CN117274536B - 一种实景三维模型重构方法及装置 - Google Patents
一种实景三维模型重构方法及装置 Download PDFInfo
- Publication number
- CN117274536B CN117274536B CN202311560134.4A CN202311560134A CN117274536B CN 117274536 B CN117274536 B CN 117274536B CN 202311560134 A CN202311560134 A CN 202311560134A CN 117274536 B CN117274536 B CN 117274536B
- Authority
- CN
- China
- Prior art keywords
- building
- dimensional
- action
- live
- monomer
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000000178 monomer Substances 0.000 claims abstract description 131
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 238000005520 cutting process Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 abstract description 8
- 230000015654 memory Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003746 surface roughness Effects 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种实景三维模型重构方法及装置，该方法包括：先对原始实景三维模型进行采样获取三维点云，并基于三维点云确定出包含建筑单体模型的第一实景三维模型；对第一实景三维模型的第一轮廓图、第二轮廓图以及第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面；基于各合并闭合平面间的拓扑包含关系确定建筑单体顶面多边形的内外环关系、三角面和建筑单体立面，并基于三角面和建筑单体立面生成三维实景模型，能够实现对实景三维模型中的建筑单体进行自动分割，避免实景三维模型表面凹凸不平和破损。
Description
技术领域
本发明属于实景三维模型技术领域，具体涉及一种实景三维模型重构方法及装置。
背景技术
实景三维模型是指在一定范围内人类生产、生活和生态空间进行真实、立体、时序化反映和表达的数字空间，而随着无人机技术的发展，利用无人机航拍进行实景三维模型构建正在成为主流方式，但是现有的通过无人机航拍构建出的实景三维模型没有建筑单体信息，没有对建筑单体进行分割，并且实景三维模型的表面凹凸不平且存在破损。
因此，如何对实景三维模型中的建筑单体进行自动分割，避免实景三维模型表面凹凸不平且存在破损，是本领域技术人员有待解决的技术问题。
发明内容
本发明的目的是为了解决现有技术中无法对实景三维模型中的建筑单体进行自动分割，且实景三维模型表面凹凸不平容易存在破损的技术问题。
为实现上述技术目的，一方面，本发明提供了一种实景三维模型重构方法，该方法包括：
对原始实景三维模型进行采样获取三维点云，并基于所述三维点云确定出各建筑单体的单体轮廓线，然后基于所述单体轮廓线对所述原始实景三维模型进行裁剪后确定出包含建筑单体模型的第一实景三维模型；
对所述第一实景三维模型正摄图对应的第一轮廓图、深度图对应的第二轮廓图以及法向图对应的第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线进行整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面；
基于各合并闭合平面间的拓扑包含关系确定出各合并闭合平面间的内外环间区域，并对所述内外环间区域进行三角化得到建筑单体顶面的三角面和建筑单体立面，并基于所述建筑单体顶面的三角面和建筑单体立面生成三维实景模型。
进一步地，所述基于所述三维点云确定出各建筑单体的单体轮廓线，具体包括：
通过第一预设算法对所述三维点云进行语义分类得到建筑类别三维点云；
通过第二预设算法对所述建筑类别三维点云进行聚类得到建筑单体点云；
将所述建筑单体点云投影到二维平面上得到所述单体轮廓线。
进一步地，在通过第二预设算法对所述建筑类别三维点云进行聚类前还包括将所述建筑类别三维点云中低于预设高度值的点云进行删除。
进一步地，在将位于同一连通域内中拓扑相连的闭合区域进行合并得到合并闭合平面之前，所述方法还包括：
基于所述第一轮廓图、第二轮廓图和第三轮廓图确定出整体轮廓图，并对所述整体轮廓图进行区域划分获取各个区域平面；
基于闭合区域与每个区域平面之间距离确定出该闭合区域的面法向；
确定每个闭合区域与其他闭合区域两两之间在各自对应的面法向上的投影的第一距离；
将所述第一距离小于预设距离阈值的对应的两个闭合区域判定为在有向图上相连的一对闭合区域，并判断其是否位于同一连通域中。
进一步地，所述对所述整体轮廓图进行区域划分获取各个区域平面，具体包括：
提取出所述整体轮廓图中的每一个区域；
将每一个区域中的点云进行拟合得到对应的区域平面。
进一步地，在基于所述第一轮廓图、第二轮廓图和第三轮廓图确定出整体轮廓图之前，还包括将所述第一实景三维模型中各建筑单体模型进行轴对齐。
进一步地，在得到合并闭合平面之后，还包括对所述合并闭合平面的边进行正则化处理。
进一步地，在基于所述三角面和建筑单体立面生成三维实景模型中还包括通过所述建筑单体顶面多边形确定所述建筑单体立面的高度，具体包括：
若所述建筑单体顶面多边形构成所述建筑单体立面的边与其他建筑单体顶面多边形相连，则该建筑单体立面的最高高度值为该建筑单体顶面多边形和与其相连的建筑单体顶面多边形之间的最高高度值，该建筑单体立面的最低高度值为该建筑单体顶面多边形和与其相连的建筑单体顶面多边形之间的最低高度值；
若所述建筑单体顶面多边形构成所述建筑单体立面的边与其他建筑单体顶面多边形不相连，则该建筑单体立面的最高高度值为该建筑单体顶面多边形的最高高度值，该建筑单体立面的最低高度值为原始实景三维模型中对应立面的最低高度值。
进一步地，在所述生成三维实景模型之后，还包括：
确定出所述三维实景模型中每个三维三角形在对应纹理图像上的二维UV三角形；
将每一个二维UV三角形和所述第一实景三维模型进行射线求交获取对应二维UV三角形的像素值；
基于每个二维UV三角形的像素值对所述三维实景模型进行填充。
另一方面，本发明还提供了一种实景三维模型重构装置，所述装置包括：
单体模块，用于对原始实景三维模型进行采样获取三维点云，并基于所述三维点云确定出各建筑单体的单体轮廓线，然后基于所述单体轮廓线对所述原始实景三维模型进行裁剪后确定出包含建筑单体模型的第一实景三维模型；
合并模块，用于对所述第一实景三维模型正摄图对应的第一轮廓图、深度图对应的第二轮廓图以及法向图对应的第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线进行整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面；
生成模块，用于基于各合并闭合平面间的拓扑包含关系确定出各合并闭合平面间的内外环间区域，并对所述内外环间区域进行三角化得到建筑单体顶面的三角面和建筑单体立面，并基于所述建筑单体顶面的三角面和建筑单体立面生成三维实景模型。
又一方面，本发明还提供了一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器被配置为用于执行如上所述的方法。
本发明提供的一种实景三维模型重构方法、装置及电子设备，与现有技术相比，本方法先对原始实景三维模型进行采样获取三维点云，并基于所述三维点云确定出各建筑单体的单体轮廓线，然后基于所述单体轮廓线对所述原始实景三维模型进行裁剪后确定出包含建筑单体模型的第一实景三维模型；然后对所述第一实景三维模型正摄图对应的第一轮廓图、深度图对应的第二轮廓图以及法向图对应的第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线进行整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面；最后基于各合并闭合平面间的拓扑包含关系确定出各合并闭合平面间的内外环间区域，并对所述内外环间区域进行三角化得到建筑单体顶面的三角面和建筑单体立面，并基于所述建筑单体顶面的三角面和建筑单体立面生成三维实景模型，能够实现对实景三维模型中的建筑单体进行自动分割，避免实景三维模型表面凹凸不平和破损。
附图说明
为了更清楚地说明本说明书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说明书记载的一些实施例，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，还可以根据这些附图获得其他的附图。
图1所示为本说明书实施例提供的实景三维模型重构方法的流程示意图；
图2所示为本说明书实施例提供的实景三维模型重构装置的结构示意图。
具体实施方式
为了使本领域普通技术人员更好地理解本说明书中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1所示为本说明实施例提供的实景三维模型重构方法的流程示意图，虽然本说明提供了如下实施例或附图中所示的方法操作步骤或装置结构，但基于常规或无需创造性劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元，在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行（例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境）。
本说明实施例中提供的实景三维模型重构方法可以应用在客户端和服务器等终端设备中，如图1所示，所述方法具体包括如下步骤：
步骤S101、对原始实景三维模型进行采样获取三维点云，并基于所述三维点云确定出各建筑单体的单体轮廓线，然后基于所述单体轮廓线对所述原始实景三维模型进行裁剪后确定出包含建筑单体模型的第一实景三维模型。
具体的，三维点云数据是指在一个三维坐标系中的一组向量的集合，以点的形式记录，每一个点包含有三维坐标，而且可携带该点的属性信息，其具有高精度、高分辨率和高维度几何信息的特点，因此通过三维点云来确定出建筑单体的单体轮廓线会更加方便、准确和高效。
在对原始实景三维模型进行采样的时候，可按照100m×100m的网格，对原始实景三维模型进行切分，并按照0.2m的采样率对该原始实景三维模型进行均匀采样，得到三维点云数据，其中，网格的尺寸大小和采样率，可由本领域技术人员根据实际情况灵活设置，并不局限于上述描述。
上述中的裁剪过程就是通过所述单体轮廓线对原始实景三维模型进行切割，剩下的部分就是在轮廓线范围内的三维模型，例如原始实景三维模型为一栋楼位于一块草坪中间，单体轮廓线也即楼的轮廓线，通过楼的轮廓线去对该模型进行切割，因为草坪在轮廓线范围外，因此草坪被切割掉，剩下的部分内容即为所需的建筑单体也就是楼。
在本申请实施例中，所述基于所述三维点云确定出各建筑单体的单体轮廓线，具体包括：
通过第一预设算法对所述三维点云进行语义分类得到建筑类别三维点云；
通过第二预设算法对所述建筑类别三维点云进行聚类得到建筑单体点云；
将所述建筑单体点云投影到二维平面上得到所述单体轮廓线。
具体的，在确定出三维点云后，为了更加准确和高效的确定出单体轮廓线，先通过第一预设算法对该三维点云进行语义分类得到建筑类别三维点云，因为三维点云中包含的点云数据是整个原始实景三维模型中所有物对应的点云，因此需要先通过语义分类将其中的建筑类别点云提取出来，这时将提取出的建筑类别点云中低于预设高度值的点云进行删除，因为在原始实景三维模型中，不可避免的会出现车辆、树木以及路灯等各种物体与建筑存在遮挡或者粘连关系，因此需要裁剪掉建筑物底部一些细小结构有利于突出建筑主题部分，能更好地对建筑单体进行实例分割，然后再通过第二预设算法将建筑类别点云进行聚类得到更加准确的建筑单体点云，最后将该建筑单体点云投影到XY二维平面上，基于图像算法即可得到对应建筑单体的单体轮廓线。
其中，第一预设算法可以是RandLaNet深度学习算法，第二预设算法可以是Dbscan算法，但并不局限这两种算法，本领域技术人员可根据实际情况灵活选择其他具有相同功能的算法进行语义分类和聚类。
步骤S102、对所述第一实景三维模型正摄图对应的第一轮廓图、深度图对应的第二轮廓图以及法向图对应的第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线进行整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面。
在本申请实施例中，在将位于同一连通域内中拓扑相连的闭合区域进行合并得到合并闭合平面之前，所述方法还包括：
基于所述第一轮廓图、第二轮廓图和第三轮廓图确定出整体轮廓图，并对所述整体轮廓图进行区域划分获取各个区域平面；
基于闭合区域与每个区域平面之间距离确定出该闭合区域的面法向；
确定每个闭合区域与其他闭合区域两两之间在各自对应的面法向上的投影的第一距离；
将所述第一距离小于预设距离阈值的对应的两个闭合区域判定为在有向图上相连的一对闭合区域，并判断其是否位于同一连通域中。
具体的，每一个闭合区域可以看做是一个的小平面，与其距离最近的区域平面的面法向即是对应闭合区域的面法向，也就是平面法向量，得到的每一个小平面，计算小平面与其他小平面俩俩之间在各自面法向投影上的第一距离，第一距离小于一定阈值就认为该俩小平面在有向图上是相连的一对闭合区域。最后根据每个小平面和其他小平面的连通性，利用warshall算法判断图的连通性也即判断是否位于同一连通域中，对于计算得到的每个连通域内的平面，拓扑相连的平面进行合并形成更大的平面，例如ABCD四个闭合区域，A和B在各自对应的面法向上的投影间的第一距离小于预设距离阈值，则判定A和B在有向图中是相连的，这俩之间有一条有向边，确定出闭合区域两两之间的有向图上是否相连之后，就能够通过warshall算法判断闭合区域间的连通性，并将位于同一连通域内且拓扑相连的闭合区域进行合并，拓扑相连是几何拓扑相连，例如判断出ABC三个闭合区域都是位于同一连通域中，但只有AB是几何拓扑相连的，那么就将AB进行合并，若是ABC三个闭合区域都是几何拓扑相连，则将ABC进行合并，然后重新计算合并闭合平面面法向和面中心点坐标。
其中，在基于所述第一轮廓图、第二轮廓图和第三轮廓图确定出整体轮廓图之前，还包括将所述第一实景三维模型中各建筑单体模型进行轴对齐，所述对所述整体轮廓图进行区域划分获取各个区域平面，具体包括：
提取出所述整体轮廓图中的每一个区域；
将每一个区域中的点云进行拟合得到对应的区域平面。
具体的，将第一实景三维模型中各建筑单体模型进行轴对齐，这样能使建筑单体模型的大部分立面和笛卡尔坐标对其，且有利于下述中建筑单体轮廓的直线提取，然后提取整体轮廓图中的每一个区域具体是通过分水岭算法提取出整体轮廓图中的每一个区域，每一区域也可以看做是一个支撑平面，该区域内的所有点通过拟合算法拟合出一个最佳平面也即上述的区域平面，另外，在得到合并闭合平面之后，还包括对所述合并闭合平面的边进行正则化处理，在容差范围内，使相邻边的关系尽量为相互垂直或者平行，这样处理后的模型更佳平整和美观。
步骤S103、基于各合并闭合平面间的拓扑包含关系确定出各合并闭合平面间的内外环间区域，并对所述内外环间区域进行三角化得到建筑单体顶面的三角面和建筑单体立面，并基于所述建筑单体顶面的三角面和建筑单体立面生成三维实景模型。
具体的，有些合并闭合平面间具有拓扑包含关系，例如CD两个合并闭合平面，C完全在D的内部，或者说C完全被D包含，那么C的轮廓线即是内环，D的轮廓线即为外环，C的轮廓线和D的轮廓线之间也即内外环间区域，该区域是一个多边形，对该区域进行Delaunay三角化得出的三角面也即是建筑单体顶面的三角面，建筑单体立面具体是通过建筑单体顶面的多边形的边来确定的，每一条边构成一个立面。
具体的，在基于所述三角面和建筑单体立面生成三维实景模型中还包括通过所述建筑单体顶面多边形确定所述建筑单体立面的高度，具体包括：
若所述建筑单体顶面多边形构成所述建筑单体立面的边与其他建筑单体顶面多边形相连，则该建筑单体立面的最高高度值为该建筑单体顶面多边形和与其相连的建筑单体顶面多边形之间的最高高度值，该建筑单体立面的最低高度值为该建筑单体顶面多边形和与其相连的建筑单体顶面多边形之间的最低高度值；
若所述建筑单体顶面多边形构成所述建筑单体立面的边与其他建筑单体顶面多边形不相连，则该建筑单体立面的最高高度值为该建筑单体顶面多边形的最高高度值，该建筑单体立面的最低高度值为原始实景三维模型中对应立面的最低高度值。
通过上述处理，能够使建筑单体立面的高度更加快速准确地确定出来，极大减少了分割时间。
并且，在上述生成三维实景模型之后，还包括：
确定出所述三维实景模型中每个三维三角形在对应纹理图像上的二维UV三角形；
将每一个二维UV三角形和所述第一实景三维模型进行射线求交获取对应二维UV三角形的像素值；
基于每个二维UV三角形的像素值对所述三维实景模型进行填充。
具体的，上述步骤实际上是对生成的三维实景模型添加颜色信息，而通过上述处理方法，能够有效提高添加颜色的速度和准确度。
具体的，先将三维实景模型中所有三角面也即三维三角形放到一个二维图像中，得到对应的二维UV三角形，UV是指UV坐标也就是纹理坐标，是三角面中每个顶点在二维图像中的坐标位置，然后三维三角形和二维三角形的对应关系，能反向得到像素对应的位置在实际三维模型中的空间位置点P，然后这个P点沿着面法向射线，与第一实景三维模型求交得到一个交点，这个交点相应的纹理颜色信息(RGB)就是二维UV三角形内部的对应的那个像素颜色值(RGB)。
经过上述处理后，能够实现对实景三维模型中的建筑单体进行自动分割，在一台intel i9-10900K CPU，nvdia RTX3090显卡的电脑上，城区区域的1平方公里的实景三维模型，基本只需要1-2个小时即可完成所有建筑的单体化分割。如果采用人工方式进行单体化分割，至少需要10个小时以上才能完成，而且人工的方式还更容易出现漏分割，错分割的情况，并且，通过本方法得到的三维单体化建筑模型，能够自动修复边缘缺失部分，且表面平整，三角网数量相比原始单体化建筑模型，会小1到2个数量级，避免实景三维模型表面凹凸不平和破损。
基于上述的实景三维模型重构方法，本说明一个或多个实施例还提供一种实景三维模型重构的平台、终端，该平台或终端可以包括使用本说明书实施例所述方法的装置、软件、模块、插件、服务器、客户端等并结合必要的实施硬件的装置，基于同一创新构思，本说明书实施例提供的一个或多个实施例中的系统如下面的实施例所述，由于系统解决问题的实施方案与方法类似，因此本说明书实施例具体的系统的实施可以参考前述方法的实施，重复之处不再赘述，以下所使用的术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，软硬件结合的实现也是可能并被构想的。
具体地，图2是本说明书提供的实景三维模型重构装置一个实施例的模块结构示意图，如图2所示，本说明书中提供的实景三维模型重构装置包括：
单体模块201，用于对原始实景三维模型进行采样获取三维点云，并基于所述三维点云确定出各建筑单体的单体轮廓线，然后基于所述单体轮廓线对所述原始实景三维模型进行裁剪后确定出包含建筑单体模型的第一实景三维模型；
合并模块202，用于对所述第一实景三维模型正摄图对应的第一轮廓图、深度图对应的第二轮廓图以及法向图对应的第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线进行整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面；
生成模块203，用于基于各合并闭合平面间的拓扑包含关系确定出各合并闭合平面间的内外环间区域，并对所述内外环间区域进行三角化得到建筑单体顶面的三角面和建筑单体立面，并基于所述建筑单体顶面的三角面和建筑单体立面生成三维实景模型。
需要说明的是，上述的系统根据对应方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照上述对应的方法实施例的描述，在此不作一一赘述。
本申请实施例还提供了一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器被配置为用于执行如上述实施例提供的方法。
本申请实施例提供的电子设备，通过存储器存储处理器的可执行指令，当处理器执行该可执行指令时，能够先对原始实景三维模型进行采样获取三维点云，并基于所述三维点云确定出各建筑单体的单体轮廓线，然后基于所述单体轮廓线对所述原始实景三维模型进行裁剪后确定出包含建筑单体模型的第一实景三维模型；然后对所述第一实景三维模型正摄图对应的第一轮廓图、深度图对应的第二轮廓图以及法向图对应的第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线进行整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面；最后基于各合并闭合平面间的拓扑包含关系确定出各合并闭合平面间的内外环间区域，并对所述内外环间区域进行三角化得到建筑单体顶面的三角面和建筑单体立面，并基于所述建筑单体顶面的三角面和建筑单体立面生成三维实景模型，能够实现对实景三维模型中的建筑单体进行自动分割，避免实景三维模型表面凹凸不平和破损。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果，如：
对原始实景三维模型进行采样获取三维点云，并基于所述三维点云确定出各建筑单体的单体轮廓线，然后基于所述单体轮廓线对所述原始实景三维模型进行裁剪后确定出包含建筑单体模型的第一实景三维模型；
对所述第一实景三维模型正摄图对应的第一轮廓图、深度图对应的第二轮廓图以及法向图对应的第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线进行整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面；
基于各合并闭合平面间的拓扑包含关系确定出各合并闭合平面间的内外环间区域，并对所述内外环间区域进行三角化得到建筑单体顶面的三角面和建筑单体立面，并基于所述建筑单体顶面的三角面和建筑单体立面生成三维实景模型。
所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如ram、rom等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、u盘；利用光学方式存储信息的装置如，cd或dvd。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。
本说明书实施例并不局限于必须是符合行业通信标准、标准计算机资源数据更新和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书实施例的可选实施方案范围之内。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或插件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
这些计算机程序指令也可装载到计算机或其他可编程资源数据更新设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参考即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参考方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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。
Claims (9)
1.一种实景三维模型重构方法，其特征在于，所述方法包括：
对原始实景三维模型进行采样获取三维点云，并基于所述三维点云确定出各建筑单体的单体轮廓线，然后基于所述单体轮廓线对所述原始实景三维模型进行裁剪后确定出包含建筑单体模型的第一实景三维模型；
对所述第一实景三维模型正摄图对应的第一轮廓图、深度图对应的第二轮廓图以及法向图对应的第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线进行整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面；
基于各合并闭合平面间的拓扑包含关系确定出各合并闭合平面间的内外环间区域，并对所述内外环间区域进行三角化得到建筑单体顶面的三角面和建筑单体立面，并基于所述建筑单体顶面的三角面和建筑单体立面生成三维实景模型；
其中，在将位于同一连通域内中拓扑相连的闭合区域进行合并得到合并闭合平面之前，所述方法还包括：
基于所述第一轮廓图、第二轮廓图和第三轮廓图确定出整体轮廓图，并对所述整体轮廓图进行区域划分获取各个区域平面；
基于所述闭合区域与每个区域平面之间距离确定出该闭合区域的面法向；
确定每个闭合区域与其他闭合区域两两之间在各自对应的面法向上的投影的第一距离；
将所述第一距离小于预设距离阈值的对应的两个闭合区域判定为在有向图上相连的一对闭合区域，并判断其是否位于同一连通域中。
2.如权利要求1所述的实景三维模型重构方法，其特征在于，所述基于所述三维点云确定出各建筑单体的单体轮廓线，具体包括：
通过第一预设算法对所述三维点云进行语义分类得到建筑类别三维点云；
通过第二预设算法对所述建筑类别三维点云进行聚类得到建筑单体点云；
将所述建筑单体点云投影到二维平面上得到所述单体轮廓线。
3.如权利要求2所述的实景三维模型重构方法，其特征在于，在通过第二预设算法对所述建筑类别三维点云进行聚类前还包括将所述建筑类别三维点云中低于预设高度值的点云进行删除。
4.如权利要求1所述的实景三维模型重构方法，其特征在于，所述对所述整体轮廓图进行区域划分获取各个区域平面，具体包括：
提取出所述整体轮廓图中的每一个区域；
将每一个区域中的点云进行拟合得到对应的区域平面。
5.如权利要求1所述的实景三维模型重构方法，其特征在于，在基于所述第一轮廓图、第二轮廓图和第三轮廓图确定出整体轮廓图之前，还包括将所述第一实景三维模型中各建筑单体模型进行轴对齐。
6.如权利要求1所述的实景三维模型重构方法，其特征在于，在得到合并闭合平面之后，还包括对所述合并闭合平面的边进行正则化处理。
7.如权利要求1所述的实景三维模型重构方法，其特征在于，在基于所述三角面和建筑单体立面生成三维实景模型中还包括通过所述建筑单体顶面多边形确定所述建筑单体立面的高度，具体包括：
若所述建筑单体顶面多边形构成所述建筑单体立面的边与其他建筑单体顶面多边形相连，则该建筑单体立面的最高高度值为该建筑单体顶面多边形和与其相连的建筑单体顶面多边形之间的最高高度值，该建筑单体立面的最低高度值为该建筑单体顶面多边形和与其相连的建筑单体顶面多边形之间的最低高度值；
若所述建筑单体顶面多边形构成所述建筑单体立面的边与其他建筑单体顶面多边形不相连，则该建筑单体立面的最高高度值为该建筑单体顶面多边形的最高高度值，该建筑单体立面的最低高度值为原始实景三维模型中对应立面的最低高度值。
8.如权利要求1所述的实景三维模型重构方法，其特征在于，在所述生成三维实景模型之后，还包括：
确定出所述三维实景模型中每个三维三角形在对应纹理图像上的二维UV三角形；
将每一个二维UV三角形和所述第一实景三维模型进行射线求交获取对应二维UV三角形的像素值；
基于每个二维UV三角形的像素值对所述三维实景模型进行填充。
9.一种实景三维模型重构装置，其特征在于，所述装置包括：
单体模块，用于对原始实景三维模型进行采样获取三维点云，并基于所述三维点云确定出各建筑单体的单体轮廓线，然后基于所述单体轮廓线对所述原始实景三维模型进行裁剪后确定出包含建筑单体模型的第一实景三维模型；
合并模块，用于对所述第一实景三维模型正摄图对应的第一轮廓图、深度图对应的第二轮廓图以及法向图对应的第三轮廓图均进行曲线提取拟合和直线提取拟合，对所有拟合后的曲线和直线进行整合后确定出其内的所有闭合区域，并将位于同一连通域内且拓扑相连的闭合区域进行合并得到合并闭合平面；
生成模块，用于基于各合并闭合平面间的拓扑包含关系确定出各合并闭合平面间的内外环间区域，并对所述内外环间区域进行三角化得到建筑单体顶面的三角面和建筑单体立面，并基于所述建筑单体顶面的三角面和建筑单体立面生成三维实景模型；
其中，在将位于同一连通域内中拓扑相连的闭合区域进行合并得到合并闭合平面之前，所述合并模块，用于：
基于所述第一轮廓图、第二轮廓图和第三轮廓图确定出整体轮廓图，并对所述整体轮廓图进行区域划分获取各个区域平面；
基于所述闭合区域与每个区域平面之间距离确定出该闭合区域的面法向；
确定每个闭合区域与其他闭合区域两两之间在各自对应的面法向上的投影的第一距离；
将所述第一距离小于预设距离阈值的对应的两个闭合区域判定为在有向图上相连的一对闭合区域，并判断其是否位于同一连通域中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311560134.4A CN117274536B (zh) | 2023-11-22 | 2023-11-22 | 一种实景三维模型重构方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311560134.4A CN117274536B (zh) | 2023-11-22 | 2023-11-22 | 一种实景三维模型重构方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274536A CN117274536A (zh) | 2023-12-22 |
| CN117274536B true CN117274536B (zh) | 2024-02-20 |
Family
ID=89216461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311560134.4A Active CN117274536B (zh) | 2023-11-22 | 2023-11-22 | 一种实景三维模型重构方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274536B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118657915A (zh) * | 2024-08-20 | 2024-09-17 | 人工智能与数字经济广东省实验室(深圳) | 面向三维实景稠模的建筑单体分割方法、装置、设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113920256A (zh) * | 2021-12-15 | 2022-01-11 | 清华大学 | 一种大场景的三维重建方法、装置及设备 |
| CN113989310A (zh) * | 2021-10-22 | 2022-01-28 | 广州市城市规划勘测设计研究院 | 建筑体量数据的估算方法、装置、设备及存储介质 |
| CN115641401A (zh) * | 2021-07-05 | 2023-01-24 | 华为技术有限公司 | 一种三维实景模型的构建方法及相关装置 |
| CN115761172A (zh) * | 2022-10-10 | 2023-03-07 | 哈尔滨工程大学 | 一种基于点云语义分割与结构拟合的单体建筑三维重建方法 |
| WO2023060632A1 (zh) * | 2021-10-14 | 2023-04-20 | 重庆数字城市科技有限公司 | 基于点云数据的街景地物多维度提取方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160012160A1 (en) * | 2014-07-11 | 2016-01-14 | Graphisoft | Building model user interface and method of use |
-
2023
- 2023-11-22 CN CN202311560134.4A patent/CN117274536B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115641401A (zh) * | 2021-07-05 | 2023-01-24 | 华为技术有限公司 | 一种三维实景模型的构建方法及相关装置 |
| WO2023060632A1 (zh) * | 2021-10-14 | 2023-04-20 | 重庆数字城市科技有限公司 | 基于点云数据的街景地物多维度提取方法和系统 |
| CN113989310A (zh) * | 2021-10-22 | 2022-01-28 | 广州市城市规划勘测设计研究院 | 建筑体量数据的估算方法、装置、设备及存储介质 |
| CN113920256A (zh) * | 2021-12-15 | 2022-01-11 | 清华大学 | 一种大场景的三维重建方法、装置及设备 |
| CN115761172A (zh) * | 2022-10-10 | 2023-03-07 | 哈尔滨工程大学 | 一种基于点云语义分割与结构拟合的单体建筑三维重建方法 |
Non-Patent Citations (2)
| Title |
|---|
| 一种三维实景模型单体建筑物提取方法;赖伟斌;张云生;杜守基;邹峥嵘;王伟玺;李晓明;;测绘与空间地理信息(第04期);40-42 * |
| 倾斜模型建筑单体化表达与操作――单体化房屋为例;赵丽媛;;科技展望(第01期);37 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117274536A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ochmann et al. | Automatic reconstruction of fully volumetric 3D building models from oriented point clouds | |
| US8711143B2 (en) | System and method for interactive image-based modeling of curved surfaces using single-view and multi-view feature curves | |
| Labatut et al. | Robust and efficient surface reconstruction from range data | |
| CN105993034B (zh) | 用于增强表面重构的轮廓求全 | |
| CN107767453B (zh) | 一种基于规则约束的建筑物lidar点云重构优化方法 | |
| CN112347546A (zh) | 基于轻量级设备的bim渲染方法、设备和计算机可读存储介质 | |
| CN107123164A (zh) | 保持锐利特征的三维重建方法及系统 | |
| CN117274536B (zh) | 一种实景三维模型重构方法及装置 | |
| CN113012063B (zh) | 一种动态点云修复方法、装置及计算机设备 | |
| Holzmann et al. | Semantically aware urban 3d reconstruction with plane-based regularization | |
| WO2023124676A1 (zh) | 3d模型构建方法、装置和电子设备 | |
| CN107545602B (zh) | 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法 | |
| CN113888391A (zh) | 一种室内结构化重建方法、装置及计算机可读存储介质 | |
| CN115222879B (zh) | 一种模型减面处理方法、装置、电子设备及存储介质 | |
| CN115439607A (zh) | 一种三维重建方法、装置、电子设备及存储介质 | |
| Song et al. | Volumetric stereo and silhouette fusion for image-based modeling | |
| Hu et al. | Geometric feature enhanced line segment extraction from large-scale point clouds with hierarchical topological optimization | |
| CN117274535B (zh) | 基于点云密度重构实景三维模型的方法、装置及电子设备 | |
| CN117745955B (zh) | 基于建筑基底矢量数据生成城市建筑场景的方法及装置 | |
| CN117078828A (zh) | 一种纹理模型简化方法及装置 | |
| CN117710602B (zh) | 面向稀疏网格三维数据的建筑物重建方法、装置及设备 | |
| JP2023529790A (ja) | フロアプランを生成するための方法、装置およびプログラム | |
| CN109785421A (zh) | 一种基于空地影像组合的纹理映射方法及系统 | |
| CN116912817A (zh) | 三维场景模型拆分方法、装置、电子设备和存储介质 | |
| CN114155263B (zh) | 一种倾斜摄影模型建筑轮廓线自动提取方法、系统及装置 |
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 |