基于三维点云的建筑物高精度表面重建关键技术研究
这是一篇关于三维点云,三维重建,深度学习,建筑物表面重建,模型简化的论文, 主要内容为轻量化的建筑物三维模型是数字城市、数字孪生等应用场景的关键基础,目前基于三维点云的室内外模型重建是计算机视觉、遥感测绘领域的研究热点。当前存在的主要技术挑战集中在以下两点:一是因采集视角受限和景物遮挡等原因,室外获取的单体建筑三维点云往往存在局部数据缺失,重建后的模型容易存在孔洞现象;二是针对室内场景获取的三维点云数据,其建筑物结构性信息容易受到室内家具等可移动目标的干扰。因此,本文分别采用空间切分与图元连接策略,以及基于室内目标检测的深度学习策略,开展建筑物室内外三维表面模型重建技术的研究,主要工作如下:1、针对室外大场景三维点云密度不均和遮挡导致的数据缺失问题,本文提出一种基于连接感知图的建筑物三维点云表面重建算法。首先,基于动力学结构设计了平面基元生长结构与多置信度等级结构,以解决数据缺失导致的基元初始化失效问题。其次,构建不同连接关系的连接图结构,用于加速三维重建求解过程,在此基础上通过图结构为点云数据构建建筑物脚手架结构。最后,基于点云数据与重建模型三角面片映射关系构建重建能量方程,能量方程的最小化求解可以有效地解决算法对数据平面基元拟合较差的问题,并大幅提高数据缺失情况下的重建鲁棒性。针对室外大场景数据集SUM Helsinki3D的实验结果表明,本文所提出算法可有效重建不同场景下,风格各异的建筑物水密模型,相比于主流算法可以得到具有更多几何细节的Lo D2级别的建筑物模型,评价指标上重建误差平均降低23.7%,模型压缩比率低于3%。2、针对建筑物室内场景的可移动遮挡物导致场景结构非完整问题,提出了一种基于自然语言驱动的建筑物室内表面重建算法。首先,本文设计了自然语言验证模块,将场景描述文本语言中的强先验信息融入三维重建流程当中。其次,构建了迭代自然语言引导模块用于不同实例对象之间的补全与信息融合。该策略不仅可实现实例分割网络与三维重建网络精度的双向提升,同时可以有效地去除室内场景中的可移动物体的冗余信息从而保留下来室内结构性信息。针对室内数据集Scan Net和Scan2CAD的实验结果表明,对于室内场景数据,本文提出的自然语言驱动的实例重建框架可以将室内可移动物体与结构性场景充分解耦合,实现室内场景的重新布局与可移动物体的去除等功能,并在数据集上多项重建精度指标上得到有效提升。综上所述,本文以建筑物室内外重建为目标,针对室外点云的数据缺失,以及室内可移动目标互干扰等挑战,分别提出了平面图元为基础的连接感知图及其生长策略,以及自然语言驱动的建筑物室内表面重建算法。针对主流数据集的实验结果表明,上述重建策略有效提升了建筑物重建的精度,可完成室内外模型的一体化重建任务。
基于三维点云的建筑物高精度表面重建关键技术研究
这是一篇关于三维点云,三维重建,深度学习,建筑物表面重建,模型简化的论文, 主要内容为轻量化的建筑物三维模型是数字城市、数字孪生等应用场景的关键基础,目前基于三维点云的室内外模型重建是计算机视觉、遥感测绘领域的研究热点。当前存在的主要技术挑战集中在以下两点:一是因采集视角受限和景物遮挡等原因,室外获取的单体建筑三维点云往往存在局部数据缺失,重建后的模型容易存在孔洞现象;二是针对室内场景获取的三维点云数据,其建筑物结构性信息容易受到室内家具等可移动目标的干扰。因此,本文分别采用空间切分与图元连接策略,以及基于室内目标检测的深度学习策略,开展建筑物室内外三维表面模型重建技术的研究,主要工作如下:1、针对室外大场景三维点云密度不均和遮挡导致的数据缺失问题,本文提出一种基于连接感知图的建筑物三维点云表面重建算法。首先,基于动力学结构设计了平面基元生长结构与多置信度等级结构,以解决数据缺失导致的基元初始化失效问题。其次,构建不同连接关系的连接图结构,用于加速三维重建求解过程,在此基础上通过图结构为点云数据构建建筑物脚手架结构。最后,基于点云数据与重建模型三角面片映射关系构建重建能量方程,能量方程的最小化求解可以有效地解决算法对数据平面基元拟合较差的问题,并大幅提高数据缺失情况下的重建鲁棒性。针对室外大场景数据集SUM Helsinki3D的实验结果表明,本文所提出算法可有效重建不同场景下,风格各异的建筑物水密模型,相比于主流算法可以得到具有更多几何细节的Lo D2级别的建筑物模型,评价指标上重建误差平均降低23.7%,模型压缩比率低于3%。2、针对建筑物室内场景的可移动遮挡物导致场景结构非完整问题,提出了一种基于自然语言驱动的建筑物室内表面重建算法。首先,本文设计了自然语言验证模块,将场景描述文本语言中的强先验信息融入三维重建流程当中。其次,构建了迭代自然语言引导模块用于不同实例对象之间的补全与信息融合。该策略不仅可实现实例分割网络与三维重建网络精度的双向提升,同时可以有效地去除室内场景中的可移动物体的冗余信息从而保留下来室内结构性信息。针对室内数据集Scan Net和Scan2CAD的实验结果表明,对于室内场景数据,本文提出的自然语言驱动的实例重建框架可以将室内可移动物体与结构性场景充分解耦合,实现室内场景的重新布局与可移动物体的去除等功能,并在数据集上多项重建精度指标上得到有效提升。综上所述,本文以建筑物室内外重建为目标,针对室外点云的数据缺失,以及室内可移动目标互干扰等挑战,分别提出了平面图元为基础的连接感知图及其生长策略,以及自然语言驱动的建筑物室内表面重建算法。针对主流数据集的实验结果表明,上述重建策略有效提升了建筑物重建的精度,可完成室内外模型的一体化重建任务。
三维建筑模型快速简化关键技术研究
这是一篇关于三维建筑模型,模型简化,边折叠算法,误差度量,城市三维场景,多尺度表达的论文, 主要内容为三维数字化模型复杂度和数据密度的日益增长给计算机存储、显示、传输和渲染等方面带来了巨大压力。构建三维城市的复杂场景往往需要海量多源异构的空间数据配合使用,三维建筑模型是其不可或缺的要素。为了获取适合多种场景使用的建筑模型,需要对原始高分辨率网格模型建立不同的层次细节模型(Level Of Detail,LOD)。如何针对模型不同的复杂性,定量优化LOD模型的细节水平,自适应的保留重要特征并减少不必要的冗余,以符合人对其认知过程的层次性[1],是Web3D展示的重要技术内容。LOD模型的建立,首先面临网格简化的问题。网格简化方法即在保留模型的重要几何和视觉特征的前提下,有条件的精简次要细节,以降低复杂模型计算复杂度。常见的网格简化算法以简化机制分类,可以分为增量式简化算法(Incremental Decimation)、顶点聚类算法(Vertex Clustering)、采样算法(Sampling)和自适应细分算法(Adaptive Subdivision)[2,3,4]。其中,边折叠(Edge collapse)算法属于增量式简化中的一种,该算法简化模型时计算速度快、鲁棒性好,但进行大幅度简化时可能会出现模型细节特征丢失问题。本文在研究目前主流多分辨率绘制和三维模型边折叠简化算法等相关技术的基础上,针对三维复杂模型简化至低分辨率时存在模型网格质量降低、表面细节特征丢失等原因导致的视觉退化问题。提出了一种顾及角度误差的三维复杂模型边折叠简化算法,并在此基础上设计了城市三维建筑模型快速可视化系统。论文的主要内容如下:(1)针对三维建筑模型简化至低分辨率时模型网格质量降低、表面细节特征丢失等原因导致的视觉退化问题,提出了一种顾及角度误差的网格模型边折叠简化算法。该算法在选取收缩边时预先加入了顶点约束处理,以减少需要折叠操作的边的数量,提高计算性能;在二次误差测度算法的基础上引入角度误差加权,对生成新面片的旋转方向进行角度误差控制,以提高模型特征区域顶点的误差度量,更好的保留模型表面细部特征。(2)研究三维空间数据存储技术。根据三维建筑模型数据特点和属性信息不同,分析三维建筑模型数据层次,设计了面向三维建筑模型的数据结构,对本文算法生成的三维建筑LOD模型进行组织管理;通过等经纬差网格划分建筑模型中心坐标的方法,实现三维建筑模型数据网格化存储,将不同作用范围的数据采用金字塔结构分层分块进行存储,以提高数据的索引效率和网络响应速度。(3)设计三维建筑模型实验演示系统。针对以上研究内容,基于B/S架构及WebGL三维渲染引擎开发了具有实用价值的三维城市场景统一表达系统,实验表明,该算法在保留场景中建筑模型重要几何特征的前提下,有效减少了系统绘制的图元数目,适用于渲染大规模三维城市场景。
基于三维点云的建筑物高精度表面重建关键技术研究
这是一篇关于三维点云,三维重建,深度学习,建筑物表面重建,模型简化的论文, 主要内容为轻量化的建筑物三维模型是数字城市、数字孪生等应用场景的关键基础,目前基于三维点云的室内外模型重建是计算机视觉、遥感测绘领域的研究热点。当前存在的主要技术挑战集中在以下两点:一是因采集视角受限和景物遮挡等原因,室外获取的单体建筑三维点云往往存在局部数据缺失,重建后的模型容易存在孔洞现象;二是针对室内场景获取的三维点云数据,其建筑物结构性信息容易受到室内家具等可移动目标的干扰。因此,本文分别采用空间切分与图元连接策略,以及基于室内目标检测的深度学习策略,开展建筑物室内外三维表面模型重建技术的研究,主要工作如下:1、针对室外大场景三维点云密度不均和遮挡导致的数据缺失问题,本文提出一种基于连接感知图的建筑物三维点云表面重建算法。首先,基于动力学结构设计了平面基元生长结构与多置信度等级结构,以解决数据缺失导致的基元初始化失效问题。其次,构建不同连接关系的连接图结构,用于加速三维重建求解过程,在此基础上通过图结构为点云数据构建建筑物脚手架结构。最后,基于点云数据与重建模型三角面片映射关系构建重建能量方程,能量方程的最小化求解可以有效地解决算法对数据平面基元拟合较差的问题,并大幅提高数据缺失情况下的重建鲁棒性。针对室外大场景数据集SUM Helsinki3D的实验结果表明,本文所提出算法可有效重建不同场景下,风格各异的建筑物水密模型,相比于主流算法可以得到具有更多几何细节的Lo D2级别的建筑物模型,评价指标上重建误差平均降低23.7%,模型压缩比率低于3%。2、针对建筑物室内场景的可移动遮挡物导致场景结构非完整问题,提出了一种基于自然语言驱动的建筑物室内表面重建算法。首先,本文设计了自然语言验证模块,将场景描述文本语言中的强先验信息融入三维重建流程当中。其次,构建了迭代自然语言引导模块用于不同实例对象之间的补全与信息融合。该策略不仅可实现实例分割网络与三维重建网络精度的双向提升,同时可以有效地去除室内场景中的可移动物体的冗余信息从而保留下来室内结构性信息。针对室内数据集Scan Net和Scan2CAD的实验结果表明,对于室内场景数据,本文提出的自然语言驱动的实例重建框架可以将室内可移动物体与结构性场景充分解耦合,实现室内场景的重新布局与可移动物体的去除等功能,并在数据集上多项重建精度指标上得到有效提升。综上所述,本文以建筑物室内外重建为目标,针对室外点云的数据缺失,以及室内可移动目标互干扰等挑战,分别提出了平面图元为基础的连接感知图及其生长策略,以及自然语言驱动的建筑物室内表面重建算法。针对主流数据集的实验结果表明,上述重建策略有效提升了建筑物重建的精度,可完成室内外模型的一体化重建任务。
三维数字化工厂可视化系统的研究与开发
这是一篇关于数字化工厂,三维可视化,模型简化,多细节层次,异步加载,装配序列规划的论文, 主要内容为随着工业4.0、工业互联网、中国制造2025等概念的提出,数字化已成为制造业未来发展的必然趋势。集成工厂三维设计、实时运营与管理系统以打破工厂全面数字化过程中的信息隔离,有利于提升信息共享效率并提高工厂运营管理的自动化和智能化水平,助力我国制造业的转型升级。为了有效集成、整合工厂三维设计模型与实时运营数据,呈现出实时、真实、流畅的场景漫游与运行监控效果,本文着重研究了以下内容:(1)三维数字化工厂运营管理可视化解决方案。设计基于Web的三维可视化工厂架构,提出以Unity3D为三维可视化前端开发平台、Spring+SpringMVC+MyBatis后端框架搭建B/S模式下的WebGL版本数字化工厂可视化运营管理平台,实现浏览器端无插件查看工厂三维场景、模型并查询数据。(2)大规模数字化工厂模型简化和场景渲染优化技术。通过异构三维模型数据转换技术实现三维设计模型的重用,并提出细节特征简化、基于图元简化和同类同轴模型合并等大数据模型简化技术方案,为可视化系统的流畅运行奠定基础。采用多细节层次技术进行场景渲染优化,运行阶段根据视点实时距离动态显示不同细节层次模型,以此减少画面中需要渲染的模型三角面片数,提高画面流畅度。(3)大规模场景系统加载优化技术。将模型等资源与场景文件分离以减小场景文件的体积,并结合缓存机制,缩短系统场景加载的时间。场景运行过程中将异步加载与多细节层次技术结合,实现在画面刷新流畅的前提下将模型逐步精细化地呈现在场景中。(4)基于蚁群算法的装配路径优化。基于装配体的建模信息,以几何可行性为约束条件,以高稳定性和低重定向次数为优化目标,通过蚁群算法获取零件装配优先顺序的优化解。本文将以上方法应用于某工厂的三维可视化系统,并实现了自定义3D漫游、设备监测、报警、主动安全、虚拟拆装以及添加传感器等功能,通过电厂应用实例分析验证了本文提出方案的可行性及有效性。该方案可广泛应用于工厂运营监控、管理与培训等。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码港湾 ，原文地址：https://bishedaima.com/lunwen/50664.html
