CN116797747A - 水下检测数据可视化方法、装置、计算机设备和存储介质 - Google Patents
水下检测数据可视化方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116797747A CN116797747A CN202211258675.7A CN202211258675A CN116797747A CN 116797747 A CN116797747 A CN 116797747A CN 202211258675 A CN202211258675 A CN 202211258675A CN 116797747 A CN116797747 A CN 116797747A
- Authority
- CN
- China
- Prior art keywords
- detection data
- underwater
- dimensional model
- underwater topography
- topography detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 369
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013079 data visualisation Methods 0.000 title claims abstract description 32
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000012876 topography Methods 0.000 claims abstract description 284
- 238000006243 chemical reaction Methods 0.000 claims abstract description 110
- 238000013507 mapping Methods 0.000 claims abstract description 70
- 230000000007 visual effect Effects 0.000 claims abstract description 51
- 230000009467 reduction Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 21
- 238000005520 cutting process Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims 2
- 239000011159 matrix material Substances 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 9
- 239000012634 fragment Substances 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 230000000903 blocking effect Effects 0.000 description 7
- 238000009877 rendering Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 229910052792 caesium Inorganic materials 0.000 description 3
- TVFDJXOCXUVLDH-UHFFFAOYSA-N caesium atom Chemical compound [Cs] TVFDJXOCXUVLDH-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000005641 tunneling Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- GPRLSGONYQIRFK-MNYXATJNSA-N triton Chemical compound [3H+] GPRLSGONYQIRFK-MNYXATJNSA-N 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本申请涉及一种水下检测数据可视化方法、装置、计算机设备和存储介质。所述方法包括：分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；确定与所述坐标转换后的水下地形检测数据相对应的三维模型；对所述三维模型进行减面处理，得到减面后的三维模型；根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型；根据所述可视化三维模型，对所述水下检测数据进行展示。采用本方法能够提高水下检测数据可视化的效率。
Description
技术领域
本申请涉及水下检测技术领域，特别是涉及一种水下检测数据可视化方法、装置、计算机设备和存储介质。
背景技术
水下检测数据专业性强、对用户专业技能要求高，针对水下检测数据构建三维融合立体可视化视图，可以为用户提供直观的水下状态三维立体视图，进而为水下结构状态维养提供有力数据支撑。
然而，一方面由于水下地形、地貌等状态感知数据相互独立，可能基于不同坐标系，导致数据融合可视化困难；另一方面，全部保留水下地形、地貌后处理数据进行三维建模和可视化贴图会由于模型文件过大，极大影响模型的计算速度和网络传输效率，导致数据的可视化效率较低。
因此，目前的水下检测多源数据融合技术存在数据融合可视化困难和可视化效率低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高水下检测多源数据融合三维立体可视化效率的水下检测数据可视化方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种水下检测数据可视化方法。水下检测数据包括水下地形检测数据和所述水下地形检测数据对应的水下地貌检测数据；所述方法包括：
分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
确定与所述坐标转换后的水下地形检测数据相对应的三维模型；
对所述三维模型进行减面处理，得到减面后的三维模型；
根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型；
根据所述可视化三维模型，对所述水下检测数据进行展示。
在其中一个实施例中，在分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据之前，还包括：
获取水下检测点云数据；
对所述水下检测点云数据进行三角剖分处理，得到三角剖分后的点云数据；
对所述三角剖分后的点云数据进行格网化处理，得到格网化的点云数据；
根据所述格网化的点云数据，得到所述水下检测数据。
在其中一个实施例中，所述确定与所述坐标转换后的水下地形检测数据相对应的三维模型，包括：
从所述坐标转换后的水下地形检测数据中选取目标点云数据；
根据预设的搜索位置，对所述目标点云数据的邻域点云数据进行搜索；
在所述邻域点云数据符合预设条件的情况下，将所述邻域点云数据与所述目标点云数据分在同一片，得到分片后的水下地形检测数据；
根据所述分片后的水下地形检测数据，确定所述三维模型。
在其中一个实施例中，所述分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据，包括：
根据预设的坐标映射关系，分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到所述坐标转换后的水下地形检测数据和所述坐标转换后的水下地貌检测数据；所述坐标映射关系为参心空间直角坐标与参心大地坐标之间的映射关系，所述参心空间直角坐标中的原点为所述水下检测数据在所述参心大地坐标中的中心点。
在其中一个实施例中，所述根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型，包括：
根据所述坐标转换后的水下地貌检测数据，确定分片后的水下地貌检测数据；
根据所述分片后的水下地貌检测数据，确定所述减面后的三维模型的第一纹理；
根据所述第一纹理，对所述减面后的三维模型进行贴图，得到所述可视化三维模型。
在其中一个实施例中，所述三维模型包含至少一个三角面；在确定与所述坐标转换后的水下地形检测数据相对应的三维模型之后，还包括：
确定与所述三维模型中各所述三角面相对应的分片后的水下地貌检测数据的位置信息；
根据所述位置信息，对所述分片后的水下地貌检测数据进行裁剪，得到各所述三角面对应的第二纹理；
对所述三维模型进行减面处理，得到减面后的三维模型；
根据所述第二纹理，对所述减面后的三维模型进行贴图，得到所述可视化三维模型。
在其中一个实施例中，所述对所述三维模型进行减面处理，得到减面后的三维模型，包括：
确定所述三维模型中的第一顶点和第二顶点；
从所述三维模型中去除包含所述第一顶点、且包含所述第二顶点的三角形，得到剩余三角形；
用所述剩余三角形中的第二顶点替换所述剩余三角形中的第一顶点，并移除所述第一顶点，得到所述减面后的三维模型。
第二方面，本申请还提供了一种水下检测数据可视化装置。水下检测数据包括水下地形检测数据和所述水下地形检测数据对应的水下地貌检测数据；所述装置包括：
映射模块，用于分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
建模模块，用于确定与所述坐标转换后的水下地形检测数据相对应的三维模型；
减面模块，用于对所述三维模型进行减面处理，得到减面后的三维模型；
贴图模块，用于根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型；
展示模块，用于根据所述可视化三维模型，对所述水下检测数据进行展示。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
确定与所述坐标转换后的水下地形检测数据相对应的三维模型；
对所述三维模型进行减面处理，得到减面后的三维模型；
根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型；
根据所述可视化三维模型，对所述水下检测数据进行展示。
第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
确定与所述坐标转换后的水下地形检测数据相对应的三维模型；
对所述三维模型进行减面处理，得到减面后的三维模型；
根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型；
根据所述可视化三维模型，对所述水下检测数据进行展示。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
确定与所述坐标转换后的水下地形检测数据相对应的三维模型；
对所述三维模型进行减面处理，得到减面后的三维模型；
根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型；
根据所述可视化三维模型，对所述水下检测数据进行展示。
上述水下检测数据可视化方法、装置、计算机设备、存储介质和计算机程序产品，通过先分别对水下地形检测数据和水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据，确定与坐标转换后的水下地形检测数据相对应的三维模型，再对三维模型进行减面处理，得到减面后的三维模型，然后根据坐标转换后的水下地貌检测数据，对减面后的三维模型进行贴图，得到可视化三维模型，最后根据可视化三维模型，对水下检测数据进行展示；可以通过将水下检测数据由参心大地坐标转换到参心空间直角坐标，和更换坐标原点，减小水下检测数据的坐标数值，进而减小水下检测数据的文件大小，并通过对三维模型进行减面来进一步减小水下检测数据可视化文件的大小，提高了水下检测数据可视化的效率。
附图说明
图1为一个实施例中水下检测数据可视化方法的流程示意图；
图2为一个实施例中大模型细节处理减面算法示意图；
图3为一个实施例中基于桥岛隧的多源水下检测数据可视化方法的流程示意图；
图4为另一个实施例中水下检测数据可视化方法的流程示意图；
图5为一个实施例中水下检测数据可视化装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的水下检测数据可视化方法，可以应用于终端或服务器。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图1所示，提供了一种水下检测数据可视化方法，以该方法应用于终端为例进行说明，包括以下步骤：
步骤S110，分别对水下地形检测数据和水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据。
其中，水下地形检测数据可以为针对水下地形检测到的数据。
其中，水下地貌检测数据可以为针对水下地貌检测到的数据。
具体实现中，可以采集原始的水下检测数据输入终端，原始的水下检测数据包括原始的水下地形检测数据和原始的水下地貌检测数据，终端对原始的水下检测数据进行处理后得到点云数据，对点云数据依次进行三角剖分和格网化处理，得到能够用于进行可视化展示的水下检测数据，水下检测数据包括水下地形检测数据和水下地形检测数据对应的水下地貌检测数据，终端可以将水下地形检测数据的坐标由参心大地坐标转换至参心空间直角坐标，得到坐标转换后的水下地形检测数据，其中，参心空间直角坐标中的原点可以为水下地形检测数据在参心大地坐标中的中心点。终端还可以按照水下地形检测数据与坐标转换后的水下地形检测数据之间的坐标映射关系，将水下地貌检测数据的坐标也由参心大地坐标转换至参心空间直角坐标，得到坐标转换后的水下地貌检测数据，其中，参心空间直角坐标中的原点可以为水下地形检测数据在参心大地坐标中的中心点，也可以为水下地貌检测数据在参心大地坐标中的中心点。
其中，原始的水下地形检测数据可以为针对水下地形采集到的数据。原始的水下地貌检测数据可以为针对水下地貌拍摄到的影像。原始的水下地形检测数据和原始的水下地貌检测数据可以为XTF(eXtended Triton Format，扩展Triton格式)数据。
实际应用中，可以使用水下地貌检测仪器采集水下地貌的影像，使用多波束测深仪和/或位置传感器采集水下地形的三维数据，将影像和三维数据输入终端后，终端可以将三维数据转化为点云，对点云进行三角剖分和格网化处理，得到规整化的格网点云，通过可视化读取格网点云数据、对格网点云数据进行坐标系转换、计算点云范围以及分辨率，可以生成GeoTiff(Geography Tag Image File Format，地理标签图像文件格式)地形文件，之后可以基于GeoTiff地形文件对整体地形和整体影像进行分片，将整体地形和整体影像切割为多个小块，得到地形分块和影像分块，其中一个地形分块对应一个影像分块。
其中，由于经纬度坐标是球面、弧度坐标系，不便于空间距离计算，坐标系转换过程可以是将参心大地坐标转换为参心空间直角坐标，之后再进行距离计算和纹理映射计算，转换公式可以为
其中，(X，Y，Z)表示参心空间直角坐标，(L，B，H)表示参心大地坐标，N为椭球面卯酉圈的曲率半径，e为椭球的第一偏心率。为了减小所有数据点的坐标数值，减小模型文件的大小，提升传输效率，可以计算所有格网点云数据的共同中心点，将地心直角坐标系转换到以共同中心点为原点的本地直角坐标系，坐标转换只需要记录中心点以及进行平移即可。
需要说明的是，由于水下地形检测数据和水下地貌检测数据相对应，在本申请实施例的技术方案中，可以先对水下地形检测数据进行处理，然后使用与水下地形检测数据相同的处理方式和处理参数，对水下地貌检测数据进行处理。
步骤S120，确定与坐标转换后的水下地形检测数据相对应的三维模型。
具体实现中，可以对坐标转换后的水下地形检测数据进行分片，得到分片后的水下地形检测数据，针对分片后的水下地形检测数据进行三维建模，得到三维模型。
实际应用中，可以将源地形数据(GeoTiff文件中的地形数据)拆分为最大宽、高为128个数据点的矩阵，最小宽高为2个数据点的矩阵，从(0，0)点开始搜索矩阵，从矩阵的右上角、左下角搜索并计算出分片的坐标范围，后续则可以按照分片并行进行处理和建模。分片处理后，可以根据obj(目标文件)格式规范，针对分片后水下地形检测数据中每一个地形分块上的所有网格点进行三角绘制，生成三维模型obj文件，obj文件的三维模型中包含至少一个三角面。
步骤S130，对三维模型进行减面处理，得到减面后的三维模型。
其中，减面处理可以为使用边坍缩减面算法。
具体实现中，可以采用边坍缩减面算法对水下地形检测数据所对应的三维模型进行减面处理，减少三维模型的面数，得到减面后的三维模型。
实际应用中，可以先根据整体地形坐标信息、分块信息以及三维模型中每个三角面的三个顶点信息，计算出与三维模型相对应的整体影像的位置信息，根据位置信息裁剪对应的影像信息，得到三维模型中各个地形分块对应的影像分块，将影像分块制作为材质库，将材质库引入obj文件，并计算出每个顶点的纹理坐标，根据纹理坐标完成纹理映射。
然后，可以采用边坍缩减面算法，对三维模型进行LOD(Levels of Detail，细节层次)处理。图2提供了一个大模型LOD减面算法的示意图。根据图2，u和v两个顶点(边uv)被选中并且其中一个顶点(例如，u)移动(坍塌)到另一个顶点(例如，v)，具体步骤可以为：
1、去除所有既包含顶点u又包含顶点v的三角形(即，去除所有以uv为边的三角形)；
2、更新所有剩下的三角形，把所有用到顶点u的地方都用顶点v代替；
3、移除顶点u。
重复上述步骤1-3，直到多边形的数量达到预期数量。每一次重复的过程中，通常会移除一个顶点、两个面、三条边。经过一系列边坍塌之后，减少了初始三维模型的面数。
步骤S140，根据坐标转换后的水下地貌检测数据，对减面后的三维模型进行贴图，得到可视化三维模型。
具体实现中，可以根据坐标转换后的水下地貌检测数据，确定减面后的三维模型对应的纹理，使用纹理对减面后的三维模型进行贴图，得到可视化三维模型。
实际应用中，可以预先根据采集到的地形数据和地貌影像之间的映射关系，确定三维模型中各个地形分块对应的影像分块，将影像分块作为相应地形分块的纹理，存储在obj文件中，在步骤S140，可以将obj格式模型文件生成gltf(GL传输格式)规范文件，并将gltf文件组织为3d-tiles(三维瓦片数据集)，通过将3d-tiles加载到Cesium(用于显示三维地球和地图的开源JS库)，利用预先确定的纹理对减面后的三维模型进行贴图和渲染，呈现可视化三维模型。
步骤S150，根据可视化三维模型，对水下检测数据进行展示。
具体实现中，可以将生成的可视化三维模型显示在终端上，以对水下检测数据进行展示。
上述水下检测数据可视化方法，通过先分别对水下地形检测数据和水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据，确定与坐标转换后的水下地形检测数据相对应的三维模型，再对三维模型进行减面处理，得到减面后的三维模型，然后根据坐标转换后的水下地貌检测数据，对减面后的三维模型进行贴图，得到可视化三维模型，最后根据可视化三维模型，对水下检测数据进行展示；可以通过将水下检测数据由参心大地坐标转换到参心空间直角坐标，和更换坐标原点，减小水下检测数据的坐标数值，进而减小水下检测数据的文件大小，并通过对三维模型进行减面来进一步减小水下检测数据可视化文件的大小，提高了水下检测数据可视化的效率。
在一个实施例中，上述水下检测数据可视化方法，具体还可以包括：获取水下检测点云数据；对水下检测点云数据进行三角剖分处理，得到三角剖分后的点云数据；对三角剖分后的点云数据进行格网化处理，得到格网化的点云数据；根据格网化的点云数据，得到水下检测数据。
其中，水下检测点云数据可以是对采集到的原始的水下检测数据进行处理后得到的点云数据。水下检测点云数据可以包括水下地形检测点云数据和水下地貌检测点云数据。
具体实现中，可以使用多波束测深仪和/或位置传感器进行水下地形检测，采集原始的水下地形三维数据，将原始的水下地形三维数据输入终端进行处理，得到水下地形检测点云数据，终端还可以对水下地形检测点云数据进行三角剖分处理，将散乱的三维点云划归到多个三角形中，得到三角剖分后的点云数据，终端还可以对三角剖分后的点云数据进行格网化处理，使三角剖分得到的多个三角形连成网面，得到格网化的点云数据，将格网化的点云数据作为水下地形检测数据，可以用于进行水下检测数据可视化。针对采集到的原始的水下地貌数据，可以使用与原始的水下地形数据相同的处理方法和处理参数进行处理，得到水下地貌检测数据。
本实施例中，通过获取水下检测点云数据，对水下检测点云数据进行三角剖分处理，得到三角剖分后的点云数据，对三角剖分后的点云数据进行格网化处理，得到格网化的点云数据，根据格网化的点云数据，得到水下检测数据，可以将散乱的水下地形点云数据划归到多个三角形中，并连接成网面，便于后续基于三角网面对水下检测数据进行可视化呈现。
在一个实施例中，上述步骤S120，可以具体包括：从坐标转换后的水下地形检测数据中选取目标点云数据；根据预设的搜索位置，对目标点云数据的邻域点云数据进行搜索；在邻域点云数据符合预设条件的情况下，将邻域点云数据与目标点云数据分在同一片，得到分片后的水下地形检测数据；根据分片后的水下地形检测数据，确定三维模型。
具体实现中，可以按照预设的选取路径，依次从坐标转换后的水下地形检测数据中选取目标点云数据，将包含目标点云数据的一个矩形区域作为搜索区域，搜索区域内的各个位置可以作为搜索位置，对搜索位置处的领域点云数据进行搜索，若该邻域点云数据与目标点云数据之间的高程差小于预设阈值，则将其与目标点云数据分在同一片，通过上述方法对所有坐标转换后的水下地形检测数据进行分片，可以得到分片后的水下地形检测数据，对分片后的水下地形检测数据进行三维建模，得到为水下地形的三维模型。还可以根据坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据之间的对应关系，根据坐标转换后的水下地形检测数据的分片结果，对坐标转换后的水下地貌检测数据进行分片。
实际应用中，可以利用坐标转换后的地形点云数据生成GeoTiff格式地形文件，切割整体地形影像为多个小块，将源地形数据拆分为最大宽、高为128个数据点的矩阵，最小宽、高为2个数据点的小矩阵，从(0，0)点开始搜索矩阵，从矩阵的右上角、左下角搜索并计算出分片的坐标范围。其中，GeoTiff格式是由点云转换成的，为一种栅格数据，以像素点矩阵的形式进行存储，可以不只包含坐标信息，还包含点的灰度(亮度)信息，将GeoTiff格式数据按照高程相同临近点进行切割，平坦地形切割面积大，包含的点多，不平坦地形切割面积小，包含的点少，可以使地形保真。
本实施例中，通过从坐标转换后的水下地形检测数据中选取目标点云数据；根据预设的搜索位置，对目标点云数据的邻域点云数据进行搜索；在邻域点云数据符合预设条件的情况下，将邻域点云数据与目标点云数据分在同一片，得到分片后的水下地形检测数据；根据分片后的水下地形检测数据，确定三维模型，可以实现对水下检测数据的分片，便于针对每一个分片进行三维重建和纹理贴图，实现水下检测数据可视化的保真。
在一个实施例中，上述步骤S110，可以具体包括：根据预设的坐标映射关系，分别对水下地形检测数据和水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；坐标映射关系为参心空间直角坐标与参心大地坐标之间的映射关系，参心空间直角坐标中的原点为水下检测数据在参心大地坐标中的中心点。
具体实现中，对于水下检测数据，将其坐标由参心大地坐标(L，B，H)转换为参心空间直角坐标(X，Y，Z)，其中，参心空间直角坐标系的原点可以为参心大地坐标系中所有分片的共同中心点。由参心大地坐标转换为参心空间直角坐标的坐标映射关系可以为
其中，(X，Y，Z)表示参心空间直角坐标，(L，B，H)表示参心大地坐标，N为椭球面卯酉圈的曲率半径，e为椭球的第一偏心率。为了减小所有数据点的坐标数值，减小模型文件的大小，提升传输效率，可以计算所有块的共同中心点，将地心直角坐标系转换到以共同中心点为原点的本地直角坐标系，坐标转换只需要记录中心点以及进行平移即可。
实际应用中，可以针对所有水下地形检测数据建立长方体包围盒，以长方体包围盒的中心为原点，建立参心空间直角坐标系(X，Y，Z)，并确定参心大地坐标与该参心空间直角坐标之间的坐标映射关系，根据该坐标映射关系，对水下地形检测数据进行坐标转换，得到坐标转换后的水下地形检测数据。还可以根据与水下地形检测数据相同的坐标映射关系，对水下地貌检测数据进行坐标转换，得到坐标转换后的水下地貌检测数据，将地貌数据统一到地形数据坐标系中。
本实施例中，通过根据预设的坐标映射关系，分别对水下地形检测数据和水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据，可以减小每个数据点的坐标值，进而减小文件大小，提高传输效率，便于进行数据传输和可视化展示。
在一个实施例中，上述步骤S140，可以具体包括：根据坐标转换后的水下地貌检测数据，确定分片后的水下地貌检测数据；根据分片后的水下地貌检测数据，确定减面后的三维模型的第一纹理；根据第一纹理，对减面后的三维模型进行贴图，得到可视化三维模型。
其中，第一纹理可以为根据分片后的水下地貌检测数据所直接确定的纹理。
具体实现中，可以对坐标转换后的水下地貌检测数据进行分片，得到分片后的水下地貌检测数据，减面后的三维模型可以包含至少一个三角面，可以根据地形数据与地貌数据之间的映射关系，确定每一个三角面所对应的分片后的水下地貌检测数据，根据所确定的分片后的水下地貌检测数据得到各三角面对应的第一纹理，利用第一纹理对减面后的三维模型中的各三角面进行贴图，得到可视化三维模型。
实际应用中，三角面包含三个顶点，针对减面后的三维模型中的每一个三角面，可以从分片后的水下地貌检测数据中确定与三个顶点相对应的三个位置，根据三个位置对分片后的水下地貌检测数据进行裁剪，得到三角面所对应的纹理，利用该纹理进行贴图，可以得到可视化三维模型。
本实施例中，通过根据坐标转换后的水下地貌检测数据，确定分片后的水下地貌检测数据，根据分片后的水下地貌检测数据，确定减面后的三维模型的第一纹理，根据第一纹理，对减面后的三维模型进行贴图，得到可视化三维模型，可以将水下地形检测数据和水下地貌检测数据相融合，使得到的可视化三维模型对水下地形和地貌进行综合展示，便于用户查看。
在一个实施例中，在上述步骤S120之后，具体还可以包括：确定与三维模型中各三角面相对应的分片后的水下地貌检测数据的位置信息；根据位置信息，对分片后的水下地貌检测数据进行裁剪，得到各三角面对应的第二纹理；对三维模型进行减面处理，得到减面后的三维模型；根据第二纹理，对减面后的三维模型进行贴图，得到可视化三维模型。
其中，三角面可以为通过三角剖分所得到的面。
其中，第二纹理可以为通过对分片后的水下地貌检测数据进行裁剪，所得到的纹理。
具体实现中，可以根据整体地形的坐标信息、分片信息以及三维模型中每个三角面三个顶点的信息，计算与三维模型中每个三角面相对应的分片后的水下地貌检测数据中的位置，根据该位置对分片后的水下地貌检测数据进行裁剪，得到当前三角面对应的第二纹理，将第二纹理制作为材质库，并将材质库引入obj文件。之后可以采用边坍缩减面算法对三维模型进行LOD处理，得到减面后的三维模型。通过将obj文件生成gltf规范文件，将gltf文件组织为3d-tiles，将3d-tiles加载到Cesium，可以使用材质库中的纹理对减面后的三维模型进行贴图，和进行渲染，得到可视化三维模型。
本实施例中，通过确定与三维模型中各三角面相对应的分片后的水下地貌检测数据的位置信息，根据位置信息，对分片后的水下地貌检测数据进行裁剪，得到各三角面对应的第二纹理，对三维模型进行减面处理，得到减面后的三维模型，根据第二纹理，对减面后的三维模型进行贴图，得到可视化三维模型，可以通过预先将第二纹理存储在材质库中，提高对水下地形检测数据和水下地貌检测数据进行融合的效率。
在一个实施例中，上述步骤S130，可以具体包括：确定三维模型中的第一顶点和第二顶点；从三维模型中去除包含第一顶点、且包含第二顶点的三角形，得到剩余三角形；用剩余三角形中的第二顶点替换剩余三角形中的第一顶点，并移除第一顶点，得到减面后的三维模型。
具体实现中，三维模型的表面可以是由多个三角形组成的格网，将格网交点作为顶点，任意选取两个相邻顶点分别作为第一顶点和第二顶点，去除三维模型表面同时包含第一顶点和第二顶点的三角形，得到剩余三角形，将剩余三角形中的第二顶点替换为第一顶点，并移除第一顶点，重复上述过程，继续任选两点进行上述处理，直至顶点数量达到预设值，得到减面后的三维模型。
实际应用中，如图2所示，可以执行以下操作：
1、选取u和v两个顶点，去除所有既包含顶点u又包含顶点v的三角形(即，去除所有以uv为边的三角形)；
2、更新所有剩下的三角形，把所有用到顶点u的地方都用顶点v代替；
3、移除顶点u。
重复以上1-3的过程，直到顶点数量达到预期数量。
本实施例中，通过确定三维模型中的第一顶点和第二顶点，从三维模型中去除包含第一顶点、且包含第二顶点的三角形，得到剩余三角形，用剩余三角形中的第二顶点替换剩余三角形中的第一顶点，并移除第一顶点，得到减面后的三维模型，可以减少三维模型的数据数量，避免最终得到的可视化三维模型文件太大导致网络传输变慢和模型渲染操作难度，使得海量数据的导入、解析和可视化成为可能。
为了便于本领域技术人员深入理解本申请实施例，以下将结合一个具体示例进行说明。
在水下检测领域，水下地形、地貌等状态感知数据相互独立，无法给用户提供直观的三维融合立体可视化视图，检测数据专业性极强对用户专业技能要求高。针对该问题，本申请提供了一种基于格网化三维点云数据的水下地形可视化方法，将地形、地貌数据进行拟合和可视化渲染呈现，为用户提供直观的水下状态三维立体视图，为水下结构状态维养提供有力数据支撑。
图3提供了一个基于桥岛隧的多源水下检测数据可视化方法的流程示意图。根据图3，基于桥岛隧的多源水下检测数据可视化方法可以包括以下步骤：
步骤S210，获取水下目标的格网化三维点云数据。
具体地，格网化三维点云数据是通过多波束测深仪以及位置传感器进行水下地形检测，采集的具有三维坐标的目标点，通过三角剖分、格网化得到规整化的格网点云。
步骤S220，可视化读取点云数据。
具体地，将地形点云数据生成GeoTiff格式地形文件，切割整体地形影像为多个小块，将源地形数据拆分为最大宽、高为128个数据点的矩阵，最小宽、高为2个数据点的小矩阵，从(0，0)点开始搜索矩阵，从矩阵的右上角、左下角搜索并计算出分片的坐标范围，后续按照分片并行处理和建模。
步骤S230，进行点的三维坐标系转换。
具体地，将参心大地坐标转换成参心空间直角坐标，之后再进行距离计算，纹理映射计算。计算所有块的共同中心点，将地心直角坐标系转换到以块的共同中心点为原点的本地直角坐标系。经纬度坐标转空间直角坐标按照以下公式进行转换：
计算所有块的共同中心点，将地心直角坐标系转换到以中心点为原点的本地直角坐标系，减小所有数据点的坐标数值，减小模型文件的大小，提升传输效率，坐标转换只需要记录中心点以及进行平移即可。
步骤S240，生成地形三维模型。
具体地，根据obj格式规范，对分块上的所有网格点进行三角绘制，生成三维模型obj文件。
步骤S250，进行地形地貌拟合三维纹理贴图，进行细节层次处理及可视化渲染呈现。
具体地，根据整体地形坐标信息、分块信息以及每个三角面的三个顶点信息，计算出对应的整体影像的位置信息，裁减对应的地貌图像信息，裁减出该分块的图像分块并制作为材质库，将材质库引入obj文件，并计算出每个顶点的纹理坐标，完成纹理映射；采用大模型LOD减面算法(边坍缩减面算法)对生成的三维模型进行LOD(细节层次)处理，将obj格式模型文件生成gltf规范文件，将gltf文件组织为3dtiles，将3d-tiles加载到Cesium进行渲染呈现。
其中，大模型LOD减面算法过程如下：
如图2所示，u和v两个顶点(边uv)被选中并且其中一个顶点(例如，u)“移动”或者说“坍塌”到另一个顶点(例如，v)。具体操作步骤为：
1、去除所有既包含顶点u又包含顶点v的三角形(即，去除所有以uv为边的三角形)；
2、更新所有剩下的三角形，把所有用到顶点u的地方都用顶点v代替；
3、移除顶点u。
重复以上步骤1-3的过程，直到多边形的数量达到了预期数量。每一次重复的过程中，通常会移除一个顶点、两个面、三条边。图2下方的多边形经过一系列边坍塌之后减少了面数。
该实施例中采用的计算所有块的共同中心点，将地心直角坐标系转换到以中心点为原点的本地直角坐标系的步骤，减小了所有数据点的坐标数值，从而减小了模型文件的大小,大大提升了数据传输效率；采用大模型LOD减面算法，解决了三维模型文件过大导致的网络传输性能问题和客户端渲染模型性能问题，支持大面积水下检测获取的海量数据的导入解析以及可视化呈现。
在一个实施例中，如图4所示，提供了一种水下检测数据可视化方法，以该方法应用于终端为例进行说明，包括以下步骤：
步骤S301，多波束后处理软件通过三角剖分、格网化等得到相对规整的格网点云；
步骤S302，可视化读取点云数据、进行坐标系转换、计算点云范围以及分辨率；
其中，坐标系转换可以是经纬度坐标转空间直角坐标；
因为经纬度坐标是球面、弧度坐标系，不便于空间距离计算，所以将参心大地坐标转参心空间直角坐标，之后再进行距离计算，纹理映射计算，转换公式为：
计算所有块的共同中心点,将地心直角坐标系转换到以中心点为原点的本地直角坐标系,该步骤主要是为了减小所有数据点的坐标数值,减小模型文件的大小,提升传输效率。坐标转换只需要记录中心点以及进行平移即可；
步骤S303，生成GeoTiff地形文件(参考GeoTiff规范)；
步骤S304，切割整体地形、整体影像为小块，其中一个小块地形对应一个小块影像；
将源地形数据拆分为最大宽、高为128个数据点，最小宽高为2个数据点的小块。拆分时并不是按照整体长宽除于分片长宽计算，需要考虑邻近行或者列相等的情况并认为只有一行或一列，从0,0点开始搜索矩形然后从矩形的右上角、左下角搜索并计算出分片的坐标范围，后续则可以按照分片并行进行处理和建模；
步骤S305，构建三角面，形成地形三维模型(参考OBJ规范)；
步骤S306，根据OBJ格式规范，对分块上的所有网格点进行三角绘制，生成三维模型obj文件；
步骤S307，材质、纹理映射(参考OBJ规范)；
具体的，可以根据整体地形坐标信息、分块信息以及每个三角面的三个顶点信息可以计算出对应的整体影像的位置信息，裁减对应的影像信息，裁减出该分块的影像分块并制作为材质库，将材质库引入obj文件，并计算出每个顶点的纹理坐标，完成纹理映射；
步骤S308，采用边坍缩减面算法对生成的三维模型进行LOD(细节层次)处理；
步骤S309，将obj格式模型文件生成gltf规范文件(参考gltf规范)；
步骤S310，将gltf文件组织为3dtiles(参考3d-tiles规范)；
步骤S311，将3d-tiles加载到Cesium进行渲染呈现。
在一个实施例中，提供了一种水下检测数据可视化方法，包括以下步骤：
步骤S401，获取水下检测点云数据；
步骤S402，对水下检测点云数据进行三角剖分处理，得到三角剖分后的点云数据；
步骤S403，对三角剖分后的点云数据进行格网化处理，得到格网化的点云数据；
步骤S404，根据格网化的点云数据，得到水下检测数据；水下检测数据包括水下地形检测数据和水下地形检测数据对应的水下地貌检测数据；分别对水下地形检测数据和水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
步骤S405，从坐标转换后的水下地形检测数据中选取目标点云数据；根据预设的搜索位置，对目标点云数据的邻域点云数据进行搜索；在邻域点云数据符合预设条件的情况下，将邻域点云数据与目标点云数据分在同一片，得到分片后的水下地形检测数据；根据分片后的水下地形检测数据，确定三维模型；
步骤S406，对三维模型进行减面处理，得到减面后的三维模型；
步骤S407，根据坐标转换后的水下地貌检测数据，确定分片后的水下地貌检测数据；根据分片后的水下地貌检测数据，确定减面后的三维模型的第一纹理；根据第一纹理，对减面后的三维模型进行贴图，得到可视化三维模型；
步骤S408，根据可视化三维模型，对水下检测数据进行展示。
在一个实施例中，提供了一种水下检测数据可视化方法，包括以下步骤：
步骤S501，获取水下检测点云数据；
步骤S502，对水下检测点云数据进行三角剖分处理，得到三角剖分后的点云数据；
步骤S503，对三角剖分后的点云数据进行格网化处理，得到格网化的点云数据；
步骤S504，根据格网化的点云数据，得到水下检测数据；水下检测数据包括水下地形检测数据和水下地形检测数据对应的水下地貌检测数据；分别对水下地形检测数据和水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
步骤S505，从坐标转换后的水下地形检测数据中选取目标点云数据；根据预设的搜索位置，对目标点云数据的邻域点云数据进行搜索；在邻域点云数据符合预设条件的情况下，将邻域点云数据与目标点云数据分在同一片，得到分片后的水下地形检测数据；根据分片后的水下地形检测数据，确定三维模型；
步骤S506，根据分片后的水下地形检测数据和分片后的水下地貌检测数据之间的映射关系，确定与三维模型中各三角面相对应的分片后的水下地貌检测数据的位置坐标；根据位置坐标，对分片后的水下地貌检测数据进行裁剪，得到各三角形对应的第二纹理；对三维模型进行减面处理，得到减面后的三维模型；根据第二纹理，对减面后的三维模型进行贴图，得到可视化三维模型；
步骤S507，根据可视化三维模型，对水下检测数据进行展示。
应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的水下检测数据可视化方法的水下检测数据可视化装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个水下检测数据可视化装置实施例中的具体限定可以参见上文中对于水下检测数据可视化方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种水下检测数据可视化装置，包括：映射模块410、建模模块420、减面模块430、贴图模块440和展示模块450，其中：
映射模块410，用于分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
建模模块420，用于确定与所述坐标转换后的水下地形检测数据相对应的三维模型；
减面模块430，用于对所述三维模型进行减面处理，得到减面后的三维模型；
贴图模块440，用于根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型；
展示模块450，用于根据所述可视化三维模型，对所述水下检测数据进行展示。
在一个实施例中，上述水下检测数据可视化装置，还包括：
数据获取模块，用于获取水下检测点云数据；
三角剖分模块，用于对所述水下检测点云数据进行三角剖分处理，得到三角剖分后的点云数据；
格网处理模块，用于对所述三角剖分后的点云数据进行格网化处理，得到格网化的点云数据；
数据确定模块，用于根据所述格网化的点云数据，得到所述水下检测数据。
在一个实施例中，上述建模模块420，还用于从所述坐标转换后的水下地形检测数据中选取目标点云数据；根据预设的搜索位置，对所述目标点云数据的邻域点云数据进行搜索；在所述邻域点云数据符合预设条件的情况下，将所述邻域点云数据与所述目标点云数据分在同一片，得到分片后的水下地形检测数据；根据所述分片后的水下地形检测数据，确定三维模型。
在一个实施例中，上述映射模块410，还用于根据预设的坐标映射关系，分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到所述坐标转换后的水下地形检测数据和所述坐标转换后的水下地貌检测数据；所述坐标映射关系为参心空间直角坐标与参心大地坐标之间的映射关系，所述参心空间直角坐标中的原点为所述水下检测数据在所述参心大地坐标中的中心点。
在一个实施例中，上述贴图模块440，还用于根据所述坐标转换后的水下地貌检测数据，确定分片后的水下地貌检测数据；根据所述分片后的水下地貌检测数据，确定所述减面后的三维模型的第一纹理；根据所述第一纹理，对所述减面后的三维模型进行贴图，得到所述可视化三维模型。
在一个实施例中，上述水下检测数据可视化装置，还包括：
位置确定模块，用于确定与所述三维模型中各所述三角面相对应的分片后的水下地貌检测数据的位置信息；
数据裁剪模块，用于根据所述位置信息，对所述分片后的水下地貌检测数据进行裁剪，得到各所述三角面对应的第二纹理；
减面处理模块，用于对所述三维模型进行减面处理，得到减面后的三维模型；
贴图处理模块，用于根据所述第二纹理，对所述减面后的三维模型进行贴图，得到所述可视化三维模型。
在一个实施例中，上述减面模块440，还用于确定所述三维模型中的第一顶点和第二顶点；从所述三维模型中去除包含所述第一顶点、且包含所述第二顶点的三角形，得到剩余三角形；用所述剩余三角形中的第二顶点替换所述剩余三角形中的第一顶点，并移除所述第一顶点，得到所述减面后的三维模型。
上述水下检测数据可视化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种水下检测数据可视化方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上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。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种水下检测数据可视化方法，其特征在于，水下检测数据包括水下地形检测数据和所述水下地形检测数据对应的水下地貌检测数据；所述方法包括：
分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
确定与所述坐标转换后的水下地形检测数据相对应的三维模型；
对所述三维模型进行减面处理，得到减面后的三维模型；
根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型；
根据所述可视化三维模型，对所述水下检测数据进行展示。
2.根据权利要求1所述的方法，其特征在于，在分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据之前，还包括：
获取水下检测点云数据；
对所述水下检测点云数据进行三角剖分处理，得到三角剖分后的点云数据；
对所述三角剖分后的点云数据进行格网化处理，得到格网化的点云数据；
根据所述格网化的点云数据，得到所述水下检测数据。
3.根据权利要求1所述的方法，其特征在于，所述确定与所述坐标转换后的水下地形检测数据相对应的三维模型，包括：
从所述坐标转换后的水下地形检测数据中选取目标点云数据；
根据预设的搜索位置，对所述目标点云数据的邻域点云数据进行搜索；
在所述邻域点云数据符合预设条件的情况下，将所述邻域点云数据与所述目标点云数据分在同一片，得到分片后的水下地形检测数据；
根据所述分片后的水下地形检测数据，确定所述三维模型。
4.根据权利要求1所述的方法，其特征在于，所述分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据，包括：
根据预设的坐标映射关系，分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到所述坐标转换后的水下地形检测数据和所述坐标转换后的水下地貌检测数据；所述坐标映射关系为参心空间直角坐标与参心大地坐标之间的映射关系，所述参心空间直角坐标中的原点为所述水下检测数据在所述参心大地坐标中的中心点。
5.根据权利要求3所述的方法，其特征在于，所述根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型，包括：
根据所述坐标转换后的水下地貌检测数据，确定分片后的水下地貌检测数据；
根据所述分片后的水下地貌检测数据，确定所述减面后的三维模型的第一纹理；
根据所述第一纹理，对所述减面后的三维模型进行贴图，得到所述可视化三维模型。
6.根据权利要求3所述的方法，其特征在于，所述三维模型包含至少一个三角面；在确定与所述坐标转换后的水下地形检测数据相对应的三维模型之后，还包括：
确定与所述三维模型中各所述三角面相对应的分片后的水下地貌检测数据的位置信息；
根据所述位置信息，对所述分片后的水下地貌检测数据进行裁剪，得到各所述三角面对应的第二纹理；
对所述三维模型进行减面处理，得到减面后的三维模型；
根据所述第二纹理，对所述减面后的三维模型进行贴图，得到所述可视化三维模型。
7.根据权利要求1所述的方法，其特征在于，所述对所述三维模型进行减面处理，得到减面后的三维模型，包括：
确定所述三维模型中的第一顶点和第二顶点；
从所述三维模型中去除包含所述第一顶点、且包含所述第二顶点的三角形，得到剩余三角形；
用所述剩余三角形中的第二顶点替换所述剩余三角形中的第一顶点，并移除所述第一顶点，得到所述减面后的三维模型。
8.一种水下检测数据可视化装置，其特征在于，水下检测数据包括水下地形检测数据和所述水下地形检测数据对应的水下地貌检测数据；所述装置包括：
映射模块，用于分别对所述水下地形检测数据和所述水下地貌检测数据进行坐标转换，得到坐标转换后的水下地形检测数据和坐标转换后的水下地貌检测数据；
建模模块，用于确定与所述坐标转换后的水下地形检测数据相对应的三维模型；
减面模块，用于对所述三维模型进行减面处理，得到减面后的三维模型；
贴图模块，用于根据所述坐标转换后的水下地貌检测数据，对所述减面后的三维模型进行贴图，得到可视化三维模型；
展示模块，用于根据所述可视化三维模型，对所述水下检测数据进行展示。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211258675.7A CN116797747A (zh) | 2022-10-14 | 2022-10-14 | 水下检测数据可视化方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211258675.7A CN116797747A (zh) | 2022-10-14 | 2022-10-14 | 水下检测数据可视化方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116797747A true CN116797747A (zh) | 2023-09-22 |
Family
ID=88035096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211258675.7A Pending CN116797747A (zh) | 2022-10-14 | 2022-10-14 | 水下检测数据可视化方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116797747A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117333628A (zh) * | 2023-09-28 | 2024-01-02 | 苏州苏高新数字科技有限公司 | 一种适用于园区gis地形数据快速建模的方法 |
-
2022
- 2022-10-14 CN CN202211258675.7A patent/CN116797747A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117333628A (zh) * | 2023-09-28 | 2024-01-02 | 苏州苏高新数字科技有限公司 | 一种适用于园区gis地形数据快速建模的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9508186B2 (en) | Pre-segment point cloud data to run real-time shape extraction faster | |
| CN111862292B (zh) | 输电线路走廊的数据渲染方法、装置和计算机设备 | |
| CN110675496B (zh) | 基于三维城市地质模型的网格剖分和可视化方法及其系统 | |
| US9406169B2 (en) | System and method for data compression and grid regeneration | |
| CN113628331B (zh) | 一种虚幻引擎中摄影测量模型的数据组织和调度方法 | |
| KR20120122957A (ko) | 네비게이션 장치, 고도 좌표를 결정하는 방법 및 데이터베이스를 생성하는 방법 | |
| CN116797747A (zh) | 水下检测数据可视化方法、装置、计算机设备和存储介质 | |
| CN116385672A (zh) | 一种三维地形场景模型数据产品的构建方法 | |
| CN116109765A (zh) | 标注对象的三维渲染方法、装置、计算机设备、存储介质 | |
| CN113157988B (zh) | 由ofd格式文件表示地理信息的方法和装置 | |
| CN113902832A (zh) | 一种洪水三维动态演进和渲染方法、装置及电子设备 | |
| CN111583268A (zh) | 点云虚拟选择与裁切方法、装置及设备 | |
| Kreylos et al. | Point-based computing on scanned terrain with LidarViewer | |
| CN114219697B (zh) | 一种基于cuda的运动目标实时热力图生成方法 | |
| CN114528305A (zh) | 矢量数据更新范围确定方法、装置、电子设备及存储介质 | |
| Koca et al. | A hybrid representation for modeling, interactive editing, and real-time visualization of terrains with volumetric features | |
| CN114494623A (zh) | 基于lod的地形渲染方法及装置 | |
| Zhou et al. | Rendering interior-filled polygonal vector data in a virtual globe | |
| Masood et al. | A novel method for adaptive terrain rendering using memory-efficient tessellation codes for virtual globes | |
| CN116310226B (zh) | 三维对象层级模型生成方法、装置、设备和存储介质 | |
| Amiraghdam et al. | LOOPS: LOcally Optimized Polygon Simplification | |
| Liu et al. | A continuative variable resolution digital elevation model for ground-based photogrammetry | |
| CN117689832B (zh) | 交通标牌生成方法、装置、设备和存储介质 | |
| CN117237503B (zh) | 一种地理要素数据加速渲染及装置 | |
| Martijn et al. | Detect illegal buildings based on LiDAR point cloud data |
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 |