面向建筑物精细建模的倾斜摄影测量理论与方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41631174
  • 项目类别:
    重点项目
  • 资助金额:
    300.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0114.地理信息学
  • 结题年份:
    2021
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2021-12-31

项目摘要

Automatic building reconstruction using oblique photogrammetry technique has encountered severe problems from limited types of primitives in the model-driven approach and suffered from evident noises in dense matched point clouds, which lead to conspicuous falloff in the detail and precision of the reconstructed model. Aiming at improving the details of reconstructed buildings, this project incorporates geometrical and texture knowledge with the matching of oblique images, from which improved dense matched point clouds are expected. Furthermore, four classes of structure knowledge are refactored from the limited primitive library, including coplanarity, parallelism, orthogonality and symmetry, which are more general compared to the fixed primitive geometry and injected into the procedures of plane fitting and building reconstruction to alleviate the problem caused by noises of point clouds. The key objectives of this project include: 1)Bounds constrained optimization for feature point matching of oblique images, which convert the initial geometrical information into bounding constraints and seamlessly integrated into the matching procedure to improve reliability and accuracy of aerial triangulation; 2) Texture-aware dense image matching of oblique images, which are used to reduce the noises of photogrammetric point clouds at low texture area as well as to preserve features; 3) Point clouds classification using multilevel semantic relationships, which grants semantic information to the original point clouds and enables the extraction of individual building from the point clouds; 4) Plane extraction and topological reconstruction of the building using structure knowledge, which creates detailed polygonal building models from point clouds and 5) prototype software development and evaluations using typical oblique images from practical productions and benchmark datasets. This project is devoted to dramatically improve the automatic processing of oblique images to create detailed building models.
面向建筑物精细三维建模,突破现有倾斜摄影测量方法受限于固定基元模型类别,难以适用于错综复杂的建筑物形状结构,且受密集匹配点云噪声和精度影响,三维建模自动化程度低且模型质量较差等理论瓶颈。主要研究内容包括:1)边界约束的倾斜影像特征匹配,将传统最小二乘匹配转换为一个边界约束优化问题,显著提升收敛率;2)纹理感知的倾斜影像密集匹配,保特征并抑制低纹理区域噪声;3)多级语义关联的建筑物识别与提取,实现建筑物可靠的单体化分割;4)结构知识引导的可靠面片提取及拓扑重建,自动恢复面片交线和交点等精细的拓扑结构;5)研发自主知识产权的软件原型系统,并选择典型的城市地区倾斜影像进行实验验证。本项目的研究将为大规模精细化的三维城市自动建模提供有效的理论依据和关键技术支撑,促进倾斜摄影测量理论方法的发展。

结项摘要

精细的建筑物实景三维模型是智慧城市建设与城市安全保障和VR/AR等智能应用的关键基础信息,倾斜摄影测量是实景三维城市建模的主要手段之一,但已有倾斜摄影测量三维建模方法由于自动化程度低、模型质量较差、且严重依赖人工交互操作,难以满足大中小各种规模城市全域范围高效的建筑物精细三维建模需求。为此,项目组较系统地突破了面向建筑物精细三维建模的倾斜摄影测量共性基础难题,包括影像几何变形与辐射质量差异大导致的特征可靠匹配与密集匹配点云噪声明显、点云语义标识缺失与建筑物模型结构错综复杂导致的单体化建筑物精细三维模型重建等,初步形成了面向建筑物精细建模的倾斜摄影测量成套理论方法体系,为实景三维中国和智慧城市等国家重大工程提供了关键技术支撑;主要创新点有:(1)宽基线倾斜影像可靠特征匹配方法,有效克服倾斜影像几何变形和辐射质量问题,切实提高倾斜影像匹配效率;(2)顾及特征结构的倾斜影像密集匹配方法,结合影像纹理信息自适应调整密集匹配参数,显著降低点云噪声;(3)复杂场景语义智能感知与建筑物提取方法,将点云数据的多层次语义关联显式的引入点云分类,获取可靠的密集匹配点云语义信息,实现建筑物单体化提取;(4)多细节层次建筑物精细模型高效重建方法,数据驱动和模型驱动加结构知识引导的建筑物精细建模方法,实现建筑物精细三维模型自动重建。自主研发了一套倾斜摄影测量精细三维建模软件OSketch,商业化推广应用逾400家单位,在华为和阿里云举办的大赛中分别荣获冠军和亚军;相关成果荣获2021年度国家科技进步二等奖1项;共发表高水平论文37篇(其中,本领域顶刊 ISPRS 会刊论文10篇,荣获国际期刊学术论文奖励 1 项);发明专利6项(授权4项),获得软件著作权2项;培养博士后3人、博士生14人、硕士生20人;项目负责人朱庆2017年被评为国家测绘地理信息局科技领军人才,项目骨干胡翰教授2021年被评为国家高层次青年人才,项目成员陈敏副教授2021年被评为高校GIS新锐。

项目成果

期刊论文数量(36)
专著数量(0)
科研奖励数量(1)
会议论文数量(1)
专利数量(6)
Hierarchical line segment matching for wide-baseline images via exploiting viewpoint robust local structure and geometric constraints
通过利用视点鲁棒局部结构和几何约束对宽基线图像进行分层线段匹配
  • DOI:
    10.1016/j.isprsjprs.2021.09.002
  • 发表时间:
    2021-11
  • 期刊:
    ISPRS Journal of Photogrammetry and Remote Sensing
  • 影响因子:
    12.7
  • 作者:
    Chen Min;Yan Shaohua;Qin Rongjun;Zhao Xi;Fang Tong;Zhu Qing;Ge Xuming
  • 通讯作者:
    Ge Xuming
MAP-Net: Multiple Attending Path Neural Network for Building Footprint Extraction From Remote Sensed Imagery
MAP-Net:用于从遥感图像中提取足迹的多参与路径神经网络
  • DOI:
    10.1109/tgrs.2020.3026051
  • 发表时间:
    2019-10
  • 期刊:
    IEEE Transactions on Geoscience and Remote Sensing
  • 影响因子:
    8.2
  • 作者:
    Zhu Qing;Liao Cheng;Hu Han;Mei Xiaoming;Li Haifeng
  • 通讯作者:
    Li Haifeng
Efficient interactions for reconstructing complex buildings via joint photometric and geometric saliency segmentation
通过联合光度和几何显着性分割重建复杂建筑物的有效交互
  • DOI:
    10.1016/j.isprsjprs.2021.03.006
  • 发表时间:
    2021-05
  • 期刊:
    ISPRS Journal of Photogrammetry and Remote Sensing
  • 影响因子:
    12.7
  • 作者:
    Xu Bo;Hu Han;Zhu Qing;Ge Xuming;Jin Yigao;Yu Haojia;Zhong Ruofei
  • 通讯作者:
    Zhong Ruofei
Joint Learning of Contour and Structure for Boundary-Preserved Building Extraction
边界保留建筑物提取的轮廓和结构联合学习
  • DOI:
    10.3390/rs13061049
  • 发表时间:
    2021
  • 期刊:
    Remote Sensing
  • 影响因子:
    5
  • 作者:
    Liao Cheng;Hu Han;Li Haifeng;Ge Xuming;Chen Min;Li Chuangnong;Zhu Qing
  • 通讯作者:
    Zhu Qing
Robust point cloud classification based on multi-level semantic relationships for urban scenes
基于多级语义关系的城市场景鲁棒点云分类
  • DOI:
    10.1016/j.isprsjprs.2017.04.022
  • 发表时间:
    2017-07
  • 期刊:
    Isprs Journal of Photogrammetry and Remote Sensing
  • 影响因子:
    12.7
  • 作者:
    Zhu Qing;Li Yuan;Hu Han;Wu Bo
  • 通讯作者:
    Wu Bo

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

多模态时空数据多层次可视化任务模型
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    刘铭崴;朱庆;朱军;冯斌;李赟;张骏骁;付萧;张鹏程;杨卫军;宁新稳;徐婉妍
  • 通讯作者:
    徐婉妍
散乱点云数据精配准的粒子群优化算法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    武汉大学学报.信息科学版
  • 影响因子:
    --
  • 作者:
    韩贤权;朱庆
  • 通讯作者:
    朱庆
面向室内火灾动态疏散的三维建筑信息模型
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    朱庆;胡明远;许伟平;林珲;杜志强;张叶廷;张帆
  • 通讯作者:
    张帆
领导-成员交换关系对关联绩效的影响研究--基于工作嵌入的中介效应分析
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    经济与管理
  • 影响因子:
    --
  • 作者:
    杜鹏程;朱庆;仰海锐;王成城
  • 通讯作者:
    王成城
本交笼养对肉种公鸡睾丸发育及血浆生殖激素含量的影响
  • DOI:
    10.7606/j.issn.1004-1389.2019.12.001
  • 发表时间:
    2019
  • 期刊:
    西北农业学报
  • 影响因子:
    --
  • 作者:
    覃飞;李富贵;秦子越;钟成麟;刘嘉;朱庆;尹华东;王彦;李地艳;田尧夫;赵小玲
  • 通讯作者:
    赵小玲

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

朱庆的其他基金

多源数据融合的精细三维城市模型智能更新方法
  • 批准号:
    42230102
  • 批准年份:
    2022
  • 资助金额:
    274 万元
  • 项目类别:
    重点项目
2019年城市、交通及健康研讨会
  • 批准号:
    41981260310
  • 批准年份:
    2019
  • 资助金额:
    3.96 万元
  • 项目类别:
    国际(地区)合作与交流项目
面向时空变化的GIS数据模型
  • 批准号:
    41471320
  • 批准年份:
    2014
  • 资助金额:
    95.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码