CN113706698B - 实景三维道路重建方法及装置、存储介质、电子设备 - Google Patents
实景三维道路重建方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN113706698B CN113706698B CN202111242316.8A CN202111242316A CN113706698B CN 113706698 B CN113706698 B CN 113706698B CN 202111242316 A CN202111242316 A CN 202111242316A CN 113706698 B CN113706698 B CN 113706698B
- Authority
- CN
- China
- Prior art keywords
- road
- point cloud
- dimensional
- area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 24
- 230000008520 organization Effects 0.000 claims abstract description 22
- 238000010276 construction Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 49
- 238000005070 sampling Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 19
- 238000002955 isolation Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 8
- 238000005520 cutting process Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 238000011068 loading method Methods 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 18
- 238000009826 distribution Methods 0.000 description 17
- 238000005192 partition Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000007781 pre-processing 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
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007500 overflow downdraw method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 229920006068 Minlon® Polymers 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
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
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种实景三维道路重建方法及装置、存储介质、电子设备，其中，该方法包括：获取目标区域的倾斜摄影影像，基于倾斜摄影影像生成倾斜三维模型，并根据倾斜三维模型生成点云模型和正射影像图；沿道路矢量线从点云模型中提取道路区域的点云数据；从点云数据中提取道路特定区域的道路几何特征，从正射影像图中提取道路几何区域对应的纹理特征；重建三维道路，采用纹理特征对三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路;基于地球瓦片金字塔结构和四叉树剖分，对三维道路进行索引组织。通过本发明，解决了相关技术构建实景三维道路的处理复杂、成本高昂、语义化程度低的技术问题。
Description
技术领域
本发明涉及计算机领域，具体而言，涉及一种实景三维道路重建方法及装置、存储介质、电子设备。
背景技术
相关技术中，实景三维是对人类生产、生活和生态空间进行真实、立体、时序化反映和表达的数字虚拟空间，是新型基础测绘标准化产品，是国家新型基础设施建设的重要组成部分，为经济社会发展和各部门信息化提供统一的空间基底。实景三维通过在三维地理场景上承载结构化、语义化、支持人机兼容理解和物联实时感知的地理实体进行构建。
道路是居民日常出行和物资运输的通道，是城市运转至关重要的交通枢纽。城市道路实景三维模型的构建对于城市管理、交通仿真、应急疏散等具有重要作用。基于无人机倾斜摄影测量的道路三维建模，由于航摄俯视及下视拍摄角度的限制以及道路两侧地物的遮挡，影像获取易受到航摄盲区以及匹配错误的影响，导致部分路面不平整、结构粘连、白墙破洞、模型扭曲、纹理缺失等现象。同时，倾斜摄影三维场景是一个整体，很难识别和查询道路上的具体要素实现单体化。而这些问题对高精度实景三维道路构建及相关应用构成了挑战。
相关技术中的三维道路精细建模方法基于车载激光点云建模，其优点是道路模型精度高，但是也具有以下缺点：（1）建模复杂。激光点云场景通常包含上百万的点数据，为了提取出道路结构网格，需要进行一系列复杂的特征提取操作。（2）建模成本高。当前激光测量设备和处理软件成本都比较高昂，这限制了激光点云的应用。因此，现有激光点云道路建模方法由于其复杂性和成本等问题，很难得到大范围应用。
针对相关技术中存在的上述问题，目前尚未发现有效的解决方案。
发明内容
本发明实施例提供了一种实景三维道路重建方法及装置、存储介质、电子设备。
根据本申请实施例的一个方面，提供了一种实景三维道路重建方法，包括：获取目标区域的倾斜摄影影像，基于所述倾斜摄影影像生成倾斜三维模型，并根据所述倾斜三维模型生成点云模型和正射影像图；沿道路矢量线从所述点云模型中提取道路区域的点云数据；从所述点云数据中提取道路特定区域的道路几何特征，从所述正射影像图中提取所述道路几何区域对应的纹理特征；对所述道路矢量线进行分段处理，采用所述道路几何特征对每个分段进行三角构网，重建三维道路，采用所述纹理特征对所述三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路;基于地球瓦片金字塔结构和四叉树剖分，对所述三维道路进行索引组织，以实现所述目标区域的道路三维可视化。
进一步，沿道路矢量线从所述点云模型中提取道路区域的点云数据包括：基于预设二维数据中的道路中心线矢量，以预设缓冲区半径进行缓冲区裁剪，从所述点云模型中过滤得到第一道路区域点云；获取所述第一道路区域点云的最高点H，从所述最高点H开始，以固定步长d为单位逐步减小过滤高度，对所述第一道路区域点云进行过滤，得到第二道路区域点云；获取所述第二道路区域点云的道路路面点云高度，基于所述道路路面点云高度过滤所述第二道路区域点云中道路地面的地物点云。
进一步，所述道路几何特征包括道路路肩线，从所述点云数据中提取道路特定区域的道路几何特征包括：对所述点云数据进行分块，以所述道路矢量线中道路中心线上的矩形块作为种子点，根据所述种子点判断道路中间是否有隔离带，并标记隔离带区域；沿所述种子点分别向垂直于所述道路中心线两边进行生长搜索，直至种子点的平均高度高于路面高度，得到路肩线所在的路肩分块；获取所述路肩分块及其相邻分块内的点云数据，将分块的尺寸减半后对所述路肩分块继续进行生长搜索，提取得到路肩线点云；根据所述路肩线点云生成道路路肩线。
进一步，根据所述路肩线点云生成道路路肩线包括：针对直路段点云，基于以下公式对所述路肩线点云中的特征点pi进行路肩线平滑处理，生成直路路肩线：
其中，Pi（t）为，t为采样参数，pi+1为特征点pi的相邻点，pi+2为特征点pi+1的相邻点；
针对转弯路段点云，基于以下转换算法将所述路肩线点云中的第i个采样点P的局部坐标点P（xi，yi）转换为全局笛卡尔坐标点P’ ，生成弯路路肩线：
其中，
是局部坐标系原点对应的全局坐标，xi和yi是局部坐标系下P的坐标，
和
是全局坐标方向向量参数，scaleX和scaleY是缩放参数。
进一步，采用所述道路几何特征对每个分段进行三角构网，重建三维道路，包括：对于道路矢量线中的单条直道或弯道，从所述道路几何特征的路肩线特征点中选取每个分段的首个顶点为原点构建局部笛卡尔坐标系；采用缩放矩阵Mscaling、所述旋转矩阵Mrotation、平移矩阵Mtranslation将分段的道路模型加载到三维地图上。
进一步，采用所述道路几何特征对每个分段进行三角构网包括：对于所述道路矢量线中的交叉口道路，基于道路中心点矢量数据判断交叉口类型；根据所述交叉口道路的交叉口类型，采用路肩线特征点、路肩高度、步行道宽度构建道路三角网，其中，所述道路几何特征包括所述路肩线和所述步行道宽度，所述路肩高度从所述倾斜摄影数据的数字地表模型中获取。
进一步，采用所述纹理特征对所述三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，包括：确定所述三维道路当前分段道路的长度L，纹理对应的真实道路长度D，相邻贴图采样点Ci+1和Ci的距离为d，采用以下公式计算贴图采样点Ci+1的UV纹理坐标：
确定实例化的附属设施的实例数量，根据所述实例数量计算相应实例的目标区域的面积，采用以下公式根据所述四叉树分块组织的图形参数查找与所述附属设施的实例匹配的下一层级Level：
其中，S为金字塔顶层瓦片的大小，T为目标区域的面积，Floor为向下取整函数；
从获取语义属性信息，并将所述语义属性信息过载到所述三维道路的模型部件上。
根据本申请实施例的另一个方面，还提供了一种实景三维道路重建装置，包括：获取模块，用于获取目标区域的倾斜摄影影像，基于所述倾斜摄影影像生成倾斜三维模型，并根据所述倾斜三维模型生成点云模型和正射影像图；过滤模块，用于沿道路矢量线从所述点云模型中提取道路区域的点云数据；提取模块，用于从所述点云数据中提取道路特定区域的道路几何特征，从所述正射影像图中提取所述道路几何区域对应的纹理特征；重建模块，用于对所述道路矢量线进行分段处理，采用所述道路几何特征对每个分段进行三角构网，重建三维道路，采用所述纹理特征对所述三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路；组织模块，用于基于地球瓦片金字塔结构和四叉树剖分，对所述三维道路进行索引组织，以实现所述目标区域的道路三维可视化。
进一步，所述过滤模块包括：第一过滤单元，用于基于预设二维数据中的道路中心线矢量，以预设缓冲区半径进行缓冲区裁剪，从所述点云模型中过滤得到第一道路区域点云；第二过滤单元，用于获取所述第一道路区域点云的最高点H，从所述最高点H开始，以固定步长d为单位逐步减小过滤高度，对所述第一道路区域点云进行过滤，得到第二道路区域点云；第三过滤单元，用于获取所述第二道路区域点云的道路路面点云高度，基于所述道路路面点云高度过滤所述第二道路区域点云中道路地面的地物点云。
进一步，所述道路几何特征包括道路路肩线，所述提取模块包括：处理单元，用于对所述点云数据进行分块，以所述道路矢量线中道路中心线上的矩形块作为种子点，根据所述种子点判断道路中间是否有隔离带，并标记隔离带区域；搜索单元，用于沿所述种子点分别向垂直于所述道路中心线两边进行生长搜索，直至种子点的平均高度高于路面高度，得到路肩线所在的路肩分块；提取单元，用于获取所述路肩分块及其相邻分块内的点云数据，将分块的尺寸减半后对所述路肩分块继续进行生长搜索，提取得到路肩线点云；生成单元，用于根据所述路肩线点云生成道路路肩线。
进一步，所述生成单元包括：处理子单元，用于针对直路段点云，基于以下公式对所述路肩线点云中的特征点pi进行路肩线平滑处理，生成直路路肩线：
其中，Pi（t）为，t为采样参数，pi+1为特征点pi的相邻点，pi+2为特征点pi+1的相邻点；
转换子单元，用于针对转弯路段点云，基于以下转换算法将所述路肩线点云中的第i个采样点P的局部坐标点P（xi，yi）转换为全局笛卡尔坐标点P’，生成弯路路肩线：
其中，
是局部坐标系原点对应的全局坐标，xi和yi是局部坐标系下P的坐标，
和
是全局坐标方向向量参数，scaleX和scaleY是缩放参数。
进一步，所述重建模块包括：第一构建单元，用于对于道路矢量线中的单条直道或弯道，从所述道路几何特征的路肩线特征点中选取每个分段的首个顶点为原点构建局部笛卡尔坐标系；加载单元，用于采用缩放矩阵、旋转矩阵、平移矩阵将各个分段的道路模型加载到三维地图上。
进一步，所述重建模块包括：判断单元，用于对于所述道路矢量线中的交叉口道路，基于道路中心点矢量数据判断交叉口类型；第二构建单元，用于根据所述交叉口道路的交叉口类型，采用路肩线特征点、路肩高度、步行道宽度构建道路三角网，其中，所述道路几何特征包括所述路肩线和所述步行道宽度，所述路肩高度从所述倾斜摄影数据的数字地表模型中获取。
进一步，所述重建模块包括：计算单元，用于确定所述三维道路当前分段道路的长度L，纹理对应的真实道路长度D，相邻贴图采样点Ci+1和Ci的距离为d，采用以下公式计算贴图采样点Ci+1的UV纹理坐标：
查找单元，用于确定实例化的附属设施的实例数量，根据所述实例数量计算相应实例的目标区域的面积，采用以下公式根据所述四叉树分块组织的图形参数查找与所述附属设施的实例匹配的下一层级Level：
其中，S为金字塔顶层瓦片的大小，T为目标区域的面积，Floor为向下取整函数；
过载单元，用于获取语义属性信息，并将所述语义属性信息过载到所述三维道路的模型部件上。
根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的步骤。
根据本申请实施例的另一方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其中：存储器，用于存放计算机程序；处理器，用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的步骤。
通过本发明，获取目标区域的倾斜摄影影像，基于倾斜摄影影像生成倾斜三维模型，并根据倾斜三维模型生成点云模型和正射影像图，沿道路矢量线从点云模型中提取道路区域的点云数据，从点云数据中提取道路特定区域的道路几何特征，从正射影像图中提取道路几何区域对应的纹理特征，对道路矢量线进行分段处理，采用道路几何特征对每个分段进行三角构网，重建三维道路，采用纹理特征对三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路，基于地球瓦片金字塔结构和四叉树剖分，对三维道路进行索引组织，以实现目标区域的道路三维可视化，通过在倾斜摄影影像对应的点云模型和正射影像图上重建实景三维道路，结合了激光点云道路建模和矢量道路自动建模，解决了相关技术构建实景三维道路的复杂度高、成本高的技术问题、处理速度快，建模成本较低，建模效果好。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种计算机的硬件结构框图；
图2是根据本发明实施例的一种实景三维道路重建方法的流程图；
图3是本发明实施例数据预处理的示意图；
图4是本发明实施例路面区域提取几何特征的示意图；
图5是本发明实施例单条道路分区几何建模的示意图；
图6是本发明实施例道路交叉口分区几何建模的示意图；
图7是本发明实施例道路分区纹理贴图的示意图；
图8是本发明实施例大范围道路模型分块组织示意图；
图9是本发明实施例实景道路三维重建后的效果图；
图10是根据本发明实施例的一种实景三维道路重建装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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的实施例，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，都应当属于本申请保护的范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本申请实施例一所提供的方法实施例可以在计算机、手机、无人机或者类似的运算装置中执行。以运行在计算机上为例，图1是本发明实施例的一种计算机的硬件结构框图。如图1所示，计算机可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，可选地，上述计算机还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机的结构造成限定。例如，计算机还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种实景三维道路重建方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种实景三维道路重建方法，图2是根据本发明实施例的一种实景三维道路重建方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取目标区域的倾斜摄影影像，基于倾斜摄影影像生成倾斜三维模型，并根据倾斜三维模型生成点云模型和正射影像图；
本实施例的倾斜摄影影像是倾斜摄影测量数据，采用多台传感器进行多视角影像信息及数据采集，能快速获取高精度地表三维数据成果，涵盖实景三维模型、正射影像、数字地表模型、点云数据等多源测绘地理信息，可以基于无人机倾斜摄影测量得到，可以采用空三建模软件（如ContextCapture）生成倾斜三维模型。
步骤S204，沿道路矢量线从点云模型中提取道路区域的点云数据；
步骤S206，从点云数据中提取道路特定区域的道路几何特征，从正射影像图中提取道路几何区域对应的纹理特征；
地物点云是点云模型中噪声，通过过滤地物点云，最终得到道路区域的点云数据。
其中，道路几何特征包括道路肩线、绿化带、树木等的空间分布和位置特征，道路纹理特征包括路面的颜色，形状等特征。
步骤S208，对道路矢量线进行分段处理，采用道路几何特征对每个分段进行三角构网，重建三维道路，采用纹理特征对三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路；
步骤S210，基于地球瓦片金字塔结构和四叉树剖分，对三维道路进行索引组织，以实现目标区域的道路三维可视化。
通过上述步骤，获取目标区域的倾斜摄影影像，基于倾斜摄影影像生成倾斜三维模型，并根据倾斜三维模型生成点云模型和正射影像图，沿道路矢量线从点云模型中提取道路区域的点云数据，从点云数据中提取道路特定区域的道路几何特征，从正射影像图中提取道路几何区域对应的纹理特征，对道路矢量线进行分段处理，采用道路几何特征对每个分段进行三角构网，重建三维道路，采用纹理特征对三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路，基于地球瓦片金字塔结构和四叉树剖分，对三维道路进行索引组织，以实现目标区域的道路三维可视化，通过在倾斜摄影影像对应的点云模型和正射影像图上重建实景三维道路，结合了激光点云道路建模和矢量道路自动建模，解决了相关技术构建实景三维道路的复杂度高、成本高的技术问题、处理速度快，建模成本较低，建模效果好。
通过倾斜摄影影像数据生成的实景三维模型和点云模型，提取道路肩线、绿化带、树木等参数信息，基于分区建模和融合方法实现大范围城市道路三维重建，在下文的实施例中将进行详细介绍。
图3是本发明实施例数据预处理的示意图，基于倾斜摄影影像数据，获取倾斜摄影模型、稠密点云、正射影像、数字地表模型进行数据预处理，为道路三维重建做准备，数据预处理包括点云过滤、几何特征提取和纹理特征提取。
在本实施例的一个实施方式中，沿道路矢量线从所述点云模型中提取道路区域的点云数据包括：基于预设二维数据中的道路中心线矢量，以预设缓冲区半径进行缓冲区裁剪，从所述点云模型中过滤得到第一道路区域点云；获取第一道路区域点云的最高点H，从最高点H开始，以固定步长d为单位逐步减小过滤高度，对第一道路区域点云进行过滤，得到第二道路区域点云；获取第二道路区域点云的道路路面点云高度，基于道路路面点云高度过滤第二道路区域点云中道路地面的地物点云。
为了提取道路特征，需要对道路周边地物进行分类，并过滤掉不相关的地物如车辆等。地物点云过滤步骤如下：
基于道路中心线矢量数据，以一定的缓冲区半径进行缓冲区裁剪，从城市区域点云数据中过滤出道路区域点云。
获取道路区域点云的最高点的高度H，以固定步长d逐步减小过滤高度，对道路区域点云数据进行过滤，修正道路区域。设道路路面高度为h0，则过滤高度可以计算为：
其中n为正整数，且
，n为递减的次数。
获取道路路面点云高度，基于该高度对点云数据进行过滤，去除地面的车辆等地物点云。
在本实施例提取几何特征的示例中，所述道路几何特征包括道路路肩线，从所述点云数据中提取道路特定区域的道路几何特征包括：
S11，对所述点云数据进行分块，以所述道路矢量线中道路中心线上的矩形块作为种子点，根据所述种子点判断道路中间是否有隔离带，并标记隔离带区域；
S12，沿种子点分别向垂直于道路中心线两边进行生长搜索，直至种子点的平均高度高于路面高度，得到路肩线所在的路肩分块；
S13，获取路肩分块及其相邻分块内的点云数据，将分块的尺寸减半后对路肩分块继续进行生长搜索，提取得到路肩线点云；
S14，根据所述路肩线点云生成道路路肩线。
在上述实施例的一个实施方式中，根据所述路肩线点云生成道路路肩线包括：
S14-1，针对直路段点云，基于以下公式对路肩线点云中的特征点pi进行路肩线平滑处理，生成直路路肩线：
其中，Pi（t）为，t为采样参数，pi+1为特征点pi的相邻点，pi+2为特征点pi+1的相邻点；
S14-2，针对转弯路段点云，基于以下转换算法将路肩线点云中的第i个采样点P的局部坐标点P（xi，yi）转换为全局笛卡尔坐标点P’ ，生成弯路路肩线：
其中，
是局部坐标系原点对应的全局坐标点，xi和yi是局部坐标系下P的坐标，
和
是全局坐标方向向量参数，scaleX和scaleY是缩放参数。
在本实施例中，道路几何特征包括道路肩线、绿化带、树木等的空间分布位置。其中绿化带和树木等可以通过点云过滤时提取其位置、空间范围和高程。道路路面提取基于无人机点云数据和道路中心线矢量数据，通过区域生长算法和边线修补算法实现，图4是本发明实施例路面区域提取几何特征的示意图，路面中间为道路中心线，两侧为路肩线，几何特征的提取过程包括：
(1)将道路区域点云数据进行分块，获取道路中心线上的矩形块作为种子点。设种
子点高度为di，点云个数为num，计算种子点的平均高度
，判断道路中间是否有隔离带，
若有隔离带则标记相关区域。
(2)沿着种子点分别向垂直于道路中心线两边进行生长搜索，直至种子点的平均高度明显高于路面高度，得到路肩线所在的分块。
(3)获取上一步确定的分块及其相邻分块内的点云数据，将分块大小设置为上一次分块的一半，再次进行分块区域生长算法搜索，确定路肩线点云。设路面高度阈值为D，法线与垂直于路面方向的角度阈值为a，路肩点云高度为di，夹角为θi，则路肩线点云需要满足以下条件：
(4)对提取的路肩线点云进行过滤、平滑和连接计算，获取道路路肩线。
对于直路段，设路肩线上的三个点为（相邻的特征点）pi、pi+1、pi+2，t为采样参数，基于二次B样条曲线实现路肩线平滑处理：
对于转弯路段，基于转角圆弧曲线进行采样和补全，设圆弧半径为R，采样角度为θ，则第i个采样点的局部坐标P（xi，yi）可以计算为：
基于七参数转换法将转角采样点局部坐标转换为全局笛卡尔坐标，设全局坐标为
P’， 
是局部坐标系原点对应的全局坐标，xi和yi是局部坐标系下P的坐标，
和
是全局
坐标方向向量参数，scaleX和scaleY是缩放参数，则全局坐标P’可以计算为：
在本实施例的另一方面，从道路路面点云中提取道路区域的道路纹理特征，根据几何特征提取过程中确定的道路区域，从实景三维模型中获取对应区域的正射影像纹理数据。其中纹理特征包括路面纹理、绿化带纹理等，通过获取纹理数据为后面的道路三维重建贴图做准备。
在本实施例的一个实施方式中，采用道路几何特征对每个分段进行三角构网，重建三维道路，包括：
对于道路矢量线中的单条直道或弯道，从道路几何特征的路肩线特征点中选取每个分段的首个顶点为原点构建局部笛卡尔坐标系；
采用缩放矩阵、旋转矩阵、平移矩阵将分段的道路模型加载到三维地图上。
基于几何特征提取获得了路面区域路肩线，为了便于模型组织，将道路区域进行分段处理，每一段进行三角构网。道路几何重建包括单道构网和交叉口构网两种：
对于单条直道或弯道，基于路肩线特征点、路肩高度、步行道宽度等信息构建狄罗妮Delaunay三角网，图5是本发明实施例单条道路分区几何建模的示意图。为了减少建模数据量，对于某一段道路，选取其首个顶点为原点构建局部笛卡尔坐标系（O-X’Y’Z’），其他顶点坐标可以计算为：
基于局部笛卡尔坐标系构建道路三角网，然后判断道路的方位偏转角度。设其偏转方位上两个点为（x1，y1，z1）和（x2，y2，z2），则旋转角度计算为：
则将道路模型加载到三维地图上的旋转矩阵可以计算为：
结合道路模型的缩放矩阵Mscaling（按照原比例1:1）、旋转矩阵Mrotation、平移矩阵Mtranslation（按照实际经纬度进行转换得到）进行矩阵变换，可以实现大范围道路场景几何重建：
在本实施例的一些示例中，采用道路几何特征对每个分段进行三角构网包括：对于所述道路矢量线中的交叉口道路，基于道路中心点矢量数据判断交叉口类型；根据交叉口道路的交叉口类型，采用路肩线特征点、路肩高度、步行道宽度构建道路三角网，其中，道路几何特征包括路肩线和步行道宽度，路肩高度从倾斜摄影数据的数字地表模型中获取。
对于交叉口道路，基于道路中心点矢量数据判断交叉口类型，如三叉口和十字交叉路口，然后基于路肩线、路肩高度、步行道宽度等信息构建狄罗妮Delaunay三角网，图6是本发明实施例道路交叉口分区几何建模的示意图，AB和CD为十字交叉路口两条道路的中心线，O为交点，MN和PQ为分段，EF为道路交叉口的路肩线，EF上的两点到O点构成三角网。交叉口几何模型实现了不同直道或弯道的连接，形成完整的城市道路模型。
在本实施例的一些示例中，采用纹理特征对三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，包括：
S21，确定三维道路当前分段道路的长度L，纹理对应的真实道路长度D，相邻贴图采样点Ci+1和Ci的距离为d，采用以下公式计算贴图采样点Ci+1的UV纹理坐标：
在一个示例中，道路纹理贴图主要实现道路区域平面模拟，如路面、绿化带等，图7是本发明实施例道路分区纹理贴图的示意图，包括区域1~区域5，这类区域分布呈狭长状，因此基于重复纹理贴图进行表现，设当前分段道路的长度为L，纹理对应的真实道路长度为D，采样点Ci+1和Ci的距离为d，则Ci+1的UV纹理坐标可以计算为：
S22，确定实例化的附属设施的实例数量，根据实例数量计算相应实例的目标区域的面积，采用以下公式根据四叉树分块组织的图形参数查找与附属设施的实例匹配的下一层级Level：
其中，S为金字塔顶层瓦片的大小，T为目标区域的面积，Floor为向下取整函数；
在一个示例中，附属设施模型的分布可以分为三种：点状分布、线状分布和面状分布。不同的分布特点基于实例化建模方法，对于点状分布设施，如标牌，根据每个附件的放置位置、缩放、平移系数进行实例化。对于线状分布设施，如行树，提取设置附件分布的路径以及分布间距，进行实例化建模。对于面状分布设施，如灌木丛，提取设置附件分布的空间范围并设置一定的分布系数进行实例化建模。
由于附属设施类型多样和数量较大，为了精细地表达道路及附属设施分布，需要
基于对其进行四叉树分块组织。由于金字塔层级过高会导致分块数量过大，而金字塔层级
过低又会导致单块数据量过高，因此合理的金字塔层级尤为重要。首先根据经验确定具体
实例化技术的实例个数，再根据实例个数确定包含相应实例个数的大体面积，进而确定正
方形边长（也可以是圆形的半径等参数）来匹配最接近的下一层，层级Level可以计算为：
，其中，S为金字塔顶层瓦片的大小，T为目标区域的大
小，Floor为向下取整函数。
S23，获取语义属性信息，并将语义属性信息过载到三维道路的模型部件上。
通过几何重建得到完整的三维模型之后，可以继续对其进行分块组织和索引，道路附属设施分布基于金字塔第Level级四叉树索引进行分块组织，图8是本发明实施例大范围道路模型分块组织示意图，金字塔包括n+1个层级（从0到n），k层的四叉树的分块包括1,2,3,4，设道路区域的经纬度范围为（MinLon，MinLat，MaxLon，MaxLat），则其对应的四叉树的行列范围为：
基于几何建模和纹理贴图实现了道路三维构建，但是对于道路上的每一部分需要添加详细的语义信息实现单体化查询。通过实景三维提取和道路矢量中心线，获取语义属性信息，并过载到正确的道路三维模型部件上，实现语义信息建模。
本实施例提出了一种实景三维道路的重建方案，结合了激光点云道路建模和矢量道路自动建模的优点，通过倾斜摄影影像数据生成的实景三维模型和点云模型，提取道路肩线、绿化带、树木等参数信息，基于分区建模和融合方法实现道路三维重建，通过倾斜摄影图像进行数据参数提取、几何建模、纹理贴图、语义建模和分块组织，实现了实景三维道路重建，图9是本发明实施例实景道路三维重建后的效果图。相对于相关技术中车载激光点云道路建模和矢量道路自动建模方法，具有以下优点：处理速度快。基于无人机倾斜摄影三维模型自动处理获取建模信息，基于分区建模和融合方法实现道路三维重建，可以基于程序实现自动化快速处理。建模成本较低。该方法不需要激光点云测量硬件及软件设备，而无人机倾斜摄影成本较低，通过提取倾斜摄影模型信息进行程序自动建模可以实现大范围城市三维道路重建。建模效果好。由于道路参数信息是通过倾斜实景数据提取得到，其道路分布与实际道路场景相同，且实现了道路不同区域如路面、绿化带、隔离栏等的单体化建模和语义信息挂接，便于查询分析。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种实景三维道路重建装置，用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“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装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图10是根据本发明实施例的一种实景三维道路重建装置的结构框图，如图10所示，该装置包括：获取模块100，生成模块102，过滤模块104，提取模块106，重建模块108，其中，
获取模块100，用于获取道路区域的倾斜摄影数据，以及与所述倾斜摄影数据对应的原始三维模型；
生成模块102，用于根据所述倾斜摄影数据生成稠密点云；
过滤模块104，用于过滤所述稠密点云中的地物点云，得到道路路面点云；
提取模块106，用于从所述道路路面点云中提取所述道路区域的道路几何特征和道路纹理特征；
重建模块108，用于对所述原始三维模型中的道路区域进行分段处理，采用所述道路几何特征对每个分段进行三角构网，重建三维道路，采用所述道路纹理特征对所述三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路。
可选的，所述过滤模块包括：第一过滤单元，用于基于所述原始三维模型中的道路中心线矢量数据，以预设缓冲区半径进行缓冲区裁剪，从所述稠密点云中过滤得到第一道路区域点云；第二过滤单元，用于获取所述第一道路区域点云的最高点H，从所述最高点H开始，以固定步长d为单位逐步减小过滤高度，对所述第一道路区域点云进行过滤，得到第二道路区域点云；第三过滤单元，用于获取所述第二道路区域点云的道路路面点云高度，基于所述道路路面点云高度过滤所述第二道路区域点云中道路地面的地物点云。
可选的，所述道路几何特征包括道路路肩线的空间分布位置，所述提取模块包括：处理单元，用于对所述道路路面点云进行分块，以所述原始三维模型中道路中心线上的矩形块作为种子点，根据所述种子点判断道路中间是否有隔离带，若有隔离带则在所述原始三维模型中标记隔离带区域；搜索单元，用于沿所述种子点分别向垂直于道路中心线两边进行生长搜索，直至种子点的平均高度高于路面高度，得到路肩线所在的路肩分块；提取单元，用于获取所述路肩分块及其相邻分块内的点云数据，将分块的尺寸减半后对所述路肩分块继续进行生长搜索，提取得到路肩线点云；生成单元，用于根据所述路肩线点云在所述原始三维模型中生成道路路肩线。
可选的，所述生成单元包括：处理子单元，用于针对直路段点云，基于以下公式对所述路肩线点云中的特征点pi进行路肩线平滑处理，生成直路路肩线：
其中，Pi（t）为，t为采样参数，pi+1为特征点pi的相邻点，pi+2为特征点pi+1的相邻点；
转换子单元，用于针对转弯路段点云，基于以下转换算法将所述路肩线点云中的第i个采样点P的局部坐标点P（xi，yi）转换为全局笛卡尔坐标点P’ ，生成弯路路肩线：
其中，
是局部坐标系原点对应的全局坐标，xi和yi是局部坐标系下P的坐标，
和
是全局坐标方向向量参数，scaleX和scaleY是缩放参数。
可选的，所述重建模块包括：第一构建单元，用于对于道路矢量线中的单条直道或弯道，从所述道路几何特征的路肩线特征点中选取每个分段的首个顶点为原点构建局部笛卡尔坐标系；加载单元，用于采用缩放矩阵、所述旋转矩阵、平移矩阵将分段的道路模型加载到三维地图上。
可选的，所述重建模块包括：判断单元，用于对于所述道路矢量线中的交叉口道路，基于道路中心点矢量数据判断交叉口类型；第二构建单元，用于根据所述交叉口道路的交叉口类型，采用路肩线特征点、路肩高度、步行道宽度构建道路三角网，其中，所述道路几何特征包括所述路肩线和所述步行道宽度，所述路肩高度从所述倾斜摄影数据的数字地表模型中获取。
可选的，所述重建模块包括：计算单元，用于确定所述三维道路当前分段道路的长度L，纹理对应的真实道路长度D，相邻贴图采样点Ci+1和Ci的距离为d，采用以下公式计算贴图采样点Ci+1的UV纹理坐标：
查找单元，用于确定实例化的附属设施的实例数量，根据所述实例数量计算相应实例的目标区域的面积，采用以下公式根据所述四叉树分块组织的图形参数查找与所述附属设施的实例匹配的下一层级Level：
其中，S为金字塔顶层瓦片的大小，T为目标区域的面积，Floor为向下取整函数；
过载单元，用于从所述原始三维模型中获取语义属性信息，并将所述语义属性信息过载到所述三维道路的模型部件上。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取目标区域的倾斜摄影影像，基于所述倾斜摄影影像生成倾斜三维模型，并根据所述倾斜三维模型生成点云模型和正射影像图；
S2，沿道路矢量线从所述点云模型中提取道路区域的点云数据；
S3，从所述点云数据中提取道路特定区域的道路几何特征，从所述正射影像图中提取所述道路几何区域对应的纹理特征；
S4，对所述道路矢量线进行分段处理，采用所述道路几何特征对每个分段进行三角构网，重建三维道路，采用所述纹理特征对所述三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路；
S5，基于地球瓦片金字塔结构和四叉树剖分，对所述三维道路进行索引组织，以实现所述目标区域的道路三维可视化。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器（Read-Only Memory，简称为ROM）、随机存取存储器（Random Access Memory，简称为RAM）、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子设备，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子设备还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取目标区域的倾斜摄影影像，基于所述倾斜摄影影像生成倾斜三维模型，并根据所述倾斜三维模型生成点云模型和正射影像图；
S2，沿道路矢量线从所述点云模型中提取道路区域的点云数据；
S3，从所述点云数据中提取道路特定区域的道路几何特征，从所述正射影像图中提取所述道路几何区域对应的纹理特征；
S4，对所述道路矢量线进行分段处理，采用所述道路几何特征对每个分段进行三角构网，重建三维道路，采用所述纹理特征对所述三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路；
S5，基于地球瓦片金字塔结构和四叉树剖分，对所述三维道路进行索引组织，以实现所述目标区域的道路三维可视化。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，例如多个单元或组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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种实景三维道路重建方法，其特征在于，包括：
获取目标区域的倾斜摄影影像，基于所述倾斜摄影影像生成倾斜三维模型，并根据所述倾斜三维模型生成点云模型和正射影像图；
沿道路矢量线从所述点云模型中提取道路区域的点云数据；
从所述点云数据中提取道路特定区域的道路几何特征，从所述正射影像图中提取所述道路几何区域对应的纹理特征；
对所述道路矢量线进行分段处理，采用所述道路几何特征对每个分段进行三角构网，重建三维道路，采用所述纹理特征对所述三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路；
基于地球瓦片金字塔结构和四叉树剖分，对所述三维道路进行索引组织，以实现所述目标区域的道路三维可视化；
其中，采用所述纹理特征对所述三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，包括：
确定所述三维道路当前分段道路的长度L，纹理对应的真实道路长度D，相邻贴图采样点Ci+1和Ci的距离为d，采用以下公式计算贴图采样点Ci+1的UV纹理坐标：
确定实例化的附属设施的实例数量，根据所述实例数量计算相应实例的目标区域的面积，采用以下公式根据所述四叉树分块组织的图形参数查找与所述附属设施的实例匹配的下一层级Level：
其中，S为金字塔顶层瓦片的大小，T为目标区域的面积，Floor为向下取整函数；
获取语义属性信息，并将所述语义属性信息过载到所述三维道路的模型部件上；
其中，沿道路矢量线从所述点云模型中提取道路区域的点云数据包括：基于预设二维数据中的道路中心线矢量，以预设缓冲区半径进行缓冲区裁剪，从所述点云模型中过滤得到第一道路区域点云；获取所述第一道路区域点云的最高点H，从所述最高点H开始，以固定步长d为单位逐步减小过滤高度，对所述第一道路区域点云进行过滤，得到第二道路区域点云；获取所述第二道路区域点云的道路路面点云高度，基于所述道路路面点云高度过滤所述第二道路区域点云中道路地面的地物点云。
2.根据权利要求1所述的方法，其特征在于，所述道路几何特征包括道路路肩线，从所述点云数据中提取道路特定区域的道路几何特征包括：
对所述点云数据进行分块，以所述道路矢量线中道路中心线上的矩形块作为种子点，根据所述种子点判断道路中间是否有隔离带，并标记隔离带区域；
沿所述种子点分别向垂直于所述道路中心线两边进行生长搜索，直至种子点的平均高度高于路面高度，得到路肩线所在的路肩分块；
获取所述路肩分块及其相邻分块内的点云数据，将分块的尺寸减半后对所述路肩分块继续进行生长搜索，提取得到路肩线点云；
根据所述路肩线点云生成道路路肩线。
3.根据权利要求2所述的方法，其特征在于，根据所述路肩线点云生成道路路肩线包括：
针对直路段点云，基于以下公式对所述路肩线点云中的特征点pi进行路肩线平滑处理，生成直路路肩线：
其中， t为采样参数，pi+1为特征点pi的相邻点，pi+2为特征点pi+1的相邻点；
针对转弯路段点云，基于以下转换算法将所述路肩线点云中的第i个采样点P的局部坐标点P（xi，yi）转换为全局笛卡尔坐标点P’，生成弯路路肩线：
其中，
是局部坐标系原点对应的全局坐标，xi和yi是局部坐标系下P的坐标，
和
是全局坐标方向向量参数，scaleX和scaleY是缩放参数。
4.根据权利要求1所述的方法，其特征在于，采用所述道路几何特征对每个分段进行三角构网，重建三维道路，包括：
对于道路矢量线中的单条直道或弯道，从所述道路几何特征的路肩线特征点中选取每个分段的首个顶点为原点构建局部笛卡尔坐标系；
采用缩放矩阵、旋转矩阵、平移矩阵将各个分段的道路模型加载到三维地图上。
5.根据权利要求1所述的方法，其特征在于，采用所述道路几何特征对每个分段进行三角构网包括：
对于所述道路矢量线中的交叉口道路，基于道路中心点矢量数据判断交叉口类型；
根据所述交叉口道路的交叉口类型，采用路肩线特征点、路肩高度、步行道宽度构建道路三角网，其中，所述道路几何特征包括所述路肩线和所述步行道宽度，所述路肩高度从所述倾斜摄影数据的数字地表模型中获取。
6.一种实景三维道路重建装置，其特征在于，包括：
获取模块，用于获取目标区域的倾斜摄影影像，基于所述倾斜摄影影像生成倾斜三维模型，并根据所述倾斜三维模型生成点云模型和正射影像图；
过滤模块，用于沿道路矢量线从所述点云模型中提取道路区域的点云数据；
提取模块，用于从所述点云数据中提取道路特定区域的道路几何特征，从所述正射影像图中提取所述道路几何区域对应的纹理特征；
重建模块，用于对所述道路矢量线进行分段处理，采用所述道路几何特征对每个分段进行三角构网，重建三维道路，采用所述纹理特征对所述三维道路依次进行纹理贴图，并进行附属设施建模和语义信息建模，生成实景三维道路；
组织模块，用于基于地球瓦片金字塔结构和四叉树剖分，对所述三维道路进行索引组织，以实现所述目标区域的道路三维可视化；
其中，所述重建模块包括：计算单元，用于确定所述三维道路当前分段道路的长度L，纹理对应的真实道路长度D，相邻贴图采样点Ci+1和Ci的距离为d，采用以下公式计算贴图采样点Ci+1的UV纹理坐标：
查找单元，用于确定实例化的附属设施的实例数量，根据所述实例数量计算相应实例的目标区域的面积，采用以下公式根据所述四叉树分块组织的图形参数查找与所述附属设施的实例匹配的下一层级Level：
其中，S为金字塔顶层瓦片的大小，T为目标区域的面积，Floor为向下取整函数；
过载单元，用于获取语义属性信息，并将所述语义属性信息过载到所述三维道路的模型部件上；
其中，所述过滤模块包括：第一过滤单元，用于基于预设二维数据中的道路中心线矢量，以预设缓冲区半径进行缓冲区裁剪，从所述点云模型中过滤得到第一道路区域点云；第二过滤单元，用于获取所述第一道路区域点云的最高点H，从所述最高点H开始，以固定步长d为单位逐步减小过滤高度，对所述第一道路区域点云进行过滤，得到第二道路区域点云；第三过滤单元，用于获取所述第二道路区域点云的道路路面点云高度，基于所述道路路面点云高度过滤所述第二道路区域点云中道路地面的地物点云。
7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至5中任一项所述的方法步骤。
8.一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其中：
存储器，用于存放计算机程序；
处理器，用于通过运行存储器上所存放的程序来执行权利要求1至5中任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111242316.8A CN113706698B (zh) | 2021-10-25 | 2021-10-25 | 实景三维道路重建方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111242316.8A CN113706698B (zh) | 2021-10-25 | 2021-10-25 | 实景三维道路重建方法及装置、存储介质、电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113706698A CN113706698A (zh) | 2021-11-26 |
| CN113706698B true CN113706698B (zh) | 2022-01-25 |
Family
ID=78646801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111242316.8A Active CN113706698B (zh) | 2021-10-25 | 2021-10-25 | 实景三维道路重建方法及装置、存储介质、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113706698B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494849B (zh) * | 2021-12-21 | 2024-04-09 | 重庆特斯联智慧科技股份有限公司 | 用于轮式机器人的路面状态识别方法和系统 |
| CN114840896B (zh) * | 2022-05-09 | 2024-04-26 | 武汉理工大学 | 一种基于城市道路bim的内涝积水模拟分析方法 |
| CN114969944B (zh) * | 2022-06-17 | 2024-04-26 | 滁州学院 | 一种高精度道路dem构建方法 |
| CN114818091B (zh) * | 2022-06-23 | 2022-09-27 | 武汉幻城经纬科技有限公司 | 管道接头bim精细化建模方法及装置、电子设备、存储介质 |
| CN114863195B (zh) * | 2022-07-07 | 2022-09-13 | 山东矩阵软件工程股份有限公司 | 一种点云数据的处理方法、系统、存储介质和电子设备 |
| CN115205472B (zh) * | 2022-09-16 | 2022-12-02 | 成都国星宇航科技股份有限公司 | 实景重建图片的分组方法、装置、设备及存储介质 |
| CN115908706B (zh) * | 2022-11-15 | 2023-08-08 | 中国铁路设计集团有限公司 | 实景三维模型与影像融合的高速铁路竣工验收方法 |
| CN115937456B (zh) * | 2023-02-15 | 2023-05-05 | 天津市测绘院有限公司 | 一种实景三维模型顶层重建方法及重建系统 |
| CN116310185B (zh) * | 2023-05-10 | 2023-09-05 | 江西丹巴赫机器人股份有限公司 | 一种三维重建耕地现场的方法及其智慧农业机器人 |
| CN116342783B (zh) * | 2023-05-25 | 2023-08-08 | 吉奥时空信息技术股份有限公司 | 一种实景三维模型数据渲染优化方法及系统 |
| CN116630598B (zh) * | 2023-07-19 | 2023-09-29 | 齐鲁空天信息研究院 | 大场景下的视觉定位方法、装置、电子设备及存储介质 |
| CN117611768B (zh) * | 2023-12-11 | 2024-06-04 | 西安星闪世图科技有限公司 | 一种基于cad图纸的道路参数化建模方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107356230A (zh) * | 2017-07-12 | 2017-11-17 | 深圳市武测空间信息有限公司 | 一种基于实景三维模型的数字测图方法和系统 |
| CN110260876A (zh) * | 2019-06-27 | 2019-09-20 | 厦门建研建筑产业研究有限公司 | 一种基于倾斜摄影和gis技术的道路模型生成方法及系统 |
| CN110889900A (zh) * | 2019-11-22 | 2020-03-17 | 北航（四川）西部国际创新港科技有限公司 | 一种面向低空域三维建模及可视化的方法 |
| CN111428306A (zh) * | 2020-04-17 | 2020-07-17 | 中交第二航务工程局有限公司 | 一种道路精细化设计方法 |
| CN112461205A (zh) * | 2020-11-12 | 2021-03-09 | 中国铁路设计集团有限公司 | 基于无人机倾斜摄影测量的铁路既有线横断面制作方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10109106B2 (en) * | 2016-09-14 | 2018-10-23 | Toyota Jidosha Kabushiki Kaisha | Scalable curve visualization for conformance testing in vehicle simulation |
| US10984257B2 (en) * | 2017-12-13 | 2021-04-20 | Luminar Holdco, Llc | Training multiple neural networks of a vehicle perception component based on sensor settings |
| CN109934914B (zh) * | 2019-03-28 | 2023-05-16 | 东南大学 | 一种嵌入式城市设计场景仿真方法及系统 |
-
2021
- 2021-10-25 CN CN202111242316.8A patent/CN113706698B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107356230A (zh) * | 2017-07-12 | 2017-11-17 | 深圳市武测空间信息有限公司 | 一种基于实景三维模型的数字测图方法和系统 |
| CN110260876A (zh) * | 2019-06-27 | 2019-09-20 | 厦门建研建筑产业研究有限公司 | 一种基于倾斜摄影和gis技术的道路模型生成方法及系统 |
| CN110889900A (zh) * | 2019-11-22 | 2020-03-17 | 北航（四川）西部国际创新港科技有限公司 | 一种面向低空域三维建模及可视化的方法 |
| CN111428306A (zh) * | 2020-04-17 | 2020-07-17 | 中交第二航务工程局有限公司 | 一种道路精细化设计方法 |
| CN112461205A (zh) * | 2020-11-12 | 2021-03-09 | 中国铁路设计集团有限公司 | 基于无人机倾斜摄影测量的铁路既有线横断面制作方法 |
Non-Patent Citations (7)
| Title |
|---|
| Template-Based 3D Road Modeling for Generating Large-Scale Virtual Road Network Environment;Xuequan Zhang 等;《International Journal of Geo-Information》;20190822;第1-17页 * |
| Traffic Simulation Method for Dynamic Road Network Model Construction Based on Oblique Aerial Photogrammetry Technology;Wang H 等;《Design Engineering》;20201231;第105-116页 * |
| 一种基于无人机倾斜摄影的三维路网提取方法;李磊;《中国公路学报》;20191130;第219-226页 * |
| 基于LIDAR的高速公路测设技术应用研究;富志鹏;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20130515;C034-41 * |
| 基于虚拟地球的流场三维动态可视化方法;吴红燕 等;《气象科技》;20190630;第17-19页 * |
| 李磊.一种基于无人机倾斜摄影的三维路网提取方法.《中国公路学报》.2019, * |
| 车载移动测量地物分类方法与重建技术研究;胡晓斌;《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》;20200115;A008-38 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113706698A (zh) | 2021-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113706698B (zh) | 实景三维道路重建方法及装置、存储介质、电子设备 | |
| CN116310192B (zh) | 一种基于点云的城市级建筑物三维模型单体重建方法 | |
| CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
| CN111008422B (zh) | 一种建筑物实景地图制作方法及系统 | |
| CN106780736B (zh) | 地图数据处理方法及装置、三维地图生成方法及装置 | |
| CN109242862B (zh) | 一种实时的数字表面模型生成方法 | |
| CN109900338B (zh) | 一种路面坑槽体积测量方法及装置 | |
| CN109934911B (zh) | 基于OpenGL的移动端高精度倾斜摄影三维建模方法 | |
| CN104809759A (zh) | 基于小型无人直升机的大面积非结构化场景三维建模方法 | |
| JP2011501301A (ja) | 地理的情報の複数のソースを用いた地理空間モデリングシステム及び関連する方法 | |
| CN110189405B (zh) | 一种顾及建筑物密度的实景三维建模方法 | |
| CN105279793A (zh) | 一种基于dem真三维地图及绿道的建模方法及系统 | |
| CN105354882A (zh) | 一种大数据架构的大空间范围输电三维全景展示平台构建方法 | |
| CN102496179A (zh) | 一种三维场景的裁剪方法 | |
| CN114241143A (zh) | 基于多维度数据和三维建模的智慧城市规划平台及方法 | |
| CN113378844A (zh) | 工程垃圾堆放的分割方法、装置、设备及计算机存储介质 | |
| CN116468869A (zh) | 一种基于遥感卫星影像的实景三维建模方法、设备及介质 | |
| CN111895907A (zh) | 一种电塔点云提取方法、系统及设备 | |
| EP2150940A2 (en) | Geospatial modeling system providing data thinning of geospatial data points and related methods | |
| KR20180093727A (ko) | Ｇｉｓ 데이터 자동변환 시스템 | |
| CN115471634B (zh) | 一种城市绿植孪生的建模方法及装置 | |
| CN113704945B (zh) | 管网道路的关联分析方法及装置、存储介质、电子设备 | |
| CN114119903B (zh) | 一种基于实景三维城市的动态交通模拟方法 | |
| CN113822914A (zh) | 倾斜摄影测量模型单体化方法、计算机装置及产品、介质 | |
| CN115752432A (zh) | 无人机采集道路交通图中虚线车道线自动提取方法及系统 |
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 |