一种基于三维测绘的园林信息模型构建方法、系统及介质与流程
本技术涉及动态建模,尤其是涉及一种基于三维测绘的园林信息模型构建方法、系统及介质。
背景技术:
1、园林景观设计作为融合生态保护、美学呈现与实用功能的综合工程领域,其设计成果的科学性与完整性直接影响空间环境的使用价值与长期生态效益。
2、然而,当前主流设计方法仍以人工经验为主导,辅以基础数字建模工具,在精度、效率与系统性方面存在显著不足。一方面,传统手段难以量化地形、植被、光照、水文等多因子间的耦合关系,导致设计方案与实际场地条件适配性弱;另一方面,现有技术普遍依赖单一数据源(如遥感影像或局部测绘),缺乏对结构化测绘数据、非结构化图像数据时序性及环境监测数据等多源异构信息的有效融合,制约了模型在生态合理性、空间层次感与功能适应性等方面的综合表现。即便部分尝试引入多源数据,也因缺乏高效的数据协同处理机制,难以支撑设计模型的动态优化与快速迭代。
3、因此,存在园林信息模型的构建精度不足、模型迭代效率低下的问题,继续进行改进。
技术实现思路
1、为了解决现有技术的不足,提升园林信息模型的构建精度和模型迭代效率,本技术提供一种基于三维测绘的园林信息模型构建方法、系统及介质。
2、第一方面,本技术的发明目的采用如下技术方案实现:
3、一种基于三维测绘的园林信息模型构建方法,包括:
4、在目标园林区域布设多个扫描站点,以采集多源空间点云数据和纹理图像数据;
5、对所述多源空间点云数据和所述纹理图像数据进行配准和拼接,生成统一坐标系下的园林点云数据集;
6、基于预设的园林要素分类体系,对所述园林点云数据集进行语义点云分割,得到包含单木几何参数的语义分割结果;
7、根据所述语义分割结果,构建包含园林要素的三维园林模型;
8、基于多源环境数据优化所述三维园林模型,生成最终的园林信息模型。
9、通过采用上述技术方案,本技术通过布设多站点扫描结合纹理图像采集,实现了对复杂园林场景的高覆盖率与高保真度数据获取,解决了传统单一数据源或人工测绘导致的局部缺失与精度不足问题,为后续建模提供完整、精确的几何与视觉基础。接着对多源点云与图像数据进行统一坐标系下的配准与拼接,构建了空间一致的园林点云数据集,以解决多设备、多视角采集带来的数据碎片化问题;进一步引入预设的园林要素分类体系对点云进行语义分割,并提取单木几何参数,以将原始几何点云转化为具有生态与设计意义的结构化语义信息,使模型不仅包含“形状”,更承载“功能”与“类别”,然后基于语义分割结果构建三维园林模型,并进一步融合多源环境数据进行优化,实现了从几何重建向“生态-功能协同建模”的跃迁,使最终模型兼具空间准确性、生态合理性与设计可调性,显著提升方案与真实环境的适配度。本技术有效克服了现有园林设计中数据割裂、建模粗放、多因素协同弱等核心缺陷,实现了高精度、高语义、可优化的园林信息模型自动化构建,提升了设计科学性、迭代效率与生态适配能力。
10、本技术在一较佳示例中:所述基于多源环境数据优化所述三维园林模型,包括:
11、以所述语义分割结果为基础,构建基于区域、廊道以及场地的三级结构语义模型;
12、基于所述三级结构语义模型,建立包含地形、植被与水系要素的参数化节点图谱,并利用图神经网络建模各要素间的生态关联关系;
13、将实时环境参数与植物生长动力学模型耦合,形成时空耦合的数据层,用于推演温湿度及光照变化对植被形态的动态影响;
14、基于遗传算法生成植物群落适应性规则库,根据当前微气候条件自动匹配植被配置策略,通过双向约束求解器联动调整地形改造建议与植物分布方案,以优化所述三维园林模型。
15、通过采用上述技术方案,进一步引入区域-廊道-场地的三级结构语义模型,使三维园林模型的优化过程具备尺度嵌套性;通过图神经网络建模地形、植被、水系间的生态关联,克服了要素孤立建模导致的系统失衡;耦合植物生长动力学与实时环境参数,实现植被形态的动态推演;再结合遗传算法生成的适应性规则库与双向约束求解器,自动协同地形改造与植物配置,从而在保障景观美学的同时,提升模型的生态韧性与微气候调节能力。
16、本技术在一较佳示例中:所述区域尺度的园林要素分类包括:
17、获取研究区域的激光点云数据、倾斜摄影影像及高分辨率卫星遥感影像;
18、对所述激光点云数据进行去噪、滤波与地面点分离,生成数字高程模型与非地面点云簇;
19、结合所述倾斜摄影影像进行多视角图像匹配,提取植被冠层轮廓、构筑物边缘及铺装纹理特征;
20、利用深度学习语义分割网络对点云与影像数据进行联合推理,识别并分类乔木、灌木、草坪、水体、园路、小品及构筑物七类园林要素;
21、基于识别结果建立园林要素空间拓扑关系图,采用八叉树结构对点云与语义标签进行统一组织;
22、其中,园林要素的最终分类结果通过融合判据模型确定,所述融合判据模型的表达式为:
23、
24、其中,为第i类园林要素的综合置信度评分;为点云几何特征得分;为影像纹理一致性得分;为高度层级合理性得分;为上下文空间关系得分;分别为对应项的权重系数。
25、通过采用上述技术方案,本技术融合激光点云、倾斜摄影与卫星影像,通过去噪、地面分离及多视角匹配,全面捕获几何与纹理特征;采用深度学习联合推理实现七类园林要素高精度识别,并构建拓扑关系图与八叉树组织结构,提升数据管理效率;特别地,通过融合判据模型综合点云几何、纹理一致性、高度层级与上下文关系四维得分,有效抑制了单一数据源误判,显著提高区域尺度分类的鲁棒性与置信度。
26、本技术在一较佳示例中:以区域尺度的园林要素分类结果为基础开展廊道尺度的结构语义建模,具体包括:
27、基于所述园林要素分类结果,沿主要游憩路径或功能廊道划定缓冲区,并提取缓冲区内园林要素的空间分布序列;
28、对乔木与灌木要素进行骨架提取,构建基于枝干拓扑的参数化植物结构模型;
29、对园路与铺装区域进行中心线拟合,并结合材质语义标注,建立廊道通行性指标与视觉连续性指标;
30、基于所述空间分布序列及指标数据,计算廊道尺度的景观通视率、绿量密度及空间围合度,生成廊道结构语义图谱;
31、将所述廊道结构语义图谱转换为符合ifc标准的构件,输出廊道尺度的半参数化园林信息模型。
32、通过采用上述技术方案,基于区域分类结果,沿游憩路径划定缓冲区并提取要素空间序列,实现从宏观到中观的语义过渡;通过骨架提取构建枝干拓扑驱动的参数化植物模型,保留生物形态真实性;对园路进行中心线拟合并量化通行性与视觉连续性指标;进而计算通视率、绿量密度等关键景观参数,生成结构化廊道语义图谱,并输出ifc标准构件,使模型兼具设计规范符合性与bim平台兼容性,为园林精细化监控提供数据支撑。
33、本技术在一较佳示例中:所述基于所述园林要素分类结果,沿主要游憩路径或功能廊道划定缓冲区,并提取缓冲区内园林要素的空间分布序列,包括:
34、基于所述区域尺度分类结果中的园路要素,采用dijkstra算法自动提取主次游线网络;
35、以主游线为中心线,依据预设的公园设计规范设定动态缓冲宽度,生成多级廊道分析带;
36、在每级廊道分析带内,按预设间隔设置采样断面,统计断面内各类园林要素的数量、高度、冠幅及材质类型,得到断面统计数据;
37、将所述断面统计数据转化为一维序列向量,并通过滑动窗口平滑处理,形成连续的要素分布时序特征;
38、利用隐马尔可夫模型对所述要素分布时序特征进行状态聚类,识别出若干种典型廊道语义单元。
39、通过采用上述技术方案,利用dijkstra算法自动提取主次游线,确保廊道分析贴合实际人流路径;依据规范设定动态缓冲宽度,增强分析带的空间适应性;通过断面采样与时序特征构建,将离散要素分布转化为连续序列;再以隐马尔可夫模型聚类识别典型语义单元(如密林段、水景段),实现了廊道空间类型的自动化语义标注,以提高对园林景观质量评估的评估效率和客观性。
40、本技术在一较佳示例中:所述对乔木与灌木要素进行骨架提取,构建基于枝干拓扑的参数化植物结构模型,包括:
41、对非地面点云中的植被点簇进行单木分割,采用区域生长法结合冠层凹陷检测实现个体分离;
42、对每棵单木点云执行主成分分析,确定主干方向,并迭代剥离侧枝点云;
43、基于剥离后的点云层次结构,构建自下而上的分叉骨架树,记录各节点的位置、直径与分枝角;
44、将所述分叉骨架树映射至l-system语法系统,生成符合植物学规律的生长规则表达式;
45、结合现场实测的胸径、树高与冠幅数据,对l-system参数进行回归校正,确保参数化植物结构模型形态与真实植株一致;将校正后的参数化植物结构模型嵌入廊道尺度bim构件库。
46、通过采用上述技术方案,通过区域生长与冠层凹陷检测实现单木精准分割,解决密集植被点云粘连难题;基于pca方向剥离侧枝并构建分叉骨架树,真实还原植物枝干拓扑;将骨架映射至l-system语法,赋予模型植物学生长逻辑;结合实测胸径、树高等数据回归校正参数,确保虚拟植株形态与现实一致;最终嵌入bim构件库支持多lod切换。
47、本技术在一较佳示例中:所述廊道结构语义图谱中各语义单元的景观质量评分qsi通过以下方式计算得到:
48、其中,为绿量密度系数,由缓冲区内植被投影面积与缓冲区总面积之比确定;为通视率系数,通过视线分析算法在采样点沿游线方向计算可视范围占比得到;为空间连续性系数,依据园路中心线与相邻绿带边缘的距离标准差反比确定;为植物物种多样性指数,基于单木分类结果采用shannon-wiener多样性公式计算得到;
49、基于所述qsi值,采用自然断点法划分为景观质量等级。
50、通过采用上述技术方案,基于廊道语义单元,构建包含绿量密度、通视率、空间连续性与物种多样性的四维度qsi评分体系,量化景观质量;其中各指标均源于前序步骤提取的真实空间数据,真实空间数据如缓冲区植被面积、视线分析结果、园路-绿带距离、单木分类结果,确保评价客观。
51、第二方面,本技术的发明目的采用如下技术方案实现:
52、一种基于三维测绘的园林信息模型构建系统,用于执行如上所述的一种基于三维测绘的园林信息模型构建方法,所述系统包括:
53、数据采集模块,被配置为在目标园林区域布设多个扫描站点,以采集多源空间点云数据和纹理图像数据;
54、数据融合模块,用于对所述多源空间点云数据和所述纹理图像数据进行配准和拼接,生成统一坐标系下的园林点云数据集;
55、语义分割模块,用于基于预设的园林要素分类体系,对所述园林点云数据集进行语义点云分割,得到包含单木几何参数的语义分割结果;
56、三维建模与优化模块,用于根据所述语义分割结果,构建包含园林要素的三维园林模型,并基于多源环境数据优化所述三维园林模型,生成最终的园林信息模型。
57、第三方面,本技术的发明目的采用如下技术方案实现:
58、一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述一种基于三维测绘的园林信息模型构建方法的步骤。
59、第四方面,本技术的发明目的采用如下技术方案实现:
60、一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现如上所述一种基于三维测绘的园林信息模型构建方法的步骤。
61、综上所述,本技术包括以下至少一种有益技术效果:
62、1.本技术通过多扫描站点扫描获取多源空间点云数据云与纹理图像数据,经配准拼接形成统一坐标系下的完整园林点云数据集;同时引入预设的园林要素分类体系进行语义分割,精准提取如树高、冠幅等的单木几何参数,解决了传统建模中要素识别模糊、几何失真的问题;进而构建结构化的三维园林模型,并融合多源环境数据进行优化,最终生成兼具几何真实性与环境适应性的园林信息模型;
63、2.三级结构语义模型将原本扁平化的三维园林模型升级为具有多尺度语义层次的动态系统。在此基础上,利用图神经网络对地形、植被、水系等要素间的生态关联关系进行建模,克服了传统bim或gis模型中各要素孤立、缺乏交互逻辑的缺陷。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com