[发明专利]一种基于空三并行计算算法的城市实景三维模型的构建方法

说明书

一种基于空三并行计算算法的城市实景三维模型的构建方法，基于卷积神经网络（CNN）稠密特征提取的SfM算法，以实现城市实景三维模型建模，能够实现空三并行计算算法和优化的任务调度策略，实现空三任务自动拆分、并行计算、自动融合，解决因数据量太大而导致空三失败或者假死的现象，能够提高海量数据处理速度，从而大幅度提高生产效率的基于云计算的城市实景三维模型构建。

技术领域

本发明涉及一种空三并行计算算法和优化的任务调度策略，尤其是一种基于空三并行计算算法的城市实景三维模型的构建方法。

背景技术

维重建是一种对实景三维物体建立适于计算机处理的数学模型的技术，也是在计算机环境下对实景三维物体进行处理和分析的基础，计算机三维重建是计算机辅助设计与计算机图形学中一个重要的研究领域，实现了物体的三维空间点云稀疏重建与稠密重建，以及对点云后处理和基于多视角多幅图像的三维重建。图像的三维重建是综合计算机视觉、图像处理和计算机图形学等学科知识的新兴技术，它具有二维图形所不可比拟的特质，其模型可以从多个不同的角度进行直观的观测、并且具有逼真的效果、达到实时虚拟、实时互动等。

随着测绘技术的发展，多视角影像倾斜建模越来越多的应用到城市三维模型建设中。这种方法相较于基于几何特征和基于距离的方法相比，成本低、受环境约束较小。基于图像的建模方法的基本思路是利用图像之间的匹配关系来建立图像之间的几何关系，然后通过这种几何关系来恢复图像的摄像机参数信息并生成点云，最后对点云网格化并贴纹理形成三维模型。

诸如中国专利文献CN107767454A公开了一种实景三维建模方法，包括采集至少三幅图像的数据信息，匹配处理得到图像匹配点，根据所述图像匹配点，计算得到稀疏点云图像，根据所述稀疏点云图像，通过设置采样间隔，匹配处理得到稠密点云图像，根据所述稠密点云图像，利用检测算法，计算得到三维网格模型，纹理映射所述三维网格模型，得到三维实景模型。

诸如中国专利文献CN103021017A中公开了一种三维场景重建方法，使用相机在不同的位置、不同的角度对场景进行拍照，获得真实场景的二维图像序列，使用GPU并行加速的SIFT算法得到每幅图像的特征点，并进行特征点匹配，使用BundleAdjustment算法自动获得所有图像的相机参数，得到特征点在三维空间中的位置，生成初始的疏密点云模型，使用PMVS算法，利用相邻点具有相似的法向和位置的特征，逐步扩散重建出其周围的空间点，扩散结束后进行图像处理，得到稠密的点云模型，重新组织点云的存储结构，将点云网格化，从二维图像中找到网格化后所有三角片面对应的纹理，然后通过GPU纹理映射，最终渲染出整个场景。

然而，这些现有的基于图像的三维重建软件中，空中三角测量方法主要是基于传统SIFT图像特征提取算法，这类算法针对特征重复性少的、结构复杂的建筑物，三维重建比较困难，同时受制于大量的图像间匹配，使得空三计算过程非常耗时。空三计算只支持一台机器进行解算，这限制了单个任务的数据量，从而限制了大数据项目的建模运算周期，同时造成了其他硬件资源的浪费。

为了解决这些现有技术中的问题，现有技术中提出了各种图像处理计算方案。诸如中国专利文献CN107292234A公开了一种基于信息边缘和多模态特征的室内场景布局估计方法，针对图像用边缘检测提取直线段由此估计出图像消失点，从消失点出发做采样射线粗划分图像区域，用全卷积神经网络FCNS获取信息边缘图，选取图中能量较高区域并细采样产生布局候选项，基于积分几何提取图像的线段，几何上下文、深度、法向量特征、考虑布局候选项与区域级特征一元和二元的映射关系，设计布局估计的结构化回归模型，引入结构化学习算法，能量函数最小的即为室内场景布局估计。

现有技术中亟需一种能够提高海量数据处理速度，作业效率大幅度提升的基于云计算的城市实景三维模型构建技术。

发明内容