CN116206077A - 基于非全局重复建模的三维重构模型局部优化方法和装置 - Google Patents

基于非全局重复建模的三维重构模型局部优化方法和装置 Download PDF

Info

Publication number
CN116206077A
CN116206077A CN202310316938.3A CN202310316938A CN116206077A CN 116206077 A CN116206077 A CN 116206077A CN 202310316938 A CN202310316938 A CN 202310316938A CN 116206077 A CN116206077 A CN 116206077A
Authority
CN
China
Prior art keywords
model
optimized
area
preset
model area
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
CN202310316938.3A
Other languages
English (en)
Other versions
CN116206077B (zh
Inventor
杨东辉
王凯
曲小波
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202310316938.3A priority Critical patent/CN116206077B/zh
Publication of CN116206077A publication Critical patent/CN116206077A/zh
Application granted granted Critical
Publication of CN116206077B publication Critical patent/CN116206077B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请特别涉及一种基于非全局重复建模的三维重构模型局部优化方法和装置，方法包括：通过确定目标优化模型区域，并对其进行数据补充采集，得到待优化模型区域，基于待优化模型区域，提取满足预设提取条件的至少一个目标图像，生成待优化模型区域文件，然后利用待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。由此，解决了通过人工补拍数据以及将无人机和地面采集的数据直接合并后建模产生的计算负担，从而降低数据补充采集和建模效率等问题，通过移动车载数据采集系统对模型区域自动补拍，并选择补拍前后变化较大的区域进行二次三维模型构建，以此提高了数据的补充采集和建模效率。

Description

基于非全局重复建模的三维重构模型局部优化方法和装置
技术领域
本申请涉及数据采集技术领域，特别涉及一种基于非全局重复建模的三维重构模型局部优化方法和装置。
背景技术
无人机倾斜摄影测量在城市建设、智能交通等领域得到了快速发展和应用，也为进一步的三维模型构建提供了有效的数据采集方案，从而最终获得高精度三维模型在城市综合整治规划、自动驾驶等领域发挥着重要的作用。
相关技术中，主要通过无人机按照规定路线在目标区域上方进行拍摄，以收集相关图像数据，但由于在图像数据采集过程中会因存在遮挡关系而导致获得的高精度三维模型破损，进而在模型破损后会采用人工手持设备进行补拍，然后将无人机采集的数据与地面的采集数据直接合并，同时利用建图软件进行三维建模。
然而，在数据补充采集方面采用人工补拍，并将人工补拍的数据和无人机采集的数据直接合并后进行建模，会存在重复建模的弊端，从而会产生大量的计算负担，不仅消耗人员精力，同时会降低数据补充采集的效率，亟需解决。
申请内容
本申请提供一种基于非全局重复建模的三维重构模型局部优化方法和装置，以解决通过人工补拍数据以及将无人机和地面采集的数据直接合并后建模所产生的计算负担，从而降低数据补充采集和建模效率等问题。
本申请第一方面实施例提供一种基于非全局重复建模的三维重构模型局部优化方法，包括以下步骤：
确定目标优化模型区域，并对所述目标优化模型区域进行数据补充采集，得到待优化模型区域；
基于所述待优化模型区域，提取满足预设提取条件的至少一个目标图像，并根据所述至少一个目标图像生成待优化模型区域文件；以及
利用所述待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。
根据本申请的一个实施例，所述确定目标优化模型区域，包括：
基于GIS(Geographic Information System，地理信息系统)地图数据，获取路网位置和道路宽度信息；
根据所述路网位置和所述道路宽度信息对待优化道路区域进行区域选择，并根据预先构建的模型框选出满足预设破损区域条件的区域，得到所述目标优化模型区域。
根据本申请的一个实施例，所述对所述目标优化模型区域进行数据补充采集，得到待优化模型区域，包括：
根据所述路网位置和所述道路宽度信息自动规划补拍路线；
根据当前相机参数生成最优候选区域，并按照预设生成策略在所述最优候选区域中生成多个候选视点，并通过预设的可视度矩阵优化筛选所述多个候选视点，且基于筛选结果生成车载摄像头视角网络；
基于所述补拍路线，根据所述车载摄像头视角网络实时调整摄像头视角，以对所述目标优化模型区域进行数据补充采集，得到所述待优化模型区域。
根据本申请的一个实施例，所述提取满足预设提取条件的至少一个目标图像，包括：
基于第一预设补拍范围，选择所述待优化模型区域内所有的满足预设垂直向下拍摄条件的第一图像；
基于第二预设补拍范围，选择所述待优化模型区域内满足预设倾斜拍摄条件的第二图像；
根据所述第一图像和所述第二图像得到所述至少一个目标图像。
根据本申请的一个实施例，所述第二预设补拍范围由倾斜摄影的倾斜角度与GIS数据确定。
根据本申请实施例的基于非全局重复建模的三维重构模型局部优化方法，通过确定目标优化模型区域，并对其进行数据补充采集，得到待优化模型区域，基于待优化模型区域，提取满足预设提取条件的至少一个目标图像，生成待优化模型区域文件，然后利用待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。由此，解决了通过人工补拍数据以及将无人机和地面采集的数据直接合并后建模所产生的计算负担，从而降低数据补充采集和建模效率等问题，通过移动车载数据采集系统对模型区域自动补拍，并选择补拍前后变化较大的区域进行二次三维模型构建，以此提高了数据的补充采集和建模效率。
本申请第二方面实施例提供一种基于非全局重复建模的三维重构模型局部优化装置，包括：
采集模块，用于确定目标优化模型区域，并对所述目标优化模型区域进行数据补充采集，得到待优化模型区域；
提取模块，用于基于所述待优化模型区域，提取满足预设提取条件的至少一个目标图像，并根据所述至少一个目标图像生成待优化模型区域文件；以及
拼接模块，用于利用所述待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。
根据本申请的一个实施例，所述采集模块，具体用于：
基于GIS地图数据，获取路网位置和道路宽度信息；
根据所述路网位置和所述道路宽度信息对待优化道路区域进行区域选择，并根据预先构建的模型框选出满足预设破损区域条件的区域，得到所述目标优化模型区域。
根据本申请的一个实施例，所述采集模块，具体用于：
根据所述路网位置和所述道路宽度信息自动规划补拍路线；
根据当前相机参数生成最优候选区域，并按照预设生成策略在所述最优候选区域中生成多个候选视点，并通过预设的可视度矩阵优化筛选所述多个候选视点，且基于筛选结果生成车载摄像头视角网络；
基于所述补拍路线，根据所述车载摄像头视角网络实时调整摄像头视角，以对所述目标优化模型区域进行数据补充采集，得到所述待优化模型区域。
根据本申请的一个实施例，所述提取模块，具体用于：
基于第一预设补拍范围，选择所述待优化模型区域内所有的满足预设垂直向下拍摄条件的第一图像；
基于第二预设补拍范围，选择所述待优化模型区域内满足预设倾斜拍摄条件的第二图像；
根据所述第一图像和所述第二图像得到所述至少一个目标图像。
根据本申请的一个实施例，所述第二预设补拍范围由倾斜摄影的倾斜角度与GIS数据确定。
根据本申请实施例的基于非全局重复建模的三维重构模型局部优化装置，通过确定目标优化模型区域，并对其进行数据补充采集，得到待优化模型区域，基于待优化模型区域，提取满足预设提取条件的至少一个目标图像，生成待优化模型区域文件，然后利用待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。由此，解决了通过人工补拍数据以及将无人机和地面采集的数据直接合并后建模所产生的计算负担，从而降低数据补充采集和建模效率等问题，通过移动车载数据采集系统对模型区域自动补拍，并选择补拍前后变化较大的区域进行二次三维模型构建，以此提高了数据的补充采集和建模效率。
本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的基于非全局重复建模的三维重构模型局部优化方法。
本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的基于非全局重复建模的三维重构模型局部优化方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种基于非全局重复建模的三维重构模型局部优化方法；
图2为根据本申请一个实施例的模型破损示意图；
图3为根据本申请一个实施例的整体流程示意图；
图4为根据本申请一个实施例的车载摄像头视角网络示意图；
图5为根据本申请一个实施例的移动车载数据采集系统示意图；
图6为根据本申请实施例的基于非全局重复建模的三维重构模型局部优化装置的方框示例图；
图7为根据本申请实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参照附图描述根据本申请实施例的基于非全局重复建模的三维重构模型局部优化方法和装置，针对上述背景技术中提到的通过人工补拍数据以及将无人机和地面采集的数据直接合并后建模所产生的计算负担，从而降低数据补充采集和建模效率的问题，本申请提供了一种基于非全局重复建模的三维重构模型局部优化方法，在该方法中，通过确定目标优化模型区域，并对其进行数据补充采集，得到待优化模型区域，基于待优化模型区域，提取满足预设提取条件的至少一个目标图像，生成待优化模型区域文件，然后利用待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。由此，解决了通过人工补拍数据以及将无人机和地面采集的数据直接合并后建模所产生的计算负担，从而降低数据补充采集和建模效率等问题，通过移动车载数据采集系统对模型区域自动补拍，并选择补拍前后变化较大的区域进行二次三维模型构建，以此提高了数据的补充采集和建模效率。
具体而言，图1为本申请实施例提供的一种基于非全局重复建模的三维重构模型局部优化方法的流程示意图。
如图1所示，该基于非全局重复建模的三维重构模型局部优化方法包括以下步骤：
在步骤S101中，确定目标优化模型区域，并对目标优化模型区域进行数据补充采集，得到待优化模型区域。
具体地，如图2所示，本申请实施例在通过无人机倾斜摄像收集图像数据的过程中，可以根据收集的图像数据构建三维模型，若遇到由于遮挡关系而导致的图像数据不完整，从而使构建的三维模型破损时，便无法得到清晰完整的三维模型图像，进而不利于城市综合管理规划、自动驾驶等领域的实际应用，因此，如图3所示，在解决拍摄过程中出现的模型破损等情况，本申请实施例首先对模型区域进行划分，选择合理的截取区域，即确定目标优化模型区域，然后通过移动车载数据采集系统对目标优化模型区域进行数据补充采集，从而最终得到待优化模型区域。
进一步地，在一些实施例中，确定目标优化模型区域，包括：基于GIS地图数据，获取路网位置和道路宽度信息；根据路网位置和道路宽度信息对待优化道路区域进行区域选择，并根据预先构建的模型框选出满足预设破损区域条件的区域，得到目标优化模型区域。
其中，预先构建的模型可以为由本申请实施例初始采集的图像数据构建的三维模型，预设破损区域条件可以为本领域技术人员根据测量需求设定的破损区域，也可以为经计算机仿真得到的破损区域，在此不做具体限定。
具体地，本申请实施例在确定目标优化模型区域过程中，首先通过GIS地图数据获取道路区域的路网位置和道路宽度信息，生成待优化道路区域；其次，根据获取的路网位置和道路宽度信息对待优化道路区域进行道路的破损区域选择，并根据预先构建的模型框选出满足预设破损区域条件的模型破损区域，例如框选出模型拉花、空洞等破损区域，从而得到目标优化模型区域。
进一步地，在一些实施例中，对目标优化模型区域进行数据补充采集，得到待优化模型区域，包括：根据路网位置和道路宽度信息自动规划补拍路线；根据当前相机参数生成最优候选区域，并按照预设生成策略在最优候选区域中生成多个候选视点，并通过预设的可视度矩阵优化筛选多个候选视点，且基于筛选结果生成车载摄像头视角网络；基于补拍路线，根据车载摄像头视角网络实时调整摄像头视角，以对目标优化模型区域进行数据补充采集，得到待优化模型区域。
具体地，本申请实施例在确定目标优化模型区域后，首先根据上述获取到的路网位置和道路宽度信息对待优化道路区域中的破损区域自动规划补拍路线，从而对该破损区域进行数据补充采集；其次，如图4所示，根据当前相机参数在破损区域中生成最优候选区域，并按照随机生成的策略在最优候选区域中生成多个候选视点，从而根据筛选结果生成车载摄像头视角网络；最后，基于移动车载数据采集系统自动跟踪上述规划的补拍路线，并根据生成的车载摄像头视角网络实时调整摄像头视角，以对目标优化模型区域进行数据补充采集，从而得到待优化模型区域。
其中，如图5所示，本申请实施例的移动车载数据采集系统应用于无人地面车辆，并搭载了多线激光雷达、前后雷达、深度相机、RTK(Real Time Kinematic，实时动态)基站、惯导、摄像头、云台以及车载计算机，以提高自动规划补拍路线的精准性。
在步骤S102中，基于待优化模型区域，提取满足预设提取条件的至少一个目标图像，并根据至少一个目标图像生成待优化模型区域文件。
进一步地，在一些实施例中，提取满足预设提取条件的至少一个目标图像，包括：基于第一预设补拍范围，选择待优化模型区域内所有的满足预设垂直向下拍摄条件的第一图像；基于第二预设补拍范围，选择待优化模型区域内满足预设倾斜拍摄条件的第二图像；根据第一图像和第二图像得到至少一个目标图像。
其中，预设提取条件可以为本领域技术人员根据测量需求设定的提取条件，也可以为经计算机仿真得到的提取条件，第一预设补拍范围和第二预设补拍范围可以为本领域技术人员根据测量需求设定的补拍范围，也可以为经计算机仿真得到的补拍范围，在此不做具体限定。
具体地，如图3所示，本申请实施例在对道路区域拍摄图像的过程中，有垂直向下拍摄的图像，也有倾斜拍摄的图像，因此，在待优化模型区域中，可以提取垂直向下拍摄的图像或倾斜拍摄的图像中的至少一种，并根据提取的至少一个目标图像生成待优化模型区域文件。
具体而言，对于垂直向下拍摄的图像，基于垂直向下图像的第一预设补拍范围，选择待优化模型区域内的所有垂直向下的图像，从而得到第一图像；对于倾斜拍摄的图像，根据倾斜拍摄的倾斜角度与GIS数据确定倾斜图像的补拍范围，选择待优化模型区域内需要补拍区域的倾斜图像，从而得到第二图像，然后根据第一图像和第二图像得到待优化模型中的至少一个目标图像，并根据至少一个目标图像和其补拍后的图像生成待优化模型区域文件。
在步骤S103中，利用待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。
其中，预设的大地坐标系可以为本领域技术人员根据测量需求选用的坐标系，也可以为经计算机仿真得到的坐标系，在此不做具体限定。
具体地，本申请实施例在根据至少一个目标图像生成待优化模型区域文件后，将该待优化模型区域文件以KML(Keyhole Markup Language，标记语言)的文件形式导入三维模型构建软件，并在确定需要二次三维模型构建的范围后，进行二次三维模型构建，得到三维模型构建结果，并基于预设的大地坐标系对三维模型构建结果进行模型拼接，从而得到精确、完整的目标三维模型。
根据本申请实施例的基于非全局重复建模的三维重构模型局部优化方法，通过确定目标优化模型区域，并对其进行数据补充采集，得到待优化模型区域，基于待优化模型区域，提取满足预设提取条件的至少一个目标图像，生成待优化模型区域文件，然后利用待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。由此，解决了通过人工补拍数据以及将无人机和地面采集的数据直接合并后建模所产生的计算负担，从而降低数据补充采集和建模效率等问题，通过移动车载数据采集系统对模型区域自动补拍，并选择补拍前后变化较大的区域进行二次三维模型构建，以此提高了数据的补充采集和建模效率。
其次参照附图描述根据本申请实施例提出的基于非全局重复建模的三维重构模型局部优化装置。
图6是本申请实施例的基于非全局重复建模的三维重构模型局部优化装置的方框示意图。
如图6所示，该基于非全局重复建模的三维重构模型局部优化装置10包括：采集模块100、提取模块200和拼接模块300.
其中，采集模块100，用于确定目标优化模型区域，并对目标优化模型区域进行数据补充采集，得到待优化模型区域；
提取模块200，用于基于待优化模型区域，提取满足预设提取条件的至少一个目标图像，并根据至少一个目标图像生成待优化模型区域文件；以及
拼接模块300，用于利用待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。
进一步地，在一些实施例中，采集模块100，具体用于：
基于GIS地图数据，获取路网位置和道路宽度信息；
根据路网位置和道路宽度信息对待优化道路区域进行区域选择，并根据预先构建的模型框选出满足预设破损区域条件的区域，得到目标优化模型区域。
进一步地，在一些实施例中，采集模块100，具体用于：
根据路网位置和道路宽度信息自动规划补拍路线；
根据当前相机参数生成最优候选区域，并按照预设生成策略在最优候选区域中生成多个候选视点，并通过预设的可视度矩阵优化筛选多个候选视点，且基于筛选结果生成车载摄像头视角网络；
基于补拍路线，根据车载摄像头视角网络实时调整摄像头视角，以对目标优化模型区域进行数据补充采集，得到待优化模型区域。
进一步地，在一些实施例中，提取模块200，具体用于：
基于第一预设补拍范围，选择待优化模型区域内所有的满足预设垂直向下拍摄条件的第一图像；
基于第二预设补拍范围，选择待优化模型区域内满足预设倾斜拍摄条件的第二图像；
根据第一图像和第二图像得到至少一个目标图像。
进一步地，在一些实施例中，第二预设补拍范围由倾斜摄影的倾斜角度与GIS数据确定。
根据本申请实施例的基于非全局重复建模的三维重构模型局部优化装置，通过确定目标优化模型区域，并对其进行数据补充采集，得到待优化模型区域，基于待优化模型区域，提取满足预设提取条件的至少一个目标图像，生成待优化模型区域文件，然后利用待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。由此，解决了通过人工补拍数据以及将无人机和地面采集的数据直接合并后建模所产生的计算负担，从而降低数据补充采集和建模效率等问题，通过移动车载数据采集系统对模型区域自动补拍，并选择补拍前后变化较大的区域进行二次三维模型构建，以此提高了数据的补充采集和建模效率。
图7为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括：
存储器701、处理器702及存储在存储器701上并可在处理器702上运行的计算机程序。
处理器702执行程序时实现上述实施例中提供的基于非全局重复建模的三维重构模型局部优化方法。
进一步地，电子设备还包括：
通信接口703，用于存储器701和处理器702之间的通信。
存储器701，用于存放可在处理器702上运行的计算机程序。
存储器701可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器701、处理器702和通信接口703独立实现，则通信接口703、存储器701和处理器702可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。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7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。
可选的，在具体实现上，如果存储器701、处理器702及通信接口703，集成在一块芯片上实现，则存储器701、处理器702及通信接口703可以通过内部接口完成相互间的通信。
处理器702可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的基于非全局重复建模的三维重构模型局部优化方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (12)

1.一种基于非全局重复建模的三维重构模型局部优化方法，其特征在于，包括以下步骤：
确定目标优化模型区域，并对所述目标优化模型区域进行数据补充采集，得到待优化模型区域；
基于所述待优化模型区域，提取满足预设提取条件的至少一个目标图像，并根据所述至少一个目标图像生成待优化模型区域文件；以及
利用所述待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。
2.根据权利要求1所述的方法，其特征在于，所述确定目标优化模型区域，包括：
基于地理信息系统GIS地图数据，获取路网位置和道路宽度信息；
根据所述路网位置和所述道路宽度信息对待优化道路区域进行区域选择，并根据预先构建的模型框选出满足预设破损区域条件的区域，得到所述目标优化模型区域。
3.根据权利要求2所述的方法，其特征在于，所述对所述目标优化模型区域进行数据补充采集，得到待优化模型区域，包括：
根据所述路网位置和所述道路宽度信息自动规划补拍路线；
根据当前相机参数生成最优候选区域，并按照预设生成策略在所述最优候选区域中生成多个候选视点，并通过预设的可视度矩阵优化筛选所述多个候选视点，且基于筛选结果生成车载摄像头视角网络；
基于所述补拍路线，根据所述车载摄像头视角网络实时调整摄像头视角，以对所述目标优化模型区域进行数据补充采集，得到所述待优化模型区域。
4.根据权利要求1所述的方法，其特征在于，所述提取满足预设提取条件的至少一个目标图像，包括：
基于第一预设补拍范围，选择所述待优化模型区域内所有的满足预设垂直向下拍摄条件的第一图像；
基于第二预设补拍范围，选择所述待优化模型区域内满足预设倾斜拍摄条件的第二图像；
根据所述第一图像和所述第二图像得到所述至少一个目标图像。
5.根据权利要求4所述的方法，其特征在于，所述第二预设补拍范围由倾斜摄影的倾斜角度与GIS数据确定。
6.一种基于非全局重复建模的三维重构模型局部优化装置，其特征在于，包括：
采集模块，用于确定目标优化模型区域，并对所述目标优化模型区域进行数据补充采集，得到待优化模型区域；
提取模块，用于基于所述待优化模型区域，提取满足预设提取条件的至少一个目标图像，并根据所述至少一个目标图像生成待优化模型区域文件；以及
拼接模块，用于利用所述待优化模型区域文件进行二次三维模型构建，并基于预设的大地坐标系对构建结果进行模型拼接，得到目标三维模型。
7.根据权利要求6所述的装置，其特征在于，所述采集模块，具体用于：
基于GIS地图数据，获取路网位置和道路宽度信息；
根据所述路网位置和所述道路宽度信息对待优化道路区域进行区域选择，并根据预先构建的模型框选出满足预设破损区域条件的区域，得到所述目标优化模型区域。
8.根据权利要求7所述的装置，其特征在于，所述采集模块，具体用于：
根据所述路网位置和所述道路宽度信息自动规划补拍路线；
根据当前相机参数生成最优候选区域，并按照预设生成策略在所述最优候选区域中生成多个候选视点，并通过预设的可视度矩阵优化筛选所述多个候选视点，且基于筛选结果生成车载摄像头视角网络；
基于所述补拍路线，根据所述车载摄像头视角网络实时调整摄像头视角，以对所述目标优化模型区域进行数据补充采集，得到所述待优化模型区域。
9.根据权利要求6所述的装置，其特征在于，所述提取模块，具体用于：
基于第一预设补拍范围，选择所述待优化模型区域内所有的满足预设垂直向下拍摄条件的第一图像；
基于第二预设补拍范围，选择所述待优化模型区域内满足预设倾斜拍摄条件的第二图像；
根据所述第一图像和所述第二图像得到所述至少一个目标图像。
10.根据权利要求9所述的装置，其特征在于，所述第二预设补拍范围由倾斜摄影的倾斜角度与GIS数据确定。
11.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的基于非全局重复建模的三维重构模型局部优化方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的基于非全局重复建模的三维重构模型局部优化方法。
CN202310316938.3A 2023-03-24 2023-03-24 基于非全局重复建模的三维重构模型局部优化方法和装置 Active CN116206077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310316938.3A CN116206077B (zh) 2023-03-24 2023-03-24 基于非全局重复建模的三维重构模型局部优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310316938.3A CN116206077B (zh) 2023-03-24 2023-03-24 基于非全局重复建模的三维重构模型局部优化方法和装置

Publications (2)

Publication Number Publication Date
CN116206077A true CN116206077A (zh) 2023-06-02
CN116206077B CN116206077B (zh) 2024-05-17

Family

ID=86515853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310316938.3A Active CN116206077B (zh) 2023-03-24 2023-03-24 基于非全局重复建模的三维重构模型局部优化方法和装置

Country Status (1)

Country Link
CN (1) CN116206077B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102142153A (zh) * 2010-01-28 2011-08-03 香港科技大学 基于图像的三维模型的重建模方法
US20150362577A1 (en) * 2014-06-17 2015-12-17 Siemens Aktiengesellschaft Method and magnetic resonance apparatus for reconstruction of a three-dimensional image data set from data acquired when a noise object distorted the magnetic field in the apparatus
CN109902607A (zh) * 2019-02-21 2019-06-18 安徽省川佰科技有限公司 一种基于倾斜相机的城市自动优化建模系统
CN110223383A (zh) * 2019-06-17 2019-09-10 重庆大学 一种基于深度图修补的植物三维重建方法及系统
WO2020192354A1 (zh) * 2019-03-28 2020-10-01 东南大学 一种嵌入式城市设计场景仿真方法及系统
CN111918024A (zh) * 2020-06-29 2020-11-10 北京大学 一种城市路网数字化监控系统和方法
CN112154485A (zh) * 2019-08-30 2020-12-29 深圳市大疆创新科技有限公司 三维重建模型的优化方法、设备和可移动平台
CN112819937A (zh) * 2021-04-19 2021-05-18 清华大学 一种自适应多对象光场三维重建方法、装置及设备
WO2021120175A1 (zh) * 2019-12-20 2021-06-24 驭势科技(南京)有限公司 三维重建方法、装置、系统和存储介质
CN113128095A (zh) * 2021-04-27 2021-07-16 中国科学院武汉岩土力学研究所 一种三维网格模型的构建方法及装置
CN115330960A (zh) * 2022-02-22 2022-11-11 土豆数据科技集团有限公司 一种实景三维建模方法、装置、服务器和存储介质
CN115345822A (zh) * 2022-06-08 2022-11-15 南京航空航天大学 一种面向航空复杂零件的面结构光自动化三维检测方法
US11508042B1 (en) * 2020-01-29 2022-11-22 State Farm Mutual Automobile Insurance Company Imputation of 3D data using generative adversarial networks
CN115409938A (zh) * 2022-08-24 2022-11-29 珠海赛纳三维科技有限公司 三维模型构建方法、装置、设备及存储介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102142153A (zh) * 2010-01-28 2011-08-03 香港科技大学 基于图像的三维模型的重建模方法
US20150362577A1 (en) * 2014-06-17 2015-12-17 Siemens Aktiengesellschaft Method and magnetic resonance apparatus for reconstruction of a three-dimensional image data set from data acquired when a noise object distorted the magnetic field in the apparatus
CN109902607A (zh) * 2019-02-21 2019-06-18 安徽省川佰科技有限公司 一种基于倾斜相机的城市自动优化建模系统
WO2020192354A1 (zh) * 2019-03-28 2020-10-01 东南大学 一种嵌入式城市设计场景仿真方法及系统
CN110223383A (zh) * 2019-06-17 2019-09-10 重庆大学 一种基于深度图修补的植物三维重建方法及系统
CN112154485A (zh) * 2019-08-30 2020-12-29 深圳市大疆创新科技有限公司 三维重建模型的优化方法、设备和可移动平台
WO2021120175A1 (zh) * 2019-12-20 2021-06-24 驭势科技(南京)有限公司 三维重建方法、装置、系统和存储介质
US20230040550A1 (en) * 2019-12-20 2023-02-09 Uisee Technologies (Zhejiang) Ltd. Method, apparatus, system, and storage medium for 3d reconstruction
US11508042B1 (en) * 2020-01-29 2022-11-22 State Farm Mutual Automobile Insurance Company Imputation of 3D data using generative adversarial networks
CN111918024A (zh) * 2020-06-29 2020-11-10 北京大学 一种城市路网数字化监控系统和方法
CN112819937A (zh) * 2021-04-19 2021-05-18 清华大学 一种自适应多对象光场三维重建方法、装置及设备
CN113128095A (zh) * 2021-04-27 2021-07-16 中国科学院武汉岩土力学研究所 一种三维网格模型的构建方法及装置
CN115330960A (zh) * 2022-02-22 2022-11-11 土豆数据科技集团有限公司 一种实景三维建模方法、装置、服务器和存储介质
CN115345822A (zh) * 2022-06-08 2022-11-15 南京航空航天大学 一种面向航空复杂零件的面结构光自动化三维检测方法
CN115409938A (zh) * 2022-08-24 2022-11-29 珠海赛纳三维科技有限公司 三维模型构建方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马威威;何原荣;何婷婷;冷鹏;: "城区倾斜摄影测量数据质量提升方法", 福建工程学院学报, no. 01, 25 February 2020 (2020-02-25) *

Also Published As

Publication number Publication date
CN116206077B (zh) 2024-05-17

Similar Documents

Publication Publication Date Title
CN108763287B (zh) 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法
CN111322994B (zh) 基于无人机倾斜摄影的房屋密集区大比例尺地籍测量方法
CN114077764B (zh) 基于三维gis与bim集成的临建模型建立方法及应用
CN113607135B (zh) 一种用于路桥施工领域的无人机倾斜摄影测量方法
CN112233056B (zh) 一种多源数据的点云融合方法、装置和存储介质
CN114065339A (zh) 一种基于三维可视化模型的高塔建设选址方法
CN112837414B (zh) 基于车载点云数据的三维高精度地图的构建方法
CN113963254A (zh) 一种融合目标识别的车载式智能巡检方法及系统
CN105005580B (zh) 一种用于显示水库地形的方法及其装置
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
CN113639745A (zh) 一种点云地图的构建方法、装置及存储介质
CN115752432A (zh) 无人机采集道路交通图中虚线车道线自动提取方法及系统
CN116030116A (zh) 垃圾填埋体积分析方法、装置、电子设备及存储介质
CN116129064A (zh) 电子地图生成方法、装置、设备及存储介质
CN117789066A (zh) 基于深度学习的无人机多视角影像钢轨线自动提取方法
CN117496084A (zh) 大型湖泊场景建模方法、系统、计算机设备及存储介质
CN116206077B (zh) 基于非全局重复建模的三维重构模型局部优化方法和装置
CN115578525B (zh) 一种复杂环境的工程选线优化系统及方法
Gu et al. Surveying and mapping of large-scale 3D digital topographic map based on oblique photography technology
CN112509133A (zh) 一种基于gis的三维水库高清实景展示方法
CN105321186A (zh) 一种基于正射投影的封闭空间地图采集方法及装置
CN113190564A (zh) 地图更新系统、方法及设备
CN113781639B (zh) 一种大场景道路基础设施数字化模型快速构建方法
CN115270240A (zh) 输电区域可视化实现方法、装置、计算机设备和存储介质
CN116468868B (zh) 交通信号灯的建图方法、装置、设备及存储介质

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