CN115861527B 实景三维模型的构建方法、装置、电子设备及存储介质 （四川水发勘测设计研究有限公司）

本发明公开了一种实景三维模型的构建方高程数据来生成待构建目标的三角网地形三维的曲面来对基于点云逆向建模技术得到的初始明相当于是利用点云逆向建模技术和几何地形曲面修正技术来构建出高空间精度的实景三维模技术得到的实景三维模型所存在的飘带漏洞2获取待构建目标的模型构建数据，其中，所述模型构建数据基于所述数字高程数据，确定出用于重建所述待从所述插值数字高程数据集中，确定出具有三维坐标信息的网格化点云述网格化点云数据作为用于重建所述待构建目标的三维模型的调用GlobalMapper中的像元中心点提取组件对所述插值数字高程数据集进行网格点调用GlobalMapper中的像素匹配组件，以利用所述像素匹配组件将所述数字正射影对于任一点云数据，获取所述任一点云数据相对应像素数据的颜色将所述着色信息添加至所述任一点云数据中，以在添加完毕后对若干裁剪地形三维曲面中的每个裁剪地形三维曲面进行去锯齿处将若干去锯齿后的裁剪地形三维曲面进行合并处理，得到预处理三角网地形三维曲对所述预处理三角网地形三维曲面进行平滑处理，以在平滑处理后，3获取平滑角度，并基于所述平滑角度，对所述预处理三角网地对所述预处理实景三维模型进行纹理替换处理，以在纹理替换处理后，得述待构建目标的数字高程数据以及数字正射点云处理单元，用于基于所述数字高程数据，确定模型重构单元，用于基于所述着色点云数据，构建得到待构建目标的初几何修正处理单元，用于对所述三角网地形三维曲面进模型调整单元，用于利用所述修正后的三角网地形三维曲面，对所述初4用以解决现有技术中依据点云数据来进行模型重建所存在的模型容易出现飘带型漏洞或[0008]基于所述数字高程数据，确定出用于重建所述待构建目标的三维模型的点云数5[0013]基于上述公开的内容，本发明先利用数字高程数据来获将所述网格化点云数据作为用于重建所述待构建目标的三维模型[0020]调用GlobalMapper中的像元中心点提取组件对所述插值数字高程数据集进行网6[0022]调用GlobalMapper中的像素匹配组件，以利用所述像素匹配组件将所述数字正由于数字高程数据和数字正射影像数据的空间位置是一一匹配的，因此，即可先借助GlobalMapper中的像素匹配组件，从数字正射影像数据中确定出与各个点云数据相匹配后续初始实景三维模型的模型修正提供高精度的7括所述待构建目标的数字高程数据以及数字正射运行时，执行如第一方面或第一方面中任意一种可能设计的所述实景三维模型的构建方[0050](1)本发明利用数字高程数据来生成待构建目标的三角网地形三维曲面，并对该模技术得到的实景三维模型所存在的飘带漏洞或独立漏洞的问题，使重建的实景三维模8[0051](2)本发明不仅适用于基于DEM和DOM数据融合构建地形级实景三维模型的场景，[0056]图5为本发明实施例提供的A区域雁门沟修正后的三角网地形三维曲面的效果示一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示可有效解决利用传统技术建模得到的实景三维模型所存在的飘带漏洞和独立漏洞的问题，三维模型重建端侧运行，其中，举例所述实景三维模型重建端可以但不限于为个人电脑9可以但不限于采用分辨率为1:1万的国家标准数据，也可从分辨率为1:1万，比例尺为1:像数据则是从第三次全国国土调查正射遥感影像图和河湖划界数据中提取得到的；当然，[0067]S2.基于所述数字高程数据，确定出用于[0070]S22.从所述插值数字高程数据集中，确定出具有三维坐标信息的网格化点云数此，实景三维模型重建端可调用GlobalMapper中的像元中心点提取组件对所述插值数字[0071]S23.调用GlobalMapper中的像素[0078]S5.对所述三角网地形三维曲面进行齿功能，因此，也可直接调用GlobalMapper软件对各个裁剪地形三维曲面进行去锯齿处[0084]S6.利用所述修正后的三角网发明有效解决了利用点云逆向建模技术得到的实景三维模型所存在的飘带漏洞或独立漏[0091]以A地区的雁门沟流域为研究区，采用实施例第一方面所提供的方法对该研究区[0094]表1为进行未进行双线性插值所提取的点云数据，与经过双线性插值后所提取的[0097]通过前述表1可得出，经过双线性插值后，数字高程数据中的点云数据的间隔由提供的方法能够有效解决传统建模所存在的飘带漏洞和独立漏洞的问题，能够提供精度[0109]如图7所示，本实施例第三方面提供了一种实现实施例第一方面中所述的实景三括所述待构建目标的数字高程数据以及数字正射[0118]具体举例的，所述存储器可以但不限于包括随机存取存储器(randomaccess理器可以采用DSP(DigitalSignalProcessing，数字信号处理)、FPGA(Field-采用型号为STM32F105系列的微处理器、精简指令集计算机(reducedinstructionsetcomputer,RISC)微处理器、X86等架构处理器或集成嵌入式神经网络处理器(neural_[0121]本实施例第五方面提供了一种存储包含有实施例第一方面所述的实景三维模型