CN116129067A - 一种基于多源地理信息耦合的城市实景三维建模方法 - Google Patents

一种基于多源地理信息耦合的城市实景三维建模方法 Download PDF

Info

Publication number
CN116129067A
CN116129067A CN202211665621.2A CN202211665621A CN116129067A CN 116129067 A CN116129067 A CN 116129067A CN 202211665621 A CN202211665621 A CN 202211665621A CN 116129067 A CN116129067 A CN 116129067A
Authority
CN
China
Prior art keywords
urban
data
point cloud
live
image data
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
Application number
CN202211665621.2A
Other languages
English (en)
Inventor
高鹏
徐志刚
罗涛
赖晓玲
徐爱珍
林蔚凯
钟雷文
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.)
Longyan University
Original Assignee
Longyan University
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 Longyan University filed Critical Longyan University
Priority to CN202211665621.2A priority Critical patent/CN116129067A/zh
Publication of CN116129067A publication Critical patent/CN116129067A/zh
Pending legal-status Critical Current

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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T2207/10028—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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/04—Architectural design, interior design
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Remote Sensing (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于多源地理信息耦合的城市实景三维建模方法，涉及三维建模技术领域，包括以下步骤：通过多个激光雷达获取城市建筑的地面和高空的点云数据；通过无人机倾斜摄影获取城市建筑的多角度影像数据，通过车载相机获取城市建筑底部的影像数据；根据获取的多角度影像数据和底部影像数据；将获取的城市建筑的点云数据和影像数据进行匹配融合，建立城市实景三维模型。本发明基于“倾斜摄影+机载激光雷达+车载信息采集”的多源地理信息耦合技术来获取建筑三维模型体和纹理影像，通过统一的数学基准处理不同数据源，并利用相关匹配技术自动配准模型与纹理，来快速建立城市实景三维模型，实现城市建筑三维模型真实化、单体化、可量测化。

Description

一种基于多源地理信息耦合的城市实景三维建模方法
技术领域
本发明涉及三维建模技术领域，特别是涉及一种基于多源地理信息耦合的城市实景三维建模方法。
背景技术
近年来，随着数字化、智慧化城市管理对空间精密性、动态可视性的需求强烈升级，快速、高效地构建可视化三维城市实景模型逐步进入快速发展阶段。三维模型的建立已由最初的手工方式进步至基于成套化建模工具进行模型重建，现又发展至运用三维激光扫描仪采集点云数据和倾斜摄影技术采集多角度影像进行模型重建的建模方式。
倾斜摄影技术的主要应用有：构建多方向的影像立体模型，实现精细三维建模；提供丰富的地物纹理信息，实现快速的精细纹理贴图。国外有Armin等使用三线阵航飞系统采集影像作为数据源建立了横滨市的三维模型。Frueh等结合了地面激光扫描数据和航空影像数据构建了城市三维模型。国内有四川省遥感信息测绘院将倾斜摄影用于资阳市城区三维“数字城市”建设，构建的三维模型精度评定的结果完全满足1：1000大比例尺成图的要求。在国外已有十几年的应用，国内2010年才开始引进，大量专家学者进行了一系列研究试验，但整体技术水平较国外先进技术仍存在一定差距。
基于倾斜摄影技术的三维实体建模工作效率、精度等相比传统的三维建模技术有了飞跃性的提升，但目前仍存在以下明显的不足：(1)在利用倾斜摄影技术进行三维建模过程中，由于航摄盲区和匹配错误等因素会导致重建模型底部区域变形(纹理拉花、结构扭曲、破面缺面等)，部分三维模型悬浮空中，严重影响模型的重建效果，国内外主要运用后处理软件对模型进行重新修饰来解决上述问题。(2)倾斜摄影影像重建出的三维模型只是附着纹理的表面模型，不具备矢量信息，无法满足数字城市的地物模型数据矢量信息需求。近年来，采用Li DAR(Light Detection And Ranging，LiDAR)技术测量目标对象而获取高精度的三维点云矢量数据已成为当前研究的热点。
综上，针对倾斜摄影技术在三维实体建模中存在的问题，目前的解决方法主要为模型后处理修饰，或结合机载LiDAR测量技术提高三维模型的实景效果，但仍存在以下问题：(1)没有解决遮挡的根源性问题，后处理修饰模型成本高、工作强度大；(2)Li DAR测量技术需构建特定匹配算法将云数据与纹理模型匹配；(3)航空摄影及机载LiDAR数据对地物侧面的信息获取有限。
发明内容
本发明实施例提供了一种基于多源地理信息耦合的城市实景三维建模方法，可以解决现有技术中存在的问题。
本发明提供一种基于多源地理信息耦合的城市实景三维建模方法，包括以下步骤：
通过多个激光雷达获取城市建筑的地面和高空的点云数据，得到城市建筑的三维信息；
通过无人机倾斜摄影获取城市建筑的多角度影像数据，通过车载相机获取城市建筑底部的影像数据；
根据获取的多角度影像数据和底部影像数据，得到城市建筑的三维纹理信息；
将获取的城市建筑的点云数据和影像数据进行匹配融合，建立城市实景三维模型。
优选的，所述无人机倾斜摄影获取城市建筑的俯视视角、前倾斜视角、后倾斜视角、左倾斜视角和右倾斜视角5个角度的影像信息。
优选的，在获取的多角度影像数据和底部影像数据后，需要对总的影像信息进行几何校正、空三加密、图像匹配预处理，得到城市建筑的三维纹理信息。
优选的，多个激光雷达设置在多个扫描站点，采用基于ICP的配准拼接方法对多个扫描站点获取的点云数据进行配准拼接，统一到相同的坐标系中，得到城市建筑的三维信息。
优选的，所述通过基于ICP的配准拼接方法对多个扫描站点获取的点云数据进行配准拼接，包括以下步骤：
选取任两个站点，将某一个站点作为基准站点，另一站点作为待拼接站点；
对两个站点的公共部分点云数据进行提取，得到部分公共点在各自的局部坐标值；
对于待拼接站点中的点集在基准站点找到相应的最近点，令误差阈值ξ＝0.01；
利用SVD法求得两个站点间的旋转矩阵R和平移矩阵T，计算最终转换矩阵Q；
将待拼接站点的所有点云数据按照转换矩阵Q配准拼接到基准站点，完成拼接工作；
将其它的站点按照上述方法依次拼接在基准站点上，最终完成整体建筑的点云数据拼接工作。
优选的，采用基于改进特征点配准算法将获取的城市建筑的点云数据和影像数据进行匹配融合，包括以下步骤：
通过手工提取同名特征点对，计算求解旋转矩阵R1和平移矩阵T1，对两者数据进行粗拼接；
利用Kd-Tree近邻点搜索算法计算粗拼接后数据拟合平面的法向量，对不可用的同名点进行剔除，优化同名特征点；
设激光点云数据原始坐标是A，倾斜摄影测量数据坐标是B，根据同名特征点位在A和B的坐标值，求出旋转矩阵R和平移矩阵T，根据旋转矩阵R和平移矩阵T，计算最终转换矩阵Q；
根据得到的转换矩阵的数值，将倾斜摄影模型B中各点坐标分别代入两站点之间的转换公式中，即可得到倾斜模型B中数据在激光点云模型A中的坐标值，完成倾斜摄影模型B向点云模型A的数据配准融合。
与现有技术相比，本发明的有益效果是：
基于“倾斜摄影+机载激光雷达+车载信息采集”的多源地理信息耦合技术来获取建筑三维模型体和纹理影像，通过统一的数学基准处理不同数据源，并利用相关匹配技术自动配准模型与纹理，来快速建立城市实景三维模型，实现城市建筑三维模型真实化、单体化、可量测化。总之，本发明不仅为城市三维实景建模提供高标准、高精度、高效率的解决方案，也可为后续变电站、输配电线路三维建模和历史建筑的规划管理和修缮、保护利用工程、宣传展示提供坚实的数据支撑，为保护工作提供新思路、新路线。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1本发明的一种基于多源地理信息耦合的城市实景三维建模方法的流程图；
图2(a)为本发明的扫描站点1的点云数据示意图；
图2(b)为本发明的扫描站点2的点云数据示意图；
图2(c)为本发明的扫描站点3的点云数据示意图；
图3(a)为本发明的3个站点配准拼接后的完整点云数据的示意图；
图3(b)为本发明的3个站点配准拼接后的完整点云数据渲染图；
图4为本发明的改进特征点配准算法的流程示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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，都属于本发明保护的范围。
参照图1和图2，本发明提供了一种基于多源地理信息耦合的城市实景三维建模方法，包括以下步骤：
通过多个激光雷达获取城市建筑的地面和高空的点云数据，得到城市建筑的三维信息。
机载LiDAR，集成GNSS定位、激光测距与惯性导航(INS)技术构建的三维空间信息采集系统。其采用动态差分GNSS设备获取扫描仪中心空间坐标、激光测距采集待定点信息、INS惯导测定姿态参数，并可采用CCD相机采集地表影像，便于后期制作DOM。
通过无人机倾斜摄影获取城市建筑的多角度影像数据，通过车载相机获取城市建筑底部的影像数据；根据获取的多角度影像数据和底部影像数据，得到城市建筑的三维纹理信息。
倾斜摄影测量，即采用多拼相机传感器平台，打破传统单一角度航摄的局限，分别从1个垂直、4个倾斜方位的多视点、视角方式同时完成数据采集，添加纹理数据后可直观用于三维城市建模处理。
车载信息采集系统是通过在一辆采集车顶安装影像采集设备和激光采集设备，同时配备GPS和IMU导航定位系统，在车辆快速行进过程中，能够快速采集沿途道路周边的影像和点云数据，能够快速提取感兴趣的建筑物影像以及道路、路灯、树木、广告牌、交通设施等地理信息数据的综合性地面移动采集系统
城市三维模型体依靠机载的LiDAR和车载LiDAR分别获取高空和地面的点云数据，合并点云数据构建高精度的三维场景模型。三维模型纹理通过无人机倾斜摄影获取下视角，前后、左右4个倾斜视角5个不同的角度地面影像信息，倾斜摄影能够获取同一建筑物的顶部、四周侧面影像信息加上车载的相机对建筑底部的影像数据为三维模型提供真实的纹理贴图。将获取的城市建筑的点云数据和影像数据进行匹配融合，建立城市实景三维模型。
多个激光雷达设置在多个扫描站点，采用基于ICP的配准拼接方法对多个扫描站点获取的点云数据进行配准拼接，统一到相同的坐标系中，得到城市建筑的三维信息。
参照图2和图3，通过基于ICP的配准拼接方法对多个扫描站点获取的点云数据进行配准拼接，包括以下步骤：
选取任两个站点，将某一个站点作为基准站点，另一站点作为待拼接站点；
对两个站点的公共部分点云数据进行提取，得到部分公共点在各自的局部坐标值；
对于待拼接站点中的点集在基准站点找到相应的最近点，令误差阈值ξ＝0.01；
利用SVD法求得两个站点间的旋转矩阵R和平移矩阵T，计算最终转换矩阵Q；
将待拼接站点的所有点云数据按照转换矩阵Q配准拼接到基准站点，完成拼接工作；
将其它的站点按照上述方法依次拼接在基准站点上，最终完成整体建筑的点云数据拼接工作。
参照图4，采用基于改进特征点配准算法进行数据融合，即在激光点云数据模型和倾斜摄影测量模型数据，其特征点匹配算法基本原理主要通过手动选取同名特征点计算旋转矩阵和平移矩阵，本发明则是在其基础上先通过Kd-Tree近邻点搜索算法来计算其拟合平面的法向量，进行约束选取的同名特征点是否可行，从而对不可用的同名点进行剔除，来优化同名点，使得计算的得到变换矩阵更加准确，从而使配准精度更高，技术路线如图4所示。
(1)先通过手工提取同名特征点对，计算求解旋转矩阵R1和平移矩阵T1对两者数据进行粗拼接。
(2)对粗拼接后的数据，利用Kd-Tree近邻点搜索算法，先获取M个与点T(x，y，z)距离最近的数据点，利用这M个点云坐标建立点T的最小二乘面，计算最小二乘面的法向量a。
(3)同样利用Kd-Tree近邻点搜索方法，从两者数据中各获取M/2个与点T(x，y，z)距离最近的数据点，构建点T的最小二乘面，计算最小二乘面的法向量
Figure BDA0004015038850000071
分别计算法向量
Figure BDA0004015038850000072
与天顶方向的夹角α1、α2，并计算α1、α2的差值，当差值小于等于阈值时，将M个点坐标计算平均值，计算得到旋转矩阵R和平移矩阵T对两者数据进行精拼接；当差值大于角度阈值时，将该同名特征点剔除，重新计算变换矩阵计算，循环至所有同名特征点符合要求后，进行精拼接，从而不断提高配准精度。
基于特征点配准算法步骤如下：在两种数据融合过程中，设激光点云数据原始坐标是A，倾斜摄影测量数据坐标是B，根据同名点位在A和B的坐标值，由公式(4-11)、(4-12)可求出旋转矩阵R和平移矩阵T。
其中：PA表示同名点位在激光点云模型A的坐标值，PB表示为同名点在倾斜摄影测量模型B的坐标值。R为两个模型之间的旋转转换矩阵，其次，由激光点云模型A和倾斜摄影测量模型B中的三组同名特征点位的三维空间坐标值通过最小二乘法,即可求得两种数据配准的坐标转换所需的6个参数(α,β,γ,t 1,t2,t3)，即得到旋转矩阵R和平移矩阵T的数值。计算最终转换矩阵Q；
根据得到的转换矩阵的数值，将倾斜摄影模型B中各点坐标(XBi，YBi，ZBi)分别代入两站点之间的转换公式中，即可得到倾斜模型B中数据在激光点云模型A中的坐标值(XAi，YAi，ZAi)，即完成倾斜摄影模型B向点云模型A的数据配准融合。
本发明在采集点云数据过程，所用激光扫描仪器全自动采集、实时性强、能够全天候作业，不受黑暗环境等空间和时间的影响，减小了人工参与量。突破传统测绘技术的单点测量模式，发展为面数据采集方式，可快速、完整获取建筑物内外部各类设备信息，大大提高工作效率。无需接触对象就可以精确地获取建筑物的完整三维信息，且数据精度高，可进行三维实体模型信息的存档管理。最后，基于“倾斜摄影+机载激光雷达+车载信息采集”的多源地理信息耦合技术来获取建筑三维模型体和纹理影像，通过统一的数学基准处理不同数据源，并利用相关匹配技术自动配准模型与纹理，来快速建立城市实景三维模型，实现城市建筑三维模型真实化、单体化、可量测化。总之，本发明不仅为城市三维实景建模提供高标准、高精度、高效率的解决方案，也可为后续变电站、输配电线路三维建模和历史建筑的规划管理和修缮、保护利用工程、宣传展示提供坚实的数据支撑，为保护工作提供新思路、新路线。
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 (6)

1.一种基于多源地理信息耦合的城市实景三维建模方法，其特征在于，包括以下步骤：
通过多个激光雷达获取城市建筑的地面和高空的点云数据，得到城市建筑的三维信息；
通过无人机倾斜摄影获取城市建筑的多角度影像数据，通过车载相机获取城市建筑底部的影像数据；
根据获取的多角度影像数据和底部影像数据，得到城市建筑的三维纹理信息；
将获取的城市建筑的点云数据和影像数据进行匹配融合，建立城市实景三维模型。
2.如权利要求1所述的一种基于多源地理信息耦合的城市实景三维建模方法，其特征在于，所述无人机倾斜摄影获取城市建筑的俯视视角、前倾斜视角、后倾斜视角、左倾斜视角和右倾斜视角5个角度的影像信息。
3.如权利要求1所述的一种基于多源地理信息耦合的城市实景三维建模方法，其特征在于，在获取的多角度影像数据和底部影像数据后，需要对总的影像信息进行几何校正、空三加密、图像匹配预处理，得到城市建筑的三维纹理信息。
4.如权利要求1所述的一种基于多源地理信息耦合的城市实景三维建模方法，其特征在于，多个激光雷达设置在多个扫描站点，采用基于ICP的配准拼接方法对多个扫描站点获取的点云数据进行配准拼接，统一到相同的坐标系中，得到城市建筑的三维信息。
5.如权利要求1所述的一种基于多源地理信息耦合的城市实景三维建模方法，其特征在于，所述通过基于ICP的配准拼接方法对多个扫描站点获取的点云数据进行配准拼接，包括以下步骤：
选取任两个站点，将某一个站点作为基准站点，另一站点作为待拼接站点；
对两个站点的公共部分点云数据进行提取，得到部分公共点在各自的局部坐标值；
对于待拼接站点中的点集在基准站点找到相应的最近点，令误差阈值ξ＝0.01；
利用SVD法求得两个站点间的旋转矩阵R和平移矩阵T，计算最终转换矩阵Q；
将待拼接站点的所有点云数据按照转换矩阵Q配准拼接到基准站点，完成拼接工作；
将其它的站点按照上述方法依次拼接在基准站点上，最终完成整体建筑的点云数据拼接工作。
6.如权利要求1所述的一种基于多源地理信息耦合的城市实景三维建模方法，其特征在于，采用基于改进特征点配准算法将获取的城市建筑的点云数据和影像数据进行匹配融合，包括以下步骤：
通过手工提取同名特征点对，计算求解旋转矩阵R1和平移矩阵T1，对两者数据进行粗拼接；
利用Kd-Tree近邻点搜索算法计算粗拼接后数据拟合平面的法向量，对不可用的同名点进行剔除，优化同名特征点；
设激光点云数据原始坐标是A，倾斜摄影测量数据坐标是B，根据同名特征点位在A和B的坐标值，求出旋转矩阵R和平移矩阵T，根据旋转矩阵R和平移矩阵T，计算最终转换矩阵Q；
根据得到的转换矩阵的数值，将倾斜摄影模型B中各点坐标分别代入两站点之间的转换公式中，即可得到倾斜模型B中数据在激光点云模型A中的坐标值，完成倾斜摄影模型B向点云模型A的数据配准融合。
CN202211665621.2A 2022-12-23 2022-12-23 一种基于多源地理信息耦合的城市实景三维建模方法 Pending CN116129067A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211665621.2A CN116129067A (zh) 2022-12-23 2022-12-23 一种基于多源地理信息耦合的城市实景三维建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211665621.2A CN116129067A (zh) 2022-12-23 2022-12-23 一种基于多源地理信息耦合的城市实景三维建模方法

Publications (1)

Publication Number Publication Date
CN116129067A true CN116129067A (zh) 2023-05-16

Family

ID=86311005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211665621.2A Pending CN116129067A (zh) 2022-12-23 2022-12-23 一种基于多源地理信息耦合的城市实景三维建模方法

Country Status (1)

Country Link
CN (1) CN116129067A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116503705A (zh) * 2023-06-28 2023-07-28 成都市数字城市运营管理有限公司 一种数字城市多源数据的融合方法
CN116844068A (zh) * 2023-09-01 2023-10-03 山东省地质矿产勘查开发局第五地质大队（山东省第五地质矿产勘查院） 建筑测绘方法、系统、计算机设备及存储介质
CN118015055A (zh) * 2024-04-08 2024-05-10 江苏狄诺尼信息技术有限责任公司 基于深度融合算法的多源勘测数据融合处理方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116503705A (zh) * 2023-06-28 2023-07-28 成都市数字城市运营管理有限公司 一种数字城市多源数据的融合方法
CN116503705B (zh) * 2023-06-28 2023-10-13 成都市数字城市运营管理有限公司 一种数字城市多源数据的融合方法
CN116844068A (zh) * 2023-09-01 2023-10-03 山东省地质矿产勘查开发局第五地质大队（山东省第五地质矿产勘查院） 建筑测绘方法、系统、计算机设备及存储介质
CN116844068B (zh) * 2023-09-01 2023-12-26 山东省地质矿产勘查开发局第五地质大队（山东省第五地质矿产勘查院） 建筑测绘方法、系统、计算机设备及存储介质
CN118015055A (zh) * 2024-04-08 2024-05-10 江苏狄诺尼信息技术有限责任公司 基于深度融合算法的多源勘测数据融合处理方法及系统

Similar Documents

Publication Publication Date Title
CN109410327B (zh) 一种基于bim和gis的三维城市建模方法
CN110503080B (zh) 基于无人机倾斜摄影辅助排污口的调查方法
CN111540048B (zh) 一种基于空地融合的精细化实景三维建模方法
CN111597666B (zh) 一种将bim应用到变电站建设过程的方法
CN104865578B (zh) 一种室内停车场高精细地图生成装置及方法
CN102506824B (zh) 一种城市低空无人机系统生成数字正射影像图的方法
CN116129067A (zh) 一种基于多源地理信息耦合的城市实景三维建模方法
CN102074047B (zh) 一种高精细城市三维建模方法
CN106296814B (zh) 公路养护检测与可视化交互方法和系统
CN111006646B (zh) 基于无人机倾斜摄影测量技术实现施工进度监测的方法
CN112113542A (zh) 一种无人机航摄建设用地土地专项数据验收的方法
CN112833861A (zh) 一种基于倾斜摄影大比例尺地形图的测绘方法和测绘系统
CN101545776A (zh) 基于数字地图的数码像片方位元素获取方法
CN106705962A (zh) 一种获取导航数据的方法及系统
CN116883604A (zh) 一种基于天、空、地影像的三维建模技术方法
Zhou et al. Application of UAV oblique photography in real scene 3d modeling
Yijing et al. Construction and analysis of 3D scene model of landscape space based on UAV oblique photography and 3D laser scanner
He et al. Construction of 3D Model of Tunnel Based on 3D Laser and Tilt Photography.
CN116824079A (zh) 基于全信息摄影测量的三维实体模型构建方法和装置
Gu et al. Surveying and mapping of large-scale 3D digital topographic map based on oblique photography technology
CN116129064A (zh) 电子地图生成方法、装置、设备及存储介质
CN116051742A (zh) 一种基于倾斜摄影数据与点云数据融合的建模方法及系统
CN113650783A (zh) 固定翼倾斜摄影地籍测图方法、系统及设备
Wang et al. Fast stitching of DOM based on small UAV
Zhang et al. Research on 3D modeling of UAV tilt photogrammetry

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