一种三维高精度地图生成方法技术

本发明专利技术公开了一种三维高精度地图生成方法

【技术实现步骤摘要】
一种三维高精度地图生成方法、系统及云平台


[0001]本专利技术涉及三维图像
，具体是一种三维高精度地图生成方法
、
系统及云平台
。

技术介绍

[0002]高精度的三维地图广泛应用于在建筑设计
、
行程导航
、
城市规划等领域，然而，由于建筑的拓扑结构
、
几何结构
、
层次结构复杂，使得精准的在地图表述建筑物的各种信息难以实现
。
[0003]在现有技术中，常使用约束形状估计解空间提供强先验，但通常受限于预先定义建筑物的拓扑结构，对超出范围的变形难以进行处理和理解，使得难以重建拓扑结构更加复杂的建筑物
。
[0004]在实际场景中，由于建筑物所处环境的复杂性以及建筑物相互干扰，使得采集建筑物信息的难以准确，例如建筑物之间的遮挡和复杂的几何结构可能导致地图中的空洞或噪音，怎样避免出现数据漏洞的同时建立高精度三维地图是当前的技术难点，为此提供一种三维高精度地图生成方法
、
系统及云平台
。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种三维高精度地图生成方法
、
系统及云平台
。
[0006]为了实现上述目的，本专利技术提供如下技术方案：
[0007]一种三维高精度地图生成方法，包括以下步骤：
[0008]步骤一，对各个建筑物设置像控点，并根据像控点所在位置设置无人机飞行路径，进而通过无人机采集建筑物的建筑架构信息；
[0009]步骤二，根据建筑架构信息建立建筑物的初始三维图像模型和三维点云数据，将三维图像模型与三维点云数据进行重叠映射建立准三维图像模型；
[0010]步骤三，根据建筑物内各个设施之间的关联性建立结构关系树，以及根据各个建筑物之间存在的关联性建立结构关联森林，进而对各个建筑物的准三维图像模型的缺失部分进行修补得到三维图像模型；
[0011]步骤四，根据各个建筑物对应在结构关联森林中的关联关系，采用神经元匹配的形式将各个三维图像模型进行拼接，进而得到区域三维地图
。
[0012]进一步的，所述初始三维图像模型的建立包括：
[0013]所述建筑架构信息包括建筑物的编号
、
第一脉冲雷达反射信号
、
第二脉冲雷达反射信号
、
第一倾斜图像数据和第二倾斜图像数据；
[0014]分别对第一倾斜图像数据和第二倾斜图像数据进行图像校正和影像配准，进而将二者中处于不同倾斜角度的图像部分配准至同一个经纬度下，使得二者的几何质量呈一致性；
[0015]根据处理后第一倾斜图像数据和第二倾斜图像数据建立建筑结构三维模型，并将二者所对应的建筑结构三维模型进行重叠映射，进而得到初始三维图像模型，且在初始三维图像模型上设置若干个设施位置特征点
。
[0016]进一步的，所述三维点云数据的建立过程包括：对第一脉冲雷达反射信号
、
第二脉冲雷达反射信号进行滤波
、
去噪以及配准后，根据第一脉冲雷达反射信号
、
第二脉冲雷达反射信号上各个波峰点以及对应信号强度建立三维点云数据，将两个三维点云数据进行重叠映射，得到完整三维点云数据，
[0017]在三维点云数据中的点云数据和初始三维图像模型中的设施位置特征点都设有一个对应的设施图像模型，且设施图像模型呈虚影状态
。
[0018]进一步的，所述准三维图像模型的建立过程包括：
[0019]将初始三维图像模型与完整三维点云数据进行映射重叠，将其中设施位置特征点与点云数据处于重叠映射状态标记为确认部位，进而将确认部位所对应的设施图像模型由虚影状态转化为实影状态，进而得到准三维图像模型，其余未匹配成功的设施位置特征点标记为缺失部分
。
[0020]进一步的，所述结构关系树的建立过程包括：
[0021]从初始三维图像模型中提取出所有的设施位置特征点，建立三维空间
x
‑
y
‑
z
坐标系，并基于各个设施位置特征点在初始三维图像模型中的相互对应位置将其映射至三维空间
x
‑
y
‑
z
坐标系中，进而从三维空间
x
‑
y
‑
z
坐标系的原点出发，沿三维空间
x
‑
y
‑
z
坐标系的
z
轴将各个设施位置特征点依次相连，对于相对于
z
轴在同一位置的设置位置特征点则沿
x
轴进行依次相连，对于相对于
z
轴和
x
轴在同一位置的设置位置特征点则沿
y
轴进行依次相连，进而得到结构关系树
。
[0022]进一步的，所述结构关联森林的建立过程包括：
[0023]根据各个建筑物在实际场景下的相邻关系将其各自对应的结构关系树上的树节点相互映射匹配，将映射匹配成功的树节点相互连接，映射匹配失败的树节点不相连，进而得到结构关联森林；
[0024]在结构关联森林中，各个建筑物对应的结构关系树上的树节点带有颜色标注，相邻建筑物的结构关系树上的树节点的颜色不同，且相邻的结构关系树的连接树节点同时带有两种颜色
。
[0025]进一步的，对所述准三维图像模型进行修补的过程包括：
[0026]根据各个建筑物的编号将其对应准三维图像模型映射至结构关联森林中，进而将结构关联森林中对应结构关系树上的树节点与准三维图像模型上的带有缺失部位标记的设施位置特征点进行映射匹配；
[0027]将其中与树节点成功映射匹配的设施位置特征点标记更改为确认部分其对应的设施图像模型由虚影状态转化为实影状态，进而得到三维图像模型，剩余未映射匹配成功的设施位置特征点自动删除
。
[0028]进一步的，所述区域三维地图的建立包括：基于结构关联森林中各个结构关系树带有两种颜色标注的树节点，进而将结构关系树所对应的三维图像模型中相同位置的设施位置特征点设为连接突触；建立神经匹配空间，并在神经匹配空间中设置若干个信号受体；
[0029]各个三维图像模型的连接前突触或连接后突触向信号受体发送请求连接信号或
响应连接信息，信号受体根据请求连接信号或响应连接信息所包含的信号在其存储的结构关联森林以及各个三维图像模型进行匹配结合，进而将相对应的连接前突触和连接后突触向信号进行匹配连接，当所有的三维图像模型的连接前突触或连接后突触都被连接后得到区域三维地图
。
[0030]进一步的，一种三维高精度地图生成系统，包括云计算中心，所述云计算中心通信连接有区域建筑信息采集模块
、
建筑信息分析模块
、
三维图像模型建立模块以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种三维高精度地图生成方法，其特征在于，包括以下步骤：步骤一，对各个建筑物设置像控点，并根据像控点所在位置设置无人机飞行路径，进而通过无人机采集建筑物的建筑架构信息；步骤二，根据建筑架构信息建立建筑物的初始三维图像模型和三维点云数据，将三维图像模型与三维点云数据进行重叠映射建立准三维图像模型；步骤三，根据建筑物内各个设施之间的关联性建立结构关系树，以及根据各个建筑物之间存在的关联性建立结构关联森林，进而对各个建筑物的准三维图像模型的缺失部分进行修补得到三维图像模型；步骤四，根据各个建筑物对应在结构关联森林中存在的关联关系，采用神经元匹配的形式将各个三维图像模型进行拼接，进而得到区域三维地图
。2.
根据权利要求1所述的一种三维高精度地图生成方法，其特征在于，所述初始三维图像模型的建立包括：所述建筑架构信息包括建筑物的编号
、
第一脉冲雷达反射信号
、
第二脉冲雷达反射信号
、
第一倾斜图像数据和第二倾斜图像数据；分别对第一倾斜图像数据和第二倾斜图像数据进行图像校正和影像配准，进而将二者中处于不同倾斜角度的图像部分配准至同一个经纬度下，使得二者的几何质量呈一致性；根据处理后的第一倾斜图像数据和第二倾斜图像数据建立建筑结构三维模型，并将二者所对应的建筑结构三维模型进行重叠映射，进而得到初始三维图像模型，且在初始三维图像模型上设置若干个设施位置特征点
。3.
根据权利要求2所述的一种三维高精度地图生成方法，其特征在于，所述三维点云数据的建立过程包括：对第一脉冲雷达反射信号
、
第二脉冲雷达反射信号进行滤波
、
去噪以及配准后，根据第一脉冲雷达反射信号
、
第二脉冲雷达反射信号上各个波峰点以及对应信号强度建立三维点云数据，将两个三维点云数据进行重叠映射，得到完整三维点云数据，在三维点云数据中的点云数据和初始三维图像模型中的设施位置特征点都设有一个对应的设施图像模型，且设施图像模型呈虚影状态
。4.
根据权利要求3所述的一种三维高精度地图生成方法，其特征在于，所述准三维图像模型的建立过程包括：将初始三维图像模型与完整三维点云数据进行映射重叠，将其中设施位置特征点与点云数据处于重叠映射状态标记为确认部位，进而将确认部位所对应的设施图像模型由虚影状态转化为实影状态，进而得到准三维图像模型，其余未匹配成功的设施位置特征点标记为缺失部分
。5.
根据权利要求2所述的一种三维高精度地图生成方法，其特征在于，所述结构关系树的建立过程包括：从初始三维图像模型中提取出所有的设施位置特征点，建立三维空间
x
‑
y
‑
z
坐标系，并基于各个设施位置特征点在初始三维图像模型中的相互对应位置将其映射至三维空间
x
‑
y
‑
z
坐标系中，进而从三维空间
x
‑
y
‑
z
坐标系的原点出发，沿三维空间
x
‑
y
‑
z
坐标系的
z
轴将各个设施位置特征点依次相连，对于相对于
z
轴在同一位置的设置位置特征点则沿
x
轴进行依次相连，对于相对于

【专利技术属性】
技术研发人员：王朝勇，
申请(专利权)人：达州市斑马工业设计有限公司，
类型：发明
国别省市：