坐标。
第二方面,提供了一种在大规模城市场景中自动摆放树木模型的装置,该装置可以包括:
语义分割单元,用于对待处理遥感影像进行植被语义分割,得到所述待处理遥感影像对应的二值图;所述二值图包括像素值为255的植被区域和像素值为0的非植被区域;
排布单元,用于将配置的待摆放树木矩形区域,在所述二值图的植被区域中进行排布,得到所述植被区域中待摆放树木的第一坐标;所述第一坐标为所述待摆放树木矩形区域的中心点;
获取单元,用于获取所述待处理遥感影像中各道路的矢量数据,所述矢量数据包括道路的矢量线段、相应矢量线段的法向量和行道树区域;所述矢量线段为与道路方向相同且与道路边缘平行的道路中心线段;
确定单元,用于基于所述各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标;
以及,根据所述第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,确定所述各待摆放树木模型在大规模城市场景中的摆放坐标。
第三方面,提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面中任一所述的方法步骤。
第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
本申请提供的在大规模城市场景中自动摆放树木模型的方法在对待处理遥感影像进行植被语义分割,得到待处理遥感影像对应的包括像素值为255的植被区域和像素值为0的非植被区域的二值图后,将配置的待摆放树木矩形区域,在所述二值图的植被区域中进行排布,得到植被区域中待摆放树木的第一坐标;第一坐标为所述待摆放树木矩形区域的中心点;获取待处理遥感影像中各道路的矢量数据,矢量数据包括道路的矢量线段、相应矢量线段的法向量和行道树区域;矢量线段为与道路方向相同且与道路边缘平行的道路中心线段;基于各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标;根据第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,确定各待摆放树木模型在大规模城市场景中的摆放坐标。该方法通过对目标区域的遥感影像进行分析处理,解决了目前大规模城市场景中树木无法自动摆放的问题,以及目标区域中道路两侧的行道树无法快速摆放整齐的问题,为大规模城市场景中树木的摆放节省大量时间和人工成本,提高了摆放效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种在大规模城市场景中自动摆放树木模型的方法流程示意图;
图2为本申请实施例提供的一种待处理遥感影像的示意图;
图3为本申请实施例提供的一种待处理遥感影像对应的二值图的示意图;
图4为本申请实施例提供的一种包含矢量线段的待处理遥感影像的示意图;
图5为本申请实施例提供的另一种包含矢量线段的待处理遥感影像的示意图;
图6为本申请实施例提供的一种在大规模城市场景中自动摆放树木模型的装置的结构示意图;
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,并不是全部的实施例。基于本申请实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供的在大规模城市场景中自动摆放树木模型的方法通过对目标区域的遥感影像进行分析处理,解决了目前大规模城市场景中树木无法自动摆放的问题,以及目标区域中道路两侧的行道树无法快速摆放整齐的问题,为大规模城市场景中树木的摆放节省大量时间和人工成本。
以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
图1为本申请实施例提供的一种在大规模城市场景中自动摆放树木模型的方法的流程示意图。如图1所示,该方法可以包括:
步骤S110、对待处理遥感影像进行植被语义分割,得到待处理遥感影像对应的二值图。
具体实施中,获取目标区域的待处理遥感影像,如图2所示,可以利用预先配置的语义分割模型,如segformer网络模型,对整个待处理遥感影像进行植被语义分割,得到待处理遥感影像对应的二值图,如图3所示。二值图可以包括像素值为255的植被区域和像素值为0的非植被区域。
进一步的,为了提高语义分割的准确性,可以将待处理遥感影像切分出尺寸为1024*1024的预设数量(如n)张切分图像,其中,相邻切分图像之间的重叠宽度为预设个数的像素,如20个像素;
将预设数量张切分图像分别输入segformer网络模型,以进行植被语义分割,输出每张切分图像对应的二值图,每张二值图可以包括像素值为255的植被区域和/或像素值为0的非植被区域;
将得到的预设数量的二值图进行合并,得到所述待处理遥感影像对应的二值图。二值图可以包括像素值为255的植被区域和像素值为0的非植被区域。
需要说明的是,segformer网络模型使用分层次的encoder结构,输出多尺度的特征,并在decoder中将其融合在一起。这类似于CNN里面,将浅层特征图与深层特征图融合的做法,目的是使得高分辨率粗粒度的特征和低分辨率细粒度的特征能一起被捕捉到,并优化分割结果。该网络模型的MIoU为0.84。
可见,上述实施方式通过使用神经网络分割遥感影像中的植被,获得了与遥感影像完全匹配的植被语义的优点,为后续的快速建模,提供准确的植被语义支持。
步骤S120、将配置的待摆放树木矩形区域,在二值图的植被区域中进行排布,得到植被区域中待摆放树木的第一坐标。
具体实施中,确定二值图中的任一植被区域的最小外接矩形;由于任一植被区域均是不规则的,故相应的最小外接矩形不仅包含植被区域,还包含无植被区域。
为了保证是在植被区域中确定树木坐标,故可以随机选取最小外接矩形中一个像素值为255的摆放点位置;将摆放点位置确定为配置的待摆放树木矩形区域的中心点;其中,配置的待摆放树木矩形区域包括配置的树木的长ltree和宽wtree。
之后,将以摆放点位置为中心点的待摆放树木矩形内的像素值由255更新为0,同时,将待摆放树木矩形区域的中心点确定为植被区域中一个待摆放树木的第一坐标。需要说明的是,将待摆放树木矩形内的像素值修改为0可以保证树木间距在一定的阈值范围内。
在确定第一坐标后,返回执行步骤:随机选取最小外接矩形中一个像素值为255的摆放点位置,直至满足预设结束条件停止返回操作,由此将得到该最小外接矩形中可以摆放树木的所有第一坐标。
预设结束条件可以是该最小外接矩形中不存在像素值为255的摆放点位置,或者满足一定返回执行次数。
可见,上述实施方式通过使用植被区域的随机分布,可快速得到植被区域的树木坐标。
步骤S130、获取待处理遥感影像中各道路的矢量数据。
矢量数据可以包括道路的矢量线段、相应矢量线段的法向量、道路的道路方向、道路宽度、道路长度和行道树区域等道路的相关数据。
矢量线段为与道路方向相同且与道路边缘平行的道路中心线段,如图4所示,南北方向的道路的矢量线段为线段p1p2,东西方向的道路的矢量线段为线段q1q2。
需要说明的是,此处的东西方向和南北方向对应的是图4所示的待处理遥感影像的左右方向和上下方向。
行道树区域是指摆放行道树的区域。
步骤S140、基于各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标。
具体实施中,将各道路的矢量线段沿相应法向量方向平移至行道树区域内,得到矢量线段对应的摆放线段;例如,图4中的矢量线段p1p2沿其法向量方向,即向左平移一段距离后平移至道路左侧的行道树区域内或道路左侧的行道树区域内,平移后的矢量线段p1p2即变为相应行道树区域内的摆放线段p1’ p2’,如图5所示。
也就是说,摆放线段p1’ p2’的长度和方向与矢量线段p1p2的长度和方向相同,即摆放线段p1’ p2’为行道树区域内与行道树区域边缘平行,且线段长度与区域边缘相等的区域中心线段,如图5所示;或者,摆放线段可以为与区域中心线段平行的区域内的其他线段。
按照摆放线段的方向,以摆放线段的一端为开始端,待摆放树木的间距为步长,摆放线段的另一端为结束端,依次确定不同待摆放树木的第二坐标。由此得到相应道路的行道树区域内待摆放树木的所有第二坐标。
步骤S150、根据第一坐标和第二坐标,对各待摆放树木模型进行坐标变换,确定各待摆放树木模型在大规模城市场景中的摆放坐标。
具体实施中,获取待处理遥感影像所在目标区域的DOM数据,DOM数据可以包括目标区域的地形高度;
若植被区域和行道树区域的地形高度满足预设栽种条件,则根据第一坐标和第二坐标,得到各待摆放树木模型的平移向量;预设栽种条件是指地形高度满足栽种树木的高度。
基于平移向量,确定各待摆放树木模型的三维坐标;
将三维坐标确定为相应待摆放树木模型的在大规模城市场景中的摆放坐标。
可见,上述实施方式通过使用道路矢量数据,对行道树做规则化处理,可实现行道树自动化整齐排列。
在一些实施例中,步骤S110得到的二值图可能存在噪声和误差,为了消除噪声和误差,在对二值图进行分析处理之前,可以对二值图进行预处理,具体的:
对二值图进行第一次数的腐蚀操作,得到腐蚀二值图;
对腐蚀二值图进行第二次数的膨胀操作,得到待处理的二值图,后面可对理的二值图进行后续处理。
其中,第一次数和第二次数可以根据实际需求进行设定,第一次数和第二次数可以相同也可以不同,例如,第一次数可以为3,第二次数可以为2。
在一些实施例中,在得到植被区域的所有第一坐标后,由于植被区域内的第一坐标是随机选取的,故当植被区域与道路的行道树区域有重合区域时,行道树区域中的树木摆放位置是不整齐的,故为了使道路两侧的行道树摆放整齐,可以基于各道路的矢量线段,先删除计算得到的第一坐标中可能出现在道路两边的树木坐标,即行道树区域内的第一坐标,具体的:
基于各道路的道路方向、道路宽度和道路长度,将各道路绘制到与二值图尺寸相同的道路二值图中;该道路二值图中包括像素值为255的道路区域和像素值为0的非道路区域;道路区域中可以包括行道树区域;
若得到的第一坐标在行道树区域中,则删除相应第一坐标,得到目标第一坐标。由此,可根据目标第一坐标和第二坐标,对各待摆放树木模型进行坐标变换,确定各待摆放树木模型在大规模城市场景中的摆放坐标。
在一个例子中,本申请提供的在大规模城市场景中自动摆放树木模型的方法的具体实现步骤可以包括:
步骤a、获取精度为0.5米/像素的遥感影像,并将其切分为i张尺寸为1024*1024的切分图像Pi,且相邻图像之间的重叠宽度为20个像素。
步骤b、将i张切分图像Pi分别输入segformer网络模型来分割植被,输出i张二值图Ii,每张二值图中值为255的像素点为植被,值为0的像素点为非植被。
步骤c、将i张二值图Ii合并为一张大图,得到该遥感影像对应的二值图I。
步骤d、使用5*5的卷积核,对二值图I做腐蚀操作,迭代3次。然后,做膨胀操作,迭代2次,得到处理后的二值图I’。查找I’中的区域轮廓,得到聚类后的植被区域集合C,植被区域集合C包括n个植被区域轮廓。
步骤e、遍历植被区域集合C的每个轮廓植被区域轮廓Cn,计算任一Cn的长cols和宽rows,将Cn绘制到尺寸为(rows,cols)的图像上,得到Ic。
步骤f、在[0,cols)范围内生成随机整数,作为随机点Prandom坐标的x值,在[0,rows)范围内生成随机整数,作为随机点Prandom坐标的y值。若(x,y)对应Ic中的像素值为255,则该随机点有效,将Prandom添加到第一坐标集合L,执行步骤g),即随机点Prandom坐标为随机选取的像素值为255的摆放点位置;若像素点值为0,则该随机点丢弃,重新执行步骤f)。该步骤迭代一定次数。
步骤g、根据预设的待摆放树木矩形区域的长ltree和宽wtree,以随机点Prandom为中心点在Ic上绘制矩形区域,将该矩形区域填充值为0。
步骤h、根据道路矢量数据中的道路方向、道路宽度和道路长度,以道路宽度wroad绘制到与二值图像I尺寸相同的二值图中,得到Iroad,其中,255像素值为道路,0像素值为非道路。基于Iroad剔除第一坐标L中行道树区域(即道路两边)的第一坐标,得到目标第一坐标集合L1’。
步骤i、遍历各道路的矢量线段,计算出矢量线段的法向量Vn,并将矢量线段两个端点p1、p2沿法向量方向平移距离d1至行道树区域内,得到摆放线段,其两个端点p1’、p2’。由p1’、p2’得到新的方向向量Vd。从p1’沿Vd方向排列间距为d2的点ptarget,直到点p2’,将ptarget的坐标添加到第二坐标集合L2中。
步骤j、根据坐标集合L1’、L2和DOM,可以计算出各待摆放树木模型的平移向量。基于平移向量,对各待摆放树木模型做三维变换,将各待摆放树木模型摆放到大规模城市场景中的指定位置。
与上述方法对应的,本申请实施例还提供一种在大规模城市场景中自动摆放树木模型的装置,如图6所示,该装置包括:
语义分割单元610,用于对待处理遥感影像进行植被语义分割,得到所述待处理遥感影像对应的二值图;所述二值图包括像素值为255的植被区域和像素值为0的非植被区域;
排布单元620,用于将配置的待摆放树木矩形区域,在所述二值图的植被区域中进行排布,得到所述植被区域中待摆放树木的第一坐标;所述第一坐标为所述待摆放树木矩形区域的中心点;
获取单元630,用于获取所述待处理遥感影像中各道路的矢量数据,所述矢量数据包括道路的矢量线段、相应矢量线段的法向量和行道树区域;所述矢量线段为与道路方向相同且与道路边缘平行的道路中心线段;
确定单元640,用于基于所述各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标;
以及,根据所述第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,确定所述各待摆放树木模型在大规模城市场景中的摆放坐标。
本申请上述实施例提供的在大规模城市场景中自动摆放树木模型的装置的各功能单元的功能,可以通过上述各方法步骤来实现,因此,本申请实施例提供的在大规模城市场景中自动摆放树木模型的装置中的各个单元的具体工作过程和有益效果,在此不复赘述。
本申请实施例还提供了一种电子设备,如图7所示,包括处理器710、通信接口720、存储器730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。
存储器730,用于存放计算机程序;
处理器710,用于执行存储器730上所存放的程序时,实现如下步骤:
对待处理遥感影像进行植被语义分割,得到所述待处理遥感影像对应的二值图;所述二值图包括像素值为255的植被区域和像素值为0的非植被区域;
将配置的待摆放树木矩形区域,在所述二值图的植被区域中进行排布,得到所述植被区域中待摆放树木的第一坐标;所述第一坐标为所述待摆放树木矩形区域的中心点;
获取所述待处理遥感影像中各道路的矢量数据,所述矢量数据包括道路的矢量线段、相应矢量线段的法向量和行道树区域;所述矢量线段为与道路方向相同且与道路边缘平行的道路中心线段;
基于所述各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标;
根据所述第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,确定所述各待摆放树木模型在大规模城市场景中的摆放坐标。
上述提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
由于上述实施例中电子设备的各器件解决问题的实施方式以及有益效果可以参见图1所示的实施例中的各步骤来实现,因此,本申请实施例提供的电子设备的具体工作过程和有益效果,在此不复赘述。
在本申请提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的在大规模城市场景中自动摆放树木模型的方法。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的在大规模城市场景中自动摆放树木模型的方法。
本领域内的技术人员应明白,本申请实施例中的实施例可提供为方法、系统、或计算机程序产品。因此,本申请实施例中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,本申请实施例中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。
本申请实施例中是参照根据本申请实施例中实施例的方法、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。
尽管已描述了本申请实施例中的优选实施例,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申请实施例中范围的所有变更和修改。
显然,本领域的技术人员可以对本申请实施例中实施例进行各种改动和变型而不脱离本申请实施例中实施例的精神和范围。这样,倘若本申请实施例中实施例的这些修改和变型属于本申请实施例中权利要求及其等同技术的范围之内,则本申请实施例中也意图包含这些改动和变型在内。
Claims (10)
1.一种在大规模城市场景中自动摆放树木模型的方法,其特征在于,所述方法包括:
对待处理遥感影像进行植被语义分割,得到所述待处理遥感影像对应的二值图;所述二值图包括像素值为255的植被区域和像素值为0的非植被区域;
将配置的待摆放树木矩形区域,在所述二值图的植被区域中进行排布,得到所述植被区域中待摆放树木的第一坐标;所述第一坐标为所述待摆放树木矩形区域的中心点;
获取所述待处理遥感影像中各道路的矢量数据,所述矢量数据包括道路的矢量线段、相应矢量线段的法向量和行道树区域;所述矢量线段为与道路方向相同且与道路边缘平行的道路中心线段;
基于所述各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标;
根据所述第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,确定所述各待摆放树木模型在大规模城市场景中的摆放坐标。
2.如权利要求1所述的方法,其特征在于,对待处理遥感影像进行植被语义分割之前,所述方法还包括:
将待处理遥感影像切分出尺寸为1024*1024的预设数量张切分图像,其中,相邻切分图像之间的重叠宽度为预设个数的像素;
将预设数量张切分图像分别输入segformer网络模型进行植被语义分割,输出所述预设数量的二值图;
将所述预设数量的二值图进行合并,得到所述待处理遥感影像对应的二值图。
3.如权利要求2所述的方法,其特征在于,得到所述待处理遥感影像对应的二值图之后,所述方法还包括:
对所述二值图进行第一次数的腐蚀操作,得到腐蚀二值图;
对所述腐蚀二值图进行第二次数的膨胀操作,得到待处理的二值图;
将配置的待摆放树木矩形区域,在所述二值图的植被区域中进行排布,包括:
将配置的待摆放树木矩形区域,在所述待处理的二值图的植被区域中进行排布。
4.如权利要求3所述的方法,其特征在于,将配置的待摆放树木矩形区域,在所述二值图的植被区域中进行排布,得到所述植被区域中待摆放树木的第一坐标,包括:
针对所述二值图中的任一植被区域,确定所述植被区域的最小外接矩形;
选取所述最小外接矩形中一个像素值为255的摆放点位置;
将所述摆放点位置确定为配置的待摆放树木矩形区域的中心点;
将以所述摆放点位置为中心点的待摆放树木矩形内的像素值更新为0;同时将所述待摆放树木矩形区域的中心点确定为所述植被区域中一个待摆放树木的第一坐标,并返回执行步骤:选取所述最小外接矩形中一个像素值为255的摆放点位置,直至满足预设结束条件停止返回操作。
5.如权利要求4所述的方法,其特征在于,所述矢量数据还包括道路的道路方向、道路宽度和道路长度;
获取所述待处理遥感影像中各道路的矢量数据之后,所述方法还包括:
基于所述各道路的道路方向、道路宽度和道路长度,将所述各道路绘制到与所述二值图尺寸相同的道路二值图中,所述道路二值图包括像素值为255的道路区域和像素值为0的非道路区域;所述道路区域包括行道树区域;
若得到的第一坐标在所述行道树区域中,则删除所述第一坐标,得到目标第一坐标;
根据所述第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,包括:
根据所述目标第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换。
6.如权利要求5所述的方法,其特征在于,基于所述各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标,包括:
将所述各道路的矢量线段沿相应法向量方向平移至行道树区域内,得到所述矢量线段对应的摆放线段;
按照所述摆放线段的方向,从所述摆放线段的一端开始,以所述待摆放树木的间距为步长至所述摆放线段的另一端结束,依次确定不同待摆放树木的第二坐标。
7.如权利要求1所述的方法,其特征在于,根据所述第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,确定所述各待摆放树木模型在大规模城市场景中的摆放坐标,包括:
获取所述待处理遥感影像所在目标区域的DOM数据,所述DOM数据包括所述目标区域的地形高度;
若所述植被区域和所述行道树区域的地形高度满足预设栽种条件,则根据所述第一坐标和所述第二坐标,得到各待摆放树木模型的平移向量;
基于所述平移向量,确定所述各待摆放树木模型的三维坐标;
将所述三维坐标确定为相应待摆放树木模型的在大规模城市场景中的摆放坐标。
8.一种在大规模城市场景中自动摆放树木模型的装置,其特征在于,所述装置包括:
语义分割单元,用于对待处理遥感影像进行植被语义分割,得到所述待处理遥感影像对应的二值图;所述二值图包括像素值为255的植被区域和像素值为0的非植被区域;
排布单元,用于将配置的待摆放树木矩形区域,在所述二值图的植被区域中进行排布,得到所述植被区域中待摆放树木的第一坐标;所述第一坐标为所述待摆放树木矩形区域的中心点;
获取单元,用于获取所述待处理遥感影像中各道路的矢量数据,所述矢量数据包括道路的矢量线段、相应矢量线段的法向量和行道树区域;所述矢量线段为与道路方向相同且与道路边缘平行的道路中心线段;
确定单元,用于基于所述各道路的矢量线段、相应矢量线段的法向量和配置的待摆放树木的间距,确定相应道路的行道树区域内待摆放树木的第二坐标;
以及,根据所述第一坐标和所述第二坐标,对各待摆放树木模型进行坐标变换,确定所述各待摆放树木模型在大规模城市场景中的摆放坐标。
9.一种电子设备,其特征在于,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存储的程序时,实现权利要求1-7任一所述的方法步骤。
10.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310026560.3A CN115937454B (zh) | 2023-01-09 | 2023-01-09 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310026560.3A CN115937454B (zh) | 2023-01-09 | 2023-01-09 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115937454A true CN115937454A (zh) | 2023-04-07 |
CN115937454B CN115937454B (zh) | 2023-05-30 |
Family
ID=85830571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310026560.3A Active CN115937454B (zh) | 2023-01-09 | 2023-01-09 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115937454B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
CN104778744A (zh) * | 2014-10-25 | 2015-07-15 | 中国科学院植物研究所 | 基于Lidar数据的大规模三维森林可视化场景建立技术 |
CN109285217A (zh) * | 2018-09-10 | 2019-01-29 | 中国科学院自动化研究所 | 基于多视角图像的过程式植物模型重建方法 |
CN110889900A (zh) * | 2019-11-22 | 2020-03-17 | 北航(四川)西部国际创新港科技有限公司 | 一种面向低空域三维建模及可视化的方法 |
WO2020063461A1 (zh) * | 2018-09-30 | 2020-04-02 | 广州地理研究所 | 基于随机森林分类算法的城市范围提取方法、装置及电子设备 |
CN112819963A (zh) * | 2021-02-20 | 2021-05-18 | 华中科技大学鄂州工业技术研究院 | 一种树木枝干模型批量差异化建模方法以及相关设备 |
CN113066162A (zh) * | 2021-03-12 | 2021-07-02 | 武汉大学 | 一种用于电磁计算的城市环境快速建模方法 |
CN113838188A (zh) * | 2021-09-02 | 2021-12-24 | 深圳先进技术研究院 | 基于单幅图像的树木建模方法、树木建模装置、设备 |
CN114241155A (zh) * | 2021-12-06 | 2022-03-25 | 电子科技大学长三角研究院(湖州) | 一种基于车载激光点云数据的城市树木三维可视化方法 |
CN115311434A (zh) * | 2022-10-10 | 2022-11-08 | 深圳大学 | 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 |
-
2023
- 2023-01-09 CN CN202310026560.3A patent/CN115937454B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
CN104778744A (zh) * | 2014-10-25 | 2015-07-15 | 中国科学院植物研究所 | 基于Lidar数据的大规模三维森林可视化场景建立技术 |
CN109285217A (zh) * | 2018-09-10 | 2019-01-29 | 中国科学院自动化研究所 | 基于多视角图像的过程式植物模型重建方法 |
WO2020063461A1 (zh) * | 2018-09-30 | 2020-04-02 | 广州地理研究所 | 基于随机森林分类算法的城市范围提取方法、装置及电子设备 |
CN110889900A (zh) * | 2019-11-22 | 2020-03-17 | 北航(四川)西部国际创新港科技有限公司 | 一种面向低空域三维建模及可视化的方法 |
CN112819963A (zh) * | 2021-02-20 | 2021-05-18 | 华中科技大学鄂州工业技术研究院 | 一种树木枝干模型批量差异化建模方法以及相关设备 |
CN113066162A (zh) * | 2021-03-12 | 2021-07-02 | 武汉大学 | 一种用于电磁计算的城市环境快速建模方法 |
CN113838188A (zh) * | 2021-09-02 | 2021-12-24 | 深圳先进技术研究院 | 基于单幅图像的树木建模方法、树木建模装置、设备 |
CN114241155A (zh) * | 2021-12-06 | 2022-03-25 | 电子科技大学长三角研究院(湖州) | 一种基于车载激光点云数据的城市树木三维可视化方法 |
CN115311434A (zh) * | 2022-10-10 | 2022-11-08 | 深圳大学 | 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 |
Non-Patent Citations (2)
Title |
---|
PAROSH AZIZ ABDULLA等: "Regular Tree Model Checking", COMPUTER AIDED VERIFICATION * |
于舜 等: "基于复杂外力与数据驱动的树木运动学模型构建", 沈阳工业大学学报 * |
Also Published As
Publication number | Publication date |
---|---|
CN115937454B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738207B (zh) | 一种融合文字图像中文字区域边缘信息的文字检测方法 | |
CN110570434B (zh) | 一种图像分割标注方法和装置 | |
CN112287912B (zh) | 基于深度学习的车道线检测方法以及装置 | |
CN112336342B (zh) | 手部关键点检测方法、装置及终端设备 | |
CN111047682B (zh) | 一种三维车道模型生成方法及系统 | |
US20210312632A1 (en) | Method and apparatus for extracting a satellite image-based building footprint | |
CN111275633A (zh) | 基于图像分割的点云去噪方法、系统、装置和存储介质 | |
JP2013186902A (ja) | 車輌検知方法及び装置 | |
CN114091521B (zh) | 车辆航向角的检测方法、装置、设备及存储介质 | |
CN111915657A (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
CN112150538B (zh) | 一种在三维地图构建过程中车辆位姿的确定方法和装置 | |
CN113763412A (zh) | 图像处理方法、装置及电子设备、计算机可读存储介质 | |
CN110874170A (zh) | 一种图像区域修正方法、图像分割方法及装置 | |
CN114626118A (zh) | 建筑物室内模型生成方法及装置 | |
CN115841558B (zh) | 城市道路建模的方法、装置、电子设备和存储介质 | |
CN112132845A (zh) | 三维模型的单体化方法、装置、电子设备和可读介质 | |
CN115937454B (zh) | 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 | |
CN115937825A (zh) | 在线俯仰角估计的bev下鲁棒车道线生成方法及装置 | |
CN115661444A (zh) | 图像处理方法、装置、设备、存储介质及产品 | |
CN114708571A (zh) | 基于域控制器平台的自动泊车的停车位标注方法及装置 | |
CN113867371A (zh) | 路径规划方法和电子设备 | |
CN113807198A (zh) | 道路网变化检测方法、模型训练方法、装置、设备及介质 | |
CN109409247B (zh) | 交通标志识别方法和装置 | |
CN112528918A (zh) | 道路元素识别方法、地图标注方法及装置、车辆 | |
CN112101369B (zh) | 图像分割方法和装置 |
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 |