System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于三维模型数据识别统计的城市视景评价方法技术_技高网
当前位置: 首页 > 专利查询>东南大学专利>正文

一种基于三维模型数据识别统计的城市视景评价方法技术

技术编号:41070038 阅读:6 留言:0更新日期:2024-04-24 11:25
本发明专利技术公开了一种基于三维模型数据识别统计的城市视景评价方法,属于城市规划技术领域。本发明专利技术通过在三维模型中对对象要素进行颜色标签的赋予,进而通过定位空间视景点导出模型中的视景图像和矢量线图像,并且在考虑导出视景图像和矢量线图时,通过识别图像中标签颜色数据,进而客观地衡量该方向视景下的空间视景点视景类型标签指数。并且在考虑导出矢量线图时,充分考虑了通过挖掘所导出的视景矢量线图的矢量线数据统计,如所有线段总长度、线段数量、线段长度分布方差等信息,进而定量评价该方向视景下的城市视景层次丰富性等视觉特征。本发明专利技术可定量定义三维模型空间中的视景评价问题,为城市规划设计等领域提供科学的依据。

【技术实现步骤摘要】

本专利技术涉及城市规划和建筑学,尤其涉及城市三维模型视景评估方法。


技术介绍

1、在当今快速发展的城市化进程中,视觉感知在城市规划和设计中扮演着至关重要的角色。它不仅影响着人们对城市空间的认知和情感体验,而且直接关系到城市环境的舒适度和吸引力。随着技术的进步,三维模型研究在视景评估领域展现出了独特的有效性。目前已有城市视景评估方法及其问题主要包括:

2、1.视线分析法。视线分析是一种常用于地理信息系统(gis)中的方法,用于确定从特定点或多个点观察的地表区域。这种方法在城市规划中用于评估建筑物或自然特征对视线的影响。视线分析通常只考虑直线视线,忽略了视觉感知的其他方面,如视觉质量、颜色或光影效果。此外,它也无法有效地处理动态视景或复杂的城市环境。

3、2.基于计算机视觉和图像处理的评价方法。利用计算机视觉和图像处理技术,可以对城市景观的照片或视频进行分析,以评估视觉质量。这包括使用算法来识别颜色、纹理和形状等视觉元素,以及运用图像语义分割来识别街景图像。这种方法依赖于街景图象,而街景图象只能反映城市交通干道的城市景观。

4、3.虚拟现实(vr)模拟。通过虚拟现实技术,用户可以在模拟的三维城市环境中进行沉浸式体验,从而评估不同设计方案的视觉效果。虽然vr提供了高度逼真的视觉体验,但其成本较高,且对技术设备有一定依赖。此外,vr体验可能与现实世界中的视觉感知存在差异。

5、4.景观视觉质量评估(landscape visual quality assessment,lvqa)。这种方法通过评估景观特征如自然度、开放性、独特性等来确定景观的视觉质量。它通常结合专家评估和公众调查。lvqa往往依赖于主观判断,结果可能因个人偏好和文化背景而异。此外,这种方法在操作上可能较为复杂和耗时。


技术实现思路

1、本专利技术所要解决的技术问题在于克服现有技术不足,提供一种基于三维模型数据识别统计的城市视景评价方法,以空间三维模型和其它信息数据作为基础,将这些信息数据以颜色标签的方式呈现在空间三维模型上,构建新的带有颜色标签信息的视景模型,批量快速准确地导出空间模型的视景图像和对应的矢量线图数据,再通过识别并计算视景图像中的要素标签比例数据和矢量线统计数据,对城市景观特征进行评价,为城市规划设计提供科学的依据。

2、本专利技术具体采用以下技术方案解决上述技术问题:

3、一种基于三维模型数据识别统计的城市视景评价方法,包括以下步骤:

4、步骤1、确定三维模型中的待评估空间,并在三维模型中落位为三维模型视景点ai;

5、步骤2、搭建颜色标签视景模型,通过对不同属性的三维模型体块分别赋予不同的颜色附着在其表面以及对三维模型空间赋予颜色标签信息;

6、步骤3、确定好三维模型视景点ai的各个视景方向向量为从ai点第j个方向的视看方向向量,j≤n,导出所有三维模型视景点ai的各个视景方向向量所看到的视景图像和矢量线图;

7、步骤4、计算各方向向量下的视景图像的各颜色标签比例数据;

8、步骤5、计算各方向向量下的视景矢量线图数据;

9、步骤6、根据上述各颜色标签比例数据和矢量线图数据对模型空间视景点ai进行评价和筛选。

10、进一步地,步骤3中导出所有视景点ai的各个视景方向向量所看到的城市视景图像包括:

11、步骤3-1、设置视景画幅;

12、步骤3-2、以模型空间视景点ai的竖直向上移动1.6m后的点ai’为三维模型中摄像机放置点,再以其为出发点,朝所对应的各视景方向向量移动任意距离后的点ai”为视景目标点,通过放置摄影点ai’和目标点ai”导出视景图像和矢量线图。

13、进一步地,步骤4具体包括:

14、步骤4-1、计算方向向量下的视景图像中的各颜色标签占总画面的比例,包括:

15、对方向给定b×l像素画幅的视景图像vij={pab|1≤a≤b,1≤b≤l},并且定义有限的风貌视景标签集合f;风貌视景标签集合f可以按照需要进行具体定义,;例如风貌视景标签集合f={“天空”、“河流”、“历史街区”、“历史建筑立面”、“现代高层”、“历史地标”、“山体”、“水绿类型标签”}这几类标签信息来分别赋予模型颜色标签;

16、其中,l为视景片幅长度,f为焦距,b为视景片幅宽度;

17、编号为i的空间视景点在方向下风貌视景类型f的因子vfijf比例为:

18、

19、其中,λ(p)=f是像素p的风貌视景标签,而||则是表示像素总数的基数运算符,并且vfijf∈[0,1],f∈f,1≤j≤n,1≤i≤k,k为模型空间视景点数量;

20、步骤4-2、将ai的n个方向的各个风貌视景标签求和:

21、

22、步骤4-3、去除掉值为100%的数据,得到各标签的视景颜色标签指数viif:

23、

24、其中,std()表示该指数经过标准归一化后的值。

25、进一步地,步骤5中导出所有模型空间视景点ai的各个视景方向向量所看到的城市矢量线图包括:

26、步骤5-1、计算方向向量下的矢量线图的线段数cij;

27、步骤5-2、计算方向向量下的矢量线图的总线段长度lij:

28、

29、其中,cij为上一步中所计算出的线段数,k为该矢量线图中的所有线段所对应的编号,lk为编号为k的线段所对应的线段长度;

30、步骤5-3、计算方向向量下的矢量线图的线段长度分布方差σij2:

31、

32、其中,μij为方向向量下矢量线图的平均线段长度。矢量线图的线段数cij和矢量线图的总线段长度lij能在一定程度上评价出视景层次丰富度,线段数少、总线段长度低则代表视景的前景遮挡较多,远处视景线条较少。而矢量线图的线段长度分布方差σij2则能用来说明前后景的视景分布问题,一般来说近处的视景建筑多为长线条,远处的视景建筑多为短线条,因此若方差大则说明中远近景均有涉及到,方差小则说明更多为远景或者更多为近景。

33、进一步地,步骤6中,根据视景图像的各颜色标签比例数据和矢量线图数据归一化后的值作为因子来衡量评估对应视景点,其中归一化公式采取:

34、

35、其中,m为归一化后的数值,x为待归一化指标,xmin为该组指标中的最小值,xmax为该组指标的最大值。

36、上述技术方案通过定义城市空间,通过批量导出城市空间各方向视景图像数据,可得到待评估空间视景的各要素类型视景指数。

37、相比现有技术,本专利技术技术方案具有以下有益效果:

38、本专利技术借助城市三维模型和相关信息数据,通过对三维模型赋予携带信息的颜色标签,再通过导出视景图像识别计算得到各要素类型视景指数以及通过导出矢量线图识别计算视景层次性指数。这样更符合视景评价的本文档来自技高网...

【技术保护点】

1.一种基于三维模型数据识别统计的城市视景评价方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于三维模型数据识别统计的城市视景评价方法,其特征在于,步骤3中导出所有三维模型视景点Ai的各个视景方向向量所看到的城市视景图像包括:

3.根据权利要求1所述的基于三维模型数据识别统计的城市视景评价方法,其特征在于,步骤4具体包括:

4.根据权利要求1所述的基于三维模型数据识别统计的城市视景评价方法,其特征在于,步骤5中导出所有模型空间视景点Ai的各个视景方向向量所看到的城市矢量线图包括:

5.根据权利要求1所述的基于三维模型数据识别统计的城市视景评价方法,其特征在于,步骤6中,根据视景图像的各颜色标签比例数据和矢量线图数据归一化后的值作为因子来衡量评估对应视景点,其中归一化公式采取:

【技术特征摘要】

1.一种基于三维模型数据识别统计的城市视景评价方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于三维模型数据识别统计的城市视景评价方法,其特征在于,步骤3中导出所有三维模型视景点ai的各个视景方向向量所看到的城市视景图像包括:

3.根据权利要求1所述的基于三维模型数据识别统计的城市视景评价方法,其特征在于,步骤4具体包括:

【专利技术属性】
技术研发人员:付舰于张愚
申请(专利权)人:东南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1