CN117011475A - 一种基于八叉树的多源数据空间融合方法 - Google Patents
一种基于八叉树的多源数据空间融合方法 Download PDFInfo
- Publication number
- CN117011475A CN117011475A CN202311267215.5A CN202311267215A CN117011475A CN 117011475 A CN117011475 A CN 117011475A CN 202311267215 A CN202311267215 A CN 202311267215A CN 117011475 A CN117011475 A CN 117011475A
- Authority
- CN
- China
- Prior art keywords
- model
- spatial
- data model
- spatial data
- space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 16
- 238000013499 data model Methods 0.000 claims abstract description 123
- 238000004458 analytical method Methods 0.000 claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 27
- 238000009877 rendering Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007431 microscopic evaluation Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization 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
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种基于八叉树的多源数据空间融合方法，包括以下步骤：确定空间数据模型的细分层级level参数以及三维场景中空间数据模型坐标原点的地理位置；将空间数据模型进行投影；基于八叉树算法，生成空间数据模型的每一级具有空间位置和范围的体模型；将所有体模型进行编码，得到体模型的编码；将体模型的编码、范围、空间位置、细分层级level参数以及关联属性信息的唯一编号存入数据库；通过体模型与业务数据进行融合渲染分析，实现基于八叉树的多源数据空间融合。本发明解决了在三维立体空间的融合技术没有比较完善的解决方案和传统三维空间融合分析在空间数据范围较大时，空间分析计算效率低下以及时间效率不高的问题。
Description
技术领域
本发明属于多源数据融合技术领域，具体涉及一种基于八叉树的多源数据空间融合方法。
背景技术
数据融合技术是指通过一定的算法“合并”来自多个信息源的数据，以产生更可靠、更准确的信息，并根据这些信息做出最可靠的决策，即根据多源观测信息给出一个关于状态的最优估计量。充分利用已有的数据，降低成本，实现信息资源的共享。
多源数据空间融合在数字孪生三维可视化领域应用及其重要，可以实现三维的空间分析技术。三维场景中模型与业务数据联合分析可以更加直观、多维度展示物态分布情况。多源数据空间融合技术可以解决三维城市建筑物上的空间统计分析，相较于单一数据源模型,多源数据模型具有更多的原始信息,在数据推断方面表现更加优良、丰富。
但是传统的多源空间数据融合技术主要从二维角度进行分析解决问题，三维立体空间的融合技术没有比较完善的解决方案。并且当空间数据范围较大的时候，空间分析计算效率低下，时间效率不高。
发明内容
本发明提供了一种基于八叉树的多源数据空间融合方法，解决了在三维立体空间的融合技术没有比较完善的解决方案和传统的三维空间融合分析在空间数据范围较大时，空间分析计算效率低下以及时间效率不高的问题。
为了解决上述技术问题，本发明的技术方案为：一种基于八叉树的多源数据空间融合方法，包括以下步骤：
S1、确定空间数据模型的细分层级level参数以及三维场景中空间数据模型坐标原点的地理位置；
S2、根据三维场景中空间数据模型坐标原点的地理位置，将空间数据模型进行投影，得到空间数据模型的空间位置和范围；
S3、基于八叉树算法，生成空间数据模型的每一级具有空间位置和范围的体模型；
S4、将所有体模型进行编码，得到体模型的编码；
S5、将体模型的编码、范围、空间位置、细分层级level参数以及关联属性信息的唯一编号存入数据库；
S6、根据分析范围，通过体模型与业务数据进行融合渲染分析，实现基于八叉树的多源数据空间融合。
本发明的有益效果是：本发明使用八叉树算法进行空间数据划分，根据细分层级level参数生成空间数据模型八叉树结构节点的体模型，将复杂的空间数据转变成简单的体模型，并对体模型进行编码，直接利用编码可以分析得到空间位置信息。并且编码本身就是坐标的另一种形式，可直接寻址，解决了在三维立体空间的融合技术没有比较完善的解决方案和传统的三维空间融合分析在空间数据范围较大时，空间分析计算效率低下以及时间效率不高的问题。
进一步地，所述S2的具体步骤为：
S21、根据三维场景中空间数据模型坐标原点的地理位置，设置空间数据模型坐标系下空间数据模型的轴、/>轴以及/>轴朝向；
S22、利用Web墨卡托投影空间数据模型坐标系，将空间数据模型坐标原点的地理位置转换成Web墨卡托投影后的坐标，并将空间数据模型进行Web墨卡托投影，放到投影后的坐标/>处，得到空间数据模型的空间位置，其中，/>表示投影后空间数据模型坐标原点的经度，/>表示投影后空间数据模型坐标原点的纬度，/>表示投影后空间数据模型坐标原点的高度；
S23、根据空间数据模型坐标原点的地理位置以及轴、/>轴和/>轴，利用正方体包围盒算法计算得到空间数据模型的最外层体模型的范围，得到空间数据模型的范围。
上述进一步方案的有益效果为：使用Web墨卡托投影，能够统一坐标系，并且可以将复杂的地理南北纬东西经度数球体单位转换成方便计算的平面米单位。
进一步地，所述S3的具体步骤为：
S31、沿着轴、/>轴以及/>轴方向将空间数据模型的最外层体模型划分为八个大小相等的体模型，且划分的体模型具有空间位置和范围；
S32、判断空间数据模型的细分层级level参数是否等于预设参数，若是，则停止细分，生成空间数据模型的每一级具有空间位置和范围的体模型，否则，进入S33；
S33、检测每个体模型内是否存在空间数据模型，若存在，则将体模型划分为八个大小相等的体模型，且划分的体模型具有空间位置和范围，返回S32，否则，不进行划分，返回S32。
上述进一步方案的有益效果为：本发明对体模型进行了分级处理，因此分析时可以任意决定分析效果的精细程度，当大范围宏观角度分析时可以选择细分层级level参数小的体模型进行分析，当需要精细微观分析时可以选择细分层级level参数大的体模型进行参与分析。
进一步地，所述S4的具体步骤为：
S41、将每个体模型均设置一个具有三个轴向编号的坐标值；
S42、假设为空间数据模型坐标系下任意的点，当坐标值为整数时，根据编码公式将/>所在的体模型表示为二进制，得到体模型的编码/>，其中，/>表示/>所在体模型在/>轴的行号，/>表示/>所在体模型在/>轴的列号，表示/>所在体模型在/>轴的深度。
进一步地，所述S42中编码公式为：
其中，表示体模型的编码，/>表示编码中第/>位的数值，/>表示/>轴上任意行号数的二进制数中的其中任意一位，/>表示/>轴上任意列号数的二进制数中的其中任意一位，/>表示/>轴上任意深度数的二进制数中的其中任意一位。
上述进一步方案的有益效果为：将体模型进行编码，而编码容易存储和执行，容易实现集合、相加等组合操作，数据结构方法简洁，生成速度快，无冗余信息，而且能够详细地记录构成空间数据实体的原始特征参数，一次性生成后入库作为基础数据，后期可以进行多次应用。当需要多个数据和空间数据模型进行融合时，不需要实时进行空间查询分析，而直接通过编码查询，减小融合时的计算复杂度，减少计算时间，提高分析效率。
进一步地，所述S6的具体步骤为：
S61、根据分析范围以及空间数据模型的细分层级level参数，计算得到在指定范围内体模型的编号集合；
S62、根据体模型的编号集合，在数据库中查询需要的体模型；
S63、将查询的体模型的关联属性信息的唯一编号和业务数据融合；
S64、根据实际业务需求渲染体模型,得到最终的分析结果，实现基于八叉树的多源数据空间融合。
进一步地，所述S61的具体步骤为：
B1、将分析范围转换至Web墨卡托投影坐标系，得到范围最小值和范围最大值/>的投影坐标值，其中，/>表示投影后的经度，/>表示投影后的纬度，/>表示投影后的高度；
B2、根据空间数据模型的细分层级level参数，分别获取体模型的大小和空间数据模型的正方体包围盒的边长，计算点的编号坐标/>，其中，/>点表示指定范围内体模型对应的坐标值，/>表示/>点的行号，/>表示/>点的列号，/>表示/>点的深度；
B3、对、/>以及/>进行向下取整，得到最大值编号坐标值/>，对/>、以及/>进行向下取整，得到最小值编号坐标值/>；
B4、获取在最大值编号坐标值以及最小值编号坐标值之间的所有编号坐标值集合；
B5、基于编号坐标值集合，通过体模型编码公式，计算得到体模型编码集合。
进一步地，所述B2中计算点的编号坐标/>的公式为：
其中，表示投影后的经度，/>表示投影后的纬度，/>表示投影后的高度，/>表示体模型的大小，/>表示体模型的边长，/>表示细分层级level参数。
附图说明
图1为本发明基于八叉树的多源数据空间融合方法的流程图。
图2为本发明当细分层级level参数等于1时体模型的示意图。
具体实施方式
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
实施例1
如图1所示，本发明提供了一种基于八叉树的多源数据空间融合方法，包括以下步骤：
S1、确定空间数据模型的细分层级level参数以及三维场景中空间数据模型坐标原点的地理位置；
S2、根据三维场景中空间数据模型坐标原点的地理位置，将空间数据模型进行投影，得到空间数据模型的空间位置和范围；
S3、基于八叉树算法，生成空间数据模型的每一级具有空间位置和范围的体模型；
S4、将所有体模型进行编码，得到体模型的编码；
S5、将体模型的编码、范围、空间位置、细分层级level参数以及关联属性信息的唯一编号存入数据库；
S6、根据分析范围，通过体模型与业务数据进行融合渲染分析，实现基于八叉树的多源数据空间融合。
所述S2的具体步骤为：
S21、根据三维场景中空间数据模型坐标原点的地理位置，设置空间数据模型坐标系下空间数据模型的轴、/>轴以及/>轴朝向；
S22、利用Web墨卡托投影空间数据模型坐标系，将空间数据模型坐标原点的地理位置转换成Web墨卡托投影后的坐标，并将空间数据模型进行Web墨卡托投影，放到投影后的坐标/>处，得到空间数据模型的空间位置，其中，/>表示投影后空间数据模型坐标原点的经度，/>表示投影后空间数据模型坐标原点的纬度，/>表示投影后空间数据模型坐标原点的高度；
S23、根据空间数据模型坐标原点的地理位置以及轴、/>轴和/>轴，利用正方体包围盒算法计算得到空间数据模型的最外层体模型的范围，得到空间数据模型的范围。
本实施例1中，空间数据模型坐标原点的地理位置包括经度、纬度以及高度，设置空间数据模型坐标系下空间数据模型的轴、/>轴以及/>轴朝向，其中，设置/>轴朝东，/>轴朝北，/>轴垂直于/>轴与/>轴所在的平面。
所述S3的具体步骤为：
S31、沿着轴、/>轴以及/>轴方向将空间数据模型的最外层体模型划分为八个大小相等的体模型，且划分的体模型具有空间位置和范围；
S32、判断空间数据模型的细分层级level参数是否等于预设参数，若是，则停止细分，生成空间数据模型的每一级具有空间位置和范围的体模型，否则，进入S33；
S33、检测每个体模型内是否存在空间数据模型，若存在，则将体模型划分为八个大小相等的体模型，且划分的体模型具有空间位置和范围，返回S32，否则，不进行划分，返回S32。
本实施例1中，根据空间数据模型的细分层级level参数，创建每一级下的体模型，将沿着轴、/>轴以及/>轴方向将空间数据模型的最外层体模型划分为八个大小相等的体模型，此时在空间坐标系下划分出来的体模型也是具有空间位置和范围的。
体模型的相对位置，即相对于空间数据模型坐标原点的距离，而空间数据模型坐标原点由空间数据模型自身设定。体模型的空间位置等于体模型的相对位置加上空间数据模型坐标原点投影后的坐标。
如图2所示，当细分层级level参数等于1时，体模型个数为8个，检测每个体模型内是否存在空间数据模型，如果存在空间数据模型，则将每个体模型继续划分为八个大小相等的体模型。
当细分层级level参数等于2时，体模型细分为64个，然后再将这64个体模型依次划分为八个大小相等的体模型，以此类推，直到细分层级level参数等于预设参数时，停止细分。
所述S4的具体步骤为：
S41、将每个体模型均设置一个具有三个轴向编号的坐标值；
S42、假设为空间数据模型坐标系下任意的点，当坐标值为整数时，根据编码公式将/>所在的体模型表示为二进制，得到体模型的编码/>，其中，/>表示/>所在体模型在/>轴的行号，/>表示/>所在体模型在/>轴的列号，表示/>所在体模型在/>轴的深度。
本实施例1中，对每个体模型都设置一个具有三个轴向编号的坐标值，分别代表坐标系下在轴的行号、在/>轴的列号以及在/>轴的深度，其中，左上角体模型的坐标值为，右下角体模型的坐标值为/>。
所述S42中编码公式为：
其中，表示体模型的编码，/>表示编码中第/>位的数值，/>表示/>轴上任意行号数的二进制数中的其中任意一位，/>表示/>轴上任意列号数的二进制数中的其中任意一位，/>表示/>轴上任意深度数的二进制数中的其中任意一位。
本实施例1中，以坐标值为（5，3，8）的体模型为例进行编码。则将十进制的5、3以及8分别转换为二进制的0101、0011以及1000。并计算、/>、/>以及/>，其中，，/>，/>，，因此坐标值为（5，3，8）的体模型编码为4123。
所述S6的具体步骤为：
S61、根据分析范围以及空间数据模型的细分层级level参数，计算得到在指定范围内体模型的编号集合；
S62、根据体模型的编号集合，在数据库中查询需要的体模型；
S63、将查询的体模型的关联属性信息的唯一编号和业务数据融合；
S64、根据实际业务需求渲染体模型,得到最终的分析结果，实现基于八叉树的多源数据空间融合。
本实施例1中，业务数据包含位置（经度、纬度、高度）属性，通过空间包含关系判断业务数据的位置是否在体模型中，将体模型的关联属性信息的唯一编号与业务数据融合。通过业务数据进行渲染，通过业务数据的字段值的不同区间渲染不同的颜色。
所述S61的具体步骤为：
B1、将分析范围转换至Web墨卡托投影坐标系，得到范围最小值和范围最大值/>的投影坐标值，其中，/>表示投影后的经度，/>表示投影后的纬度，/>表示投影后的高度；
B2、根据空间数据模型的细分层级level参数，分别获取体模型的大小和空间数据模型的正方体包围盒的边长，计算点的编号坐标/>，其中，/>点表示指定范围内体模型对应的坐标值，/>表示/>点的行号，/>表示/>点的列号，/>表示/>点的深度；
B3、对、/>以及/>进行向下取整，得到最大值编号坐标值/>，对/>、以及/>进行向下取整，得到最小值编号坐标值/>；
B4、获取在最大值编号坐标值以及最小值编号坐标值之间的所有编号坐标值集合；
B5、基于编号坐标值集合，通过体模型编码公式，计算得到体模型编码集合。
所述B2中计算点的编号坐标/>的公式为：
其中，表示投影后的经度，/>表示投影后的纬度，/>表示投影后的高度，/>表示体模型的大小，/>表示体模型的边长，/>表示细分层级level参数。
本实施例1中，假设细分层级level参数为1，空间数据模型的最外层体模型的边长等于40000,则体模型的大小为，即20000。假设范围最小值为（1000,1000,1000）和范围最大值为（30000,30000,30000），计算/>、/>以及/>的值，并向下取整，得到最小值编号坐标值为（0，0，0）和最大值编号坐标值为（1，1，1）。
得到最小值编号坐标值（0，0，0）以及最大值编号坐标值（1，1，1）之间的所有编号坐标值集合，即（0,0,0）、（1,0,0）、（0,1,0）、（1,1,0）、（0,0,1）、（1,0,1）、（0,1,1）和（1,1,1）。
再通过编码公式得到每一个的编号坐标值对应的编码，从而获得编号集合为：0000、0001、0002、0003、0004、0005、0006以及0007。
实施例2
在实施例2中，将通过一个具体的三维可视化人口分布分析案例对本发明作进一步说明。
实现多维度空间人口分布态势图分析，可以更加直观、一目了然、立体的显示人口分布密度。在统计小区人口入住率,租房人口，老龄化人口和新生出生人口上面有很大应用价值。
传统技术只能按照建筑物整体进行分析，而本发明使用的方法将人口业务数据中每个小区每栋楼的人口数据与体模型通过属性关联，按照每个体模型对应的人口数据进行统计，统计获得每个体模型的总人口数，将统计结果分等级，按照不同颜色进行渲染，呈现三维立体空间的整体分布情况。
具体实现方法包括以下步骤：
A1、确定房屋建筑物空间数据模型细分层级level参数以及三维场景中房屋建筑物空间数据模型坐标原点的地理位置；
A2、根据三维场景中房屋建筑物空间数据模型坐标原点的地理位置，将房屋建筑物空间数据模型进行投影，得到房屋建筑物空间数据模型的空间位置和范围；
A3、基于八叉树算法，生成房屋建筑物空间数据模型的每一级具有空间位置和范围的体模型；
A4、将所有体模型进行编码，得到体模型的编码；
A5、将体模型的编码、范围、空间位置、细分层级level参数以及关联属性信息的唯一编号存入数据库；
A6、根据房屋建筑物分析范围，通过体模型与人口数据进行融合渲染分析，实现基于八叉树的多源数据空间融合。
所述A2的具体步骤为：
A21、根据三维场景中房屋建筑物空间数据模型坐标原点的地理位置，设置房屋建筑物空间数据模型坐标系下房屋建筑物空间数据模型的轴、/>轴以及/>轴朝向；
A22、利用Web墨卡托投影房屋建筑物空间数据模型坐标系，将房屋建筑物空间数据模型坐标原点的地理位置转换成Web墨卡托投影后的坐标，并将房屋建筑物空间数据模型进行Web墨卡托投影，放到投影后的坐标/>处，得到房屋建筑物空间数据模型的空间位置，其中，/>表示投影后房屋建筑物空间数据模型坐标原点的经度，/>表示投影后房屋建筑物空间数据模型坐标原点的纬度，/>表示投影后房屋建筑物空间数据模型坐标原点的高度；
A23、根据房屋建筑物空间数据模型坐标原点的地理位置以及轴、/>轴和/>轴，利用正方体包围盒算法计算得到房屋建筑物空间数据模型的最外层体模型的范围，得到房屋建筑物空间数据模型的范围。
所述A3的具体步骤为：
A31、沿着轴、/>轴以及/>轴方向将房屋建筑物空间数据模型的最外层体模型划分为八个大小相等的体模型，且划分的体模型具有空间位置和范围；
A32、判断房屋建筑物空间数据模型的细分层级level参数是否等于预设参数，若是，则停止细分，生成房屋建筑物空间数据模型的每一级具有空间位置和范围的体模型，否则，进入S33；
A33、检测每个体模型内是否存在空间数据模型，若存在，则将体模型划分为八个大小相等的体模型，且划分的体模型具有空间位置和范围，返回S32，否则，不进行划分，返回S32。
所述A4的具体步骤为：
A41、将每个体模型均设置一个具有三个轴向编号的坐标值；
A42、假设为房屋建筑物空间数据模型坐标系下任意的点，当坐标值为整数时，根据编码公式将/>所在的体模型表示为二进制，得到体模型的编码/>，其中，/>表示/>所在体模型在/>轴的行号，/>表示/>所在体模型在/>轴的列号，/>表示/>所在体模型在/>轴的深度。
所述A42中编码公式为：
其中，表示体模型的编码，/>表示编码中第/>位的数值，/>表示/>轴上任意行号数的二进制数中的其中任意一位，/>表示/>轴上任意列号数的二进制数中的其中任意一位，/>表示/>轴上任意深度数的二进制数中的其中任意一位。
所述A6的具体步骤为：
A61、根据房屋建筑物分析范围以及房屋建筑物空间数据模型的细分层级level参数，计算得到在指定范围内体模型的编号集合；
A62、根据体模型的编号集合，在数据库中查询需要的体模型；
A63、将查询的体模型和人口数据融合；
A64、根据人口数据渲染体模型,得到最终的三维空间下的人口分布密度事态图，实现基于八叉树的多源数据空间融合。
所述A61的具体步骤为：
R1、将房屋建筑物分析范围转换至Web墨卡托投影坐标系，得到范围最小值和范围最大值/>的投影坐标值，其中，/>表示投影后的经度，表示投影后的纬度，/>表示投影后的高度；
R2、根据房屋建筑物空间数据模型的细分层级level参数，分别获取体模型的大小和房屋建筑物空间数据模型的正方体包围盒的边长，计算点的编号坐标/>，其中，点表示指定范围内体模型对应的坐标值，/>表示/>点的行号，/>表示/>点的列号，/>表示/>点的深度；
R3、对、/>以及/>进行向下取整，得到最大值编号坐标值/>，对/>、以及/>进行向下取整，得到最小值编号坐标值/>；
R4、获取在最大值编号坐标值以及最小值编号坐标值之间的所有编号坐标值集合；
R5、基于编号坐标值集合，通过体模型编码公式，计算得到体模型编码集合。
所述R2中计算点的编号坐标/>的公式为：
其中，表示投影后的经度，/>表示投影后的纬度，/>表示投影后的高度，/>表示体模型的大小，/>表示体模型的边长，/>表示细分层级level参数。
本实施例2中，渲染时通过人口数据的字段值的不同区间渲染不同颜色，例如人口数据1到10人渲染绿色，10到50人渲染黄色，50到100渲染红色，而传统技术只能按照建筑物整体进行分析。传统渲染空间颗粒度只能到建筑物栋级别，即按照每栋楼统计渲染结果。渲染空间颗粒度可以根据细分层级level参数细分，可以实现每栋建筑物内部分块统计渲染结果，统计精度更灵活，可以根据需要调整空间颗粒度大小，更重要的是可以实现小空间颗粒度的精准分析。
Claims (8)
1.一种基于八叉树的多源数据空间融合方法，其特征在于，包括以下步骤：
S1、确定空间数据模型的细分层级level参数以及三维场景中空间数据模型坐标原点的地理位置；
S2、根据三维场景中空间数据模型坐标原点的地理位置，将空间数据模型进行投影，得到空间数据模型的空间位置和范围；
S3、基于八叉树算法，生成空间数据模型的每一级具有空间位置和范围的体模型；
S4、将所有体模型进行编码，得到体模型的编码；
S5、将体模型的编码、范围、空间位置、细分层级level参数以及关联属性信息的唯一编号存入数据库；
S6、根据分析范围，通过体模型与业务数据进行融合渲染分析，实现基于八叉树的多源数据空间融合。
2.根据权利要求1所述的基于八叉树的多源数据空间融合方法，其特征在于，所述S2的具体步骤为：
S21、根据三维场景中空间数据模型坐标原点的地理位置，设置空间数据模型坐标系下空间数据模型的轴、/>轴以及/>轴朝向；
S22、利用Web墨卡托投影空间数据模型坐标系，将空间数据模型坐标原点的地理位置转换成Web墨卡托投影后的坐标，并将空间数据模型进行Web墨卡托投影，放到投影后的坐标/>处，得到空间数据模型的空间位置，其中，/>表示投影后空间数据模型坐标原点的经度，/>表示投影后空间数据模型坐标原点的纬度，/>表示投影后空间数据模型坐标原点的高度；
S23、根据空间数据模型坐标原点的地理位置以及轴、/>轴和/>轴，利用正方体包围盒算法计算得到空间数据模型的最外层体模型的范围，得到空间数据模型的范围。
3.根据权利要求2所述的基于八叉树的多源数据空间融合方法，其特征在于，所述S3的具体步骤为：
S31、沿着轴、/>轴以及/>轴方向将空间数据模型的最外层体模型划分为八个大小相等的体模型，且划分的体模型具有空间位置和范围；
S32、判断空间数据模型的细分层级level参数是否等于预设参数，若是，则停止细分，生成空间数据模型的每一级具有空间位置和范围的体模型，否则，进入S33；
S33、检测每个体模型内是否存在空间数据模型，若存在，则将体模型划分为八个大小相等的体模型，且划分的体模型具有空间位置和范围，返回S32，否则，不进行划分，返回S32。
4.根据权利要求1所述的基于八叉树的多源数据空间融合方法，其特征在于，所述S4的具体步骤为：
S41、将每个体模型均设置一个具有三个轴向编号的坐标值；
S42、假设为空间数据模型坐标系下任意的点，当坐标值为整数时，根据编码公式将/>所在的体模型表示为二进制，得到体模型的编码/>，其中，/>表示所在体模型在/>轴的行号，/>表示/>所在体模型在/>轴的列号，/>表示/>所在体模型在/>轴的深度。
5.根据权利要求4所述的基于八叉树的多源数据空间融合方法，其特征在于，所述S42中编码公式为：
其中，表示体模型的编码，/>表示编码中第/>位的数值，/>表示/>轴上任意行号数的二进制数中的其中任意一位，/>表示/>轴上任意列号数的二进制数中的其中任意一位，/>表示/>轴上任意深度数的二进制数中的其中任意一位。
6.根据权利要求1所述的基于八叉树的多源数据空间融合方法，其特征在于，所述S6的具体步骤为：
S61、根据分析范围以及空间数据模型的细分层级level参数，计算得到在指定范围内体模型的编号集合；
S62、根据体模型的编号集合，在数据库中查询需要的体模型；
S63、将查询的体模型的关联属性信息的唯一编号和业务数据融合；
S64、根据实际业务需求渲染体模型,得到最终的分析结果，实现基于八叉树的多源数据空间融合。
7.根据权利要求6所述的基于八叉树的多源数据空间融合方法，其特征在于，所述S61的具体步骤为：
B1、将分析范围转换至Web墨卡托投影坐标系，得到范围最小值和范围最大值/>的投影坐标值，其中，/>表示投影后的经度，/>表示投影后的纬度，表示投影后的高度；
B2、根据空间数据模型的细分层级level参数，分别获取体模型的大小和空间数据模型的正方体包围盒的边长，计算点的编号坐标/>，其中，/>点表示指定范围内体模型对应的坐标值，/>表示/>点的行号，/>表示/>点的列号，/>表示/>点的深度；
B3、对、/>以及/>进行向下取整，得到最大值编号坐标值/>，对/>、/>以及进行向下取整，得到最小值编号坐标值/>；
B4、获取在最大值编号坐标值以及最小值编号坐标值/>之间的所有编号坐标值集合；
B5、基于编号坐标值集合，通过体模型编码公式，计算得到体模型编码集合。
8.根据权利要求7所述的基于八叉树的多源数据空间融合方法，其特征在于，所述B2中计算点的编号坐标/>的公式为：
其中，表示投影后的经度，/>表示投影后的纬度，/>表示投影后的高度，/>表示体模型的大小，/>表示体模型的边长，/>表示细分层级level参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311267215.5A CN117011475B (zh) | 2023-09-28 | 2023-09-28 | 一种基于八叉树的多源数据空间融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311267215.5A CN117011475B (zh) | 2023-09-28 | 2023-09-28 | 一种基于八叉树的多源数据空间融合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117011475A true CN117011475A (zh) | 2023-11-07 |
| CN117011475B CN117011475B (zh) | 2023-12-19 |
Family
ID=88562156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311267215.5A Active CN117011475B (zh) | 2023-09-28 | 2023-09-28 | 一种基于八叉树的多源数据空间融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117011475B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105808672A (zh) * | 2016-03-01 | 2016-07-27 | 重庆市勘测院 | 基于浏览器的海量三维点云数据的发布方法 |
| CN106898047A (zh) * | 2017-02-24 | 2017-06-27 | 朱庆 | 倾斜模型和多元模型动态融合的自适应网络可视化方法 |
| US20200211232A1 (en) * | 2017-07-13 | 2020-07-02 | Interdigital Vc Holdings, Inc | A method and apparatus for encoding/decoding a point cloud representing a 3d object |
| WO2023287220A1 (ko) * | 2021-07-15 | 2023-01-19 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 |
| CN116680648A (zh) * | 2023-03-24 | 2023-09-01 | 中乾思创(北京)科技有限公司 | 一种数字孪生城市的业务融合数据生成方法及系统 |
-
2023
- 2023-09-28 CN CN202311267215.5A patent/CN117011475B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105808672A (zh) * | 2016-03-01 | 2016-07-27 | 重庆市勘测院 | 基于浏览器的海量三维点云数据的发布方法 |
| CN106898047A (zh) * | 2017-02-24 | 2017-06-27 | 朱庆 | 倾斜模型和多元模型动态融合的自适应网络可视化方法 |
| US20200211232A1 (en) * | 2017-07-13 | 2020-07-02 | Interdigital Vc Holdings, Inc | A method and apparatus for encoding/decoding a point cloud representing a 3d object |
| WO2023287220A1 (ko) * | 2021-07-15 | 2023-01-19 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 수신 방법 및 포인트 클라우드 데이터 수신 장치 |
| CN116680648A (zh) * | 2023-03-24 | 2023-09-01 | 中乾思创(北京)科技有限公司 | 一种数字孪生城市的业务融合数据生成方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| WADIM KEHL等: "An Octree-Based Approach towards Efficient Variational Range Data Fusion", COMPUTER SCIENCE, pages 1 - 6 * |
| 黄昕等: "基于混合上下文熵模型的点云几何编码算法", 福州大学学报( 自然科学版), vol. 51, no. 3, pages 326 - 332 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117011475B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107170033A (zh) | 基于激光雷达技术的智慧城市3d实景地图系统 | |
| CN102306180A (zh) | 一种基于海量激光雷达栅格点云数据的建模方法 | |
| CN110825831B (zh) | 数字孪生城市多尺度空间网格编码方法及装置 | |
| CN110321443A (zh) | 三维实景模型数据库构建方法、装置及数据服务系统 | |
| CN114049462B (zh) | 一种三维模型单体化方法及装置 | |
| WO2024037236A1 (zh) | 路口面的生成方法、装置、设备、存储介质和程序产品 | |
| CN115937461B (zh) | 多源融合模型构建及纹理生成方法、装置、介质及设备 | |
| CN105354882A (zh) | 一种大数据架构的大空间范围输电三维全景展示平台构建方法 | |
| CN107273466B (zh) | 球面三角形离散格网编码向地理经纬度坐标的快速转换方法 | |
| CN115719410A (zh) | 一种空间模型数据的切片方法 | |
| CN101169871A (zh) | 面向大规模静态场景实时渲染的hlod预处理方法 | |
| CN109885638B (zh) | 一种三维立体空间索引方法及系统 | |
| CN106340046B (zh) | 一种基于图像化地理信息的雷达目标位置分析方法 | |
| CN113516777B (zh) | 一种城市建筑物三维自动建模与可视化方法 | |
| CN117011475B (zh) | 一种基于八叉树的多源数据空间融合方法 | |
| CN113987082A (zh) | 一种基于地理实体编码的三维单体模型数据模型表达方法 | |
| Yang et al. | Analysis of visualization technology of 3d spatial geographic information system | |
| CN109241216B (zh) | 使用电网层级存储数据库架构实现网格化管理的方法 | |
| CN103793937A (zh) | 一种基于密度聚类的三维几何模型的简化方法及其装置 | |
| CN115408382B (zh) | 面向大规模卫星数据的矢量空间信息网格化存储管理方法 | |
| CN103984748B (zh) | 一种大尺度日地空间的太阳风数据剖分、编码及存取方法 | |
| CN111028349A (zh) | 一种适用于海量三维实景数据快速可视化的层级构建方法 | |
| CN114580351A (zh) | 一种全球剖分网格与局部相对位置网格融合编码的方法 | |
| CN110135043A (zh) | 一种城市街廓空间形态分类方法及系统 | |
| CN112364116B (zh) | 建立地下管线三维模型与目标gis系统关联的方法及系统 |
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 |