[发明专利]基于矢量数据自动分割LOD层级三维数据单体化方法及系统

说明书

本发明公开了一种基于矢量数据自动分割LOD层级三维数据单体化方法，属于图像数据处理技术领域，具体属于倾斜摄影测量三维模型处理，包括：S1、统一矢量数据和倾斜实景三维数据的坐标系统；S2、加载矢量数据及获取建筑边界的属性信息；S3、加载及收集实景三维数据信息；S4、单体模型提取分割；S5、按照实景三维数据原始的数据组织结构分别输出分割提取的单体建筑模型和分割剩余部分的模型。本发明通过现有的矢量数据获取建筑边界轮廓的边界空间信息，并对具有LOD层级的数据结构的倾斜实景三维数据进行多层级分割，同时能不在改变原本数据结构的情况下，自动批量提取单体建筑模型和有效解决单体模型分割边缘的锯齿问题。

技术领域

本发明涉及图像数据处理技术领域，具体属于倾斜摄影测量三维模型处理，特别是一种基于矢量数据自动分割LOD层级三维数据单体化方法。

背景技术

倾斜摄影测量是近几年发展的一项高新测绘技术，其可以获取量测目标不同角度的纹理信息构建大范围、高分辨率、高精度的三维模型，为城市规划管理、水利水电等各行业提供服务。实景三维模型的构建过程可以概括为，对影像生点云、构建三角网、纹理贴图三个主要步骤，因此构建的模型数据是连续的不规则三角网，所有地物都是连续的整体，地物目标没有分割开来，因此，属性信息无法与模型挂接，在对数据进行应用时存在困难，为解决此问题需要对模型数据进行“单体化”处理。

三维模型“单体化”即将连续的整体模型分割成一个个单独的实体，分割的单体可以被选中、单独管理、附加属性、查询统计等。在实景三维模型单体化研究方面，申请号为201410327662.X的发明公开了一种利用建筑高度和图像光谱信息对建筑与植被进行分类提取单体的方法，此方法虽让可以将建筑与非建筑、植被与非植被进行分类，但由于可见光相机拍摄的影像本身光谱信息较为单一，利用高度判别建筑精度不高，所以此方法在精确提取单体方面略显不足。解放军信息工程大学硕士论文“基于倾斜影像密集匹配点云的建筑物单体化提取技术研究”(解放军信息工程大学，陈宇)中，利用滤波算法对影像匹配形成的密集点云点云进行分类处理提取单体模型，点云滤波算法一般对一种物体分类效果良好，目前还没有一种算法可以将所有地物目标进行精准分类，因此在提取单体模型上有一定局限性。另外，在公开发表的学术论文和专利中，对实景三维模型单体化中均无法大范围、批量、自动的对单体模型进行精准提取，因此，在实现三维模型单体化方面要综合考虑算法适应性与提取效果。

发明内容

本发明的发明目的是，为了实现倾斜实景三维模型数据的自动单体化提取，提供一种基于建筑轮廓矢量数据自动分割多层LOD层级倾斜实景三维数据提取单体建筑模型的方法。该方法可以对建筑单体自动批量提取，快速对模型数据的LOD数据进行分割重构，同时可以保持原有数据组织结构不变和解决单体模型分割边缘的锯齿问题。

为达到上述目的，本发明所采用的技术方案是：

基于矢量数据自动分割LOD层级三维数据单体化方法，包括以下内容：

S1、统一矢量数据和倾斜实景三维数据的坐标系统；

S2、加载矢量数据及获取建筑边界的属性信息：加载矢量数据，对数据中的每个建筑边界都构建一个边界对象BoundaryObject，获取并保存其坐标串信息Boundary(P1，P2，P3…)和其最小包围矩形的外接圆心C的坐标和外接圆的半径R₁；所有建筑边界的属性信息记录为V₁(BoundaryObject₁，BoundaryObject₂，BoundaryObject₃…)；