【技术实现步骤摘要】
本专利技术涉及城市三维建模，尤其涉及一种基于倾斜模型与激光点云数据融合的三维建模方法。
技术介绍
1、倾斜摄影技术具有高效性，在短时间内可以获取大范围的城市建筑、植被水系、地表地形影像，进而生成三维模型。但是由于飞行高度较高，受植被、建筑等遮挡，导致生成的三维模型中近地表的地物扭曲变形严重，纹理信息丢失较多，无法真实的还原地物，且通过倾斜摄影构建的道路三维模型的高程精度难以满足高速公路设计要求。
2、采用车载移动测量设备可以获取被测量表面高密度、高精度的点云数据，可以快速构建被测量物体的高精度三维模型。但采用车载测量设备获取的点云数据仍存在一些不足，比如缺少纹理信息、高层建筑等存在较多扫描盲区无法构建三维模型、相机拍摄视角不理想、后处理软件处理效率偏低，以及大范围作业时成本较高等缺点。
3、由于倾斜摄影拍摄角度及作业方法的限制，近地表存在较多被遮挡的地方，经空三加密后的三维点云在有遮挡的区域存在空洞，这会造成构建的三维模型存在扭曲、变形、失真。地面移动测量设备能够获取大量近地面的点云数据，可以弥补倾斜摄影近地面点云稀少的缺点，所以目前已有将倾斜摄影数据和移动测量技术获取的点云相融合的研究，例如武大的邓非博士尝试通过建立立体像对获取三维点云，然后再与激光雷达设备获取的点云数据进行配准，该方法关键在于摄影测量获取到的三维点云，对内方位元素的标定有很高的要求。专利cn112927360a也公开了一种基于倾斜模型与激光点云数据融合的三维建模方法，但该方法直接采用移动扫描的点云和倾斜数据生成的点云进行融合，具有如下
4、1、采用地面移动测量设备获取的点云中包含有较多的噪声点，比如路上的车辆等点云数据，这些雷达点云数据直接和倾斜数据融合，会为点云数据引入较多的噪声点，影响模型的精度和准确性；
5、2、由于倾斜摄影具有一定的飞行高度，道路容易受到延道路的植被、建筑的影响，空三加密后的点云存在空洞的区域，利用这些三维点云和地面移动测量技术获取的点云直接融合，会降低道路模型的精度；
6、3、直接将倾斜模型点云和雷达点云数据融合，可能会出现部分区域的点云不融合，进而导致建立的三维模型不衔接。
技术实现思路
1、本专利技术提供了一种基于倾斜模型与激光点云数据融合的三维建模方法，能够解决现有技术中直接采用移动扫描的点云和倾斜数据生成的点云进行融合导致的融合精度较低的技术问题。
2、根据本专利技术的一方面，提供了一种基于倾斜模型与激光点云数据融合的三维建模方法，所述方法包括：
3、获取任务目标区域的倾斜摄影测量数据、任务目标区域延重要道路的激光点云数据和全景照片；
4、基于倾斜摄影测量数据，生成任务目标区域的倾斜摄影的三维模型；
5、基于激光点云数据，生成任务目标区域延重要道路的最终地图模板；
6、对倾斜摄影的三维模型和最终地图模板进行精配准修正，使之严密贴合在一起，得到匹配完成后的倾斜摄影的三维模型和最终地图模板；
7、分别在全景照片和匹配完成后的倾斜摄影的三维模型与最终地图模板中，按照各个要素提取出各自的优势数据，生成多个要素模型；
8、基于多个要素模型的实际地理位置，对多个要素模型进行组合，以生成任务目标区域的三维模型。
9、优选的，要素模型包括道路模型、路侧模型、道路附属设施模型、建筑模型、建筑底商模型、水系模型、植被模型和地面模型。
10、优选的，分别在全景照片和匹配完成后的倾斜摄影的三维模型与最终地图模板中，按照各个要素提取出各自的优势数据，生成多个要素模型包括：
11、在全景照片中提取路侧模型、道路附属设施模型和建筑底商模型各自的纹理信息；
12、在匹配完成后的最终地图模板中提取道路模型、路侧模型、道路附属设施模型和建筑底商模型各自的几何信息；
13、在匹配完成后的倾斜摄影的三维模型中提取道路模型的纹理信息以及建筑模型、水系模型、植被模型和地面模型各自的几何信息和纹理信息；
14、基于各个要素模型的几何信息和纹理信息，生成对应的要素模型。
15、优选的，基于倾斜摄影测量数据，生成任务目标区域的倾斜摄影的三维模型包括：
16、利用三维建模软件对倾斜摄影测量数据进行检查，得到检查后的倾斜摄影测量数据；
17、在检查后的倾斜摄影测量数据没有错误的情况下，对检查后的倾斜摄影测量数据进行空三运算，得到空三加密点云；
18、在空三加密点云的基础上构建三角网，对三角网进行平滑和简化，并基于检查后的倾斜摄影测量数据在平滑和简化后三角网上的自动映射纹理，生成任务目标区域的倾斜摄影的三维模型。
19、优选的，三维建模软件采用context capture软件。
20、优选的，基于激光点云数据，生成任务目标区域延重要道路的最终地图模板包括：
21、对激光点云数据的姿态信息进行优化，得到优化后的激光点云数据；
22、对优化后的激光点云数据进行拼接，得到完整的激光点云数据；
23、对完整的激光点云数据进行整理和清洗，得到初始地图模板；
24、从初始地图模板中提取静态对象并进行分类处理；
25、对处理后的初始地图模板进行检查并纠正错误，得到任务目标区域延重要道路的最终地图模板。
26、优选的，从初始地图模板中提取静态对象并进行分类处理包括：
27、利用机器学习方式从初始地图模板中提取部分静态对象并进行分类处理；
28、利用人工方法从初始地图模板中提取剩余的静态对象并进行分类处理；
29、其中，利用人工方法提取的静态对象的复杂度高于利用机器学习方式提取的静态对象。
30、优选的，获取任务目标区域的倾斜摄影测量数据、任务目标区域延重要道路的激光点云数据和全景照片包括：
31、通过无人机获取任务目标区域的倾斜摄影测量数据；
32、通过地面移动测量采集车获取任务目标区域延重要道路的激光点云数据和全景照片。
33、优选的，对倾斜摄影的三维模型和最终地图模板进行精配准修正包括：利用匹配算法对倾斜摄影的三维模型和最终地图模板进行精配准修正。
34、优选的，匹配算法采用icp算法。
35、根据本专利技术的另一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一所述方法。
36、根据本专利技术的又一方面，提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述方法。
37、应用本专利技术的技术方案，通过分别生成任务目标区域的倾斜摄影的三维模型和任务目标区域延重要道路的最终地图模板，并对两者进行精配准修正，使之严密贴合在一起，得到匹配完成后的倾斜摄影的本文档来自技高网...
【技术保护点】
1.一种基于倾斜模型与激光点云数据融合的三维建模方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，要素模型包括道路模型、路侧模型、道路附属设施模型、建筑模型、建筑底商模型、水系模型、植被模型和地面模型。
3.根据权利要求2所述的方法，其特征在于，分别在全景照片和匹配完成后的倾斜摄影的三维模型与最终地图模板中，按照各个要素提取出各自的优势数据，生成多个要素模型包括：
4.根据权利要求1-3中任一项所述的方法，其特征在于，基于倾斜摄影测量数据，生成任务目标区域的倾斜摄影的三维模型包括：
5.根据权利要求4所述的方法，其特征在于，三维建模软件采用Context Capture软件。
6.根据权利要求1-3中任一项所述的方法，其特征在于，基于激光点云数据，生成任务目标区域延重要道路的最终地图模板包括：
7.根据权利要求6所述的方法，其特征在于，从初始地图模板中提取静态对象并进行分类处理包括：
8.根据权利要求1-3中任一项所述的方法，其特征在于，获取任务目标区域的倾斜摄影测量数据
9.根据权利要求1-3中任一项所述的方法，其特征在于，对倾斜摄影的三维模型和最终地图模板进行精配准修正包括：利用匹配算法对倾斜摄影的三维模型和最终地图模板进行精配准修正。
10.根据权利要求1或9所述的方法，匹配算法采用ICP算法。
11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10任一所述方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至10任一所述方法。
...【技术特征摘要】
1.一种基于倾斜模型与激光点云数据融合的三维建模方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，要素模型包括道路模型、路侧模型、道路附属设施模型、建筑模型、建筑底商模型、水系模型、植被模型和地面模型。
3.根据权利要求2所述的方法，其特征在于，分别在全景照片和匹配完成后的倾斜摄影的三维模型与最终地图模板中，按照各个要素提取出各自的优势数据，生成多个要素模型包括：
4.根据权利要求1-3中任一项所述的方法，其特征在于，基于倾斜摄影测量数据，生成任务目标区域的倾斜摄影的三维模型包括：
5.根据权利要求4所述的方法，其特征在于，三维建模软件采用context capture软件。
6.根据权利要求1-3中任一项所述的方法，其特征在于，基于激光点云数据，生成任务目标区域延重要道路的最终地图模板包括：
7.根据权利要求6所...
【专利技术属性】
技术研发人员：唐力勇，江帆，丁胜昔，黄侠，
申请(专利权)人：航天科工集团智能科技研究院有限公司，
类型：发明
国别省市：
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。