-
公开(公告)号：CN114742947B
公开(公告)日：2024-04-19
申请号：CN202210373160.5
申请日：2022-04-11
Applicant: 中国测绘科学研究院
Abstract: 本发明公开了一种适用于大范围的倾斜三维模型纹理分块重建方法，应用于纹理重建技术领域，在面对大范围倾斜摄影三维重建时，一般需将重建区域划分为多个子区域，然而分块纹理重建容易出现纹理错误，本发明首先，采用空间规则格网进行分块，并基于分块单元之间的邻接关系，计算纹理重建层次关系；其次，基于三维Mesh模型提取建筑轮廓，并依据其遮挡影响范围，将其分为邻域遮挡和邻域不遮挡两类；接着，采用邻域遮挡单元恢复三角网格的遮挡关系，构建图割优化模型，完成最佳视图标签选择；最后，采用视图标签平滑优化处理，消除锯齿标签，缓解块内纹理接缝问题。
-
公开(公告)号：CN110660023B
公开(公告)日：2020-09-29
申请号：CN201910867207.1
申请日：2019-09-12
Applicant: 中国测绘科学研究院
Abstract: 本发明公开了一种基于图像语义分割的视频拼接方法，包括获取某一视频传感器采集的视频单帧图像；依据视频位置信息结合单帧图像中地物形状特征精确获取目标区域的遥感影像，作为拼接参考背景；采用全卷积神经网络对视频单帧图像和拼接参考背景影像进行语义分割；将分割结果与基于特征向量欧式距离的匹配方法结合，作为特征点的匹配约束条件，进行匹配特征点集的选取；根据选取的匹配特征点集，实现视频每一帧图像和拼接参考背景影像的匹配；对匹配得到的所有结果进行时间序列的融合，得到最终视频拼接结果。优点是：实现更为准确的特征点匹配，以及视频的高质量拼接，适用于重叠区域大的多视频拼接，而且能够很好的实现重叠区域小的多视频拼接。
-
公开(公告)号：CN111681322A
公开(公告)日：2020-09-18
申请号：CN202010535858.3
申请日：2020-06-12
Applicant: 中国测绘科学研究院
Abstract: 本发明公开了一种倾斜摄影模型的融合方法，包括：S1：获取目标区域的至少一个第一倾斜模型及至少一个第二倾斜模型，所述第一倾斜模型及所述第二倾斜模型均由多个三角面片构成；S2：获取所述第一倾斜模型外轮廓的空间范围，查找所述第一倾斜模型与所述第二倾斜模型的融合区域；S3：以所述第一倾斜模型的外轮廓边界作为约束条件，将所述融合区域进行精细剖分；S4：对经过所述步骤S3处理的所述融合区域进行纹理坐标的插值处理；本发明进行倾斜摄影模型融合时只对原始模型的三角面片进行细分而不重构，避免融合后模型原始网格结构遭到破坏和纹理不真实的问题。
-
公开(公告)号：CN110659385A
公开(公告)日：2020-01-07
申请号：CN201910866229.6
申请日：2019-09-12
Applicant: 中国测绘科学研究院
IPC: G06F16/71 , G06F16/74 , G06F16/787 , G06F16/29
Abstract: 本发明公开了一种多路视频与三维GIS场景的融合方法，包括定义视频对象中的数据结构，并给每一视频对象的各个参数赋予初始值；判断视频对象在场景中的空间位置信息、姿态信息以及摄像头可观察的区域信息，并根据上述信息，将视频对象抽象化为视锥体几何对象；根据摄像头的属性信息，将场景中所有的视锥体几何对象进行分类，形成多个视频图层；建立场景中各视频图层下所有视频对象的R树索引信息；进入三维场景的可见范围，将可见范围内的渲染对象实时存储，并实时生成可视范围内三维场景的视锥体等步骤。优点是：通过建立视频与三维场景的拓扑信息，能够有效提高融合对象快速定位及其融合效率，适用多个(超过4-5个)视频的三维场景虚拟融合。
-
公开(公告)号：CN114742947A
公开(公告)日：2022-07-12
申请号：CN202210373160.5
申请日：2022-04-11
Applicant: 中国测绘科学研究院
Abstract: 本发明公开了一种适用于大范围的倾斜三维模型纹理分块重建方法，应用于纹理重建技术领域，在面对大范围倾斜摄影三维重建时，一般需将重建区域划分为多个子区域，然而分块纹理重建容易出现纹理错误，本发明首先，采用空间规则格网进行分块，并基于分块单元之间的邻接关系，计算纹理重建层次关系；其次，基于三维Mesh模型提取建筑轮廓，并依据其遮挡影响范围，将其分为邻域遮挡和邻域不遮挡两类；接着，采用邻域遮挡单元恢复三角网格的遮挡关系，构建图割优化模型，完成最佳视图标签选择；最后，采用视图标签平滑优化处理，消除锯齿标签，缓解块内纹理接缝问题。
-
Patent Agency Ranking
公开(公告)号：CN113989250B
公开(公告)日：2022-07-05
申请号：CN202111289038.1
申请日：2021-11-02
Applicant: 中国测绘科学研究院
IPC: G06T7/00 , G06T7/33 , G06T7/38 , G06K9/62 , G06V10/762
Abstract: 本发明公开了基于深度图改进的分块密集匹配方法、系统终端及介质，涉及图像匹配技术领域，包括：图像获取步骤：获取全局场景的图像；邻域图选择步骤：利用图像关联度，选择出每张图像的邻域图像集合，同时初始化图像的重建状态对象；空间立体自动聚类步骤：对全局场景进行空间立体自动聚类完成分块，并抽取子块重建所需的匹配对图像，得到该子块的图像簇；密集匹配步骤：在子块的图像簇中获取目标图像，根据目标图像的重建状态对象估计、过滤深度图以及深度图融合生成密集点云。本发明避免子块间相同图像的重复计算，提高了密集匹配的效率和图像重建的准确性。
-
公开(公告)号：CN108198143B
公开(公告)日：2021-08-27
申请号：CN201711464422.4
申请日：2017-12-28
Applicant: 中国测绘科学研究院
Abstract: 本发明公开了一种去LoD层级约束的三维地形裂缝消除方法，其整体步骤为：采用四叉树地形多分辨率表达结构对三维地形的DEM数据进行格网划分；建立地形四叉树格网节点，将其划分为根节点、父节点、子节点和叶节点；对地形四叉树格网节点的邻居关系进行识别及判断；根据视点相关的LoD控制规则，对四叉树叶节点进行合并与分裂，动态更新地形四叉树；判断对格网节点所需完成的处理，并对不同处理情况下的格网节点之间的邻居关系进行状态判断；判断遍历节点是否为新增节点；对补缝集合中的节点进行裂缝消除运算。本发明不仅节点层次跨度大、渲染效率高，而且运算量小，同时裂缝消除效率高，具有广泛的适用性。
-
公开(公告)号：CN108198143A
公开(公告)日：2018-06-22
申请号：CN201711464422.4
申请日：2017-12-28
Applicant: 中国测绘科学研究院
Abstract: 本发明公开了一种去LoD层级约束的三维地形裂缝消除方法，其整体步骤为：采用四叉树地形多分辨率表达结构对三维地形的DEM数据进行格网划分；建立地形四叉树格网节点，将其划分为根节点、父节点、子节点和叶节点；对地形四叉树格网节点的邻居关系进行识别及判断；根据视点相关的LoD控制规则，对四叉树叶节点进行合并与分裂，动态更新地形四叉树；判断对格网节点所需完成的处理，并对不同处理情况下的格网节点之间的邻居关系进行状态判断；判断遍历节点是否为新增节点；对补缝集合中的节点进行裂缝消除运算。本发明不仅节点层次跨度小、渲染效率高，而且运算量大，同时裂缝消除效率高，具有广泛的适用性。
-
公开(公告)号：CN107918957A
公开(公告)日：2018-04-17
申请号：CN201610885876.8
申请日：2016-10-11
Applicant: 中国测绘科学研究院
IPC: G06T19/20
CPC classification number: G06T19/20
Abstract: 本发明公开了一种保持结构和纹理特征的三维建筑模型化简方法，解析各种不同来源格式的三维建筑模型数据，构造表面模型索引和表面模型三角网列表；根据三角网邻近信息，计算每个顶点的二次误差，从而计算每条边的二次误差；法线和面积验证，计算相邻的三角网和化简之后的表面模型三角网列表，采用RTT方法，计算新顶点的空间坐标和纹理坐标，并更新表面模型三角网列表中对应的纹理信息，以及新的顶点和纹理坐标；反复循环化简到指定的三角网数目为止；输出每个三角网的纹理，完成三维建筑模型的化简。本发明可以从高精度的三维模型自动生成不同细节层次的低精度模型，满足智慧城市各种应用需求。
-
公开(公告)号：CN112966633B
公开(公告)日：2021-10-01
申请号：CN202110296168.1
申请日：2021-03-19
Applicant: 中国测绘科学研究院
Abstract: 本发明公开了一种语义与结构信息双约束的倾斜影像特征点过滤方法，涉及图像处理领域。本发明包含以下步骤：植被区域识别和线特征提取：以可见光波段差异植被指数提取倾斜影像中的植被信息，同时以改进的线探测算法计影像内的地物线特征；特征点二元组分类模型：以植被区域识别结果作为特征点过滤的语义约束，以线特征识别结果作为特征点过滤的结构约束，建立特征点分类模型，将特征点分为四类；特征点渐进式选取算法：构建高斯金字塔，确定特征点数量阈值，并以此阈值作为逼近条件，逐层遍历高斯金字塔进行特征点选取，直至符合数量阈值要求。本发明有效提高了特征点过滤质量。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.026 seconds)
