CN117576140A - 基于三维点云道路模型投影轮廓获取方法 - Google Patents
基于三维点云道路模型投影轮廓获取方法 Download PDFInfo
- Publication number
- CN117576140A CN117576140A CN202410064215.3A CN202410064215A CN117576140A CN 117576140 A CN117576140 A CN 117576140A CN 202410064215 A CN202410064215 A CN 202410064215A CN 117576140 A CN117576140 A CN 117576140A
- Authority
- CN
- China
- Prior art keywords
- edge
- point cloud
- edges
- triangle
- dimensional point
- 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 87
- 238000012545 processing Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 31
- 238000012217 deletion Methods 0.000 claims abstract description 27
- 230000037430 deletion Effects 0.000 claims abstract description 27
- 238000010276 construction Methods 0.000 claims description 15
- 230000006855 networking Effects 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000009827 uniform distribution Methods 0.000 abstract 1
- 238000005096 rolling process Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000011295 pitch Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明属于图像处理领域,提供了基于三维点云道路模型投影轮廓获取方法。投影轮廓获取方法至少包括:利用Delaunay三角剖分算法将三维点云道路模型转化为三角网络模型;对三角网络模型进行删边处理;根据完成删边处理的三角网络模型的边界形成投影轮廓。优选地,删边处理至少包括:将处于三角网络模型外边沿、长度超过阈值且至少一个端点连接有超过两条边线的边删除。本发明利用Delaunay三角剖分技术建立三角网络,减少网络中畸形三角形的数量,使得生成的三角网络稳定性强、分布均匀,在此基础上对三角网络外围的三角形进行选择性删除,在获得良好的投影轮廓的同时,降低常数α对投影轮廓的影响,并且可以应用于任意点云模型。
Description
技术领域
本发明涉及图像处理领域,特别涉及基于三维点云道路模型投影轮廓获取方法。
背景技术
轮廓是一个物体最重要的特征,方便对模型进行定位,在碰撞检测,模型切割,相交计算等多个计算机图形学上有着诸多应用。在交通规划设计领域,常常需要制作设计图纸,例如,在建造道路时,常常需要进行开挖施工,对土地进行平整和边坡修筑等施工,需要在三维或者二维的地理模型上标注出道路的施工区域,即,标注出道路的轮廓。若获取的道路模型的轮廓与实际不符则在制作的三维或者二维设计图中会出现道路不符合实际、道路模型与地理模型相交等问题,因此获取贴合实际的轮廓十分重要。
现有技术在轮廓时,采用的方法主要包括凸包类和凹包类两种类型。
凸包类的方法是对于给定二维平面上的点集,将点集最外层的点连接起来构成的凸多边型,它能包含点集中所有的点。目前已有很多较成熟的算法,且结果准确,运行速度快。比如“Graham scan”算法和Preparata 等人提出的“divide-and-conquer”算法。但是凸包类的方法获得的凸多边型轮廓不贴合实际,并且生成的凸多边型远大于实际模型轮廓的面积。
凹包类的方法是在凸包的基础上对凸多边型轮廓进行处理,凹下来部分,使轮廓更为贴合。常见的凹包类的方法包括滚边法(Edge Pivoting)和滚球法(Ball Pivoting)。凹包类的方法通过在一个图形处理相关的PCL库实现了alpha-shape算法来求取一个更为贴合的点云近似区间即凹包。
凹包类的方法获取的多边形轮廓的精细程度由一个常数ɑ决定,ɑ越大,多边形越接近凸包;ɑ越小,多边形越接近于点云,同时越凹凸不平,ɑ过小,则可能出现像毛刺一样满是尖角的情况。
发明内容
本发明的目的在于克服现有技术中所存在的凸包类的方法获取的多边形轮廓其所围的面积远大于所占原始数据点所占据的面积,凹包类的方法获取的多边形轮廓受常数α影响大等问题,提供基于三维点云道路模型投影轮廓获取方法,在获得良好的投影轮廓的同时,降低常数α对投影轮廓的影响。
为了实现上述发明目的,本发明提供了以下技术方案:
基于三维点云道路模型投影轮廓获取方法。所述轮廓获取方法至少包括:利用Delaunay三角剖分算法将三维点云道路模型转化为三角网络模型;对所述三角网络模型进行删边处理;根据完成所述删边处理的三角网络模型的边界形成投影轮廓。优选地,所述删边处理中被删除的边同时满足以下条件:处于三角网络模型外边沿;长度超过阈值;至少一个端点连接有超过两条边线的边删除。
根据一种优选地实施方式,所述删边处理还包括:将三角网络模型中各三角形的边划分为内部边和外部边。优选地,所述内部边为两个相邻三角形的共用边,所述外部边所属的三角形唯一。优选地,将所述外部边中长度超过阈值且至少一个端点连接有超过两条边线的外部边去除。
根据一种优选地实施方式,所述删边处理还包括:去除部分长度超过阈值的外部边后,与被去除的外部边连接的内部边转换成外部边。优选地,对于转换成的外部边判断其长度是否超过阈值,并判断其端点是否仅连接两条外部边。优选地,若转换成的外部边其长度超过阈值且其至少一个端点连接有超过两条的边线,则将所述转换成的外部边删除。
根据一种优选地实施方式,在所有外部边均满足长度不超过阈值或者其参与构成三角形拥有至少两条外部边的情况下,所述删边处理完成。
根据一种优选地实施方式,所述轮廓获取方法还包括:从所述三角网络模型中获取所有三角形的边,并记录其长度和参与构成的三角形数量;将只参与一个三角形构成且长度大于阈值的边加入队列queue;判断所述队列queue中元素是否为空。优选地,若队列中不存在元素,则统计所有仅参与一个三角形构成的边,将其首尾相接,形成投影轮廓。
根据一种优选地实施方式,所述轮廓获取方法还包括:若所述队列queue中元素不为空,则判断队列queue中的边是否存在连接有超过两条边线的端点。优选地,若队列queue中的边存在连接有超过两条边线的端点,则将该边删除。优选地,若队列queue中的边不存在连接有超过两条边线的端点,则将该边移出队列queue。
根据一种优选地实施方式,所述轮廓获取方法还包括:在将队列queue中的边删除的情况下,分别判断被删除边所属三角形的剩余两边的长度是否超过阈值。优选地,若被删除边所属三角形的剩余边的长度超过阈值则将其加入队列queue。
根据一种优选地实施方式,所述阈值的取值能够根据所述三维点云道路模型中相邻三维点的间距进行设置。优选地,所述阈值的取值至少是所述相邻三维点的间距的中位数、众数或平均数的一种。
根据一种优选地实施方式,所述构网处理的处理对象为所述三维点云道路模型在其俯视视角的投影点。
本发明还提供一种三维点云道路模型的投影轮廓获取系统。所述轮廓获取系统至少包括:构网模块、采集模块、处理模块和绘制模块。构网模块利用配置的Delaunay三角剖分算法对三维点云道路模型转换为三角网络模型。采集模块用于从所述三角网络模型中获取所有三角形的边,并记录其长度和参与构成的三角形数量。处理模块用于对所述采集模块获取的边进行选择性删除。绘制模块用于根据所述处理模块的输出结果生成投影轮廓。优选地,所述处理模块执行的选择性删除至少包括:将长度超过阈值且至少一个端点连接有超过两条的边线的边删除。
与现有技术相比,本发明的有益效果:。
1.本发明利用Delaunay三角剖分技术建立三角网络,确保每一个点都在网络中,且三角网络不会出现重叠或遗漏,其构网效果优秀,且唯一,使得生成的三角网络稳定性强、分布均匀,在此基础上对三角网络外围的三角形进行选择性删除以生成三维点云道路模型的投影轮廓,在删边过程中,不会放弃任何一个点,稳定的沿着维点云道路模型的外边沿的点形成轮廓,从而可以避免因点云中的点分布不均匀而导致轮廓不连续、投影轮廓与点云模型过于不贴合、投影轮廓出现过多的毛刺等情况。
2.相较于滚边法和滚球法等凹包类的轮廓求取方法,本发明获取的结果不会因参数变化而发生重大变化;滚边法和滚球法获取的多边形轮廓的精细程度由一个常数ɑ决定,当常数ɑ设置不当时,往往会陷入局部无法继续迭代或外边界与实际边界过大,并且滚边法和滚球法的处理结果随着常数ɑ的变化而变化且变化幅度较大,而本发明在删去外围三角形时,由参数(外部边长度阈值)的设置而导致的处理结果的变化幅度较小,即,本发明在删去外围三角形时,外部边长度阈值可以在一个范围内任意设置,最终都能得出的良好的投影轮廓。
3.本发明在获取三维点云道路模型的投影轮廓时,摆脱了点云分布的限制,滚边法和滚球法等凹包类的轮廓求取方法在获取点云分布不均匀的模型的轮廓时,即使参数选择合适,往往无法得出正确的外轮廓,而本发明由于Delaunay构网的有效特性,考虑所有点最合理的点网格搭建,不考虑点云分布特征,因此,在对点云分布不均匀的模型进行处理时,仍可以获取良好的投影轮廓,进而使得本发明可以应用于任意点云模型。
附图说明
图1为本发明中三角网络模型的点分布示意图;
图2为本发明中三角网络模型的线分布示意图;
图3为本发明中三角网络模型的面分布示意图;
图4为本发明的删边处理的示意图;
图5为本发明获取的三维点云道路模型的投影轮廓的示意图;
图6为本发明获取的三维点云道路模型的投影轮廓的局部放大示意图;
图7为本发明一种优选方案的流程示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
本实施例提供一种基于三维点云道路模型投影轮廓获取方法。优选地,轮廓获取方法至少包括:利用Delaunay三角剖分算法对三维点云道路模型进行构网处理,以将三维点云道路模型转化为三角网络模型;对三角网络模型进行删边处理;根据完成删边处理的三角网络模型的边界形成投影轮廓。优选地,删边处理中被删除的边同时满足以下条件:处于三角网络模型外边沿;长度超过阈值;至少一个端点连接有超过两条边线的边删除。
本实施例利用Delaunay三角剖分技术建立三角网络,确保每一个点都在网络中,且三角网络不会出现重叠或遗漏,其构网效果优秀,且唯一,使得生成的三角网络稳定性强、分布均匀,在此基础上对三角网络外围的三角形进行选择性删除以生成三维点云道路模型的投影轮廓,在删边过程中,不会放弃任何一个点,稳定的沿着维点云道路模型的外边沿的点形成轮廓,从而可以避免因点云中的点分布不均匀而导致轮廓不连续、投影轮廓与点云模型过于不贴合、投影轮廓出现过多的毛刺等情况。
实施例2
本实施例提供一种基于三维点云道路模型投影轮廓获取方法并且本实施例是对实施例1的进一步改进,重复内容不再赘述。
优选地,本实施例中的删边处理还包括:将三角网络模型中各三角形的边划分为内部边和外部边。优选地,内部边为两个相邻三角形的共用边,外部边所属的三角形唯一。优选地,将外部边中长度超过阈值且至少一个端点连接有超过两条边线的外部边去除。
优选地,删边处理还包括:去除部分长度超过阈值的外部边后,与被去除的外部边连接的内部边转换成外部边。优选地,对于转换成的外部边判断其长度是否超过阈值,并判断其端点是否仅连接两条外部边。优选地,若转换成的外部边其长度超过阈值且其至少一个端点连接有超过两条的边线,则将转换成的外部边删除。
优选地,在所有外部边均满足长度不超过阈值或者其参与构成三角形拥有至少两条外部边的情况下,删边处理完成。
优选地,轮廓获取方法还包括:从三角网络模型中获取所有三角形的边,并记录其长度和参与构成的三角形数量;将只参与一个三角形构成且长度大于阈值的边加入队列queue;判断队列queue中元素是否为空。优选地,若队列中不存在元素,则统计所有仅参与一个三角形构成的边,将其首尾相接,形成投影轮廓。
优选地,轮廓获取方法还包括:若队列queue中元素不为空,则判断队列queue中的边是否存在连接有超过两条边线的端点。优选地,若队列queue中的边存在连接有超过两条边线的端点,则将该边删除。优选地,若队列queue中的边不存在连接有超过两条边线的端点,则将该边移出队列queue。
优选地,轮廓获取方法还包括:在将队列queue中的边删除的情况下,分别判断被删除边所属三角形的剩余两边的长度是否超过阈值。优选地,若被删除边所属三角形的剩余边的长度超过阈值则将其加入队列queue。
优选地,阈值的取值能够根据三维点云道路模型中相邻三维点的间距进行设置。优选地,阈值的取值可以是相邻三维点的间距的中位数、众数或平均数的一种。优选地,阈值的取值还可以是与相邻三维点的间距相同数量级的数值。
优选地,构网处理的处理对象为三维点云道路模型在其俯视视角的投影点。
实施例3
本实施例提供一种基于三维点云道路模型投影轮廓获取方法,并且本实施例是对实施例1或实施例2的改进,重复内容不再赘述。
优选地,本实施例提供的获取方法可以包括:对三维点云道路模型进行构网处理得到三角网络模型;对三角网络模型进行删边处理,从而获取三维点云道路模型的投影轮廓。
优选地,三维点云道路模型可以是技术人员通过实地测绘的方式获取的。
优选地,三维点云道路模型也可以是通过无人机航拍、机载或地面激光扫描等方式获取的。
优选地,构网处理可以采用Delaunay三角剖分算法进行。
优选地,本实施例获取的三维点云道路模型的投影轮廓可以是三维点云道路模型在俯视视角的投影轮廓,可以用于在地理模型上确定道路的施工开挖区域等。
优选地,本实施例对三维点云道路模型的构网处理可以是对三维点云的投影点进行的构网处理。优选地,本实施例的构网处理可以是利用Delaunay三角剖分算法对三维点云道路模型在其俯视视角的投影点进行的构网处理。优选地,由于实际地形开挖时,施工图纸大多是以俯视图的形式指示施工区域,本实施例通过对三维点云道路模型在其俯视视角的投影点进行的构网处理,从而将三维空间中的轮廓获取转化为二维平面上的轮廓获取。
优选地,构网处理可以是对三维点云道路模型在其俯视视角的投影点进行的构网处理。优选地,本实施例的构网处理可以是对二维平面上的点集进行的构网处理。
优选地,本实施例采用的Delaunay三角剖分算法具有最大最小角性质和空圆性质。
最大最小角性质是指:Delaunay三角剖分所形成的三角形中,最小的内角是所有三角剖分中最大的。故Delaunay三角剖分所形成的三角形趋近于等边三角形。在不出现奇异性的情况下,Delaunay三角剖分最小角之和均大于任何非Delaunay剖分所形成三角形最小角之和,三角形的最小内角之和最大,从而使得划分的三角形不会出现某个内角过小的情况,比较有利于后续计算。此性质等价于Delaunay三角剖分所形成的三角形的外接圆内不包含其他点。
空圆性质是指:Delaunay三角网络是唯一的,三角网络中任意四点不能共圆,在Delaunay三角形网中任一三角形的外接圆范围内不会有其它点存在。
优选地,利用Delaunay三角剖分算法对三维点云道路模型进行处理后得到如图1、图2、图3所示的三角网络模型。优选地,图1、图2和图3分别从点、线、面三个维度对三角网络模型进行展示。优选地,利用Delaunay三角剖分算法对三维点云道路模型进行处理后得到的三角网络模型为凸包。
优选地,Delaunay三角剖分算法可以采用三角网生长法、分治法、逐点插入法或者其他可以生成的三角网络的算法。优选地,本实施例通过对比各种算法的运行效率,在本实施例中采取三角网生长法。优选地,利用Delaunay三角剖分算法对三维点云道路模型进行处理时,由于Delaunay三角剖分算法遵循“三角剖分最小内角最大”的准则,从而可以避免生成的三角网络模型中出现过于狭长形状糟糕的三角形。
优选地,Delaunay三角剖分算法在对三维点云道路模型进行处理生成三角网络时具有以下优点:
1.最接近:以最近的三点组成三角形,且三角形各边皆不相交。
2.唯一性:不论从何处区域开始构建,最终结果唯一。
3.最优解:任意两个相邻三角形形成的凸四边形的对角线若可以互换,那么两个三角形六个内角中最小的角度不会变大。
4.最规则:若将三角网络中的每个三角形的最小角进行升序排列,则Delaunay三角网的排列得到的数值最大。
5.区域性:新增、删除、移动某一个顶点时只会影响临近的三角形。
6.具有凸多边形的外壳:三角网络最外层的边界形成一个凸多边形的外壳。
优选地,本实施例的Delaunay三角剖分算法对三维点云道路模型进行处理,使其成为三角网络模型的步骤可以包括:
步骤一,选取点云中的任意一点为起始点;
步骤二,选择与起始点最近的点连接成为三角网络的一条基线,按dDelaunay三角剖分算法的最大最小角性质和空圆性质,找出可以与基线构成三角形的第三点;
步骤三,将基线的两个端点与第三点相连形成三角形,并形成两条新的基线;
步骤四,根据最大最小角性质和空圆性质将新基线构造成Delaunay三角形;
步骤五,迭代执行步骤三和步骤四,直至将点云中所有的点都被建立在三角网络内部。
优选地,步骤一中的起始点可以是位于点云几何中心附近的点,也可以是非点云边界的任意一点。
优选地,Delaunay三角剖分算法可以保证百万级别数据在秒级别完成,生成的三角网络中三角形形状较为均匀。
优选地,在将三维点云道路模型转化为三角网络模型后,对三角网络模型进行删边处理,使之成为目标的符合形状的凹包,进而获取三维点云道路模型的投影轮廓。
优选地,在将三维点云道路模型转化为三角网络模型后,统计三角网络信息并生成每条边所属的数据包。优选地,统计三角网络信息可以包括:获取每条边的长度、对三角网络中的每个三角形和每个点进行编号。优选地,数据包中包括有该边两个端点的序号、该边的长度和该边所属三角形的序号。
优选地,删边处理可以包括将处于三角网络模型外边沿且长度超过阈值的边删除,由处于三角网络模型边界的有效边形成凹包外轮廓。
优选地,删边处理可以包括将三角网络模型中各三角形的边划分为内部边和外部边,并去除过长的外部边。优选地,内部边为两个相邻三角形的共用边,外部边所属的三角形唯一。优选地,外部边即为构成三角网络模型边缘轮廓的边。
优选地,将长度超过阈值的外部边去除。优选地,若两条外部边连接于同一个端点,并且该端点仅连接有两条外部边,则保留这两条外部边。
优选地,去除部分长度超过阈值的外部边后,与被去除的外部边连接的内部边成为新的外部边。优选地,对于新的外部边判断其长度是否超过阈值,并判断其端点是否仅连接两条外部边。优选地,若新的外部边其长度超过阈值且其至少一个端点连接有超过两条的边线,则将该外部边删除。
优选地,对三角网络模型进行删边处理后,三角网络的外部边满足下列条件之一:
长度不超过阈值;
长度超过阈值但至少一个端点仅连接有两条边线。
优选地,完成对三角网络模型的删边处理后,所有外部边首尾连接形成外轮廓,从而获取三维点云道路模型的目标轮廓。
实施例4
本实施例提供一种基于三维点云道路模型投影轮廓获取方法,并且本实施例是对实施例1、实施例2和实施例3的进一步改进,重复内容不再赘述。
优选地,在获取三角网络模型后,本实施例对三角网络进行删边处理,用于去除使得生成的三角形位于点云所占区域外的边线,从而获取三维点云道路模型的投影轮廓。
优选地,本实施例获取的是三维点云道路模型在俯视视角的投影轮廓,可以用于地模开挖,重叠模型相交处理等。
参见图4,优选地,本实施例在对三角网络进行删边处理时,可以将外部边中长度超过阈值R且其所属的三角形只有一条外部边的外部边去除,图4中叉号所标记区域中的边线即为需要通过删边处理删除的边线。
优选地,删边处理涉及的步骤可以包括:
将所有的长度超过阈值R的外部边加入队列queue,并对队列queue中的边执行去除操作。
优选地,去除操作可以包括判断队列queue中的外部边其所属的三角形是否只有一条外部边。
优选地,去除操作还可以包括:在队列queue中的外部边其所属的三角形不只有一条外部边的情况下,将该外部边移出队列queue;在队列queue中的外部边其所属的三角形只有一条外部边,则将该外部边去除。
优选地,将外部边去除后其所属的三角形的另外两条边由内部边转换为外部边,此时需要判断新转换的外部边的长度是否超过阈值R,若新转换的外部边的长度超过阈值R则将其加入队列queue,执行去除操作。
优选地,通过对队列queue中的外部边进行选择性去除,使得三角形网络的部分外边沿三角形被删除,从而使得三角网络的内部三角形成为新的外边沿三角形。查看新的外边沿三角形的外部边长度是否超过R,若超过R则将其加入队列queue,执行去除操作。依次迭代,直到队列queue为空,得到所需的三维点云道路模型的投影轮廓。
优选地,本实施例对如图1、图2和图3所示的三角网络模型进行删边处理后得到如图5、图6所示的三维点云道路模型的投影轮廓。
优选地,本实施例中R的取值满足点云中大部分的点间距。例如,当点云中的点间距大部分都在1m-20m时,R的取值可以是10-60m;当点云中的点间距大部分距离在几百米时,R的取值可以是100-1000m。
参见图7,优选地,本实施例根据三维点云道路模型获取其投影轮廓的流程可以包括:
步骤一、获取点集S并对其进行Delaunay三角剖分获取三角网络模型。优选地,点集S为三维点云道路模型在其俯视视角上的投影点集。
步骤二、从三角网络模型中获取所有三角形的边,并记录其长度和参与构成的三角形数量。优选地,从三角网络模型中获取所有三角形的边时,可以记录下该边端点的位置。
步骤三、将只参与一个三角形构成且长度大于R的边加入队列queue。
步骤四、判断队列queue中元素是否为空;
若队列queue中不存在元素,则统计所有仅参与一个三角形构成的边,首尾相接,形成外轮廓;输出获取的轮廓结果;
若队列queue不为空,则取出队列队首元素边e1,得到e1的唯一参与构成的三角形T,T的其余两边为e2和e3。优选地,取出队列队首后,队列queue中的元素数量减一。
步骤五、步骤判断T是否为e2和e3的唯一参与构成的三角形;
若T是e2或e3的唯一参与构成的三角形,则返回步骤四;
若T不是e2和e3的唯一参与构成的三角形,则从T中删除e1,使得e2和e3成为新的外部边;判断e2和e3的长度是否大于R,若e2或e3的长度大于R,则将其加入队列queue,并返回步骤四。
优选地,步骤五结束后返回步骤四,判断队列queue是否为空并根据判定结果执行相应操作。
优选地,本实施例的删边处理对队列queue中的外部边进行选择性去除直至队列queue为空。优选地,在队列queue中不存在元素时,本实施例统计所有仅参与一个三角形构成的边,即,外部边,将所有外部边首尾相接,形成外轮廓;从而获取三维点云道路模型的投影轮廓。
优选地,在最终获取的投影轮廓中,所有外部边均满足长度不超过阈值R或者其参与构成三角形拥有至少两条外部边。
实施例5
本实施例提供一种三维点云道路模型的投影轮廓获取系统。优选地,本实施例提供的三维点云道路模型的投影轮廓获取系统可以用于执行实施例1、实施例2、实施例3和实施例4所提供的基于三维点云道路模型投影轮廓获取方法。
优选地,轮廓获取系统至少包括:构网模块、采集模块、处理模块和绘制模块。构网模块利用配置的Delaunay三角剖分算法对三维点云道路模型转换为三角网络模型。采集模块用于从三角网络模型中获取所有三角形的边,并记录其长度和参与构成的三角形数量。处理模块用于对采集模块获取的边进行选择性删除。绘制模块用于根据处理模块的输出结果生成投影轮廓。优选地,处理模块执行的选择性删除至少包括:将长度超过阈值且至少一个端点连接有超过两条的边线的边删除。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于三维点云道路模型投影轮廓获取方法,其特征在于,所述轮廓获取方法至少包括:
利用Delaunay三角剖分算法对三维点云道路模型进行构网处理,以将所述三维点云道路模型转化为三角网络模型;
对所述三角网络模型进行删边处理;
根据完成所述删边处理的三角网络模型的边界形成投影轮廓;
其中,所述删边处理中被删除的边同时满足以下条件:
处于三角网络模型外边沿;
长度超过阈值;
至少一个端点连接有超过两条边线。
2.根据权利要求1所述的基于三维点云道路模型投影轮廓获取方法,其特征在于,所述删边处理还包括:
将三角网络模型中各三角形的边划分为内部边和外部边,其中,所述内部边为两个相邻三角形的共用边,所述外部边所属的三角形唯一;
将所述外部边中长度超过阈值且至少一个端点连接有超过两条边线的外部边去除。
3.根据权利要求2所述的基于三维点云道路模型投影轮廓获取方法,其特征在于,所述删边处理还包括:
去除部分长度超过阈值的外部边后,与被去除的外部边连接的内部边转换成外部边;
对于转换成的外部边判断其长度是否超过阈值,并判断其端点是否仅连接两条外部边;
若转换成的外部边其长度超过阈值且其至少一个端点连接有超过两条的边线,则将所述转换成的外部边删除。
4.根据权利要求3所述的基于三维点云道路模型投影轮廓获取方法,其特征在于,在所有外部边均满足长度不超过阈值或者其参与构成三角形拥有至少两条外部边的情况下,所述删边处理完成。
5.根据权利要求1所述的基于三维点云道路模型投影轮廓获取方法,其特征在于,所述轮廓获取方法还包括:
从所述三角网络模型中获取所有三角形的边,并记录其长度和参与构成的三角形数量;
将只参与一个三角形构成且长度大于阈值的边加入队列queue;
判断所述队列queue中元素是否为空;
若队列中不存在元素,则统计所有仅参与一个三角形构成的边,将其首尾相接,形成投影轮廓。
6.根据权利要求5所述的基于三维点云道路模型投影轮廓获取方法,其特征在于,所述轮廓获取方法还包括:
若所述队列queue中元素不为空,则判断队列queue中的边是否存在连接有超过两条边线的端点;
若队列queue中的边存在连接有超过两条边线的端点,则将该边删除;
若队列queue中的边不存在连接有超过两条边线的端点,则将该边移出队列queue。
7.根据权利要求6所述的基于三维点云道路模型投影轮廓获取方法,其特征在于,所述轮廓获取方法还包括:
在将队列queue中的边删除的情况下,分别判断被删除边所属三角形的剩余两边的长度是否超过阈值,若超过阈值则将其加入队列queue。
8.根据权利要求1所述的基于三维点云道路模型投影轮廓获取方法,其特征在于,所述阈值的取值能够根据所述三维点云道路模型中相邻三维点的间距进行设置,其中,所述阈值的取值至少是所述相邻三维点的间距的中位数、众数或平均数的一种。
9.根据权利要求1所述的基于三维点云道路模型投影轮廓获取方法,其特征在于,
所述构网处理的处理对象为所述三维点云道路模型在其俯视视角的投影点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410064215.3A CN117576140A (zh) | 2024-01-17 | 2024-01-17 | 基于三维点云道路模型投影轮廓获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410064215.3A CN117576140A (zh) | 2024-01-17 | 2024-01-17 | 基于三维点云道路模型投影轮廓获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117576140A true CN117576140A (zh) | 2024-02-20 |
Family
ID=89862974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410064215.3A Pending CN117576140A (zh) | 2024-01-17 | 2024-01-17 | 基于三维点云道路模型投影轮廓获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576140A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480274A (zh) * | 2017-08-21 | 2017-12-15 | 北京小度信息科技有限公司 | 区域边界信息处理方法和装置 |
WO2018179253A1 (ja) * | 2017-03-30 | 2018-10-04 | 株式会社ソニー・インタラクティブエンタテインメント | ポリゴンモデル生成装置、ポリゴンモデル生成方法及びプログラム |
CN112598799A (zh) * | 2020-12-15 | 2021-04-02 | 珠海市规划设计研究院 | 基于概率论的二维点云外包轮廓处理方法、装置及介质 |
CN116127599A (zh) * | 2022-12-26 | 2023-05-16 | 常州市规划设计院 | 一种基于勘探数据的三维地质bim建模方法和装置 |
-
2024
- 2024-01-17 CN CN202410064215.3A patent/CN117576140A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018179253A1 (ja) * | 2017-03-30 | 2018-10-04 | 株式会社ソニー・インタラクティブエンタテインメント | ポリゴンモデル生成装置、ポリゴンモデル生成方法及びプログラム |
CN107480274A (zh) * | 2017-08-21 | 2017-12-15 | 北京小度信息科技有限公司 | 区域边界信息处理方法和装置 |
CN112598799A (zh) * | 2020-12-15 | 2021-04-02 | 珠海市规划设计研究院 | 基于概率论的二维点云外包轮廓处理方法、装置及介质 |
CN116127599A (zh) * | 2022-12-26 | 2023-05-16 | 常州市规划设计院 | 一种基于勘探数据的三维地质bim建模方法和装置 |
Non-Patent Citations (2)
Title |
---|
廖振修 等: "考虑边界约束的DTM三角网模型生成算法研究", 《合肥工业大学学报(自然科学版)》, vol. 34, no. 9, 28 September 2011 (2011-09-28), pages 1381 - 1384 * |
禄小敏 等: "基于约束Delaunay三角网的线、面群目标分布边界计算", 《测绘工程》, vol. 24, no. 5, 31 May 2015 (2015-05-31), pages 37 - 41 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969624B (zh) | 一种激光雷达三维点云分割方法 | |
JP2009545032A (ja) | 建物屋根タイプの識別の機能を提供する地理空間モデリング・システム及び関連した方法 | |
CN114693696A (zh) | 一种点云数据处理方法及装置 | |
CN114419085A (zh) | 建筑物轮廓线自动提取方法、装置、终端设备及存储介质 | |
CN109741450B (zh) | 一种基于扫描线的路面点云自动提取方法及装置 | |
Branch et al. | Automatic hole-filling of triangular meshes using local radial basis function | |
CN111325138A (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
CN111354083B (zh) | 一种基于原始激光点云的递进式建筑物提取方法 | |
CN114119917A (zh) | 基于输电线路高精度三维模型的可视化隐患测距方法 | |
CN115564926A (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN115131231A (zh) | 辅以多特征聚类的复杂地形区点云层次滤波方法 | |
CN116168384A (zh) | 点云目标检测方法、装置、电子设备及存储介质 | |
Branch et al. | A hole-filling algorithm for triangular meshes using local radial basis function | |
CN114677388A (zh) | 基于单元分解与空间分割的房间布局划分方法 | |
CN116721228B (zh) | 一种基于低密度点云的建筑物高程提取方法及系统 | |
CN117576140A (zh) | 基于三维点云道路模型投影轮廓获取方法 | |
CN111895907B (zh) | 一种电塔点云提取方法、系统及设备 | |
CN117392237A (zh) | 一种鲁棒的激光雷达-相机自标定方法 | |
CN109785261B (zh) | 一种基于灰度体元模型的机载lidar三维滤波方法 | |
CN111583406A (zh) | 杆塔脚基点坐标计算方法、装置及终端设备 | |
CN116468873A (zh) | 一种基于机载TomoSAR点云的建筑模型重建方法 | |
CN112734677B (zh) | 一种机载LiDAR点云空洞内插方法和系统 | |
CN115187720A (zh) | 一种基于数字地形分析优化地形渲染的方法 | |
CN115035227A (zh) | 一种点云数据的处理方法、装置及电子设备 |
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 |