[发明专利]基于大数据和AI的VR自然环境自动构成方法

权利要求书

1.基于大数据和AI的VR自然环境自动构成方法，其特征在于，包括：构建地形模型、生成三维地形模型以及基于深度学习生成环境模型；

所述构建地形模型包括如下过程：

A00：高程线地图处理：即通过图像矩阵F(x，y)表示观测图像；

A01：等高线图像获取和预处理：即对所述观测图像噪声以及无关信息剔除获取等高线图像F(x，y)；

A02：对等高线图像F(x，y)二值化处理：确定二值化阈值，将等高线图像F(x，y)转变为只有前景色与背景色的图像；

A03：采用逐层剥皮细化算法对等高线图像F(x，y)等高线骨架化；

A04：深度值标记骨架点：对等高线图像F(x，y)中点遍历，通过比较当前点与近邻点的深度值判断是否为骨架点；

A05：按照等高线深度值标记由外向内进行剥除；

A06：对等高线断点连接：结合机器连接和人工连接的方式对等高线断点连接；

A07：对等高线线划追踪以及高程值标记；

所述生成三维地形模型包括如下过程：

A08：生成高程地形数据文件；

A09：生成三维地形模型；

所述基于深度学习生成环境模型具体包括如下：

A10：建立深度学习自然环境模型数据库；

A11：建立卷积神经网络；

A12：建立自然环境识别训练模型；

A13：采集高分遥感环境影像，并对影响进行虑噪以及平滑等预处理得到预处理俯视图；

A14：采用模型库中的环境模型对预处理后的俯视图进行自动识别，自动识由卷积神经网络训练得到；

A15：根据识别的结果生成环境模型。

2.根据权利要求1所述的基于大数据和AI的VR自然环境自动构成方法，其特征在于，所述逐层剥皮细化算法具体包括如下过程：先找到一个位于线划影象边缘上的象元；以此象元为中心，按一定顺序检测其8个邻域的灰度值，确定本中心象元是否应置为0，并找到与本中心象元相邻的边缘象元以继续追踪剥皮。

3.根据权利要求2所述的基于大数据和AI的VR自然环境自动构成方法，其特征在于，所述逐层剥皮细化算法的限制条件为：不消去线段端点、不中断原来连通的点且不过多的浸蚀区域。

4.根据权利要求1所述的基于大数据和AI的VR自然环境自动构成方法，其特征在于，所述机器连接包括如下：遍历等高线图像获取断点，以断点为中心采用窗口算子寻求另一断点；清除另一断点后将两断点连接；

其中，所述另一断点的限制条件如下：两断点的另一邻域点不在同一方向；两断点位于任一等高线的同侧。

5.根据权利要求1所述的基于大数据和AI的VR自然环境自动构成方法，其特征在于，A07具体包括如下过程：

B00：确定搜索线段的起点并作为当前点；

B01：以当前点为中心，按照西北、北、东北、东、东南、南、西南、西8个方向搜索下一个未跟踪点；如果没有点，则退出；若有点，则记下它的坐标以及搜索方向，并确定下一点的搜索方向；

B02：按照B01确定的搜索方向，以新找到的点作为新的判别中心执行B01；

B03：将线段上的所有点追踪或追踪之另一端点结束。

6.根据权利要求1所述的基于大数据和AI的VR自然环境自动构成方法，其特征在于，A09具体包括如下：

C00：3DMAX软件中选择导入，然后在地形文件选择对蹑框中选择我们在上步骤中所生成的DED文件；

C01：在Import Terrain对话框中合理设置模型文件的控制参数；

C02：预览即将生成的地形，点击确定生成三维地形模型。