道路三維模型的建模方法和裝置的制造方法
【技術領域】
[0001]本發明實施例涉及基于位置服務技術領域，尤其涉及一種道路三維模型的建模方法和裝置。
【背景技術】
[0002]電子地圖作為記錄地理信息的一種圖形語言形式，為人們的出行提供了極大的便利。但是，傳統的地圖產品都是二維的地圖產品。在實際的應用中，這些二維的地圖具有一定的局限性。比如，在實際的道路中，有立交橋、深槽路段、隧道等復雜的道路路段。這些復雜的道路路段在空間上會有一定的交錯，而這種交錯通過二維地圖難以表達。另外，二維地圖的表達形式不夠直觀，不便于理解。
[0003]隨著計算機圖形學、三維仿真技術、虛擬現實技術以及網絡通信技術的飛速發展，傳統的二維電子地圖被注入了新的活力，承載在互聯網上的三維電子地圖正成為電子地圖發展的一個重要方向。三維電子地圖通過直觀的地理實景模擬，為用戶提供地圖查詢、出行導航等地圖功能。此外，在三維地圖中，能夠實現更豐富的交互和更炫酷的渲染技術，為更多的相關產品提供了更豐富的想象空間。
[0004]現有的三維電子地圖中，道路的三維模型建立方法可以分為兩種，即人工建模方式和自動建模方式。人工建模方式是指對照衛星圖或者航拍圖，用三維繪圖軟件人工繪制道路的三維模型。顯然，這種建模方式的建模效率并不高。自動建模方式是指利用相機或者雷達等專業的采集設備，對需要建模的區域進行機載或者車載的掃描，再根據掃描數據自動進行建模。這種建模方式的工作效率雖然大幅提升，但是相機、雷達本身的價格昂貴。而且，執行一次這樣的掃描的成本也十分高。所以，自動建模方式的成本會使大部分的電子地圖開發商望而卻步。
【發明內容】
[0005]針對上述技術問題，本發明實施例提供了一種道路三維模型的建模方法和裝置，以經濟、高效的建立道路的三維模型。
[0006]第一方面，本發明實施例提供了一種道路三維模型的建模方法，所述方法包括:
[0007]解析二維路網數據，以建立道路的初步模型；
[0008]解析全景圖像數據，以獲得交通要素的三維屬性數據；
[0009]將所述初步模型與所述三維屬性數據進行融合，以獲取道路的三維模型。
[0010]第二方面，本發明實施例還提供了一種道路三維模型的建模裝置，所述裝置包括:
[0011]路網解析模塊，用于解析二維路網數據，以建立道路的初步模型；
[0012]全景圖像解析模塊，用于解析全景圖像數據，以獲得交通要素的三維屬性數據；
[0013]數據融合模塊，用于將所述初步模型與所述三維屬性數據進行融合，以獲取道路的三維模型。
[0014]本發明實施例提供的道路三維模型的建模方法和裝置通過解析二維路網數據，以建立道路的初步模型，解析全景圖像數據，以獲得交通要素的三維屬性數據，以及將所述初步模型與所述三維屬性數據進行融合，以獲取道路的三維模型，從而基于較為容易獲得的數據源，經濟、高效的獲取道路的三維模型。
【附圖說明】
[0015]通過閱讀參照以下附圖所作的對非限制性實施例所作的詳細描述，本發明的其它特征、目的和優點將會變得更明顯:
[0016]圖1是本發明第一實施例提供的道路三維模型的建模方法的流程圖；
[0017]圖2是本發明第一實施例提供的衛星圖與路網數據的疊加圖；
[0018]圖3是本發明第一實施例提供的初步模型的示意圖；
[0019]圖4是本發明第二實施例提供的道路三維模型的建模方法中全景圖像解析的流程圖；
[0020]圖5是本發明第二實施例提供的全景圖像；
[0021]圖6是本發明第二實施例提供的根據全景圖像解析得到的交通要素的示意圖；
[0022]圖7是本發明第三實施例提供的道路三維模型的建模方法中數據融合的流程圖；
[0023]圖8是本發明第三實施例提供的初步模型的示意圖；
[0024]圖9是本發明第三實施例提供的三維模型的示意圖；
[0025]圖10是本發明第四實施例提供的道路三維模型的建模方法的流程圖；
[0026]圖11是本發明第五實施例提供的道路三維模型的建模方法的流程示意圖；
[0027]圖12是本發明第六實施例提供的道路三維模型的建模裝置的結構圖。
【具體實施方式】
[0028]下面結合附圖和實施例對本發明作進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅僅用于解釋本發明，而非對本發明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發明相關的部分而非全部結構。
[0029]第一實施例
[0030]本實施例提供了道路三維模型的建模方法的一種技術方案。所述道路三維模型的建模方法由道路三維模型的建模裝置執行，并且，所述道路三維模型的建模裝置集成在利用個人電腦、工作站或者服務器等計算設備中。
[0031]參見圖1，所述道路三維模型的建模方法包括:
[0032]S11，解析二維路網數據，以建立道路的初步模型。
[0033]所述二維路網數據是指能夠從中看到路網分布的二維圖像數據。具體的，所述二維路網數據可以是路網的航拍圖片，或者衛星圖片。優選的，所述二維路網數據還可以是航拍圖片與電子地圖中的路網數據疊加后形成的圖片。
[0034]圖2示出了路網分布的衛星圖與路網數據疊加以后形成的二維路網數據的一個示例。參見圖2，從疊加后的圖片上可以清楚的看到各條道路的走向、邊界，還可以看到道路兩旁的各種建筑物。
[0035]圖2中的幾條實線21是被疊加在所述圖片上的電子地圖中的路網數據。所述路網數據可以通過根據不同車輛的行駛軌跡而獲得。
[0036]通過對上述各種形式的二維路網數據的解析，可以得到道路的初步模型。具體的，可以通過對所述二維路網數據的解析，獲取所述道路的道路邊界線、中心隔離帶邊界線、道路中心線，以及車道線各自的地理位置。
[0037]圖3示出了對圖2中的二位路網數據進行解析后得到的道路的初步模型。參見圖3，在該初步模型中，所述道路的道路邊界線31、中心隔離帶邊界線、道路中心線、車道線都已經有明確的位置。
[0038]S12，解析全景圖像數據，以獲得交通要素的三維屬性數據。
[0039]所述全景圖像數據可以是車輛在所述道路上行駛時采集到的全景圖像數據。可以理解的是，所述全景圖像數據中包含若干行駛時的交通要素。比如，道路上的車道線、交通標志牌、指示標線，以及紅綠燈。通過對所述全景圖像數據的解析，能夠從所述全景圖像數據中獲取上述交通要素的三維屬性數據。所述三維屬性數據主要包括三維位置坐標。
[0040]優選的，可以通過深度學習技術及視覺定位技術獲取所述交通要素的三維屬性數據。
[0041]S13，將所述初步模型與所述三維屬性數據進行融合，以獲取道路的三維模型。
[0042]一般來講，所述初步模型中的位置數據已經描述的道路的基本位置，而所述交通要素的三維屬性數據是更為精確的位置數據。因此，將所述初步模型與所述三維屬性數據進行的融合更多的是利用所述交通要素的三維屬性數據對所述初步模型中的不精確的位置數據進行修正。當然，這樣的融合也包括將交通要素的三維屬性數據的導入。
[0043]本實施例通過解析二維路網數據，以建立道路的初步模型，解析全景圖像數據，以獲得交通要素的三維屬性數據，以及將所述初步模型與所述三維屬性數據進行融合，以獲取道路的三維模型，從而基于較為容易獲得的數據源，經濟