CN117710617A - 基于vr的巡检方法、系统、可读存储介质及计算机设备 - Google Patents
基于vr的巡检方法、系统、可读存储介质及计算机设备 Download PDFInfo
- Publication number
- CN117710617A CN117710617A CN202311507795.0A CN202311507795A CN117710617A CN 117710617 A CN117710617 A CN 117710617A CN 202311507795 A CN202311507795 A CN 202311507795A CN 117710617 A CN117710617 A CN 117710617A
- Authority
- CN
- China
- Prior art keywords
- data
- preprocessing
- information
- model
- constructing
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 85
- 238000013499 data model Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 21
- 230000000694 effects Effects 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000350052 Daniellia ogea Species 0.000 description 1
- 235000011201 Ginkgo Nutrition 0.000 description 1
- 241000218628 Ginkgo Species 0.000 description 1
- 235000008100 Ginkgo biloba Nutrition 0.000 description 1
- 241000124033 Salix Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种基于VR的巡检方法、系统、可读存储介质及计算机设备，包括采集待测区的数据信息，并对数据信息进行预处理，得到预处理信息，预处理信息包括预处理几何信息及预处理照片数据；根据预处理几何信息以及预处理照片数据构建数字高程模型，并根据预处理照片数据构建地块模型；基于预处理照片数据提取DOM数据，并根据DOM数据构建特征模型；基于虚幻引擎以使数字高程模型、地块模型以及特征模型生成VR巡检数据模型；获取运动目标的观测信息，并将观测信息与VR巡检数据模型进行融合；对运动目标进行跟踪，并调节运动目标的跟踪权值。本发明能够使得待测区的图像内容更加的清晰完整，并且通过调节跟踪权值有效提升用户体验。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种基于VR的巡检方法、系统、可读存储介质及计算机设备。
背景技术
虚拟现实技术(英文名称：Virtual Reality，缩写为VR)又称虚拟实境或灵境技术，是20世纪发展起来的一项全新的实用技术。虚拟现实技术囊括计算机、电子信息、仿真技术，其基本实现方式是以计算机技术为主，利用并综合三维图形技术、多媒体技术、仿真技术、显示技术、伺服技术等多种高科技的最新发展成果，借助计算机等设备产生一个逼真的三维视觉、触觉、嗅觉等多种感官体验的虚拟世界，从而使处于虚拟世界中的人产生一种身临其境的感觉。
VR技术是多种技术的综合，包括实时三维计算机图形技术，广角(宽视野)立体显示技术，对观察者头、眼和手的跟踪技术，以及触觉/力觉反馈、立体声、网络传输、语音输入输出技术等。随着科技的不断发展，VR相关技术进步很快，硬件层面，VR头显设备的硬件性能不断提升，包括更高的分辨率、更高的刷新率、更低的延迟和更舒适的佩戴设计。这些改进提高了虚拟现实的沉浸感和真实感。软件层面，为了支持更多的虚拟现实内容制作，开发了各种内容创作工具。这些工具包括3D建模软件、虚拟现实开发环境、动画制作工具和音频编辑软件，以帮助开发人员和创作者创建高质量的VR内容。改进的图形引擎和渲染技术使VR应用程序能够呈现更逼真、更高分辨率的虚拟环境。
现有技术当中，在通过基于VR技术实现VR巡检培训系统时，由于巡检过程中的虚拟环境非常的复杂，使得VR巡检的过程中环境图像不够清楚完整，从而使得用户的反馈体验较差。
发明内容
基于此，本发明的目的是提供一种基于VR的巡检方法、系统、可读存储介质及计算机设备，以至少解决上述现有技术当中的不足。
一方面，本发明提供一种基于VR的巡检方法，所述方法包括：
采集待测区的数据信息，并对所述数据信息进行预处理，得到预处理信息，所述预处理信息包括预处理几何信息及预处理照片数据；
根据所述预处理几何信息以及所述预处理照片数据构建数字高程模型，并根据所述预处理照片数据构建地块模型；
基于所述预处理照片数据提取DOM数据，并根据所述DOM数据构建特征模型；
基于虚幻引擎以使所述数字高程模型、所述地块模型以及所述特征模型生成VR巡检数据模型；
获取运动目标的观测信息，并将所述观测信息与所述VR巡检数据模型进行融合；
对所述运动目标进行跟踪，并调节所述运动目标的跟踪权值。
与现有技术相比，本发明的有益效果是：通过预处理几何信息以及预处理照片数据构建的数字高程模型，能够有效得到待测区的地形信息，并且通过DOM数据构建的特征模型，可以得到待测区的植被、交通、建筑以及水系模型，从而使得待测区的图像数据更加的完全，进而使得待测区的图像更加的完整，并且通过跟踪运动目标，以及调节运动目标的跟踪权值，可以使得运动目标的观测信息更加的清晰完整，有效提升用户体验。
进一步的，所述采集待测区的数据信息，并对所述数据信息进行预处理的步骤包括：
采用三角测量采集所述待测区的等高线数据，并获取所述待测区的多个角度的地面图像；
根据所述多个角度的地面图像获取所述待测区的三维形状信息以及结构信息；
对所述等高线数据、所述地面图像、所述三维形状信息以及所述结构信息进行清洗。
进一步的，所述根据所述预处理几何信息以及所述预处理照片数据构建数字高程模型的步骤包括：
根据所述预处理几何信息以及所述预处理照片数据生成所述待测区的点云数据；
对所述点云数据进行处理，所述处理依次包括降噪、拼接以及剪辑，得到处理点云数据；
对所述处理点云数据进行标准化处理得到标准点云结果，并对所述标准点云结果进行滤波，得到滤波点云结果；
对所述滤波点云结果进行克里金插值以构建所述数字高程模型。
进一步的，所述根据所述预处理几何信息以及所述预处理照片数据获取所述待测区的点云数据的步骤之前，所述方法包括：
提取所述预处理几何信息中的建模数据以及倾斜数据，并提取出所述预处理照片数据中的航空影像数据；
基于3dsmax依次对所述建模数据、倾斜数据以及航空影像数据进行空三加密、影像密集匹配、多节点并行计算以及纹理映射。
进一步的，所述并根据所述预处理照片数据构建地块模型的步骤包括；
提取所述预处理照片数据中的纹理特征；
将所述纹理特征与所述标准纹理进行匹配，并参考所述预处理数据构建地块模型。
进一步的，所述基于虚幻引擎以使所述数字高程模型、所述地块模型以及所述特征模型生成VR巡检数据模型的步骤之前，所述方法包括：
将3dsmax中的单位调整成预设单位，并基于所述3dsmax建立基础巡检数据模型；
添加并调整所述基础巡检数据模型中的素材贴图。
进一步的，所述运动目标的观测似然函数为：
p(Zt|Xt)＝αpc(Zt|Xt)+βps(Zt|Xt) α+β＝1；
其中，Xt表示所述运动目标的状态，pc(Zt|Xt)和ps(Zt|Xt)分别表示光照观测似然函数、尺度观测似然函数，p表示什么依然函数，Zt表示什么运动目标的观测光照信息，α表示什么光照观测权值，β表示什么尺度观测权值。
另一方面，本发明提供还一种基于VR的巡检系统，所述系统包括：
采集预处理模块，用于采集待测区的数据信息，并对所述数据信息进行预处理，得到预处理信息，所述预处理信息包括预处理几何信息及预处理照片数据；
第一构建模块，用于根据所述预处理几何信息以及所述预处理照片数据构建数字高程模型，并根据所述预处理照片数据构建地块模型；
第二构建模块，用于基于所述预处理照片数据提取DOM数据，并根据所述DOM数据构建特征模型；
生成模块，用于基于虚幻引擎以使所述数字高程模型、所述地块模型以及所述特征模型生成VR巡检数据模型；
获取模块，用于获取运动目标的观测信息，并将所述观测信息与所述VR巡检数据模型进行融合；
跟踪调节模块，用于对所述运动目标进行跟踪，并调节所述运动目标的跟踪权值。
另一方面，本发明还提供一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述的基于VR的巡检方法。
另一方面，本发明还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述的基于VR的巡检方法。
附图说明
图1为本发明第一实施例中的基于VR的巡检方法的流程图；
图2为本发明第一实施例中的UV坐标；
图3中(a)为本发明第一实施例中的输入的隶属度函数图，图3中(b)为本发明第一实施例中的输出变量的隶属度函数图；
图4为本发明第二实施例中的基于VR的巡检系统的结构框图；
图5为本发明第三实施例中的计算机设备的结构框图。
主要元件符号说明：
10、采集预处理模块；
20、第一构建模块；
30、第二构建模块；
40、生成模块；
50、获取模块；
60、跟踪调节模块；
100、存储器；
200、处理器；
300、计算机程序。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图1，所示为本发明第一实施例中的基于VR的巡检方法，所述方法包括步骤S1至步骤S6：
S1，采集待测区的数据信息，并对所述数据信息进行预处理，得到预处理信息，所述预处理信息包括预处理几何信息及预处理照片数据；
在具体实施时，在本实施例中，采用无人机采集待测区的数据信息。
值得说明的是，在其它可选实施例中，可采用三维激光扫描采集待测区的数据信息，三维激光扫描是一种通过激光技术获取物体或场景的三维形状和结构信息的方法。它使用激光器发射脉冲激光束，然后通过接收器接收被物体表面反射回来的激光信号。通过测量激光束的传播时间和方向变化，可以计算出物体表面的距离和形状。并且能够快速、精确地获取复杂物体的几何信息。
具体的，所述步骤S1具体包括步骤S11至步骤S13：
S11，采用三角测量采集所述待测区的等高线数据，并获取所述待测区的多个角度的地面图像；
可以理解的是，在本实施例中，通过无人机采集待测区的数据信息，在具体实施时，采用空中三角测量成果在立体像采集待测区的等高线。根据实际情况，可选择带有高程信息的精确匹配道路特征线、河流边线、面状水域范围线等参与数字高程模型生成。
值得说明的是，无人机数据采集参数设置如下：
H＝f×dg/a；
其中，H为无人机的摄影高度，f为镜头焦距，dg为地面分辨率，a为像元尺寸，需要解释的是，重叠率计算需要通过像点位移来确定，以保证采集到的图像的清晰性；
另外，根据地面影像的分辨率和飞行速度，计算出像点位移量，公式为：
&＝V×T/dg；
其中，&为像点位移，V为飞行速度，飞行速度的单位为Km/h，T为相机曝光时间。
S12，根据所述多个角度的地面图像获取所述待测区的三维形状信息以及结构信息；
需要解释的是，通过无人机采集的图像，可以得到待测区的三维形状信息以及结构信息，在本实施例中，结构信息包括待测区的具体形状。
S13，对所述等高线数据、所述地面图像、所述三维形状信息以及所述结构信息进行清洗；
需要解释的是，将等高线数据、地面图像、三维形状信息以及结构信息进行清洗处理，从而能够使得待测区的局部更加的精细化。
S2，根据所述预处理几何信息以及所述预处理照片数据构建数字高程模型，并根据所述预处理照片数据构建地块模型；
具体的，所述步骤S2包括步骤S21至步骤S28：
S21，提取所述预处理几何信息中的建模数据以及倾斜数据，并提取出所述预处理照片数据中的航空影像数据；
需要解释的是，根据前期的资料收集工作的具体情况，可以将预处理集合信息中的建模数据以及倾斜数据提取出来，以及将预处理照片数据中的航空影像数据提取出来。
S22，基于3dsmax依次对所述建模数据、倾斜数据以及航空影像数据进行空三加密、影像密集匹配、多节点并行计算以及纹理映射；
在具体实施时，通过借助3dsmax等对建模数据、航空影像数据以及倾斜数据依次进行数据预处理、空三加密、影像密集匹配、多节点并行计算、纹理映射，从而能够更好的输出数字高程模型。
S23，根据所述预处理几何信息以及所述预处理照片数据生成所述待测区的点云数据；
需要解释的是，点云数据是指在一个三维坐标系统中的一组向量的集合，在本实施例中，也就是将待测区中的各个点扫描出来，并且每个点都包含三维坐标信息。
S24，对所述点云数据进行处理，所述处理依次包括降噪、拼接以及剪辑，得到处理点云数据；
在具体实施是，点云数据的处理在FARO SCENE中依次进行降噪、拼接以及剪辑，从而得到处理点云数据；
值得说明的是，得到处理点云数据通过格式转换，将格式转换后的3dsmax进行模型还原以及贴图，从而使得后续构建的模型更为的真实有效。
S25，对所述处理点云数据进行标准化处理得到标准点云结果，并对所述标准点云结果进行滤波，得到滤波点云结果；
需要解释的是，使用滤波算法去除标准点云结果中的非地面点，从而使得待测区的地面数据更为的真实。
S26，对所述滤波点云结果进行克里金插值以构建所述数字高程模型；
需要解释的是，在滤波点云结果进行克里金插值构建的数字高程模型，可以使得数字高程模型能够输出高精度的DEM数据；
S27，提取所述预处理照片数据中的纹理特征；
S28，将所述纹理特征与所述标准纹理进行匹配，并参考所述预处理数据构建地块模型；
需要解释的是，将预处理照片数据中的纹理特征提取出来，然后进行纹理匹配，从而可以得到地块模型，地形模型逼真反映地形起伏特征和地表形态，以人工建模的方式对地形表面进行模型表现。
S3，基于所述预处理照片数据提取DOM数据，并根据所述DOM数据构建特征模型；
需要解释的是，DOM数据是一种高分辨率图像数据，根据高分辨率图像数据构建特征模型，在本实施例中，特征模型包括建筑模型、交通模型、植被模型以及水系模型；
建筑模型的基底轮廓线基于1∶500比例尺地形图中建筑物的基底轮廓线直接生成，并与地形图保持一致。建筑模型纹理要求：要求模型结构准确，特有结构不能省略，细节表达准确，能够准确表现0.1米以上的建筑特征，侧面采用真实照片，并作光影效果处理。精细模型应具有较高精细度，最大程度的接近真实，具有丰富的细节，能够表现特色风格物品的特点。要求贴逼真纹理，贴图纹理中对于0.05米的细节应清晰可辨。室内纹理要求：要求模型结构准确，特有结构不能省略，能够清晰表现0.1米以上的物品特征、结构标识，侧面采用真实照片，并作光影效果处理。细致模型应具备较高精细度。要求贴真实纹理，贴图纹理中对于0.1米的建筑细节应清晰可辨。建筑室内的设备的纹理要求：要求模型结构正确，表现出具体形状，能够通过该特征明显辨认，能够表现0.5米以上的建筑特征，侧面采用真实照片或材质纹理，并作光影效果处理。标准模型纹理应真实，贴图纹理中对于0.5米的建筑细节应清晰可辨。
交通模型主要包括道路线路、道路纹理以及人行道，交通模型的构建采用Ⅱ级建模标准，Ⅱ级建模标准的规定如下：
a.道路的铺装方式和材质特点可依据地区现状主要道路特征确定，人行道的铺装图案材质及颜色实地采集。
b.道路上的各类交通标识宜与实际情况一致。
c.其它道路附属设施宜依据现实生活中的典型示例进行建模或纹理表现，几何尺寸应符合相关设施的设计、制造规范、可重复使用。
d.准确反映交通设施及附属设施的结构特征，任一维度变化超过1m的结构特征均应进行三维几何建模；
e.基底轮廓线应与地形图或设计图一致，弧线段可作圆滑处理，模型高度可进行现场测量或通过现场照片判读；
f.全区域范围同一路面须一种纹理。纹理要求细节清晰，准确反映建模物体材质特征，不同材质或铺装形式之间的差别与分隔应清晰反映；
g.模型的基底应与所处地形位置处于同一水平面上，与地形起伏相吻合。
植被模型纹理从纹理库中提取，行道树位置根据DOM影像图制作，地块内部植被参考DOM影像图以点缀的形式丰富场景，以美观为主。植被模型综合考虑建设、表现效果等，建立十字面片或多面片几何模型，灌木采用十字面片模型，乔木采用多面片模型。个别乔木受树形影像不能使用多面片的使用十字面片表示，如柳树、水杉、银杏等。
水系模型制作时必须保证存在有水的底面与侧面，底面应与地形相吻合，水面用示意纹理表达。当水底和地景相连为一体时，可直接采用水面纹理。为配合三维场景展示效果，可允许一定的地形损失。水面纹理可根据特定需求表现为静止或动态动画效果。
S4，基于虚幻引擎以使所述数字高程模型、所述地块模型以及所述特征模型生成VR巡检数据模型；
需要解释的是，在本实施例中，虚幻引擎具体为UE4，通过基于UE4以使得数字高程模型、地块模型以及特征模型生成VR巡检数据模型，值得说明的是，将地块模型导入3dsmax中，并从3dsmax中导出至VR巡检数据模型，从而使得VR巡检数据模型中具有有效的地形模型。
另外，在所述步骤S4之前，还包括步骤S041至步骤S042：
S041，将3dsmax中的单位调整成预设单位，并基于所述3dsmax建立基础巡检数据模型；
可以理解的是，在建立VR巡检数据模型之前，要先使用3dsmax软件建立基础巡检数据模型，在建立基础巡检数据模型时，首先要将3dsmax软件的单位调整成预设单位，在本实施例中，预设单位为厘米，随后开始制作场景模型，在制作模型时，模型面数要做到最简，能不分段的地方就不要分段，单个物体命名时要采用英文命名，不要使用中文，放置后续在导入虚幻引擎时出现问题。
S042，添加并调整所述基础巡检数据模型中的素材贴图；
需要解释的是，在规划构建基础巡检数据模型时，应都为标准级别以上模型，根据场景性质及功能进行制作，不同模型对于通用的贴图，可以不改变命名直接使用，现状模型90％以上的模型属于标准级别的模型，规划模型全部属于标准级别以上模型。
另外，由于不同的贴图方法对模型真实还原度、内存的占用量和操作的难易程度都会有很大的影响。为了保证真实度同时，减少内存占用量，本次对不同物体采用不同的贴图方法。地面、墙体、房屋采用多维材质贴图，多维材质可以用一个来表现多个材质才能表现的效果，先根据现场进行分类，然后对不同区域的材质进行ID编号，附上纹理图片，调整纹理位置，最后将模型转换为可编辑多边形，效果好，内存占用量大。
对电机、水泵等复杂形状进行UVW贴图。UVW贴图能将三维模型展开成为带有坐标信息的二维图纸，还原效果细腻，占用空间小，但在UV编辑时，需要对有突出特点的多边形放大拼接移动，操作过程复杂，耗时较长。窗户及一些透明物体，需要进行透明贴图。透明贴图是一种常用的纹理贴图方法，不仅可以还原模型真实纹理，还能达到透过模型看到后边物体的效果，其显示效果较好，很有科技感，透明贴图时需要将显示的纹理图片保存为jpg格式，根据黑透白不透的原则，将显示部分做成白色，将需要透过的地方做成黑色，格式保存为TGA格式，然后把纹理图片设置在漫反射颜色的位图里边，再对参数不透明度进行设置，最后将材质附给模型。由于纹理贴图中主要的数据源是图片，而图片可以被看作是一个储存了大量数据的数组，每个像素的颜色(RGB)值作为数据，根据像素位置组成了一个二维数组，UV坐标就是为索引图片的像素数据所建立的一种二维坐标，具体如图2所示，所示为UV坐标，坐标中，Ouv为像素坐标系统的远点，单位为pixel。
S5，获取运动目标的观测信息，并将所述观测信息与所述VR巡检数据模型进行融合；
需要解释的是，为了提高运动目标跟踪的鲁棒性可利用光照和尺度融合信息描述运动目标的观测信息，并将观测信息与VR巡检数据模型进行融合；
在本实施例中，运动目标的观测似然函数为：
p(Zt|Xt)＝αpc(Zt|Xt)+βps(Zt|Xt) α+β＝1；
其中，Xt表示所述运动目标的状态，pc(Zt|Xt)和ps(Zt|Xt)分别表示光照观测似然函数、尺度观测似然函数，p表示什么依然函数，Zt表示什么运动目标的观测光照信息，α表示什么光照观测权值，β表示什么尺度观测权值；
值得说明的是，0≤α，β≤1，权值α大表示光照信息在跟踪期间可靠，反之亦然。因此可利用模糊逻辑根据前期跟踪结果自适应调节α和β权值的大小，实现光照和尺度变化时信息间的自适应融合。
S6，对所述运动目标进行跟踪，并调节所述运动目标的跟踪权值；
需要解释的是，调节运动目标的跟踪权值，可以使得运动目标的观测信息更加的清晰完整，有效提升用户体验。
值得说明的是，模糊逻辑主要由模糊规则、模糊化、模糊推理、解模糊四部分组成。通过采用单点模糊化、乘积推理和重心解模糊，并定义为：
其中：Rj为第j条模糊规则，Aj为模糊推理规则，L为模糊规则数，e＝(e1,e2,…,el)以及u分别为模糊逻辑输入、模糊逻辑输出；
通过采用单点模糊化、乘积推理和重心解模糊，请参阅图3，所示为输入和输出变量的隶属度函数，则对跟踪期间不可靠的特征信息模糊逻辑赋予较小权值，反之亦然。具体模糊规则，请参阅表1：
表1
综上，本发明上述实施例当中的基于VR的巡检方法，通过预处理几何信息以及预处理照片数据构建的数字高程模型，能够有效得到待测区的地形信息，并且通过DOM数据构建的特征模型，可以得到待测区的植被、交通、建筑以及水系模型，从而使得待测区的图像数据更加的完全，进而使得待测区的图像更加的完整，并且通过跟踪运动目标，以及调节运动目标的跟踪权值，可以使得运动目标的观测信息更加的清晰完整，有效提升用户体验。
实施例二
本发明还提出一种基于VR的巡检系统，请参阅图4，所示为本发明第二实施例中的基于VR的巡检系统，所述系统包括：
采集预处理模块10，用于采集待测区的数据信息，并对所述数据信息进行预处理，得到预处理信息，所述预处理信息包括预处理几何信息及预处理照片数据；
第一构建模块20，用于根据所述预处理几何信息以及所述预处理照片数据构建数字高程模型，并根据所述预处理照片数据构建地块模型；
第二构建模块30，用于基于所述预处理照片数据提取DOM数据，并根据所述DOM数据构建特征模型；
生成模块40，用于基于虚幻引擎以使所述数字高程模型、所述地块模型以及所述特征模型生成VR巡检数据模型；
获取模块50，用于获取运动目标的观测信息，并将所述观测信息与所述VR巡检数据模型进行融合；
所述运动目标的观测似然函数为：
p(Zt|Xt)＝αpc(Zt|Xt)+βps(Zt|Xt) α+β＝1；
其中，Xt表示所述运动目标的状态，pc(Zt|Xt)和ps(Zt|Xt)分别表示光照观测似然函数、尺度观测似然函数，p表示什么依然函数，Zt表示什么运动目标的观测光照信息，α表示什么光照观测权值，β表示什么尺度观测权值；
跟踪调节模块60，用于对所述运动目标进行跟踪，并调节所述运动目标的跟踪权值。
在一些可选实施例中，所述采集预处理模块10包括：
采集获取单元，用于采用三角测量采集所述待测区的等高线数据，并获取所述待测区的多个角度的地面图像；
获取单元，用于根据所述多个角度的地面图像获取所述待测区的三维形状信息以及结构信息；
清洗单元，用于对所述等高线数据、所述地面图像、所述三维形状信息以及所述结构信息进行清洗。
在一些可选实施例中，所述第一构建模块20包括：
生成单元，用于根据所述预处理几何信息以及所述预处理照片数据生成所述待测区的点云数据；
第一处理单元，用于对所述点云数据进行处理，所述处理依次包括降噪、拼接以及剪辑，得到处理点云数据；
滤波单元，用于对所述处理点云数据进行标准化处理得到标准点云结果，并对所述标准点云结果进行滤波，得到滤波点云结果；
构建单元，用于对所述滤波点云结果进行克里金插值以构建所述数字高程模型；
所述第一构建模块20还包括：
第一提取单元，用于提取所述预处理几何信息中的建模数据以及倾斜数据，并提取出所述预处理照片数据中的航空影像数据；
第二处理单元，用于基于3dsmax依次对所述建模数据、倾斜数据以及航空影像数据进行空三加密、影像密集匹配、多节点并行计算以及纹理映射；
第二提取单元，用于提取所述预处理照片数据中的纹理特征；
匹配构建单元，用于将所述纹理特征与所述标准纹理进行匹配，并参考所述预处理数据构建地块模型。
在一些可选实施例中，所述生成模块40包括：
调整单元，用于将3dsmax中的单位调整成预设单位，并基于所述3dsmax建立基础巡检数据模型；
添加调整单元，用于添加并调整所述基础巡检数据模型中的素材贴图。
实施例三
本发明还提出一种计算机设备，请参阅图5，所示为本发明第四实施例中的计算机设备，包括存储器100、处理器200以及存储在所述存储器100上并可在所述处理器200上运行的计算机程序300，所述处理器200执行所述计算机程序300时实现上述的基于VR的巡检方法。
其中，存储器100至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器100在一些实施例中可以是计算机设备的内部存储单元，例如该计算机设备的硬盘。存储器100在另一些实施例中也可以是外部存储装置，例如插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器100还可以既包括计算机设备的内部存储单元也包括外部存储装置。存储器100不仅可以用于存储安装于计算机设备的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
其中，处理器200在一些实施例中可以是电子控制单元(Electronic ControlUnit，简称ECU，又称行车电脑)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器10中存储的程序代码或处理数据，例如执行访问限制程序等。
需要指出的是，图5示出的结构并不构成对计算机设备的限定，在其它实施例当中，该计算机设备可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
本发明实施例还提出一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的基于VR的巡检方法。
本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
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发明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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于VR的巡检方法，其特征在于，所述方法包括：
采集待测区的数据信息，并对所述数据信息进行预处理，得到预处理信息，所述预处理信息包括预处理几何信息及预处理照片数据；
根据所述预处理几何信息以及所述预处理照片数据构建数字高程模型，并根据所述预处理照片数据构建地块模型；
基于所述预处理照片数据提取DOM数据，并根据所述DOM数据构建特征模型；
基于虚幻引擎以使所述数字高程模型、所述地块模型以及所述特征模型生成VR巡检数据模型；
获取运动目标的观测信息，并将所述观测信息与所述VR巡检数据模型进行融合；
对所述运动目标进行跟踪，并调节所述运动目标的跟踪权值。
2.根据权利要求1所述的基于VR的巡检方法，其特征在于，所述采集待测区的数据信息，并对所述数据信息进行预处理的步骤包括：
采用三角测量采集所述待测区的等高线数据，并获取所述待测区的多个角度的地面图像；
根据所述多个角度的地面图像获取所述待测区的三维形状信息以及结构信息；
对所述等高线数据、所述地面图像、所述三维形状信息以及所述结构信息进行清洗。
3.根据权利要求1所述的基于VR的巡检方法，其特征在于，所述根据所述预处理几何信息以及所述预处理照片数据构建数字高程模型的步骤包括：
根据所述预处理几何信息以及所述预处理照片数据生成所述待测区的点云数据；
对所述点云数据进行处理，所述处理依次包括降噪、拼接以及剪辑，得到处理点云数据；
对所述处理点云数据进行标准化处理得到标准点云结果，并对所述标准点云结果进行滤波，得到滤波点云结果；
对所述滤波点云结果进行克里金插值以构建所述数字高程模型。
4.根据权利要求3所述的基于VR的巡检方法，其特征在于，所述根据所述预处理几何信息以及所述预处理照片数据获取所述待测区的点云数据的步骤之前，所述方法包括：
提取所述预处理几何信息中的建模数据以及倾斜数据，并提取出所述预处理照片数据中的航空影像数据；
基于3dsmax依次对所述建模数据、倾斜数据以及航空影像数据进行空三加密、影像密集匹配、多节点并行计算以及纹理映射。
5.根据权利要求1所述的基于VR的巡检方法，其特征在于，所述并根据所述预处理照片数据构建地块模型的步骤包括；
提取所述预处理照片数据中的纹理特征；
将所述纹理特征与所述标准纹理进行匹配，并参考所述预处理数据构建地块模型。
6.根据权利要求1所述的基于VR的巡检方法，其特征在于，所述基于虚幻引擎以使所述数字高程模型、所述地块模型以及所述特征模型生成VR巡检数据模型的步骤之前，所述方法包括：
将3dsmax中的单位调整成预设单位，并基于所述3dsmax建立基础巡检数据模型；
添加并调整所述基础巡检数据模型中的素材贴图。
7.根据权利要求1所述的基于VR的巡检方法，其特征在于，所述运动目标的观测似然函数为：
p(Zt|Xt)＝αpc(Zt|Xt)+βps(Zt|Xt)α+β＝1；
其中，Xt表示所述运动目标的状态，pc(Zt|Xt)和ps(Zt|Xt)分别表示光照观测似然函数、尺度观测似然函数，p表示什么依然函数，Zt表示什么运动目标的观测光照信息，α表示什么光照观测权值，β表示什么尺度观测权值。
8.一种基于VR的巡检系统，其特征在于，所述系统包括：
采集预处理模块，用于采集待测区的数据信息，并对所述数据信息进行预处理，得到预处理信息，所述预处理信息包括预处理几何信息及预处理照片数据；
第一构建模块，用于根据所述预处理几何信息以及所述预处理照片数据构建数字高程模型，并根据所述预处理照片数据构建地块模型；
第二构建模块，用于基于所述预处理照片数据提取DOM数据，并根据所述DOM数据构建特征模型；
生成模块，用于基于虚幻引擎以使所述数字高程模型、所述地块模型以及所述特征模型生成VR巡检数据模型；
获取模块，用于获取运动目标的观测信息，并将所述观测信息与所述VR巡检数据模型进行融合；
跟踪调节模块，用于对所述运动目标进行跟踪，并调节所述运动目标的跟踪权值。
9.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7任一所述的基于VR的巡检方法。
10.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一所述的基于VR的巡检方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311507795.0A CN117710617A (zh) | 2023-11-13 | 2023-11-13 | 基于vr的巡检方法、系统、可读存储介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311507795.0A CN117710617A (zh) | 2023-11-13 | 2023-11-13 | 基于vr的巡检方法、系统、可读存储介质及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117710617A true CN117710617A (zh) | 2024-03-15 |
Family
ID=90145087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311507795.0A Pending CN117710617A (zh) | 2023-11-13 | 2023-11-13 | 基于vr的巡检方法、系统、可读存储介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117710617A (zh) |
-
2023
- 2023-11-13 CN CN202311507795.0A patent/CN117710617A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108919944B (zh) | 一种基于数字城市模型实现在显示端进行数据无损交互的虚拟漫游方法 | |
| Musialski et al. | A survey of urban reconstruction | |
| Kaneda et al. | Three dimensional terrain modeling and display for environmental assessment | |
| McLaren et al. | Visualisation of digital terrain models: techniques and applications | |
| Wang | Landscape design of coastal area based on virtual reality technology and intelligent algorithm | |
| Dollner et al. | Real-time expressive rendering of city models | |
| Lu et al. | Digital preservation for heritages: Technologies and applications | |
| CN102117497A (zh) | 一种三维地形建模方法及系统 | |
| KR20200071293A (ko) | 3차원 컬러 맵 기반의 측위 방법 및 장치 | |
| Zhao et al. | Autonomous driving simulation for unmanned vehicles | |
| CN116342783B (zh) | 一种实景三维模型数据渲染优化方法及系统 | |
| Zhang et al. | The discussion on interior design mode based on 3D virtual vision technology | |
| Dorffner et al. | Generation and visualization of 3D photo-models using hybrid block adjustment with assumptions on the object shape | |
| Kennie et al. | Modelling for digital terrain and landscape visualisation | |
| Whelan et al. | Formulated silhouettes for sketching terrain | |
| CN117710617A (zh) | 基于vr的巡检方法、系统、可读存储介质及计算机设备 | |
| Galazka et al. | CiThruS2: Open-source photorealistic 3d framework for driving and traffic simulation in real time | |
| Ogleby | The” truthlikeness” of virtual reality reconstructions of architectural heritage: concepts and metadata | |
| Siegel et al. | Superimposing height-controllable and animated flood surfaces into street-level photographs for risk communication | |
| CN114663600A (zh) | 一种基于自编码器的点云重建方法及系统 | |
| Abdelguerfi | 3D synthetic environment reconstruction | |
| Döllner et al. | Expressive virtual 3D city models | |
| Xu et al. | Real-time panoramic map modeling method based on multisource image fusion and three-dimensional rendering | |
| Tadamura et al. | A display method of trees by using photo images | |
| Döllner et al. | Non-photorealism in 3D geovirtual environments |
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 |