基于MVS点云的城市建筑三维重建方法

为进一步提高城市建筑三维重建的质量,提出一种基于MVS点云进行表面重建的方法。通过统计分析滤波有效去除点云表面和周围的杂点,使用点云分块和高效RANSAC完成平面模型的快速拟合。实验对比结果表明,该方法可以有效恢复建筑物平面和尖锐特征,改善了表面重建模型的质量;将该方法应用于大场景建筑物建模中,验证了其具有良好的适用性,对虚拟城市三维环境的构建有一定作用。

基于密集点云重投影的三维线段模型重建算法

为实现大规模建筑物三维线段模型重建,提出一种基于密集点云重投影的三维线段模型重建算法。由运动恢复结构算法和多视图三维重建算法得到密集点云;在二维线段匹配阶段,将密集点云重投影到各视图中,根据关联同一空间点的二维线段存在弱匹配关系原理构建匹配线段集;在三维线段生成阶段,使用反向投影平面和反向投影射线相交法确定三维线段端点,使用RANSAC算法去除错误线段,以最小化三维线段重投影误差方法优化场景模型。实验结果表明,该算法的重建结果精确且具有良好的视觉效果。

基于倾斜摄影的城市建筑三维重建方法研究

为了解决城市三维重建中单体化困难、数据量庞大以及泊松重建表面起伏、锐利特征丢失的问题,提出一种城市建筑物三维重建方法。使用基于倾斜摄影、Patch-based Multi-view Stereo(PMVS)和泊松表面重建所得密集三角格网作为输入。重建的流程分为两个步骤:建筑物提取和多边形3D模型重建。建筑物提取的方法是:从特定高度切割三角格网得到建筑物的外包围轮廓,进而利用轮廓分割出建筑物。多边形3D模型重建的过程是:从初始高度以指定步长切割三角格网得到轮廓,然后精简轮廓,最后建立起3D模型。实验使用单栋建筑物和大规模城市场景两种数据,实验结果表明算法表现出较好的性能、稳定性和可扩展性,并且具有较高精确性和有效性。

基于约束Delaunay三角形的多视3D重建

为解决多视立体重建的表面模型扭曲变形,建筑物平面凹凸不平进而造成纹理贴图出现错误和拉花的问题,提出一种加入直线约束的城市建筑三维重建方法。该方法使用无人机获得的一系列图片作为输入,首先通过直线检测器和超级像素提取图像直线段和边缘,经边缘多边形简化,再通过2D约束德劳内三角化得到单视图2D三角格网。然后根据密集点云回算2D三角格网顶点三维位置,得到单视图3D格网模型,最后多视图合并得到场景完整3D模型。实验结果表明,算法表现出较好的性能、稳定性和可扩展性,并且具有较高精确性和有效性。