【技术实现步骤摘要】
本专利技术属于三维模型重建的，具体涉及一种基于跨尺度多源数据的三维模型的重建方法及存储方法。
技术介绍
1、通过摄影测量、激光扫描等三维建模技术，可以实现城市场景、文化遗产、考古探方等重要场景的实景三维重建。实景三维重建能够全方位记录场景的高精度几何信息和高真实感纹理信息，受到了各行各业的极大重视。随着实景三维建模的普及，许多行业应用对其提出了更多的需求。在实际应用中，许多场景需要同时关注千米级、百米级、米级、毫米级的建模对象，甚至越来越多的场景需要同时关注室外和室内的建模对象。实景三维建模通常要求所有的建模对象都具备真实地理坐标或真实的尺度，否则会使模型的价值和可用性大幅缩水。在这样的背景下，实现三维建模面临多项挑战，主要包括：(1)不同的数据采集方式适用不同场景，如何使多种数据源有效融合；(2)室内无rtk信号的情况下进行控制点布设；(3)跨尺度与室内外联合建模面临的空三解算困难；(4)室内模型与室外模型占据相同坐标和相同瓦块导致的模型存储冲突。
2、目前的实景三维建模都是针对不同的区域使用不同的数据采集方式，一套数据完成一次建模。例如，千米级场景使用无人机采集数据，室内场景使用单反相机，毫米级采用手持激光扫描仪采集数据。这种作业方式，导致涉及跨尺度或室内外场景的建模成果十分零散，不同区域的模型质量会参差不齐，无法统一进行浏览和测量，更无法生成统一的4d产品。
3、在这种情况下，即便将各个区域的模型转换至统一的坐标系下，模型之间也有诸多的边缘错乱和接缝问题，对模型的价值、可用性和美观程度都有严重影响。
技术实现思路
1、本专利技术的目的在于针对现有技术的不足之处，提供一种基于跨尺度多源数据的三维模型的重建方法，该方法解决了跨尺度多源数据在三维模型重建过程中难以融合的问题。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、一种基于跨尺度多源数据的三维模型的重建方法，包括如下步骤：
4、步骤1、对建模对象布设跨尺度测量控制网以获取建模对象内各尺度相关点的坐标信息，并采用不同的图像采集设备采集建模对象不同尺度场景的图像数据；
5、步骤2、根据步骤1的坐标信息，采用渐进式空三解算方法对获得的不同尺度场景的图像数据先分别进行空三解算再将空三解算后的点云数据进行融合优化得到建模对象的融合优化点云数据；
6、步骤3、根据步骤2获得的融合优化点云数据采用语义优化建模方法对建模对象进行建模得到语义标注三维模型。
7、进一步地，步骤1中，对于建模对象的室外场景采用无人机搭载多镜头采集倾斜影像，室内场景采用手持单反相机采集多角度影像。
8、进一步地，步骤1中，采用无人机搭载机载激光雷达采集室外场景的点云数据，使用架站式激光扫描仪、手持激光扫描仪采集室内场景的激光雷达点云。
9、进一步地，步骤1中采集影像数据满足的条件为：
10、采用不同图像采集装置进行采集时，对相邻区域的两种不同图像采集影像装置的采集范围划定交集共同采集，交集内的数据作为缓冲数据，缓冲数据的面积不低于其中一种设备采集面积的10％；
11、针对室外场景的不同尺度的目标进行采集，在不同的航高处进行采集，如果航高差超过150米，则使用中间航高采集室外场景中最小尺度场景的数据作为缓冲数据，缓冲数据的面积完全覆盖最小尺寸场景；
12、对室内外场景的不同尺度的目标进行采集，使用室外采集的图像采集装置采集部分室内场景作为缓冲数据，或使用室内采集的图像采集装置采集室外场景作为缓冲数据，缓冲数据的采集面积超过室内面积的10％。
13、进一步地，步骤2中采用渐进式空三解算方法对获得的不同尺度的影像数据的方法为：
14、1)数据分组：根据输入路径、数据类型和元数据信息对获得的不同尺度场景的图像数据进行标注分组；
15、2)局部空三解算：对每个数据组进行空三解算得到局部解算位姿和局部点云；
16、3)联合空三解算：根据局部解算位姿和局部点云，借助点云配准方法将所有影像数据从全局角度重新进行解算得到影像全局优化点云数据；
17、4)空三融合优化：对于同时具备影像和激光扫描点云的场景，将影像全局优化点云数据和激光扫描点云配准对齐，然后再使用ransac算法剔除噪声和和离群点，最后做均匀采样，从而将影像全局优化点云和激光扫描的点云进行优化融合得到融合优化点云数据；对于未采集激光点云数据的场景，直接将影像全局优化点云数据进行ransac去除噪声和离群点，然后在进行空间均匀采样，即得到融合优化点云数据。
18、进一步地，联合空三解算的方法为：
19、将局部空三解算获得的若干局部点云进行配准对齐；
20、通过配准的点云代表的物方点坐标，借助共线方程再次反向优化局部空三解算获得局部解算位姿，进而获得所有的影像全局优化位姿，再对所有影像全局优化位姿进行解算得到全局优化点云；其中，共线方程的基本形式为：
21、
22、
23、式中：
24、-x，y为像点的像平面坐标；
25、-x0，y0，f为影像的内方位元素；
26、-xs，ys，zs为摄站点的物方空间坐标；
27、-xa，ya，za为物方点的物方空间坐标；
28、ai，bi，ci(i＝1，2，3)为影像的3个外方位角元素组成的9个方向余弦。
29、进一步地，步骤3中语义优化建模的方法包括以下步骤：
30、1)预设场景语义类别；
31、2)采用pointnet++算法对融合优化点云数据进行点云语义分割，得到对应的各语义类别；
32、3)对不同语义类别的对象设置不同的类别约束，并对其设置相应的优化建模算法，在相应的类别约束下，根据步骤2得到全局点云数据采用对应的建模优化算法进行建模得到各语义类别的三维模型；
33、4)对各语义类别的三维模型进行语义接边优化得到整体三维模型，对接边后的整体三维模型执行模型纹理映射得到最终的语义标注三维模型。
34、进一步地，采用pointnet++算法进行语义分割的方法为：
35、1)对融合优化点云进行聚类得到多个点云子集；
36、2)在每个点云子集内通过共享的多层感知机来提取每个点云子集的特征；
37、3)以层级化方式重复多次上述步骤，得到包含了局部邻域内丰富上下文信息的高层级点云特征；
38、4)根据学习到的高层级点云特征，使用一个全连接网络为每一个聚类的点云进行类别评分，得分最高的类别为最终分类；
39、5)将分类标签赋予类别内原始包含的所有点，实现点云的语义分割，即每一个点包含一个语本文档来自技高网...
【技术保护点】
1.一种基于跨尺度多源数据的三维模型的重建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，步骤1中，对于建模对象的室外场景采用无人机搭载多镜头采集倾斜影像，室内场景采用手持单反相机采集多角度影像。
3.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，步骤1中，采用无人机搭载机载激光雷达采集室外场景的点云数据，使用架站式激光扫描仪、手持激光扫描仪采集室内场景的激光雷达点云。
4.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，步骤1中采集影像数据满足的条件为：
5.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，步骤2中采用渐进式空三解算方法对获得的不同尺度的影像数据的方法为：
6.根据权利要求5所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，联合空三解算的方法为：
7.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，步骤3中语义优化建模的方法包
8.根据权利要求7所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，采用PointNet++算法进行语义分割的方法为：
9.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，语义接边优化的实现方法为：
10.一种根据权利要求1-9任意一项所述的基于跨尺度多源数据的三维模型的重建方法的数据存储方法，其特征在于，包括如下步骤：
...【技术特征摘要】
1.一种基于跨尺度多源数据的三维模型的重建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，步骤1中，对于建模对象的室外场景采用无人机搭载多镜头采集倾斜影像，室内场景采用手持单反相机采集多角度影像。
3.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，步骤1中，采用无人机搭载机载激光雷达采集室外场景的点云数据，使用架站式激光扫描仪、手持激光扫描仪采集室内场景的激光雷达点云。
4.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，步骤1中采集影像数据满足的条件为：
5.根据权利要求1所述的基于跨尺度多源数据的三维模型的重建方法，其特征在于，步...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。