CN116295280A - 一种获取全景图的道路三维建模测量方法 - Google Patents
一种获取全景图的道路三维建模测量方法 Download PDFInfo
- Publication number
- CN116295280A CN116295280A CN202310309159.0A CN202310309159A CN116295280A CN 116295280 A CN116295280 A CN 116295280A CN 202310309159 A CN202310309159 A CN 202310309159A CN 116295280 A CN116295280 A CN 116295280A
- Authority
- CN
- China
- Prior art keywords
- point
- road
- image
- panoramic
- straight line
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 21
- 238000013178 mathematical model Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000008034 disappearance Effects 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- 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)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明设计一种获取全景图的道路三维建模测量方法,使用全景相机对道路进行全景图的拍摄,并将全景图分割成两部分,记作部分一和部分二,先将部分一进行图像处理,并找取消失点并进行消失点的计算;并且全景相机在拍摄时保持水平;将全景相机所在位置进行绝对坐标系的建立,以消失点所在位置进行相对坐标的建立,建立简单的道路三维模型,并将其简化为对应二维模型进行简便计算;将部分二按照上述内容,得到部分二的道路的测距和测高;使用图像融合模块,将由全景图分割出的两部分图像,即部分一和部分二拼接融合为一整条道路的图像;传统的道路测量过程繁琐且耗时,而本发明通过计算机技术的介入,大大提高了测量的效率。
Description
技术领域
本发明涉及道路测量技术领域,尤其涉及一种获取全景图的道路三维建模测量方法。
背景技术
随着社会的迅速发展,人们的出行变得越来越频繁,道路的建设与出行息息相关,道路修建、测量、导航变得越来越频繁,更加追求高效化,关于道路测量技术的需求逐渐增加,高效的道路建设迫在眉睫,但是,由于传统的道路测绘耗时费力,受当时技术所限测量时的误差不能得到相应的优化处理,使得会出现相应的误差偏差。测量时的误差不能得到相应的最小化处理,受传统地图受二维化的影响,无法显示出相应的实际道路情形,如:实际的道路中有错综复杂的立交桥、山体隧道、深槽路段等特殊道路。这些路线会形成一些交错,这种交错二维地图上很难表达清楚。
随着计算机领域的进步,道路测量上的技术也迅速的发展。对于传统二维地图加入新的元素,将其三维化处理,也可以大大减少道路测量上的费时费力。三维的电子地图通过直观地显示令人身临其境,为用户提供便利,如:目的地查询、路线查询、导航、所在地的各个设施等功能。根据当下所拍摄的全景图来进行相关道路距离与高度的测量,进而大大节省人力与时间成本,使测量方式变得简单。
发明内容
针对现有技术的不足,本发明设计一种获取全景图的道路三维建模测量方法,由此更加快测量全景图中的道路的长度、宽度及道路内的相关信息内容。
一种获取全景图的道路三维建模测量方法,具体包括以下步骤:
步骤1:使用三脚架固定全景相机,通过全景相机水平辅助校正模块进行辅助校正,使相机水平放置,记录全景相机的拍摄角度、朝向及全景相机位置;
所述全景相机的水平辅助校正模块是由陀螺仪、加速度计、磁力计构成确保全景相机与地面垂直并保证全景相机的水平放置;
步骤2:使用全景相机对道路进行全景图的拍摄,并将全景图分割成两部分,记作部分一和部分二,先将部分一进行图像处理,并找取消失点并进行消失点的计算;
所述将全景图分割成两部分,具体包括:将全景图所含道路信息部分进行分割处理,将所含无用信息的部分进行丢弃处理;
所述图像处理,具体包括:对全景图进行全景分割;全景分割是将全景图像分割成不同的区域,并对每个区域进行分析和处理的技术;采用基于区域的分割、基于边缘的分割,分割结果包括不同的区域和它们的边界信息;对分割结果采用Hough变换进行直线检测,检测结果包括直线的位置、方向、长度信息;对直线进行分类;根据直线的方向和斜率来进行分类,将直线分类为水平线、垂直线和斜线;过滤非水平线;对于检测到的直线,通过根据直线的方向及斜率的方式来识别水平线;并将非水平线的部分进行过滤处理,只保留近似水平的直线;合并相邻的水平线;由于同一水平线可能被检测为多条不连续的线段,需要进行相邻线段的合并,得到完整的水平线;
所述采用Hough变换进行直线检测,具体包括:将全景图转换为灰度图像;由于Hough变换是基于灰度图像进行的,因此需要将全景图像转换为灰度图像,使用OpenCV中的cvtColor()函数来实现;对灰度图像使用Canny算子方法进行边缘检测;边缘检测的结果是一张二值化图像,其中白色表示边缘,黑色表示背景;对边缘图像进行Hough变换;Hough变换是一种将图像中的直线转换为参数空间中的点的方法;在Hough变换中,每个点表示一条直线,其坐标是由直线的两个参数表示的;使用OpenCV中的HoughLines()函数来实现Hough变换,并设置相应的参数;对Hough变换的结果进行后处理;Hough变换的输出是一组直线的参数,需要对其进行过滤、合并等处理来得到最终的直线,根据直线的长度、斜率、方向等特征来进行过滤和合并;在图像上绘制检测到的直线;使用OpenCV中的line()函数来绘制直线,将其加入到原始全景图中,以便进行可视化和后续处理;
所述对全景图进行消失点的找取和计算,具体包括:根据全景图中的水平线和垂直线确定图像中的参考坐标系,找到全景图中的水平线和垂直线,并通过图像处理信息将其提取出来;根据提取出来的水平线和垂直线,计算它们在全景图像中的交点,即水平线的消失点和垂直线的消失点;根据消失点的位置,确定图像中的透视投影方向和相应的消失点;对于多点消失的情况,通过计算多条直线的交点来确定消失点,对于空间任意一点(Xω,Yω,Zω)T,投影之后的对应像素点为(u,v,1)T,写成矩阵的形式具体为:
将上述矩阵展开,取Zc=1得到下式:消失点视为空间直线上无穷远处的点投影在全景图像上形成的像素点;对于所处在空间中某一条直线L,方向为(ex,ey,ez),给定所在直线上的坐标为(bx,by,bz),所在直线上的任意一点B,所在直线L方向上点E写出表达示为:X(μ)=B+μE;
其中,μ=0时,点X(μ)与点B重合;μ→∞时,点X(μ)趋近于无穷远点;
点X(μ)趋近于无穷时得到:
进而得到消失点坐标(u∞,v∞);
步骤3:将步骤2得到的消失点所处位置与步骤1得到全景相机位置结合,以全景相机所在位置进行绝对坐标系的建立,以消失点所在位置进行相对坐标的建立,建立简单的道路三维模型,为计算在不同平面的参照物叙述不便问题,将其简化为对应二维模型进行简便计算;
首先定义绝对坐标系、相对坐标系,并建立道路的三维数学模型;
绝对坐标系:设横轴纵轴分别为X、Y轴;以全景相机水平、垂直于水平及竖直方向、竖直方向立三维坐标系;
相对坐标系:设横轴纵轴分别为U、V轴;以消失点水平、垂直于水平及竖直方向、竖直方向立三维坐标系;
由此,建立道路的三维数学模型;
全景相机为设中心点为O;全景相机摄像头焦距为f;水平面与光轴W轴夹角为β;全景相机与水平地面的高度为H;从目标物体引出射线与水平地面的交点设为D;目标物体与全景相机镜头到水平地面的垂直投影点的实际距离为P;以全景相机的焦距为中心点,全景相机光轴与地面的交点为W,以光轴W轴建立的是相对坐标系;全景相机光轴与消失点所对应的平面交点为(U0,V0),进而知道中心点的坐标,目标物体在图像坐标系中的对应位置D*为(U1,V1),夹角α1代表目标物体投影点Dy与光轴W的夹角,目标物体投影点Dy与全景相机镜头在水平地面上的投影点O1的距离为Py;f1表示全景相机摄像头焦距为f在成像面对应的像,设dx和dy分别表示单像素在x、y轴方向上的物理尺寸,抽象成三维道路数学模型,为方便计算和说明,将三维道路模型分解二维道路数学模型,有如下等式成立:
tanα1=(V1-V0)dy/f
Py=H/tan(α1+β)
L=H/sin(α1+β)
在L所在直线和图像坐标系V=V1轴组成的平面上的示意图;在该平面上,点U0代表目标物体在成像面上的实际位置的投影点,点U1代表目标物体在成面上的实际位置,夹角α2代表目标物体投影点Dy与目标物体的真实位置D的夹角,目标物体D与目标物体投影点Dy的距离Pχ;则有下式成立:
tanα2=(V1-V0)dy/f1
Px=L|tanα2|
绝对坐标系中目标物体与全景相机镜头在地面上的垂直投影点的实际距离:
当全景相机镜头的高度H已知,则物体到镜头的距离p:
对于待测物体的底端,即在地面上的某点,利用上述三维道路数学模型得到物体底端到全景相机镜头在地面投影点的距离P0;于此,对目标物体顶端也利用上述三维道路数学模型计算得到的距离实际为该点与全景相机中心连线的延长线在地面的交点到全景相机镜头的距离,即为R点到全景相机镜头在地面的投影点之间的距离P2;R点和目标物体组成的直角三角形和全景相机镜头、全景相机镜头在地面的投影点、R三点组成的直角三角形相似,进而得到物体的高h的计算公式:
(P2-P0)H=hP2
进而实现由全景图分割出的两部分图像中其中部分一的道路的测距和测高;
步骤4:将由全景图分割下来的部分二按照上述步骤2到步骤3,得到相对应的含有道路信息的图像,进而实现由全景图分割出的两部分图像中其中部分二的道路的测距和测高;
步骤5:使用图像融合模块,将由全景图分割出的两部分图像,即部分一和部分二拼接融合为一整条道路的图像;
所述图像融合模块,具体包括:按照步骤2所提到的由全景图分割出的两部分图像,即部分一和部分二进行道路特征点的比对,选取两幅图片特征点相一致的部分进行拼接融合处理,最终形成完整的道路图像。
采用上述技术方案所产生的有益效果在于:
1.提高道路测量的效率:传统的道路测量需要人工到现场进行测量,测量过程繁琐且耗时。而基于全景图的道路测量则可以在办公室通过计算机进行,大大提高了测量的效率。
2.提高道路测量的精度:基于全景图的道路测量可以获取更为全面和精细的道路信息,包括道路的宽度、线形、坡度等,相比传统的测量方法更为准确。
3.减少道路维护成本:通过全景图的道路测量,可以及时发现道路的问题和缺陷,做到早发现、早处理,从而减少道路维护的成本和工作量。
4.提高道路安全性能:全景图的道路测量可以提供更为全面和准确的道路信息,为道路规划、设计和管理提供更为科学的依据,从而提高道路的安全性能。
总之,基于全景图的道路测量专利在提高效率、精度、降低成本和提高安全性能等方面都具有显著的优势,具有广泛的应用前景和市场价值。
附图说明
图1为本发明基于全景图的道路测量法流程图;
图2为本发明所拍摄的全景图;
图3为本发明所拍摄全景图分割后的部分一示意图;
图4为本发明如何找取消失点原理图;
图5为本发明三维道路测距模型结构原理图;
图6为本发明道路测距二维分解原理图;
图7为本发明道路测距模型二维分解细节原理图;
图8为本发明道路测高原理图;
图9为本发明所拍摄全景图分割后的部分二示意图;
图10为本发明一种获取全景图的道路三维建模测量方法测量结果示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
一种获取全景图的道路三维建模测量方法,如图1所示,具体包括以下步骤:
步骤1:使用三脚架固定全景相机,通过全景相机水平辅助校正模块进行辅助校正,使相机水平放置,记录全景相机的拍摄角度、朝向及全景相机位置;如图2所示;
所述全景相机的水平辅助校正模块是由陀螺仪、加速度计、磁力计构成确保全景相机与地面垂直并保证全景相机的水平放置;
步骤2:使用全景相机对道路进行全景图的拍摄,并将全景图分割成两部分,记作部分一和部分二,先将部分一进行图像处理,并找取消失点并进行消失点的计算;部分一找取消失点如图3所示,找去消失点原理如图4所示;
所述将全景图分割成两部分,具体包括:将全景图所含道路信息部分进行分割处理,将所含无用信息的部分进行丢弃处理;
所述图像处理,具体包括:对全景图进行全景分割;全景分割是将全景图像分割成不同的区域,并对每个区域进行分析和处理的技术;采用基于区域的分割、基于边缘的分割,分割结果包括不同的区域和它们的边界信息;对分割结果采用Hough变换进行直线检测,检测结果包括直线的位置、方向、长度信息;对直线进行分类;根据直线的方向和斜率来进行分类,将直线分类为水平线、垂直线和斜线;过滤非水平线;对于检测到的直线,通过根据直线的方向及斜率的方式来识别水平线;并将非水平线的部分进行过滤处理,只保留近似水平的直线;合并相邻的水平线;由于同一水平线可能被检测为多条不连续的线段,需要进行相邻线段的合并,得到完整的水平线;
所述采用Hough变换进行直线检测,具体包括:将全景图转换为灰度图像;由于Hough变换是基于灰度图像进行的,因此需要将全景图像转换为灰度图像,使用OpenCV中的cvtColor()函数来实现;对灰度图像使用Canny算子方法进行边缘检测;边缘检测的结果是一张二值化图像,其中白色表示边缘,黑色表示背景;对边缘图像进行Hough变换;Hough变换是一种将图像中的直线转换为参数空间中的点的方法;在Hough变换中,每个点表示一条直线,其坐标是由直线的两个参数表示的;使用OpenCV中的HoughLines()函数来实现Hough变换,并设置相应的参数;对Hough变换的结果进行后处理;Hough变换的输出是一组直线的参数,需要对其进行过滤、合并等处理来得到最终的直线,根据直线的长度、斜率、方向等特征来进行过滤和合并;在图像上绘制检测到的直线;使用OpenCV中的line()函数来绘制直线,将其加入到原始全景图中,以便进行可视化和后续处理;
所述对全景图进行消失点的找取和计算,具体包括:根据全景图中的水平线和垂直线确定图像中的参考坐标系,找到全景图中的水平线和垂直线,并通过图像处理信息将其提取出来;根据提取出来的水平线和垂直线,计算它们在全景图像中的交点,即水平线的消失点和垂直线的消失点;根据消失点的位置,确定图像中的透视投影方向和相应的消失点;对于多点消失的情况,通过计算多条直线的交点来确定消失点,对于空间任意一点(Xω,Yω,Zω)T,投影之后的对应像素点为(u,v,1)T,写成矩阵的形式具体为:
将上述矩阵展开,取Zc=1得到下式:消失点视为空间直线上无穷远处的点投影在全景图像上形成的像素点;对于所处在空间中某一条直线L,方向为(ex,ey,ez),给定所在直线上的坐标为(bx,by,bz),所在直线上的任意一点B,所在直线L方向上点E写出表达示为:X(μ)=B+μE;
其中,μ=0时,点X(μ)与点B重合;μ→∞时,点X(μ)趋近于无穷远点;
点X(μ)趋近于无穷时得到:
进而得到消失点坐标(u∞,v∞);
步骤3:将步骤2得到的消失点所处位置与步骤1得到全景相机位置结合,以全景相机所在位置进行绝对坐标系的建立,以消失点所在位置进行相对坐标的建立,建立简单的道路三维模型,为计算在不同平面的参照物叙述不便问题,将其简化为对应二维模型进行简便计算,如图5、6、7、8所示;
首先定义绝对坐标系、相对坐标系,并建立道路的三维数学模型;
绝对坐标系:设横轴纵轴分别为X、Y轴;以全景相机水平、垂直于水平及竖直方向、竖直方向立三维坐标系;
相对坐标系:设横轴纵轴分别为U、V轴;以消失点水平、垂直于水平及竖直方向、竖直方向立三维坐标系;
由此,建立道路的三维数学模型,原理图示意图如图5所示;
相对坐标系:设横轴纵轴分别为U、V轴;以消失点水平、垂直于水平及竖直方向、竖直方向立三维坐标系;
全景相机为设中心点为O;全景相机摄像头焦距为f;水平面与光轴w轴夹角为β;全景相机与水平地面的高度为H;从目标物体引出射线与水平地面的交点设为D;目标物体与全景相机镜头到水平地面的垂直投影点的实际距离为P;以全景相机的焦距为中心点,全景相机光轴与地面的交点为w,以光轴W轴建立的是相对坐标系;全景相机光轴与消失点所对应的平面交点为(U0,V0),进而知道中心点的坐标,目标物体在图像坐标系中的对应位置D*为(U1,V1),夹角α1代表目标物体投影点Dy与光轴w的夹角,目标物体投影点Dy与全景相机镜头在水平地面上的投影点O1的距离为Py;f1表示全景相机摄像头焦距为f在成像面对应的像,设dx和dy分别表示单像素在x、y轴方向上的物理尺寸,抽象成三维道路数学模型,为方便计算和说明,将三维道路模型分解二维道路数学模型,原理示意图如图6所示,有如下等式成立:
tanα1=(V1-V0)dy/f
Py=H/tan(α1+β)
L=H/sin(α1+β)
在L所在直线和图像坐标系V=V1轴组成的平面上的示意图,如图7所示;在该平面上,点U0代表目标物体在成像面上的实际位置的投影点,点U1代表目标物体在成面上的实际位置,夹角α2代表目标物体投影点Dv与目标物体的真实位置D的夹角,目标物体D与目标物体投影点Dv的距离Pχ;则有下式成立:
tanα2=(V1-V0)dy/f1
Px=L|tanα2|
绝对坐标系中目标物体与全景相机镜头在地面上的垂直投影点的实际距离:
当全景相机镜头的高度H已知,则物体到镜头的距离p:
对于待测物体的底端,即在地面上的某点,利用上述三维道路数学模型得到物体底端到全景相机镜头在地面投影点的距离P0,如图所示8;于此,对目标物体顶端也利用上述三维道路数学模型计算得到的距离实际为该点与全景相机中心连线的延长线在地面的交点到全景相机镜头的距离,即为R点到全景相机镜头在地面的投影点之间的距离P2;R点和目标物体组成的直角三角形和全景相机镜头、全景相机镜头在地面的投影点、R三点组成的直角三角形相似,进而得到物体的高h的计算公式:
(P2-P0)H=hP2
进而实现由全景图分割出的两部分图像中其中部分一的道路的测距和测高;
步骤4:将由全景图分割下来的部分二按照上述步骤2到步骤3,得到相对应的含有道路信息的图像,如图9所示,进而实现由全景图分割出的两部分图像中其中部分二的道路的测距和测高;
步骤5:使用图像融合模块,将由全景图分割出的两部分图像,即部分一和部分二拼接融合为一整条道路的图像;最终道路信息测量结果如附图10所示;
所述图像融合模块,具体包括:按照步骤2所提到的由全景图分割出的两部分图像,即部分一和部分二进行道路特征点的比对,选取两幅图片特征点相一致的部分进行拼接融合处理,最终形成完整的道路图像。
Claims (7)
1.一种获取全景图的道路三维建模测量方法,其特征在于,具体包括以下步骤:
步骤1:使用三脚架固定全景相机,通过全景相机水平辅助校正模块进行辅助校正,使相机水平放置,记录全景相机的拍摄角度、朝向及全景相机位置;
步骤2:使用全景相机对道路进行全景图的拍摄,并将全景图分割成两部分,记作部分一和部分二,先将部分一进行图像处理,并找取消失点并进行消失点的计算;
步骤3:将步骤2得到的消失点所处位置与步骤1得到全景相机位置结合,以全景相机所在位置进行绝对坐标系的建立,以消失点所在位置进行相对坐标的建立,建立简单的道路三维模型,为计算在不同平面的参照物叙述不便问题,将其简化为对应二维模型进行简便计算;
步骤4:将由全景图分割下来的部分二按照上述步骤2到步骤3,得到相对应的含有道路信息的图像,进而实现由全景图分割出的两部分图像中其中部分二的道路的测距和测高;
步骤5:使用图像融合模块,将由全景图分割出的两部分图像,即部分一和部分二拼接融合为一整条道路的图像。
2.根据权利要求1所述的一种获取全景图的道路三维建模测量方法,其特征在于,步骤1所述全景相机的水平辅助校正模块是由陀螺仪、加速度计、磁力计构成确保全景相机与地面垂直并保证全景相机的水平放置。
3.根据权利要求1所述的一种获取全景图的道路三维建模测量方法,其特征在于,步骤2所述将全景图分割成两部分,具体包括:将全景图所含道路信息部分进行分割处理,将所含无用信息的部分进行丢弃处理;
所述图像处理,具体包括:对全景图进行全景分割;全景分割是将全景图像分割成不同的区域,并对每个区域进行分析和处理的技术;采用基于区域的分割、基于边缘的分割,分割结果包括不同的区域和它们的边界信息;对分割结果采用Hough变换进行直线检测,检测结果包括直线的位置、方向、长度信息;对直线进行分类;根据直线的方向和斜率来进行分类,将直线分类为水平线、垂直线和斜线;过滤非水平线;对于检测到的直线,通过根据直线的方向及斜率的方式来识别水平线;并将非水平线的部分进行过滤处理,只保留近似水平的直线;合并相邻的水平线;由于同一水平线可能被检测为多条不连续的线段,需要进行相邻线段的合并,得到完整的水平线。
4.根据权利要求3所述的一种获取全景图的道路三维建模测量方法,其特征在于,所述采用Hough变换进行直线检测,具体包括:将全景图转换为灰度图像;由于Hough变换是基于灰度图像进行的,因此需要将全景图像转换为灰度图像,使用OpenCV中的cvtColor()函数来实现;对灰度图像使用Canny算子方法进行边缘检测;边缘检测的结果是一张二值化图像,其中白色表示边缘,黑色表示背景;对边缘图像进行Hough变换;Hough变换是一种将图像中的直线转换为参数空间中的点的方法;在Hough变换中,每个点表示一条直线,其坐标是由直线的两个参数表示的;使用OpenCV中的HoughLines()函数来实现Hough变换,并设置相应的参数;对Hough变换的结果进行后处理;Hough变换的输出是一组直线的参数,需要对其进行过滤、合并等处理来得到最终的直线,根据直线的长度、斜率、方向等特征来进行过滤和合并;在图像上绘制检测到的直线;使用OpenCV中的line()函数来绘制直线,将其加入到原始全景图中,以便进行可视化和后续处理。
5.根据权利要求1所述的一种获取全景图的道路三维建模测量方法,其特征在于,所述对全景图进行消失点的找取和计算,具体包括:根据全景图中的水平线和垂直线确定图像中的参考坐标系,找到全景图中的水平线和垂直线,并通过图像处理信息将其提取出来;根据提取出来的水平线和垂直线,计算它们在全景图像中的交点,即水平线的消失点和垂直线的消失点;根据消失点的位置,确定图像中的透视投影方向和相应的消失点;对于多点消失的情况,通过计算多条直线的交点来确定消失点,对于空间任意一点(Xω,Yω,Zω)T,投影之后的对应像素点为(u,v,1)T,写成矩阵的形式具体为:
将上述矩阵展开,取Zc=1得到下式:消失点视为空间直线上无穷远处的点投影在全景图像上形成的像素点;对于所处在空间中某一条直线L,方向为ex,ey,ez,给定所在直线上的坐标为bx,by,bz,所在直线上的任意一点B,所在直线L方向上点E写出表达示为:Xμ=B+μE;
其中,μ=0时,点X(μ)与点B重合;μ→∞时,点X(μ)趋近于无穷远点;
点X(μ)趋近于无穷时得到:
进而得到消失点坐标(u∞,v∞)。
6.根据权利要求1所述的一种获取全景图的道路三维建模测量方法,其特征在于,步骤3具体为:
首先定义绝对坐标系、相对坐标系,并建立道路的三维数学模型;
绝对坐标系:设横轴纵轴分别为X、Y轴;以全景相机水平、垂直于水平及竖直方向、竖直方向立三维坐标系;
相对坐标系:设横轴纵轴分别为U、V轴;以消失点水平、垂直于水平及竖直方向、竖直方向立三维坐标系;
由此,建立道路的三维数学模型;
全景相机为设中心点为O;全景相机摄像头焦距为f;水平面与光轴W轴夹角为β;全景相机与水平地面的高度为H;从目标物体引出射线与水平地面的交点设为D;目标物体与全景相机镜头到水平地面的垂直投影点的实际距离为P;以全景相机的焦距为中心点,全景相机光轴与地面的交点为W,以光轴W轴建立的是相对坐标系;全景相机光轴与消失点所对应的平面交点为(U0,V0),进而知道中心点的坐标,目标物体在图像坐标系中的对应位置D*为(U1,V1),夹角α1代表目标物体投影点Dy与光轴W的夹角,目标物体投影点Dy与全景相机镜头在水平地面上的投影点O1的距离为Py;f1表示全景相机摄像头焦距为f在成像面对应的像,设dx和dy分别表示单像素在x、y轴方向上的物理尺寸,抽象成三维道路数学模型,为方便计算和说明,将三维道路模型分解二维道路数学模型,有如下等式成立:
Py=H/tan(α1+β)
L=H/sin(α1+β)
在L所在直线和图像坐标系V=V1轴组成的平面上的示意图;在该平面上,点U0代表目标物体在成像面上的实际位置的投影点,点U1代表目标物体在成面上的实际位置,夹角α2代表目标物体投影点Dy与目标物体的真实位置D的夹角,目标物体D与目标物体投影点Dy的距离Px;则有下式成立:
tanα2=(V1-V0)dy/f1
Px=L|tanα2|
绝对坐标系中目标物体与全景相机镜头在地面上的垂直投影点的实际距离:
当全景相机镜头的高度H已知,则物体到镜头的距离p:
对于待测物体的底端,即在地面上的某点,利用上述三维道路数学模型得到物体底端到全景相机镜头在地面投影点的距离P0;于此,对目标物体顶端也利用上述三维道路数学模型计算得到的距离实际为该点与全景相机中心连线的延长线在地面的交点到全景相机镜头的距离,即为R点到全景相机镜头在地面的投影点之间的距离P2;R点和目标物体组成的直角三角形和全景相机镜头、全景相机镜头在地面的投影点、R三点组成的直角三角形相似,进而得到物体的高h的计算公式:
(P2-P0)H=hP2
进而实现由全景图分割出的两部分图像中其中部分一的道路的测距和测高。
7.根据权利要求1所述的一种获取全景图的道路三维建模测量方法,其特征在于,步骤5所述图像融合模块,具体包括:按照步骤2所提到的由全景图分割出的两部分图像,即部分一和部分二进行道路特征点的比对,选取两幅图片特征点相一致的部分进行拼接融合处理,最终形成完整的道路图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310309159.0A CN116295280A (zh) | 2023-03-28 | 2023-03-28 | 一种获取全景图的道路三维建模测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310309159.0A CN116295280A (zh) | 2023-03-28 | 2023-03-28 | 一种获取全景图的道路三维建模测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116295280A true CN116295280A (zh) | 2023-06-23 |
Family
ID=86794036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310309159.0A Pending CN116295280A (zh) | 2023-03-28 | 2023-03-28 | 一种获取全景图的道路三维建模测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116295280A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116625317A (zh) * | 2023-07-26 | 2023-08-22 | 天津达一众诚科技有限公司 | 一种基于图像处理的陡坡表面坡度检测方法及设备 |
-
2023
- 2023-03-28 CN CN202310309159.0A patent/CN116295280A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116625317A (zh) * | 2023-07-26 | 2023-08-22 | 天津达一众诚科技有限公司 | 一种基于图像处理的陡坡表面坡度检测方法及设备 |
CN116625317B (zh) * | 2023-07-26 | 2023-10-03 | 天津达一众诚科技有限公司 | 一种基于图像处理的陡坡表面坡度检测方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210183080A1 (en) | Interior photographic documentation of architectural and industrial environments using 360 panoramic videos | |
US5073819A (en) | Computer assisted video surveying and method thereof | |
US8625851B2 (en) | Measurement apparatus, measurement method, and feature identification apparatus | |
Alshawabkeh et al. | Integration of digital photogrammetry and laser scanning for heritage documentation | |
US8422736B2 (en) | Method of and apparatus for producing lane information | |
JP4488233B2 (ja) | 映像オブジェクト認識装置、映像オブジェクト認識方法、および映像オブジェクト認識プログラム | |
JP5389964B2 (ja) | 地図情報生成装置 | |
Grussenmeyer et al. | Recording approach of heritage sites based on merging point clouds from high resolution photogrammetry and terrestrial laser scanning | |
US20140362082A1 (en) | Automated Overpass Extraction from Aerial Imagery | |
CN111383335B (zh) | 一种众筹照片与二维地图结合的建筑物三维建模方法 | |
JP4619962B2 (ja) | 路面標示計測システム、白線モデル計測システムおよび白線モデル計測装置 | |
US11972507B2 (en) | Orthophoto map generation method based on panoramic map | |
JP4521568B2 (ja) | 対応点探索方法、相互標定方法、3次元画像計測方法、対応点探索装置、相互標定装置、3次元画像計測装置、対応点探索プログラム及び対応点探索プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN116295280A (zh) | 一种获取全景图的道路三维建模测量方法 | |
Hofmann et al. | Skyline matching based camera orientation from images and mobile mapping point clouds | |
Verykokou et al. | Automatic rough georeferencing of multiview oblique and vertical aerial image datasets of urban scenes | |
CN115683060A (zh) | 一种基于倾斜摄影技术的地形测绘方法 | |
JP4231279B2 (ja) | デジタル画像処理装置 | |
Abdelhafiz et al. | Automatic texture mapping mega-projects | |
Koehl et al. | Image capture with synchronized multiple-cameras for extraction of accurate geometries | |
CN117274499B (zh) | 一种基于无人机倾斜摄影的钢结构加工及安装方法 | |
Wang et al. | Estimating heights of buildings from geotagged photos for data enrichment on OpenStreetMap | |
Karner | MetropoGis: A city modeling system | |
Ioannidis et al. | Low Cost Technique for Accurate Geometric Documentation of Complex Monuments by Non-experts | |
CN117576337A (zh) | 一种既有幕墙快速单体化建模的系统及方法 |
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 |