根据矢量数据自动化生成建筑的方法及系统

技术领域

本申请涉及数字孪生技术领域，特别是涉及一种根据矢量数据自动化生成建筑的方法及系统。

背景技术

数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，是一个物理产品的数字化表达，以便于我们能够在这个数字化产品上看到实际物理产品可能发生的情况，与此相关的技术包括增强现实和虚拟现实。虚拟体能够对物理实体进行仿真分析，能够根据物理实体运行的实时反馈信息对物理实体的运行状态进行监控，能够依据采集的物理实体的运行数据完善虚拟体的仿真分析算法，从而对物理实体的后续运行和改进提供更加精确的决策。

数字孪生技术是指针对物理世界中的实体，通过数字化的手段来为其在数字世界中映射出一个一模一样的数字虚体，借此来实现对物理实体的了解、分析和优化。

然而，对于现有技术中在将建筑的模型进行数字孪生时，常因为无法考虑到地形的因素，故导致因模型与地形不匹配导致模型在地表进行运动时会出现脱离地面飞行或者进入到三维地形内部的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决因模型与地形不匹配导致模型在地表进行运动时会出现脱离地面飞行或者进入到三维地形内部的问题的根据矢量数据自动化生成建筑的方法及系统。

本发明技术方案如下：

一种根据矢量数据自动化生成建筑的方法，所述方法包括：

在孪生底座世界中，建立地形表面环境并在进行建筑轮廓范围识别后，建立三维地形环境；

将建筑三维模型读入至所述孪生底座世界中的三维地形环境中；

基于所述建筑三维模型，从所述建筑三维模型中抽取三维特征轮廓；

根据所述三维特征轮廓进行姿态匹配，并在姿态匹配后生成所述建筑三维模型。

具体而言，所述根据所述三维特征轮廓进行姿态匹配，并在姿态匹配后生成所述建筑三维模型，具体包括：

根据所述三维特征轮廓，获取所述建筑三维模型的建筑特征向量；

获取所述三维地形环境的地形特征向量；

基于所述建筑特征向量和所述地形特征向量进行进行姿态匹配，并在姿态匹配后生成所述建筑三维模型。

具体而言，所述建筑特征向量包括建筑轮廓线和三维方向向量；所述地形特征向量包括地形法线和椭球垂线。

具体而言，所述建立地形表面环境并在进行建筑轮廓范围识别后，建立三维地形环境；具体包括：

在孪生底座世界中，建立地形表面环境；

基于所述地形表面环境，进行超像素分割处理；

对进行超像素分割处理的地形表面环境进行目标轮廓提取和局部特征匹配处理。

一种根据矢量数据自动化生成建筑的系统，所述系统包括：

三维环境建立模块，用于在孪生底座世界中，建立地形表面环境并在进行建筑轮廓范围识别后，建立三维地形环境；

三维模型读入模块，用于将建筑三维模型读入至所述孪生底座世界中的三维地形环境中；

三维特征抽取模块，用于基于所述建筑三维模型，从所述建筑三维模型中抽取三维特征轮廓；

三维姿态生成模块，用于根据所述三维特征轮廓进行姿态匹配，并在姿态匹配后生成所述建筑三维模型。

具体而言，所述三维姿态生成模块还用于：

根据所述三维特征轮廓，获取所述建筑三维模型的建筑特征向量；

获取所述三维地形环境的地形特征向量；

基于所述建筑特征向量和所述地形特征向量进行进行姿态匹配，并在姿态匹配后生成所述建筑三维模型。

具体而言，所述建筑特征向量包括建筑轮廓线和三维方向向量；所述地形特征向量包括地形法线和椭球垂线。

具体而言，所述三维环境建立模块还用于：

在孪生底座世界中，建立地形表面环境；

基于所述地形表面环境，进行超像素分割处理；

对进行超像素分割处理的地形表面环境进行目标轮廓提取和局部特征匹配处理。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述根据矢量数据自动化生成建筑的方法所述的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述根据矢量数据自动化生成建筑的方法所述的步骤。

本发明实现技术效果如下：

上述根据矢量数据自动化生成建筑的方法及系统，依次通过在孪生底座世界中，建立地形表面环境并在进行建筑轮廓范围识别后，建立三维地形环境；将建筑三维模型读入至所述孪生底座世界中的三维地形环境中；基于所述建筑三维模型，从所述建筑三维模型中抽取三维特征轮廓；根据所述三维特征轮廓进行姿态匹配，并在姿态匹配后生成所述建筑三维模型，进而实现解决模型的姿态不能随着地形的起伏做相应的调整，防止出现模型在地表进行运动时会出现脱离地面飞行或者进入到三维地形内部的情况。

附图说明

图1为一个实施例中根据矢量数据自动化生成建筑的方法的流程示意图；

图2为一个实施例中生成所述建筑三维模型的流程示意图；

图3为一个实施例中建立三维地形环境的流程示意图；

图4为一个实施例中根据矢量数据自动化生成建筑的系统的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，提供一种所述根据矢量数据自动化生成建筑的方法的应用场景，该应用场景包括终端，所述终端用于在孪生底座世界中，建立地形表面环境并在进行建筑轮廓范围识别后，建立三维地形环境；将建筑三维模型读入至所述孪生底座世界中的三维地形环境中；基于所述建筑三维模型，从所述建筑三维模型中抽取三维特征轮廓；根据所述三维特征轮廓进行姿态匹配，并在姿态匹配后生成所述建筑三维模型。

其中，所述终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。

在一个实施例中，如图1所示，提供了一种一种根据矢量数据自动化生成建筑的方法，所述方法包括：

步骤S100：在孪生底座世界中，建立地形表面环境并在进行建筑轮廓范围识别后，建立三维地形环境；

步骤S200：将建筑三维模型读入至所述孪生底座世界中的三维地形环境中；

本步骤中，通过三维建模方法和工具，建立三维地形环境和将进行匹配的三维对象模型库，也即所述建筑三维模型。建立各模型的模型坐标系，确定模型在各自坐标系中的姿态并对运动模型定义二维的运动轨迹。

然后，将建筑三维模型读入至所述孪生底座世界中的三维地形环境中，完成初始姿态调整和态势构建。将三维模型导入到孪生底座世界中的坐标系是进行模型匹配的基础，模型定位以后才能将相应地形信息作为模型的调整参数传递给姿态调整函数，以进行下一步的调整三维模型的高度匹配，保证了模型在地表进行运动时不会出现脱离地面飞行或者进入到三维地形内部的情况。

步骤S300：基于所述建筑三维模型，从所述建筑三维模型中抽取三维特征轮廓；

步骤S400：根据所述三维特征轮廓进行姿态匹配，并在姿态匹配后生成所述建筑三维模型。

本实施例中，从所述建筑三维模型中抽取三维特征轮廓的过程中，可以实际情况进行抽取，包括但不限于一个关键点，或，从所述建筑三维模型中抽取两个关键点，或，从所述建筑三维模型中抽取三个关键点的情况。

具体地，所述关键点的抽取数量不同决定着三维模型和地形匹配的方法不同，当抽取一个关键点时，为点匹配。抽取两个关键点为线匹配和抽取三个关键点为面匹配。

三维模型的姿态匹配是保证虚拟环境真实感的重要因素，如果模型的姿态不能随着地形的起伏做相应的调整，就会极大地影响虚拟环境的视觉真实效果。这个过程中，高度的匹配相对简单，导入、姿态调整等较为复杂。

具体地，为了满足模型的姿态不能随着地形的起伏做相应的调整，防止出现模型在地表进行运动时会出现脱离地面飞行或者进入到三维地形内部的情况，需要通过三维模型姿态与地形的匹配，具体为基于所述建筑三维模型，从所述建筑三维模型中抽取三维特征轮廓；然后，基于所述关键点生成距离矢量，并根据所述距离矢量生成所述建筑三维模型在所述三维地形环境的模型三维姿态，进而实现了综合考量了地表与模型的匹配问题。

在一个实施例中，如图2所示，步骤S400：根据所述三维特征轮廓进行姿态匹配，并在姿态匹配后生成所述建筑三维模型，具体包括：

步骤S410：根据所述三维特征轮廓，获取所述建筑三维模型的建筑特征向量；

步骤S420：获取所述三维地形环境的地形特征向量；

步骤S430：基于所述建筑特征向量和所述地形特征向量进行进行姿态匹配，并在姿态匹配后生成所述建筑三维模型。

在一个实施例中，所述建筑特征向量包括建筑轮廓线和三维方向向量；所述地形特征向量包括地形法线和椭球垂线。

本实施例中，基于所述建筑特征向量和所述地形特征向量进行进行姿态匹配的过程中，便是建筑特征向量和所述地形特征向量的三维向量之间的匹配。

具体地，姿态匹配方法可以包括三种，分别为点匹配、线匹配和面匹配。

其中，抽取的三维特征轮廓是一个关键点时，首先获取关键点在三维地形空间中的坐标位置并将其垂直导入到地形表面。导入线和地表的相交点为网格T上的点p，点p即为所述网格位置。网格T即为所述当前所处网格。

接着，根据对地形的查询，可以获得p点的高程及p点所在三维地形网格的法方向N1。然后在网格T上任取不同于p点的两点，根据p点到两点的矢量，建立网格T的平面坐标系x1y1，及三维模型的模型坐标系x1y1N1。

根据模型坐标系和世界坐标系的空间关系，即获得三维模型在该空间位置相对于世界坐标系的旋转矩阵M1。考虑三维模型的运动方向，将三维模型绕N1旋转一角度O，对应的三维模型旋转矩阵为M2，那么矩阵M1×M2即为三维模型在该地形网格从模型坐标系到世界坐标系的旋转矩阵。将p点的高程作为三维模型的参考高度，获得三维模型在世界坐标系的平移矩阵M3；故可得三维模型到世界坐标系的变换矩阵为M1×M2×M3。

在一个实施例中，线匹配的具体步骤如下：

首先，线匹配方法在三维模型空间中抽取两个关键点，并将这两个关键点垂直导入到三维地形表面。导入线分别和地形相交于网格T1上的点p1和T2上的点p2。p1和p2所在的向量为L。

接着，在L和世界坐标系的Z方向所确定的平面上，计算与L相垂直的向量为N2，向量L和世界坐标系的Z方向所确定的平面的法方向为K。向量组K1N2构成三维模型的模型坐标系。

根据模型坐标系和世界坐标系的空间关系，即获得三维模型在该空间位置相对于世界坐标系的旋转矩阵Mp，同样，考虑三维模型的运动方向，将三维模型绕N1旋转一角度δ，对应的三维模型旋转矩阵为M2，矩阵M1×M2即为三维模型在该地形网格从模型坐标系到世界坐标系的旋转矩阵。将p1和p2连线中点的高程作为三维模型的参考高度，即可获得模型的平移矩阵M3。

具体地，线匹配方法在一定程度上改进了点匹配出现的问题，在两个关键点的方向上保证了三维对象和地形的真实匹配。但是由于人为地引入了世界坐标系的Z方向来构建模型坐标系，线匹配在两个关键点连线的垂直方向上对模型的姿态给出的调整方法并非现实世界所表现的真实结果。例如，对运动三维模型，如果在模型的前进方向上取两个关键点，则在前进过程中，模型和地形在运动路径的方向能够达到较好的吻合。但在运动路径的法线方向上，如果地形变化剧烈，有可能会造成三维模型的左右两翼被地形切割或者脱离地形。

在一个实施例中，面匹配的具体步骤如下：

首先，面匹配方法包括三点匹配和更多关键点的匹配三点匹配将模型中可代表模型姿态的三个点对地形导入来确定模型在地形上某一点的旋转矩阵。

三个点的导入分别是p1，p2和p3。导入点确定的平面的法线方向为N3。在导入平面上任取两个相互垂直的向量x3和y3。x3y3N3构成三维模型的模型坐标系。

同样，可由模型坐标系和世界坐标系的关系，获得旋转矩阵M1×M2和平移矩阵M3。面匹配方法对线匹配方法进行了初步的改进，对三维模型全方位的地形环境进行了较为全面的考虑。在大多数地形环境中，它能以真实的显示效果表现三维模型在地形场景中的姿态。

本发明基于精确定位定姿的影像成果以及配准后的激光成果进行全自动三维模型的构建流程，只需自动提取白模以及全自动贴纹理两个步骤。相比于三维格网模型，建筑物细节变形小，模型效果更加真实，且更容易编辑和添加属性。

在一个实施例中，如图3所示，步骤S100中，建立地形表面环境并在进行建筑轮廓范围识别后，建立三维地形环境；具体包括：

步骤S110：在孪生底座世界中，建立地形表面环境；

步骤S120：基于所述地形表面环境，进行超像素分割处理；

步骤S130：对进行超像素分割处理的地形表面环境进行目标轮廓提取和局部特征匹配处理。

进一步地，本实施例中，所述超像素分割处理具体就是将若干特征相似的像素点作为一个整体结构。在不损坏目标区域边界的情况下，利用超像素分割获得自适应的目标区域而不是将目标分割成固定形状的块。

超像素作为像素点的聚类广泛地应用于图像分割、目标跟踪等领域。

PDG利用图像的颜色特征将特征相似的像素点归为一类，形成由若干像素点组成的超像素。

图像的局部熵可以反映图像中灰度存在差异的部分。

计算出局部熵并融合颜色特征和像素点的坐标作为像素点的一个5维特征矢量。局部熵(h)可近似表示为：

/>

式中，f(i，j)表示(i，j)像素点的灰度值。m、n代表两个颜色特征矢量，第i个聚类中心c；可以表示为ct＝[mi，ni，hi，xi，yi]，其中，xi，yi表示像素点的横纵坐标，hi表示第i个像素点的局部熵值。

当颜色信息相似时，适当的位置差异可以归为一类。

这样将图像分割成不同的超像素块，提高了局部模型的生成、匹配效率，并在每一个超像素块的聚类中心加入一定数量的粒子，也能提高提取轮廓的精度。

在步骤S130中，目标轮廓提取的处理是采用局部模型匹配方法得到每一帧图像中运动目标的大体轮廓，以此作为初始轮廓，运用水平集曲线演化方法结合粒子滤波进行图像精确轮廓的提取。引入粒子滤波为了提高提取轮廓的精度，利用粒子权重大小确定目标的初始轮廓，在此基础上进行水平集曲线演化，从而精确提取目标轮廓。

在步骤S130中，局部特征匹配是基于EMD的两个图像(图像以及模型的特征图像)之间相似性匹配方法。利用超像素将图像分割成颜色特征不同的像素，这里的像素代表一个联合空间的表观区域。像素可以表示如下：

其中，piL＝(x，y)表示像素的位置坐标(采用归一化表示方法)，p表示像素的表观区域信息。

用集合A、B表示像素集，在形式上，用A＝{a}"，B＝{b}"，表示两个集合。假设有一个概率模型p(a|b，q)，通过模型参数θ表示元素a(ae A)是从元素b(be B)得到的概率。

因此可以拓展到两个集合间的条件概率为p(A|B，q)。也就是说，集合A中的元素a，和集合B中的元素b，之间存在一一映射。用l∶{1，2，…，n}→{1，2，…，n}，l(i)＝j表示这种一一映射关系，即元素a；是从元素b；中得到的。因此可以得到集合A是源于集合B的概率。

在一个实施例中，如图4所示，还提供一种根据矢量数据自动化生成建筑的系统，所述系统包括：

三维环境建立模块，用于在孪生底座世界中，建立地形表面环境并在进行建筑轮廓范围识别后，建立三维地形环境；

三维模型读入模块，用于将建筑三维模型读入至所述孪生底座世界中的三维地形环境中；

三维特征抽取模块，用于基于所述建筑三维模型，从所述建筑三维模型中抽取三维特征轮廓；

三维姿态生成模块，用于根据所述三维特征轮廓进行姿态匹配，并在姿态匹配后生成所述建筑三维模型。

在一个实施例中，所述三维姿态生成模块还用于：

根据所述三维特征轮廓，获取所述建筑三维模型的建筑特征向量；

获取所述三维地形环境的地形特征向量；

基于所述建筑特征向量和所述地形特征向量进行进行姿态匹配，并在姿态匹配后生成所述建筑三维模型。

在一个实施例中，所述建筑特征向量包括建筑轮廓线和三维方向向量；所述地形特征向量包括地形法线和椭球垂线。

在一个实施例中，所述三维环境建立模块还用于：

在孪生底座世界中，建立地形表面环境；

基于所述地形表面环境，进行超像素分割处理；

对进行超像素分割处理的地形表面环境进行目标轮廓提取和局部特征匹配处理。

在一个实施例中，如图5所示，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述根据矢量数据自动化生成建筑的方法所述的步骤。

在一个实施例中，所述处理器执行以下步骤：在孪生底座世界中，建立三维地形环境；将建筑三维模型读入至所述孪生底座世界中的三维地形环境中；基于所述建筑三维模型，从所述建筑三维模型中抽取三维特征轮廓；基于所述关键点生成距离矢量，并根据所述距离矢量生成所述建筑三维模型在所述三维地形环境的模型三维姿态。

在一个实施例中，所述处理器执行以下步骤：基于所述关键点，将所述关键点导入至所述三维地形环境，并获取所述关键点导入在所述三维地形环境中的网格位置，其中，所述网格位置所在的网格为当前所处网格；在所述三维地形环境设定预设参考点，并基于所述预设参考点生成距离矢量；基于所述距离矢量生成所述建筑三维模型在所述三维地形环境的模型三维姿态。

在一个实施例中，所述处理器执行以下步骤：根据所述网格位置，对所述三维地形环境进行地形查询，并获取所述网格位置的高程以及所述网格位置在所述当前所处网格的法方向；在所述三维地形环境设定预设参考点，并基于所述预设参考点生成所述预设参考点与所述网格位置的距离矢量。

在一个实施例中，所述处理器执行以下步骤：基于所述距离矢量建立所述网格位置在所述当前所处网格的平面坐标系，并建立所述建筑三维模型的模型坐标系；基于所述模型坐标系与所述孪生底座世界的坐标系的空间关系，获取所述建筑三维模型在所述网格位置相对于所述孪生底座世界的坐标系的旋转矩阵；根据所述旋转矩阵生成所述建筑三维模型在所述三维地形环境的模型三维姿态，并实时显示所述模型三维姿态。

在一个实施例中，所述处理器执行以下步骤：基于所述建筑三维模型，从所述建筑三维模型中抽取一个关键点，或，从所述建筑三维模型中抽取两个关键点，或，从所述建筑三维模型中抽取三个关键点。

在一个实施例中，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述根据矢量数据自动化生成建筑的方法所述的步骤。

在一个实施例中，所述计算机程序被处理器执行时实现以下步骤：在孪生底座世界中，建立三

维地形环境；将建筑三维模型读入至所述孪生底座世界中的三维地形环境中；基于所述建筑三维模型，从所述建筑三维模型中抽取三维特征轮廓；基于所述关键点生成距离矢量，并根据所述距离矢量生成所述建筑三维模型在所述三维地形环境的模型三维姿态。

在一个实施例中，所述计算机程序被处理器执行时实现以下步骤：基于所述关键点，将所述关键点导入至所述三维地形环境，并获取所述关键点导入在所述三维地形环境中的网格位置，其中，所述网格位置所在的网格为当前所处网格；在所述三维地形环境设定预设参考点，并基于所述预设参考点生成距离矢量；基于所述距离矢量生成所述建筑三维模型在所述三维地形环境的模型三维姿态。

在一个实施例中，所述计算机程序被处理器执行时实现以下步骤：根据所述网格位置，对所述三维地形环境进行地形查询，并获取所述网格位置的高程以及所述网格位置在所述当前所处网格的法方向；在所述三维地形环境设定预设参考点，并基于所述预设参考点生成所述预设参考点与所述网格位置的距离矢量。

在一个实施例中，所述计算机程序被处理器执行时实现以下步骤：基于所述距离矢量建立所述网格位置在所述当前所处网格的平面坐标系，并建立所述建筑三维模型的模型坐标系；基于所述模型坐标系与所述孪生底座世界的坐标系的空间关系，获取所述建筑三维模型在所述网格位置相对于所述孪生底座世界的坐标系的旋转矩阵；根据所述旋转矩阵生成所述建筑三维模型在所述三维地形环境的模型三维姿态，并实时显示所述模型三维姿态。

在一个实施例中，所述计算机程序被处理器执行时实现以下步骤：基于所述建筑三维模型，从所述建筑三维模型中抽取一个关键点，或，从所述建筑三维模型中抽取两个关键点，或，从所述建筑三维模型中抽取三个关键点。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。