[發明專利]基于大數據和AI的VR自然環境自動構成方法

有效

• 申請號: 201911070540.6
• 申請日: 2019-11-05
• 公開（公告）號: CN110910496B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 夏磊;尤海寧
• 申請（專利權）人: 安徽成方智能科技有限公司
• 主分類號: G06T17/05
• 分類號: G06T17/05;G06T19/00
• 代理公司: 北京三巨人知識產權代理事務所(普通合伙) 16024
• 代理人: 李巖秀

1.基于大數據和AI的VR自然環境自動構成方法，其特征在于，包括：構建地形模型、生成三維地形模型以及基于深度學習生成環境模型；

所述構建地形模型包括如下過程：

A00：高程線地圖處理：即通過圖像矩陣F(x，y)表示觀測圖像；

A01：等高線圖像獲取和預處理：即對所述觀測圖像噪聲以及無關信息剔除獲取等高線圖像F(x，y)；

A02：對等高線圖像F(x，y)二值化處理：確定二值化閾值，將等高線圖像F(x，y)轉變為只有前景色與背景色的圖像；

A03：采用逐層剝皮細化算法對等高線圖像F(x，y)等高線骨架化；

A04：深度值標記骨架點：對等高線圖像F(x，y)中點遍歷，通過比較當前點與近鄰點的深度值判斷是否為骨架點；

A05：按照等高線深度值標記由外向內進行剝除；

A06：對等高線斷點連接：結合機器連接和人工連接的方式對等高線斷點連接；

A07：對等高線線劃追蹤以及高程值標記；

所述生成三維地形模型包括如下過程：

A08：生成高程地形數據文件；

A09：生成三維地形模型；

所述基于深度學習生成環境模型具體包括如下：

A10：建立深度學習自然環境模型數據庫；

A11：建立卷積神經網絡；

A12：建立自然環境識別訓練模型；

A13：采集高分遙感環境影像，并對影響進行慮噪以及平滑等預處理得到預處理俯視圖；

A14：采用模型庫中的環境模型對預處理后的俯視圖進行自動識別，自動識由卷積神經網絡訓練得到；

A15：根據識別的結果生成環境模型。

2.根據權利要求1所述的基于大數據和AI的VR自然環境自動構成方法，其特征在于，所述逐層剝皮細化算法具體包括如下過程：先找到一個位于線劃影象邊緣上的象元；以此象元為中心，按一定順序檢測其8個鄰域的灰度值，確定本中心象元是否應置為0，并找到與本中心象元相鄰的邊緣象元以繼續追蹤剝皮。

3.根據權利要求2所述的基于大數據和AI的VR自然環境自動構成方法，其特征在于，所述逐層剝皮細化算法的限制條件為：不消去線段端點、不中斷原來連通的點且不過多的浸蝕區域。

4.根據權利要求1所述的基于大數據和AI的VR自然環境自動構成方法，其特征在于，所述機器連接包括如下：遍歷等高線圖像獲取斷點，以斷點為中心采用窗口算子尋求另一斷點；清除另一斷點后將兩斷點連接；

其中，所述另一斷點的限制條件如下：兩斷點的另一鄰域點不在同一方向；兩斷點位于任一等高線的同側。

5.根據權利要求1所述的基于大數據和AI的VR自然環境自動構成方法，其特征在于，A07具體包括如下過程：

B00：確定搜索線段的起點并作為當前點；

B01：以當前點為中心，按照西北、北、東北、東、東南、南、西南、西8個方向搜索下一個未跟蹤點；如果沒有點，則退出；若有點，則記下它的坐標以及搜索方向，并確定下一點的搜索方向；

B02：按照B01確定的搜索方向，以新找到的點作為新的判別中心執行B01；

B03：將線段上的所有點追蹤或追蹤之另一端點結束。

6.根據權利要求1所述的基于大數據和AI的VR自然環境自動構成方法，其特征在于，A09具體包括如下：

C00：3DMAX軟件中選擇導入，然后在地形文件選擇對躡框中選擇我們在上步驟中所生成的DED文件；

C01：在Import?Terrain對話框中合理設置模型文件的控制參數；

C02：預覽即將生成的地形，點擊確定生成三維地形模型。