倾斜摄影模型生成DSM、DOM操作流程

本文介绍如何使用超图平台从倾斜摄影模型提取数字表面模型(DSM)和数字正射影像图(DOM)。通过设置相机高度和分辨率等参数,可生成高精度的DSM和DOM数据,支持多种应用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、简介

数字表面模型(Digital Surface Model,缩写DSM)是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。和DEM相比,DEM只包含了地形的高程信息,并未包含其它地表信息,DSM是在DEM的基础上,进一步涵盖了除地面以外的其它地表信息的高程。

数字正射影像图(Digital Orthophoto Map,缩写DOM)是利用DEM对经过扫描处理的数字化航空像片或遥感影像(单色或彩色),经逐像元进行辐射改正、微分纠正和镶嵌,并按规定图幅范围裁剪生成的形象数据,带有公里格网、图廓(内、外)整饰和注记的平面图。DOM同时具有地图几何精度和影像特征,精度高、信息丰富、直观真实、制作周期短。它可作为背景控制信息,评价其它数据的精度、现实性和完整性,也可从中提取自然资源和社会经济发展信息,为防灾治害和公共设施建设规划等应用提供可靠依据。

超图平台支持倾斜摄影模型生成DSM、DOM功能,通过设置出图范围、分辨率、相机高度即可生成对应的栅 格、影像数据集(备注:使用平面场景出图)。通过生产的高精度栅格数据集,可以快速提取倾斜摄影模型、建筑物矢量底面;栅格数据打通了倾斜模型数据本身应用的难题,叠加二维栅格数据的分析功能,实现倾斜摄影模型的填挖方分析、不同时期建筑物对比分析等等。

本文应用的软件是SuperMap iDesktop 8C(2017)(810版本)。

二、应用步骤

1、 生成配置文件

倾斜摄影模型数据需要生成倾斜摄影缓存配置文件(*.scp)之后才能添加到场景。

(1)正常情况

点击“倾斜摄影”→“通用”→“生成配置文件”按钮,弹出“生成倾斜摄影配置文件”对话框,选择倾斜摄影缓存所在文件夹,设置生成路径、插入点和投影信息,生成倾斜摄影配置文件,如下图:
这里写图片描述

小提示:

插入点和投影信息数据提供商都会提供的,一般会在一个xml文件里面记录,如下图。如果确实找不到,可询问数据提供商。
这里写图片描述

(2)生成DSM等特殊情况

特殊情况是指生成DSM、DOM时不能用一般情况的方法生成配置文件,否则设置投影会对不上。

首先要得到倾斜摄影数据的插入点,如果插入点是投影坐标,如(496928.0000000,2662501.0000000)不用转换。如果插入点坐标是经纬度坐标,如(43.296388888889,5.37),则需要把这个坐标转换为投影坐标。点击“开始”→“数据处理”→“投影转换”下拉按钮,选择“坐标点转换”,弹出“坐标点转换”对话框。源坐标系一般设置为WGS1984地理坐标系。目标坐标系一般选UTM投影,为了尽可能减少投影变换误差,根据中央经线距离43.296388888889最接近的带号,这儿是38N带。设置完成之后,点转换即可得到结果,如图:
这里写图片描述

然后生成配置文件,在“生成倾斜摄影配置文件”对话框中,模型参考点输入转换得到的点坐标,但是不要设置投影信息,如下图:
这里写图片描述
点“确定”按钮,生成配置文件,待加载到平面场景。

2、 生成DSM

新建平面场景,添加生成的配置文件到场景之后,点击“三维分析”→“倾斜摄影”→“生成DSM”按钮,弹出“生成DSM”对话框,
这里写图片描述

设置好如图几个参数,点确定即可。

分辨率:用于设置生成的 DSM 数据的分辨率。
相机高度:用于设置生成 DSM 数据的相机高度,相机高度越低,看到的建筑物越细致,默认为50米,即表示生成的 DSM 数据为50米相机高度处看到的地表情况。

完成之后,得到数据集“DatasetDSM”,对该数据集设置投影,
这里写图片描述

设置好坐标系之后。把正常情况下生成的配置文件和DSM数据集加到同一个场景,是叠上的,如下图:

这里写图片描述

3、 生成DOM

点击“三维分析”→“倾斜摄影”→“生成DSM”按钮,弹出“生成DOM”对话框,如下图:

这里写图片描述

分辨率:用于设置生成的 DOM 数据的分辨率。

相机高度:用于设置生成 DOM 数据的相机高度,相机高度越低看到的建筑物越细致,默认为50米,即表示生成的 DOM 数据为50米相机高度处看到的地表情况。

文件名称:用于显示和设置结果 TIFF 数据集的保存路径和名称。可在文本框中直接输入 *.tiff 文件的保存路径和名称,或单击右侧的打开按钮,在弹出的“打开”对话框中设置结果数据的保存路径和名称。

把得到的TIFF影像文件,导入到数据源,设置投影,添加到场景,也是可以和倾斜摄影数据叠加上的,如下图。

这里写图片描述

以上就是在超图桌面平台通过倾斜摄影模型提取DSM、DOM数据的操作过程。结果可以直接将正射影像叠加到地形上,呈现立体效果;也可根据DSM提取等值面,进一步提取模型矢量面,为倾斜摄影模型单体化提供矢量面数据等。

### 如何从倾斜摄影数据中计算建筑物立面的法向量 为了从倾斜摄影数据中提取建筑物立面的法向量,通常涉及多个处理阶段。具体方法如下: #### 数据预处理 首先需要对原始倾斜摄影图像进行预处理,包括去噪、增强对比度等操作以提高后续特征检测的效果[^2]。 #### 特征点匹配与稠密化 利用多视图几何原理,在不同视角下的照片间寻找共同特征点并完成匹配工作;随后通过密集重建技术生成高密度点云表示建筑物表面结构。 #### 表面拟合和平滑处理 对于获得的点云数据集,可采用局部最小二乘法或其他合适的曲面拟合算法来近似描述建筑外墙的真实形态。此过程有助于消除因拍摄角度变化而引入的小尺度波动影响[^4]。 #### 法线估计 一旦有了较为精确的墙面模型,则可以通过以下两种方式之一来进行法线方向估算: - **基于邻域平均**:选取某一点周围一定范围内所有样本构成集合S,并以其质心作为参考位置Pc,那么该处法矢N即可定义为各成员坐标减去Pc后的差值向量累加求得; - **主成分分析PCA (Principal Component Analysis)** :将上述提到的局部区域内的点视为一组随机变量X={xi}i=1^n ,其中n代表总数量。接着计算协方差矩阵Σ=E[(X−μ)(X−μ)^T ],这里E[]表示期望运算符,μ是均值向量。最后找出对应最大特征根vmax 的单位正交基u即为目标方位指向外侧空间的方向向量[^1]。 ```python import numpy as np from sklearn.decomposition import PCA def estimate_normals(points): pca = PCA(n_components=3) pca.fit(points) normals = [] for point in points: local_points = get_local_neighborhood(point, points) # 获取局部领域内点 if len(local_points) >= 3: # 至少三个点才能做PCA local_pca = PCA(n_components=3).fit(local_points) normal_vector = local_pca.components_[np.argmin(abs(local_pca.explained_variance_))] normals.append(normal_vector / np.linalg.norm(normal_vector)) return np.array(normals) # 假设函数用于获取某个给定点周围的邻居们 def get_local_neighborhood(center_point, all_points, radius=0.5): distances = np.sqrt(np.sum((all_points - center_point)**2, axis=-1)) mask = distances < radius return all_points[mask] ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值