3D数据采集和重建
3D数据采集和重建是从传感器数据生成三维或时空模型。一般而言,这些技术和理论适用于大多数或所有传感器类型,包括光学,声学,激光扫描,[1]雷达,热学,[2]地震。[3][4]
内容
· 1收购
收购[ 编辑]
采集可以通过多种方法进行,包括2D图像,采集的传感器数据和现场传感器。
从2D图像中获取[ 编辑]
另见:摄影测量
可以使用立体图像对来执行3D数据采集和对象重建。基于重叠图像块的立体摄影测量或摄影测量是使用2D图像进行3D映射和对象重建的主要方法。近距离摄影测量也已成熟到可以使用相机或数码相机捕捉物体(例如建筑物)的近景图像并使用与航空摄影测量相同的理论重建它们的水平。可以做到这一点的软件的一个例子是VexcelFotoG 5. [5][6]该软件现已被Vexcel GeoSynth取代。[7]另一个类似的软件程序是Microsoft Photosynth。[8][9]
Sisi Zlatanova提出了一种从2D空中立体图像中获取3D拓扑结构数据的半自动方法。[10]该方法包括必要的用于自动重建所述3D对象的多个点的手动数字化。通过在立体模型中叠加其线框图形来验证每个重建的对象。拓扑结构化的3D数据存储在数据库中,并且还用于对象的可视化。用于使用2D图像的3D数据采集的值得注意的软件包括例如Agisoft Photoscan,[11] RealityCapture,[12]和ENSAIS Engineering College TIPHON(Traitement d'ImageetPHOtogrammétrieNumérique)。[13]程序代写https://item.taobao.com/item.htm?spm=a230r.1.14.59.255028c3ALNkZ0&id=586797758241&ns=1&abbucket=15#detail
Franz Rottensteiner开发了一种半自动建筑物提取方法,以及在地形信息系统中存储建筑物模型以及地形和其他地形数据的概念。他的方法是基于将建筑参数估计集成到采用混合建模方案的摄影测量过程中。建筑物被分解为一组简单的基元,这些基元被单独重建,然后由布尔运算符组合。基元和复合建筑模型的内部数据结构基于边界表示方法[14][15]
在Zeng的多个图像表面重建方法中使用了多个图像。一个中心思想是探索3D立体数据和2D校准图像的集成。这种方法的动机是这样一个事实,即只有在多个图像的几何形状审查中幸存下来的稳健和精确的特征点才能在空间中重建。然后应该通过使用来自多个图像的信息来填充密度不足和立体数据中不可避免的空洞。因此,我们的想法是首先从立体点构造小的表面贴片,然后使用最佳优先策略逐步将图像中的可靠贴片从图像传播到整个表面。因此,该问题减少到搜索通过图像的给定立体点集合的最佳局部表面块。
多光谱图像也用于3D建筑物检测。在该过程中使用第一个和最后一个脉冲数据和归一化差异植被指数。[16]
还采用新的测量技术通过使用投影或阴影以及它们的组合来获得来自单个图像的对象的测量和对象之间的测量。由于其快速处理时间和远低于立体声测量的成本,该技术正在获得关注。[ 引证需要 ]
从获得的传感器数据中获取[ 编辑]
LIDAR数据和高分辨率图像的半自动建筑物提取也是可能的。同样,这种方法允许建模而无需物理移动到位置或对象。[17]从机载激光雷达数据中,可以生成数字表面模型(DSM),然后从DSM自动检测高于地面的物体。基于关于建筑物的一般知识,然后使用诸如尺寸,高度和形状信息的几何特征来将建筑物与其他物体分离。然后使用正交算法简化提取的建筑物轮廓以获得更好的制图质量。可以进行流域分析以提取建筑物屋顶的山脊线。山脊线和坡度信息用于对每种类型的建筑物进行分类。然后使用三个参数化建筑模型(平坦的,山墙的,臀部的)重建建筑物。[18]
从现场传感器获取[ 编辑]
激光雷达和其他地面激光扫描技术[19]提供了收集高度或距离信息的最快,自动化的方法。用于建筑物高度测量的激光雷达或激光器正变得非常有前景。[20]机载激光雷达和地面激光扫描技术的商业应用已被证明是建立高度提取的快速和准确的方法。需要建筑程序代写https://item.taobao.com/item.htm?spm=a230r.1.14.59.255028c3ALNkZ0&id=586797758241&ns=1&abbucket=15#detail物提取任务来确定建筑物位置,地面高度,方向,建筑物大小,屋顶高度等。大多数建筑物在一般多面体方面被描述为足够的细节,即它们的边界可以由一组平面表示。和直线。诸如将建筑物覆盖区表示为多边形的进一步处理用于GIS数据库中的数据存储。
使用激光扫描和从地面和鸟瞰视角拍摄的图像,Fruh和Zakhor提出了一种自动创建纹理3D城市模型的方法。这种方法涉及将详细的立面模型与补充的空中模型进行登记和合并。机载建模过程生成半米分辨率模型,包含整个区域的鸟瞰图,包含地形剖面和建筑物顶部。基于地面的建模过程产生了建筑立面的详细模型。使用从机载激光扫描获得的DSM,他们将采集车辆本地化,并通过蒙特卡罗定位(MCL)将地基外立面登记到机载模型。最后,将两个模型合并为不同的分辨率以获得3D模型。
使用机载激光高度计,Haala,Brenner和Anders将高度数据与现有的建筑物平面图相结合。建筑物的地面计划已经通过地图和计划以模拟形式获得,或者通过2D GIS以数字形式获得。该项目的完成是为了通过整合这些不同类型的信息实现自动数据捕获。然后,通过纹理处理,例如通过地面图像的映射,在项目中生成虚拟现实城市模型。该项目证明了快速获取三维城市GIS的可行性。事实证明,地面计划是3D建筑重建的另一个非常重要的信息来源。与自动程序的结果相比,这些地面计划证明更可靠,因为它们包含人类解释所明确的汇总信息。因此,地面计划可以大大降低重建项目的成本。可用于建筑物重建的现有地面平面数据的一个例子是数字地籍图,提供有关财产分配的信息,包括所有农业区的边界和现有建筑物的地面平面图。另外,作为街道名称和建筑物的使用(例如车库,住宅建筑,办公大楼,工业建筑,教堂)的信息以文本符号的形式提供。目前,数字地籍图被构建为覆盖区域的数据库,主要由数字化预先存在的地图或计划组成。
软件[ 编辑]
用于机载激光扫描的软件包括OPALS(机载激光扫描数据的定向和处理)。
成本[ 编辑]
- 地面激光扫描设备(脉冲或相位设备)+处理软件通常以150,000欧元的价格开始。一些不太精确的设备(如Trimble VX)售价约为75,000欧元。
- 地面激光雷达系统的成本约为300,000欧元。
- 使用安装在遥控直升机(摄影测量)上的常规静态摄像机的系统也是可能的,并且花费大约25,000欧元。使用带气球的静态相机的系统甚至更便宜(约2,500欧元),但需要额外的手动处理。由于手动处理每天拍照需要大约1个月的劳动力,从长远来看,这仍然是一个昂贵的解决方案。
- 获得卫星图像也是一项昂贵的工作。高分辨率立体图像(0.5米分辨率)的成本约为11,000欧元。图像卫星包括Quikbird,Ikonos。高分辨率单视场图像成本约为5,500欧元。分辨率较低的图像(例如来自CORONA卫星;分辨率为2米)每2张图像的成本约为1.000欧元。请注意,Google地球图片的分辨率太低,无法制作出精确的3D模型。[21]
对象重建[ 编辑]
主要文章:3D重建
另请参见:从多个图像重建3D
在收集数据之后,需要重建从图像或传感器获取的(有时已经处理的)数据。这可以在同一程序中完成,或者在某些情况下,需要将3D数据导出并导入到另一程序中以进一步细化,和/或添加附加数据。这些额外的数据可能是gps位置数据......此外,在重建之后,数据可能直接实现到本地(GIS)地图[22][23]或全球地图,如Google Earth。
3D数据采集和重建的更多相关文章
- 3D点云重建原理及Pytorch实现
3D点云重建原理及Pytorch实现 Pytorch: Learning Efficient Point Cloud Generation for Dense 3D Object Reconstruc ...
- 泡泡一分钟:Semantic Labeling of Indoor Environments from 3D RGB Maps
张宁 Semantic Labeling of Indoor Environments from 3D RGB Maps Manuel Brucker, Maximilian Durner, Ra ...
- 什么是体数据可视化(Volume data visualization)?及体绘制的各种算法和技术的特点?
该文对体数据进行综述,并介绍了体数据的各种算法和技术的特点. 前言 由于3D数据采集领域的高速发展,以及在具有交互式帧率的现代化工作站上执行高级可视化的可能性,体数据的重要性将继续迅速增长. 数据集可 ...
- ROS会议 ROSCon 2017
----ROSCon2012-2017----来源链接:https://roscon.ros.org 近三年ROSCon(2015-2017)都会将会议视频录像和文档公开~以下为机 ...
- 论文笔记:(TOG2019)DGCNN : Dynamic Graph CNN for Learning on Point Clouds
目录 摘要 一.引言 二.相关工作 三.我们的方法 3.1 边缘卷积Edge Convolution 3.2动态图更新 3.3 性质 3.4 与现有方法比较 四.评估 4.1 分类 4.2 模型复杂度 ...
- 【机器学习Machine Learning】资料大全
昨天总结了深度学习的资料,今天把机器学习的资料也总结一下(友情提示:有些网站需要"科学上网"^_^) 推荐几本好书: 1.Pattern Recognition and Machi ...
- OpneCv2.x 模块结构
转自:http://blog.csdn.net/huang9012/article/details/21811271 之前啃了不少OpenCV的官方文档,发现如果了解了一些OpenCV整体的模块架构后 ...
- 学习 opencv---(1) opencv3.1.0 组件结构浅析
本系列是根据 浅墨大神 的opencv系列而写的,,应该大部分内容会一样..如有侵权还请告知........... 开发环境:win7 + VS2013 + opencv3.1.0 至于OpenCV组 ...
- OpenCV整体的模块架构
之前啃了不少OpenCV的官方文档,发现如果了解了一些OpenCV整体的模块架构后,再重点学习自己感兴趣的部分的话,就会有一览众山小的感觉,于是,就决定写出这篇文章,作为启程OpenCV系列博文的第二 ...
随机推荐
- [golang]按图片中心旋转后的新图左顶点和原图左顶点的偏移量计算
1 前言 略,作为记录使用 2 代码 /** * @Author: FB * @Description: * @File: RotateSample.go * @Version: 1.0.0 * @D ...
- Tensorflow在python3.7版本的运行
安装tensorflow pip install tensorflow==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple 可以在命令行 或者在py ...
- 获取本机的IP地址和mac地址
1. 以前一直用ipconfig来查看ip地址,哈哈哈,现在发现挺好玩 #获取本机的IP地址和mac地址 import uuid import socket def get_mac_address() ...
- MySql表、字段、库的字符集修改及查看方法
这篇文章主要介绍了MySql表.字段.库的字符集修改及查看方法,本文分别给们它的修改及查看语句,需要的朋友可以参考下 修改数据库字符集: 代码如下: ALTER DATABASE db_name DE ...
- html5的基本介绍
前言 (1)什么是HTML? 指超文本标记语言(Hyper Text Markup Language); 是用来描述网页的一种语言: 不是编程语言,是一种标记语言: (更多详细内容,百度:https: ...
- SpringBoot 传入JSON对象参数
1.请求参数格式必须是正确的JSON. 2.在入参中使用注解@RequestBody,用于接收JSON参数,使其自动转对象 3.关于lombok在此产生的一点小坑,@Builder对@RequestB ...
- (摘录笔记)JAVA学习笔记SSH整合搭建项目
1:当然是导jar包啦: struts2: spring: hibernate: 至于这些jar包是什么作用,我想就不必我解释了,大家都懂得,ssh2基本的jar包: 还有一些其他jar包:strut ...
- java实现mysql数据备份
/** * @param hostIP ip地址,可以是本机也可以是远程 * @param userName 数据库的用户名 * @param password 数据库的密码 * @param sav ...
- JavaScript: 自动类型转换-续
在上一篇文章中,我们详细讲解了JavaScript中的自动类型转换,由于篇幅限制,没能覆盖到所有的转换规则,这次准备详细讲解一下. 上次我们提到了对象类型参与运算时转换规则: 1). 在逻辑环境中执行 ...
- ng add ng-zorro-antd 安装时报错 已经是管理员还需要权限Error: EPERM: operation not permitted, lstat 'C:\ngWorkspace\qd\node_modules\fsevents\node_modules'
Error: EPERM: operation not permitted, lstat 'C:\ngWorkspace\qd\node_modules\fsevents\node_modules' ...