基于3ds Max二次开发的建筑物快速三维重建

在3ds Max环境下利用其二次开发技术及摄影测量原理,对不同类型建筑物的快速重建进行了研究。针对简单建筑物,提出了基于空间任意方向基本几何体的快速重建方法;针对复杂屋脊建筑物,实现了基于约束Delaunay三角网的重建方法,最终实现了纹理的自动提取与纠正。试验表明,该方法重建的建筑模型精度与逼真度较高,模型编辑与管理方便,有利于空地一体化建模。     

地面点云数据快速重建建筑模型的分层方法

为了快速从地面激光扫描数据重建建筑物模型,避免数据处理中复杂的点云栅格化和面片分割,提出一种基于分层方法的建筑三维模型快速重建方法。利用直方图统计方法去除噪声,结合大多数建筑物自身特点,对点云数据进行分层并垂直投影至各层平均高度的平面,得到建筑物各层的边缘特征点,进而规则化,实现建筑物三维数字模型的快速重建。实验结果表明,方法可以快速提取建筑物边界点,简化传统点云数据在建筑物重建中的复杂过程和大量的数据处理运算,而且最终模型的精度可以得到保证,具有一定的普适性。     

倾斜影像的三维纹理快速重建

针对三维城市模型重建,提出了一种利用倾斜影像实现城市模型纹理快速重建的方法。该方法基于摄影测量计算机视觉理论,在事先处理得到城市建筑物数字表面模型的基础上,利用共线方程计算物方与像方的几何投影关系,获得建筑物的三维信息与纹理信息。通过一定的最优算法选择出地物面的理想纹理,实现城市建筑物纹理的自动提取及稠密建筑物纹理的遮挡处理。真实影像纹理重建的结果表明:应用本文方法进行三维城市模型纹理重建具有自动化程度高、效果逼真、成本低的特点,为快速、大面积的城市真三维模型纹理重建提供了一种有效的实现途径。     

LiDAR数据与航空影像结合的建筑物重建

探讨了结合航空影像的LiDAR数据简单建筑物重建算法,以建筑物边界、屋顶面片的自动提取及面片邻域关系的建立,重建了简单直角建筑物模型,并利用航空影像进行了精确定位。     

基于DBM数据制作真正射影像图的方法探索

随着三维城市等新兴技术发展,真正射影像图需求也日益明显。传统正射影像图并未考虑如人工建筑物等空间目标,从而导致这些目标的中心投影变形依然存在,势必导致数字正摄影像(DOM)中出现建筑物倾斜、遮挡等问题。据此,总结了一种利用数字建筑物模型(DBM)数据进行真正射数据的处理方法。真正射影像重建的结果表明:应用本方法进行三维城市模型重建具有自动化程度高、效果逼真、成本低的特点,为快速、大面积的城市真三维模型纹理迅速重建提供了一种有效途径。     

结合形态学重建的高分辨率遥感图像建筑物提取

针对城区人字形屋顶的建筑物,设计一种结合形态学重建的高分辨率遥感图像建筑物提取方法。该方法首先对输入图像进行形态学重建滤波处理,然后分别检测建筑物的屋脊线和阴影信息,再利用形态学开重建运算将屋脊线与建筑物阴影两者之间的信息关联起来,从而实现建筑物提取。通过QuickBird全色图像建筑物提取试验,验证本文方法的可行性和有效性。     

一种融合多源特征的建筑物三维模型重建方法

以激光点云数据和倾斜多视影像为研究对象,提出了一种结合机载点云、地面点云及倾斜多视纹理的融合多源特征的建筑物三维模型重建方法。该方法结合点云面元以及影像边界特征,利用倾斜影像的线特征对顶面及立面模型进行边界规则约束,实现了面元自动拓扑重建;通过交互编辑完成不同复杂程度的建筑模型重建,并对模型进行纹理映射。实验结果表明,该方法能够有效提升城市建筑物三维模型重建的效率和边界精度,为利用多源数据的空地联合建筑物三维精细重建提供了一套切实可行的解决方案。     

基于机载LiDAR点云的建筑物多细节层次建模方法

机载激光雷达点云（LiDAR）重建大范围建筑物模型一直是实景三维建模的热点问题,由于机载激光点云稀疏、建筑物立面数据缺失,给模型自动化重建带来了极大的挑战。为了解决该问题,本论文研究基于图优化理论重建建筑物多细节层次（LOD）模型。首先,对原始点云进行自动化滤波,分离地面点和非地面点,对地面点构建数字高程模型（DEM）,对非地面点半自动提取单体化建筑物点云。然后,基于滚球法（Alpha shape）提取建筑物边界,利用通用图优化方法（G2O）对误差线进行全局一致性改正,获得规则化的二维边框。并基于建筑物屋顶三维高程及DEM高程值重建建筑物LOD1模型。其次,根据点云的高程差异生成高程栅格图,从高程栅格图提取建筑物轮廓线,对轮廓线进行简化、规则化、聚类,并将规则后的边界线拉伸获取建筑物立面结构,弥补建筑物立面数据缺失对建模的影响。最后,将屋顶平面相交、建筑物立面裁剪,对候选平面进行二元图割全局优化,选择最能表达建筑物结构的平面,以此重建建筑物LOD2模型。本论文选择北京市2017年机载激光点云进行实验,结果表明,本文提出的方法可以稳健地重建建筑物多细节层次模型,LOD2模型距离偏差为0....     

一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法

从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。     

半自动机载LiDAR点云建筑物三维重建方法

针对全自动建筑物3D重建存在需要后续人工检验,且发现重建错误需要花费额外时间修改的问题,提出了一种半自动的面向对象的机载LiDAR点云建筑物3D重建方法。基于建筑物类别点云的联通分析和平面生长分割结果,提出了自动的建筑物栋数检测、单栋建筑物外轮廓提取、单栋建筑物内部结构线提取方法;同时,在计算机无法完成部分工作时,人工辅助计算机完成高程阶越线提取、识别建筑物屋顶附属物点云等工作。实验证明,该方法可以适用于高密度机载LiDAR点云数据中城区大部分建筑物的3D模型重建。