CN116310115A - 一种基于激光点云构建建筑物三维模型的方法及系统 - Google Patents
一种基于激光点云构建建筑物三维模型的方法及系统 Download PDFInfo
- Publication number
- CN116310115A CN116310115A CN202310262532.1A CN202310262532A CN116310115A CN 116310115 A CN116310115 A CN 116310115A CN 202310262532 A CN202310262532 A CN 202310262532A CN 116310115 A CN116310115 A CN 116310115A
- Authority
- CN
- China
- Prior art keywords
- building
- point cloud
- cloud data
- model
- laser point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 101100409308 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) adv-1 gene Proteins 0.000 claims description 11
- 101150004094 PRO2 gene Proteins 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 abstract description 4
- 238000003379 elimination reaction Methods 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明属于建筑物三维建模技术领域，公开了一种基于激光点云构建建筑物三维模型的方法，通过预处理、点聚类、以及建筑物中几何平面的定义提取三个步骤，大量压缩数据而不破坏建筑物整体轮廓结构，进而将依据各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型之后，最后系统生成从建筑物屋顶模型底部至地面模型之间的建筑物墙面模型，并对完整的建筑物模型进行纹理贴图处理。本发明解决了现有技术中基于激光点云构建建筑物三维模型的方法存在的建模步骤复杂，建模速度慢的问题，使用本发明进行建筑物三维建模，具有建模简单，且因所设计的上述三步而大量数据压缩获得建模速度快的优点。同时，孤立点的排除获得了去毛刺，排除显然异常的数据点的效果，而使得由此方法获得的代表建筑物表面的最终点云数据更为平滑，建筑物室内的部分结构从而也能被看到。
Description
技术领域
本发明属于建筑物三维建模技术领域，具体涉及一种基于激光点云构建建筑物三维模型的方法及系统。
背景技术
伴随着计算机应用技术的不断发展，同时出现了越来越多对于真实场景下的大规模建筑物群的三维建模需求，举例如建立城市三维模型，用来对城市建筑物的高度和区域分布特点等进行调查，而在建立建筑物的三维模型之前，通常需要首先获取到关于建筑物的激光雷达点云数据，依据该激光雷达点云数据能够计算出建筑物上每个被测点的实际位置数据，进而能够实现对于建筑物三维模型的建立，但现有技术中基于激光点云构建建筑物三维模型的方法一般存在建模步骤复杂，建模速度慢的问题，因此研究一种能够实现基于激光点云的简单、快速的建筑物建模方法是十分必要的。
发明内容
针对上述提出的技术问题，本发明提供一种基于激光点云构建建筑物三维模型的方法及系统，本发明基于地面物体的激光点云数据，对其进行高度值的划分以及聚类处理，从而得到代表地面建筑物对象的激光点云数据，接着确定激光点云数据中的不同坐标点所组成的各个几何平面，并提取各个几何平面之间的位置关系，依据各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，完成对建筑物屋顶的快速建模，最后生成建筑物墙面模型，并对完整的建筑物模型进行纹理贴图处理。
本发明的所述几何平面，并非数学中几何学的几何平面，而是具有一定空间分布范围内点云集合成的整体类似一块薄板片的复杂几何图形，而建筑物模型M中的面为几何意义上的几何平面。
为了实现上述的发明一个目的是给出如下所述的一种基于激光点云构建建筑物三维模型的方法，通过以下步骤来实现：
S1、获取关于地面物体的激光点云数据，并对该激光点云数据进行预处理，来对其所代表的地面物体对象进行初步识别；
S2、对于经过预处理得到的激光点云数据，继续对激光点云数据中的坐标点进行聚类处理，从而去除激光点云数据中的干扰坐标点，得到代表地面建筑物对象的激光点云数据；
S3、基于代表地面建筑物对象的激光点云数据，确定激光点云数据中的不同坐标点所组成的各个几何平面，并提取各个几何平面之间的位置关系，同时对该位置关系进行形式化的表述，接着依据形式化的所述各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，进而完成对建筑物屋顶的快速建模；
S4、在建筑物屋顶模型建立完成的基础上，系统生成从建筑物屋顶模型底部至地面模型之间的建筑物墙面模型，从而得到完整的建筑物模型，并基于系统预先采集到的建筑物在实际场景下的图像数据对完整的建筑物模型进行纹理贴图处理。
作为本发明的一种优选技术方案，其中S1中所述的建筑物激光点云数据的预处理方式为，获取遥感影像图，基于遥感影像图以及建筑物的高度值计算得到三维建筑模型M，将点云模型与所述模型M进行配准，将点云数据中各离开所述模型M的建筑物平面距离为换算成实际距离为1-10cm范围内且上下浮动0.5cm的点云数据视作该平面附近所在的点，将所有建筑物平面对应的非所述面附近所在的点的点云数据坐标点全部删除。
其中，三维建筑模型M构建方法为：
S1-1在遥感图像中使用无添加层的VGG-16算法作为基于残差机制的ResNet主干网络提取一系列不同卷积层获得的特征图，特征图是输入图像尺寸的1/2-1/10，优选为1/8；
同时，通过图像金字塔算法FPN利用ResNet主干网络不同层来构建特征金字塔，并预测多个建筑物的边框，
S1-2对于多个建筑物中的每一建筑物，都对所述一系列不同卷积层获得的特征图和对应的建筑物的边框利用RoIAlign算法获得建筑物的本地特征图F；
S1-3对于每个建筑物的所述本地特征图F采用卷积层处理形成多边形边界罩M，再利用卷积层处理形成边界罩M的多个预测顶点P；其中多边形边界罩M具体是指描述建筑物在E中的XOY平面的垂直投影；
S1-4选取P中概率最大的点作为起始点y0，利用卷积长短期记忆ConvLSTM的多层RNN算法进行多步预测，得到多个预测点P(yt+1|yt；yt-1；y0)，t为步序数，封闭的建筑物边界多边形，将该多边形在构建模型底面投影，并根据每一栋建筑物的高度形成三维建筑模型M。
S2中获得代表地面建筑物对象的激光点云数据，具体包括如下步骤：
S2-1、从预处理的建筑物激光点云数据中，对应于建筑物的面所述附近所在的点，任意选取一坐标点，将其作为聚类的第一中心点，计算激光点云数据中其他坐标点到该第一中心点的欧式距离值，并判断该欧式距离值与系统预先设定的距离阈值之间的大小关系；
S2-2、当所述欧式距离值小于等于系统预先设定的距离阈值时，将与该欧式距离值相对应的坐标点划分到上述的中心点所代表的坐标点类别中，当所述欧式距离值大于系统预先设定的距离阈值时，将与该欧式距离值相对应的任一坐标点作为新的聚类的第二中心点；
S2-3、分别计算激光点云数据中其他坐标点到上述的第一和第二中心点的欧式距离值，当该欧式距离值均大于系统预先设定的距离阈值时，将与该欧式距离值相对应的任一坐标点作为新的聚类的第三中心点，否则将与该欧式距离值相对应的坐标点划分到与其距离更近的第一或第二中心点所代表的坐标点类别中；
S2-4、根据上述步骤类推，获得更多个中心点，并完成点云数据中其他坐标点在各中心点中的类别划分，直到完成对激光点云数据中所有坐标点的聚类处理，并从聚类处理后的激光点云数据中删除孤立的坐标点，以及其中坐标点个数较少的坐标点类别，进而得到代表地面建筑物对象的激光点云数据。
其中所述的距离阈值为建筑物一个所述所述模型M的建筑物平面的垂直于底面的对称轴两侧所分成的两个矩形的对角线长度的整数分之一。
优选地，所述更多个为5-100，更优选为10-20，最优选为12，且对于每一栋建筑物的M模型的每一个面上选取2个或更多个中心点。
S3中确定激光点云数据中的不同坐标点所组成的各个几何平面，具体包括如下步骤：
S3-1、在基于代表地面建筑物对象的激光点云数据中，对于每一个建筑物的面聚类的坐标点中，先选定一个坐标原点O，再任意选取一坐标点e0＝(x0,y0,z0)，x0,y0,z0∈(0,+∞)同时在该坐标点的邻域内任意再选取其他三个坐标点，分别为e1＝(x1,y1,z1)，x1,y1,z1∈(0,+∞)，e2＝(x2,y2,z2)，x2,y2,z2∈(0,+∞)，及e3＝(x3,y3,z3)，x3,y3,z3∈(0,+∞)；
S3-2、分别计算e0e1＝(x1-x0,y1-y0,z1-z0)，e0e2＝(x2-x0,y2-y0,z2-z0)，接着计算n＝e0e1×e0e2＝(x,y,z)，并得到
其中，x＝(y1-y0)(z2-z0)-(y2-y0)(z1-z0)，y＝(x2-x0)(z1-z0)-(x1-x0)(z2-z0)，z＝(x1-x0)(y2-y0)-(x2-x0)(y1-y0)；
S3-3、对于所述建筑物的面附近所在的任意其他坐标点e＝(x',y',z')，x',y',z'∈(0,+∞)，所有满足条件e·n＝|d|的坐标点集合{e}与坐标点e'0，e1，e2，及e3一起共同组成一个几何平面。
其中|d|为单位长度，为图像像素值之间的间距的整数倍，且2|d|小于换算为的实际距离的10cm。
应当理解的是，S1通过预处理建筑物的平面所述附近所在的点，已经排除了部分异常点云数据，使得数据体量减少。S2通过聚类划分出建筑物的每一个面，为接着无向图的制作顶点和边的奠定了几何基础。删除孤立的坐标点，以及其中坐标点个数较少的坐标点类别能够进一步压缩数据体量。由于点云数据的非平滑性，S3决定n法向不一定严格垂直于最后形成的满足条件e的最外表几何意义上的平面，选取的点e1，e2，及e3属于e0的邻域，即很小的范围，因此最后形成的所述几何平面厚度很小(2d)，都具有与M的建筑物底面很好的垂直度。并且通过上述操作我们将建筑物面附近所在的稠密的点云数据转化为更为稀疏的点云数据，进一步压缩了数据体量。
S3中提取激光点云数据中的不同坐标点所组成的各个几何平面之间的位置关系，并对该位置关系进行形式化的表述，该过程具体包括将所述各个几何平面分别作为顶点来构建一个无向图，当不同的两个几何平面之间存在一条公共边时，连接无向图中对应的两个顶点，并分别计算该两个几何平面的法向量，同时将该两个几何平面的法向量的夹角数据作为无向图中对应边的属性信息。
可选地，所述顶点即为所述面聚类中任意选取的坐标点e0＝(x0,y0,z0)，x0,y0,z0∈(0,+∞)。
S4中依据激光点云数据中坐标点所确定的各个几何平面之间的形式化的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，具体包括将形式化的各个几何平面之间的位置关系与组成系统模型数据库中建筑物屋顶模型的各个几何平面之间的形式化的位置关系进行相似性匹配，当该相似性匹配结果大于系统设定的阈值时，则从系统模型数据库中选择相应的建筑物屋顶模型。
对组成系统模型数据库中建筑物屋顶模型的各个几何平面之间的形式化的位置关系的提取过程与对激光点云数据中坐标点所确定的各个几何平面之间的形式化的位置关系的提取过程保持一致。
本发明另一个目的还提供一种基于激光点云构建建筑物三维模型的系统，用来实现上述内容所描述的一种基于激光点云构建建筑物三维模型的方法，具体包括如下的模块：
第一模块，用于获取并对地面物体的激光点云数据进行预处理，来对其所代表的地面物体对象进行初步识别，预处理还包括计算激光点云数据中的坐标点所代表的实际高度值，并依据不同类别的地面物体对象在实际中的高度值范围对激光点云数据中的坐标点进行高度值的划分；
第二模块，用于依据经过第一模块预处理得到的激光点云数据，继续对激光点云数据中的坐标点进行聚类处理，并且去除激光点云数据中的干扰坐标点，得到代表地面建筑物对象的激光点云数据；
第三模块，用于基于第二模块中得到的激光点云数据，确定激光点云数据中的不同坐标点所组成的各个几何平面，并提取各个几何平面之间的位置关系，同时对该位置关系进行形式化的表述，接着依据形式化的所述各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，完成对建筑物屋顶的快速建模；
第四模块，用于在建筑物屋顶模型的基础上，生成从建筑物屋顶模型底部至地面模型之间的建筑物墙面模型，从而得到完整的建筑物模型，并基于系统预先采集到的建筑物在实际场景下的图像数据对完整的建筑物模型进行纹理贴图处理。
本发明第三个目的还在于一种计算机可读非暂时性存储介质，其中存储有可由上述系统运行而实现上述方法的计算机可读程序。
与现有技术相比，本发明的有益效果如下：
本发明的一种基于激光点云构建建筑物三维模型的方法，通过预处理、点聚类、以及建筑物中几何平面的定义提取三个步骤，大量压缩数据而不破坏建筑物整体轮廓结构，进而将依据各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型之后，最后系统生成从建筑物屋顶模型底部至地面模型之间的建筑物墙面模型，并对完整的建筑物模型进行纹理贴图处理。本发明解决了现有技术中基于激光点云构建建筑物三维模型的方法存在的建模步骤复杂，建模速度慢的问题，使用本发明进行建筑物三维建模，具有建模简单，且因所设计的上述三步而大量数据压缩获得建模速度快的优点。同时，孤立点的排除获得了去毛刺，排除显然异常的数据点的效果，而使得由此方法获得的代表建筑物表面的最终点云数据更为平滑，建筑物室内的部分结构从而也能被看到。
附图说明
图1为本发明的一种基于激光点云构建建筑物三维模型的方法的步骤流程图；
图2为本发明的S1中所述的建筑物激光点云数据的预处理方式流程示意图；
图3为本发明的三维建筑模型M构建方法流程图；
图4获得代表地面建筑物对象的激光点云数据步骤中具体的选点与局部无向图生成示意图；
图5A为图4中所选点e0在构建对应几何平面过程中从厚度截面示意性视图；
图5B为图5A从n反方向看去的所选取的原点、坐标点分布示意图；
图6为相似程度计算过程以及屋顶纹理贴图结果示意性说明图，
图7为本发明的一种基于激光点云构建建筑物三维模型的系统的组成结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
参考如图1所示，本发明提供一种基于激光点云构建建筑物三维模型的方法，具体通过执行如下的步骤来实现：
S1、获取关于地面物体的激光点云数据，并对该激光点云数据进行预处理，来对其所代表的地面物体对象进行初步识别。
S2、对于经过预处理得到的激光点云数据，继续对激光点云数据中的坐标点进行聚类处理，从而去除激光点云数据中的干扰坐标点，得到代表地面建筑物对象的激光点云数据。
S3、基于代表地面建筑物对象的激光点云数据，确定激光点云数据中的不同坐标点所组成的各个几何平面，并提取各个几何平面之间的位置关系，同时对该位置关系进行形式化的表述，接着依据形式化的所述各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，进而完成对建筑物屋顶的快速建模。
S4、在建筑物屋顶模型建立完成的基础上，系统生成从建筑物屋顶模型底部至地面模型之间的建筑物墙面模型，从而得到完整的建筑物模型，并基于系统预先采集到的建筑物在实际场景下的图像数据对完整的建筑物模型进行纹理贴图处理。
进一步的，在步骤一中，对所述激光点云数据进行预处理具体包括，计算激光点云数据中的坐标点所代表的实际高度值，并依据不同类别的地面物体对象在实际中的高度值范围对激光点云数据中的坐标点进行高度值的划分，上述的地面物体对象包含地面、树木、车辆、及建筑物。
具体的，关于地面物体的激光点云数据由激光雷达系统得到，激光雷达系统包括激光器和一个接收系统，激光器产生并发射一束光脉冲，打在物体上并反射回来，最终被接收器所接收，接收器能准确地测量光脉冲从发射到被反射回的传播时间，鉴于光速是已知的，传播时间即可以被转换为距离值，结合激光器的高度，激光扫描角度，就可以准确地计算出每个地面被测点的三维坐标，又考虑到地面上常见的物体对象，举例如地面、树木、车辆、及建筑物等，他们都具有不同的实际高度，因此能够按照不同的地面物体对象在实际中的高度值范围对激光点云数据中的坐标点进行高度值的划分，举例如建筑物在实际中的高度值范围在一百米以内，树木在实际中的高度值范围在十米以内，进而能够初步确定代表地面建筑物对象的激光点云数据的数据范围，减少在后续的建模步骤中需要处理的点云数据量。
其中S1中所述的建筑物激光点云数据的预处理方式为，获取遥感影像图，如图2所示，基于遥感影像图以及建筑物的高度值计算得到三维建筑模型M，将点云数据与所述模型M进行配准，将点云数据中各离开配准后的模型M'的建筑物平面距离为换算成实际距离为3cm且上下浮动0.5cm的点云数据视作该平面附近所在的点，将所有建筑物平面对应的非所面附近，即图2中范围界限之外的点云数据坐标点全部删除。
其中，三维建筑模型M构建方法为，参见图3：
S1-1在遥感图像中使用无添加层的VGG-16算法作为基于残差机制的ResNet主干网络提取一系列不同卷积层获得的特征图，特征图是输入图像尺寸的为1/8；
同时，通过图像金字塔算法FPN利用ResNet主干网络不同层来构建特征金字塔，并预测多个建筑的边框，
S1-2对于多个建筑中的每一建筑，都对所述一系列不同卷积层获得的特征图和对应的建筑的边框利用RoIAlign算法获得建筑的本地特征图F；
S1-3对于每个建筑的所述本地特征图F采用卷积层处理形成多边形边界罩M，再利用卷积层处理形成边界罩M的6个预测顶点P；其中多边形边界罩M具体是指描述建筑在E中的XOY平面的垂直投影；
S1-4选取P中概率最大的点作为起始点y0，利用卷积长短期记忆ConvLSTM的多层RNN算法进行6步预测，得到6个预测点P(yt+1|yt；yt-1；y0)，t∈[1,6]，封闭的建筑边界6边形，将该6边形在构件模型底面β上投影成Pro，并根据每一栋建筑的高度值H形成三维建筑模型M。
S2中获得代表地面建筑物对象的激光点云数据，具体包括如下步骤，如图4所示：将建筑物每个面分为对称两半，对称轴为a，b，c，d，对以每一个面，其对角线的1/20作为距离阈值。
S2-1、从预处理的建筑物激光点云数据中，对应于如图4的建筑物的平面所述附近所在的点，选取一坐标点1，将其作为聚类的第一中心点，计算激光点云数据中其他坐标点到该第一中心点1的欧式距离值，并判断该欧式距离值与系统预先设定的距离阈值之间的大小关系；
S2-2、当所述欧式距离值小于等于系统预先设定的距离阈值时，将与该欧式距离值相对应的坐标点划分到上述的中心点1所代表的坐标点类别中，如中心点1所在圆心对角线1/20的半径的圆1内，当所述欧式距离值大于系统预先设定的距离阈值时，即该圆1外，将与该欧式距离值相对应的右侧半面中的坐标点作为新的聚类的第二中心点2；
S2-3、分别计算激光点云数据中其他坐标点，如图4中的点Q、中心点3到上述的第一和第二中心点1和2的欧式距离值，显然中心点3到中心点2和中心点1的欧式距离值均大于系统预先设定的距离阈值，将其作为新的聚类的第三中心点，而Q与中心点2和中心点1的欧式距离非都大于距离阈值，但Q点离中心点2更近，因此被划分到与其距离更近的中心点2所代表的坐标点类别中，即对称轴a的右侧半面中的；
S2-4、根据上述步骤类推，距离中心点1和2的欧式距离值还有其他多个更大的值对应的点，从而获得更多个中心点4-8，使得其他面中的每个面各存在的两个中心点(图4未示出，一共16个点)，并完成点云数据中其他坐标点在各中心点中的类别划分，使得离各自中心点距离相对其他中心点更近的划归为相应的半面中，直到完成对激光点云数据中所有坐标点的聚类处理，形成各对称轴，包括b,c,d两侧的16个半面，并从聚类处理后的激光点云数据中删除孤立的坐标点，以及其中坐标点个数较少(或者最少)的坐标点类别，如图即为5,6中心点所在半面(面积小坐标点必然也少)，以及与两者相对的建筑物另外一侧的两个半面(图4未示出)，进而得到代表地面建筑物对象的激光点云数据。
可以理解的是，将小面积的建筑物面删除并不影响整体的大致结构轮廓，从而能够压缩数据体量。孤立点的排除相当于排除毛刺或显然异常的数据点，而使得数据更为平滑。由于小面积面被删除，室内的部分结构从而也能被看到。
具体的，这里考虑到基于经过上述S1处理后的激光点云数据，系统只是初步确定了代表地面建筑物对象的激光点云数据的数据范围，这些数据中仍然可能存在着一些干扰坐标点，干扰坐标点将会对后续步骤中关于建筑物屋顶的建模造成影响，导致建筑物建模的准确度降低，因此为了明确代表地面建筑物对象的激光点云数据的具体的坐标点，还需要对经过S1处理后的激光点云数据进行进一步的聚类处理，并从中去除干扰点，通过这样的方法能够在后续的建模步骤中确定那些代表地面建筑物对象的激光点云数据的坐标点，提高建筑物建模的平滑性和准确度。
进一步的，参考如图5所示，在S3中，确定激光点云数据中的不同坐标点所组成的各个几何平面，具体包括如下步骤：
S3中确定激光点云数据中的不同坐标点所组成的各个几何平面，具体包括如下步骤：
S3-1、图5A显示了S2-1-S2-4完成的在基于代表地面建筑物对象的激光点云数据为界限，以及模型M'几何意义上的建筑物的一个局部面所指示的图4中建筑物的某一个面聚类的坐标点。先在两种之间选定一个坐标原点O，再任意选取一坐标点e0＝(x0,y0,z0)，x0,y0,z0∈(0,+∞)(所自位置如图4中所示)，同时在该坐标点的邻域内任意再选取其他三个坐标点，分别为e1＝(x1,y1,z1)，x1,y1,z1∈(0,+∞)，e2＝(x2,y2,z2)，x2,y2,z2∈(0,+∞)，及e3＝(x3,y3,z3)，x3,y3,z3∈(0,+∞)；
S3-2、图5B所示，从n反方向看去的所选取的原点、坐标点分布示意图，分别计算e0e1＝(x1-x0,y1-y0,z1-z0)，e0e2＝(x2-x0,y2-y0,z2-z0)，接着计算方向垂直于纸面向外的n＝e0e1×e0e2＝(x,y,z)，并得到
其中，x＝(y1-y0)(z2-z0)-(y2-y0)(z1-z0)，y＝(x2-x0)(z1-z0)-(x1-x0)(z2-z0)，z＝(x1-x0)(y2-y0)-(x2-x0)(y1-y0)；
S3-3、对于所述建筑物的面附近所在的任意其他坐标点e＝(x',y',z')，x',y',z'∈(0,+∞)，所有满足条件e·n＝|d|的坐标点集合{e}与坐标点e0，e1，e2，及e3一起共同组成一个几何平面。其中{e}即分布在如图所示间距为2d两个平行平面内。由于点的任选性，图5A中n与平行平面的夹角α不是严格的90°，按时由于e1，e2，及e3是e0的一个邻域内任选，因此而容易理解α接近90°。
因此按照上述的方法，在S3中能够最终确定激光点云数据中的不同坐标点所组成的各个几何平面，这些几何平面与组成建筑物屋顶的各个平面图形的至少一部分相互对应，从而提取各个几何平面之间的位置关系，同时对该位置关系进行形式化的表述，接着依据形式化的各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，完成对建筑物屋顶的快速建模。
进一步的，S3中提取激光点云数据中的不同坐标点所组成的各个几何平面之间的位置关系，并对该位置关系进行形式化的表述，该过程具体包括将所述各个几何平面分别作为顶点来构建一个无向图，当不同的两个几何平面之间存在一条公共边时，连接无向图中对应的两个顶点，并分别计算该两个几何平面的法向量，同时将该两个几何平面的法向量的夹角数据作为无向图中对应边的属性信息。
在本实施例中将各个几何平面(即类似小厚度的薄板)视作无向图中的一个顶点，而两个顶点所代表的的建筑物面具有公共边时，如图4中的圆2和圆3所在各半面之间的公共边f，即基于圆3所在半面中对应的任选的点e'0按照上述步骤得到的几何平面与圆2所在半面中基于任选的e0之间的公共边f，则即以点e'0和e0分别代表两个几何平面，而连接e'0e0得到无向图的一条边。
进一步的，S3中依据激光点云数据中坐标点所确定的各个几何平面之间的形式化的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，具体包括将形式化的各个几何平面之间的位置关系与组成系统模型数据库中建筑物屋顶模型的各个几何平面之间的形式化的位置关系进行相似性匹配，当该相似性匹配结果大于系统设定的阈值时，则从系统模型数据库中选择相应的建筑物屋顶模型。其中，对组成系统模型数据库中建筑物屋顶模型的各个几何平面之间的形式化的位置关系的提取过程与对激光点云数据中坐标点所确定的各个几何平面之间的形式化的位置关系的提取过程保持一致。
可以理解的是，由于几何平面定义生成过程中点的选取任意性，数据库中的无向图与实际生成的无向图之间存在非100％的匹配的概率很大。因而需要计算所述相似性。
在本实施例中，具体匹配相似性，如图6所示，将系统模型数据库中模型无向图和实际形成的模型M中形成的无向图分别在各自的构建模型底面上投影成pro2和pro1，将pro2和pro1中至少一个对应顶点重合，并且比较pro2和pro1顶点数，一致则继续计算pro2中其他点距离相应pro1中顶点的距离离散程度，离散程度大相似度低，反之相似度高，不一致则继续查询其他系统模型数据库中模型。
如图6所示所述离散程度通过如下方法获得：
以各个顶点为对应直角坐标系中横坐标上的离散的点，pro2中其他点距离相应pro1中顶点的距离为纵坐标画出折线，求出折线下方所围成的面积S，面积越小为相似度越高，定义阈值面积S0＝0.1,并进行面积归一化，以1-S为相似度，0.9为阈值，当归一化的S＜0.1时即认为所述相似性匹配结果大于系统设定的所述阈值。
进一步的，在S4中，经过上述的S1至S3，系统已经完成了对建筑物屋顶模型的建立，步骤四在建筑物屋顶模型的基础上，由系统生成从建筑物屋顶模型底部至地面模型之间的建筑物墙面模型，从而得到完整的建筑物模型，并基于系统预先采集到的建筑物在实际场景下的图像数据对完整的建筑物模型进行纹理贴图处理(图6)，达到增加建筑物模型真实感的目的。
参考如图7所示，本发明还提供一种基于激光点云构建建筑物三维模型的系统，用来实现上述内容所描述的一种基于激光点云构建建筑物三维模型的方法，具体包括如下的模块：
第一模块，用于获取并对地面物体的激光点云数据进行预处理，来对其所代表的地面物体对象进行初步识别，预处理还包括计算激光点云数据中的坐标点所代表的实际高度值，并依据不同类别的地面物体对象在实际中的高度值范围对激光点云数据中的坐标点进行高度值的划分；
第二模块，用于依据经过第一模块预处理得到的激光点云数据，继续对激光点云数据中的坐标点进行聚类处理，并且去除激光点云数据中的干扰坐标点，得到代表地面建筑物对象的激光点云数据；
第三模块，用于基于第二模块中得到的激光点云数据，确定激光点云数据中的不同坐标点所组成的各个几何平面，并提取各个几何平面之间的位置关系，同时对该位置关系进行形式化的表述，接着依据形式化的所述各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，完成对建筑物屋顶的快速建模；
第四模块，用于在建筑物屋顶模型的基础上，生成从建筑物屋顶模型底部至地面模型之间的建筑物墙面模型，从而得到完整的建筑物模型，并基于系统预先采集到的建筑物在实际场景下的图像数据对完整的建筑物模型进行纹理贴图处理。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Sync值Hlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上上述的实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上上述的实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上上述的仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于激光点云构建建筑物三维模型的方法，其特征在于，包括如下步骤：
S1、获取关于地面物体的激光点云数据，并对该激光点云数据进行预处理，来对其所代表的地面物体对象进行初步识别；
S2、对于经过预处理得到的激光点云数据，继续对激光点云数据中的坐标点进行聚类处理，从而去除激光点云数据中的干扰坐标点，得到代表地面建筑物对象的激光点云数据；
S3、基于代表地面建筑物对象的激光点云数据，确定激光点云数据中的不同坐标点所组成的各个几何平面，并提取各个几何平面之间的位置关系，同时对该位置关系进行形式化的表述，接着依据形式化的所述各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，进而完成对建筑物屋顶的快速建模；
S4、在建筑物屋顶模型建立完成的基础上，系统生成从建筑物屋顶模型底部至地面模型之间的建筑物墙面模型，从而得到完整的建筑物模型，并基于系统预先采集到的建筑物在实际场景下的图像数据对完整的建筑物模型进行纹理贴图处理。
2.根据权利要求1所述的一种基于激光点云构建建筑物三维模型的方法，其特征在于，S1中对所述激光点云数据进行预处理包括，计算激光点云数据中的坐标点所代表的实际高度值，并依据不同类别的地面物体对象在实际中的高度值范围对激光点云数据中的坐标点进行高度值的划分，所述地面物体对象包含地面、树木、车辆、及建筑物。
3.根据权利要求1或2所述的一种基于激光点云构建建筑物三维模型的方法，其特征在于，其中S1中所述的建筑物激光点云数据的预处理方式为，获取遥感影像图，基于遥感影像图以及建筑物的高度值计算得到三维建筑模型M，将点云模型与所述模型M进行配准，将点云数据中各离开配准后的模型M'的建筑物平面距离为换算成实际距离为1-10cm范围内且上下浮动0.5cm的点云数据视作该平面附近所在的点，将所有建筑物平面对应的非所述面附近所在的点的点云数据坐标点全部删除；
其中，三维建筑模型M构建方法为：
S1-1在遥感图像中使用无添加层的VGG-16算法作为基于残差机制的ResNet主干网络提取一系列不同卷积层获得的特征图，特征图是输入图像尺寸的1/2-1/10，优选为1/8；
同时，通过图像金字塔算法FPN利用ResNet主干网络不同层来构建特征金字塔，并预测多个建筑物的边框，
S1-2对于多个建筑物中的每一建筑物，都对所述一系列不同卷积层获得的特征图和对应的建筑物的边框利用RoIAlign算法获得建筑物的本地特征图F；
S1-3对于每个建筑物的所述本地特征图F采用卷积层处理形成多边形边界罩M，再利用卷积层处理形成边界罩M的多个预测顶点P；其中多边形边界罩M具体是指描述建筑物在E中的XOY平面的垂直投影；
S1-4选取P中概率最大的点作为起始点y0，利用卷积长短期记忆ConvLSTM的多层RNN算法进行多步预测，得到多个预测点P(yt+1|yt；yt-1；y0)，t为步序数，封闭的建筑物边界多边形，将该多边形在构建模型底面投影，并根据每一栋建筑物的高度形成三维建筑模型M。
S2中获得代表地面建筑物对象的激光点云数据，具体包括如下步骤：
S2-1、从预处理的建筑物激光点云数据中，对应于建筑物的平面所述附近所在的点，任意选取一坐标点，将其作为聚类的第一中心点，计算激光点云数据中其他坐标点到该第一中心点的欧式距离值，并判断该欧式距离值与系统预先设定的距离阈值之间的大小关系；
S2-2、当所述欧式距离值小于等于系统预先设定的距离阈值时，将与该欧式距离值相对应的坐标点划分到上述的中心点所代表的坐标点类别中，当所述欧式距离值大于系统预先设定的距离阈值时，将与该欧式距离值相对应的任一坐标点作为新的聚类的第二中心点；
S2-3、分别计算激光点云数据中其他坐标点到上述的第一和第二中心点的欧式距离值，当该欧式距离值均大于系统预先设定的距离阈值时，将与该欧式距离值相对应的任一坐标点作为新的聚类的第三中心点，否则将与该欧式距离值相对应的坐标点划分到与其距离更近的第一或第二中心点所代表的坐标点类别中；
S2-4、根据上述步骤类推，获得更多个中心点，并完成点云数据中其他坐标点在各中心点中的类别划分，直到完成对激光点云数据中所有坐标点的聚类处理，并从聚类处理后的激光点云数据中删除孤立的坐标点，以及其中坐标点个数较少或者最少的坐标点类别，进而得到代表地面建筑物对象的激光点云数据；其中所述的距离阈值为建筑物一个所述所述模型M的建筑物平面的垂直于底面的对称轴两侧所分成的两个矩形的对角线长度的整数分之一；
S3中确定激光点云数据中的不同坐标点所组成的各个几何平面，具体包括如下步骤：
S3-1、在基于代表地面建筑物对象的激光点云数据中，对于每一个建筑物的面聚类的坐标点中，先选定一个坐标原点O，再任意选取一坐标点e0＝(x0,y0,z0)，x0,y0,z0∈(0,+∞)同时在该坐标点的邻域内任意再选取其他三个坐标点，分别为e1＝(x1,y1,z1)，x1,y1,z1∈(0,+∞)，e2＝(x2,y2,z2)，x2,y2,z2∈(0,+∞)，及e3＝(x3,y3,z3)，x3,y3,z3∈(0,+∞)；
S3-2、分别计算e0e1＝(x1-x0,y1-y0,z1-z0)，e0e2＝(x2-x0,y2-y0,z2-z0)，接着计算n＝e0e1×e0e2＝(x,y,z)，并得到
其中，x＝(y1-y0)(z2-z0)-(y2-y0)(z1-z0)，y＝(x2-x0)(z1-z0)-(x1-x0)(z2-z0)，z＝(x1-x0)(y2-y0)-(x2-x0)(y1-y0)；
S3-3、对于所述建筑物的面附近所在的任意其他坐标点e＝(x',y',z')，x',y',z'∈(0,+∞)，所有满足条件e·n＝|d|的坐标点集合{e}与坐标点e0，e1，e2，及e3一起共同组成一个几何平面。
4.根据权利要求3所述的一种基于激光点云构建建筑物三维模型的方法，其特征在于，其中所述更多个为5-100，且对于每一栋建筑物的M模型的每一个面上选取2个或更多个中心点；|d|为单位长度，为图像像素值之间的间距的整数倍，且2|d|小于换算为的实际距离的10cm。
5.根据权利要求1，2或4所述的一种基于激光点云构建建筑物三维模型的方法，其特征在于，S3中提取激光点云数据中的不同坐标点所组成的各个几何平面之间的位置关系，并对该位置关系进行形式化的表述，该过程具体包括将所述各个几何平面分别作为顶点来构建一个无向图，当不同的两个几何平面之间存在一条公共边时，连接无向图中对应的两个顶点，并分别计算该两个几何平面的法向量，同时将该两个几何平面的法向量的夹角数据作为无向图中对应边的属性信息。
6.根据权利要求5所述的一种基于激光点云构建建筑物三维模型的方法，其特征在于，S3中依据激光点云数据中坐标点所确定的各个几何平面之间的形式化的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，具体包括将形式化的各个几何平面之间的位置关系与组成系统模型数据库中建筑物屋顶模型的各个几何平面之间的形式化的位置关系进行相似性匹配，当该相似性匹配结果大于系统设定的阈值时，则从系统模型数据库中选择相应的建筑物屋顶模型进行纹理贴图处理。
7.根据权利要求6所述的一种基于激光点云构建建筑物三维模型的方法，其特征在于，所述相似性匹配的方法如下：
P1将系统模型数据库中模型无向图和实际形成的模型M中形成的无向图分别在各自的构建模型底面上投影成pro2和pro1；
P2将pro2和pro1中至少一个对应顶点重合，并且比较pro2和pro1顶点数，一致则继续计算pro2中其他点距离相应pro1中顶点的距离离散程度，离散程度大相似度低，反之相似度高，不一致则继续查询其他系统模型数据库中模型重复P1和P2；
其中，所述离散程度通过如下方法获得：
以各个顶点为对应直角坐标系中横坐标上的离散的点，所述pro2中其他点距离相应pro1中顶点的距离为纵坐标画出折线，求出折线下方所围成的面积S，面积越小为相似度越高，定义阈值面积S0＝0.1,并进行面积归一化，以1-S为相似度，0.9为阈值，当归一化的S＜0.1时即认为所述相似性匹配结果大于系统设定的所述阈值。
8.根据权利要求6或7所述的一种基于激光点云构建建筑物三维模型的方法，其特征在于，对组成系统模型数据库中建筑物屋顶模型的各个几何平面之间的形式化的位置关系的提取过程与对激光点云数据中坐标点所确定的各个几何平面之间的形式化的位置关系的提取过程保持一致。
9.一种基于激光点云构建建筑物三维模型的系统，用于实现如权利要求1-8任一项所述的方法，其特征在于，包括如下模块：
第一模块，用于获取并对地面物体的激光点云数据进行预处理，来对其所代表的地面物体对象进行初步识别，预处理还包括计算激光点云数据中的坐标点所代表的实际高度值，并依据不同类别的地面物体对象在实际中的高度值范围对激光点云数据中的坐标点进行高度值的划分；
第二模块，用于依据经过第一模块预处理得到的激光点云数据，继续对激光点云数据中的坐标点进行聚类处理，并且去除激光点云数据中的干扰坐标点，得到代表地面建筑物对象的激光点云数据；
第三模块，用于基于第二模块中得到的激光点云数据，确定激光点云数据中的不同坐标点所组成的各个几何平面，并提取各个几何平面之间的位置关系，同时对该位置关系进行形式化的表述，接着依据形式化的所述各个几何平面之间的位置关系从系统模型数据库中查找相应的建筑物屋顶模型，完成对建筑物屋顶的快速建模；
第四模块，用于在建筑物屋顶模型的基础上，生成从建筑物屋顶模型底部至地面模型之间的建筑物墙面模型，从而得到完整的建筑物模型，并基于系统预先采集到的建筑物在实际场景下的图像数据对完整的建筑物模型进行纹理贴图处理。
10.一种计算机可读非暂时性存储介质，其中存储有可由如权利要求9所述的系统运行而实现如权利要求1-8中任一项所述方法的计算机可读程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310262532.1A CN116310115B (zh) | 2023-03-17 | 2023-03-17 | 一种基于激光点云构建建筑物三维模型的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310262532.1A CN116310115B (zh) | 2023-03-17 | 2023-03-17 | 一种基于激光点云构建建筑物三维模型的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116310115A true CN116310115A (zh) | 2023-06-23 |
| CN116310115B CN116310115B (zh) | 2023-11-24 |
Family
ID=86786596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310262532.1A Active CN116310115B (zh) | 2023-03-17 | 2023-03-17 | 一种基于激光点云构建建筑物三维模型的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116310115B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116863099A (zh) * | 2023-06-29 | 2023-10-10 | 广州城市职业学院 | 一种基于点云数据的建筑物自动化建模方法及系统 |
| CN116882035A (zh) * | 2023-09-07 | 2023-10-13 | 湖南省国土资源规划院 | 一种基于人工智能的空间对象识别与建模方法及相关设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427317A (zh) * | 2015-11-25 | 2016-03-23 | 武汉大学 | 一种适用于多视角自动化配准多站地面激光点云数据的方法 |
| CN106780509A (zh) * | 2016-12-01 | 2017-05-31 | 山东交通学院 | 融合多维特征的建筑物点云层次聚类分割方法 |
| CN108038908A (zh) * | 2017-11-21 | 2018-05-15 | 泰瑞数创科技(北京)有限公司 | 基于人工智能的空间对象识别及建模方法和系统 |
| CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
| CN112465960A (zh) * | 2020-12-18 | 2021-03-09 | 天目爱视（北京）科技有限公司 | 一种三维模型的尺寸标定装置及方法 |
| CN112927370A (zh) * | 2021-02-25 | 2021-06-08 | 苍穹数码技术股份有限公司 | 三维建筑物模型构建方法、装置、电子设备及存储介质 |
| CN113920266A (zh) * | 2021-11-03 | 2022-01-11 | 泰瑞数创科技(北京)有限公司 | 城市信息模型语义信息人工智能生成方法和系统 |
| CN115438133A (zh) * | 2022-05-07 | 2022-12-06 | 泰瑞数创科技(北京)股份有限公司 | 一种基于语义关系的地理实体几何表达方法 |
-
2023
- 2023-03-17 CN CN202310262532.1A patent/CN116310115B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427317A (zh) * | 2015-11-25 | 2016-03-23 | 武汉大学 | 一种适用于多视角自动化配准多站地面激光点云数据的方法 |
| CN106780509A (zh) * | 2016-12-01 | 2017-05-31 | 山东交通学院 | 融合多维特征的建筑物点云层次聚类分割方法 |
| CN108038908A (zh) * | 2017-11-21 | 2018-05-15 | 泰瑞数创科技(北京)有限公司 | 基于人工智能的空间对象识别及建模方法和系统 |
| CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
| CN112465960A (zh) * | 2020-12-18 | 2021-03-09 | 天目爱视（北京）科技有限公司 | 一种三维模型的尺寸标定装置及方法 |
| CN112927370A (zh) * | 2021-02-25 | 2021-06-08 | 苍穹数码技术股份有限公司 | 三维建筑物模型构建方法、装置、电子设备及存储介质 |
| CN113920266A (zh) * | 2021-11-03 | 2022-01-11 | 泰瑞数创科技(北京)有限公司 | 城市信息模型语义信息人工智能生成方法和系统 |
| CN115438133A (zh) * | 2022-05-07 | 2022-12-06 | 泰瑞数创科技(北京)股份有限公司 | 一种基于语义关系的地理实体几何表达方法 |
Non-Patent Citations (2)
| Title |
|---|
| JUNWEI LIU 等: "Construction Method of City-Level Geographic Knowledge Graph Based on Geographic Entity", 《ICGDA 2022: GEOINFORMATICS AND DATA ANALYSIS》 * |
| 侯位昭 等: "基于卫星影像立体像对数据的三维重建技术研究", 《中国电子科学研究院学报》, vol. 16, no. 04 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116863099A (zh) * | 2023-06-29 | 2023-10-10 | 广州城市职业学院 | 一种基于点云数据的建筑物自动化建模方法及系统 |
| CN116863099B (zh) * | 2023-06-29 | 2023-12-26 | 广州城市职业学院 | 一种基于点云数据的建筑物自动化建模方法及系统 |
| CN116882035A (zh) * | 2023-09-07 | 2023-10-13 | 湖南省国土资源规划院 | 一种基于人工智能的空间对象识别与建模方法及相关设备 |
| CN116882035B (zh) * | 2023-09-07 | 2023-11-21 | 湖南省国土资源规划院 | 一种基于人工智能的空间对象识别与建模方法及相关设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116310115B (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116310115B (zh) | 一种基于激光点云构建建筑物三维模型的方法及系统 | |
| CN109541997B (zh) | 一种面向平面/近似平面工件的喷涂机器人快速智能编程方法 | |
| US11544900B2 (en) | Primitive-based 3D building modeling, sensor simulation, and estimation | |
| Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
| CN111815776A (zh) | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 | |
| CN112347550B (zh) | 耦合式室内三维语义建图及建模方法 | |
| CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
| WO2012034236A1 (en) | System and method for detailed automated feature extraction from data having spatial coordinates | |
| Zeng et al. | Neural procedural reconstruction for residential buildings | |
| Bassier et al. | Comparison of Wall Reconstruction algorithms from Point Cloud Data for as-built BIM | |
| CN112396701A (zh) | 卫星图像的处理方法、装置、电子设备和计算机存储介质 | |
| Burger et al. | Fast dual decomposition based mesh-graph clustering for point clouds | |
| CN101853395A (zh) | 从单幅图形和图像识别部分遮挡的三维目标的方法 | |
| Tian et al. | Lidar super-resolution based on segmentation and geometric analysis | |
| Cupec et al. | Fast 2.5 D Mesh Segmentation to Approximately Convex Surfaces. | |
| CN113569331B (zh) | 一种建筑物三维模型语义化的方法及系统 | |
| CN116051771A (zh) | 一种基于无人机倾斜摄影模型的光伏bim屋顶自动建模方法 | |
| Campagnolo et al. | Fully Automated Scan-to-BIM Via Point Cloud Instance Segmentation | |
| Kim et al. | New approach for planar patch segmentation using airborne laser data | |
| CN116012737A (zh) | 基于无人机激光和视觉融合的高速施工监测方法和系统 | |
| Zhang et al. | Building façade element extraction based on multidimensional virtual semantic feature map ensemble learning and hierarchical clustering | |
| Xu et al. | Reconstruction of scaffolding components from photogrammetric point clouds of a construction site | |
| Li et al. | Lightweight 3D modeling of urban buildings from range data | |
| CN115131459A (zh) | 平面布置图重建方法及装置 | |
| CN114463396A (zh) | 一种利用平面形状和拓扑图投票的点云配准方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |