CN116597080A - 一种多源空间数据的完整场景3d精细模型构建系统及方法 - Google Patents
一种多源空间数据的完整场景3d精细模型构建系统及方法 Download PDFInfo
- Publication number
- CN116597080A CN116597080A CN202310524767.3A CN202310524767A CN116597080A CN 116597080 A CN116597080 A CN 116597080A CN 202310524767 A CN202310524767 A CN 202310524767A CN 116597080 A CN116597080 A CN 116597080A
- Authority
- CN
- China
- Prior art keywords
- model
- outdoor
- building
- point cloud
- cloud data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000010276 construction Methods 0.000 title claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000012805 post-processing Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000004040 coloring Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000592183 Eidolon Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
-
- 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
本发明提出了一种多源空间数据的完整场景3D精细模型构建系统及方法。本发明服务器通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,通过激光雷达获取多个建筑内部点云数据、多个建筑表面点云数据;生成初始化室外3D模型,建立每个建筑内部点云数据的空间索引、每个建筑表面混合空间索引,筛选出同一建筑内部点云数据,进一步生成每个建筑内部3D模型;通过刚体和非刚体混合配准构建配准的室外3D模型,将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型。本发明提高了完整场景的3D精细模型的构建速度、构建精度,大大降低了构建成本,具有较强的可实施性。
Description
技术领域
本发明属于元宇宙构建技术领域,尤其涉及一种多源空间数据的完整场景3D精细模型构建系统及方法。
背景技术
元宇宙是一个由数字技术构建的虚拟世界,它可以与现实世界交互,也可以超越现实世界,提供新型的社会体系和数字生活空间。构建元宇宙需要大量精确建模的三维模型。目前,大部分三维模型依赖手工构建,效率低下。随着无人机摄影测量技术和手持激光雷达扫描仪的发展,室内外场景点云数据的快速采集成为可能,但所获点云缺乏正确的空间参照,不能直接用于元宇宙构建。因此,设计一种多源空间数据的完整场景3D精细模型构建系统及方法尤为重要。
发明内容
为了解决由无人机、手持设备等采集的数据空间参照不一致的问题,进而将多源空间数据配准融合,本发明提出了一种多源空间数据的完整场景3D精细模型构建系统及方法。
本发明系统的技术方案为:一种多源空间数据的完整场景3D精细模型构建系统,包括:
服务器、无人机、激光雷达;
所述服务器分别与所述的无人机、激光雷达连接;
服务器通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,服务器通过激光雷达获取多个建筑内部点云数据、多个建筑表面点云数据,生成初始化室外3D模型,建立每个建筑内部点云数据的空间索引、每个建筑表面混合空间索引,筛选出同一建筑内部点云数据,进一步生成每个建筑内部3D模型,通过刚体和非刚体混合配准,得到室外3D模型的每个精确特征点,以构建配准的室外3D模型,将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型。
本发明方法所采用的技术方案为一种多源空间数据的完整场景3D精细模型构建方法,具体步骤如下:
步骤1:服务器通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,服务器通过激光雷达获取多个建筑内部点云数据、多个建筑表面点云数据;
步骤2:通过多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据生成初始化室外3D模型,针对多个建筑内部点云数据建立每个建筑内部点云数据的空间索引,针对多个建筑表面点云数据建立每个建筑表面混合空间索引,多个建筑内部点云数据根据每个建筑内部点云数据的空间索引筛选出同一建筑内部点云数据,进一步生成每个建筑内部3D模型;
步骤3:构建初始室外3D模型的每个特征点的拟合平面,将初始室外3D模型的每个特征点、初始室外3D模型的每个特征点对应的拟合平面进行刚体和非刚体混合配准,得到室外3D模型的每个精确特征点,通过室外3D模型的多个精确特征点构建配准的室外3D模型;
步骤4:将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型;
作为优选,步骤1所述通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据为:
通过无人机通过倾斜摄影测量方法获取多幅观测地区整体无人机影像数据,通过贴近摄影测量方法获取多幅观测地区表面细节无人机影像数据,无人机将多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据无线传输至所述服务器;
步骤1所述获取多个建筑内部点云数据以及多个建筑表面点云数据为:
通过激光雷达扫描仪分别扫描观测地区建筑内部和表面,得到多个建筑内部点云数据、多个建筑表面点云数据,将多个建筑内部点云数据、多个建筑表面点云数据无线传输至所述服务器;
作为优选,步骤2所述生成初始室外3D模型为:
将多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,依次通过影像预处理、影像匹配、三维重建、模型后处理,得到初始的室外三维模型;
作为优选,步骤2所述建立每个建筑内部点云数据的空间索引,具体如下:
步骤2.1:按照空间位置顺序遍历每个建筑内部点云数据,将每个建筑内部点云数据中空间位置相邻近的点构建成同一数据块,即将每个建筑内部点云数据划分为多个内部点云数据块;
步骤2.2:将每个建筑内部点云数据中每个内部点云数据块划分为多个数据层;
将每个建筑内部点云数据中每个内部点云数据块分为多个数据层,每个数据层的范围是下一个数据层的范围的整数倍;
步骤2.3:构建每个建筑内部点云数据中每个内部点云数据块的每个数据层对应的k-d树索引,以形成每个建筑内部点云数据的空间索引;
作为优选,步骤2中所述生成每个建筑内部3D模型,具体如下:
将多个建筑内部点云数据根据每个建筑内部点云数据的空间索引筛选出同一建筑内部点云数据作为输入,依次通过点云预处理、网格化处理、着色处理、纹理处理、模型后处理,生成每个建筑内部3D模型;
作为优选,步骤3所述构建初始室外3D模型的每个特征点的拟合平面,具体如下:
将室外3D模型通过发现估计方法进行特征点提取,得到初始室外3D模型的多个特征点。
对于初始室外3D模型的每个特征点,记初始室外3D模型的第p个特征点的高程为,记初始室外3D模型的第p个特征点的高程范围为[-a,+a],即初始室外3D模型的第p个特征点的缓冲区,a为高程偏置;
利用每个建筑表面混合空间索引搜索出在初始室外3D模型的第p个特征点的缓冲区内的建筑表面点云数据,记为初始室外3D模型的第p个特征点缓冲区内表面点云;
将初始室外3D模型的第p个特征点缓冲区内表面点云采用RANSAC算法进行误差最小化拟合,得到初始室外3D模型的第p个特征点的拟合平面;
步骤3所述将初始室外3D模型的每个特征点、初始室外3D模型的每个特征点对应的拟合平面进行刚体和非刚体混合配准,得到室外3D模型的每个精确特征点,具体过程如下:
将多个建筑表面点云数据依次通过发现估计方法进行特征点提取,得到每个建筑表面点云数据的多个特征点;
将每个建筑表面点云数据的多个特征点、初始室外3D模型的多个特征点通过迭代最近点方法进行刚性配准,得到室外3D模型的多个刚性配准后特征点,将初始室外3D模型的每个特征点对应的拟合平面,作为室外3D模型的每个刚性配准后特征点的拟合平面;
以室外3D模型的每个刚性配准后特征点到室外3D模型的每个刚性配准后特征点的对应拟合平面的欧式距离作为约束,结合内方位元素和镜头畸变参数作为变量构建联合平差模型,按照最小二乘法进行非刚性变换,得到室外3D模型的每个精确特征点;
对于每个刚性配准后特征点,依次将空中三角化光束法平差的误差方程、点到平面距离的误差方程、内定向误差方程、相机镜头畸变误差方程进行联立,建立联合平差模型,具体如下:
其中,Vx,y,Vp,Vc,Vk分别是像点坐标改正后残差,室外3D模型的第p个刚性配准后特征点坐标改正后的残差,内定向元素改正后残差,镜头畸变参数改正后残差;Δt,Δp,Δc,Δk分别是外方位元素改正值,室外3D模型的第p个刚性配准后特征点坐标的改正值向量,内定向元素改正值,镜头畸变参数的改正值;Ax,y、Bx,y、Cx,y、Dx,y分别表示光法法平差误差方程中对外方位元素的系数矩阵、像点坐标的系数矩阵、内方位元素的系数矩阵、镜头畸变参数的系数矩阵;Np代表室外3D模型的第p个刚性配准后特征点所在三角面的法向量;Lx,y、Lp、Lc、Lk分别是光束法平差误差方程、点到平面距离误差方程、内定向误差方程、相机镜头畸变误差方程的常数项,Wx,y,Wp,Wc,Wk分别是光束法平差误差方程的权重矩阵、点到平面距离误差方程的权重矩阵、内定向误差方程的权重矩阵、相机镜头畸变误差方程的权重矩阵;
所述误差方程,定义如下:
Vp=NpΔp-lp
其中,Vp为室外3D模型的第p个刚性配准后特征点坐标改正后的残差,Np为室外3D模型的第p个刚性配准后特征点所在三角面的法向量,Δp为室外3D模型的第p个刚性配准后特征点坐标的改正值向量,即为该误差方程的参数,lp为室外3D模型的第p个刚性配准后特征点坐标的常量;
△p=(△Xp,△Yp,△Zp)
其中,(Xp,Yp,Zp)为室外3D模型的第p个刚性配准后的特征点坐标,Xp为室外3D模型的第p个刚性配准后的特征点X轴坐标,Yp为室外3D模型的第p个刚性配准后的特征点Y轴坐标,Zp为室外3D模型的第p个刚性配准后的特征点Z轴坐标,(△Xp,△Yp,△Zp)为室外3D模型的第p个刚性配准后的特征点坐标的改正值,△Xp为室外3D模型的第p个刚性配准后的特征点X轴坐标的改正值,△Yp为室外3D模型的第p个刚性配准后的特征点Y轴坐标的改正值,△Zp为室外3D模型的第p个刚性配准后的特征点Z轴坐标的改正值,分别为室外3D模型的第p个刚性配准后的特征点所在三角面的方程对室外3D模型的第p个刚性配准后的特征点的X轴坐标的偏导数、Y坐标的偏导数轴、Z轴坐标的偏导数;
按照最小二乘法对上述联合平差模型进行求解,得到室外3D模型的每个精确特征点;
作为优选,步骤4所述将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型,具体如下:
将步骤3所述配准的室外3D模型、步骤2所述每个建筑内部3D模型依次通过旋转转换、平移转换、缩放转换的坐标系变换方法转换到WGS84坐标系下,将WGS84坐标系下配准的室外3D模型、WGS84坐标系下每个建筑内部3D模型进行拼接融合,得到完整场景的3D精细模型。
本发明产生的有益效果是:将无人机采集的影像数据通过空中三角测量生成室外场景的三维模型,与手持激光雷达扫描仪获得的点云数据进行融合配准,获得空间参照一致、坐标系统一、方位准确的三维模型,在很大程度上降低数据采集成本的同时,构成完整场景的3D精细模型。本发明提高了完整场景的3D精细模型的构建速度、构建精度,大大降低了构建成本,具有较强的可实施性。
附图说明
图1:本发明实施例的方法流程图。
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,所描述的实施例仅仅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。
具体实施时,本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程,实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备,也应当在本发明的保护范围内。
下面结合图1介绍本发明实施例的技术方案为一种多源空间数据的完整场景3D精细模型构建系统及方法。
本发明实施例系统的技术方案为一种多源空间数据的完整场景3D精细模型构建系统,具体如下:
服务器、无人机、激光雷达;
所述服务器分别与所述的无人机、激光雷达连接;
服务器通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,服务器通过激光雷达获取多个建筑内部点云数据、多个建筑表面点云数据,生成初始化室外3D模型,建立每个建筑内部点云数据的空间索引、每个建筑表面混合空间索引,筛选出同一建筑内部点云数据,进一步生成每个建筑内部3D模型,通过刚体和非刚体混合配准,得到室外3D模型的每个精确特征点,以构建配准的室外3D模型,将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型。
所述服务器的型号为I7CPU、32GB内存、1080Ti;
所述无人机的型号为大疆精灵4RTK;
所述激光雷达的型号为SLAMTEC思岚激光雷达RPLIDAR-S1 TOF激光雷达;
本发明实施例方法所采用的技术方案为一种多源空间数据的完整场景3D精细模型构建方法,如图1所示,具体步骤如下:
步骤1:服务器通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,服务器通过激光雷达获取多个建筑内部点云数据、多个建筑表面点云数据;
步骤1所述通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据为:
通过无人机通过倾斜摄影测量方法获取多幅观测地区整体无人机影像数据,通过贴近摄影测量方法获取多幅观测地区表面细节无人机影像数据,无人机将多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据无线传输至所述服务器;
步骤1所述获取多个建筑内部点云数据以及多个建筑表面点云数据为:
通过激光雷达扫描仪分别扫描观测地区建筑内部和表面,得到多个建筑内部点云数据、多个建筑表面点云数据,将多个建筑内部点云数据、多个建筑表面点云数据无线传输至所述服务器;
步骤2:通过多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据生成初始化室外3D模型,针对多个建筑内部点云数据建立每个建筑内部点云数据的空间索引,针对多个建筑表面点云数据建立每个建筑表面混合空间索引,多个建筑内部点云数据根据每个建筑内部点云数据的空间索引筛选出同一建筑内部点云数据,进一步生成每个建筑内部3D模型;
步骤2所述生成初始室外3D模型为:
服务器使用Context Capture软件,将多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,依次通过影像预处理、影像匹配、三维重建、模型后处理,得到初始的室外三维模型;
步骤2所述建立每个建筑内部点云数据的空间索引,具体如下:
步骤2.1:按照空间位置顺序遍历每个建筑内部点云数据,将每个建筑内部点云数据中空间位置相邻近的点构建成同一数据块,即将每个建筑内部点云数据划分为多个内部点云数据块;
步骤2.2:将每个建筑内部点云数据中每个内部点云数据块划分为多个数据层;
将每个建筑内部点云数据中每个内部点云数据块分为多个数据层,每个数据层的范围是下一个数据层的范围的整数倍,可以是2、5或10;
步骤2.3:构建每个建筑内部点云数据中每个内部点云数据块的每个数据层对应的k-d树索引,以形成每个建筑内部点云数据的空间索引;
步骤2中所述生成每个建筑内部3D模型,具体如下:
将多个建筑内部点云数据根据每个建筑内部点云数据的空间索引筛选出同一建筑内部点云数据作为输入,依次通过点云预处理、网格化处理、着色处理、纹理处理、模型后处理,生成每个建筑内部3D模型;
步骤3:构建初始室外3D模型的每个特征点的拟合平面,将初始室外3D模型的每个特征点、初始室外3D模型的每个特征点对应的拟合平面进行刚体和非刚体混合配准,得到室外3D模型的每个精确特征点,通过室外3D模型的多个精确特征点构建配准的室外3D模型;
步骤3所述构建初始室外3D模型的每个特征点的拟合平面,具体如下:
将室外3D模型通过发现估计方法进行特征点提取,得到初始室外3D模型的多个特征点。
对于初始室外3D模型的每个特征点,记初始室外3D模型的第p个特征点的高程为,记初始室外3D模型的第p个特征点的高程范围为[-a,+a],即初始室外3D模型的第p个特征点的缓冲区,a为高程偏置;
利用每个建筑表面混合空间索引搜索出在初始室外3D模型的第p个特征点的缓冲区内的建筑表面点云数据,记为初始室外3D模型的第p个特征点缓冲区内表面点云;
将初始室外3D模型的第p个特征点缓冲区内表面点云采用RANSAC算法进行误差最小化拟合,得到初始室外3D模型的第p个特征点的拟合平面;
步骤3所述将初始室外3D模型的每个特征点、初始室外3D模型的每个特征点对应的拟合平面进行刚体和非刚体混合配准,得到室外3D模型的每个精确特征点,具体过程如下:
将多个建筑表面点云数据依次通过发现估计方法进行特征点提取,得到每个建筑表面点云数据的多个特征点;
将每个建筑表面点云数据的多个特征点、初始室外3D模型的多个特征点通过迭代最近点方法进行刚性配准,得到室外3D模型的多个刚性配准后特征点,将初始室外3D模型的每个特征点对应的拟合平面,作为室外3D模型的每个刚性配准后特征点的拟合平面;
以室外3D模型的每个刚性配准后特征点到室外3D模型的每个刚性配准后特征点的对应拟合平面的欧式距离作为约束,结合内方位元素和镜头畸变参数作为变量构建联合平差模型,按照最小二乘法进行非刚性变换,得到室外3D模型的每个精确特征点;
对于每个刚性配准后特征点,依次将空中三角化光束法平差的误差方程、点到平面距离的误差方程、内定向误差方程、相机镜头畸变误差方程进行联立,建立联合平差模型,具体如下:
其中,Vx,y,Vp,Vc,Vk分别是像点坐标改正后残差,室外3D模型的第p个刚性配准后特征点坐标改正后的残差,内定向元素改正后残差,镜头畸变参数改正后残差;Δt,Δp,Δc,Δk分别是外方位元素改正值,室外3D模型的第p个刚性配准后特征点坐标的改正值向量,内定向元素改正值,镜头畸变参数的改正值;Ax,y、Bx,y、Cx,y、Dx,y分别表示光法法平差误差方程中对外方位元素的系数矩阵、像点坐标的系数矩阵、内方位元素的系数矩阵、镜头畸变参数的系数矩阵;Np代表室外3D模型的第p个刚性配准后特征点所在三角面的法向量;Lx,y、Lp、Lc、Lk分别是光束法平差误差方程、点到平面距离误差方程、内定向误差方程、相机镜头畸变误差方程的常数项,Wx,y,Wp,Wc,Wk分别是光束法平差误差方程的权重矩阵、点到平面距离误差方程的权重矩阵、内定向误差方程的权重矩阵、相机镜头畸变误差方程的权重矩阵;
所述误差方程,定义如下:
Vp=NpΔp-lp
其中,Vp为室外3D模型的第p个刚性配准后特征点坐标改正后的残差,Np为室外3D模型的第p个刚性配准后特征点所在三角面的法向量,Δp为室外3D模型的第p个刚性配准后特征点坐标的改正值向量,即为该误差方程的参数,lp为室外3D模型的第p个刚性配准后特征点坐标的常量;
△p=(△Xp,△Yp,△Zp)
其中,(Xp,Yp,Zp)为室外3D模型的第p个刚性配准后的特征点坐标,Xp为室外3D模型的第p个刚性配准后的特征点X轴坐标,Yp为室外3D模型的第p个刚性配准后的特征点Y轴坐标,Zp为室外3D模型的第p个刚性配准后的特征点Z轴坐标,(△Xp,△Yp,△Zp)为室外3D模型的第p个刚性配准后的特征点坐标的改正值,△Xp为室外3D模型的第p个刚性配准后的特征点X轴坐标的改正值,△Yp为室外3D模型的第p个刚性配准后的特征点Y轴坐标的改正值,△Zp为室外3D模型的第p个刚性配准后的特征点Z轴坐标的改正值,分别为室外3D模型的第p个刚性配准后的特征点所在三角面的方程对室外3D模型的第p个刚性配准后的特征点的X轴坐标的偏导数、Y坐标的偏导数轴、Z轴坐标的偏导数;
按照最小二乘法对上述联合平差模型进行求解,得到室外3D模型的每个精确特征点;
步骤4:将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型;
步骤4所述将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型,具体如下:
将步骤3所述配准的室外3D模型、步骤2所述每个建筑内部3D模型依次通过旋转转换、平移转换、缩放转换的坐标系变换方法转换到WGS84坐标系下,将WGS84坐标系下配准的室外3D模型、WGS84坐标系下每个建筑内部3D模型进行拼接融合,得到完整场景的3D精细模型。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (10)
1.一种多源空间数据的完整场景3D精细模型构建系统,其特征在于,包括:
服务器、无人机、激光雷达;
所述服务器分别与所述的无人机、激光雷达连接;
服务器通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,服务器通过激光雷达获取多个建筑内部点云数据、多个建筑表面点云数据,生成初始化室外3D模型,建立每个建筑内部点云数据的空间索引、每个建筑表面混合空间索引,筛选出同一建筑内部点云数据,进一步生成每个建筑内部3D模型,通过刚体和非刚体混合配准,得到室外3D模型的每个精确特征点,以构建配准的室外3D模型,将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型。
2.一种应用于权利要求1所述的多源空间数据的完整场景3D精细模型构建系统的多源空间数据的完整场景3D精细模型构建方法,其特征在于,包括以下步骤:
步骤1:服务器通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,服务器通过激光雷达获取多个建筑内部点云数据、多个建筑表面点云数据;
步骤2:通过多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据生成初始化室外3D模型,针对多个建筑内部点云数据建立每个建筑内部点云数据的空间索引,针对多个建筑表面点云数据建立每个建筑表面混合空间索引,多个建筑内部点云数据根据每个建筑内部点云数据的空间索引筛选出同一建筑内部点云数据,进一步生成每个建筑内部3D模型;
步骤3:构建初始室外3D模型的每个特征点的拟合平面,将初始室外3D模型的每个特征点、初始室外3D模型的每个特征点对应的拟合平面进行刚体和非刚体混合配准,得到室外3D模型的每个精确特征点,通过室外3D模型的多个精确特征点构建配准的室外3D模型;
步骤4:将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型。
3.根据权利要求2所述的多源空间数据的完整场景3D精细模型构建方法,其特征在于:
步骤1所述通过无人机获取多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据为:
通过无人机通过倾斜摄影测量方法获取多幅观测地区整体无人机影像数据,通过贴近摄影测量方法获取多幅观测地区表面细节无人机影像数据,无人机将多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据无线传输至所述服务器。
4.根据权利要求3所述的多源空间数据的完整场景3D精细模型构建方法,其特征在于:
步骤1所述获取多个建筑内部点云数据以及多个建筑表面点云数据为:
通过激光雷达扫描仪分别扫描观测地区建筑内部和表面,得到多个建筑内部点云数据、多个建筑表面点云数据,将多个建筑内部点云数据、多个建筑表面点云数据无线传输至所述服务器。
5.根据权利要求4所述的多源空间数据的完整场景3D精细模型构建方法,其特征在于:
步骤2所述生成初始室外3D模型为:
将多幅观测地区整体无人机影像数据、多幅观测地区表面细节无人机影像数据,依次通过影像预处理、影像匹配、三维重建、模型后处理,得到初始的室外三维模型。
6.根据权利要求5所述的多源空间数据的完整场景3D精细模型构建方法,其特征在于:
步骤2所述建立每个建筑内部点云数据的空间索引,具体如下:
步骤2.1:按照空间位置顺序遍历每个建筑内部点云数据,将每个建筑内部点云数据中空间位置相邻近的点构建成同一数据块,即将每个建筑内部点云数据划分为多个内部点云数据块;
步骤2.2:将每个建筑内部点云数据中每个内部点云数据块划分为多个数据层;
将每个建筑内部点云数据中每个内部点云数据块分为多个数据层,每个数据层的范围是下一个数据层的范围的整数倍;
步骤2.3:构建每个建筑内部点云数据中每个内部点云数据块的每个数据层对应的k-d树索引,以形成每个建筑内部点云数据的空间索引。
7.根据权利要求6所述的多源空间数据的完整场景3D精细模型构建方法,其特征在于:
步骤2中所述生成每个建筑内部3D模型,具体如下:
将多个建筑内部点云数据根据每个建筑内部点云数据的空间索引筛选出同一建筑内部点云数据作为输入,依次通过点云预处理、网格化处理、着色处理、纹理处理、模型后处理,生成每个建筑内部3D模型。
8.根据权利要求7所述的多源空间数据的完整场景3D精细模型构建方法,其特征在于:
步骤3所述构建初始室外3D模型的每个特征点的拟合平面,具体如下:
将室外3D模型通过发现估计方法进行特征点提取,得到初始室外3D模型的多个特征点;
对于初始室外3D模型的每个特征点,记初始室外3D模型的第p个特征点的高程为,记初始室外3D模型的第p个特征点的高程范围为[-,+],即初始室外3D模型的第p个特征点的缓冲区,a为高程偏置;
利用每个建筑表面混合空间索引搜索出在初始室外3D模型的第p个特征点的缓冲区内的建筑表面点云数据,记为初始室外3D模型的第p个特征点缓冲区内表面点云;
将初始室外3D模型的第p个特征点缓冲区内表面点云采用RANSAC算法进行误差最小化拟合,得到初始室外3D模型的第p个特征点的拟合平面。
9.根据权利要求8所述的多源空间数据的完整场景3D精细模型构建方法,其特征在于:
步骤3所述将初始室外3D模型的每个特征点、初始室外3D模型的每个特征点对应的拟合平面进行刚体和非刚体混合配准,得到室外3D模型的每个精确特征点,具体过程如下:
将多个建筑表面点云数据依次通过发现估计方法进行特征点提取,得到每个建筑表面点云数据的多个特征点;
将每个建筑表面点云数据的多个特征点、初始室外3D模型的多个特征点通过迭代最近点方法进行刚性配准,得到室外3D模型的多个刚性配准后特征点,将初始室外3D模型的每个特征点对应的拟合平面,作为室外3D模型的每个刚性配准后特征点的拟合平面;
以室外3D模型的每个刚性配准后特征点到室外3D模型的每个刚性配准后特征点的对应拟合平面的欧式距离作为约束,结合内方位元素和镜头畸变参数作为变量构建联合平差模型,按照最小二乘法进行非刚性变换,得到室外3D模型的每个精确特征点;
对于每个刚性配准后特征点,依次将空中三角化光束法平差的误差方程、点到平面距离的误差方程、内定向误差方程、相机镜头畸变误差方程进行联立,建立联合平差模型,具体如下:
其中,Vx,y,Vp,Vc,Vk分别是像点坐标改正后残差,室外3D模型的第p个刚性配准后特征点坐标改正后的残差,内定向元素改正后残差,镜头畸变参数改正后残差;Δt,Δp,Δc,Δk分别是外方位元素改正值,室外3D模型的第p个刚性配准后特征点坐标的改正值向量,内定向元素改正值,镜头畸变参数的改正值;Ax,y、Bx,y、Cx,y、Dx,y分别表示光法法平差误差方程中对外方位元素的系数矩阵、像点坐标的系数矩阵、内方位元素的系数矩阵、镜头畸变参数的系数矩阵;Np代表室外3D模型的第p个刚性配准后特征点所在三角面的法向量;Lx,y、Lp、Lc、Lk分别是光束法平差误差方程、点到平面距离误差方程、内定向误差方程、相机镜头畸变误差方程的常数项,Wx,y,Wp,Wc,Wk分别是光束法平差误差方程的权重矩阵、点到平面距离误差方程的权重矩阵、内定向误差方程的权重矩阵、相机镜头畸变误差方程的权重矩阵;
所述误差方程,定义如下:
Vp=NpΔp-lp
其中,Vp为室外3D模型的第p个刚性配准后特征点坐标改正后的残差,Np为室外3D模型的第p个刚性配准后特征点所在三角面的法向量,Δp为室外3D模型的第p个刚性配准后特征点坐标的改正值向量,即为该误差方程的参数,lp为室外3D模型的第p个刚性配准后特征点坐标的常量;
Δp=(ΔXp,ΔYp,ΔZp)
其中,(Xp,Yp,Zp)为室外3D模型的第p个刚性配准后的特征点坐标,Xp为室外3D模型的第p个刚性配准后的特征点X轴坐标,Yp为室外3D模型的第p个刚性配准后的特征点Y轴坐标,Zp为室外3D模型的第p个刚性配准后的特征点z轴坐标,(ΔXp,ΔYp,ΔZp)为室外3D模型的第p个刚性配准后的特征点坐标的改正值,ΔXp为室外3D模型的第p个刚性配准后的特征点X轴坐标的改正值,ΔYp为室外3D模型的第p个刚性配准后的特征点Y轴坐标的改正值,ΔZp为室外3D模型的第p个刚性配准后的特征点Z轴坐标的改正值,分别为室外3D模型的第p个刚性配准后的特征点所在三角面的方程对室外3D模型的第p个刚性配准后的特征点的X轴坐标的偏导数、Y坐标的偏导数轴、Z轴坐标的偏导数;
按照最小二乘法对上述联合平差模型进行求解,得到室外3D模型的每个精确特征点。
10.根据权利要求9所述的多源空间数据的完整场景3D精细模型构建方法,其特征在于:
步骤4所述将配准的室外3D模型、每个建筑内部3D模型通过拼接融合,得到完整场景的3D精细模型,具体如下:
将步骤3所述配准的室外3D模型、步骤2所述每个建筑内部3D模型依次通过旋转转换、平移转换、缩放转换的坐标系变换方法转换到WGS84坐标系下,将WGS84坐标系下配准的室外3D模型、WGS84坐标系下每个建筑内部3D模型进行拼接融合,得到完整场景的3D精细模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310524767.3A CN116597080A (zh) | 2023-05-10 | 2023-05-10 | 一种多源空间数据的完整场景3d精细模型构建系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310524767.3A CN116597080A (zh) | 2023-05-10 | 2023-05-10 | 一种多源空间数据的完整场景3d精细模型构建系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116597080A true CN116597080A (zh) | 2023-08-15 |
Family
ID=87593077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310524767.3A Pending CN116597080A (zh) | 2023-05-10 | 2023-05-10 | 一种多源空间数据的完整场景3d精细模型构建系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116597080A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117056088A (zh) * | 2023-10-11 | 2023-11-14 | 武汉大学 | 一种基于MapReduce的多模态测图数据分布式并行计算方法及系统 |
-
2023
- 2023-05-10 CN CN202310524767.3A patent/CN116597080A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117056088A (zh) * | 2023-10-11 | 2023-11-14 | 武汉大学 | 一种基于MapReduce的多模态测图数据分布式并行计算方法及系统 |
CN117056088B (zh) * | 2023-10-11 | 2024-01-19 | 武汉大学 | 一种基于MapReduce的多模态测图数据分布式并行计算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fernández‐Hernandez et al. | Image‐based modelling from unmanned aerial vehicle (UAV) photogrammetry: an effective, low‐cost tool for archaeological applications | |
Teller et al. | Calibrated, registered images of an extended urban area | |
CN110189399B (zh) | 一种室内三维布局重建的方法及系统 | |
Schmid et al. | View planning for multi-view stereo 3D reconstruction using an autonomous multicopter | |
US20190026400A1 (en) | Three-dimensional modeling from point cloud data migration | |
US20190026938A1 (en) | Three-dimensional modeling from optical capture | |
CN107917710B (zh) | 一种基于单线激光的室内实时定位与三维地图构建方法 | |
Barazzetti et al. | True-orthophoto generation from UAV images: Implementation of a combined photogrammetric and computer vision approach | |
Gee et al. | Lidar guided stereo simultaneous localization and mapping (SLAM) for UAV outdoor 3-D scene reconstruction | |
MX2013003853A (es) | Modelado tridimensional rápido. | |
Murtiyoso et al. | Acquisition and processing protocols for UAV images: 3D modeling of historical buildings using photogrammetry | |
CN111815765B (zh) | 一种基于异构数据融合的图像三维重建方法 | |
CN113643434B (zh) | 基于空地协同的三维建模方法、智能终端以及存储装置 | |
CN115641401A (zh) | 一种三维实景模型的构建方法及相关装置 | |
Moussa et al. | Automatic fusion of digital images and laser scanner data for heritage preservation | |
CN112270698A (zh) | 基于最邻近曲面的非刚性几何配准方法 | |
CN116597080A (zh) | 一种多源空间数据的完整场景3d精细模型构建系统及方法 | |
CN112767461A (zh) | 激光点云与序列全景影像自动配准方法 | |
Gao et al. | Multi-source data-based 3D digital preservation of largescale ancient chinese architecture: A case report | |
Reitinger et al. | Augmented reality scouting for interactive 3d reconstruction | |
Barrile et al. | 3D modeling with photogrammetry by UAVs and model quality verification | |
Guo et al. | Application of UAV tilt photogrammetry in 3D modeling of ancient buildings | |
Chiabrando et al. | Performance evaluation of cots uav for architectural heritage documentation. A test on s. giuliano chapel in savigliano (cn)–Italy | |
Wu | Photogrammetry: 3-D from imagery | |
d'Annibale et al. | Finalizing a low-cost photogrammetric workflow: from panoramic photos to Heritage 3D documentation and visualization |
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 |