三维建筑物模型构建方法、装置、电子设备及存储介质

技术领域

本申请涉及三维建模领域，尤其涉及一种三维建筑物模型构建方法、装置、电子设备及存储介质。

背景技术

随着数字城市相关技术的不断发展和深入，城市实景三维模型构建技术也得到了较快的发展，其中，建筑物作为城市中最主要的组成部分，如何对其进行高精度、高效率的三维重现是建设“城市实景三维模型”的关键。

相关技术中，建筑物三维建模的主要手段包括：基于二维矢量图建模、基于人工拍摄地物所获取的特征纹理建模、基于摄影测量技术建模等方式，然而，采用这些方式，要么建模效率低、要么精度差、要么模型纹理不够丰富，从而导致无法得到高质量的城市建筑物的三维模型。对此，目前并未存在有效的解决方案。

发明内容

本申请实施例提供一种三维建筑物模型构建方法、装置、电子设备及存储介质，以解决相关技术存在的问题，技术方案如下：

第一方面，本申请实施例提供了一种三维建筑物模型构建方法，在一种实施方式中，包括：

从经滤波处理后的点云数据中提取至少一个建筑物的点云数据；

对至少一个建筑物的点云数据进行面矢量提取，得到建筑物矢量模型；

提取该建筑物矢量模型的角点；

在预处理后的倾斜摄影影像上获得与该建筑物矢量模型的角点对应的控制点，基于该控制点得到对应关系；

基于该对应关系，使用该预处理后的倾斜摄影影像对该建筑物矢量模型进行纹理贴图，得到三维建筑物模型。

第二方面，本申请实施例提供了一种三维建筑物模型构建装置，在一种实施方式中，包括：

点云提取模块，用于从经滤波处理后的点云数据中提取至少一个建筑物的点云数据；

矢量模型生成模块，用于对该建筑物的点云数据进行面矢量提取，得到建筑物矢量模型；

角点提取模块，用于提取该建筑物矢量模型的角点；

控制点获取模块，用于在预处理后的倾斜摄影影像上获得与该建筑物矢量模型的角点对应的控制点，基于该控制点得到对应关系；

贴图模块，用于基于该对应关系，使用该预处理后的倾斜摄影影像对该建筑物矢量模型进行纹理贴图，得到三维建筑物模型。

第三方面，本申请实施例提供了一种三维建筑物模型构建设备，该设备包括：存储器和处理器。其中，该存储器和该处理器通过内部连接通路互相通信，该存储器用于存储指令，该处理器用于执行该存储器存储的指令，并且当该处理器执行该存储器存储的指令时，使得该处理器执行上述各方面任一种实施方式中的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机程序，当计算机程序在计算机上运行时，上述各方面任一种实施方式中的方法被执行。

上述技术方案中的优点或有益效果至少包括：对点云数据进行综合滤波处理后，利用超体素划分法得到较为准确的建筑物单体的点云数据，提高了建筑物单体划分的效率；基于建筑物面点云数据进行面矢量拟合，创建出的三维矢量模型比较平滑，效果与质量比较好；基于此三维矢量模型进行贴图，可以得到更加真实的三维建筑物模型。能够还原城市建筑物实景，从而更真实地表达城市建筑空间分布形态。

上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本申请进一步的方面、实施方式和特征将会是容易明白的。

附图说明

在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。

图1为根据本申请一实施例的三维建筑物模型构建方法的流程图；

图2为根据本申请另一实施例的三维建筑物模型构建方法的流程图；

图3为根据本申请再一实施例的三维建筑物模型构建方法的流程图；

图4为根据本申请一实施例的三维建筑物模型构建方法的步骤图；

图5为根据本申请又一实施例的三维建筑物模型构建方法的流程图；

图6为根据本申请一实施例的三维建筑物矢量模型示意图；

图7为根据本申请一实施例的贴图后的建筑物三维真实模型示意图；

图8为根据本申请一实施例的三维建筑物模型构建装置的结构框图；

图9为根据本申请另一实施例的三维建筑物模型构建装置的结构框图；

图10为根据本申请一实施例的三维建筑物模型构建设备的结构框图。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本申请的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分，并不是限定顺序的意思，或者限定只有两个的意思，例如，第一特征和第二特征，是指代有两类/两个特征，第一特征可以为一个或多个，第二特征也可以为一个或多个。

另外，为了更好的说明本申请，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本申请同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本申请的主旨。

近年来，随着国家对城市信息化的越发重视，各大城市都在努力向“数字城市”以及“智慧城市”的方向进行投入和建设。构建城市的实景三维模型，是一个城市开展数字化城市管理的基本条件，同时，不同的建模技术和方法通常会对建模精度和效率产生较大影响，因此，如何构建高精度的城市实景三维模型，还原城市真实的组成部分及空间布局，显得极为重要。建筑物作为城市中最主要的组成部分，对其进行高精度、高效率的三维重现是建设“城市实景三维模型”的关键，因此，对城市建筑物三维建模方法的研究有着非常重要的意义。

城市建筑物三维建模的方法与空间信息技术的发展息息相关，采用不同的空间信息技术获取数据源将直接决定建模方式、精度和效率。相关技术中，人们曾主要依靠城市的二维矢量图和人工拍摄地物获取特征纹理的方式进行三维建模，精度较差，且缺乏建筑物顶部信息；后来又出现基于摄影测量技术的建模方式，通过航拍获取地物信息，虽然能够获得建筑物顶部信息，但对于一些复杂建筑物或者建筑物之间的阴影遮挡，还无法准确进行影像的匹配，因此重建的工作量大，自动化程度较低；随后又出现了基于倾斜摄影测量技术的建模方式，该方法利用飞行平台搭载多角度相机，突破了只能从垂直角度拍摄的局限，从垂直、四个倾斜等五个不同的角度同时获取地面同一地物影像，影像中包含的地物信息全面丰富，可以说是测绘领域近些年发展的一项先进的高新技术，然而它的缺点是不能对某些建筑物模型进行单独分离，因此无法满足对单个建筑物进行分析管理的需求，且相较于激光雷达(LiDAR)技术获得的高精度三维点位坐标，倾斜摄影测量技术获得的数据精度较低，不能满足城市数字高程模型构建要求。因此，单独依靠倾斜摄影技术进行建筑物三维建模显示不能达到很好的效果。机载LiDAR是一种新型的空间对地观测技术，以飞行器为载体，激光为媒介，对地球表面扫描获取地物三维坐标信息与点云数据，由于激光有一定的穿透性，可以获得地物多重回波及其强度信息，具有获取数据精度高、速度快、范围大等特点。较之传统空间信息获取技术，LiDAR系统获取的激光点云数据精度与密度更高。因此，结合机载LiDAR和倾斜摄影各自的优势，开展两种技术的融合处理并用于构建城市建筑物三维模型，是一个很好的研究方向。

据文献查询，有人提出一种利用机载LiDAR点云和倾斜摄影影像数据进行融合处理的技术流程，对点云配准、航带裁切、三维建模以及正射影像制作流程进行了详细阐述，探索了两种数据源融合处理的新模式。然而，在建筑三维建模方面，所述的根据点云数据进行建筑物顶部点的提取和分类来确认建筑物的方法，虽然效率高，但存在一定的局限性。该方法完全依赖于源数据的质量，因此可能会由于部分建筑屋顶上缺失激光数据而造成建筑模型构建时被遗漏的风险。

还有一部分学者提出基于机载LiDAR数据和倾斜摄影构建城市(建筑物)三维模型的方法，所采用的技术路线大同小异，且在建模过程中，处理倾斜摄影和激光点云以及建模都需要依托不同的第三方软件(如3DMax,Skyline,MicroStation,CixMo等)，虽然最终可以得到较好的效果，但其过程相对复杂，流程繁琐。

本发明提出一种利用机载LiDAR数据的三维建筑物模型构建方法，图1示出根据本申请一实施例的三维建筑物模型构建方法的流程图。如图1所示，该三维建筑物模型构建方法可以包括：

S101、从经滤波处理后的点云数据中提取至少一个建筑物的点云数据；

一示例中，先获得初始的点云数据(也可以被称为机载LiDAR点云数据)，然后对该初始点云数据进行多种滤波处理，以去除点云数据中的噪声或异常点，并精确提取出非地面点。去除噪声的相关滤波方法包括但不限于剖面滤波法(也称剖面去噪法)、高程滤波法(也称高程比较法)和稀疏离群点移除滤波法(SOR，StatisticalOutlierRemoval)，具体地，针对点云数据中由于飞鸟、低空飞行物遮挡，从而对激光脉冲信号进行反射而产生的噪声点，可以基于点云的剖面图，通过剖面去噪法直接剔除；高程比较法可以消除因多路径效应或测距仪错误产生的局部较低噪声点，可通过在提取某一待测点云的高程值时，将其与周围点云的高程值进行比较，并设置一定的阈值，当高程值之差超过设置的阈值时，将该点剔除；SOR滤波算法则是对点云数据中每个点的领域进行统计分析，通过计算每个点到它相邻所有点的距离分布，对离群点从数据集中进行删除，以达到滤除噪声点的目的。得到去除噪声后的点云数据之后，进一步利用布料滤波法(CSF，Cloth Simulation Filter)分离出地面上的点云数据，然后采用超体素划分法，从中提取出每一个独立建筑物的点云数据。

S102、对至少一个建筑物的点云数据进行面矢量提取，得到建筑物矢量模型。

一示例中，利用不规则三角网法和最小二乘法，得到建筑物表面平滑的矢量面，多个矢量面拼合得到建筑物矢量模型。

S103、提取该建筑物矢量模型的角点；

一示例中，可以基于建筑物矢量模型的平面方程，用数学方法求解平面的交线为建筑物边界线，求解任意两条边界线的交点即为建筑物角点，并自动获得对应的角点坐标。

S104、在预处理后的倾斜摄影影像上获得与该建筑物矢量模型的角点对应的控制点，基于该控制点得到对应关系；

一示例中，对倾斜摄影影像进行的预处理包括但不限于：验校、配准以及编辑处理，其中，验校和配准处理具体包括：在得到倾斜摄影影像之后，检查其与点云数据的坐标系统是否统一，具体地可用控制点的方式进行误差检查，若有误差则需改正；统一坐标系统之后，进行倾斜摄影影像的编号，使每幅影像唯一，开展数据格式转换等操作，通过统一数据的格式和单位使倾斜摄影影像后期处理起来更方便；进一步对倾斜摄影影像进行编辑处理，包括但不限于确定范围线等辅助准备工作，作用是为了之后更好地与建筑物矢量面进行匹配对应。

一示例中，对该倾斜摄影影像进行的预处理还包括空中三角测量处理，即是对倾斜摄影影像中的多级、多角度多视影像进行数字微分纠正和镶嵌，最终获得具有地图几何精度和影像特征的数字正射影像图，具体步骤包括：运用适用于倾斜影像特点的多角度多视匹配模型方法，结合航空定位定向系统(POS，Position and Orientation System)提供的多视影像外方位元素，采取由粗到精的金字塔匹配策略在倾斜摄影获得的每级影像上进行同名点自动匹配和自由网光束法平差，快速准确获取多角度多视影像上的同名像点坐标，完成倾斜摄影影像中竖直影像和倾斜影像之间的同名像点自动匹配。然后建立连接点和连接线、控制点坐标、地理信息系统/惯性测量单元辅助数据的多视影像自检校区域网平差的误差方程，采用光束法区域网总体平差，以一张像片组成的一束光线作为一个平差单元，通过各光线束在空间中的旋转和平移，使模型间的公共光线实现最佳交会，将整体区域最佳地加入到控制点坐标系中，在平差过程中有效探测并剔除粗差匹配，同时通过联合解算，确保平差结果的精度，确定每张影像的坐标姿态和加密点的坐标。经过上述处理后，得到预处理后的倾斜摄影影像，即数字正射影像图(DOM，Digital Orthophoto Map)。

一示例中，以该建筑物角点坐标作为控制点，在经过预处理的倾斜影像上刺点，在刺点的操作过程中，可以先预测该建筑物角点在各个影像上的大致位置，把含有该角点的所有相关影像全部提取出来，然后在至少一张倾斜影像上得到与建筑物角点坐标对应的控制点，具体地可以将控制点的地面坐标转化为地面摄影测量坐标，建立绝对定向的误差方程，通过求解绝对定向元素，进行绝对定向；在至少一张倾斜影像上刺点完成后，可以根据各个影像之间的位置匹配关系，在其他相关影像上完成刺点，减少刺点操作的繁琐和增加准确性。通过精确的刺点，在建筑物矢量模型与倾斜影像之间建立精确的对应关系。

S105、基于该对应关系，使用预处理后的倾斜摄影影像对该建筑物矢量模型进行纹理贴图，得到三维建筑物模型。

一示例中，基于上一步骤中得到的建筑物矢量模型与倾斜影像之间的精确的对应关系进行贴图，具体地，先选择用于贴图的倾斜摄影影像，可以在确定要被贴图的建筑物矢量面后，确定包含该建筑物矢量面的多张倾斜影像，然后基于该建筑物矢量面在前述影像上的观测角度和投影面积，选出最佳的用于贴图的倾斜摄影影像，需要补充的是，首选用一张倾斜摄影影像对建筑物矢量面进行贴图，如果没有，可以考虑选择多张倾斜摄影影像通过拼接的方式对建筑物矢量面进行贴图。选好用于贴图的倾斜摄影影像之后，基于上一步中得到的对应关系，切割出建筑物矢量面对应的部分，然后进行拉伸、扭曲等形变操作，使其的形状与建筑物矢量模型对应的矢量面完全吻合，然后进行切割和贴图，最终得到表面有纹理的三维建筑物模型。

图2示出根据本申请另一实施例的三维建筑物模型构建方法的流程图。如图2所示，在一种可能的实现方式中，从经滤波处理后的点云数据中提取至少一个建筑物的点云数据可以具体包括：

S201、对点云数据进行综合滤波处理，获得去噪后的非地面点云数据；

一示例中，通过多种滤波方法，先去除噪声数据，然后将地面点云数据与非地面点云数据进行分离，提取出包括建筑物的非地面点云集合，其中，用于去除噪声的滤波方法包括但不限于：剖面滤波法、高程滤波法和稀疏离群点移除滤波法；获得非地面点云数据的滤波方法包括但不限于基于数学形态学的方法、基于梯度的方法、基于线性预测的方法和CSF滤波算法。其中，CSF滤波算法首先把点云进行翻转，然后假设有一块布料受到重力影响从上方落下，覆盖在点云之上。通过分析布料与相应点云之间的关系，确定布料节点的位置作为近似地表。最后计算原始点云与布料的距离，实现非地面点提取。

S202、利用超体素划分法，从该非地面点云数据中得到至少一个建筑物的点云数据。

一示例中，可以用超体素划分法，首先对分离出的非地面点云数据进行超体素划分，划分出多个超体素，并从中确定初始种子对象，然后基于初始种子对象，利用局部邻域法向量夹角准则实现区域增长，对多个超体素进行融合，最终得到单个建筑物的点云数据。具体地，包括如下步骤：

首先对分离出的非地面点云数据进行体素化，具体步骤包括：将点云所在的空间按照一定的大小划分成多个小的立方体，计算每个立方体的几何中心的位置，找出距离该几何中心距离最近的点作为超体素的中心初始点。对每个立方体内及其周围的点云数据集进行特征描述，采用点云数据与中心初始点之间的加权欧式距离作为距离的度量标准，如加权距离在预设值范围内便认为可以划分为一类，据此从每个立方体的中心初始点开始，完成点云数据的迭代聚类，将属于同一类的点云数据合并之后，生成一个超体素。

通过上述超体素生成步骤，将非地面点云数据划分为多个超体素，然后根据超体素相似性度量，利用区域增长的算法对超体素进行融合，最终获得单个建筑物的点云数据，具体步骤包括：对于每个超体素，先用K邻域的方式得到超体素对应的邻域Q，然后采用最小二乘法对该超体素及对应的邻域的集合体进行平面拟合，并计算残差值；根据计算出的残差值对所有超体素集合体进行排序，将最小残差值对应的超体素作为区域增长算法的初始种子对象。

确定初始种子对象后，计算其相邻超体素集的法向量，并计算初始种子对象与其相邻超体素集的法向量夹角，若该夹角小于提前设置好的阈值T

在没有新的超体素加入的情况下，重新选择新的初始种子对象。可以选择剩余超体素中残差最小的超体素作为新的初始种子对象，并重复上述操作，直到所有超体素被搜索完毕，区域生长停止，得到建筑物点云数据，并且每一个建筑物独立存在。

采用本申请实施例，可以先通过多种滤波方法，提取出无噪声的非地面点云数据，之后利用超体素划分法从非地面的点云数据中提取单个建筑物的点云数据，避免了直接处理点云数据所导致的欠分割和过分割问题，提高了算法整体的单个建筑物分割效率，步骤简单、自动化程度高。

图3示出根据本申请再一实施例的三维建筑物模型构建方法的流程图。如图3所示，在一种可能的实现方式中，该三维建筑物模型构建方法中对该建筑物的点云数据进行面矢量拟合，得到建筑物矢量模型可以具体包括：

S301、利用不规则三角网法得到属于同一个面的建筑物点云数据，其中，选取该超体素划分法执行过程中产生的体素中心点作为不规则三角网的顶点；

一示例中，基于建筑物点云数据构建不规则三角网，其中，不规则三角网(TIN,Triangulated Irregular Network)方法采用一系列相连接的三角形拟合地表或其他不规则表面，具体地，在建筑物矢量模型的表面构网，并设定每个小三角面的法向量为V

一示例中，优选地，在建筑物矢量模型的表面构网时，选取超体素生成步骤中的关键点作为顶点进行构网，比如选择超体素初始中心点为顶点构网，可以提高构网效率。

S302、对属于同一个面的建筑物点云数据进行面矢量拟合，得到建筑物矢量模型。

一示例中，采用最小二乘的方法拟合平面，将属于同一平面的点拟合后得到该平面的数学方程表达参数，列出平面方程，最终得到建筑物矢量模型。

采用本申请实施例，先通过三角网法对建筑物表面进行初步的平滑，借助上一步超体素划分法执行过程中产生的关键点作为三角网的顶点，可以快速高效构建表面的三角网；然后对建筑物面进行矢量拟合，建筑物面为平面，面之间的交线为直线，创建出的三维模型平滑，效果与质量比较好，方便之后贴图。传统的通过点云创建三角网得到的模型面之间的交线、面都不平滑，与实际建筑物的情况不符合。

综上所述，在一个示例中，本发明提供的技术方案基于机载LiDAR点云数据与倾斜摄影数据，如图4所示，对该点云数据进行用于去噪的多项滤波等预处理之后，提取建筑物点云数据并进行面拟合生成建筑物矢量模型，提取该矢量模型中的角点坐标；同时，对倾斜摄影数据进行处理，包括对倾斜摄影影像进行空中三角测量处理，得到空中三角测量成果(空三成果)；然后，在经过处理后的倾斜摄影上找建筑物矢量模型的角点的对应点，进行绝对定向；最后，将倾斜影像绝对定向成果在建筑物矢量模型上进行纹理贴图，得到建筑物三维模型。

本发明提供了一套完整的从原始点云数据中提取独立建筑物点，融合倾斜摄影影像完成城市建筑物三维重建的流程，可以直接处理获取的机载LiDAR点云，提出简单有效的建筑物提取方法，并可对建筑物点进行单体化。采用改进的构建不规则三角网法，即利用超体素划分执行过程中生成的关键点，如体素中心点作为不规则三角网中心点进行构网，缩小了构网时的搜索范围，加快了构网速度，基于构网结果提取建筑物的点、线、面，并通过面拟合能够保证所创建出的建筑物三维模型轮廓比较平滑，从而保证了所构建的建筑物三维模型有较好的的效果与质量，解决了传统三维建模存在的效率低、精度差问题；本方法中还创新性地以机载LiDAR点云为控制点，实现三维模型的快速重建和纹理的映射。解决了传统三维建模存在的模型纹理不够丰富、与实际不符的问题，具有简易、快速、自动化程度高，独立性强，精度高等特点。运用该方法，能够还原城市建筑物实景，从而更真实地表达城市建筑空间分布形态。

如图5所示，该三维建筑物模型构建方法还可以包括：

S106、将多个三维建筑物模型合并到统一平台中，并导入相关信息，以得到城市实景三维模型。

一示例中，在生成三维建筑物模型之后，可将多个该三维建筑物模型合并到统一平台中，并导入相关信息，以得到城市实景三维模型。具体地，在分别生成单个三维建筑模型之后，按照模型的位置坐标将其合并，生成一个区域的实景三维模型之后，合并相关信息其中，该相关信息包括几何信息和非几何信息，比如建筑物的建筑年代、用途、内部结构、管网等信息；将合并之后的结果导入到统一平台中，统一进行存储更新查询及应用，实现可视化展示，且联动查询相关数据，提高了对三维建筑物模型及相关数据的利用效率。

应用示例：

应用本申请实施例一处理流程，可以分为如下五个阶段，包括如下内容：

一、点云数据处理阶段

利用多种滤波方法去除机载LiDAR点云数据(也称初始点云数据)中的噪声点和异常点，具体可采取剖面滤波法、高程滤波法和稀疏离群点移除滤波法(SOR，StatisticalOutlierRemoval)中的一种或多种，其中SOR法的具体步骤如下：①定义邻域，采用K邻域(k-NN)方法，根据点云密度定义邻域K值，密度越大取K值越大，如定义K＝50；②计算每个点到所有邻域点的平均距离，得到结果为高斯分布，计算出均值μ和一个标准差σ；③设置标准倍数阈值，根据点云质量定义阈值std_mul，比如可定义std_mul＝1，当某一个点与其邻域距离大于μ+std_mul×σ时，该点被认为是异常离群点，从点云集中去除。

考虑到众多的去噪滤波方法的效果容易受到地表特征的影响，不适合大规模城市场景使用，本发明采用CSF滤波算法对去噪后的点云数据进行进一步地滤波，分离地面点与非地面点，具体步骤如下：

①反转初始点云数据；

②初始化布料网格；

③把所有点与布料网格粒子投影到同一水平面，找到距离每一个粒子最近的点，记录其投影前高程；

④计算每一个网格粒子受重力影响产生的位移，与其距离最近的点的高程进行比较，如粒子高度低于点高程，将该粒子设为不可移动点；

⑤对每个网格粒子计算其内部因素产生的位移；

⑥重复上述步骤④和步骤⑤，直到所有网格粒子的最大高程变化足够小或者迭代次数到达用户的预先设置值为止；

⑦计算LiDAR点与网格粒子之间的高度差异，若点与粒子距离小于预设阈值，认为其为地面点，反之认为其为非地面点。

点云数据处理阶段中主要是选择多种滤波方法对原始的点云数据进行滤波，以达到平滑数据、去除噪声的最佳效果，然后用CSF滤波算法提取出包括建筑物点的非地面点，为之后提取建筑物点建立基础。

二、建筑物点提取阶段

本阶段中对分离出的非地面点进行超体素划分，计算超体素的曲面拟合残差，将残差最小的超体素作为种子对象，根据局部邻域法向量夹角准则实现种子对象的区域增长，从非地面点中提取建筑物点，具体步骤包括：

①对非地面点划分出超体素；

②采用K邻域的方式定义超体素邻域Q，采用最小二乘法得到邻域集拟合成的二次曲面f；

③计算超体素局部邻域曲面拟合残差ε

④采用区域生长法，以残差最小的超体素为种子点，得到每一个独立的建筑物点集。

三、建筑物矢量模型生成及角点提取阶段

本阶段中，对上一阶段中得到的建筑物点云数据进行面拟合，得到建筑物矢量模型，然后通过相交面得到建筑物的边界框线，对该边界框线求交点，得到建筑物角点，具体步骤如下：

①根据建筑物点云数据构建不规则三角网，按照公式(1)得到每个三角形顶点法向量v；

v＝(V

②通过法向量归一法对建筑物表面进行初步的聚类和平滑处理；

③采用最小二乘的方法对分割后的单个建筑物的点云数据进行平面拟合，得到建筑物面矢量，多个面矢量组合成建筑物矢量模型，如图6所示；

④对拟合后的建筑物面矢量求交，得到相交线，即是建筑物边界框；

⑤上一步中得到的相交线求交点，即得到建筑物的角点。

四、建立建筑物矢量模型与倾斜影像之间关系阶段

在建立关系之前，需要先对倾斜影像进行预处理，包括但不限于：验校、配准以及空中三角测量。

其中，空中三角测量具体包括如下步骤：

①运用适用于倾斜影像特点的多角度多视匹配模型方法，做多个倾斜影像间的初始匹配；

②区域网平差：结合航空定位定向系统(POS，Position and OrientationSystem)提供的多视影像外方位元素，采取由粗到精的金字塔匹配策略在每级影像上进行同名点自动匹配和自由网光束法平差，快速准确获取多视影像上的同名像点坐标，完成多视影像中竖直影像和倾斜影像之间的同名像点自动匹配。

③空中三角运算：建立连接点和连接线、控制点坐标、地理信息系统/惯性测量单元(GPS/IMU)辅助数据的多视影像自检校区域网平差的误差方程，采用光束法区域网总体平差，以一张像片组成的一束光线作为一个平差单元，通过各光线束在空间中的旋转和平移，使模型间的公共光线实现最佳交会，将整体区域最佳地加入到控制点坐标系中，在平差过程中有效探测并剔除粗差匹配，同时通过联合解算，确保平差结果的精度，确定每张影像的坐标姿态和加密点的坐标。

经过上述处理后，得到经过预处理后的倾斜摄影影像，即数字正射影像图(DOM,DigitalOrthophoto Map)。

以提取到的建筑物角点坐标作为控制点，进行绝对定向，在建筑物矢量模型与经过预处理的倾斜影像(数字正射影像图)之间建立精确的对应关系。

五、贴图阶段

该步骤中基于得到的对应关系，将经过预处理的倾斜影像贴到建筑物模型，主要步骤包括：

①根据建筑物每个面的角点截取倾斜影像；

②建筑物模型纹理贴图，贴图后的建筑物三维真实模型如图7所示。

图8示出根据本发明一实施例的三维建筑物模型构建装置100的结构框图。如图8所示，该装置可以包括：

点云提取模块110，用于从经滤波处理后的点云数据中提取至少一个建筑物的点云数据；

矢量模型生成模块120，用于对该建筑物的点云数据进行面矢量提取，得到建筑物矢量模型；

角点提取模块130，用于提取该建筑物矢量模型的角点；

控制点获取模块140，用于在预处理后的倾斜摄影影像上获得与该建筑物矢量模型的角点对应的控制点，基于该控制点得到对应关系；

贴图模块150，用于基于该对应关系，使用该预处理后的倾斜摄影影像对该建筑物矢量模型进行纹理贴图，得到三维建筑物模型。

其中，该装置还用于：对该倾斜摄影影像进行预处理，包括：验校、配准以及空中三角测量。

其中，三维建筑物模型构建装置中点云提取模块可以包括：

点云单元，用于对点云数据进行综合滤波处理，获得去噪后的非地面点云数据；

分割单元，用于利用超体素划分法，从该非地面点云数据中得到至少一个建筑物的点云数据。

根据本发明另一实施例的三维建筑物模型构建装置中矢量生成模块还可以包括：

面生成单元，用于利用不规则三角网法得到属于同一个面的建筑物点云数据，其中，选取该超体素划分法执行过程中产生的体素中心点作为不规则三角网的顶点；

面拟合单元，用于对属于同一个面的建筑物点云数据进行面矢量拟合，得到该建筑物矢量模型。

图9示出根据本发明另一实施例的三维建筑物模型构建装置100的结构框图。如图9所示，该装置还可以包括：

实景生成模块160，用于将多个该三维建筑物模型合并到统一平台中，并导入相关信息，以得到城市实景三维模型。

本发明实施例各装置中的各模块、单元的功能可以参见上述方法中的对应描述，在此不再赘述。

图10示出根据本发明一实施例的三维建筑物模型构建设备的结构框图。如图10所示，该三维建筑物模型构建设备包括：存储器910和处理器920，存储器910内存储有可在处理器920上运行的计算机程序。处理器920执行该计算机程序时实现上述实施例中的三维建筑物模型构建方法。存储器910和处理器920的数量可以为一个或多个。

该三维建筑物模型构建设备还包括：

通信接口930，用于与外界设备进行通信，进行数据交互传输。

如果存储器910、处理器920和通信接口930独立实现，则存储器910、处理器920和通信接口930可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(PeripheralComponentInterconnect，PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器910、处理器920及通信接口930集成在一块芯片上，则存储器910、处理器920及通信接口930可以通过内部接口完成相互间的通信。

本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现本申请实施例中提供的方法。

本申请实施例还提供了一种芯片，该芯片包括，包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本申请实施例提供的方法。

本申请实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行申请实施例提供的方法。

应理解的是，上述处理器可以是中央处理器(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(fieldprogrammablegate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advanced RISC machines，ARM)架构的处理器。

进一步地，可选的，上述存储器可以包括只读存储器和随机存取存储器，还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器(read-onlymemory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以包括随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用。例如，静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic random access memory，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data date SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。

应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。