基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法
【專利摘要】本發(fā)明公開了一種基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，利用現(xiàn)有基于傾斜攝影測(cè)量的自動(dòng)三維建模的建模成果，并解析空間信息與紋理信息，同時(shí)解析出空間信息與紋理信息的對(duì)應(yīng)關(guān)系；在此基礎(chǔ)上，分別基于空間信息判別法、光譜信息判別法實(shí)現(xiàn)對(duì)建筑物、非建筑物如植被等三維模型的單體化模型的自動(dòng)分割、提取；然后采用自適應(yīng)簇算法對(duì)已經(jīng)分割、提取的單體化進(jìn)行進(jìn)一步優(yōu)化，輸出基于自適應(yīng)簇算法的單體化模型。本發(fā)明實(shí)現(xiàn)了基于自適應(yīng)簇算法的實(shí)景三維模型單體化模型快速分割、提取功能，不僅自動(dòng)化程度高，而且還具有準(zhǔn)確度高、效率高的特點(diǎn)，特別是在實(shí)際建筑物密度較大區(qū)域，更為有效地提取出單個(gè)三維模型。
【專利說明】
基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明屬于實(shí)景三維模型技術(shù)領(lǐng)域，涉及一種基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法。
【背景技術(shù)】
[0002]傾斜攝影技術(shù)是國(guó)際測(cè)繪領(lǐng)域近些年發(fā)展起來的一項(xiàng)高新技術(shù)，它顛覆了以往正射影像只能從垂直角度拍攝的局限，通過在同一飛行平臺(tái)上搭載多臺(tái)傳感器，同時(shí)從一個(gè)垂直、四個(gè)傾斜等五個(gè)不同的角度采集影像，通過專用的處理軟件，可以自動(dòng)生成符合人眼視覺的三維模型數(shù)據(jù)，傾斜攝影成為三維城市實(shí)景建設(shè)的新的高效的技術(shù)手段。
[0003]目前，基于傾斜攝影的實(shí)景三維自動(dòng)建模已成為城市或者各類行業(yè)大比例實(shí)景三維模型建設(shè)的發(fā)展趨勢(shì)。與傳統(tǒng)的人工建模真實(shí)度低、作業(yè)效率低下、作業(yè)人員技術(shù)水平差異等而導(dǎo)致的模型準(zhǔn)確度不高而成本卻相當(dāng)高等缺點(diǎn)相比較，基于傾斜攝影的實(shí)景三維自動(dòng)建模具有簡(jiǎn)單快捷、性價(jià)比高等特點(diǎn)，同時(shí)生成的實(shí)景三維模型具有相當(dāng)好的真實(shí)感。這一技術(shù)正被推廣到傳統(tǒng)的測(cè)繪領(lǐng)域以及諸多行業(yè)應(yīng)用領(lǐng)域，從而實(shí)現(xiàn)智慧時(shí)空大數(shù)據(jù)快速獲取、處理與分析能力。
[0004]雖然傳統(tǒng)的基于傾斜攝影的實(shí)景三維自動(dòng)建模具有高能效的特點(diǎn)，但是其獲取的實(shí)景三維模型只有空間信息，而沒有高效、可靠地實(shí)現(xiàn)模型單體化等，這是基于傾斜攝影的實(shí)景三維應(yīng)用所遇到的一個(gè)技術(shù)問題。

【發(fā)明內(nèi)容】

[0005](一)要解決的技術(shù)問題
[0006]本發(fā)明要解決的技術(shù)問題是:針對(duì)現(xiàn)有技術(shù)中的不足，提出一種基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，實(shí)現(xiàn)基于傾斜攝影的自動(dòng)三維建模中模型的單體化。
[0007](二)技術(shù)方案
[0008]為了解決上述技術(shù)問題，本發(fā)明提供一種基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其包括以下步驟:
[0009]步驟1:獲取基于傾斜攝影測(cè)量的自動(dòng)三維建模輸出的開放式建模成果數(shù)據(jù)；
[0010]步驟2:解析步驟I所述開放式建模成果數(shù)據(jù)中的空間信息、紋理信息、空間信息與紋理信息之間的對(duì)應(yīng)關(guān)系，實(shí)現(xiàn)其格式轉(zhuǎn)換，以獲得滿足步驟3至步驟5中空間信息判別法、光譜信息判別法、自適應(yīng)簇算法需要的數(shù)據(jù)格式；
[0011]步驟3:采用空間信息判別法，利用高度區(qū)分出解析后三維模型數(shù)據(jù)中建筑物、非建筑物區(qū)域，并進(jìn)行單體分離，實(shí)現(xiàn)對(duì)基于空間信息判別法的單體模型的自動(dòng)分割、提??；
[0012]步驟4:通過光譜信息判別法，對(duì)解析后三維模型數(shù)據(jù)中的紋理信息分類，同時(shí)利用光譜信息與空間信息的對(duì)應(yīng)關(guān)系，進(jìn)行基于光譜信息判別法的單體模型分割、提取操作；
[0013]步驟5:對(duì)基于空間信息判別法的單體模型和基于光譜信息判別法的單體模型兩個(gè)成果數(shù)據(jù)集合并，形成基于空間信息與光譜信息綜合判別的單體模型成果；
[0014]步驟6:基于自適應(yīng)簇算法對(duì)所述單體模型成果數(shù)據(jù)集進(jìn)行優(yōu)化分析，輸出基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型，該輸出成果在格式上與所述開放式建模成果數(shù)據(jù)格式一致。
[0015]其中，所述步驟2中，格式轉(zhuǎn)換后獲得的數(shù)據(jù)格式中，數(shù)據(jù)內(nèi)容包括:
[0016](a)空間信息；
[0017](b)紋理信息；
[0018](C)空間信息與紋理信息之間的對(duì)應(yīng)關(guān)系；
[0019](d)單體模型數(shù)據(jù)集；
[0020]數(shù)據(jù)表達(dá)形式包括:
[0021](&)數(shù)據(jù)單元(10、乂、￥、2、1?、6、8、^、？、0，其中，10表示數(shù)據(jù)的唯一識(shí)別碼；(乂、￥)表示數(shù)據(jù)的空間信息之平面坐標(biāo)數(shù)值;Z表示數(shù)據(jù)的空間信息之高度值；(R、G、B)表示數(shù)據(jù)的紋理信息之光譜信息R、G、B; I表示數(shù)據(jù)的紋理信息之強(qiáng)度;F表示數(shù)據(jù)的特征信息;P表示數(shù)據(jù)的屬性信息;C表示數(shù)據(jù)的分類信息；
[0022](b)由若干數(shù)據(jù)單元作為樣本空間內(nèi)容建立三模模型數(shù)據(jù)集；
[0023](c)空間信息數(shù)據(jù)單元(ID、X、Y、Z);由若干空間信息數(shù)據(jù)單元作為樣本空間內(nèi)容建立空間信息數(shù)據(jù)集；
[0024]((1)紋理信息數(shù)據(jù)單元(10、1?、6、8);由若干紋理信息數(shù)據(jù)單元作為樣本空間內(nèi)容建立紋理信息數(shù)據(jù)集；
[0025](e)由數(shù)據(jù)的唯一識(shí)別碼ID建立空間信息數(shù)據(jù)、紋理信息數(shù)據(jù)以及其他數(shù)據(jù)之間對(duì)應(yīng)關(guān)系；
[0026](0單體模型數(shù)據(jù)單元(510，？，(:4、￥、2，030)，其中，510表示單體模型數(shù)據(jù)的唯一識(shí)別碼;P表示單體模型數(shù)據(jù)的屬性信息;C表示單體模型數(shù)據(jù)的分類信息;X、Y、Z表示單體模型數(shù)據(jù)的重心坐標(biāo)數(shù)值;D3D表示單體模型對(duì)應(yīng)的三維模型數(shù)據(jù)子集；
[0027](g)建立由單體模型數(shù)據(jù)單元作為樣本空間內(nèi)容的單體模型成果數(shù)據(jù)集。
[0028]其中，所述步驟2中，“解析”的過程為:
[0029](a)建立統(tǒng)一的數(shù)據(jù)規(guī)格數(shù)據(jù)表；
[0030](b)獲取自動(dòng)三維建模的開放式建模成果數(shù)據(jù)；
[0031](c)將自動(dòng)三維建模的開放式建模成果數(shù)據(jù)內(nèi)容中信息按統(tǒng)一的數(shù)據(jù)規(guī)格中的數(shù)據(jù)的唯一識(shí)別碼ID構(gòu)建統(tǒng)一的數(shù)據(jù)規(guī)格數(shù)據(jù)表。
[0032]其中，所述步驟3中，建筑物與非建筑物區(qū)域通過確定實(shí)景三模模型數(shù)據(jù)的模型高度分界點(diǎn)來區(qū)分;基于平面與高度信息進(jìn)行樣本空間距離法聚類分析，分離、提取基于空間信息判別法的單體模型。
[0033]其中，所述步驟4中，基于三維模型數(shù)據(jù)的模型光譜信息分界點(diǎn)對(duì)三維模型數(shù)據(jù)中的紋理信息分類;根據(jù)紋理信息所包含的光譜信息并結(jié)合植被在紋理數(shù)據(jù)的光譜分布對(duì)紋理數(shù)據(jù)中的信息進(jìn)行基于光譜信息的樣本空間距離法聚類分析，分離、提取基于光譜信息判別法的單體模型。
[0034]其中，所述步驟5中，空間信息判別法對(duì)應(yīng)的成果為:基于空間信息數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z)確定三維模型數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z、R、G、B、1、F、P、C)中數(shù)據(jù)的分類信息C【基于空間信息判別法】與對(duì)應(yīng)的單體模型成果；
[0035]光譜信息判別法對(duì)應(yīng)的成果為:基于紋理即光譜信息數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z)確定三維模型數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z、R、G、B、1、F、P、C)中數(shù)據(jù)的分類信息C【基于光譜信息判別法】與對(duì)應(yīng)的單體模型成果；
[0036]兩個(gè)成果數(shù)據(jù)集合并處理后，三維模型數(shù)據(jù)集數(shù)據(jù)單元中數(shù)據(jù)的分類信息形成如下四種:
[0037]確定性的分類信息C【基于空間信息判別法、基于光譜信息判別法二者輸出一致】；
[0038]確定性的分類信息C【基于空間信息判別法輸出，基于光譜信息判別法無輸出】；
[0039]確定性的分類信息C【基于光譜信息判別法輸出，基于空間信息判別法無輸出】；
[0040]不確定性的分類信息C【基于空間信息判別法、基于光譜信息判別法二者都無輸出】。
[0041 ]其中，所述步驟5中，所述單體模型成果數(shù)據(jù)集的形成過程如下:
[0042](&)形成單體模型數(shù)據(jù)單元(510，？，(:4、￥、2，030)，其中，510表示單體模型數(shù)據(jù)的唯一識(shí)別碼;P表示單體模型數(shù)據(jù)的屬性信息;C表示單體模型數(shù)據(jù)的分類信息;X、Y、Z表示單體模型數(shù)據(jù)的重心坐標(biāo)數(shù)值;D3D表示單體模型對(duì)應(yīng)的三維模型數(shù)據(jù)子集；
[0043](b)建立由單體模型數(shù)據(jù)單元作為樣本空間內(nèi)容的單體模型成果數(shù)據(jù)集。
[0044]其中，所述步驟6中，優(yōu)化分析的過程為:將單體模型成果數(shù)據(jù)集分別進(jìn)行基于空間信息、光譜信息的空間變換，并以空間變換數(shù)據(jù)成果作為樣本空間，分別構(gòu)建自適應(yīng)簇算法數(shù)學(xué)模型的模糊隸屬度函數(shù)、模糊聚類中心加權(quán)測(cè)度、目標(biāo)函數(shù)，通過該算法的自適應(yīng)迭代收斂準(zhǔn)則迭代解算出模糊隸屬度、模糊聚類中心，在實(shí)現(xiàn)該算法目標(biāo)函數(shù)最優(yōu)的基礎(chǔ)上，獲得基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型成果;將該成果解析成與所述開放式建模成果數(shù)據(jù)格式一致。
[0045]其中，所述步驟I中，所述開放式建模成果輸出為OBJ格式的三維模型或OSGB格式的三維模型。
[0046](三)有益效果
[0047]上述技術(shù)方案實(shí)現(xiàn)了基于自適應(yīng)簇算法的實(shí)景三維模型單體化模型快速分割、提取功能，不僅自動(dòng)化程度高，而且還具有準(zhǔn)確度高、效率高的特點(diǎn)，特別是在實(shí)際建筑物密度較大區(qū)域，更為有效地提取出單個(gè)三維模型，為今后的智慧城市提供真實(shí)的實(shí)景三維基礎(chǔ)數(shù)據(jù)，大大降低了人工干預(yù)，具有效率高、準(zhǔn)確度高、性價(jià)比高等特點(diǎn)。
【附圖說明】
[0048]圖1是本發(fā)明的總體處理流程圖；
[0049]圖2是基于空間信息判別法的單體化模型處理流程圖；
[0050]圖3是基于光譜信息判別法的單體化模型處理流程圖；
[0051]圖4是基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維模型單體化模型處理流程圖。
【具體實(shí)施方式】
[0052]為使本發(fā)明的目的、內(nèi)容、和優(yōu)點(diǎn)更加清楚，下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的【具體實(shí)施方式】作進(jìn)一步詳細(xì)描述。
[0053]參照?qǐng)D1所示，本實(shí)施例基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法包括以下步驟:
[0054]步驟1:獲取基于傾斜攝影測(cè)量的自動(dòng)三維建模輸出的開放式建模成果數(shù)據(jù)；
[0055]本步驟中，由三個(gè)、五個(gè)或者更多個(gè)機(jī)載航空攝影相機(jī)組成的傾斜攝影系統(tǒng)對(duì)城市或感興趣的目標(biāo)區(qū)域進(jìn)行航空攝影，并通過街景工廠(Street Factory)、Smart3D、圖景iM0S-3D航拍數(shù)據(jù)快速處理系統(tǒng)等進(jìn)行傾斜攝影數(shù)據(jù)的自動(dòng)匹配、自動(dòng)定向、自動(dòng)空中三角測(cè)量以及三維模型紋理自動(dòng)提取等流程，稱為基于傾斜攝影測(cè)量的自動(dòng)三維建模。其建模成果輸出通常是:(a)OBJ格式的三維模型；(b)OSGB格式的三維模型。由于是采用自動(dòng)化作業(yè)流程，通常這種作業(yè)成果稱為傾斜攝影實(shí)景三維建模。
[0056]本實(shí)施例中，上述建模成果不但可以包括這些格式，而且不限于這些格式，只要成果輸出的格式是開放的即可，步驟2中“解析”功能，即實(shí)現(xiàn)對(duì)開放的自動(dòng)三維建模的建模成果進(jìn)行格式轉(zhuǎn)換并解析為本實(shí)施例可處理的數(shù)據(jù)格式。
[0057]自動(dòng)三維建模的建模成果數(shù)據(jù)主要包括空間信息(平面、高度信息)、紋理信息(光譜信息R、G、B)、空間信息與紋理信息之間的對(duì)應(yīng)關(guān)系、屬性信息以及其他感興趣的信息內(nèi)容等。本實(shí)施例主要關(guān)注的數(shù)據(jù)內(nèi)容是空間信息、紋理信息、空間信息與紋理信息之間的對(duì)應(yīng)關(guān)系。
[0058]步驟2:解析所述開放式建模成果數(shù)據(jù)中的空間信息、紋理信息、空間信息與紋理信息之間的對(duì)應(yīng)關(guān)系，實(shí)現(xiàn)其格式轉(zhuǎn)換，以獲得滿足步驟3至步驟5中空間信息判別法、光譜信息判別法、自適應(yīng)簇算法需要的數(shù)據(jù)格式。
[0059]事實(shí)上，現(xiàn)有基于傾斜攝影測(cè)量的自動(dòng)三維建模的建模成果本身，包括有空間信息、紋理信息以及空間信息與紋理信息之間的對(duì)應(yīng)關(guān)系，但是為便于本實(shí)施例統(tǒng)一的內(nèi)部數(shù)據(jù)規(guī)格，進(jìn)行本步驟的“解析”功能，即:將步驟I的“開放式的自動(dòng)三維建模的建模成果數(shù)據(jù)”轉(zhuǎn)化為本實(shí)施例統(tǒng)一的內(nèi)部數(shù)據(jù)規(guī)格。
[0060](I)本實(shí)施例統(tǒng)一的內(nèi)部數(shù)據(jù)規(guī)格內(nèi)容主要包括:
[0061](a)空間信息(平面、高度)；
[0062](b)紋理信息(光譜信息R、G、B);
[0063](c)空間信息與紋理信息之間的對(duì)應(yīng)關(guān)系；
[0064](d)單體模型數(shù)據(jù)集。
[0065](2)本實(shí)施例統(tǒng)一的內(nèi)部數(shù)據(jù)規(guī)格主要以如下形式表達(dá):
[0066](&)數(shù)據(jù)單元(10、乂、￥、2、1?、6、8、1、？、？、0，其中，10表示數(shù)據(jù)的唯一識(shí)別碼；(父、￥)表示數(shù)據(jù)的空間信息之平面坐標(biāo)數(shù)值;Z表示數(shù)據(jù)的空間信息之高度值；(R、G、B)表示數(shù)據(jù)的紋理信息之光譜信息R、G、B; I表示數(shù)據(jù)的紋理信息之強(qiáng)度;F表示數(shù)據(jù)的特征信息;P表示數(shù)據(jù)的屬性信息;C表示數(shù)據(jù)的分類信息。
[0067](b)由若干數(shù)據(jù)單元作為樣本空間內(nèi)容建立三模模型數(shù)據(jù)集。
[0068](c)空間信息數(shù)據(jù)單元(ID、X、Y、Z);由若干空間信息數(shù)據(jù)單元作為樣本空間內(nèi)容建立空間信息數(shù)據(jù)集。
[0069]((1)紋理信息數(shù)據(jù)單元(10、1?、6、8);由若干紋理信息數(shù)據(jù)單元作為樣本空間內(nèi)容建立紋理信息數(shù)據(jù)集。
[0070](e)由數(shù)據(jù)的唯一識(shí)別碼ID建立空間信息數(shù)據(jù)、紋理信息數(shù)據(jù)以及其他數(shù)據(jù)之間對(duì)應(yīng)關(guān)系。
[0071](0單體模型數(shù)據(jù)單元(510，？，(:4、￥、2，030)，其中，510表示單體模型數(shù)據(jù)的唯一識(shí)別碼;P表示單體模型數(shù)據(jù)的屬性信息;C表示單體模型數(shù)據(jù)的分類信息;X、Y、Z表示單體模型數(shù)據(jù)的重心坐標(biāo)數(shù)值;D3D表示單體模型對(duì)應(yīng)的三維模型數(shù)據(jù)子集。
[0072](g)建立由單體模型數(shù)據(jù)單元作為樣本空間內(nèi)容的單體模型成果數(shù)據(jù)集。
[0073](3)本步驟“解析”所使用的方法，S卩:將步驟I的“自動(dòng)三維建模的開放式建模成果數(shù)據(jù)”轉(zhuǎn)化為本實(shí)施例統(tǒng)一的內(nèi)部數(shù)據(jù)規(guī)格所使用的方法:
[0074](a)建立本實(shí)施例統(tǒng)一的內(nèi)部數(shù)據(jù)規(guī)格數(shù)據(jù)表；
[0075](b)獲取“自動(dòng)三維建模的開放式建模成果數(shù)據(jù)”；
[0076](c)將“自動(dòng)三維建模的開放式建模成果數(shù)據(jù)”內(nèi)容中的空間信息(平面X、Y、高度Z)、紋理信息(光譜信息R、G、B)以及其他信息(如有數(shù)據(jù)的紋理信息之強(qiáng)度I;數(shù)據(jù)的特征信息F;數(shù)據(jù)的屬性信息P;數(shù)據(jù)的分類信息C)按統(tǒng)一的內(nèi)部數(shù)據(jù)規(guī)格中的數(shù)據(jù)的唯一識(shí)別碼ID構(gòu)建統(tǒng)一的內(nèi)部數(shù)據(jù)規(guī)格數(shù)據(jù)表。
[0077]步驟3:采用空間信息判別法，利用高度區(qū)分出解析后三維模型數(shù)據(jù)中建筑物、非建筑物(如植被等)區(qū)域，并進(jìn)行單體分離，實(shí)現(xiàn)對(duì)基于空間信息判別法的單體模型的自動(dòng)分割、提取。
[0078]基于三維模型數(shù)據(jù)中高度信息為判別標(biāo)準(zhǔn)進(jìn)行三維模型數(shù)據(jù)分割的方法，將之稱為空間信息判別法。建筑物與非建筑物的區(qū)分通過確定實(shí)景三模模型數(shù)據(jù)的模型高度分界點(diǎn)來實(shí)現(xiàn)?；谄矫媾c高度信息進(jìn)行樣本空間距離法聚類分析，分離、提取基于空間信息判別法的單體模型。其中，樣本空間距離法聚類分析，是常規(guī)方法。
[0079]步驟3的具體處理過程如圖2所示:
[0080](I)根據(jù)步驟2中解析獲得的數(shù)據(jù)確定出三維模型數(shù)據(jù)的模型高度分界點(diǎn)；
[0081](2)基于平面與高度信息進(jìn)行樣本空間距離法聚類分析，分離、提取基于空間信息判別法的單體模型。
[0082]該步驟中，輸入數(shù)據(jù)是:三維模型數(shù)據(jù)集;輸出數(shù)據(jù)是:單體模型數(shù)據(jù)集(其中分類信息是基于空間信息判別法輸出成果)、三維模型數(shù)據(jù)集(其中分類信息是基于空間信息判別法輸出成果)；處理算法是:平面與高度信息進(jìn)行樣本空間距離法聚類分析。
[0083]步驟4:通過紋理信息即光譜信息判別法，對(duì)解析后的三維模型數(shù)據(jù)中的紋理信息分類，同時(shí)利用光譜信息與空間信息的對(duì)應(yīng)關(guān)系，進(jìn)行基于光譜信息判別法的單體模型分害J、提取操作；
[0084]基于三維模型數(shù)據(jù)中紋理信息即光譜信息為判別標(biāo)準(zhǔn)進(jìn)行三維模型數(shù)據(jù)分割的方法，稱為紋理信息即光譜信息判別法。
[0085]步驟3中基于空間信息判別法的單體模型分割、提取操作主要是將各種顯著高于地表的建筑物、非建筑等三維模型從連成大片的整塊數(shù)據(jù)分開來，這個(gè)操作的對(duì)象是空間信息(高度信息)。
[0086]步驟4中基于光譜信息判別法的單體模型分割、提取操作主要是將各種植被等光譜信息顯著的三維模型從連成大片的整塊數(shù)據(jù)分開來，這個(gè)操作的對(duì)象是紋理信息(光譜信息)。
[0087]步驟4的具體處理過程如圖3所示:
[0088](I)根據(jù)步驟2解析的數(shù)據(jù)確定三維模型數(shù)據(jù)的模型光譜信息分界點(diǎn)；
[0089](2)根據(jù)紋理信息所包含的光譜信息并結(jié)合植被等在紋理數(shù)據(jù)的光譜分布對(duì)紋理數(shù)據(jù)中的信息進(jìn)行基于光譜信息的樣本空間距離法聚類分析，分離、提取基于光譜信息判別法的單體模型。
[0090]該步驟中，輸入數(shù)據(jù)是:三維模型數(shù)據(jù)集;輸出數(shù)據(jù)是:單體模型數(shù)據(jù)集(其中分類信息是基于光譜信息判別法輸出成果)、三維模型數(shù)據(jù)集(其中分類信息是基于光譜信息判別法輸出成果)；處理算法是:基于光譜信息進(jìn)行樣本空間距離法聚類分析。
[0091]步驟5:對(duì)基于空間信息判別法的單體模型和基于光譜信息判別法的單體模型兩個(gè)成果數(shù)據(jù)集合并，形成基于高度信息與光譜信息綜合判別的單體模型成果。
[0092]其中，空間信息判別法對(duì)應(yīng)的成果為:基于空間信息數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z)確定三維模型數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z、R、G、B、1、F、P、C)中數(shù)據(jù)的分類信息C【基于空間信息判別法】與對(duì)應(yīng)的單體模型成果。
[0093]光譜信息判別法對(duì)應(yīng)的成果為:基于紋理即光譜信息數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z)確定三維模型數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z、R、G、B、1、F、P、C)中數(shù)據(jù)的分類信息C【基于光譜信息判別法】與對(duì)應(yīng)的單體模型成果。
[0094]兩個(gè)成果數(shù)據(jù)集合并處理后，三維模型數(shù)據(jù)集數(shù)據(jù)單元中數(shù)據(jù)的分類信息C可形成如下四種:
[0095]?確定性的分類信息C【基于空間信息判別法、基于光譜信息判別法二者輸出一致】。
[0096]?確定性的分類信息C【基于空間信息判別法輸出，基于光譜信息判別法無輸出】。
[0097]?確定性的分類信息C【基于光譜信息判別法輸出，基于空間信息判別法無輸出】。
[0098]?不確定性的分類信息C【基于空間信息判別法、基于光譜信息判別法二者都無輸出】。
[0099]該步驟中，合并處理的結(jié)果是分別輸出基于空間信息與光譜信息綜合判別的單體模型成果數(shù)據(jù)集，其中，單體模型成果數(shù)據(jù)集的形成過程如下:
[0100](&)形成單體模型數(shù)據(jù)單元(510，？，(:4、￥、2，030)，其中，510表示單體模型數(shù)據(jù)的唯一識(shí)別碼;P表示單體模型數(shù)據(jù)的屬性信息;C表示單體模型數(shù)據(jù)的分類信息;X、Y、Z表示單體模型數(shù)據(jù)的重心坐標(biāo)數(shù)值;D3D表示單體模型對(duì)應(yīng)的三維模型數(shù)據(jù)子集。
[0101](b)建立由單體模型數(shù)據(jù)單元作為樣本空間內(nèi)容的單體模型成果數(shù)據(jù)集。
[0102]步驟6:如圖4所示，基于自適應(yīng)簇算法對(duì)所述單體模型成果數(shù)據(jù)集進(jìn)行優(yōu)化分析，輸出基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型。該輸出成果在格式上與輸入的已有實(shí)景三維模型格式一致，可導(dǎo)入到標(biāo)準(zhǔn)化的實(shí)景三維模型顯示環(huán)境進(jìn)行綜合顯示。
[0103]自適應(yīng)簇算法是一種自適應(yīng)模糊C均值聚類，其數(shù)據(jù)處理過程為:將單體模型成果數(shù)據(jù)集分別進(jìn)行基于空間信息、光譜信息的空間變換如統(tǒng)計(jì)直方圖法，并以空間變換數(shù)據(jù)成果作為樣本空間，建立模糊隸屬度函數(shù)、模糊聚類中心加權(quán)測(cè)度、目標(biāo)函數(shù)等自適應(yīng)簇算法數(shù)學(xué)模型的函數(shù)數(shù)據(jù)集。
[0104]優(yōu)化分析的過程為:基于自適應(yīng)簇算法數(shù)學(xué)模型迭代收斂準(zhǔn)則，基于以空間信息、光譜信息空間變換數(shù)據(jù)成果作為樣本空間，分別構(gòu)建自適應(yīng)簇算法數(shù)學(xué)模型的模糊隸屬度函數(shù)、模糊聚類中心加權(quán)測(cè)度、目標(biāo)函數(shù)，通過該算法的自適應(yīng)迭代收斂準(zhǔn)則迭代解算出模糊隸屬度、模糊聚類中心，從而在實(shí)現(xiàn)該算法目標(biāo)函數(shù)最優(yōu)的基礎(chǔ)上，獲得基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型成果，該成果數(shù)據(jù)集規(guī)格如步驟5中所示。
[0105]為保證本發(fā)明的數(shù)據(jù)處理成果開放性，進(jìn)一步將輸出的成果解析成與輸入已有實(shí)景三維模型格式一致，從而可實(shí)現(xiàn)導(dǎo)入到標(biāo)準(zhǔn)化的實(shí)景三維模型顯示環(huán)境進(jìn)行綜合顯示。
[0106]綜上所述，本發(fā)明利用現(xiàn)有基于傾斜攝影測(cè)量的自動(dòng)三維建模的建模成果，并解析空間信息(平面、高度)與紋理信息(包括光譜R、G、B信息)，同時(shí)解析出空間信息與紋理信息的對(duì)應(yīng)關(guān)系；在此基礎(chǔ)上，分別基于空間信息判別法、光譜信息判別法實(shí)現(xiàn)對(duì)建筑物、非建筑物如植被等三維模型的單體化模型的自動(dòng)分割、提取;然后采用自適應(yīng)簇算法對(duì)已經(jīng)分割、提取的單體化進(jìn)行進(jìn)一步優(yōu)化，輸出基于自適應(yīng)簇算法的單體化模型。本發(fā)明實(shí)現(xiàn)了基于自適應(yīng)簇算法的實(shí)景三維模型單體化模型快速分割、提取功能，不僅自動(dòng)化程度高，而且還具有準(zhǔn)確度高、效率高的特點(diǎn)，特別是在實(shí)際建筑物密度較大區(qū)域，更為有效地提取出單個(gè)三維模型。
[0107]以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變形，這些改進(jìn)和變形也應(yīng)視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1.一種基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其特征在于，包括以下步驟: 步驟I:獲取基于傾斜攝影測(cè)量的自動(dòng)三維建模輸出的開放式建模成果數(shù)據(jù)； 步驟2:解析步驟I所述開放式建模成果數(shù)據(jù)中的空間信息、紋理信息、空間信息與紋理信息之間的對(duì)應(yīng)關(guān)系，實(shí)現(xiàn)其格式轉(zhuǎn)換，以獲得滿足步驟3至步驟5中空間信息判別法、光譜信息判別法、自適應(yīng)簇算法需要的數(shù)據(jù)格式； 步驟3:采用空間信息判別法，利用高度區(qū)分出解析后三維模型數(shù)據(jù)中建筑物、非建筑物區(qū)域，并進(jìn)行單體分離，實(shí)現(xiàn)對(duì)基于空間信息判別法的單體模型的自動(dòng)分割、提?。?步驟4:通過光譜信息判別法，對(duì)解析后三維模型數(shù)據(jù)中的紋理信息分類，同時(shí)利用光譜信息與空間信息的對(duì)應(yīng)關(guān)系，進(jìn)行基于光譜信息判別法的單體模型分割、提取操作； 步驟5:對(duì)基于空間信息判別法的單體模型和基于光譜信息判別法的單體模型兩個(gè)成果數(shù)據(jù)集合并，形成基于空間信息與光譜信息綜合判別的單體模型成果； 步驟6:基于自適應(yīng)簇算法對(duì)步驟5所述單體模型成果數(shù)據(jù)集進(jìn)行優(yōu)化分析，輸出基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型，該輸出成果在格式上與步驟I所述開放式建模成果數(shù)據(jù)格式一致。2.如權(quán)利要求1所述的基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其特征在于，所述步驟2中，格式轉(zhuǎn)換后獲得的數(shù)據(jù)格式中，數(shù)據(jù)內(nèi)容包括: (a)空間信息; (b)紋理信息； (c)空間信息與紋理信息之間的對(duì)應(yīng)關(guān)系； (d)單體模型數(shù)據(jù)集； 數(shù)據(jù)表達(dá)形式包括: (3)數(shù)據(jù)單元(10、乂、￥、2、1?、6、8、1^、0，其中，10表示數(shù)據(jù)的唯一識(shí)別碼；(乂、￥)表示數(shù)據(jù)的空間信息之平面坐標(biāo)數(shù)值;Z表示數(shù)據(jù)的空間信息之高度值；(R、G、B)表示數(shù)據(jù)的紋理信息之光譜信息R、G、B; I表示數(shù)據(jù)的紋理信息之強(qiáng)度;F表示數(shù)據(jù)的特征信息;P表示數(shù)據(jù)的屬性信息;C表示數(shù)據(jù)的分類信息； (b)由若干數(shù)據(jù)單元作為樣本空間內(nèi)容建立三模模型數(shù)據(jù)集； (c)空間信息數(shù)據(jù)單元(ID、X、Y、Z);由若干空間信息數(shù)據(jù)單元作為樣本空間內(nèi)容建立空間信息數(shù)據(jù)集； (d)紋理信息數(shù)據(jù)單元(ID、R、G、B);由若干紋理信息數(shù)據(jù)單元作為樣本空間內(nèi)容建立紋理信息數(shù)據(jù)集； (e)由數(shù)據(jù)的唯一識(shí)別碼ID建立空間信息數(shù)據(jù)、紋理信息數(shù)據(jù)以及其他數(shù)據(jù)之間一一對(duì)應(yīng)關(guān)系； (f)單體模型數(shù)據(jù)單元(SID，P，C，X、Y、Z，D3D)，其中，SID表示單體模型數(shù)據(jù)的唯一識(shí)別碼;P表示單體模型數(shù)據(jù)的屬性信息;C表示單體模型數(shù)據(jù)的分類信息;X、Y、Z表示單體模型數(shù)據(jù)的重心坐標(biāo)數(shù)值;D3D表示單體模型對(duì)應(yīng)的三維模型數(shù)據(jù)子集； (g)建立由單體模型數(shù)據(jù)單元作為樣本空間內(nèi)容的單體模型成果數(shù)據(jù)集。3.如權(quán)利要求2所述的基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其特征在于，所述步驟2中，“解析”的過程為: (a)建立統(tǒng)一的數(shù)據(jù)規(guī)格數(shù)據(jù)表； (b)獲取自動(dòng)三維建模的開放式建模成果數(shù)據(jù)； (C)將自動(dòng)三維建模的開放式建模成果數(shù)據(jù)內(nèi)容中信息按統(tǒng)一的數(shù)據(jù)規(guī)格中的數(shù)據(jù)的唯一識(shí)別碼ID構(gòu)建統(tǒng)一的數(shù)據(jù)規(guī)格數(shù)據(jù)表。4.如權(quán)利要求1所述的基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其特征在于，所述步驟3中，建筑物與非建筑物區(qū)域通過確定實(shí)景三模模型數(shù)據(jù)的模型高度分界點(diǎn)來區(qū)分;基于平面與高度信息進(jìn)行樣本空間距離法聚類分析，分離、提取基于空間信息判別法的單體模型。5.如權(quán)利要求1所述的基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其特征在于，所述步驟4中，基于三維模型數(shù)據(jù)的模型光譜信息分界點(diǎn)對(duì)三維模型數(shù)據(jù)中的紋理信息分類;根據(jù)紋理信息所包含的光譜信息并結(jié)合植被在紋理數(shù)據(jù)的光譜分布對(duì)紋理數(shù)據(jù)中的信息進(jìn)行基于光譜信息的樣本空間距離法聚類分析，分離、提取基于光譜信息判別法的單體模型。6.如權(quán)利要求2所述的基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其特征在于，所述步驟5中，空間信息判別法對(duì)應(yīng)的成果為:基于空間信息數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z)確定三維模型數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z、R、G、B、1、F、P、C)中數(shù)據(jù)的分類信息C【基于空間信息判別法】與對(duì)應(yīng)的單體模型成果； 光譜信息判別法對(duì)應(yīng)的成果為:基于紋理即光譜信息數(shù)據(jù)集數(shù)據(jù)單元(ID、X、Y、Z)確定三維模型數(shù)據(jù)集數(shù)據(jù)單元(104、￥、2、1?、6、8、1^、0中數(shù)據(jù)的分類信息(:【基于光譜信息判別法】與對(duì)應(yīng)的單體模型成果； 兩個(gè)成果數(shù)據(jù)集合并處理后，三維模型數(shù)據(jù)集數(shù)據(jù)單元中數(shù)據(jù)的分類信息形成如下四種: 確定性的分類信息C【基于空間信息判別法、基于光譜信息判別法二者輸出一致】； 確定性的分類信息C【基于空間信息判別法輸出，基于光譜信息判別法無輸出】； 確定性的分類信息C【基于光譜信息判別法輸出，基于空間信息判別法無輸出】； 不確定性的分類信息C【基于空間信息判別法、基于光譜信息判別法二者都無輸出】。7.如權(quán)利要求6所述的基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其特征在于，所述步驟5中，所述單體模型成果數(shù)據(jù)集的形成過程如下: (a)形成單體模型數(shù)據(jù)單元(SID，P，C，X、Y、Z，D3D)，其中，SID表示單體模型數(shù)據(jù)的唯一識(shí)別碼;P表示單體模型數(shù)據(jù)的屬性信息;C表示單體模型數(shù)據(jù)的分類信息;X、Y、Z表示單體模型數(shù)據(jù)的重心坐標(biāo)數(shù)值;D3D表示單體模型對(duì)應(yīng)的三維模型數(shù)據(jù)子集； (b)建立由單體模型數(shù)據(jù)單元作為樣本空間內(nèi)容的單體模型成果數(shù)據(jù)集。8.如權(quán)利要求6所述的基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其特征在于，所述步驟6中，優(yōu)化分析的過程為:將單體模型成果數(shù)據(jù)集分別進(jìn)行基于空間信息、光譜信息的空間變換，并以空間變換數(shù)據(jù)成果作為樣本空間，分別構(gòu)建自適應(yīng)簇算法數(shù)學(xué)模型的模糊隸屬度函數(shù)、模糊聚類中心加權(quán)測(cè)度、目標(biāo)函數(shù)，通過該算法的自適應(yīng)迭代收斂準(zhǔn)則迭代解算出模糊隸屬度、模糊聚類中心，在實(shí)現(xiàn)該算法目標(biāo)函數(shù)最優(yōu)的基礎(chǔ)上，獲得基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型成果;將該成果解析成與所述開放式建模成果數(shù)據(jù)格式一致。9.如權(quán)利要求1-8中任一項(xiàng)所述的基于自適應(yīng)簇算法的傾斜攝影實(shí)景三維單體化模型方法，其特征在于，所述步驟I中，所述開放式建模成果輸出為OBJ格式的三維模型或OSGB格式的三維模型。
【文檔編號(hào)】G06T19/20GK106097456SQ201610395104
【公開日】2016年11月9日
【申請(qǐng)日】2016年6月6日 公開號(hào)201610395104.6, CN 106097456 A, CN 106097456A, CN 201610395104, CN-A-106097456, CN106097456 A, CN106097456A, CN201610395104, CN201610395104.6
【發(fā)明人】王洪峰, 趙龍
【申請(qǐng)人】王洪峰, 趙龍