CN112669426B - 基于生成对抗网络的三维地理信息模型渲染方法及系统 - Google Patents
基于生成对抗网络的三维地理信息模型渲染方法及系统 Download PDFInfo
- Publication number
- CN112669426B CN112669426B CN202011559363.0A CN202011559363A CN112669426B CN 112669426 B CN112669426 B CN 112669426B CN 202011559363 A CN202011559363 A CN 202011559363A CN 112669426 B CN112669426 B CN 112669426B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- ground object
- rendering
- geographic information
- target area
- 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
- 238000009877 rendering Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims description 9
- 230000008485 antagonism Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种基于生成对抗网络的三维地理信息模型渲染方法及系统、设备、存储介质,所述方法包括:地理信息三维建模步骤,三维模型生成训练步骤,全地物要素匹配步骤,三维地理信息协同渲染步骤,三维地理信息整体渲染步骤。本发明通过人工智能方法和生成对抗网络框架,实现地理信息模型的生成,通过滑动匹配的方式实现全地物要素匹配以及相似地物主体部分提取,通过预先在缓存中预渲染的方式,实现同类三维地理信息模型主体部分的不重复渲染,以提升三维对象的渲染速度。
Description
技术领域
本发明属于地理信息三维可视化技术领域,尤其涉及一种基于生成对抗网络的三维地理信息模型快速渲染方法及系统、设备、存储介质。
背景技术
随着遥感技术和传感器技术的研究与发展,传统的二维地图已逐渐被信息量更大、可视化效果更好的三维地图所取代。
目前,二维地图无论是矢量地图或影像地图,在现有的硬件性能和优化算法的基础上均能实现高效的渲染,满足实时地图显示与使用的需求。
而对于三维地图,由于数据量更为庞大,并且传统的渲染方法需要逐像素的渲染所有点,因此往往需要消耗巨大的索引与渲染时间,实时交互性不好,特别在计算能力受限的移动产品中,如智能手机,往往需要额外的等待时间来完成大数据的地理信息的三维渲染。
发明内容
有鉴于此,本发明提出了一种基于生成对抗网络的三维地理信息模型快速渲染方法及系统、设备、存储介质,用于解决现有的三维地图渲染速度较低的问题。
通过预先匹配待显示区域的三维地物,并在缓存中预渲染的方式,实现了三维地图渲染速度的提升。
本发明第一方面,公开一种基于生成对抗网络的三维地理信息模型渲染方法,所述方法包括:
地理信息三维建模步骤,将三维地理信息中典型的地物特征分类,提取所选区域中的三维地物对象并按类别单独保存;将每类三维地物对象等比例缩放至标准大小的立方体空间中;
三维模型生成训练步骤,通过每类缩放后的三维地物对象分别训练CGAN模型;通过训练好的CGAN模型生成与对应类别的地物对象具有相同特征的新三维地物对象;
全地物要素匹配步骤,将新三维地物对象对应的立方体空间逐一在待渲染的原始三维地图中滑动匹配,提取匹配成功的重叠区域作为相似地物的主体部分并缓存;
三维地理信息协同渲染步骤,获取用户选定的目标区域,提取所述目标区域主体部分,在缓存中进行目标区域主体部分的索引和预渲染;
三维地理信息整体渲染步骤,根据用户选择的目标区域与缩放层级,选择性的加载缓存中的预渲染地物。
优选的,所述地理信息三维建模步骤中,所述将每类三维地物对象等比例缩放至标准大小的立方体空间中具体包括:
对于每一个三维地物对象,提取其长、宽、高坐标中最大的数值;
以所述最大的数值作为基准,将三维地物对象等比例缩放至缩小至标准立方体空间中。
优选的,所述全地物要素匹配步骤具体包括:
将待渲染的原始三维地图划分为三维网格块,并通过数字给每个三维网格块编号;
将新三维地物对象对应的立方体空间在待渲染的原始三维地图中逐一滑动进行匹配度比较;
对于匹配成功的区域,将新三维地物对象对应的立方体空间进行多角度旋转、多比例尺缩放的方式与原始三维地图中区域再次匹配,经过多轮比较得到最大的重叠区域;
将所述重叠区域作为相似地物的主体部分,缓存所述主体部分,并记录所述主体部分在原始三维地图中对应的三维网格块编号。
优选的,所述将新三维地物对象对应的立方体空间在待渲染的原始三维地图中逐一滑动进行匹配度比较具体为:
每次滑动采用逐像素滑动或自定义滑动步长的方式进行,每次滑动停止后,采用SSIM来评估新三维地物对象与原始三维地图中区域的匹配度,若匹配度大于预设阈值则匹配成功。
优选的,所述三维地理信息协同渲染步骤具体包括:
获取用户选定的目标区域,基于目标区域的大比例尺三维地物提取目标区域的小比例尺三维地物主体部分;
在缓存中对目标区域小比例尺三维地物主体部分的索引和预渲染;
优选的,所述三维地理信息整体渲染步骤具体包括:
根据用户选择的目标区域和缩放层级确定对应的三维网格块编号,根据三维网格块编号查找缓存中是否有对应的预渲染数据;
若存在预渲染数据,将对应的预渲染数据加载至目标区域的对应位置。
优选的,所述三维地理信息整体渲染步骤还包括:
判断目标区域的立方体空间中每个像素是否数据为空,若为空,则直接将原始三维地图中对应的像素点渲染至该位置。
本发明第二方面,公开一种基于生成对抗网络的三维地理信息模型渲染系统,所述系统包括:
地理信息三维建模模块,用于将三维地理信息中典型的地物特征分类,提取所选区域中的三维地物对象并按类别单独保存;将每类三维地物对象等比例缩放至标准大小的立方体空间中;
三维模型生成训练模块,用于通过每类缩放后的三维地物对象分别训练CGAN模型;通过训练好的CGAN模型生成与对应类别的地物对象具有相同特征的新三维地物对象;
全地物要素匹配模块,用于将新三维地物对象对应的立方体空间逐一在待渲染的原始三维地图中滑动匹配,将匹配成功的重叠区域作为相似地物的主体部分并缓存;
三维地理信息协同渲染模块,用于获取用户选定的目标区域,提取所述目标区域主体部分,在缓存中进行目标区域主体部分的索引和预渲染;
三维地理信息整体渲染模块,用于根据用户选择的目标区域与缩放层级,选择性的加载缓存中的预渲染地物。
本发明第三方面,公开一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器、通信接口和总线;
其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现本发明第一方面所述的方法。
本发明第四方面,公开一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现本发明第一方面所述的方法。
本发明相对于现有技术具有以下有益效果:
1)本发明基于典型的地物特征分类,通过生成对抗网络生成丰富的三维地物模型,为后续地物匹配生成更多的匹配对象,以拓展三维地物的数量,提高匹配精度,进而提升渲染质量;
2)本发明将三维地物对象与待渲染的原始三维地图中滑动匹配,提取匹配成功的重叠区域作为相似地物的主体部分并缓存在内存中;用户浏览地图时,预先匹配待显示区域的三维地物,在缓存中预渲染,后续只需要从缓存中直接加载对应的主体部分即可实现三维地图中大部分地物的渲染,以提升响应时间,避免每次浏览地图都需要逐点重复渲染所有区域,大大提高渲染速度。
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为本发明基于生成对抗网络的三维地理信息模型渲染方法流程示意图;
图2为本发明基于生成对抗网络的三维地理信息模型渲染系统结构示意图。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
本发明实施例中,渲染设备采用CPU i7、内存16G、显存8G的计算机,操作系统采用Ubuntu16.04,机器学习平台采用Tensorflow2.0,生成对抗网络框架采用CGAN,数据采用某市2019年的三维地图。
请参阅图1,本发明提出一种基于生成对抗网络的三维地理信息模型渲染方法,所述方法包括:
S1、地理信息三维建模步骤,将三维地理信息中典型的地物特征分类,提取所选区域中的三维地物对象并按类别单独保存;将每类三维地物对象等比例缩放至标准大小的立方体空间中;
具体的,可使用第三方GIS工具,将三维地理信息中典型的地物特征分类,如河流、树木、草地、建筑物、路面等;
在全部三维地图中,选择一小块区域,提取该区域的河流、树木、草地、建筑物、路面等三维地物对象,将每一类三维地物,单独存储。
对于每一个三维地物对象,提取其长、宽、高坐标中最大的数值;
以所述最大的数值作为基准,将三维地物对象等比例缩放至缩小至单位标准的立方体空间中,完成三维地物的标准化处理。
比如,一个三维地物对象的长为100单位,宽为200单位,高为300单位,需要将该地图缩放至单位100×100×100的标准立方体空间中,则高度单位需要缩小至100,长度单位需要等比例缩小为100/3,宽需要等比例缩小为200/3;将三维地物按照其最大的一个维度(长、宽、高之一),缩小至标准立方体空间中;其中三维地物的单位,可由具体的三维对象范围、比例尺等,由用户设置米、分米、厘米等不同度量单位。
S2、三维模型生成训练步骤,通过每类缩放后的三维地物对象分别训练CGAN模型;通过训练好的CGAN模型生成与对应类别的地物对象具有相同特征的新三维地物对象;
具体的,可在Ubuntu操作系统下,搭建Tensorflow机器学习平台,选用CGAN作为生成对抗网络框架;
将标准化处理后的三维地物对象,转化为3维矩阵存储,3维分别标识长、宽、高的相对坐标,转化为矩阵存储的目的在于后续训练过程中的数学计算;
分别对每一类三维地物对象,通过CGAN框架,训练生成模型,该训练模型的输入设置为随机噪声;迭代训练后,运用训练好的模型,生成与该类地物具有相同特征的新三维地物对象。
S3、全地物要素匹配步骤,将新三维地物对象对应的立方体空间逐一在待渲染的原始三维地图中滑动匹配,提取匹配成功的重叠区域作为相似地物的主体部分并缓存;
由于主体部分占更大的存储空间,将消耗更大资源进行渲染,因此本步骤通过匹配地物要素主体部分,实现相同主体部分的搜索及定位,具体为:
将待渲染的原始三维地图划分为三维网格块,并通过数字给每个三维网格块编号;
将新三维地物对象对应的立方体空间在待渲染的原始三维地图中逐一滑动进行匹配度比较;每次滑动采用逐像素滑动或自定义滑动步长的方式进行,滑动步长较大则匹配速度提升,但匹配精度下降。
每次滑动停止后,采用结构相似性来评估新三维地物对象与原始三维地图中区域的匹配度,若匹配度大于预设阈值则匹配成功。标准化处理后的三维地物与原始三维地图中地物大小可能不一致,因此不能进行逐像素匹配,本发明采用SSIM(StructuralSIMilarity,结构相似性)来评估三维地物立方块与原始三维地图该区域的匹配程度;
对于匹配成功的区域,将新三维地物对象对应的立方体空间进行多角度旋转、多比例尺缩放的方式与原始三维地图中区域再次匹配,经过多轮比较得到最大的重叠区域;
将所述重叠区域作为相似地物的主体部分,缓存所述主体部分,并记录所述主体部分在原始三维地图中对应的三维网格块编号。
S4、三维地理信息协同渲染步骤,获取用户选定的目标区域,提取所述目标区域主体部分,在缓存中进行目标区域主体部分的索引和预渲染;
用户选择浏览三维地图时,往往会先选择大比例尺的区域,进而通过放大、小范围移动、旋转的方式获取小比例尺地物,实现目标地物的使用;因此,在用户选定某区域时,即可大致确认用户所需观测的目标区域,由于在区域选定时,已实现了大比例尺三维地物的可视化显示,此时,基于目标区域的大比例尺区域可提取该区域小比例尺、更加精确的三维地物主体部分,在缓存实现中对目标区域小比例尺三维地物主体部分的索引和预渲染;本发明通过多线程后台缓存渲染预浏览区域的地物主体部分以实现待观测区域三维地物的协同渲染,以加快后续其他当前可视范围外的地物渲染速度。
S5、三维地理信息整体渲染步骤,根据用户选择的目标区域与缩放层级,选择性的加载缓存中的预渲染地物,根据目标区域的各三维网格块中对应位置的各像素数据是否为空判断是否渲染其余部分。具体包括:
根据用户选择的目标区域和缩放层级确定对应的三维网格块编号,根据三维网格块编号查找缓存中是否有对应的预渲染数据;
若存在预渲染数据,直接将对应的预渲染数据加载至目标区域的对应位置显示。
由于缓存中的预渲染数据仅为该三维地物的主体部分,因此需要对其余部分补充渲染,为实现其余部分的渲染速度提升,可判断目标区域的各三维网格块中对应位置的每个像素是否数据为空,若不为空,则表明已由预渲染的主体部分占据,若为空,则直接将原始三维地图中对应的像素点渲染至该位置,完成三维地理信息的整体渲染。由于仅仅判断各像素点是否为空,因此有着较快的计算速度,能够有效提升整体三维地物的渲染速度。
本发明通过人工智能方法和生成对抗网络框架,实现地理信息模型的生成;通过滑动匹配的方式;实现全地物要素匹配以及相似地物主体部分提取;通过预先在缓存中预渲染的方式,实现同类三维地理信息模型主体部分的不重复渲染,可以大幅提升三维对象的渲染速度。
请参阅图2,与所述方法实施例相对应,本发明还提出一种基于生成对抗网络的三维地理信息模型渲染系统,所述系统包括:
地理信息三维建模模块10,用于将三维地理信息中典型的地物特征分类,提取所选区域中的三维地物对象并按类别单独保存;将每类三维地物对象等比例缩放至标准大小的立方体空间中;
具体的,地理信息三维建模模块10实现将要显示区域的地理信息,转换为适用于本发明所使用的三维对象格式数据。首先,使用第三方GIS工具,将三维地理信息中典型的地物特征分类,如河流、树木、草地、建筑物、路面等;接着,将每一类三维地物,单独存储于一个文件夹中,便于后面生成对抗网络训练所需样本的预处理,同时需要将每类三维地物,等比例缩放至统一的大小标准,本实施例统一缩放为5米×5米×5米的立方体大小中;最后,重复上述步骤,将每一类地物中的每一个地物对象,均标准化等比例缩放至标准大小的立方体空间中。
三维模型生成训练模块20,用于通过每类缩放后的三维地物对象分别训练CGAN模型;通过训练好的CGAN模型生成与对应类别的地物对象具有相同特征的新三维地物对象;
具体的,上述三维模型生成训练模块20实现同类地物三维模型的生成训练,为后续地物匹配生成更加多的匹配对象。首先,在Ubuntu操作系统下搭建Tensorflow机器学习平台,同时选用CGAN作为生成对抗网络框架;将标准化处理后,边长5米的三维地物,转化为3维矩阵,3维分别标识长、宽、高的相对坐标,转化为矩阵存储的目的在于后续训练过程中的数学计算;进而分别对每一类三维地物,通过CGAN框架,训练生成模型,该训练模型的输入设置为随机噪声;之后,运用训练好的模型,生成与该类地物对象具有相同特征的新三维地物对象;最后重复上述过程,为每类三维地物均训练一个生成模型,并运用该生成模型,新生成该类地物,以拓展三维地物的数量。
全地物要素匹配模块30,用于将新三维地物对象对应的立方体空间逐一在待渲染的原始三维地图中滑动匹配,将匹配成功的重叠区域作为相似地物的主体部分并缓存;
具体的,全地物要素匹配模块30实现对已定位的地物主体部分实现预渲染,以提升三维渲染响应时间。首先,将带渲染的全部地图区域划分为三维网格块,并通过数字给每个网格块编号;接着,用前述步骤生成的标准大小的各类三维地物的立方体空间,在全部待渲染的原始三维地图中逐一滑动比较,每次滑动可采用逐像素的方式进行,也可采用自定义步长的方式设置每次滑动的距离,本实施例采用每次滑动10个单位像素的距离;每次滑动停止后,采用SSIM比较前述三维地物立方块与原始三维地图中的匹配度,匹配成功后,则将地物立方体与原始地图中匹配成功的区域进行重复区域提取,通过将地物立方体多角度旋转、多比例尺缩放的方式,经过多轮比较,得到最大的重复区域;最后,缓存该主体部分,并记录其在原始三维地图中的三维网格编号。
三维地理信息协同渲染模块40,用于获取用户选定的目标区域,提取所述目标区域三维地物对象的主体部分,在缓存中进行目标区域主体部分的索引和预渲染;
具体的,所述地理信息协同渲染模块40实现在可视范围渲染三维地图的过程中,多线程后台缓存渲染预浏览区域的地物主体部分,以加快后续其他当前可视范围外的地物渲染速度。首先,因为在区域选定时已实现了大比例尺三维地物的可视化显示,因此此时可以同时开始对该区域小比例尺、更加精确的地物预渲染;接着,通过用户选择的目标观测区域(通常为显示屏幕中心点周围),由前述步骤所描述的方法,实现该区域小比例尺三维地物主体部分的提取;进而,在缓存中实现观测区域小比例尺地物的索引和预渲染;最终,实现在用户观测当前三维地图的过程中,也实现了待观测三维地物在缓存中的协同渲染。
三维地理信息整体渲染模块50,用于根据用户选择的目标区域与缩放层级,选择性的加载缓存中的预渲染地物,根据目标区域的各三维网格块中各像素是否为空判断是否渲染其余部分。
具体的,三维地理信息整体渲染模块50根据用户选择观测的三维地图区域与缩放层级,选择性的加载缓存中的预渲染地物,以最终提升三维地物的渲染速度。首先,根据用户选择的区域和缩放层级所对应的三维网格编号,查找缓存中是否有预渲染数据,若存在预渲染数据,则自动将该数据“粘贴”在三维地图待显示区域的对应位置;接着,由于缓存中的预渲染数据仅为该三维地物的主体部分,因此需要对其余部分补充渲染;通过在该立方体空间区域判断每个像素是否数据为空的方式实现;若为空,则直接将原地图带渲染部分对应像素的点渲染至该位置,至此即完成地物主体部分和补充部分的整体渲染过程。
本发明还公开一种电子设备,包括:至少一个处理器、至少一个存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现本发明前述的一种基于生成对抗网络的三维地理信息模型渲染方法的步骤,比如包括地理信息三维建模步骤、三维模型生成训练步骤、全地物要素匹配步骤、三维地理信息协同渲染步骤、三维地理信息整体渲染步骤。
本发明还公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现以实现本发明前述的一种基于生成对抗网络的三维地理信息模型渲染方法的步骤,比如包括地理信息三维建模步骤、三维模型生成训练步骤、全地物要素匹配步骤、三维地理信息协同渲染步骤、三维地理信息整体渲染步骤。所述存储介质包括:U盘、移动硬盘、只议存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
专业人员可以进一步意识到,结合本文中所公开的实施例描述的示例的模块及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能性一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应超过本发明的范围。
此外,需要说明的是,以上所描述的系统实施例仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的,此处不做限制。另外,未在本实施例中详尽描述的技术细节,可参见本发明其它实施例,此处不再赘述。
以上所述仅为本发明的较佳实施方式而已,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、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于生成对抗网络的三维地理信息模型渲染方法,其特征在于,所述方法包括:
地理信息三维建模步骤,将三维地理信息中典型的地物特征分类,提取所选区域中的三维地物对象并按类别单独保存;将每类三维地物对象等比例缩放至标准大小的立方体空间中;
三维模型生成训练步骤,通过每类缩放后的三维地物对象分别训练CGAN模型;通过训练好的CGAN模型生成与对应类别的地物对象具有相同特征的新三维地物对象;
全地物要素匹配步骤,将新三维地物对象对应的立方体空间逐一在待渲染的原始三维地图中滑动匹配,提取匹配成功的最大的重叠区域作为相似地物的主体部分并缓存;所述全地物要素匹配步骤具体包括:
将待渲染的原始三维地图划分为三维网格块,并通过数字给每个三维网格块编号;
将新三维地物对象对应的立方体空间在待渲染的原始三维地图中逐一滑动进行匹配度比较;
对于匹配成功的区域,将新三维地物对象对应的立方体空间进行多角度旋转、多比例尺缩放的方式与原始三维地图中区域再次匹配,经过多轮比较得到最大的重叠区域;
将所述重叠区域作为相似地物的主体部分,缓存所述主体部分,并记录所述主体部分在原始三维地图中对应的三维网格块编号;
三维地理信息协同渲染步骤,获取用户选定的目标区域,提取所述目标区域三维地物对象的主体部分,在缓存中进行目标区域主体部分的索引和预渲染;
三维地理信息整体渲染步骤,根据用户选择的目标区域与缩放层级,选择性的加载缓存中的预渲染地物,根据目标区域的各三维网格块中对应位置的各像素数据是否为空判断是否渲染其余部分;所述三维地理信息整体渲染步骤具体包括:
根据用户选择的目标区域和缩放层级确定对应的三维网格块编号,根据三维网格块编号查找缓存中是否有对应的预渲染数据;
若存在预渲染数据,将对应的预渲染数据加载至目标区域的对应位置;
根据目标区域的各三维网格块中对应位置的各像素数据是否为空判断是否渲染其余部分,若为空,则直接将原始三维地图中对应的像素点渲染至该位置。
2.根据权利要求1所述基于生成对抗网络的三维地理信息模型渲染方法,其特征在于,所述地理信息三维建模步骤中,所述将每类三维地物对象等比例缩放至标准大小的立方体空间中具体包括:
对于每一个三维地物对象,提取其长、宽、高坐标中最大的数值;
以所述最大的数值作为基准,将三维地物对象等比例缩放至缩小至标准立方体空间中。
3.根据权利要求1所述基于生成对抗网络的三维地理信息模型渲染方法,其特征在于,所述将新三维地物对象对应的立方体空间在待渲染的原始三维地图中逐一滑动进行匹配度比较具体为:
每次滑动采用逐像素滑动或自定义滑动步长的方式进行,每次滑动停止后,采用结构相似性来评估新三维地物对象与原始三维地图中对应区域的匹配度,若匹配度大于预设阈值则匹配成功。
4.根据权利要求1所述基于生成对抗网络的三维地理信息模型渲染方法,其特征在于,所述三维地理信息协同渲染步骤具体包括:
获取用户选定的目标区域,基于目标区域的大比例尺三维地物提取目标区域的小比例尺三维地物主体部分;
在缓存中实现对目标区域小比例尺三维地物主体部分的索引和预渲染。
5.使用权利要求1~4任一项所述方法的一种基于生成对抗网络的三维地理信息模型渲染系统,其特征在于,所述系统包括:
地理信息三维建模模块,用于将三维地理信息中典型的地物特征分类,提取所选区域中的三维地物对象并按类别单独保存;将每类三维地物对象等比例缩放至标准大小的立方体空间中;
三维模型生成训练模块,用于通过每类缩放后的三维地物对象分别训练CGAN模型;通过训练好的CGAN模型生成与对应类别的地物对象具有相同特征的新三维地物对象;
全地物要素匹配模块,用于将新三维地物对象对应的立方体空间逐一在待渲染的原始三维地图中滑动匹配,将匹配成功的最大的重叠区域作为相似地物的主体部分并缓存;
三维地理信息协同渲染模块,用于获取用户选定的目标区域,提取所述目标区域主体部分,在缓存中进行目标区域主体部分的索引和预渲染;
三维地理信息整体渲染模块,用于根据用户选择的目标区域与缩放层级,选择性的加载缓存中的预渲染地物,根据目标区域的各三维网格块中对应位置的各像素数据是否为空判断是否渲染其余部分。
6.一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器、通信接口和总线;
其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现如权利要求1~4任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现如权利要求1~4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011559363.0A CN112669426B (zh) | 2020-12-25 | 2020-12-25 | 基于生成对抗网络的三维地理信息模型渲染方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011559363.0A CN112669426B (zh) | 2020-12-25 | 2020-12-25 | 基于生成对抗网络的三维地理信息模型渲染方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112669426A CN112669426A (zh) | 2021-04-16 |
CN112669426B true CN112669426B (zh) | 2024-01-02 |
Family
ID=75408892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011559363.0A Active CN112669426B (zh) | 2020-12-25 | 2020-12-25 | 基于生成对抗网络的三维地理信息模型渲染方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112669426B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115690284A (zh) * | 2021-07-28 | 2023-02-03 | 华为云计算技术有限公司 | 一种渲染方法、装置及存储介质 |
CN118071953B (zh) * | 2024-03-06 | 2024-09-24 | 辽宁科技学院 | 三维地理信息模型渲染方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100136604A (ko) * | 2009-06-19 | 2010-12-29 | (주)이지스 | 3차원 지형 영상 실시간 가시화 시스템 및 이의 방법 |
KR101566167B1 (ko) * | 2015-04-22 | 2015-11-05 | (주)이지스 | 3차원 공간정보에서 지형 데이터를 이용한 객체 렌더링 방법 |
CN112069285A (zh) * | 2020-11-11 | 2020-12-11 | 湖北亿咖通科技有限公司 | 基于三维高精地图切片的地图生成方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100520708B1 (ko) * | 2003-10-20 | 2005-10-14 | 엘지전자 주식회사 | 3차원 지도의 표시방법 |
-
2020
- 2020-12-25 CN CN202011559363.0A patent/CN112669426B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100136604A (ko) * | 2009-06-19 | 2010-12-29 | (주)이지스 | 3차원 지형 영상 실시간 가시화 시스템 및 이의 방법 |
KR101566167B1 (ko) * | 2015-04-22 | 2015-11-05 | (주)이지스 | 3차원 공간정보에서 지형 데이터를 이용한 객체 렌더링 방법 |
CN112069285A (zh) * | 2020-11-11 | 2020-12-11 | 湖北亿咖通科技有限公司 | 基于三维高精地图切片的地图生成方法、装置及电子设备 |
Non-Patent Citations (5)
Title |
---|
基于OpenGL ES的二三维地图可视化客户端设计与实现;王亚美;鲁田;;计算机应用与软件(09);全文 * |
基于SOA网格管理模型的空间信息共享平台设计;林秀玉;廖磊;;现代测绘(03);全文 * |
大规模三维地形高效可视化方法研究;刘振东;《中国优秀硕士学位论文全文数据库信息科技辑》;全文 * |
手机三维地图显示引擎的设计与实现;顾茂强;;电子技术与软件工程(07);全文 * |
网络环境下基于缓存的大规模地形渲染;曹力等;《第五届全国几何设计与计算学术会议》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112669426A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508681B (zh) | 生成人体关键点检测模型的方法和装置 | |
CN111860233B (zh) | 基于选择注意力网络的sar图像复杂建筑物提取方法及系统 | |
US20240193923A1 (en) | Method of training target object detection model, method of detecting target object, electronic device and storage medium | |
CN109272543B (zh) | 用于生成模型的方法和装置 | |
CN112669426B (zh) | 基于生成对抗网络的三维地理信息模型渲染方法及系统 | |
CN114463503B (zh) | 三维模型和地理信息系统的融合方法及装置 | |
CN109325996B (zh) | 用于生成信息的方法和装置 | |
CN116740668B (zh) | 三维目标检测方法、装置、计算机设备和存储介质 | |
CN115272887A (zh) | 基于无人机检测的海岸带垃圾识别方法、装置以及设备 | |
CN104299241A (zh) | 基于 Hadoop 的遥感图像显著性目标检测方法及系统 | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
CN112883900A (zh) | 遥感影像裸地反演可视图的方法及装置 | |
CN114240949A (zh) | 宫颈细胞分割网络训练方法、宫颈细胞分割方法、装置 | |
CN116704324A (zh) | 基于水下图像的目标检测方法、系统、设备以及存储介质 | |
CN107038199B (zh) | 一种绘图方法和装置 | |
CN114387289B (zh) | 输配电架空线路三维点云语义分割方法和装置 | |
CN106445445B (zh) | 一种矢量数据的处理方法及装置 | |
CN114238541A (zh) | 敏感目标信息获取方法、装置和计算机设备 | |
CN117315142A (zh) | 纪念币三维重建方法、装置、计算机设备和存储介质 | |
CN112530015B (zh) | 基于空间结构特征的点云数据压缩存储方法与系统 | |
KR101768913B1 (ko) | 지리 정보 데이터 분할 방법, 분할 장치 및 이를 수행하는 프로그램을 기록하는 기록매체 | |
CN116310308A (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
CN116612474B (zh) | 对象检测方法、装置、计算机设备及计算机可读存储介质 | |
CN119027688B (zh) | 占用栅格预测方法、装置、设备、存储介质和程序产品 | |
CN118212430A (zh) | 图像特征提取方法、装置、计算机设备及存储介质 |
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 |