CN117745955B - 基于建筑基底矢量数据生成城市建筑场景的方法及装置 - Google Patents
基于建筑基底矢量数据生成城市建筑场景的方法及装置 Download PDFInfo
- Publication number
- CN117745955B CN117745955B CN202410186801.5A CN202410186801A CN117745955B CN 117745955 B CN117745955 B CN 117745955B CN 202410186801 A CN202410186801 A CN 202410186801A CN 117745955 B CN117745955 B CN 117745955B
- Authority
- CN
- China
- Prior art keywords
- model
- building
- determining
- taking
- characteristic
- 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
- 239000013598 vector Substances 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 230000009466 transformation Effects 0.000 claims abstract description 32
- 239000000178 monomer Substances 0.000 claims abstract description 25
- 230000001131 transforming effect Effects 0.000 claims abstract description 19
- 239000000758 substrate Substances 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 230000015654 memory Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于建筑基底矢量数据生成城市建筑场景的方法及装置，该方法包括：基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系；将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量；根据所述特征向量在模型数据库中搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量；基于最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景。避免了人工操作，实现了快速准确地生成美观、真实的城市建筑场景。
Description
技术领域
本发明属于城市建模技术领域，具体涉及一种基于建筑基底矢量数据生成城市建筑场景的方法及装置。
背景技术
城市建筑场景是一种能够非常直观体现城市建筑和场景的模型，极大程度上方便了对城市建筑进行研究，而现有技术中城市建筑场景的生成主要分为两种，一种是对建筑基底矢量进行三角剖分，通过建筑矢量中的建筑高程、楼高等属性生成建筑模型底面、顶面、侧面的三角网格，缺点是生成的是没有纹理贴图的建筑素模，视觉效果不美观，缺少真实感，另一种是人工使用3DMAX、MAYA等建模软件手工制作模型，并为模型制作纹理贴图，这种方式的优点是能生成接近真实的模型，缺点是建模效率低，无法满足海量建筑场景的生成需要。
因此，如何快速准确地生成美观、真实的城市建筑场景，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快速准确生成真实的城市建筑场景的技术问题。
为实现上述技术目的，一方面本发明提供了一种基于建筑基底矢量数据生成城市建筑场景的方法，该方法包括：
基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系；
将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量；
根据所述特征向量在模型数据库中搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量；
基于所述最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景。
进一步地，所述第一正射俯视图，具体由如下步骤确定：
确定所述建筑模型的轴对齐包围盒；
将所述建筑模型进行去中心化处理，所述去中心化处理具体包括将所述建筑模型的顶点坐标减去所述轴对齐包围盒中心点坐标；
以所述轴对齐包围盒顶面中心点坐标为相机点获取去中心化处理后建筑模型的第一正射俯视图。
进一步地，所述边界多边形的特征边具体通过如下步骤确定：
在所述边界多边形内部按照预设间距采样点云；
将采样出的点云提取出第一主方向和第二主方向；
将所述轴对齐包围盒中心点坐标为原点，第一主方向为x轴，第二主方向为y轴建立局部坐标系；
确定所述边界多边形在所述第一主方向和第二主方向的第一方向长度和第二方向长度；
将所述第一方向长度和第二方向长度中最长的方向长度的一半作为特征阈值；
将所述边界多边形中超过所述特征阈值的边作为特征边。
进一步地，所述方法还包括，若所述边界多边形中不存在超过特征阈值的边，则将所述边界多边形绕所述轴对齐包围盒中心点旋转预设角度后再次确定特征边。
进一步地，所述归一化坐标系是以所述特征边的方向为x轴，特征边的垂直方向为y轴、建筑模型中心点为原点建立的。
进一步地，所述确定出所述第二正射俯视图中的特征向量，具体包括：
将所述第二正射俯视图进行二值化处理得到二值图；
确定所述二值图的最小外接圆，并以圆心为同心确定多个等距的圆；
将得到的所有圆按相同角度进行划分后得到多个封闭区域；
将每一个封闭区域均作为所述特征向量。
进一步地，所述根据所述特征向量在模型数据库中搜索最佳匹配模型，具体包括：
在所述模型数据库中确定出与所述建筑模型的长宽高的比值在预设比值范围内的完整单体模型并将其作为候选模型，然后将所有候选模型组合为初步匹配模型集合；
遍历所述初步匹配模型集合中候选模型的特征向量与所述建筑模型的特征向量之间欧式距离小于预设距离的候选模型，并将其作为待确定模型组合为待确定集合；
将所述待确定集合中与所述建筑模型归一化相关系数最大的待确定模型作为所述最佳匹配模型。
进一步地，所述姿态变换矩阵根据如下公式进行确定：
，
，
，
，
式中，为姿态变换矩阵，/>为最佳匹配模型对应的归一化坐标系的矩阵，/>为缩放矩阵，/>为建筑模型对应的归一化坐标系的逆矩阵，/>为x轴y轴方向的缩放系数，/>为z轴方向的缩放系数，/>为建筑模型的宽度，/>为建筑模型的长度，为最佳匹配模型的宽度，/>为最佳匹配模型的长度，为建筑模型的高度，/>为最佳匹配模型的高度。
另一方面，本发明还提供了一种基于建筑基底矢量数据生成城市建筑场景的装置，所述装置包括：
建立模块，用于基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系；
确定模块，用于将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量；
搜索模块，用于根据所述特征向量在模型数据库中搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量；
变换模块，用于基于所述最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景。
本发明提供的一种基于建筑基底矢量数据生成城市建筑场景的方法及装置，与现有技术相比，本方法基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系；将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量；根据所述特征向量在模型数据库中搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量；基于所述最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景。避免了人工操作，实现了快速准确地生成美观、真实的城市建筑场景。
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基于建筑基底矢量数据生成城市建筑场景方法的流程示意图；
图2所示为本说明书实施例提供的基于建筑基底矢量数据生成城市建筑场景装置的结构示意图；
图3所示为本说明书实施例中特征向量获取示意图。
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，都属于本申请保护的范围。
如图1所示为本说明实施例提供的基于建筑基底矢量数据生成城市建筑场景方法的流程示意图，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基于建筑基底矢量数据生成城市建筑场景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、基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系。
具体的，本申请主要是先通过建筑基底矢量数据先建立一个粗糙的建筑模型，然后在数据库中找到最相似的完整模型，然后进行变换从而快速的生成城市建筑场景。
其中，所述第一正射俯视图，具体由如下步骤确定：
确定所述建筑模型的轴对齐包围盒；
将所述建筑模型进行去中心化处理，所述去中心化处理具体包括将所述建筑模型的顶点坐标减去所述轴对齐包围盒中心点坐标；
以所述轴对齐包围盒顶面中心点坐标为相机点获取去中心化处理后建筑模型的第一正射俯视图。
具体的，计算模型的轴对齐包围盒，把模型也即建筑模型顶点坐标减去包围盒中心点坐标，在模型包围盒顶面中心点放置渲染相机，拍摄经过中心化处理的模型的正射俯视图。
在本申请实施例中，所述边界多边形的特征边具体通过如下步骤确定：
在所述边界多边形内部按照预设间距采样点云；
将采样出的点云提取出第一主方向和第二主方向；
将所述轴对齐包围盒中心点坐标为原点，第一主方向为x轴，第二主方向为y轴建立局部坐标系；
确定所述边界多边形在所述第一主方向和第二主方向的第一方向长度和第二方向长度；
将所述第一方向长度和第二方向长度中最长的方向长度的一半作为特征阈值；
将所述边界多边形中超过所述特征阈值的边作为特征边。
具体的，将第一正射俯视图二值化处理，并从二值图中提取出边界多边形，在边界多边形内部按照0.05米间距采样点云，对采样出的点云使用主成分分析提取出第一主方向和第二主方向，使用模型包围盒中心点作为原点，第一主方向作为X轴，第二主方向作为Y轴，垂直于X轴和Y轴方向作为Z轴，建立一个局部空间直角坐标系，把边界多边形变换到这个坐标系，计算在局部坐标系下边界多边形的X方向长度和Y方向长度，也就是第一方向长度和第二方向长度。
将第一方向长度和第二方向长度中最长的方向长度的一半作为特征阈值，定义特征边为边界多边形上长度大于该阈值的边，提取边界多边形的特征边，对每个特征边，取建筑模型中心点为原点，特征边方向为X轴，垂直于特征边方向为Y轴，建立模型的归一化坐标系。
其中，所述方法还包括，若所述边界多边形中不存在超过特征阈值的边，则将所述边界多边形绕中心点旋转预设角度后再次确定特征边。
具体的，若找到的特征边数量为0，则设置角度参数也即预设角度，默认值取30度，把边界多边形绕轴对齐包围盒中心点按照角度参数逆时针递增旋转，对每个旋转后的位置建立一个模型归一化坐标系去获取到特征边。
步骤S102、将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量。
具体的，将建筑模型变换到归一化坐标系中能统一数据库中完整单体模型特征向量的获取准确度，而第二正射俯视图能够方便快速的获取准确的特征向量。
将建筑模型变换到归一化坐标系中具体通过如下步骤进行变换，根据建筑模型第一正射俯视图的特征边得到归一化坐标系的三个坐标轴：、/>、/>，
归一化坐标系中心点，对建筑模型上的任意一个点/>，通过以下变换得到这个点在归一化坐标系下的坐标：
，
在本申请实施例中，所述确定出所述第二正射俯视图中的特征向量，具体包括：
将所述第二正射俯视图进行二值化处理得到二值图；
确定所述二值图的最小外接圆，并以圆心为同心确定多个等距的圆；
将得到的所有圆按相同角度进行划分后得到多个封闭区域；
将每一个封闭区域均作为所述特征向量。
具体的，获取的特征向量可以视作为section shell特征向量，如图3所示，在第二正射俯视图的最小外接圆上，距离圆心等间隔绘制同心圆环，从水平轴出发，按等角度间隔绘制圆的半径，定义相邻两条圆环包围的环形区域为一个shell壳，定义从圆心出发相邻两条蓝色径向线围成的区域为一个section部分，取shell数为6，section数为12，每个section被shell边界分为6个section子区域，section shell编码统计模型边界多边形在每个section子区域内的面积，并把section子区域的面积除以边界多边形的面积得到归一化的section子区域面积。最后得到72维(section数量×shell数量)的section shell特征向量。
而在数据库录入阶段，将完整单体模型的归一化坐标系信息(中心点坐标、X轴向、Y轴向)， X方向长度、Y方向宽度、Z方向高度、俯视二值图、section shell特征向量作为一条记录存入数据库，如果完整单体模型有多个归一化坐标系就存入多条记录。
步骤S103、根据所述特征向量在模型数据库中搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量。
在本申请实施例中，所述根据所述特征向量在模型数据库中搜索最佳匹配模型，具体包括：
在所述模型数据库中确定出与所述建筑模型的长宽高的比值在预设比值范围内的完整单体模型并将其作为候选模型，然后将所有候选模型组合为初步匹配模型集合；
遍历所述初步匹配模型集合中候选模型的特征向量与所述建筑模型的特征向量之间欧式距离小于预设距离的候选模型，并将其作为待确定模型组合为待确定集合；
将所述待确定集合中与所述建筑模型归一化相关系数最大的待确定模型作为所述最佳匹配模型。
具体的，设置长度容差比例阈值、宽度容差比例阈值，高度容差比例阈值，默认值10%，也即预设比值范围的最大值，检索出模型数据库内长度、宽度、高度与矢量生成模型的长度、宽度、高度差异和矢量模型的长度、宽度、高度比值都在比例阈值范围内的模型，也即候选模型。遍历初步匹配模型集合中候选模型的特征向量与所述建筑模型的特征向量之间欧式距离小于预设距离的候选模型，并将其作为待确定模型组合为待确定集合，最后将待确定集合中与建筑模型归一化相关系数最大的待确定模型作为最佳匹配模型，归一化相关系计算方法也即是基于图像灰度的匹配算法，也称相关匹配算法，。
步骤S104、基于所述最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景。
在本申请实施例中，所述姿态变换矩阵根据如下公式进行确定：
，
，
，
，
式中，为姿态变换矩阵，/>为最佳匹配模型对应的归一化坐标系的矩阵，/>为缩放矩阵，/>为建筑模型对应的归一化坐标系的逆矩阵，/>为x轴y轴方向的缩放系数，/>为z轴方向的缩放系数，/>为建筑模型的宽度，/>为建筑模型的长度，为最佳匹配模型的宽度，/>为最佳匹配模型的长度，为建筑模型的高度，/>为最佳匹配模型的高度。
具体的，在确定出最佳匹配模型后，将最佳匹配模型按照上述姿态变换矩阵进行变换，从而生成城市建筑场景。
基于上述的基于建筑基底矢量数据生成城市建筑场景方法，本说明一个或多个实施例还提供一种基于建筑基底矢量数据生成城市建筑场景的平台、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是本说明书提供的基于建筑基底矢量数据生成城市建筑场景装置一个实施例的模块结构示意图，如图2所示，本说明书中提供的基于建筑基底矢量数据生成城市建筑场景装置包括：
建立模块201，用于基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系；
确定模块202，用于将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量；
搜索模块203，用于根据所述特征向量在模型数据库中搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量；
变换模块204，用于基于所述最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景。
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，能够基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系；将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量；根据所述特征向量在模型数据库中搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量；基于最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景。避免了人工操作，实现了快速准确地生成美观、真实的城市建筑场景。
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：
基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系；
将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量；
根据所述特征向量在模型数据库中搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量；
基于所述最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景。
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 (7)
1.一种基于建筑基底矢量数据生成城市建筑场景的方法，其特征在于，所述方法包括：
基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系；
将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量；
根据所述特征向量在模型数据库中基于欧式距离搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量；
基于所述最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景；
所述确定出所述第二正射俯视图中的特征向量，具体包括：
将所述第二正射俯视图进行二值化处理得到二值图；
确定所述二值图的最小外接圆，并以圆心为同心确定多个等距的圆；
将得到的所有圆按相同角度进行划分后得到多个封闭区域；
将每一个封闭区域均作为所述特征向量；
其中，将每一个封闭区域作为所述特征向量，具体为确定出所述二值图在每一个封闭区域的面积，并将该面积除以所述二值图的面积得到对应封闭区域的归一化的子区域面积，将该子区域面积作为对应封闭区域的特征向量；
所述边界多边形的特征边具体通过如下步骤确定：
在所述边界多边形内部按照预设间距采样点云；
将采样出的点云提取出第一主方向和第二主方向；
将轴对齐包围盒中心点坐标为原点，第一主方向为x轴，第二主方向为y轴建立局部坐标系；
确定所述边界多边形在所述第一主方向和第二主方向的第一方向长度和第二方向长度；
将所述第一方向长度和第二方向长度中最长的方向长度的一半作为特征阈值；
将所述边界多边形中超过所述特征阈值的边作为特征边。
2.如权利要求1所述的基于建筑基底矢量数据生成城市建筑场景的方法，其特征在于，所述第一正射俯视图，具体由如下步骤确定：
确定所述建筑模型的轴对齐包围盒；
将所述建筑模型进行去中心化处理，所述去中心化处理具体包括将所述建筑模型的顶点坐标减去所述轴对齐包围盒中心点坐标；
以所述轴对齐包围盒顶面中心点坐标为相机点获取去中心化处理后建筑模型的第一正射俯视图。
3.如权利要求1所述的基于建筑基底矢量数据生成城市建筑场景的方法，其特征在于，所述方法还包括，若所述边界多边形中不存在超过特征阈值的边，则将所述边界多边形绕所述轴对齐包围盒中心点旋转预设角度后再次确定特征边。
4.如权利要求1所述的基于建筑基底矢量数据生成城市建筑场景的方法，其特征在于，所述归一化坐标系是以所述特征边的方向为x轴，特征边的垂直方向为y轴、建筑模型中心点为原点建立的。
5.如权利要求1所述的基于建筑基底矢量数据生成城市建筑场景的方法，其特征在于，所述根据所述特征向量在模型数据库中搜索最佳匹配模型，具体包括：
在所述模型数据库中确定出与所述建筑模型的长宽高的比值在预设比值范围内的完整单体模型并将其作为候选模型，然后将所有候选模型组合为初步匹配模型集合；
遍历所述初步匹配模型集合中候选模型的特征向量与所述建筑模型的特征向量之间欧式距离小于预设距离的候选模型，并将其作为待确定模型组合为待确定集合；
将所述待确定集合中与所述建筑模型归一化相关系数最大的待确定模型作为所述最佳匹配模型。
6.如权利要求1所述的基于建筑基底矢量数据生成城市建筑场景的方法，其特征在于，所述姿态变换矩阵根据如下公式进行确定：
，
，
，
，
式中，为姿态变换矩阵，/>为最佳匹配模型对应的归一化坐标系的矩阵，/>为缩放矩阵，/>为建筑模型对应的归一化坐标系的逆矩阵，/>为x轴y轴方向的缩放系数，/>为z轴方向的缩放系数，/>为建筑模型的宽度，/>为建筑模型的长度，/>为最佳匹配模型的宽度，/>为最佳匹配模型的长度，/>为建筑模型的高度，/>为最佳匹配模型的高度。
7.一种基于建筑基底矢量数据生成城市建筑场景的装置，其特征在于，所述装置包括：
建立模块，用于基于建筑基底矢量数据建立建筑模型，并根据所述建筑模型的第一正射俯视图提取出边界多边形后基于所述边界多边形的特征边建立归一化坐标系；
确定模块，用于将所述建筑模型变换到所述归一化坐标系中并获取第二正射俯视图，确定出所述第二正射俯视图中的特征向量；
搜索模块，用于根据所述特征向量在模型数据库中基于欧式距离搜索最佳匹配模型，所述模型数据库中为预先建立好的完整单体模型，且完整单体模型均已确定出对应的特征向量；
变换模块，用于基于所述最佳匹配模型确定出姿态变换矩阵，并根据所述姿态变换矩阵将最佳匹配模型进行变换生成城市建筑场景；
所述确定出所述第二正射俯视图中的特征向量，具体包括：
将所述第二正射俯视图进行二值化处理得到二值图；
确定所述二值图的最小外接圆，并以圆心为同心确定多个等距的圆；
将得到的所有圆按相同角度进行划分后得到多个封闭区域；
将每一个封闭区域均作为所述特征向量；
其中，将每一个封闭区域作为所述特征向量，具体为确定出所述二值图在每一个封闭区域的面积，并将该面积除以所述二值图的面积得到对应封闭区域的归一化的子区域面积，将该子区域面积作为对应封闭区域的特征向量；
所述边界多边形的特征边具体通过如下步骤确定：
在所述边界多边形内部按照预设间距采样点云；
将采样出的点云提取出第一主方向和第二主方向；
将轴对齐包围盒中心点坐标为原点，第一主方向为x轴，第二主方向为y轴建立局部坐标系；
确定所述边界多边形在所述第一主方向和第二主方向的第一方向长度和第二方向长度；
将所述第一方向长度和第二方向长度中最长的方向长度的一半作为特征阈值；
将所述边界多边形中超过所述特征阈值的边作为特征边。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410186801.5A CN117745955B (zh) | 2024-02-20 | 2024-02-20 | 基于建筑基底矢量数据生成城市建筑场景的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410186801.5A CN117745955B (zh) | 2024-02-20 | 2024-02-20 | 基于建筑基底矢量数据生成城市建筑场景的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117745955A CN117745955A (zh) | 2024-03-22 |
| CN117745955B true CN117745955B (zh) | 2024-05-07 |
Family
ID=90283605
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410186801.5A Active CN117745955B (zh) | 2024-02-20 | 2024-02-20 | 基于建筑基底矢量数据生成城市建筑场景的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117745955B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118154803A (zh) * | 2024-05-13 | 2024-06-07 | 子亥科技(成都)有限公司 | 一种基于建筑矢量轮廓的建筑群生成方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809689A (zh) * | 2015-05-15 | 2015-07-29 | 北京理工大学深圳研究院 | 一种基于轮廓的建筑物点云模型底图配准方法 |
| WO2018230476A1 (ja) * | 2017-06-16 | 2018-12-20 | 大日本印刷株式会社 | 図形パターンの形状推定装置 |
| CN110019901A (zh) * | 2017-09-13 | 2019-07-16 | 深圳三维盘酷网络科技有限公司 | 三维模型检索装置、检索系统、检索方法及计算机可读存储介质 |
| CN113139453A (zh) * | 2021-04-19 | 2021-07-20 | 中国地质大学（武汉） | 一种基于深度学习的正射影像高层建筑基底矢量提取方法 |
| CN114359476A (zh) * | 2021-12-10 | 2022-04-15 | 浙江建德通用航空研究院 | 一种用于城市峡谷环境导航的动态3d城市模型构建方法 |
| CN114861295A (zh) * | 2022-04-11 | 2022-08-05 | 中国第一汽车股份有限公司 | 一种侧面碰撞仿真分析的建模方法、设备及存储介质 |
-
2024
- 2024-02-20 CN CN202410186801.5A patent/CN117745955B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809689A (zh) * | 2015-05-15 | 2015-07-29 | 北京理工大学深圳研究院 | 一种基于轮廓的建筑物点云模型底图配准方法 |
| WO2018230476A1 (ja) * | 2017-06-16 | 2018-12-20 | 大日本印刷株式会社 | 図形パターンの形状推定装置 |
| CN110019901A (zh) * | 2017-09-13 | 2019-07-16 | 深圳三维盘酷网络科技有限公司 | 三维模型检索装置、检索系统、检索方法及计算机可读存储介质 |
| CN113139453A (zh) * | 2021-04-19 | 2021-07-20 | 中国地质大学（武汉） | 一种基于深度学习的正射影像高层建筑基底矢量提取方法 |
| CN114359476A (zh) * | 2021-12-10 | 2022-04-15 | 浙江建德通用航空研究院 | 一种用于城市峡谷环境导航的动态3d城市模型构建方法 |
| CN114861295A (zh) * | 2022-04-11 | 2022-08-05 | 中国第一汽车股份有限公司 | 一种侧面碰撞仿真分析的建模方法、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 基于无人机影像的建筑三维模型重建方法研究;杨建强;;城市道桥与防洪;20181115(第11期);24-25、217-221 * |
| 面向CIM的多源三维模型地理配准方法研究;张伟松;中国优秀硕士学位论文全文数据库基础科学辑;20240215;A008-169 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117745955A (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN107798725B (zh) | 基于Android的二维住房户型识别和三维呈现方法 | |
| CN113724401B (zh) | 一种三维模型切割方法、装置、计算机设备和存储介质 | |
| CN115018992A (zh) | 发型模型的生成方法、装置、电子设备及存储介质 | |
| CN117078828A (zh) | 一种纹理模型简化方法及装置 | |
| CN113628343B (zh) | 三维网格的合并处理方法和装置、存储介质 | |
| CN114821055A (zh) | 房屋模型的构建方法、装置、可读存储介质和电子设备 | |
| Hu et al. | Extended interactive and procedural modeling method for ancient Chinese architecture | |
| 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 | |
| Zhang et al. | A geometry and texture coupled flexible generalization of urban building models | |
| CN112052489B (zh) | 一种户型图生成方法及系统 | |
| CN116912817A (zh) | 三维场景模型拆分方法、装置、电子设备和存储介质 | |
| CN114663612B (zh) | 一种高精度地图构建方法、装置及电子设备 | |
| CN116975956A (zh) | 一种考虑偏差和变形纠正的竣工bim模型自动生成方法 | |
| CN116310251A (zh) | 房产ifc模型与建筑矢量边界自动坐标配准方法及装置 | |
| Kwadjo et al. | From PC2BIM: Automatic Model generation from Indoor Point Cloud | |
| US20220374556A1 (en) | Parameterization of digital organic geometries | |
| Shui et al. | Automatic planar shape segmentation from indoor point clouds | |
| Li et al. | A model-driven approach for fast modeling of three-dimensional laser point cloud in large substation | |
| CN112270742A (zh) | 一种基于物体自然特征点进行模型检索的方法 | |
| CN117274536B (zh) | 一种实景三维模型重构方法及装置 | |
| 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 | |
| CN109872280A (zh) | 一种三维植物叶片点云的去噪与简化方法、装置及系统 | |
| CN112435312B (zh) | 运动轨迹的生成方法、装置、计算机设备和可读存储介质 | |
| CN116452604B (zh) | 一种复杂变电站场景分割方法、设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |