CN116310262B - 面状实体与倾斜三维模型融合方法、系统、介质及设备 - Google Patents

面状实体与倾斜三维模型融合方法、系统、介质及设备 Download PDF

Info

Publication number
CN116310262B
CN116310262B CN202310581171.7A CN202310581171A CN116310262B CN 116310262 B CN116310262 B CN 116310262B CN 202310581171 A CN202310581171 A CN 202310581171A CN 116310262 B CN116310262 B CN 116310262B
Authority
CN
China
Prior art keywords
point cloud
entity
cloud set
abnormal
planar
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.)
Active
Application number
CN202310581171.7A
Other languages
English (en)
Other versions
CN116310262A (zh
Inventor
魏国忠
鲁一慧
朱伟
于倩
明阳
宋禄楷
凌晓春
朱丰琪
丁莹莹
管楚
赵飞
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.)
Shandong Provincial Institute of Land Surveying and Mapping
Original Assignee
Shandong Provincial Institute of Land Surveying and Mapping
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 Shandong Provincial Institute of Land Surveying and Mapping filed Critical Shandong Provincial Institute of Land Surveying and Mapping
Priority to CN202310581171.7A priority Critical patent/CN116310262B/zh
Publication of CN116310262A publication Critical patent/CN116310262A/zh
Application granted granted Critical
Publication of CN116310262B publication Critical patent/CN116310262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • 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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

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

Abstract

本发明属于测绘技术领域，提供了面状实体与倾斜三维模型融合方法、系统、介质及设备，针对面状地理实体没有高程信息导致空间关系表达错乱现象的问题，提供的技术方案为：其采用倾斜模型为二维实体添加高程与厚度属性的方法，能够有效地实现道路、水系地理实体与倾斜三维模型数据的融合显示，与传统的动态单体化相比，对模型依赖度低且与场景融合度更高，能够真实展示实体空间位置与逻辑关系，与物理切割方法相比其数据量小，去除了地物干扰，且能够承载属性信息，在展示分析辅助决策方面更具优势。

Description

面状实体与倾斜三维模型融合方法、系统、介质及设备
技术领域
本发明属于测绘技术领域，尤其涉及面状实体与倾斜三维模型融合方法、系统、介质及设备。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
目前，道路、水系等面状地理实体与倾斜三维模型融合，是以地理实体二维面实体作为单体化的分类图层，根据面实体平面坐标判断覆盖在网格模型的区域范围，像半透明薄膜自上而下地贴合在模型表面，实现二者融合。与物理切割单体化方式相比，这种动态单体化方式在大场景下数据的管理与渲染展示更方便，更适合应用推广。然而，倾斜三维模型这种“一张皮”形式的网格模型中，如道路、水系等基础地理实体通常存在被植被、移动地物等遮挡现象，由于面实体只能附着于“一张皮”的表面，同时二维实体面数据与倾斜数据也可能存在一定的空间位置偏差，导致两者一起展示时出现部分道路附着在树冠或其他地物上、水系浮于桥梁上方等表达错乱现象，降低数据展示效果，影响用户对数据的快速有效分析利用。
发明内容
为了解决上述背景技术中存在的至少一项技术问题，本发明提供面状实体与倾斜三维模型融合方法、系统、介质及设备，其通过将倾斜三维模型的高程信息融合至面状地理实体，解决这些面状地理实体没有高程信息，只能附着于“一张皮”的表面展示，导致道路附着在树冠或其他地物上、水系浮于桥梁上方等空间关系表达错乱现象问题，从而真正实现道路、水系等面状地理实体与倾斜三维模型的真实有序表达。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供面状实体与倾斜三维模型融合方法，包括如下步骤：
获取面状地理实体数据以及对应范围的倾斜三维模型数据；
基于倾斜三维模型数据提取倾斜点云数据，根据面状地理实体数据的范围，对倾斜点云数据进行空间查询，提取每个实体范围内的点云集合；
根据地理实体数据的表示特点，对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合；
基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，将三维闭合实体与倾斜三维模型进行叠加显示以实现面状实体与倾斜三维模型的融合表达。
进一步地，所述根据地理实体数据的表示特点为根据道路、水系地理实体沿带状走向高程线性变化的特点。
进一步地，所述对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合具体包括：
对点云集合进行平滑处理，去除点云集合中异常点得到第一点云集合，将包含异常点的点云集合作为第二点云集合；
基于第一点云集合，通过逆距离权重法插值获取实体面节点高程，得到包含实体面节点高程信息的第三点云集合。
进一步地，所述异常点包括两种，第一种为不属于路面的地物点以及异常飞点，第二种为由于遮挡或者其他原因导致路面模型构建异常导致的存在误差的路面点。
进一步地，所述基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，包括：
基于包含实体面节点高程信息的点云集合，采用基于耳切法的多边形三角化算法，构建路面三角网；
基于异常点云集合，利用异常路面点云进行统计计算，确定用于展示的面状实体厚度；
基于该面状实体的厚度，利用三角网构造三维闭合实体。
本发明的第二个方面提供面状实体与倾斜三维模型融合系统，包括：
数据获取模块，其被配置为：获取面状地理实体数据以及对应范围的倾斜三维模型数据；
实体点云提取模块，其被配置为：基于倾斜三维模型数据提取倾斜点云数据，根据面状地理实体数据的范围，对倾斜点云数据进行空间查询，提取每个实体范围内的点云集合；
点云平滑处理模块，其被配置为：根据地理实体数据的表示特点，对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合；
融合模块，其被配置为：基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，将三维闭合实体与倾斜三维模型进行叠加显示以实现面状实体与倾斜三维模型的融合表达。
进一步地，所述点云平滑处理模块中，对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合具体包括：
对点云集合进行平滑处理，去除点云集合中异常点得到第一点云集合，将包含异常点的点云集合作为第二点云集合；
基于第一点云集合，通过逆距离权重法插值获取实体面节点高程，得到包含实体面节点高程信息的第三点云集合。
进一步地，所述融合模块中，基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，包括：
基于包含实体面节点高程信息的点云集合，采用基于耳切法的多边形三角化算法，构建路面三角网；
基于异常点云集合，利用异常路面点云进行统计计算，确定用于展示的面状实体厚度；
基于该面状实体的厚度，利用三角网构造三维闭合实体。
本发明的第三个方面提供一种计算机可读存储介质。
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第一方面所述的面状实体与倾斜三维模型融合方法中的步骤。
本发明的第四个方面提供一种电子设备。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的面状实体与倾斜三维模型融合方法中的步骤。
与现有技术相比，本发明的有益效果是：
1、本发明通过用倾斜模型为二维实体添加高程与厚度属性的方法，能够有效地实现道路、水系地理实体与倾斜三维模型数据的融合显示，避免道路面、水面压盖于植被、构筑物上方等情况，提高数据的真实感和逼真度；处理后的数据，通过透视渲染技术，可以同时实现道路的优先展示效果，方便用户对数据分析使用。
2、本发明与传统的动态单体化相比，对模型依赖度低且与场景融合度更高，能够真实展示实体空间位置与逻辑关系；与物理切割方法相比其数据量小，去除了地物干扰，且能够承载属性信息，在展示分析辅助决策方面更具优势。可应用用于城市规划、交通规划、水利等领域，具有较高的应用价值。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例一提供的面状实体与倾斜三维模型融合方法流程示意图；
图2(a)-图2(d)是本发明实施例一提供的河流实体与场景融合示意图；其中，图2(a)为原始场景，图2(b)为实体面与场景叠加图，图2(c)为构建三角网后融合效果图，图2(d)为构建闭合体后融合效果图。
图3是本发明实施例二提供的面状实体与倾斜三维模型融合系统框图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实景三维是对人类生产、生活和生态空间进行真实、立体、时序化反映和表达的数字虚拟空间，是新型基础测绘标准化产品，是国家新基建的重要组成部分，为经济社会发展和各部门信息化提供统一的空间基底。实景三维通过在三维地理场景上承载结构化、语义化、支持人机兼容理解和物联实时感知的基础地理实体，使数据获得GIS应用分析的能力，而这种空间逻辑关系的呈现，需要对基础地理实体数据、倾斜三维模型数据等数据进行处理、融合与集成，形成完整的实景三维的空间数据体。
正如背景技术中提及的技术缺陷：基础地理实体在倾斜三维模型数据中存在遮挡现象，其二维实体面数据与倾斜数据也可能存在一定的空间位置偏差，导致两者一起展示时出现部分道路附着在树冠或其他地物上、水系浮于桥梁上方等表达错乱现象，降低数据展示效果。
本发明针对该技术问题提出了面状实体与倾斜三维模型融合方法、系统、介质及设备，通过用倾斜模型为二维实体添加高程与厚度属性的方法，能够有效地实现道路、水系等地理实体与倾斜三维模型数据的融合显示，解决了这些面状地理实体没有高程信息，只能附着于“一张皮”的表面展示，导致的道路附着在树冠或其他地物上、水系浮于桥梁上方等空间关系表达错乱现象问题，真正实现道路、水系地理实体与倾斜三维模型的真实有序表达。
实施例一
如图1所示，本实施例提供面状实体与倾斜三维模型融合方法，具体包括如下步骤：
步骤1：数据准备：获取面状地理实体数据以及对应范围的倾斜三维模型数据。
本实施例中，所述地理实体数据以及对应范围的倾斜三维模型数据具体包括：道路、水系等地理实体数据。
步骤2：实体点云提取：从倾斜三维模型TIN网结构中提取模型节点（简称倾斜点云），然后利用道路、水系地理实体数据的范围面，对倾斜点云数据进行空间查询，提取每个实体范围内的点集合。
步骤3：点云平滑处理：根据地理实体数据的表示特点，平滑去除点云集合中异常点，并利用过滤后的实体点云通过逆距离权重法插值获取实体面节点高程。
本实施例中，所述地理实体数据的表示特点为：道路、水系地理实体沿带状走向高程线性变化的特点。
上述方案的优势在于，通过平滑后的实体点云能够正确反应实体高程信息。
由于按范围提取的倾斜点云中存在异常点或噪声点，例如悬浮于路面上方的植被点云、车辆点云等，需要对点云进行平滑处理。
本实施例中，这里从点云中去除的异常点包含两种，以路面点云为例，一种是不属于路面的地物点以及异常飞点，例如树木、车辆点云等；另一种是由于遮挡或者其他原因导致路面模型构建异常导致的存在误差的路面点，后续简称为异常路面点云。
上述两类异常点利用点云与路面高程关系进行粗略分类管理。
步骤4：三角网构建：利用步骤3处理后的路面点云，采用一种基于耳切法的多边形三角化算法，构建路面三角网。
由于倾斜表面存在异常凹凸（倾斜点云中表现为异常路面点云），这种三角网与倾斜叠加时，存在相互压盖的现象，影响展示的美观性，需要进一步优化。
步骤5：三维闭合体构建：针对步骤4处理后数据展示仍存在的相互压盖现象，利用异常路面点云进行统计计算，根据标准差等确定用于展示的实体厚度，基于该实体厚度，利用三角网构造三维闭合实体，与倾斜三维模型进行叠加显示，实现道路、水系地理实体与倾斜三维模型的融合表达。
需要说明的是，这种三维闭合体，可以是概念上的，即实体厚度记录于二维面属性当中；也可以存储为实际存在的三维体。本实施例中不做具体限定。
上述方案的优势在于，通过用倾斜模型为二维实体添加高程与厚度属性的方法，能够有效地实现道路、水系地理实体与倾斜三维模型数据的融合显示，如图2(a)-图2(d)所示为河流实体与场景融合示意图，图2(a)为原始场景，图2(b)为实体面与场景叠加图，图2(c)为构建三角网后融合效果图，图2(d)为构建闭合体后融合效果图。通过图2(a)-图2(d)可以看到，通过本发明的融合方法，可以避免道路面、水面压盖于植被、构筑物上方等情况，提高数据的真实感和逼真度；处理后的数据，通过透视渲染技术，可以同时实现道路的优先展示效果，方便用户对数据分析使用。
该方法与传统的动态单体化相比，对模型依赖度低且与场景融合度更高，能够真实展示实体空间位置与逻辑关系；与物理切割方法相比其数据量小，去除了地物干扰，且能够承载属性信息，在展示分析辅助决策方面更具优势。可应用用于城市规划、交通规划、水利等领域，具有较高的应用价值。
实施例二
如图3所示，本实施例提供面状实体与倾斜三维模型融合系统，包括：
数据获取模块，其被配置为：获取面状地理实体数据以及对应范围的倾斜三维模型数据；
实体点云提取模块，其被配置为：基于倾斜三维模型数据提取倾斜点云数据，根据面状地理实体数据的范围，对倾斜点云数据进行空间查询，提取每个实体范围内的点云集合；
点云平滑处理模块，其被配置为：根据道路、水系地理实体沿带状走向高程线性变化的特点，对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合；
融合模块，其被配置为：基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，将三维闭合实体与倾斜三维模型进行叠加显示以实现面状实体与倾斜三维模型的融合表达。
其中，所述点云平滑处理模块中，对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合具体包括：
对点云集合进行平滑处理，去除点云集合中异常点得到第一点云集合，将包含异常点的点云集合作为第二点云集合；
基于第一点云集合，通过逆距离权重法插值获取实体面节点高程，得到包含实体面节点高程信息的第三点云集合。
其中，本实施例中，这里从点云中去除的异常点包含两种，以路面点云为例，一种是不属于路面的地物点以及异常飞点，例如树木、车辆点云等；另一种是由于遮挡或者其他原因导致路面模型构建异常导致的存在误差的路面点，后续简称为异常路面点云。
上述两类异常点利用点云与路面高程关系进行粗略分类管理。
其中，所述融合模块中，基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，包括：
基于包含实体面节点高程信息的点云集合，采用基于耳切法的多边形三角化算法，构建路面三角网；
基于异常点云集合，利用异常路面点云进行统计计算，确定用于展示的面状实体厚度；
基于该面状实体的厚度，利用三角网构造三维闭合实体。
上述方案的优势在于，通过用倾斜模型为二维实体添加高程与厚度属性的方法，能够有效地实现道路、水系地理实体与倾斜三维模型数据的融合显示，通过本发明的融合方法，可以避免道路面、水面压盖于植被、构筑物上方等情况，提高数据的真实感和逼真度；处理后的数据，通过透视渲染技术，可以同时实现道路的优先展示效果，方便用户对数据分析使用。
传统的动态单体化相比，该系统对模型依赖度低且与场景融合度更高，能够真实展示实体空间位置与逻辑关系；与物理切割方法相比其数据量小，去除了地物干扰，且能够承载属性信息，在展示分析辅助决策方面更具优势。可应用用于城市规划、交通规划、水利等领域，具有较高的应用价值。
实施例三
本实施例提供了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实施例一所述的面状实体与倾斜三维模型融合方法中的步骤。
实施例四
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例一所述的面状实体与倾斜三维模型融合方法中的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.面状实体与倾斜三维模型融合方法，其特征在于，包括如下步骤：
获取面状地理实体数据以及对应范围的倾斜三维模型数据；
基于倾斜三维模型数据提取倾斜点云数据，根据面状地理实体数据的范围，对倾斜点云数据进行空间查询，提取每个实体范围内的点云集合；
根据地理实体数据的表示特点，对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合；
基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，将三维闭合实体与倾斜三维模型进行叠加显示以实现面状实体与倾斜三维模型的融合表达；
所述对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合具体包括：
对点云集合进行平滑处理，去除点云集合中异常点得到第一点云集合，将包含异常点的点云集合作为第二点云集合；
基于第一点云集合，通过逆距离权重法插值获取实体面节点高程，得到包含实体面节点高程信息的第三点云集合；
所述异常点包括两种，第一种为不属于路面的地物点以及异常飞点，第二种为由于遮挡或者其他原因导致路面模型构建异常导致的存在误差的路面点。
2.如权利要求1所述的面状实体与倾斜三维模型融合方法，其特征在于，所述根据地理实体数据的表示特点为根据道路、水系地理实体沿带状走向高程线性变化的特点。
3.如权利要求1所述的面状实体与倾斜三维模型融合方法，其特征在于，所述基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，包括：
基于包含实体面节点高程信息的点云集合，采用基于耳切法的多边形三角化算法，构建路面三角网；
基于异常点云集合，利用异常路面点云进行统计计算，确定用于展示的面状实体厚度；
基于该面状实体的厚度，利用三角网构造三维闭合实体。
4.面状实体与倾斜三维模型融合系统，其特征在于，包括：
数据获取模块，其被配置为：获取面状地理实体数据以及对应范围的倾斜三维模型数据；
实体点云提取模块，其被配置为：基于倾斜三维模型数据提取倾斜点云数据，根据面状地理实体数据的范围，对倾斜点云数据进行空间查询，提取每个实体范围内的点云集合；
点云平滑处理模块，其被配置为：根据地理实体数据的表示特点，对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合；
融合模块，其被配置为：基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，将三维闭合实体与倾斜三维模型进行叠加显示以实现面状实体与倾斜三维模型的融合表达；
所述对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合具体包括：
对点云集合进行平滑处理，去除点云集合中异常点得到第一点云集合，将包含异常点的点云集合作为第二点云集合；
基于第一点云集合，通过逆距离权重法插值获取实体面节点高程，得到包含实体面节点高程信息的第三点云集合；
所述异常点包括两种，第一种为不属于路面的地物点以及异常飞点，第二种为由于遮挡或者其他原因导致路面模型构建异常导致的存在误差的路面点。
5.如权利要求4所述的面状实体与倾斜三维模型融合系统，其特征在于，所述点云平滑处理模块中，对点云集合进行平滑处理得到包含实体面节点高程信息的点云集合和异常点云集合具体包括：
对点云集合进行平滑处理，去除点云集合中异常点得到第一点云集合，将包含异常点的点云集合作为第二点云集合；
基于第一点云集合，通过逆距离权重法插值获取实体面节点高程，得到包含实体面节点高程信息的第三点云集合。
6.如权利要求4所述的面状实体与倾斜三维模型融合系统，其特征在于，所述融合模块中，基于包含实体面节点高程信息的点云集合和异常点云集合，构建三角网，利用三角网构造三维闭合实体，包括：
基于包含实体面节点高程信息的点云集合，采用基于耳切法的多边形三角化算法，构建路面三角网；
基于异常点云集合，利用异常路面点云进行统计计算，确定用于展示的面状实体厚度；
基于该面状实体的厚度，利用三角网构造三维闭合实体。
7.一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时实现了如权利要求1-3任一项所述的面状实体与倾斜三维模型融合方法中的步骤。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-3中任一项所述的面状实体与倾斜三维模型融合方法中的步骤。
CN202310581171.7A 2023-05-23 2023-05-23 面状实体与倾斜三维模型融合方法、系统、介质及设备 Active CN116310262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310581171.7A CN116310262B (zh) 2023-05-23 2023-05-23 面状实体与倾斜三维模型融合方法、系统、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310581171.7A CN116310262B (zh) 2023-05-23 2023-05-23 面状实体与倾斜三维模型融合方法、系统、介质及设备

Publications (2)

Publication Number Publication Date
CN116310262A CN116310262A (zh) 2023-06-23
CN116310262B true CN116310262B (zh) 2023-08-01

Family

ID=86832748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310581171.7A Active CN116310262B (zh) 2023-05-23 2023-05-23 面状实体与倾斜三维模型融合方法、系统、介质及设备

Country Status (1)

Country Link
CN (1) CN116310262B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB202108778D0 (en) * 2021-06-18 2021-08-04 Pointfuse Ltd Pointcloud processing, especially for use with building intelligence modelling (BIM)
WO2021236549A1 (en) * 2020-05-18 2021-11-25 Roadbotics, Inc. Systems and methods for creating and/or analyzing three-dimensional models of infrastructure assets
CN115187647A (zh) * 2022-05-27 2022-10-14 自然资源部第一地形测量队(陕西省第二测绘工程院) 基于矢量的道路三维实景结构化建模方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107958482B (zh) * 2016-10-17 2021-06-18 杭州海康威视数字技术股份有限公司 一种三维场景模型构建方法及装置
CN108345822B (zh) * 2017-01-22 2022-02-01 腾讯科技（深圳）有限公司 一种点云数据处理方法及装置
US10482655B2 (en) * 2017-11-20 2019-11-19 Here Global B.V. Method and apparatus for providing a tile-based digital elevation model
CN108765487B (zh) * 2018-06-04 2022-07-22 百度在线网络技术（北京）有限公司 重建三维场景的方法、装置、设备和计算机可读存储介质
CN112434709B (zh) * 2020-11-20 2024-04-12 西安视野慧图智能科技有限公司 基于无人机实时稠密三维点云和dsm的航测方法及系统
CN115861527A (zh) * 2022-11-16 2023-03-28 四川水发勘测设计研究有限公司 实景三维模型的构建方法、装置、电子设备及存储介质
CN116152461B (zh) * 2023-04-21 2023-07-18 北京星天地信息科技有限公司 地质建模方法、装置、计算机设备及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021236549A1 (en) * 2020-05-18 2021-11-25 Roadbotics, Inc. Systems and methods for creating and/or analyzing three-dimensional models of infrastructure assets
GB202108778D0 (en) * 2021-06-18 2021-08-04 Pointfuse Ltd Pointcloud processing, especially for use with building intelligence modelling (BIM)
CN115187647A (zh) * 2022-05-27 2022-10-14 自然资源部第一地形测量队(陕西省第二测绘工程院) 基于矢量的道路三维实景结构化建模方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于倾斜摄影和近景摄影技术的实景三维模型制作;姜如波;;城市勘测(03);全文 *

Also Published As

Publication number Publication date
CN116310262A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
Mao et al. A multiple representation data structure for dynamic visualisation of generalised 3D city models
KR101307232B1 (ko) 하천홍수 상황인지시스템 및 컴퓨터로 판독 가능한 기록매체
CN110111410A (zh) 一种基于空间数据库的二三维管网数据组织及显示方法
CN111540051B (zh) 一种基于cim的全要素海量数据轻量化及拓扑分析应用平台
CN113066157A (zh) 基于cim平台的数据分级请求渲染方法及系统
CN113570275A (zh) 基于bim和数字高程模型的水资源实时监测系统
CN105005580B (zh) 一种用于显示水库地形的方法及其装置
CN110287508A (zh) 一种多源三维城市模型的可视化融合系统
CN114820975A (zh) 基于全要素参数符号化的三维场景仿真重构系统及方法
CN112200906B (zh) 一种面向倾斜三维模型的实体提取方法及其系统
Ali et al. A novel computational paradigm for creating a Triangular Irregular Network (TIN) from LiDAR data
CN116310262B (zh) 面状实体与倾斜三维模型融合方法、系统、介质及设备
Kumar et al. An improved LOD framework for the terrains in 3D city models
CN104299262A (zh) 一种基于速度场流线的三维云模拟方法
CN112650792A (zh) 城市水流模拟中要素水流流量自动识别与存储方法及系统
CN114445574A (zh) 将GeoJSON数据格式转换为三维GLB格式的方法、装置和设备
CN114091141A (zh) 一种基于倾斜实景模型的三维道路生成方法及装置
Che et al. A New Method of Achieving Single Three‐Dimensional Building Model Automatically Based on Oblique Photography Data
CN112233226A (zh) 基于指标与图形联动的指标信息确定方法、装置和系统
Lesparre et al. Simplified 3D city models from LiDAR
EP3937125B1 (en) Method, apparatus for superimposing laser point clouds and high-precision map and electronic device
KR101661529B1 (ko) 삼차원 시각 분석방법, 삼차원 시각 분석 프로그램, 그 프로그램이 저장된 서버 시스템 및 컴퓨터
Ma et al. Research and application of personalized human body simplification and fusion method
Mao et al. A Framework for generalization of 3D city models based on CityGML and X3D
CN117274536B (zh) 一种实景三维模型重构方法及装置

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