CN117152333A - 一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法 - Google Patents

一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法 Download PDF

Info

Publication number
CN117152333A
CN117152333A CN202311132817.XA CN202311132817A CN117152333A CN 117152333 A CN117152333 A CN 117152333A CN 202311132817 A CN202311132817 A CN 202311132817A CN 117152333 A CN117152333 A CN 117152333A
Authority
CN
China
Prior art keywords
building
point cloud
point
dom
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
Application number
CN202311132817.XA
Other languages
English (en)
Inventor
刘洁冰
钟兴
童鑫
李文涛
李冬瑞
宋欣屿
高祎雪
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.)
Chang Guang Satellite Technology Co Ltd
Original Assignee
Chang Guang Satellite 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 Chang Guang Satellite Technology Co Ltd filed Critical Chang Guang Satellite Technology Co Ltd
Priority to CN202311132817.XA priority Critical patent/CN117152333A/zh
Publication of CN117152333A publication Critical patent/CN117152333A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明提出一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法。所述方法首先利用DSM、DOM生成地表、地物的有色点云；其次，对有色点云进行分割，并使用欧式聚类方法进行建筑物单独提取；然后，对各自建筑物点云进行顶部轮廓提取；最后，利用建筑物顶部轮廓的位置信息，人为构建建筑物侧面点云，并与纹理库中的图片进行映射，获取色彩信息。在进行点云构网后，即生成具有纹理的建筑物侧面实景三维模型。所述方法可提高卫星影像实景三维模型的精细程度和美观度，对市场认可度提升有明显作用。该方法原理简单，易于实现，能够应用于工程实际中。

Description

一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法
技术领域
本发明属于遥感测绘技术领域，特别是涉及一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法。
背景技术
实景三维模型是指基于真实地理数据，通过三维建模技术生成的真实感极强、能够模拟真实环境的三维模型。它不同于传统的建筑模型和虚拟场景模型，具有高度的真实感和可视化效果。
卫星影像和航空影像是地形级、城市级实景三维建模的主要影像数据来源。然而，由于角度限制，单张卫星影像只能拍摄到建筑物的顶部和部分侧面，很难获取建筑物的全部侧面信息，导致实景三维模型缺少建筑物侧面的细节和特征。这种情况在城市高楼密集的地区尤为明显，因为建筑物之间的距离较小，角度限制也更加严格。构建建筑物侧面纹理可明显提高卫星影像实景三维模型的精细程度和美观度，对市场认可度提升有明显作用。
目前，针对实景三维模型建筑物侧面纹理的构建或修复，主要利用商业软件进行后期处理。由于卫星影像拍摄面积大、实景三维模型纹理缺失情况严重，利用商业软件后期处理工作量巨大，难以满足实际需求。
发明内容
本发明目的是为了解决现有技术中的问题，提出了一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法。所述构建方法通过提取卫星影像单体建筑物顶部点云轮廓，构建建筑物侧面点云，并通过纹理映射方法对其添加纹理。
本发明是通过以下技术方案实现的，本发明提出一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法，所述方法包括以下步骤：
步骤一、利用DSM、DOM生成地表、地物的有色点云；
步骤二、对有色点云进行分割，并使用欧式聚类方法进行建筑物单独提取；
步骤三、对各自建筑物点云进行顶部轮廓提取；
步骤四、利用建筑物顶部轮廓的位置信息，人为构建建筑物侧面点云，并与纹理库中的图片进行映射，获取色彩信息；在进行点云构网后，即生成具有纹理的建筑物侧面实景三维模型。
进一步地，所述DSM包含地表、地物的地理位置信息和高程信息，所述DOM包含地表、地物的地理位置信息和色彩信息。
进一步地，在步骤一中，定义DSM、DOM数据行数为height，列数为width；定义geo_x为X向像元分辨率，geo_y为Y向像元分辨率，geo_x0为DSM、DOM左上角数据点X坐标，geo_y0为DSM、DOM左上角数据点Y坐标；定义index为数据索引号；定义point.x、point.y、point.z、point.r、point.g、point.b分别表示有色点云的XYZ坐标信息和RGB色彩信息；利用第三方数据库提取出DSM的高程信息和DOM各波段色彩信息，分别存于dsm_data[]、dom_data[]中；则从左上角开始，对于第i行、第j列数据有：
index＝i*width+j
point.x＝j*geo_x+geo_x0
point.y＝i*geo_y+geo_y0
point.z＝dsm_data[index]
point.r＝dom_data[index]
point.g＝dom_data[index+height*width]
point.b＝dom_data[index+height*width*2]。
进一步地，所述分割具体为：对于平坦区域，直接设置高度阈值，将点云中典型建筑物与地面分割开；对于高程起伏大的区域，对点云进行分块处理，每块单独设置截取阈值。
进一步地，所述使用欧式聚类方法进行建筑物单独提取具体为：使用kdTree结构查找最近邻，考虑建筑物间距，设置聚类半径阈值为5m；考虑到点云密度及建筑物高度、宽度，设置聚类点最小个数为600，最大个数为50000；聚类完成后，各典型建筑物形成单独点云，并剔除了不满足要求的异常点云。
进一步地，在步骤三中，采用基于法线估计的方法来检测和提取建筑物顶部点云边界，具体为：先计算点云的法向量，然后根据法向量的变化来判断是否为边界点；对提取出来的建筑物顶部点云轮廓构建最小外接矩形；所述构建最小外接矩形包括：
将点云轮廓投影到水平面，根据点云位置信息，计算点云轮廓的几何位置中心，作为外接矩形的几何中心；
以水平方向和竖直方向作为外接矩形四条边的基准方向，计算当前点云轮廓水平方向和竖直方向的最大距离，作为外接矩形两个方向的边长；
按照逆时针或顺时针方向，以1°间隔，0°～180°范围，递增调整外接矩形四条边的基准方向，重新计算外接矩形两个方向的边长，记录各自外接矩形的面积、顶点坐标以及此时旋转的度数；
上一步完成后，点云轮廓已计算出180个不同角度的外接矩形，选择面积最小的外接矩形，即为最小外接矩形。
进一步地，步骤三中已计算出投影后最小外接矩形的4个顶点坐标，此时顶点坐标只有平面信息，结合地面高程信息和点云轮廓高程信息，构建出底部高程等于地面高程、顶部高程等于点云轮廓平均高程、水平坐标采用最小外接矩形顶点坐标的建筑物长方体结构；在长方体4个侧面，根据数量和密度要求添加侧面点云，此时，添加的侧面点云没有色彩信息。
进一步地，纹理映射时，选择对bmp图片与建筑物侧面进行完全映射；定义bmp图片像素行数和列数分别为bmp_rows、bmp_cols，则添加的建筑物侧面点云大小为：
cloud-＞size＝bmp_rows*bmp_cols
此时，建筑物侧面点个数与bmp图片像素个数完全对应，可一一进行纹理映射，完全映射不会损失纹理图片的色彩信息；
如果不需要如此多的侧面点，则采用降采样映射，定义采样率为N，则有：
cloud-＞size＝(bmp_rows/N)*(bmp_cols/N)
对映射后的有色点云进行构网，即可生成具有纹理的建筑物侧面实景三维模型。
本发明提出一种电子设备，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所述一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法的步骤。
本发明提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法的步骤。
本发明的有益效果：
本发明提出了一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法，可提高卫星影像实景三维模型的精细程度和美观度，对市场认可度提升有明显作用。该方法原理简单，易于实现，能够应用于工程实际中。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为所述一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法流程图。
图2为所述一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法使用前的实景三维模型效果图(无侧面纹理)。
图3为所述一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法使用后的实景三维模型效果图(有侧面纹理)。
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。
本发明针对现有技术中的问题，提出了一种基于DSM(数字表面模型)、DOM(数字正射影像)、纹理图片库的实景三维模型侧面纹理构建方法。本发明所述方法首先利用DSM、DOM生成地表、地物的有色点云；其次，对有色点云进行分割，并使用欧式聚类方法进行建筑物单独提取；然后，对各自建筑物点云进行顶部轮廓提取；最后，利用建筑物顶部轮廓的位置信息，人为构建建筑物侧面点云，并与纹理库中的图片进行映射，获取色彩信息。在进行点云构网后，即生成具有纹理的建筑物侧面实景三维模型。
具体地，结合图1-图3，本发明提出一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法，所述方法包括以下步骤：
步骤一、利用DSM、DOM生成地表、地物的有色点云；
利用拍摄同一地点、满足基高比要求、影像条件良好的卫星影像像对，生成该区域的DSM和DOM。其中，DSM包含地表、地物的地理位置信息和高程信息，DOM包含地表、地物的地理位置信息和色彩信息。在生成有色点云前，提前对DSM、DOM进行裁剪，保证其地理位置信息完全重合。定义DSM、DOM数据行数为height，列数为width；定义geo_x为X向像元分辨率，geo_y为Y向像元分辨率，geo_x0为DSM、DOM左上角数据点X坐标，geo_y0为DSM、DOM左上角数据点Y坐标；定义index为数据索引号；定义point.x、point.y、point.z、point.r、point.g、point.b分别表示有色点云的XYZ坐标信息和RGB色彩信息；利用第三方数据库提取出DSM的高程信息和DOM各波段色彩信息，分别存于dsm_data[]、dom_data[]中；则从左上角开始，对于第i行、第j列数据有：
index＝i*width+j
point.x＝j*geo_x+geo_x0
point.y＝i*geo_y+geo_y0
point.z＝dsm_data[index]
point.r＝dom_data[index]
point.g＝dom_data[index+height*width]
point.b＝dom_data[index+height*width*2]
由于PCD、OBJ、OSGB等格式文件均采用Float数据类型存储，在处理WGS84投影坐标系数据时，由于坐标值较大，会发生有效位数不足的问题，造成模型精度损失、模型模糊或抖动。因此在点云坐标信息读入时，会计算X、Y向均值作为偏移量，在计算过程中将其减掉，并在生成三维模型时将偏移量补回。
步骤二、对有色点云进行分割，并使用欧式聚类方法进行建筑物单独提取；
所述分割具体为：对于平坦区域，直接设置高度阈值，将点云中典型建筑物与地面分割开；对于高程起伏大的区域，对点云进行分块处理，每块单独设置截取阈值。
所述使用欧式聚类方法进行建筑物单独提取具体为：使用kdTree结构查找最近邻，考虑建筑物间距，设置聚类半径阈值为5m；考虑到点云密度及建筑物高度、宽度，设置聚类点最小个数为600，最大个数为50000；聚类完成后，各典型建筑物形成单独点云，并剔除了不满足要求的异常点云。
步骤三、对各自建筑物点云进行顶部轮廓提取；
在步骤三中，采用基于法线估计的方法来检测和提取建筑物顶部点云边界，具体为：先计算点云的法向量，然后根据法向量的变化来判断是否为边界点；考虑到典型建筑物基本为矩形结构，因此对提取出来的建筑物顶部点云轮廓构建最小外接矩形，对于复杂建筑，也可以拆分成多个矩形建筑进行处理；所述构建最小外接矩形包括：
将点云轮廓投影到水平面，根据点云位置信息，计算点云轮廓的几何位置中心，作为外接矩形的几何中心；
以水平方向和竖直方向作为外接矩形四条边的基准方向，计算当前点云轮廓水平方向和竖直方向的最大距离，作为外接矩形两个方向的边长；
按照逆时针或顺时针方向，以1°间隔，0°～180°范围，递增调整外接矩形四条边的基准方向，重新计算外接矩形两个方向的边长，记录各自外接矩形的面积、顶点坐标以及此时旋转的度数；
上一步完成后，点云轮廓已计算出180个不同角度的外接矩形，选择面积最小的外接矩形，即为最小外接矩形。
步骤四、利用建筑物顶部轮廓的位置信息，人为构建建筑物侧面点云，并与纹理库中的图片进行映射，获取色彩信息；在进行点云构网后，即生成具有纹理的建筑物侧面实景三维模型。
步骤三中已计算出投影后最小外接矩形的4个顶点坐标，此时顶点坐标只有平面信息，结合地面高程信息和点云轮廓高程信息，构建出底部高程等于地面高程、顶部高程等于点云轮廓平均高程、水平坐标采用最小外接矩形顶点坐标的建筑物长方体结构；在长方体4个侧面，根据数量和密度要求添加侧面点云，此时，添加的侧面点云没有色彩信息。
可以利用纹理图片库作为纹理来源。以24位深度bmp图片格式为例，其像素的存储顺序是从下到上、从左到右。像素颜色信息按照BGR顺序存放，每种颜色占一个字节，范围0～255，以unsigned char类型存储。据此可读取出整张bmp图片的色彩信息。
纹理映射时，选择对bmp图片与建筑物侧面进行完全映射；定义bmp图片像素行数和列数分别为bmp_rows、bmp_cols，则添加的建筑物侧面点云大小为：
cloud-＞size＝bmp_rows*bmp_cols
此时，建筑物侧面点个数与bmp图片像素个数完全对应，可一一进行纹理映射，完全映射不会损失纹理图片的色彩信息；
如果不需要如此多的侧面点，则采用降采样映射，定义采样率为N，则有：
cloud-＞size＝(bmp_rows/N)*(bmp_cols/N)
对映射后的有色点云进行构网，即可生成具有纹理的建筑物侧面实景三维模型。
本发明所提出的一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法简要流程图如图1所示。使用吉林一号高分04A星影像数据制作DSM、DOM，使用人工拍摄的建筑物侧面照片作为纹理图片，使用Microsoft Visual Studio 2022作为仿真平台，利用PCL库和OSG库，对本发明所述构建方法进行验证。
本发明所提出的一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法使用前、无侧面纹理的的实景三维模型效果图如图2所示，本发明所提出的一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法使用后、有侧面纹理的的实景三维模型效果图如图3所示。
仿真结果显示，本发明所提出的一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法使用后，建筑物侧面纹理构建完全，美观度提升明显，具有使用价值。
本发明提出一种电子设备，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所述一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法的步骤。
本发明提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法的步骤。
本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasablePROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(doubledata rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambusRAM，DRRAM)。应注意，本发明描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，高密度数字视频光盘(digital video disc，DVD))、或者半导体介质(例如，固态硬盘(solid state disc，SSD))等。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
应注意，本申请实施例中的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
以上对本发明所提出的一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法，其特征在于，所述方法包括以下步骤：
步骤一、利用DSM、DOM生成地表、地物的有色点云；
步骤二、对有色点云进行分割，并使用欧式聚类方法进行建筑物单独提取；
步骤三、对各自建筑物点云进行顶部轮廓提取；
步骤四、利用建筑物顶部轮廓的位置信息，人为构建建筑物侧面点云，并与纹理库中的图片进行映射，获取色彩信息；在进行点云构网后，即生成具有纹理的建筑物侧面实景三维模型。
2.根据权利要求1所述的方法，其特征在于，所述DSM包含地表、地物的地理位置信息和高程信息，所述DOM包含地表、地物的地理位置信息和色彩信息。
3.根据权利要求2所述的方法，其特征在于，在步骤一中，定义DSM、DOM数据行数为height，列数为width；定义geo_x为X向像元分辨率，geo_y为Y向像元分辨率，geo_x0为DSM、DOM左上角数据点X坐标，geo_y0为DSM、DOM左上角数据点Y坐标；定义index为数据索引号；定义point.x、point.y、point.z、point.r、point.g、point.b分别表示有色点云的XYZ坐标信息和RGB色彩信息；利用第三方数据库提取出DSM的高程信息和DOM各波段色彩信息，分别存于dsm_data[]、dom_data[]中；则从左上角开始，对于第i行、第j列数据有：
index＝i*width+j
point.x＝j*geo_x+geo_x0
point.y＝i*geo_y+geo_y0
point.z＝dsm_data[index]
point.r＝dom_data[index]
point.g＝dom_data[index+height*width]
point.b＝dom_data[index+height*width*2]。
4.根据权利要求1所述的方法，其特征在于，所述分割具体为：对于平坦区域，直接设置高度阈值，将点云中典型建筑物与地面分割开；对于高程起伏大的区域，对点云进行分块处理，每块单独设置截取阈值。
5.根据权利要求4所述的方法，其特征在于，所述使用欧式聚类方法进行建筑物单独提取具体为：使用kdTree结构查找最近邻，考虑建筑物间距，设置聚类半径阈值为5m；考虑到点云密度及建筑物高度、宽度，设置聚类点最小个数为600，最大个数为50000；聚类完成后，各典型建筑物形成单独点云，并剔除了不满足要求的异常点云。
6.根据权利要求5所述的方法，其特征在于，在步骤三中，采用基于法线估计的方法来检测和提取建筑物顶部点云边界，具体为：先计算点云的法向量，然后根据法向量的变化来判断是否为边界点；对提取出来的建筑物顶部点云轮廓构建最小外接矩形；所述构建最小外接矩形包括：
将点云轮廓投影到水平面，根据点云位置信息，计算点云轮廓的几何位置中心，作为外接矩形的几何中心；
以水平方向和竖直方向作为外接矩形四条边的基准方向，计算当前点云轮廓水平方向和竖直方向的最大距离，作为外接矩形两个方向的边长；
按照逆时针或顺时针方向，以1°间隔，0°～180°范围，递增调整外接矩形四条边的基准方向，重新计算外接矩形两个方向的边长，记录各自外接矩形的面积、顶点坐标以及此时旋转的度数；
上一步完成后，点云轮廓已计算出180个不同角度的外接矩形，选择面积最小的外接矩形，即为最小外接矩形。
7.根据权利要求6所述的方法，其特征在于，步骤三中已计算出投影后最小外接矩形的4个顶点坐标，此时顶点坐标只有平面信息，结合地面高程信息和点云轮廓高程信息，构建出底部高程等于地面高程、顶部高程等于点云轮廓平均高程、水平坐标采用最小外接矩形顶点坐标的建筑物长方体结构；在长方体4个侧面，根据数量和密度要求添加侧面点云，此时，添加的侧面点云没有色彩信息。
8.根据权利要求7所述的方法，其特征在于，纹理映射时，选择对bmp图片与建筑物侧面进行完全映射；定义bmp图片像素行数和列数分别为bmp_rows、bmp_cols，则添加的建筑物侧面点云大小为：
cloud-＞size＝bmp_rows*bmp_cols
此时，建筑物侧面点个数与bmp图片像素个数完全对应，可一一进行纹理映射，完全映射不会损失纹理图片的色彩信息；
如果不需要如此多的侧面点，则采用降采样映射，定义采样率为N，则有：
cloud-＞size＝(bmp_rows/N)*(bmp_cols/N)
对映射后的有色点云进行构网，即可生成具有纹理的建筑物侧面实景三维模型。
9.一种电子设备，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1-8任一项所述方法的步骤。
10.一种计算机可读存储介质，用于存储计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1-8任一项所述方法的步骤。
CN202311132817.XA 2023-09-05 2023-09-05 一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法 Pending CN117152333A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311132817.XA CN117152333A (zh) 2023-09-05 2023-09-05 一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311132817.XA CN117152333A (zh) 2023-09-05 2023-09-05 一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法

Publications (1)

Publication Number Publication Date
CN117152333A true CN117152333A (zh) 2023-12-01

Family

ID=88886498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311132817.XA Pending CN117152333A (zh) 2023-09-05 2023-09-05 一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法

Country Status (1)

Country Link
CN (1) CN117152333A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117495735A (zh) * 2024-01-03 2024-02-02 武汉峰岭科技有限公司 一种基于结构引导的建筑物立面纹理自动修复方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117495735A (zh) * 2024-01-03 2024-02-02 武汉峰岭科技有限公司 一种基于结构引导的建筑物立面纹理自动修复方法及系统
CN117495735B (zh) * 2024-01-03 2024-03-26 武汉峰岭科技有限公司 一种基于结构引导的建筑物立面纹理自动修复方法及系统

Similar Documents

Publication Publication Date Title
CN108564527B (zh) 基于神经网络的全景图内容补全和修复的方法及装置
WO2022089018A1 (zh) 三维矢量地图的三维矢量数据切片方法、装置及电子设备
CN104835202A (zh) 一种三维虚拟场景快速构建方法
CN110163831B (zh) 三维虚拟沙盘的物体动态展示方法、装置及终端设备
CN112489099B (zh) 点云配准方法、装置、存储介质及电子设备
CN117152333A (zh) 一种基于卫星影像实景三维模型的建筑物侧面纹理构建方法
US8854360B2 (en) Water surface generation
CN112270642A (zh) 障碍物点云外接矩形框的构建方法、系统及装置
CN111494944A (zh) 一种地形纹理加载方法及相关装置
CN115409957A (zh) 基于虚幻引擎的地图构建方法、电子设备和存储介质
CN111870953A (zh) 一种高度图生成方法、装置、设备及存储介质
CN117115243A (zh) 一种基于街景图片的建筑群外立面窗户定位方法及装置
CN115082641B (zh) 一种基于网格化多邻域插值的点云栅格化方法及装置
CN115033972B (zh) 一种建筑主体结构批量单体化方法、系统及可读存储介质
CN116543109A (zh) 三维重建中孔洞填补方法及系统
CN113838199B (zh) 一种三维地形生成方法
CN115409962A (zh) 虚幻引擎内构建坐标系统的方法、电子设备和存储介质
CN115409960A (zh) 基于虚幻引擎的模型构建方法、电子设备和存储介质
CN115546455A (zh) 一种三维建筑模型单体化方法、装置及存储介质
US20190005736A1 (en) Method and apparatus for calculating a 3d density map associated with a 3d scene
CN114998496A (zh) 一种基于场景航拍图及稀疏点云的正射影像快速生成方法
CN115187720A (zh) 一种基于数字地形分析优化地形渲染的方法
Li et al. Low-cost 3D building modeling via image processing
Habib et al. Integration of lidar and airborne imagery for realistic visualization of 3d urban environments
CN112419459A (zh) 烘焙模型ao贴图的方法、装置、计算机设备和存储介质

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