一种基于点云与目标多边形的目标三维模型生成方法技术

本发明专利技术涉及目标三维模型生成领域，公开了一种基于点云与目标多边形的目标三维模型生成方法。包括获取目标区域对应的区域点云数据及目标多边形数据。将区域点云数据输入点云分割网络，得到对应的目标物点云数据。根据目标物点云数据对应的目标高度坐标，确定目标物体的重建高程信息。根据目标物体对应的目标多边形数据及重建高程信息，生成对应的CityGML三维模型。本发明专利技术利用可以容易得到的目标多边形数据，代替了复杂的屋顶拓扑结构的计算，由此，大幅降低了计算量。同时，由于点云分割网络的架构更加简单轻量化，可以进一步实现对大规模数据的快速计算处理。由此，实现对大规模的建筑物CityGML三维模型进行快速重建的功能。筑物CityGML三维模型进行快速重建的功能。筑物CityGML三维模型进行快速重建的功能。

【技术实现步骤摘要】
一种基于点云与目标多边形的目标三维模型生成方法


[0001]本专利技术涉及目标三维模型生成领域，特别是涉及一种基于点云与目标多边形的目标三维模型生成方法。

技术介绍

[0002]建筑物三维重建(3DReconstruction)，是建立外界物体合适的计算机数学模型，并在计算机环境中对模型进行处理、生成场景和物体的三维模型的方法。
[0003]现有的基于单幅图像的三维重建方法，在进行建筑物三维重建的过程中，需要计算屋顶的拓扑结构，然而这种屋顶拓扑结构会降低算法的运行效率。同时对于大规模的建筑物重建中需要大量的图像数据，由此也大幅增加了计算量。进而使得现有技术中对大规模的建筑物CityGML三维模型的重建效率低下。

技术实现思路

[0004]针对上述技术问题，本专利技术采用的技术方案为：
[0005]根据本专利技术的一个方面，提供了一种基于点云与目标多边形的目标三维模型生成方法，该方法包括如下步骤：
[0006]获取目标区域对应的区域点云数据。区域点云数据中的每一个点配置有对应的位置坐标及颜色信息。
[0007]获取目标区域中目标物体的目标多边形数据。目标多边形数据为构成目标物体顶部多边形轮廓的点的坐标集。
[0008]将区域点云数据输入点云分割网络，得到目标区域中每一目标物体对应的目标物点云数据。点云分割网络能够根据区域点云数据中的点对应的位置坐标及颜色信息，确定区域点云数据中每一点的类别。并根据每一点对应的类别确定每一目标物体对应的目标物点云数据。
[0009]根据每一目标物点云数据对应的目标高度坐标，确定每一目标物体的重建高程信息。目标高度坐标为目标物点云数据中每一水平位置点对应的最大高度坐标。
[0010]根据每一目标物体对应的目标多边形数据及重建高程信息，生成目标区域中目标物体的CityGML三维模型。
[0011]根据本专利技术的第二个方面，提供了一种非瞬时性计算机可读存储介质，非瞬时性计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的一种基于点云与目标多边形的目标三维模型生成方法。
[0012]根据本专利技术的第三个方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种基于点云与目标多边形的目标三维模型生成方法。
[0013]本专利技术至少具有以下有益效果：
[0014]本专利技术中使用目标区域中的目标物体对应的目标多边形数据及点云数据，来生成
目标物体的CityGML三维模型。由于，目标多边形数据为构成目标物体顶部多边形轮廓的点的坐标集，并且由于建筑物的屋顶基本为规则的多边形，所以对应的顶部多边形轮廓的点就是多边形的顶点。通常在3
‑
10个点的数量，由此大幅减少了需要处理的数据量。同时大规模的目标区域对应的区域点云数据通常为数据量较少的稀疏点云。所以通过上述特征可以大幅减少在进行大规模的建筑物CityGML三维模型的重建过程中需要使用的参数的数量。也即降低了计算量，由此可以提高计算效率，进而提高大规模的建筑物CityGML三维模型的重建效率。相比于现有的建筑物重建的方法，本专利技术利用较少的输入数据量可以实现大规模的建筑物重建。同时，通过利用可以容易得到的目标多边形数据，代替了相关技术中复杂的屋顶拓扑结构的计算，由此，大幅降低了本专利技术中需要的计算量，进而可以实现对大规模的建筑物CityGML三维模型进行快速重建功能。
[0015]同时，由于点云分割网络的架构更加简单，也更加轻量化，其参数量小于1M，可以进一步实现对大规模数据的快速计算处理。由此，本专利技术中通过轻量化的点云分割网络可以实现对目标物体的点云提取，进而可以更加方便快速的获取到目标物体的高程信息。
附图说明
[0016]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，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。
[0017]图1为本专利技术实施例提供的一种基于点云与目标多边形的目标三维模型生成方法的流程图。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]作为本专利技术一种可能的实施例，如图1所示，提供了一种基于点云与目标多边形的目标三维模型生成方法，该方法包括如下步骤：
[0020]S100:获取目标区域对应的区域点云数据。区域点云数据中的每一个点配置有对应的位置坐标及颜色信息。
[0021]目标区域可以为城市的某一区域，如某一行政区域或社区等。由于，城市中的建筑物密度很高，所以对应的目标区域的处理数据量的规模会较大。区域点云数据可以为现有的点云数据，或者使用现有的点云获取方法来获取对应区域的点云数据。对于本专利技术的区域点云数据而言，其通常为稀疏点云。
[0022]本实施例中，区域点云数据中每个点的位置坐标可以由经纬度值及高程值组成，然后通过每一个点云对应的经纬度坐标，来确定其在对应的遥感图像中的颜色信息，具体的颜色信息可以为RGB的值。通过在现有的点云的位置坐标的基础上增加对应的颜色信息，可以增加点云对应的特征的维度及数量。由此，可以在对点云进行分割时具有更高的分割
精度。
[0023]S200:获取目标区域中目标物体的目标多边形数据。目标多边形数据为构成目标物体顶部多边形轮廓的点的坐标集。优选的，目标物体为建筑物。
[0024]由于，本专利技术最终构建的三维模型的精细度要求较低，具体精度可以为LOD(Levelsof Detail，多细节层次)1，所以只要目标物体重建的精度符合该要求，即可使用该方法进行三维模型的构建。具体的目标物体可以为树、路灯等固定物体。优选的，目标物体为建筑物。本实施例中最终生成的LOD1模型基本为一个规则的直棱柱，同时由于现有的建筑物的外表形状大多数也为一个规则的直棱柱。所以建筑物的实际形状更加符合本专利技术最终生成的目标物体的CityGML三维模型的形状，由此目标物体优选为建筑物。
[0025]S300:将区域点云数据输入点云分割网络，得到目标区域中每一目标物体对应的目标物点云数据。点云分割网络能够根据区域点云数据中的点对应的位置坐标及颜色信息，确定区域点云数据中每一点的类别。并根据每一点对应的类别聚类确定每一目标物体对应的目标物点云数据。
[0026]将区域点云数据输入点云分割网络后，可以将区域点云数据中的目标物体提取出来。具体的，可以使用现有的点云分割网络来进行本步骤中的点云分割。优选的，使用PointNet++网络作为本实施例中的点云分割网络，可以获得更加精准的分割效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云与目标多边形的目标三维模型生成方法，其特征在于，所述方法包括如下步骤：获取目标区域对应的区域点云数据；所述区域点云数据中的每一个点配置有对应的位置坐标及颜色信息；获取目标区域中目标物体的目标多边形数据；所述目标多边形数据为构成目标物体顶部多边形轮廓的点的坐标集；将所述区域点云数据输入点云分割网络，得到所述目标区域中每一目标物体对应的目标物点云数据；所述点云分割网络能够根据所述区域点云数据中的点对应的位置坐标及颜色信息，确定所述区域点云数据中每一点的类别；并根据每一所述点对应的类别确定每一目标物体对应的目标物点云数据；根据每一所述目标物点云数据对应的目标高度坐标，确定每一目标物体的重建高程信息；所述目标高度坐标为目标物点云数据中每一水平位置点对应的最大高度坐标；根据每一所述目标物体对应的目标多边形数据及重建高程信息，生成所述目标区域中所述目标物体的CityGML三维模型。2.根据权利要求1所述的方法，其特征在于，所述点云分割网络包括第一PointNet++网络；所述第一PointNet++网络为将PointNet++网络中的KNN替换为稀疏KNN后的分割网络；所述稀疏KNN用于实现以下步骤：获取样本数据中目标样本与其余样本之间的匹配度排序序列；根据预设的扩张步长、采样数及邻近数值，从所述匹配度排序序列中确定所述目标样本的扩张搜索排序区间；所述扩张搜索排序区间为匹配度排序序列中小于或等于区间阈值对应的排序区间；所述区间阈值满足如下条件：其中，D
S
为区间阈值；D为邻近数值，邻近数值为在扩张搜索排序区间中获取的最邻近目标样本的其余样本的数量；A为扩张步长，A＝2
B
；r为采样数，r＝2
C
；B为步长系数；C为采样系数；在所述扩张搜索排序区间中从起始排序位置开始，每隔一个A从其余样本中选取r个其余样本作为参照样本，以获取到K个参照样本；将获取到的K个参照样本，作为对应的目标样本的近邻区域样本。3.根据权利要求1所述的方法，其特征在于，所述目标物体为建筑物。4.根据权利要求3所述的方法，其...

【专利技术属性】
技术研发人员：陈凯强，毛永强，王智睿，成培瑞，赵良瑾，黄兴亮，董波，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：