国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx

網(wǎng)絡(luò)環(huán)境下全景圖和點(diǎn)云數(shù)據(jù)快速融合可視化方法

2022-02-11 08:41:50陳逸東張昀昊黃華平吳思豪
關(guān)鍵詞:全景圖視點(diǎn)全景

朱 軍 ,陳逸東 ,張昀昊 ,黃華平 ,吳思豪 ,趙 犁

(1.西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院,四川 成都 611756;2.中鐵二院工程集團(tuán)有限責(zé)任公司,四川 成都610031;3.四川豪格遠(yuǎn)景市政建設(shè)有限公司,四川 成都 610036)

伴隨空天地一體化觀測(cè)技術(shù)的發(fā)展,地理數(shù)據(jù)獲取能力不斷提高,獲取到的地理數(shù)據(jù)的屬性描述、特征分布和結(jié)構(gòu)關(guān)系也普遍呈現(xiàn)多元化的特點(diǎn)[1-2].對(duì)同一場(chǎng)景多源數(shù)據(jù)進(jìn)行融合可視化,能夠幫助用戶理解、詮釋和探究地理數(shù)據(jù)的隱藏價(jià)值,提升用戶分析與利用數(shù)據(jù)的能力[3-4].激光探測(cè)與測(cè)距LiDAR(light detection and ranging)技術(shù)屬于一種主動(dòng)遙感技術(shù),具備數(shù)據(jù)采集效率高、目標(biāo)點(diǎn)定位精確等優(yōu)點(diǎn),采集到的激光點(diǎn)云數(shù)據(jù)具有精確的空間坐標(biāo)信息,因此具備較好的可量測(cè)性[5-6].但是單獨(dú)對(duì)三維點(diǎn)云數(shù)據(jù)進(jìn)行可視化難以體現(xiàn)三維場(chǎng)景豐富的紋理細(xì)節(jié),可視化效果不佳,而全景圖數(shù)據(jù)由一系列多視角圖像構(gòu)成,其完整的記錄了場(chǎng)景全視角下完整且真實(shí)的影像信息,全景圖的可視化能夠?yàn)橛脩籼峁┥砼R其境的視覺(jué)體驗(yàn)[7-9].因此,可將三維點(diǎn)云數(shù)據(jù)與全景圖數(shù)據(jù)融合可視化顯示[10],在為用戶提供真實(shí)感強(qiáng)烈的可視化效果的同時(shí),用戶也能利用點(diǎn)云數(shù)據(jù)精確的空間位置信息進(jìn)行場(chǎng)景交互分析.

目前的激光點(diǎn)云與光學(xué)影像匹配融合過(guò)程可拆分為以下3個(gè)步驟:觀測(cè)值提取及預(yù)處理、配準(zhǔn)模型建立、配準(zhǔn)參數(shù)優(yōu)化[5].觀測(cè)值提取可分為基于區(qū)域、基于特征與基于多視幾何等多種方法.在基于區(qū)域的方法中,基于灰度區(qū)域的配準(zhǔn)方法是一種直觀、簡(jiǎn)便的方法,此方法主要著重對(duì)比所選區(qū)域內(nèi)的影像信息像素點(diǎn)的關(guān)聯(lián)性,特點(diǎn)是不需要進(jìn)行特征提取與特征描述,但配準(zhǔn)速度較慢.基于特征的方法主要思路是提取光學(xué)影像與激光點(diǎn)云中具有區(qū)分性的特征點(diǎn)、線和面,再根據(jù)所提取到的特征對(duì)進(jìn)行配準(zhǔn)[11-13].Leberl等[14]提出基于多視幾何的方法,對(duì)數(shù)據(jù)源進(jìn)行轉(zhuǎn)換,把兩種特征的數(shù)據(jù)切換為同等維度的三維點(diǎn)集進(jìn)行配準(zhǔn),但此方法通常需要較好的初值.光學(xué)影像與點(diǎn)云數(shù)據(jù)具有各自獨(dú)立的空間坐標(biāo)系,坐標(biāo)系的差異及坐標(biāo)統(tǒng)一帶來(lái)的誤差因素是導(dǎo)致二者融合困難的主要原因,故配準(zhǔn)模型的選擇非常重要.常見(jiàn)配準(zhǔn)模型可分為共線方程、直接線性變換、角錐體等多種模型[15].其中,共線方程模型屬于傳感器嚴(yán)格模型,需要原始傳感器參數(shù)等多種參數(shù),模型較為復(fù)雜.直接線性變換簡(jiǎn)化了共線方程模型,建立像點(diǎn)與物點(diǎn)坐標(biāo)之間的線性方程,但對(duì)于控制點(diǎn)近似分布于同一平面的情況并不適用[16-17].角錐體法對(duì)初值的要求較高,有良好的初值才能完成迭代運(yùn)算[18].參數(shù)優(yōu)化可獲得模型參數(shù)的最佳估計(jì),方法分為局部?jī)?yōu)化與全局優(yōu)化,局部?jī)?yōu)化容易受到初值的影響,全局優(yōu)化計(jì)算效率較低[5].綜上所述,目前方法分別存在步驟復(fù)雜、計(jì)算效率低、約束條件多等問(wèn)題,并且對(duì)全景數(shù)據(jù)質(zhì)量具有較高的要求.但實(shí)際應(yīng)用中,用戶通常不希望受限于冗余、復(fù)雜的步驟與要求,需求的是低成本、高效率、快速便捷的輕量化匹配融合過(guò)程與方法.

在網(wǎng)絡(luò)環(huán)境下的數(shù)據(jù)組織與調(diào)度方式影響著數(shù)據(jù)的可視化效率,目前,對(duì)于大規(guī)模點(diǎn)云數(shù)據(jù)的組織方式主要有四叉樹(shù)、八叉樹(shù)、R樹(shù)等.其中,四叉樹(shù)的組織方式簡(jiǎn)單,但組織整體速度緩慢,且數(shù)據(jù)較為冗余,在數(shù)據(jù)量增加時(shí),會(huì)使四叉樹(shù)構(gòu)樹(shù)深度增加;八叉樹(shù)索引的組織方式查詢精度高,但平衡性與動(dòng)態(tài)性較差,并且在顯示的交互性上用戶體驗(yàn)較差;R樹(shù)的組織方式雖然較為多變靈活,但在用戶交互性與數(shù)據(jù)索引速度上有待提升[19],而大規(guī)模點(diǎn)云具有數(shù)據(jù)量龐大、數(shù)據(jù)結(jié)構(gòu)復(fù)雜、點(diǎn)云空間分布不規(guī)律等特點(diǎn),故目前的數(shù)據(jù)匹配方法與數(shù)據(jù)組織方式在面對(duì)網(wǎng)絡(luò)環(huán)境下的快速融合可視化應(yīng)用并不適用.

本文提出了一種面向網(wǎng)絡(luò)環(huán)境的全景圖與點(diǎn)云數(shù)據(jù)快速融合可視化方法.降低對(duì)全景數(shù)據(jù)源的要求,簡(jiǎn)化數(shù)據(jù)匹配步驟,通過(guò)研究建立二維圖像與三維點(diǎn)云數(shù)據(jù)坐標(biāo)系的映射關(guān)系,探究點(diǎn)云數(shù)據(jù)優(yōu)化組織與索引方法、動(dòng)態(tài)調(diào)度等關(guān)鍵技術(shù),并研究設(shè)計(jì)融合場(chǎng)景交互分析機(jī)制.旨在結(jié)合全景圖與三維點(diǎn)云數(shù)據(jù)優(yōu)勢(shì),提高全景圖與點(diǎn)云數(shù)據(jù)的融合可視化效率,為用戶提高網(wǎng)絡(luò)環(huán)境下真實(shí)感強(qiáng)烈、交互性好的融合可視化場(chǎng)景.

1 快速融合可視化方法

1.1 方法總體設(shè)計(jì)思路

本文的數(shù)據(jù)層主要包括大規(guī)模三維點(diǎn)云數(shù)據(jù)與二維影像數(shù)據(jù).首先進(jìn)行數(shù)據(jù)的處理,將二維影像數(shù)據(jù)進(jìn)行拼接,創(chuàng)建三維球體,通過(guò)添加球體表面紋理的方式,將二維全景圖作為紋理進(jìn)行渲染可視化,使二維影像像素點(diǎn)映射于具有三維坐標(biāo)系統(tǒng)的球體表面的獨(dú)特坐標(biāo)點(diǎn),將空間視點(diǎn)置于球體中心,以達(dá)到全景圖的可視化展示效果,并將三維點(diǎn)云數(shù)據(jù)進(jìn)行空間可視化,此時(shí)即將不同維度的數(shù)據(jù)匹配問(wèn)題轉(zhuǎn)換至同等維度的三維數(shù)據(jù)匹配問(wèn)題;接下來(lái)對(duì)兩種三維空間可視化數(shù)據(jù)進(jìn)行視點(diǎn)的匹配,尋找、匹配數(shù)據(jù)特征點(diǎn),并建立空間語(yǔ)義約束,統(tǒng)一相機(jī)參數(shù),建立映射關(guān)系,實(shí)現(xiàn)多源數(shù)據(jù)的快速映射匹配;再對(duì)點(diǎn)云數(shù)據(jù)的組織與調(diào)度方式進(jìn)行優(yōu)化,進(jìn)行多源數(shù)據(jù)網(wǎng)絡(luò)可視化,并研究建立跨模態(tài)的數(shù)據(jù)交互機(jī)制,完成網(wǎng)絡(luò)環(huán)境下的全景圖與點(diǎn)云數(shù)據(jù)快速融合可視化.

1.2 空間語(yǔ)義約束的多源數(shù)據(jù)映射匹配

目前,用作于三維數(shù)據(jù)融合可視化的全景數(shù)據(jù)的數(shù)據(jù)采集設(shè)備如Ladybug全景攝像機(jī)具有高分辨率、多功能拍攝等優(yōu)點(diǎn)[20],但用戶在應(yīng)對(duì)輕量級(jí)融合可視化應(yīng)用時(shí),專業(yè)數(shù)據(jù)采集設(shè)備操作較為復(fù)雜,無(wú)法滿足用戶對(duì)便捷高效的需求,本文所采用的快速匹配融合方法可使用戶不需要使用具有坐標(biāo)系的全景采集設(shè)備,例如可將普通智能手機(jī)作為全景數(shù)據(jù)采集設(shè)備,降低數(shù)據(jù)采集設(shè)備要求、提高數(shù)據(jù)采集效率.對(duì)采集到的二維影像進(jìn)行拼接處理,將二維影像映射具有坐標(biāo)系統(tǒng)的三維全景球,即可完成全景數(shù)據(jù)的三維球面映射,如圖1所示.圖中:(X1,Y1,Z1)和(X2,Y2,Z2)為三維全景球上任意兩點(diǎn).

圖1 全景圖構(gòu)建三維映射Fig.1 Construction of 3D mapping from panorama

具體步驟如下:

1)將手機(jī)采集到的同一視點(diǎn)下的一組多角度圖像通過(guò)匹配影像邊緣信息,多角度拼接,形成無(wú)坐標(biāo)系的二維全景影像數(shù)據(jù).

2)創(chuàng)建含有坐標(biāo)系統(tǒng)的三維球體,使球體上每個(gè)位置可用X、Y和Z坐標(biāo)值進(jìn)行表示.

3)通過(guò)添加三維球體表面紋理的方式,將長(zhǎng)寬比為2∶1的二維影像數(shù)據(jù)作為紋理進(jìn)行球體表面渲染可視化,其原理如圖2所示,使二維影像數(shù)據(jù)中的像素點(diǎn)都對(duì)應(yīng)于三維球體表面某一獨(dú)特位置,并且獲取到該位置的X、Y和Z值的坐標(biāo)信息.圖2中:數(shù)字1~11表示三維球體到二維平面的對(duì)應(yīng)點(diǎn).

圖2 二維影像映射原理Fig.2 Two-dimensional image mapping principle

4)重新設(shè)置視點(diǎn)位置,將視點(diǎn)移動(dòng)到三維球體的球心,通過(guò)球心位置觀察球體表面覆蓋上的二維全景影像,從而產(chǎn)生空間中360°全方位的全景圖視覺(jué)體驗(yàn)效果,即完成二維影像數(shù)據(jù)到三維全景球的快速映射.

完成全景圖的三維映射后即可進(jìn)行三維全景球與點(diǎn)云數(shù)據(jù)快速匹配融合.目前,主流的匹配融合方法是通過(guò)構(gòu)建數(shù)學(xué)模型進(jìn)行參數(shù)配準(zhǔn),但在面對(duì)輕量化需求時(shí),數(shù)據(jù)的局限性、步驟的冗余都會(huì)降低匹配融合效率.本文的快速匹配融合方法,需要配準(zhǔn)基礎(chǔ)視點(diǎn)與特征點(diǎn),并建立空間語(yǔ)義約束,由于相機(jī)拍攝的二維全景圖在進(jìn)行三維可視化匹配展示時(shí)會(huì)導(dǎo)致圖像變形,需要通過(guò)調(diào)整相機(jī)參數(shù)進(jìn)行校正,即可完成全景與點(diǎn)云數(shù)據(jù)的快速匹配融合,步驟如下:

1)在三維點(diǎn)云數(shù)據(jù)中,定位到全景圖拍攝地點(diǎn)A0作為點(diǎn)云數(shù)據(jù)視點(diǎn)B0,將全景球心移動(dòng)至該視點(diǎn),完成基礎(chǔ)視點(diǎn)的匹配,但視覺(jué)內(nèi)容信息位置不匹配,此時(shí)全景球與點(diǎn)云數(shù)據(jù)三維坐標(biāo)系開(kāi)始重疊,并未建立點(diǎn)集與點(diǎn)集之間的坐標(biāo)映射關(guān)系,只有全景球球心坐標(biāo)(XA0,YA0,ZA0)與三維點(diǎn)云視點(diǎn)處坐標(biāo)(XB0,YB0,ZB0)位置匹配,可以作為單個(gè)點(diǎn)在不同坐標(biāo)系下的映射.

2)尋找兩種數(shù)據(jù)視覺(jué)內(nèi)容中的特征點(diǎn)位組,如圖3所示.通常特征點(diǎn)位一般選取視覺(jué)特征明顯、與周?chē)c(diǎn)位有較強(qiáng)辨識(shí)度的點(diǎn)位,如建筑物框架角點(diǎn)、道路拐點(diǎn)、特定物品頂點(diǎn)等點(diǎn)位.在三維空間內(nèi)兩種不同數(shù)據(jù)源中尋得對(duì)應(yīng)視覺(jué)特征點(diǎn)位組(如A1與B1)后,在全景三維球體可視化空間中,以全景球球心A0為旋轉(zhuǎn)中心,通過(guò)旋轉(zhuǎn)球體坐標(biāo)系與全景球球面影像信息,將全景球球面上的特征點(diǎn)A1移動(dòng)至已可視化的三維點(diǎn)云數(shù)據(jù)對(duì)應(yīng)空間視覺(jué)特征點(diǎn)B1位置即可完成視覺(jué)特征點(diǎn)的視覺(jué)融合匹配,并記錄旋轉(zhuǎn)角θ的值,此時(shí)全景球影像各個(gè)像素點(diǎn)位具有新的坐標(biāo)值,并且特征點(diǎn)組A1與B1的坐標(biāo)值(XA1,YA1,ZA1)與(XB1,YB1,ZB1)也可以作為單個(gè)點(diǎn)在不同坐標(biāo)系下的映射.

圖3 尋找特征點(diǎn)Fig.3 Finding of feature points

3)設(shè)置空間語(yǔ)義約束,調(diào)整視點(diǎn)位置相機(jī)參數(shù),以提高全景圖與三維點(diǎn)云的視覺(jué)匹配度.因全景圖數(shù)據(jù)與三維點(diǎn)云數(shù)據(jù)采集設(shè)備不同,并且新建的全景球與點(diǎn)云自身視點(diǎn)可視化參數(shù)、視錐幾何體參數(shù)不同,從而導(dǎo)致二維全景圖像在進(jìn)行三維可視化匹配展示時(shí)會(huì)發(fā)生圖像的視覺(jué)變形,即便全景與點(diǎn)云的三維視點(diǎn)(A0與B0)、1 組特征點(diǎn)(A1與B1)完全匹配過(guò)后,依舊會(huì)使兩種數(shù)據(jù)融合展示后無(wú)法完全重合,如圖4所示.

圖4 匹配后融合不精確Fig.4 Fusion inaccuracy after matching

此時(shí)需通過(guò)修正相機(jī)的視場(chǎng)角(fov)、垂直與水平比值(aspect)、視場(chǎng)體最近距離(near)、視場(chǎng)體最遠(yuǎn)距離(far)等參數(shù),具體方法為:固定全景球球心A0與三維點(diǎn)云視點(diǎn)B0,以特征點(diǎn)組A1與B1為基準(zhǔn),尋找第2組特征點(diǎn)組A2與B2,更改視點(diǎn)相機(jī)的參數(shù),使第2組特征點(diǎn)組完成匹配,要使圖4中建筑物進(jìn)行配準(zhǔn),需將三維點(diǎn)云視點(diǎn)的建筑物縮小,視場(chǎng)角如式(1).

式中:αd為視場(chǎng)角;d為傳感器對(duì)角線長(zhǎng);f為焦距.

由式(1)可知:為使第2組特征點(diǎn)組A2與B2配準(zhǔn),可增大相機(jī)視場(chǎng)角以達(dá)到建筑物上兩組特征點(diǎn)組都完全配準(zhǔn),兩組特征點(diǎn)完全匹配過(guò)后,可將同一視點(diǎn)下特征點(diǎn)匹配后的單個(gè)影像畫(huà)面完全匹配融合.

綁定相機(jī)、建立映射.根據(jù)記錄的全景球旋轉(zhuǎn)角θ值,使三維點(diǎn)云視點(diǎn)相機(jī)與全景球視點(diǎn)相機(jī)的視線方向一致,以達(dá)到任意視線方向下,全景信息與點(diǎn)云信息完全匹配,此時(shí)快速匹配融合已完成.若用戶需要獲取、轉(zhuǎn)換任意點(diǎn)位在兩組坐標(biāo)系下的具體位置信息,可通過(guò)建立全景球坐標(biāo)系與三維點(diǎn)云坐標(biāo)系之間的映射關(guān)系實(shí)現(xiàn),具體步驟如下:

1)通過(guò)之前獲取到的單個(gè)點(diǎn)組(視點(diǎn)A0與B0,特征點(diǎn)Ai與Bi,i=1,2,···,N)在不同坐標(biāo)系下的坐標(biāo)構(gòu)建兩個(gè)點(diǎn)向量A與B(點(diǎn)數(shù)越多,精確度越高),N個(gè)特征點(diǎn)構(gòu)建的點(diǎn)向量坐標(biāo)為(PA,PB),其中PA= (PA0,PA1,···,PAN),PB= (PB0,PB1,···,PBN).

2)計(jì)算點(diǎn)向量中心點(diǎn)坐標(biāo).設(shè)P為點(diǎn)向量中的坐標(biāo)點(diǎn),

式中:μA、μB為計(jì)算后的中心點(diǎn).

3)點(diǎn)向量坐標(biāo)重新中心化.重新中心化后得到新的點(diǎn)向量A′ 和B′,如式(4).

式中:A′i=PAi-μA,B′i=PBi-μB.

4)計(jì)算兩個(gè)點(diǎn)集的協(xié)方差矩陣H,如式(5).

5)利用 SVD (singular value decomposition)分解計(jì)算獲得矩陣U、S和V,并計(jì)算兩個(gè)點(diǎn)集的旋轉(zhuǎn)矩陣R,如式(6).

6)最后計(jì)算轉(zhuǎn)移矩陣t,如式(7).

7)兩個(gè)點(diǎn)集的映射關(guān)系構(gòu)建完成,如式(8).

1.3 網(wǎng)絡(luò)環(huán)境下數(shù)據(jù)組織調(diào)度方式

在全景與點(diǎn)云數(shù)據(jù)匹配融合過(guò)后,需要在網(wǎng)絡(luò)環(huán)境下進(jìn)行兩種數(shù)據(jù)的可視化,全景數(shù)據(jù)的可視化較為方便,借助 WebGL (Web graphics library)技術(shù)對(duì)由二維圖像映射而成的三維全景球進(jìn)行渲染,WebGL是一種面向?yàn)g覽器端三維可視化的三維繪圖標(biāo)準(zhǔn),提供了直接基于GPU硬件加速的三維渲染和瀏覽器端免插件式的三維圖形可視化[21].

而三維點(diǎn)云數(shù)據(jù)由于其數(shù)據(jù)量龐大且結(jié)構(gòu)復(fù)雜,需要對(duì)數(shù)據(jù)進(jìn)行優(yōu)化組織和動(dòng)態(tài)調(diào)度.本文充分考慮網(wǎng)絡(luò)環(huán)境下數(shù)據(jù)傳輸效率不夠且瀏覽器渲染能力有限等問(wèn)題,結(jié)合三維激光點(diǎn)云數(shù)據(jù)的分布特點(diǎn),采用非規(guī)則性八叉樹(shù)對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分塊組織.傳統(tǒng)的八叉樹(shù)索引使用3個(gè)正交平面將三維空間劃分為相同大小的8個(gè)小立方體,每個(gè)立方體具有相同的時(shí)間和空間的復(fù)雜度,但在復(fù)雜的大規(guī)模三維點(diǎn)云場(chǎng)景中,點(diǎn)的分布通常不均勻,在物體內(nèi)與物體框架上分布較為密集,在物體外分布較為稀疏,傳統(tǒng)八叉樹(shù)無(wú)法估計(jì)空間分布的不規(guī)則性,空間利用率較低,導(dǎo)致索引效率不高.不同于傳統(tǒng)的八叉樹(shù)索引,非規(guī)則性八叉樹(shù)不將三維空間等比分為八個(gè)區(qū)域,而是按照三維場(chǎng)景中點(diǎn)云分布特征將場(chǎng)景進(jìn)行區(qū)域劃分,區(qū)域邊界由點(diǎn)云分布決定,如圖5所示.在每一次分割時(shí),需要判斷并選擇一個(gè)合適的分割維度,而不是每次都按照X、Y與Z三維度做3次等比分割.這樣將盡量避免葉子節(jié)點(diǎn)為空,盡可能地縮小分塊區(qū)域的體積,有效地避免場(chǎng)景中空白區(qū)域數(shù)據(jù)組織檢索時(shí)消耗資源,從而提升數(shù)據(jù)檢索效率,能夠很好地適應(yīng)在大規(guī)模復(fù)雜場(chǎng)景下,點(diǎn)云數(shù)據(jù)分布不均勻的特點(diǎn),對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行高效索引.

圖5 基于非規(guī)則性八叉樹(shù)點(diǎn)云數(shù)據(jù)組織Fig.5 Point cloud data organization based on irregular octree

在對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分塊組織索引之后,對(duì)三維點(diǎn)云數(shù)據(jù)的可視化時(shí)就可以根據(jù)點(diǎn)云數(shù)據(jù)的組織索引進(jìn)行不同相機(jī)視角下的多細(xì)節(jié)層次的動(dòng)態(tài)調(diào)度和渲染,在相機(jī)視野范圍較大、距離較遠(yuǎn)時(shí),只調(diào)度并渲染低細(xì)節(jié)層次的點(diǎn)云數(shù)據(jù),忽略非重要點(diǎn)位與細(xì)節(jié)點(diǎn)位的數(shù)據(jù),提升可視化效率;在相機(jī)視野范圍較小、距離較近時(shí),調(diào)度渲染高細(xì)節(jié)層次的點(diǎn)云數(shù)據(jù),提升數(shù)據(jù)顯示精度,提供更精細(xì)的可視化場(chǎng)景,并在渲染場(chǎng)景時(shí)采用視域剔除的方法,高效地進(jìn)行不同細(xì)節(jié)層次(level of detail,LOD)下的過(guò)渡與銜接,提升調(diào)度、渲染與可視化場(chǎng)景的效率,具體視域剔除步驟如下:

1)加載三維點(diǎn)云數(shù)據(jù),判斷當(dāng)前相機(jī)視錐體內(nèi)是否包含有第1層點(diǎn)云數(shù)據(jù),若有數(shù)據(jù)被包含,則進(jìn)行第1層點(diǎn)云數(shù)據(jù)的渲染.

2)加載第2層點(diǎn)云數(shù)據(jù),判斷當(dāng)前相機(jī)視錐體內(nèi)是否包含第2層點(diǎn)云數(shù)據(jù),若包含,則進(jìn)行第2層點(diǎn)云數(shù)據(jù)的渲染,視域外未被包含的點(diǎn)云數(shù)據(jù)被剔除,不進(jìn)行渲染.

3)加載下一層點(diǎn)云數(shù)據(jù),相機(jī)視錐體發(fā)生改變,判斷視錐體內(nèi)是否包含下一層點(diǎn)云數(shù)據(jù),若有數(shù)據(jù)被包含,則進(jìn)行下一層點(diǎn)云數(shù)據(jù)的渲染,視域外未被包含的數(shù)據(jù)不進(jìn)行渲染,并繼續(xù)渲染過(guò)程,直至視錐體內(nèi)所有層級(jí)的數(shù)據(jù)加載渲染完成.

1.4 跨模態(tài)數(shù)據(jù)交互機(jī)制

在點(diǎn)云與全景數(shù)據(jù)可視化過(guò)程完成的基礎(chǔ)上,需要實(shí)現(xiàn)在融合三維場(chǎng)景下的交互分析.三維點(diǎn)云數(shù)據(jù)具有較好的可測(cè)量性,每個(gè)點(diǎn)都有具體的地理坐標(biāo),可準(zhǔn)確表達(dá)空間位置信息;全景圖數(shù)據(jù)紋理豐富,細(xì)節(jié)表達(dá)真實(shí),可視化真實(shí)感強(qiáng)烈,故可將點(diǎn)云作為基礎(chǔ),提供點(diǎn)位坐標(biāo)值的計(jì)算功能,再將結(jié)果繪制顯示于全景圖上,如此將點(diǎn)云數(shù)據(jù)的可量測(cè)性與全景圖的真實(shí)性進(jìn)行結(jié)合,不僅為用戶提供真實(shí)感強(qiáng)烈的三維融合場(chǎng)景,并可提供如選擇查詢、空間量測(cè)、區(qū)域分析等交互分析功能.本文建立了一套跨模態(tài)數(shù)據(jù)交互機(jī)制,具體過(guò)程步驟如下:

1)開(kāi)始交互分析.用戶以真實(shí)感強(qiáng)烈、可視化效果更好的全景圖數(shù)據(jù)為直接交互數(shù)據(jù)源,選擇交互對(duì)象.

2)根據(jù)用戶選擇的交互對(duì)象,以屏幕坐標(biāo)為中間介質(zhì),計(jì)算并存儲(chǔ)屏幕坐標(biāo)系下交互對(duì)象的位置坐標(biāo)信息.

3)根據(jù)屏幕坐標(biāo)值計(jì)算出點(diǎn)云數(shù)據(jù)地理坐標(biāo)系下交互對(duì)象的坐標(biāo)值,獲取坐標(biāo)值后可進(jìn)行數(shù)據(jù)交互分析所需要的計(jì)算,如屬性查詢、距離量測(cè)等.

4)再以屏幕坐標(biāo)為中間介質(zhì),重新計(jì)算并存儲(chǔ)屏幕坐標(biāo)系下交互對(duì)象的位置坐標(biāo)信息.

5)根據(jù)屏幕坐標(biāo)值計(jì)算出交互對(duì)象在全景球坐標(biāo)系下的坐標(biāo)值,并將交互分析結(jié)果進(jìn)行繪制展示,完成跨模態(tài)的數(shù)據(jù)交互分析過(guò)程.

2 實(shí)驗(yàn)分析

為驗(yàn)證本文方法的可行性與有效性,在網(wǎng)絡(luò)環(huán)境下利用WebGL技術(shù)進(jìn)行原型系統(tǒng)的研發(fā),并進(jìn)行多源數(shù)據(jù)的匹配展示與可視化交互,選擇西南交通大學(xué)犀浦校區(qū)綜合樓與圖書(shū)館作為實(shí)驗(yàn)案例區(qū)域,包括三維激光點(diǎn)云數(shù)據(jù)與Iphone XR等效35 mm相機(jī)拍攝并進(jìn)行拼接的二維全景圖數(shù)據(jù),其中點(diǎn)云數(shù)據(jù)的數(shù)據(jù)量大小為 221 MB,包含 49484157 個(gè)點(diǎn);二維全景圖的數(shù)據(jù)量大小為1.35 MB,分辨率為3 200 × 1 600.

實(shí)驗(yàn)系統(tǒng)構(gòu)建與展示設(shè)備為筆記本電腦,其硬件設(shè)備為 Intel Core i79750HQ 4.5 GHz 12 線程CPU、32 GB 內(nèi)存、8 GB 顯存的 NVIDA GeForce RTX 2080MAX-Q 顯卡,軟件環(huán)境為 Windows 10 操作系統(tǒng)、Google Chrome 瀏覽器.

首先只進(jìn)行全景數(shù)據(jù)的加載與可視化,性能高效,畫(huà)面幀率穩(wěn)定,在需要進(jìn)行交互時(shí),再對(duì)多源數(shù)據(jù)進(jìn)行加載與融合,多源數(shù)據(jù)加載與融合效率通過(guò)Chrome瀏覽器數(shù)據(jù)加載與相應(yīng)時(shí)間來(lái)進(jìn)行檢測(cè),數(shù)據(jù)加載與融合匹配可視化的過(guò)程耗時(shí)如表1所示.

表1 不同過(guò)程執(zhí)行消耗時(shí)間Tab.1 Time consumed by different processes

表2是對(duì)相同數(shù)據(jù)源采用常規(guī)方法與本文輕量化方法下點(diǎn)云組織、數(shù)據(jù)匹配融合和數(shù)據(jù)可視化3個(gè)過(guò)程的耗時(shí)對(duì)比.

表2 傳統(tǒng)方法與輕量化方法結(jié)果對(duì)比Tab.2 Comparison of results between traditional method and lightweight method s

如表2所示,采用未經(jīng)輕量化處理的方式進(jìn)行數(shù)據(jù)組織、匹配、融合可視化總體耗時(shí)17.2 s,而采用輕量化處理后,總體耗時(shí)為9.9 s,由此可證明經(jīng)過(guò)輕量化處理后,整體效率得到大幅度提升.其中采用傳統(tǒng)規(guī)則八叉樹(shù)點(diǎn)云索引方式耗時(shí)4.3 s,采用非規(guī)則性八叉樹(shù)方式耗時(shí)2.7 s;數(shù)據(jù)可視化過(guò)程中,在LOD 1視角(低層級(jí)視角)下,可視化數(shù)據(jù)量為16 MB,耗時(shí) 1.3 s,LOD 2 視角(中層級(jí)視角)下,可視化數(shù)據(jù)量為 42 MB,耗時(shí) 2.2 s,LOD 3 視角(高層級(jí)視角)下,數(shù)據(jù)量為 72 MB,耗時(shí) 3.1 s,輕量化方法總共耗時(shí)6.6 s.

4個(gè)不同位置數(shù)據(jù)融合匹配可視化結(jié)果如圖6所示.

圖6 不同位置融合可視化結(jié)果Fig.6 Fusion visualization results at different positions

圖7展示了融合匹配精度.融合精度的判定,采用融合后點(diǎn)云與對(duì)應(yīng)全景匹配特征點(diǎn)的誤差判定,若使用常規(guī)匹配算法進(jìn)行數(shù)據(jù)匹配,全景與點(diǎn)云數(shù)據(jù)的匹配精度誤差控制可以控制到3個(gè)像素以內(nèi)[22].圖7中紅框中為選取的圖書(shū)館建筑物特征角點(diǎn),其融合匹配誤差控制在4個(gè)像素以內(nèi),從視覺(jué)上可看出:點(diǎn)云數(shù)據(jù)與全景圖融合匹配效果良好,建筑物細(xì)節(jié)達(dá)到了高度重合,匹配效率高,滿足網(wǎng)絡(luò)環(huán)境下的輕量化融合數(shù)據(jù)可視化與交互.

圖7 融合匹配精度Fig.7 Fusion accuracy

融合可視化后,本次實(shí)驗(yàn)選擇點(diǎn)云查詢與標(biāo)繪量測(cè)為例展示場(chǎng)景交互過(guò)程:在鼠標(biāo)滑過(guò)全景圖層時(shí),自動(dòng)選擇點(diǎn)云圖層作為查詢數(shù)據(jù)源進(jìn)行點(diǎn)云屬性查詢,在屬性查詢完成后,將查詢結(jié)果自動(dòng)顯示于全景數(shù)據(jù)圖層,如圖8所示.

圖8 融合場(chǎng)景屬性信息查詢Fig.8 Attribute information query for fusion scene

鼠標(biāo)在全景數(shù)據(jù)圖層選取待測(cè)量線段,選擇完成后自動(dòng)根據(jù)點(diǎn)云位置信息進(jìn)行距離量測(cè)計(jì)算,計(jì)算完成后,將結(jié)果顯示于全景數(shù)據(jù)圖層,如圖9所示.不同過(guò)程中場(chǎng)景渲染效率如圖10所示.

圖9 量測(cè)標(biāo)繪交互過(guò)程Fig.9 Measurement plotting interactive process

圖10 場(chǎng)景渲染幀率、內(nèi)存使用變化趨勢(shì)Fig.10 Variation of scene rendering frame rate and memory usage

從實(shí)驗(yàn)結(jié)果可以看出:采用該方法進(jìn)行點(diǎn)云數(shù)據(jù)與全景數(shù)據(jù)的匹配融合可視化,場(chǎng)景渲染過(guò)程中主要耗時(shí)較長(zhǎng)的過(guò)程是數(shù)據(jù)的加載工作,場(chǎng)景中數(shù)據(jù)的匹配以及數(shù)據(jù)的融合可視化過(guò)程耗時(shí)很少,瀏覽器響應(yīng)速度較快,說(shuō)明該方法數(shù)據(jù)匹配與融合可視化效率較高;從圖10可知:若只進(jìn)行全景數(shù)據(jù)的可視化與交互,系統(tǒng)性能穩(wěn)定,畫(huà)面渲染幀率能穩(wěn)定在55幀/s以上,在進(jìn)行融合數(shù)據(jù)加載與交互過(guò)程之間,場(chǎng)景的渲染幀率能穩(wěn)定在40幀/s以上,在進(jìn)行交互過(guò)程中,由于點(diǎn)云數(shù)據(jù)的測(cè)量計(jì)算過(guò)程占據(jù)了設(shè)備性能資源,導(dǎo)致幀率有所下降,但仍然能穩(wěn)定在35幀/s以上;采用輕量化處理后,系統(tǒng)內(nèi)存占用率降低20%左右,效果顯著,性能表現(xiàn)良好,具有較好的用戶體驗(yàn).證明該方法有效地結(jié)合了全景與點(diǎn)云數(shù)據(jù)的可視化優(yōu)勢(shì),進(jìn)行快速高效的數(shù)據(jù)融合可視化,并支持用戶進(jìn)行穩(wěn)定的交互操作.

3 結(jié) 論

面向當(dāng)今人們?cè)趹?yīng)對(duì)網(wǎng)絡(luò)環(huán)境下數(shù)據(jù)融合可視化的實(shí)際需求,針對(duì)當(dāng)前全景圖與三維點(diǎn)云數(shù)據(jù)匹配、數(shù)據(jù)可視化與交互方法存在高成本、步驟復(fù)雜、效率較低等問(wèn)題,本文進(jìn)行了網(wǎng)絡(luò)環(huán)境下的全景圖與點(diǎn)云數(shù)據(jù)快速融合可視化方法的研究.詳細(xì)闡述了全景圖與點(diǎn)云數(shù)據(jù)的快速映射匹配過(guò)程,探究數(shù)據(jù)網(wǎng)絡(luò)可視化組織調(diào)度方式與跨模態(tài)數(shù)據(jù)交互機(jī)制.最后構(gòu)建原型系統(tǒng),并以西南交通大學(xué)為實(shí)驗(yàn)場(chǎng)景,按照前文的理論與方法進(jìn)行了數(shù)據(jù)融合可視化案例實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明,在短時(shí)間內(nèi)完成全景圖與點(diǎn)云數(shù)據(jù)映射匹配,匹配精度良好,支持網(wǎng)絡(luò)環(huán)境下融合場(chǎng)景的高效可視化及數(shù)據(jù)的查詢、量測(cè)標(biāo)繪等交互分析,并且整個(gè)過(guò)程渲染幀數(shù)能夠穩(wěn)定在40幀/s以上,能夠提供效果較好的用戶體驗(yàn),滿足網(wǎng)絡(luò)環(huán)境下的全景與點(diǎn)云數(shù)據(jù)快速融合可視化的需求.

猜你喜歡
全景圖視點(diǎn)全景
戴上耳機(jī),享受全景聲 JVC EXOFIELD XP-EXT1
嫦娥四號(hào)月背之旅全景圖
太空探索(2019年1期)2019-01-19 02:12:16
全景敞視主義與偵探小說(shuō)中的“看”
從5.1到全景聲就這么簡(jiǎn)單 FOCAL SIB EVO DOLBY ATMOS
全景搜索
特別文摘(2016年21期)2016-12-05 17:53:36
視點(diǎn)
河南電力(2016年5期)2016-02-06 02:11:24
環(huán)保概念股全景圖
讓你每天一元錢(qián),物超所值——《今日視點(diǎn)—2014精萃》序
新聞前哨(2015年2期)2015-03-11 19:29:22
兩會(huì)視點(diǎn)
奇妙島全景圖
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
莱阳市| 加查县| 呼玛县| 杨浦区| 泽普县| 和硕县| 托克逊县| 宣恩县| 油尖旺区| 东源县| 藁城市| 永定县| 云龙县| 阿勒泰市| 辽阳市| 集安市| 河津市| 右玉县| 前郭尔| 凉山| 纳雍县| 旬邑县| 织金县| 奉节县| 万山特区| 宝兴县| 宁武县| 绵阳市| 阿巴嘎旗| 泰兴市| 嘉黎县| 沁水县| 红原县| 阿荣旗| 许昌市| 泸西县| 天台县| 庆元县| 台州市| 淳安县| 抚顺县|