CN116468869A - 一种基于遥感卫星影像的实景三维建模方法、设备及介质 - Google Patents

一种基于遥感卫星影像的实景三维建模方法、设备及介质 Download PDF

Info

Publication number
CN116468869A
CN116468869A CN202310727872.7A CN202310727872A CN116468869A CN 116468869 A CN116468869 A CN 116468869A CN 202310727872 A CN202310727872 A CN 202310727872A CN 116468869 A CN116468869 A CN 116468869A
Authority
CN
China
Prior art keywords
image
model
dimensional
images
matching
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
CN202310727872.7A
Other languages
English (en)
Inventor
夏正清
蒋杏超
史江臣
赵方博
李震川
苑海宇
李菲
魏洪莹
王龙
杨丹
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.)
China Color Blueprint Technology Co ltd
Original Assignee
China Color Blueprint Technology Co ltd
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 China Color Blueprint Technology Co ltd filed Critical China Color Blueprint Technology Co ltd
Priority to CN202310727872.7A priority Critical patent/CN116468869A/zh
Publication of CN116468869A publication Critical patent/CN116468869A/zh
Pending legal-status Critical Current

Links

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • 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 by the use of more than one image, e.g. averaging, subtraction
    • G06T5/80—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • 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
    • 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
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明实施例公开了一种基于遥感卫星影像的实景三维建模方法、计算机设备及介质。方法包括：获取高分辨率卫星拍摄的待处理影像，对其进行影像融合、辐射校正和直方图匹配，得到第一影像；对第一影像进行自动连接点匹配、影像控制点量测，得到第二影像；对第二影像进行定向矢量线采集、影像纹理自动提取和映射、三维模型编辑，得到单体三维模型。本发明实施例基于高分辨率卫星多角度立体成像能力构建三维立体模型，不受时间、空间的约束限制，适合覆盖范围广、成本低、偏远或难以进入飞机以及移动扫描/测绘等技术手段受限制的地区；该技术方案可以快速获取大面积小比例的三维模型，运算效率快，可以满足大范围实景三维建设的需求。

Description

一种基于遥感卫星影像的实景三维建模方法、设备及介质
技术领域
本发明涉及三维建模领域，具体涉及一种基于遥感卫星影像的实景三维建模方法、计算机设备及存储介质。
背景技术
空间信息主要是以图形化的形式存在的。然而，用二维的图形界面展示空间信息是非常抽象的，只有专业的人士才懂得使用。相比二维GIS，三维GIS为空间信息的展示提供了更丰富、逼真的平台，使人们将抽象难懂的空间信息可视化和直观化，人们结合自己相关的经验就可以理解，从而做出准确而快速的判断。
随着经济的快速增长，人们对地理信息的需求也在不断增大，而传统的实景三维模型都是通过由航片获取，在遇到航空管制或者飞行困难区域，数据获取本身会有一定难度。另外，对于大面积小比例尺的三维模型获取时间太长，运算效率慢，难以满足大场景实景三维建设的需求。
发明内容
针对背景技术中所提及的技术缺陷，本发明实施例的目的在于提供一种基于遥感卫星影像的实景三维建模方法、计算机设备及存储介质。
为实现上述目的，第一方面，本申请实施例提供了一种基于遥感卫星影像的实景三维建模方法，包括：
预处理步骤：获取高分辨率卫星拍摄的待处理影像，对所述待处理影像进行影像融合、辐射校正和直方图匹配，得到第一影像；
定向和平差步骤：对所述第一影像进行自动连接点匹配、影像控制点量测，得到第二影像；
三维建模步骤：对所述第二影像进行定向矢量线采集、影像纹理自动提取和映射、三维模型编辑，得到单体三维模型。
作为本申请的一种具体实现方式，所述预处理步骤具体为：
影像获取：获取高分辨率卫星拍摄的待处理影像；所述待处理影像包括0.31m全色影像数据和1.44m的8波段多光谱影像数据；
影像融合：采用PanSharpen融合模型对0.31m全色影像数据和1.44m的8波段多光谱影像数据进行影像融合，得到三组融合影像；
辐射校正和直方图匹配：以第一组融合影像为主影像，对第二组融合影像和第三组融合影像进行辐射校正和直方图匹配，并进行16bit到8bit的位深转换，得到第一影像。
作为本申请的一种具体实现方式，所述第一影像包括小倾角影像和大倾角影像，定向和平差步骤具体为：
自动连接点匹配：通过不同影像间同名点距离设置搜索半径，根据所述搜索半径，采用SIFT匹配算法对小倾角影像和大倾角影像进行自动连接点匹配；
影像控制点量测：采用历年影像控制点库中的控制点数据，依据点之记进行刺点，分别对两组小倾角影像和三组大倾角影像进行平差，前者满足1:2000空三定向要求，后者满足1:5000空三定向要求。
作为本申请的一种具体实现方式，三维建模步骤具体为：
点云匹配：针对所述第二影像，按基高比、侧摆角为不同条件结合地形特点进行迭代，得到相对更加接近真值的密集点云；
像素级密集匹配：在密集点云的基础上，采用SGM像素密级密集匹配生成0.5m的DSM模型，并对0.5m的DSM模型进行自动滤波和人工编辑，得到高精度DEM模型；
定向矢量线采集：基于高精度的DEM模型，采集矢量线；所述矢量线包括建筑物矢量线、道路和水涯线、陡坡和泊岸边线、独立地物数据；
影像纹理自动提取和映射：根据所述矢量线和DEM模型，自动计算每张像片各面纹理范围的像素坐标，提取每张像片的顶面纹理和侧面纹理，按照面积最优的纹理映射方法，选取最优纹理影像，并按照模型连接关系命名，得到初始三维模型；
三维模型编辑：对所述初始三维模型进行编辑处理，得到单体三维模型；所述编辑处理包括对不满足要求的地形进行精细化处理、去重面处理和纹理遮挡贴图编辑。
作为本申请的一种具体实现方式，定向矢量线采集具体为：
建筑物矢量线采集：以DEM模型为主，将建筑顶面拉至地面生成建筑物模型，基于所述建筑物模型采集建筑物矢量线；
道路和水涯线采集：采用人工方式采集步行道边线和隔离带边线；
陡坡和泊岸边线采集：采用人工方式采集斜坡线、泊岸边线和坡脚线；
独立地物数据采集：采用人工方式采集路灯、电线杆、旗杆、加油站、路牌、信号灯、树木的定位点，根据定位点确定路灯、电线杆、旗杆、加油站、路牌、信号灯的高度和位置。
第二方面，本发明实施例提供了一种计算机设备，用于基于遥感卫星影像进行实景三维建模，包括：
预处理单元，用于获取高分辨率卫星拍摄的待处理影像，对所述待处理影像进行影像融合、辐射校正和直方图匹配，得到第一影像；
定向和平差单元，用于对所述第一影像进行自动连接点匹配、影像控制点量测，得到第二影像；
三维建模单元，用于对所述第二影像进行定向矢量线采集、影像纹理自动提取和映射、三维模型编辑，得到单体三维模型。
作为本申请的一种具体实现方式，所述预处理单元具体用于：
影像获取：获取高分辨率卫星拍摄的待处理影像；所述待处理影像包括0.31m全色影像数据和1.44m的8波段多光谱影像数据；
影像融合：采用PanSharpen融合模型对0.31m全色影像数据和1.44m的8波段多光谱影像数据进行影像融合，得到三组融合影像；
辐射校正和直方图匹配：以第一组融合影像为主影像，对第二组融合影像和第三组融合影像进行辐射校正和直方图匹配，并进行16bit到8bit的位深转换，得到第一影像；
所述第一影像包括小倾角影像和大倾角影像，所述定向和平差步骤具体用于：
自动连接点匹配：通过不同影像间同名点距离设置搜索半径，根据所述搜索半径，采用SIFT匹配算法对小倾角影像和大倾角影像进行自动连接点匹配；
影像控制点量测：采用历年影像控制点库中的控制点数据，依据点之记进行刺点，分别对两组小倾角影像和三组大倾角影像进行平差，前者满足1:2000空三定向要求，后者满足1:5000空三定向要求。
作为本申请的一种具体实现方式，所述三维建模单元具体用于：
点云匹配：针对所述第二影像，按基高比、侧摆角为不同条件结合地形特点进行迭代，得到相对更加接近真值的密集点云；
像素级密集匹配：在密集点云的基础上，采用SGM像素密级密集匹配生成0.5m的DSM模型，并对0.5m的DSM模型进行自动滤波和人工编辑，得到高精度DEM模型；
定向矢量线采集：基于高精度的DEM模型，采集矢量线；所述矢量线包括建筑物矢量线、道路和水涯线、陡坡和泊岸边线、独立地物数据；
影像纹理自动提取和映射：根据所述矢量线和DEM模型，自动计算每张像片各面纹理范围的像素坐标，提取每张像片的顶面纹理和侧面纹理，按照面积最优的纹理映射方法，选取最优纹理影像，并按照模型连接关系命名，得到初始三维模型；
三维模型编辑：对所述初始三维模型进行编辑处理，得到单体三维模型；所述编辑处理包括对不满足要求的地形进行精细化处理、去重面处理和纹理遮挡贴图编辑。
第三方面，本发明实施例还提供了另一种计算机设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如上述第一方面所述的方法步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现如上述第一方面所述的方法步骤。
本发明实施例所提供的技术方案，基于高分辨率卫星多角度立体成像能力构建三维立体模型，不受时间、空间的约束限制，适合覆盖范围广、成本低、偏远或难以进入飞机以及移动扫描/测绘等技术手段受限制的地区；该技术方案可以快速获取大面积小比例的三维模型，运算效率快，可以满足大范围实景三维建设的需求。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的基于遥感卫星影像的实景三维建模方法流程图；
图2是基于遥感卫星多视角数据的三维建模技术流程图；
图3是数字表面模型DSM示意图；
图4是点云匹配示意图；
图5a至图5c是采集矢量和房屋的示意图；
图6是道路和水的矢量采集示意图；
图7是道路边坡、地貌、植被等的采集示意图；
图8a和图8b是电线杆采集示意图；
图9是模型纹理自动提取和映射示意图；
图10是多视角卫星影像三维模型成果示意图；
图11是本发明实施例提供的计算机设备的一种结构图；
图12是图11的另一种结构示意图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
近年来，高分辨率卫星获得了较快的发展，其获取的图像经过辐射校正后达到了相当高的精度，结合卫星变轨或相机侧摆等方式，同一地物的重访周期大大缩短，非常有利于对目标场景的三维精细化建模，并使得利用高分辨率卫星影像制作三维地形及建筑物建模成为可能。
本发明的发明构思是：
采用遥感卫星进行实景三维建模，大量使用了摄影测量和计算机图形学等专业知识。与以往不同的是在建模方法中大量渗透了同名点匹配、滤波、统计、抗粗差人工智能等技术。
具体地，本发明提供一种利用高分辨率光学卫星影像进行重点目标及建筑物精细化三维建模方法，其以国内外主流高分率光学卫星影像数据为主要数据源，以DEM/DOM、控制点数据等已有数据库为控制通过平差得到影像位置，自动提取三维点云，利用算法从点云提取三角面网格制作感兴趣区域粗略高程模型，联系区域对象的平坦程度，对三角网进行平整、简化，进行纹理化。通过此方法得到的卫星三维模型纹理对应性精度更有保证，纹理均为原始影像上计算获得，与其他地理信息或属性数据可以更好地叠加，使得多源数据发挥一加一大于二的效能，与InSAR等数据及矢量数据叠加便于一步实现平面/高程与属性数据的融合，达到更真实的呈现模拟效果，更好地服务于相关行业。
具体实施时，高分辨率卫星包括两种拍摄模式：
（1）常规模式
常规拍摄过程中采用计划编程下单模式，提供的卫星数据须经过辐射校正和系统校正，分辨率满足优于1米，应包括全色波段、蓝波段、绿波段、红波段与近红外波段等多光谱信息。对提供的原始影像数据，实时云量判读，准确性达到98%及以上，提供统计报表，后期影像拼接色彩调整服务，影像在大范围颜色和色调显示基本一致，图像色相及亮度调整后，相邻幅重叠区域，亮度相差低于10%，合理地选择镶嵌线，并进行羽化处理，嵌后达到相邻影像色调基本一致。原始影像质量整体精度一致、色调均匀、纹理清晰、反差适中、色彩自然过渡。
常规模式下二维实景建模系统采用全自动+人工干预的三维实景处理流程，利用集群优势结合系统编辑作业模式对三维模型及单体化进行快速生产和必要编辑，生产出满足精度要求的标准三维产品。
（2）应急模式
由于每颗卫星的数据获取能力和特点的不同，包括卫星搭载的传感器类型、侧摆能力、成像模式、分辨率、观测波谱、有效地面视场和重访周期等的差异，使得用户迫切需要一套能够分析在一定时间周期内，实现对感兴趣区域的多星、多传感器、多成像模式的联合成像解决方案，包括时效性及覆盖能力的分析等实际应用需求。这种联合成像解决方案能够在航天器的研发过程中，为有效载荷、单星及星座平台的研发作论证支撑，特别是当地震、洪水等重大自然灾害发生时，这种联合成像解决方案将更能够满足灾害快速响应的需要，充分发挥遥感技术在科学救灾减灾中的重大作用。同时利用集群优势完成从空三加密到三维模型制作的全过程，快速响应应急生产要求。
但是，上述利用高分辨率光学卫星影像进行重点目标及建筑物精细化三维建模的方法，还存在一定问题：
1、航天卫星遥感的场景规模较大，其复杂度和数据量会成倍增加，尤其是对三维程序开发而言，要对大范围DEM、诸多地物模型和大量的纹理数据实现交互可视化处理，必然会导致系统负担加重，绘制速度降低，因此必须考虑应用优化技术方法，实现大数据量场景的实时绘制；
2、相较于传统倾斜摄影数据建模，卫星影像数据采集区域广、不受航空管制、采集周期的影响，更符合当前大场景实景三维建模与城市三维模型快速构建的需要。但从获取的影像数据来说，卫星影像数据与传统航摄影像数据存在较多差异：
（1）卫星影像通常是采用线阵传感器单元以推扫方式采集而来，其投影方式与传统框幅式成像模型不同；
（2）卫星传感器到地面的距离过大，基线短，容易导致计算结果不稳定；
（3）卫星影像的像幅过大，单幅影像可包含数十亿像素，处理困难。
因此，想要实现卫星影像快速三维重建并不能采用现有的针对传统航摄影像的处理方法，需要在空三解算和匹配算法上进行优化。
3、卫星影像采用RPC有理函数模型来表达三维坐标到影像坐标之间的投影关系，每个影像的RPC模型参数由卫星厂商给出，但是该参数存在微小的误差，必须经过校正才能用于后续的重建。
针对卫星影像优化的图像匹配算法，具有匹配点数量多、精度高、匹配效率高等特性，平差方法采用一种适合于RPC模型的交替求解法，在无控制点的情况下仍可以获得高精度的解。为了获取最优的DSM，在选取最优高程时，通过结合局部高程可靠性和全局一致性，同时保证了合并后的DSM的高程精度和连续性。
请参考图1及图2，本发明实施例提供的基于遥感卫星影像的实景三维建模方法，包括：
预处理步骤：获取高分辨率卫星拍摄的待处理影像，对所述待处理影像进行影像融合、辐射校正和直方图匹配，得到第一影像；
定向和平差步骤：对所述第一影像进行自动连接点匹配、影像控制点量测，得到第二影像；
三维建模步骤：对所述第二影像进行定向矢量线采集、影像纹理自动提取和映射、三维模型编辑，得到单体三维模型。
具体地，本实施例中，预处理部分描述如下：
预处理主要指的是基础数据处理，其主要目的是制作实景三维模型的基础数据，包括数据准备、影像融合、辐射校正和直方图匹配、空中三角测量、点云提取、DSM/DEM/DOM/TDOM基础产品制备等。
（1）数据准备（影像获取）
定制获取三景不同倾角的WorldView－3卫星数据，其中两景是常规小倾角0.31m多光谱立体影像，一景是大于45°的0.5m大倾角、多光谱卫星影像。
按原始影像数据和辅助数据（测区外延一定范围内符合要求的像控点、参考DOM/DEM数据，以及高程异常模型、矢量边界等）两类进行相关数据的准备。对原始数据的覆盖范围、摄影角度、基高比图像质量、太阳高度角，以及辅助数据的覆盖范围和精度指标等进行检查，根据后续多角度卫星数据空中三角测量的技术要求进行数据筛选及标记。
（2）影像融合
采用PanSharpen融合模型将0.31m全色和1.44m的8波段多光谱的WorldView-3三组影像数据进行融合。
（3）辐射校正和直方图匹配
为了保证三组融合影像效果的一致性，以第一组影像为主影像,进行了辐射校正和直方图匹配，并进行16bit到8bit的位深转换。
（4）空中三角测量
空中三角测量是多角度卫星实景三维生产的核心关键环节，直接决定了点云的匹配成功率和定位精度。
以实景三维产品为目标的卫星立体像对空中三角测量，一定要把区域内所有满足要求的卫星影像都纳入空中三角测量平差。但是，因卫星影像摄影范围较航空影像大，所以会存在一些镜头畸变较大、片间拼接问题多、内方位标定不严谨的卫星影像，在未进行有效的几何修正前，不适宜参与空三流程。
（5）点云提取
实景三维产品的几何精细度一般与原始影像分辨率相当，这也是区别于传统三维的特点之一。在卫星实景三维产品生产时，点云匹配环节一般均要逐像素或隔像素开展。点云匹配结果除与卫星载荷的几何水平和空三流程相关外，图像的辐射质量也是一个重要因素。对多角度立体成像的卫星影像，点云匹配时要充分利用“多视”这一冗余条件，既可以两两组成立体像对进行匹配，进行结果加权、验证，也可以按基高比、侧摆角为不同条件结合地形特点进行迭代，得到相对更加接近真值的密集点云。
（6）DSM/DEM/DOM/TDOM基础产品制备
在密集点云的基础上使用一定的内插和滤波算法，就可以得到测区的数字表面模型DSM了，如图3所示。
数字高程模型DEM的制备需要人工在正射影像DOM上识别地物图斑边界，进而进行滤波、赋值等。
DOM产品制备时，一般选择近似垂直成像的图像作为待纠正影像，DOM一般使用DEM进行影像纠正，真正射影像TDOM则使用DSM进行影像纠正。
具体地，在本实施例中，定向和平差部分描述如下：
（1）自动连接点匹配：由于影像倾角不一致，分辨率不一致，采用了SIFT匹配的方式进行了自动连接点匹配。为了保证连接点匹配数量，通过影像间同名点距离量取、设置搜索半径，注意大倾角影像同小倾角影像间距离最大，根据平差结果进行连接点编辑以保证相对定向精度。
（2）影像控制点量测：采用历年影像控制点库中控制点数据，依据点之记进行刺点，分别对小倾角两组影像和大倾角三组影像进行平差，前者满足1:2000空三定向要求，后者满足1:5000空三定向要求。
具体地，在本实施例中，三维建模部分描述如下：
该部分主要包括整体概述、点云匹配、像素级密集匹配、定向矢量采集、影像纹理自动提取和映射、三维模型编辑。
（1）整体概述
卫星实景三维是将基于点云形成DSM产品并进行少量编辑，通过三角面片剖分、纹理映射得到卫星Mesh产品。一般来说，Mesh产品有大量的三角网和纹理影像，尤其是范围较大时会对产品的读取、显示、应用软件提出挑战。Mesh产品生成后还应进行LOD处理，以加快数据调用显示速度。一个区域的Mesh产品就是一个整体化的实体模型，从人工观察、形成主观感受的角度看，Mesh产品直观易懂；从地形分析、矿山管理、工程规划角度看，也能满足主体使用要求。
Mesh产品中的水系、居民地、道路、植被等各类地物并未进行单体化和结构化，很难成为一个独立的可分析对象，计算机就难以对其进行统计、分析。某些行业关注的地表要素(如水利行业关注水系及附属设施等、住建行业关注房屋建筑)可用建筑物白模产品来表达。全球商业卫星立体像对的最高分辨率已达0.3m，完全能够满足LOD1(如LOD1.3级)、LOD2级建筑物对卫星影像的质量要求，甚至还能够满足建筑物屋顶的LOD3级精细化表达要求。LOD1.3级建筑物白模生产的常规路线是采用DSM和DEM数据进行。但因建筑物轮廓线范围内的DSM数据往往因匹配技术的局限性导致噪声甚至错误的存在，建筑物高程值提取算法，需综合使用区域高程值统计、监控高程值比对、区域滤波等多种策略，以降低DSM噪声对LOD1.3级建筑物白模顶部高度的影响。
对具有矢量化、单体化、结构化等特点的建筑物白模进行外部纹理映射，就构成了标准化模型产品，其纹理既可以来自于前期参与白模制备的卫星影像，也可以来自具有位置和姿态信息的倾斜摄影影像，还可以取自车载移动摄影车、人工拍摄的照片等。标准模型纹理映射的原理与Mesh产品的纹理映射类似，所不同的是要提前对参与纹理映射的白模数据进行预处理，如减少内部三角面片的无效映射，对数据进行适度组合。如有必要，还可以适度优化白模的结构。
（2）点云匹配
实景三维产品的几何精细度一般与原始影像分辨率相当，这也是区别于传统三维的特点之一。在卫星实景三维产品生产时，点云匹配环节一般均要逐像素或隔像素开展。点云匹配结果除与卫星载荷的几何水平和空三流程相关外，图像的辐射质量也是一个重要因素。对多角度立体成像的卫星影像，点云匹配时要充分利用“多视”这一冗余条件，既可以两两组成立体像对进行匹配，进行结果加权、验证，也可以按基高比、侧摆角为不同条件结合地形特点进行迭代，得到相对更加接近真值的密集点云，如图4所示。
（3）像素级密集匹配
具体地，采用SGM像素级密集匹配生成0.5m的DSM,由于视角少，高楼区由于阴影和遮挡的影响，生成的DSM部分地区有错误，采用自动滤波和人工编辑，生成高精度DEM，作为三维模型的地形层。
（4）定向矢量采集
具体地，基于高精度的DEM模型，采集矢量线；所述矢量线包括建筑物矢量线、道路和水涯线、陡坡和泊岸边线、独立地物数据，下面分别介绍。
a. 建筑物矢量线采集：包括平顶、坡顶、人字形顶、楼顶、尖顶、弧顶房屋的采集，主要以楼顶面的方式采集矢量，楼顶女儿墙尽量采集，地面以编辑后的DEM为主，将建筑顶面拉至地面生成建筑物模型，采集示意图如图5a至图5c所示。
b. 道路和水涯线采集：请参考图6，道路两边线对应的高度一致，并采集步行道边线和隔离带边线，以区分车道、步行道、绿化带。水涯线的采集是为了确定位置和高度。
c.陡坡和泊岸边线采集：请参考图7，带护坡的道路要采集坡脚线，地形的斜坡线、泊岸、坡脚线方便定位和后期制作模型。在实验过程中考虑到影像的识别和模型的精细程度，只采集道路和水周边人工绿化或者硬化的斜坡，尤其是1.5m以上的斜坡和泊岸并采集坡脚线。
d.独立地物采集：请参考图8a和图8b，采集路灯、电线杆、旗杆、加油站、路牌、信号灯、树木定位点，其中路灯、电线杆、旗杆、路牌、信号顶采集上下两个点，以便于确定高度和位置。
（5）影像纹理自动提取和映射
目前还没有针对卫星影像的纹理自动提取和映射的软件，卫星成像通常是有理函数模型(RFM)来模拟严格成像模型的，对于WorldView-3，RPB文件即为其RFM(RPC)参数，其物方和像方坐标关系如式(1)所示。
（1）
其中，和/>分别是像方、物方正射坐标值，/>为有理函数，最高三次。通过连接点和控制点优化后的参数是通过像方仿射变换精化的结果，具体为以下6个参数/>。
（2）
因此，通过上述原始的RFM（RPC）参数和仿射变换的6个参数，根据采集的矢量线划和DEM，自动计算每张像片各面纹理范围的像素坐标，提取每张像片的顶面纹理和侧面纹理，按照面积最优的纹理映射方法，选取最优纹理影像，并按照模型连接关系命名，如图9所示根据每个建筑物模型平均提取5-10个面，根据纹理节点数和建筑物复杂程度，每分钟可以提取30-50个建筑物不等。
（6）三维模型编辑
对不满足要求的地形进行精细化处理、去重面处理、纹理遮挡贴图编辑等。从而生成满足要求的三维模型。该模型具有1:5000的可量测精度和真实的纹理信息。图10是对建筑物模型编辑后的结果。大幅解决场景中“花斑、火烧云”等纹理效果问题，瓦片间颜色一致性以及匀光匀色，整体或局部场景色彩调整。
从以上描述可以得知，本发明实施例所提供的基于遥感卫星影像的实景三维建模方法，优点如下：
基于卫星多角度立体成像能力构建三维立体模型，不受时间、空间的约束限制，适合覆盖范围广、成本低、偏远或难以进入飞机以及移动扫描/测绘等技术手段受限制的地区，可快速获取较高分辨率的数据，建立实景三维模型和大范围三维可视化场景。
本文研究卫星实景三维基础数据处理的关键技术，归纳实景三维建模尤其是建筑物模型构建方法和特点，客观真实反应地形、地貌和地物的三维属性特征，能够在露天矿山开采监管、露天矿山生态修复、长距离大型带状工程规划选线、屋顶加盖违建监管等方面发挥重要作用，为自然资源立体监管和城市精准化治理提供新的视角。
下一步，本研究将会考虑与更精细的基础地理实体、部件级三维模型进行融合互补，提升数字空间底座能力，服务于更精细化管理。
卫星实景三维产品作为新型基础测绘的标准化产品，是数字城市推进实施的一项重要新型空间信息基础设施，可实现全要素数字化表达、动态三维呈现，具有覆盖范围广、成本低、建模快速、可量测、信息丰富、沉浸感强等明显优势应用和服务是发挥数据价值的重要方式。
建筑物白模产品可应用于房屋管理，人口管理，如针对疫情防控，可在线勾绘管控区域，实现老幼病残等特殊人群信息精准到户，实现快速搜索周边人员聚集区应急设施资源等功能，辅助指挥调度。
基于卫星的高分辨率多角度立体成像构建实景三维产品，在露天矿开采监管、矿山生态恢复治理、长距离大型带状工程规划设计、屋顶加盖违建监管等方面具有较为明显的应用优势，有利于不断推进自然资源主体业务、城市管理业务规模化应用，促进实现自然资源和城市精细化管理，从而不断适应经济社会发展和生态文明建设的新要求。
1、露天矿山开采立体监管
为整治露天矿山私挖滥采、破坏生态环境等违法行为，迫切需要探索建立一套全方位、全周期的矿山开采监管新模式。传统卫星遥感技术可以对矿区平面越界开采行为进行直观监测与预警，但是对于垂向越界开采监测与预警、矿产资源开采量估算矿产资源剩余储量估算等，由于均涉及到高度差的计算问题，则需要借助三维空间模型实现。利用监测矿区实景三维模型、DSM数据与采矿权立体范围进行空间分析，实现监测矿区是否超深/超深开采量或是否超范围开采/超范围开采面积等的定性与定量分析统计。通过不同时期DSM、实景三维模型套合分析，估算一段时间内矿产资源开采量，监测矿区历史越界是否回填等，对矿区开采的进度、是否存在其他违规情况进行跟踪。通过接入视频监控、地面巡查、站点监测等传感设备数据，对矿区越界开采进行及时预警，实现剩余矿产资源储量的动态监测与估算。
2、矿山生态恢复治理
露天矿山生态修复要求对矿山监测能够看得清看得准、看得及时。不同形式、信息丰富的实景三维产品兼具直观和可量算的特点，将实景三维产品应用于矿山生态恢复治理中，能够很好地辅助有关人员和修复技术人员直观理解生态修复方案在矿山生态修复规划设计中，基于DSM、DOM和实景三维模型，获取研究矿区各项地形分析数据，包括岩体岩性、岩体结构类型、坡面光滑度、坡度、坡向、坡高等，根据不同地形分析数据组合关系划分研究矿区生态修复治理的难易程度，在此基础上，综合考虑场地的周边条件和现有资源确定生态修复模式并在实景三维模型上进行修复模拟设计。
基于三维模型对矿山拟生态修复区域的危岩清理、建构筑物拆除、废石废渣清运量、废弃土堆等进行核算。
通过不同时期DSM和实景三维模型套合分析，对采空塌陷地、采空区等的填挖方工程量进行核算。监测矿山修复复绿演变过程，对林地、草地、复垦土地等的面积、体积、坡度、高度等指标进行测量。通过实景三维模型支撑矿山耕地保护、生态涵养和人类活动区的边界线划定，严格控制矿山土地利用用途。还可以从景观设计角度考虑，通过实景三维模型实现矿山景观视觉效果传达。矿坑回填治理。
3、长距离大型带状工程规划选线
基于多角度立体成像卫星构建长距离大型带状工程周边实景三维大场景，汇集长距离大型带状工程所跨区域的地形、地貌、地物等三维模型，直观反映工程周边地理格局和资源状况，同时叠加反映规划的线路数据，将规划选线的精确走向、标高信息等微观信息与宏观三维地理场景现状数据结合，利用坡度坡向分析、视域分析等三维分析工具，更直观地进行长距离大型带状工程时空分析与规划线路成果展示。
通过融合仿真模拟技术，在卫星实景三维场景中进行线路规划方案模拟，对线路规划存在的问题进行科学性识别，提高规划成果可视化的多维细节呈现程度，辅助规划选线快速搭建、动态调整规划设计方案。
另外，结合历年地质数据与卫星实景三维进行叠加分析，实现长距离大型带状工程减灾选线。
基于多角度立体成像卫星构建实景三维可有效提高长距离大型带状工程规划选线的效率和质量，提升长距离大型带状工程规划选线的信息化和可视化程度。
4、违法、违规建筑监管
采用卫星实景三维建模手段，可大范围、全方位快速生成地形表面可量测的实景三维模型和建筑物白模，利用卫星实景三维模型直观地对违建进行初步判断，通过立体建筑白模精确量算违法建筑物高度，结合建设用地规划许可证、房屋建筑竣工备案图纸等，辅助人工巡查技术，并与空间规划目标、指标进行对比分析，基于卫星实景三维场景标识用地边界和违法用地位置，识别和提取非法占地面积违法建筑物高度和面积的变化特征，同时辅以外业核查，全面地完成对违法用地违法建设的准确判断动态巡查和预警。
另外，经分层分户后的建筑白模数据，与“一标三实”(标准地址和实有人口、实有房屋、实有单位)进行属性信息挂接，及时发现、及时处置违法违规建筑责任主体。
基于多角度立体成像卫星构建实景三维立体模型为屋顶加盖违建监管提供技术支撑，弥补了传统违建巡查方式的不足，极大提高了违法建筑查处效率，将会强有力支撑城市精细化管理。
基于相同的发明构思，本发明实施例提供了一种计算机设备，用于基于卫星影像进行实景三维建模，如图11所示，包括：
预处理单元，用于获取高分辨率卫星拍摄的待处理影像，对所述待处理影像进行影像融合、辐射校正和直方图匹配，得到第一影像；
定向和平差单元，用于对所述第一影像进行自动连接点匹配、影像控制点量测，得到第二影像；
三维建模单元，用于对所述第二影像进行定向矢量线采集、影像纹理自动提取和映射、三维模型编辑，得到单体三维模型。
具体地，所述预处理单元具体用于：
影像获取：获取高分辨率卫星拍摄的待处理影像；所述待处理影像包括0.31m全色影像数据和1.44m的8波段多光谱影像数据；
影像融合：采用PanSharpen融合模型对0.31m全色影像数据和1.44m的8波段多光谱影像数据进行影像融合，得到三组融合影像；
辐射校正和直方图匹配：以第一组融合影像为主影像，对第二组融合影像和第三组融合影像进行辐射校正和直方图匹配，并进行16bit到8bit的位深转换，得到第一影像。
具体地，所述第一影像包括小倾角影像和大倾角影像，所述定向和平差步骤具体用于：
自动连接点匹配：通过不同影像间同名点距离设置搜索半径，根据所述搜索半径，采用SIFT匹配算法对小倾角影像和大倾角影像进行自动连接点匹配；
影像控制点量测：采用历年影像控制点库中的控制点数据，依据点之记进行刺点，分别对两组小倾角影像和三组大倾角影像进行平差，前者满足1:2000空三定向要求，后者满足1:5000空三定向要求。
具体地，所述三维建模单元具体用于：
点云匹配：针对所述第二影像，按基高比、侧摆角为不同条件结合地形特点进行迭代，得到相对更加接近真值的密集点云；
像素级密集匹配：在密集点云的基础上，采用SGM像素密级密集匹配生成0.5m的DSM模型，并对0.5m的DSM模型进行自动滤波和人工编辑，得到高精度DEM模型；
定向矢量线采集：基于高精度的DEM模型，采集矢量线；所述矢量线包括建筑物矢量线、道路和水涯线、陡坡和泊岸边线、独立地物数据；
影像纹理自动提取和映射：根据所述矢量线和DEM模型，自动计算每张像片各面纹理范围的像素坐标，提取每张像片的顶面纹理和侧面纹理，按照面积最优的纹理映射方法，选取最优纹理影像，并按照模型连接关系命名，得到初始三维模型；
三维模型编辑：对所述初始三维模型进行编辑处理，得到单体三维模型；所述编辑处理包括对不满足要求的地形进行精细化处理、去重面处理和纹理遮挡贴图编辑。
其中，定向矢量线采集具体为：
建筑物矢量线采集：以DEM模型为主，将建筑顶面拉至地面生成建筑物模型，基于所述建筑物模型采集建筑物矢量线；
道路和水涯线采集：采用人工方式采集步行道边线和隔离带边线；
陡坡和泊岸边线采集：采用人工方式采集斜坡线、泊岸边线和坡脚线；
独立地物数据采集：采用人工方式采集路灯、电线杆、旗杆、加油站、路牌、信号灯、树木的定位点，根据定位点确定路灯、电线杆、旗杆、加油站、路牌、信号灯的高度和位置。
作为本发明的另一优选实施例，如图12所示，本实施例提供的计算机设备可以包括：一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104，上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序，所述计算机程序包括程序指令，所述处理器101被配置用于调用所述程序指令执行如图1所示的方法实施例所描述的方法步骤。
应当理解，在本发明实施例中，所称处理器101可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器 (DigitalSignal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备102可以包括键盘等，输出设备103可以包括显示器（LCD等）、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器，并向处理器101 提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如，存储器104还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的基于遥感卫星影像的实景三维建模方法的实施例中所描述的实现方式，在此不再赘述。
需要说明的是，关于计算机设备部分更为具体的工作流程描述，请参考前述方法实施例部分，在此不再赘述。
此外，对应前述方法实施例及计算机设备，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：基于遥感卫星影像的实景三维建模方法。
所述计算机可读存储介质可以是前述任一实施例所述的电子设备内部存储单元，例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备，例如所述系统上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
前述的存储介质包括：U 盘、移动硬盘、只读存储器 (ROM，Read-Only Memory)、随机存取存储器 (RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于遥感卫星影像的实景三维建模方法，其特征在于，包括：
预处理步骤：获取高分辨率卫星拍摄的待处理影像，对所述待处理影像进行影像融合、辐射校正和直方图匹配，得到第一影像；
定向和平差步骤：对所述第一影像进行自动连接点匹配、影像控制点量测，得到第二影像；
三维建模步骤：对所述第二影像进行定向矢量线采集、影像纹理自动提取和映射、三维模型编辑，得到单体三维模型。
2.如权利要求1所述的实景三维建模方法，其特征在于，所述预处理步骤具体为：
影像获取：获取高分辨率卫星拍摄的待处理影像；所述待处理影像包括0.31m全色影像数据和1.44m的8波段多光谱影像数据；
影像融合：采用PanSharpen融合模型对0.31m全色影像数据和1.44m的8波段多光谱影像数据进行影像融合，得到三组融合影像；
辐射校正和直方图匹配：以第一组融合影像为主影像，对第二组融合影像和第三组融合影像进行辐射校正和直方图匹配，并进行16bit到8bit的位深转换，得到第一影像。
3.如权利要求2所述的实景三维建模方法，其特征在于，所述第一影像包括小倾角影像和大倾角影像，定向和平差步骤具体为：
自动连接点匹配：通过不同影像间同名点距离设置搜索半径，根据所述搜索半径，采用SIFT匹配算法对小倾角影像和大倾角影像进行自动连接点匹配；
影像控制点量测：采用历年影像控制点库中的控制点数据，依据点之记进行刺点，分别对两组小倾角影像和三组大倾角影像进行平差，前者满足1:2000空三定向要求，后者满足1:5000空三定向要求。
4.如权利要求3所述的实景三维建模方法，其特征在于，三维建模步骤具体为：
点云匹配：针对所述第二影像，按基高比、侧摆角为不同条件结合地形特点进行迭代，得到相对更加接近真值的密集点云；
像素级密集匹配：在密集点云的基础上，采用SGM像素密级密集匹配生成0.5m的DSM模型，并对0.5m的DSM模型进行自动滤波和人工编辑，得到高精度DEM模型；
定向矢量线采集：基于高精度的DEM模型，采集矢量线；所述矢量线包括建筑物矢量线、道路和水涯线、陡坡和泊岸边线、独立地物数据；
影像纹理自动提取和映射：根据所述矢量线和DEM模型，自动计算每张像片各面纹理范围的像素坐标，提取每张像片的顶面纹理和侧面纹理，按照面积最优的纹理映射方法，选取最优纹理影像，并按照模型连接关系命名，得到初始三维模型；
三维模型编辑：对所述初始三维模型进行编辑处理，得到单体三维模型；所述编辑处理包括对不满足要求的地形进行精细化处理、去重面处理和纹理遮挡贴图编辑。
5.如权利要求4所述的实景三维建模方法，其特征在于，定向矢量线采集具体为：
建筑物矢量线采集：以DEM模型为主，将建筑顶面拉至地面生成建筑物模型，基于所述建筑物模型采集建筑物矢量线；
道路和水涯线采集：采用人工方式采集步行道边线和隔离带边线；
陡坡和泊岸边线采集：采用人工方式采集斜坡线、泊岸边线和坡脚线；
独立地物数据采集：采用人工方式采集路灯、电线杆、旗杆、加油站、路牌、信号灯、树木的定位点，根据定位点确定路灯、电线杆、旗杆、加油站、路牌、信号灯的高度和位置。
6.一种计算机设备，其特征在于，所述计算机设备用于基于遥感卫星影像进行实景三维建模，包括：
预处理单元，用于获取高分辨率卫星拍摄的待处理影像，对所述待处理影像进行影像融合、辐射校正和直方图匹配，得到第一影像；
定向和平差单元，用于对所述第一影像进行自动连接点匹配、影像控制点量测，得到第二影像；
三维建模单元，用于对所述第二影像进行定向矢量线采集、影像纹理自动提取和映射、三维模型编辑，得到单体三维模型。
7.如权利要求6所述的计算机设备，其特征在于，所述预处理单元具体用于：
影像获取：获取高分辨率卫星拍摄的待处理影像；所述待处理影像包括0.31m全色影像数据和1.44m的8波段多光谱影像数据；
影像融合：采用PanSharpen融合模型对0.31m全色影像数据和1.44m的8波段多光谱影像数据进行影像融合，得到三组融合影像；
辐射校正和直方图匹配：以第一组融合影像为主影像，对第二组融合影像和第三组融合影像进行辐射校正和直方图匹配，并进行16bit到8bit的位深转换，得到第一影像；
所述第一影像包括小倾角影像和大倾角影像，所述定向和平差步骤具体用于：
自动连接点匹配：通过不同影像间同名点距离设置搜索半径，根据所述搜索半径，采用SIFT匹配算法对小倾角影像和大倾角影像进行自动连接点匹配；
影像控制点量测：采用历年影像控制点库中的控制点数据，依据点之记进行刺点，分别对两组小倾角影像和三组大倾角影像进行平差，前者满足1:2000空三定向要求，后者满足1:5000空三定向要求。
8.如权利要求7所述的计算机设备，其特征在于，所述三维建模单元具体用于：
点云匹配：针对所述第二影像，按基高比、侧摆角为不同条件结合地形特点进行迭代，得到相对更加接近真值的密集点云；
像素级密集匹配：在密集点云的基础上，采用SGM像素密级密集匹配生成0.5m的DSM模型，并对0.5m的DSM模型进行自动滤波和人工编辑，得到高精度DEM模型；
定向矢量线采集：基于高精度的DEM模型，采集矢量线；所述矢量线包括建筑物矢量线、道路和水涯线、陡坡和泊岸边线、独立地物数据；
影像纹理自动提取和映射：根据所述矢量线和DEM模型，自动计算每张像片各面纹理范围的像素坐标，提取每张像片的顶面纹理和侧面纹理，按照面积最优的纹理映射方法，选取最优纹理影像，并按照模型连接关系命名，得到初始三维模型；
三维模型编辑：对所述初始三维模型进行编辑处理，得到单体三维模型；所述编辑处理包括对不满足要求的地形进行精细化处理、去重面处理和纹理遮挡贴图编辑。
9.一种计算机设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其特征在于，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-5任一项所述的方法步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，其特征在于，所述程序指令被处理器执行时实现如权利要求1-5任一项所述的方法步骤。
CN202310727872.7A 2023-06-20 2023-06-20 一种基于遥感卫星影像的实景三维建模方法、设备及介质 Pending CN116468869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310727872.7A CN116468869A (zh) 2023-06-20 2023-06-20 一种基于遥感卫星影像的实景三维建模方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310727872.7A CN116468869A (zh) 2023-06-20 2023-06-20 一种基于遥感卫星影像的实景三维建模方法、设备及介质

Publications (1)

Publication Number Publication Date
CN116468869A true CN116468869A (zh) 2023-07-21

Family

ID=87184716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310727872.7A Pending CN116468869A (zh) 2023-06-20 2023-06-20 一种基于遥感卫星影像的实景三维建模方法、设备及介质

Country Status (1)

Country Link
CN (1) CN116468869A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117437372A (zh) * 2023-12-20 2024-01-23 中国电子科技集团公司第十五研究所 塔台模拟用三维视景地形图处理方法、服务器及存储介质
CN117576343A (zh) * 2023-11-24 2024-02-20 自然资源部国土卫星遥感应用中心 基于高分辨率卫星立体影像的三维mesh模型制作方法
CN117576343B (zh) * 2023-11-24 2024-04-30 自然资源部国土卫星遥感应用中心 基于高分辨率卫星立体影像的三维mesh模型制作方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130100132A1 (en) * 2011-03-31 2013-04-25 Panasonic Corporation Image rendering device, image rendering method, and image rendering program for rendering stereoscopic images
CN110866531A (zh) * 2019-10-15 2020-03-06 深圳新视达视讯工程有限公司 一种基于三维建模的建筑物特征提取方法、系统及存储介质
CN113506370A (zh) * 2021-07-28 2021-10-15 自然资源部国土卫星遥感应用中心 基于立体遥感影像的三维地理场景模型构建方法和装置
CN114241125A (zh) * 2021-11-30 2022-03-25 感知天下(北京)信息科技有限公司 一种基于多视角卫星影像精细三维建模方法及系统
CN116129020A (zh) * 2023-02-09 2023-05-16 甘肃四维测绘工程有限公司 一种新型实景三维建模方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130100132A1 (en) * 2011-03-31 2013-04-25 Panasonic Corporation Image rendering device, image rendering method, and image rendering program for rendering stereoscopic images
CN110866531A (zh) * 2019-10-15 2020-03-06 深圳新视达视讯工程有限公司 一种基于三维建模的建筑物特征提取方法、系统及存储介质
CN113506370A (zh) * 2021-07-28 2021-10-15 自然资源部国土卫星遥感应用中心 基于立体遥感影像的三维地理场景模型构建方法和装置
CN114241125A (zh) * 2021-11-30 2022-03-25 感知天下(北京)信息科技有限公司 一种基于多视角卫星影像精细三维建模方法及系统
CN116129020A (zh) * 2023-02-09 2023-05-16 甘肃四维测绘工程有限公司 一种新型实景三维建模方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴浩然 等: "《测绘案例分析体系和题解》", 东南大学出版社, pages: 167 - 169 *
祝晓坤: "基于 WorldView－3卫星多视角数据的三维实景建模技术研究", 《城市勘测》, pages 6 - 11 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117576343A (zh) * 2023-11-24 2024-02-20 自然资源部国土卫星遥感应用中心 基于高分辨率卫星立体影像的三维mesh模型制作方法
CN117576343B (zh) * 2023-11-24 2024-04-30 自然资源部国土卫星遥感应用中心 基于高分辨率卫星立体影像的三维mesh模型制作方法
CN117437372A (zh) * 2023-12-20 2024-01-23 中国电子科技集团公司第十五研究所 塔台模拟用三维视景地形图处理方法、服务器及存储介质

Similar Documents

Publication Publication Date Title
Balsa-Barreiro et al. Generation of visually aesthetic and detailed 3D models of historical cities by using laser scanning and digital photogrammetry
Toschi et al. Oblique photogrammetry supporting 3D urban reconstruction of complex scenarios
Carvajal-Ramírez et al. Virtual reconstruction of damaged archaeological sites based on Unmanned Aerial Vehicle Photogrammetry and 3D modelling. Study case of a southeastern Iberia production area in the Bronze Age
US7944547B2 (en) Method and system of generating 3D images with airborne oblique/vertical imagery, GPS/IMU data, and LIDAR elevation data
CN110689563A (zh) 一种用于提取遥感图像中违法建筑信息的数据处理方法
Bates et al. High-resolution LiDAR and photogrammetric survey of the Fumanya dinosaur tracksites (Catalonia): implications for the conservation and interpretation of geological heritage sites
KR20090024146A (ko) 지리영역의 디지탈 표면 모델 생성 방법 및 시스템
CN114443793A (zh) 一种时空数据可视化的国土空间详细规划三维场景设计的方法
US8395760B2 (en) Unified spectral and geospatial information model and the method and system generating it
CN109670789A (zh) 一种用于生产建设项目水土保持的遥感监测系统
CN116468869A (zh) 一种基于遥感卫星影像的实景三维建模方法、设备及介质
CN113192192A (zh) 一种实景三维数字孪生航道场景构建方法
CN116883604A (zh) 一种基于天、空、地影像的三维建模技术方法
La Russa et al. Remote sensing and city information modeling for revealing the complexity of historical centers
Yijing et al. Construction and analysis of 3D scene model of landscape space based on UAV oblique photography and 3D laser scanner
Zhu A pipeline of 3D scene reconstruction from point clouds
Li Application of multimedia tilt photogrammetry technology based on unmanned aerial vehicle in geological survey
CN113538679A (zh) 一种混合实景三维航道场景构建方法
Liao et al. Unmanned Aerial Vehicle Surveying and Mapping Trajectory Scheduling and Autonomous Control for Landslide Monitoring
CN112950763A (zh) 一种变电站工程中实景建模的方法
CN113066181A (zh) 一种基于卫星影像和数字高程数据的地形模拟方法
CN114359489A (zh) 一种管道施工期实景影像的制作方法、装置、设备及存储介质
CN111831778A (zh) 一种三维地理信息系统快速集成展现的方法
Erving et al. Data integration from different sources to create 3D virtual model
Gu et al. Surveying and mapping of large-scale 3D digital topographic map based on oblique photography technology

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