技术领域
[0001] 本
发明涉及地理空间
数据处理与应用技术领域，具体涉及一种适用于海量三维实景数据快速可视化的层级构建方法。
背景技术
[0002] 三维实景数据具有丰富的空间信息、高逼真的色彩还原度，不仅记录了城市的基本尺寸、面积、地理坐标等信息，还记录了整个城市的格局及自然环境
风貌。目前，三维实景数据已逐渐成为智慧城市建设的最重要的
基础数据。
[0003] 随着三维实景数据的应用越来越广泛，三维实景数据的数据量呈指数级增长：一方面，越来越多的城市在生产三维实景数据，另一方面，为了更好地表达城市现状，三维实景数据的精细程度也越来越高，从而导致三维实景数据的数据量暴增。一般情况下，每平方公里的三维实景数据的数据量不少于10GB，因此，即使是一个小县城，其数据量也将达到数个TB。如何处理如此规模的海量三维实景数据，使其能够在各类应用系统中进行快速可视化，是三维实景数据的应用能否从量变到质变的关键。
[0004] 传统的三维实景数据的层级构建方法存在如下问题：a)层级数量少，金字塔顶层的数据量大，从而导致初次加载需要较长时间；b)纹理图像
质量不佳，大部分化简
算法能够生成较好的模型，但是无法对纹理图像进行有效的重构。
发明内容
[0005] 本发明要解决的技术问题是：提供一种可方便构建更多层级、且纹理图像质量更高的适用于海量三维实景数据快速可视化的层级构建方法。
[0006] 本发明的技术解决方案是：一种适用于海量三维实景数据快速可视化的层级构建方法，其特征在于：它包括以下步骤：
[0007] (1)获取一初始的三维实景数据，根据该三维实景数据的俯视平面
位置信息，通过二维网格切分算法，将该三维实景数据的俯视平面切分成规则的矩形形状的区
块；
[0008] (2)利用基于深度检测的纹理正投影算法，计算出每个区块的三维实景数据对应的真正射影像；利用三
角网简化算法，针对每个区块的三维实景数据，计算出其对应的不同层级的三维实景数据，在化简过程中，三维实景数据的
顶点的纹理坐标不发生变化，三维实景数据的顶点具有空间位置坐标和纹理坐标；
[0009] (3)以每个区块的三维实景数据对应的真正射影像为约束，通过纹理更新算法，对每个区块的不同层级的三维实景数据的纹理图像进行优化；通过层级重构算法，计算出所有三维实景数据的拓扑关系以构建三维实景数据的金字塔。
[0010] 采用上述结构后，本发明具有以下优点：
[0011] 本发明适用于海量三维实景数据快速可视化的层级构建方法通过对三维实景数据先切分后合并的处理，可以很方便地构建出更多的层级，便于数据的快速加载及可视化,而且切分成小的区块后,单次处理的数据量大大减少,也可以降低对处理器的性能要求；其次,还根据真正射影像对不同层级的三维实景数据的纹理图像进行优化，纹理图像质量更高,从而可以有效提高不同层级的三维实景数据的可视化质量。
[0012] 作为优选，所述步骤(3)之后还包括步骤(4)：对所有三维实景数据的顶点数据和拓扑信息进行压缩。该设置可大大减少三维实景数据的数据量，有利于数据的快速加载。
[0013] 作为优选，所述步骤(4)中还对所有三维实景数据的纹理图像进行压缩。该设置可大大减少三维实景数据的数据量，有利于数据的快速加载。
[0014] 作为优选，所述步骤(1)中通过二维网格切分算法，将三维实景数据的俯视平面切分成规则的矩形形状的区块，包括以下步骤：
[0015] (a)获取三维实景数据的俯视平面范围的X方向范围[Xmin,Xmax]，Y方向范围[Ymin,Ymax]，以及中心点坐标(Xmid,Ymid)，其中
[0016] (b)计算三维实景数据的每个三角面的行列号(R,C)，假设三角面的中心点坐标为(X,Y)，网格的尺寸为s，则行列号R、C的计算公式如下：
[0017]
[0018] 将行列号R、C相同的三角面合并构成区块，利用纹理合并算法对三角面对应的纹理图像进行合并。
[0019] 该二维网格切分算法非常简单,可减少数据运算量,也有利于数据的快速加载。
[0020] 作为优选，所述步骤(2)中利用基于深度检测的纹理正投影算法，计算出每个区块的三维实景数据对应的真正射影像，包括以下步骤：
[0021] (a)针对每个区块的三维实景数据，获取其平面范围的X方向范围为[X'min,X'max]、Y方向范围为[Y'min,Y'max]、以及纹理图像的宽w和高h；
[0022] (b)假设每个区块的三维实景数据的每个顶点坐标为(x,y,z,u,v)，其中x、y、z为空间位置坐标，u、v为纹理坐标，而三维实景数据的每条边e是由两个顶点构成的，令边e的顶点为Va和Vb，其中Va＝(xa,ya,za,ua,va)，Vb＝(xb,yb,zb,ub,vb)，则边e的
分辨率re的计算公式如下：
[0023]
[0024] 根据上述公式，计算出每个区块的三维实景数据的所有边e的分辨率re，并分别求取每个区块的所有边e的分辨率re的中值，作为每个区块的三维实景数据的纹理分辨率r；
[0025] (c)创建长宽分别为ow和oh的opengl窗口，将opengl窗口设置为隐藏状态，开启深度检测，其中
[0026]
[0027] 将opengl窗口设置为正投影，投影范围的左下角点为(X'min,Y'min)，右上角点为(X'max,Y'max)，根据空间位置坐标和纹理坐标信息，将相应区块的三维实景数据
渲染到opengl窗口中，opengl渲染引擎会自动根据空间位置坐标的z值进行深度检测，并保存z值最大的光栅化的
像素值，并读取opengl窗口的
颜色缓存，该像素值和颜色缓存数据即为此区块的三维实景数据对应的真正射影像数据。
[0028] 该真正射影像算法非常简单，可减少数据运算量,有利于数据的快速加载，而且结合了现有的自动化
软件，使得运算更加方便快速并能获得较为准确的结果，从而更有利于后续获得较好的纹理优化效果。
[0029] 作为优选，所述步骤(2)中利用三角网简化算法，针对每个区块的三维实景数据，计算出其对应的不同层级的三维实景数据，包括以下步骤：
[0030] (a)令步骤(1)中获取的初始的三维实景数据为第0层，其包含的顶点数量为VN0；
[0031] (b)对第i层的三维实景数据进行化简，其中VNi为第i层的三维实景数据的顶点数量：
[0032] ①当VNi小于第一设定值时，则直接将第i层的三维实景数据作为第i+1层的三维实景数据，
[0033] ②当VNi大于等于第一设定值时，则对第i层的三维实景数据进行化简，直到化简后的三维实景数据的顶点数为VNi的1/Q，Q>1,此时，将化简后的三维实景数据作为第i+1层的三维实景数据，将层数i加1，重复以上步骤，直至层数i大于第二设定值时，化简过程终止。
[0034] 该层级构建方法非常方便，数据量较小，有利于数据的快速加载，而且可根据实际情况灵活设置层数，更具人性化。
[0035] 作为优选，所述步骤(3)中以每个区块的三维实景数据对应的真正射影像为约束，通过纹理更新算法，对每个区块的不同层级的三维实景数据的纹理图像进行优化，包括以下步骤：
[0036] (a)针对每个区块的不同层级的三维实景数据，计算其每个三角面的法向量vn，若法向量vn与
水平面的夹角大于第三设定值时，则将该三角面投影到真正射影像上，并获得新的投影纹理图像tex’，利用新的投影纹理图像tex’替换该三角面原来的纹理图像tex；
[0037] (b)对更新后的纹理图像进行高斯滤波。
[0038] 该纹理
优化算法简单可靠，且能过滤不良纹理，优化效果好，有利于提高三维实景数据的可视化质量。
[0039] 作为优选，所述步骤(3)中通过层级重构算法，计算出所有三维实景数据的拓扑关系以构建三维实景数据的金字塔，包括以下步骤：
[0040] (1)令每个区块第i层的三维实景数据名称为D0_i_R_C，其中R为步骤(1)中获取的每个区块的行号，C为步骤(1)中获取的每个区块的列号，则其在三维实景数据的金字塔中的行列号为R1和C1，其中
[0041]
[0042] (2)将具有相同行列号(R1,C1)的所有区块的同层三维实景数据进行合并，合并后的三维实景数据的名称为Di_C1_R1；
[0043] (3)针对合并后的三维实景数据的名称，若金字塔第i层的行号除以2再取整等于金字塔第i+1层的行号，且金字塔第i层的列号除以2再取整也等于金字塔第i+1层的列号时，金字塔第i层为金字塔第i+1层的子
节点。
[0044] 该层级重构算法非常简单，能快速准确地确定三维实景数据的拓扑关系，数据量较小，有利于数据的快速加载。
附图说明：
[0045] 图1本发明适用于海量三维实景数据快速可视化的层级构建方法的流程示意图；
[0046] 图2为本发明二维网格切分算法的效果图。
具体实施方式
[0047] 下面结合附图，并结合
实施例对本发明做进一步的说明。
[0048] 实施例：
[0049] 一种适用于海量三维实景数据快速可视化的层级构建方法，它包括以下步骤：
[0050] (1)获取一初始的三维实景数据，根据该三维实景数据的俯视平面位置信息，通过二维网格切分算法，将该三维实景数据的俯视平面切分成规则的矩形形状的区块；
[0051] (2)利用基于深度检测的纹理正投影算法，计算出每个区块的三维实景数据对应的真正射影像；利用三角网简化算法，针对每个区块的三维实景数据，计算出其对应的不同层级的三维实景数据，在化简过程中，三维实景数据的顶点的纹理坐标不发生变化，三维实景数据的顶点具有空间位置坐标和纹理坐标；
[0052] (3)以每个区块的三维实景数据对应的真正射影像为约束，通过纹理更新算法，对每个区块的不同层级的三维实景数据的纹理图像进行优化；通过层级重构算法，计算出所有三维实景数据的拓扑关系以构建三维实景数据的金字塔。
[0053] 本发明适用于海量三维实景数据快速可视化的层级构建方法通过对三维实景数据先切分后合并的处理，可以很方便地构建出更多的层级，便于数据的快速加载及可视化,而且切分成小的区块后,单次处理的数据量大大减少,也可以降低对处理器的性能要求；其次,还根据真正射影像对不同层级的三维实景数据的纹理图像进行优化，纹理图像质量更高,从而可以有效提高不同层级的三维实景数据的可视化质量。
[0054] 作为优选，所述步骤(3)之后还包括步骤(4)：对所有三维实景数据的顶点数据和拓扑信息进行压缩，可采用DRACO算法对所有三维实景数据的顶点数据和拓扑信息进行压缩，顶点数据包括空间位置坐标、纹理坐标、法向量等。该设置可大大减少三维实景数据的数据量，有利于数据的快速加载，采用DRACO算法进行压缩后，通常数据量可减少70％以上。
[0055] 作为优选，所述步骤(4)中还对所有三维实景数据的纹理图像进行压缩，可采用CRN算法对所有三维实景数据的纹理图像进行压缩，纹理质量优选192(纹理最优质量为255)。该设置可大大减少三维实景数据的数据量，有利于数据的快速加载，采用CRN算法进行压缩后，通常数据量可减少40％以上。
[0056] 作为优选，所述步骤(1)中通过二维网格切分算法，将三维实景数据的俯视平面切分成规则的矩形形状的区块，包括以下步骤：
[0057] (a)获取三维实景数据的俯视平面范围的X方向范围[Xmin,Xmax]，Y方向范围[Ymin,Ymax]，以及中心点坐标(Xmid,Ymid)，其中
[0058] (b)计算三维实景数据的每个三角面的行列号(R,C)，假设三角面的中心点坐标为(X,Y)，网格的尺寸为s，s优选125米,则行列号R、C的计算公式如下：
[0059]
[0060] 将行列号R、C相同的三角面合并构成区块，利用纹理合并算法对三角面对应的纹理图像进行合并，纹理合并算法可采用MaxRects纹理合并算法,每个区块的名称可D0_XXXX_YYYY，其中XXXX为行号R，YYYY为列号C，行列号均统一用四位数来表示，当行列号不足4位时，前面补0，如D0_1234_0123。
[0061] 该二维网格切分算法非常简单,可减少数据运算量,也有利于数据的快速加载。
[0062] 作为优选，所述步骤(2)中利用基于深度检测的纹理正投影算法，计算出每个区块的三维实景数据对应的真正射影像，包括以下步骤：
[0063] (a)针对每个区块的三维实景数据，获取其平面范围的X方向范围为[X'min,X'max]、Y方向范围为[Y'min,Y'max]、以及纹理图像的宽w和高h；
[0064] (b)假设每个区块的三维实景数据的每个顶点坐标为(x,y,z,u,v)，其中x、y、z为空间位置坐标，u、v为纹理坐标，而三维实景数据的每条边e是由两个顶点构成的，令边e的顶点为Va和Vb，其中Va＝(xa,ya,za,ua,va)，Vb＝(xb,yb,zb,ub,vb)，则边e的分辨率re的计算公式如下：
[0065]
[0066] 根据上述公式，计算出每个区块的三维实景数据的所有边e的分辨率re，并分别求取每个区块的所有边e的分辨率re的中值，作为每个区块的三维实景数据的纹理分辨率r；
[0067] (c)创建长宽分别为ow和oh的opengl窗口，将opengl窗口设置为隐藏状态，开启深度检测，其中
[0068]
[0069] 将opengl窗口设置为正投影，投影范围的左下角点为(X'min,Y'min)，右上角点为(X'max,Y'max)，根据空间位置坐标和纹理坐标信息，将相应区块的三维实景数据渲染到opengl窗口中，opengl渲染引擎会自动根据空间位置坐标的z值进行深度检测，并保存z值最大的光栅化的像素值，并读取opengl窗口的颜色缓存，该像素值和颜色缓存数据即为此区块的三维实景数据对应的真正射影像数据。
[0070] 该真正射影像算法非常简单，可减少数据运算量,有利于数据的快速加载，而且结合了现有的自动化软件，使得运算更加方便快速并能获得较为准确的结果，从而更有利于后续获得较好的纹理优化效果。
[0071] 作为优选，所述步骤(2)中利用三角网简化算法，针对每个区块的三维实景数据，计算出其对应的不同层级的三维实景数据，包括以下步骤：
[0072] (a)令步骤(1)中获取的初始的三维实景数据为第0层，其包含的顶点数量为VN0；
[0073] (b)对第i层的三维实景数据进行化简，其中VNi为第i层的三维实景数据的顶点数量：
[0074] ①当VNi小于第一设定值时，则直接将第i层的三维实景数据作为第i+1层的三维实景数据，第一设定值例如100，
[0075] ②当VNi大于等于第一设定值时，则对第i层的三维实景数据进行化简，直到化简后的三维实景数据的顶点数为VNi的1/Q,Q>1,例如Q取4，可利用Edge Collapse算法进行化简，此时，将化简后的三维实景数据作为第i+1层的三维实景数据，将层数i加1，重复以上步骤，直至层数i大于第二设定值时，化简过程终止，第二设定值例如6。
[0076] 该层级构建方法非常方便，数据量较小，有利于数据的快速加载，而且可根据实际情况灵活设置层数，更具人性化。
[0077] 作为优选，所述步骤(3)中以每个区块的三维实景数据对应的真正射影像为约束，通过纹理更新算法，对每个区块的不同层级的三维实景数据的纹理图像进行优化，包括以下步骤：
[0078] (a)针对每个区块的不同层级的三维实景数据，计算其每个三角面的法向量vn，若法向量vn与水平面的夹角大于第三设定值时，则将该三角面投影到真正射影像上，并获得新的投影纹理图像tex’，利用新的投影纹理图像tex’替换该三角面原来的纹理图像tex，第三设定值例如85°；
[0079] (2)对更新后的纹理图像进行高斯滤波,滤波窗口的半径优选3。
[0080] 该纹理优化算法简单可靠，且能过滤不良纹理，优化效果好，有利于提高三维实景数据的可视化质量。
[0081] 作为优选，所述步骤(3)中通过层级重构算法，计算出所有三维实景数据的拓扑关系以构建三维实景数据的金字塔，包括以下步骤：
[0082] (1)令每个区块第i层的三维实景数据名称为D0_i_R_C，其中R为步骤(1)中获取的每个区块的行号，C为步骤(1)中获取的每个区块的列号，则其在三维实景数据的金字塔中的行列号为R1和C1,其中
[0083]
[0084] 第i层的三维实景数据名称中，行号R和列号C均可统一采用四位数表示，不足4位的前面补0，即表示为D0_i_XXXX_YYYY，XXXX为行号R，YYYY为列号C，例如D0_1_1110_0123，D0_2_0022_0031；
[0085] (2)将具有相同行列号(R1,C1)的所有区块的同层三维实景数据进行合并，合并后的三维实景数据的名称为Di_C1_R1，同理合并后的三维实景数据的名称中，行号R1和列号C1也可统一采用四位数表示，不足4位的前面补0，即表示为Di_XXXX_YYYY，XXXX为行号R1，YYYY为列号C1，例如D1_1234_0123，D1_0014_0022；
[0086] (3)针对合并后的三维实景数据的名称，若金字塔第i层的行号除以2再取整等于金字塔第i+1层的行号，且金字塔第i层的列号除以2再取整也等于金字塔第i+1层的列号时，则金字塔第i层为金字塔第i+1层的
子节点，例如D1_0024_0018为D2_0012_0009的子节点，D3_0025_0039为D4_0012_0019的子节点。
[0087] 该层级重构算法非常简单，能快速准确地确定三维实景数据的拓扑关系，数据量较小，有利于数据的快速加载。
