一种融合3DGS算法的无人机实景三维重建方法、系统与流程

本发明涉及低空遥感与三维建模，尤其涉及一种融合3dgs算法的无人机实景三维重建方法、系统。

背景技术：

1、随着无人机技术、计算机视觉及三维重建技术的快速发展，无人机已广泛应用于工程建设、交通基础设施巡检、城市三维建模、自然资源调查等场景。在上述应用中，通常需要基于无人机获取的多视角影像，生成三维地形模型、正射影像或三维可视化成果，以支撑空间分析、可视化展示及业务决策。目前，工程实践中较为成熟的技术路线主要是基于摄影测量与多视几何原理的三维重建方法，例如通过结构光束法（(structure-from-motion,sfm)与多视立体匹配（mvs）生成点云、网格模型及正射影像。该类方法在地形建模、测绘精度等方面具有较好表现，但在以下方面逐渐暴露出不足：

2、（1）模型表达形式有限：传统三维重建结果多以点云、网格或纹理模型形式存在，在大规模场景下存在数据量大、加载效率低、渲染效果受限等问题。

3、（2）高精细可视化能力不足：对于桥梁、边坡、构筑物等复杂结构，传统网格模型在细节还原、视角连续性方面存在一定局限。

4、（3）建模流程割裂

5、现有系统通常将三维重建、地形生成、模型发布等流程分散在多个独立工具或平台中，缺乏统一的任务调度与数据流转机制，自动化程度较低。

6、高斯泼溅方法通过将场景表示为大量带权高斯分布点，在保持高渲染效率的同时，实现了更优的视觉连续性与细节表达，尤其适用于大场景实时渲染与沉浸式展示。然而，在工程级应用中，高斯泼溅技术仍面临以下问题：对影像数据组织与空间约束依赖较强；与传统摄影测量建模流程结合不紧密；缺乏适用于无人机工程场景的自动化集成方案。

技术实现思路

1、本发明所要解决的技术问题是：针对现有技术存在的不足，提供一种融合3dgs算法的无人机实景三维重建方法、系统，在现有无人机三维建模流程基础上，引入并协同高斯泼溅建模技术，形成统一、自动化、可扩展的建模处理体系。

2、为了解决上述问题，本发明采用如下技术方案：

3、首先，本发明提出一种融合3dgs算法的无人机实景三维重建方法，包括以下步骤：

4、获取无人机多视角影像数据，并将所述无人机多视角影像数据下载至本地项目目录；

5、解析建模任务中的模型条目，所述模型条目包含模型类型参数；根据所述模型类型参数将模型区分为三维高斯泼溅模型和非三维高斯泼溅模型，所述非三维高斯泼溅模型为传统二维模型；

6、当存在三维高斯泼溅模型时，执行三维高斯泼溅建模流程：以所述无人机多视角影像为输入，依次执行数据预处理、高斯泼溅模型训练和模型导出，生成三维高斯点云文件及地理变换文件；

7、对所述三维高斯点云文件进行空间滤波：利用所述地理变换文件中的复合变换矩阵将所述三维高斯点云文件中各点的训练坐标系坐标变换至地心地固坐标系，得到地心地固坐标；将所述地心地固坐标反算为大地坐标；将所述大地坐标投影至平面坐标；利用点面判定算法判断投影后的平面坐标是否位于预设作业范围多边形内，并保留位于所述预设作业范围多边形内的点，得到过滤后的三维高斯点云文件；

8、将所述过滤后的三维高斯点云文件及所述地理变换文件作为三维高斯泼溅模型成果进行发布。

9、优选地，所述模型类型参数中，类型值为3表示三维高斯泼溅模型，类型值为1表示三维瓦片模型，类型值为2表示正射影像模型；所述方法还包括：当存在非三维高斯泼溅模型时，执行辅助三维重建流程，生成三维瓦片、正射影像、数字表面模型和数字地形模型中至少一种传统摄影测量成果，并对所述传统摄影测量成果执行格式转换与地形切片后处理。

10、优选地，所述三维高斯泼溅建模流程通过nerfstudio框架的ns-process-data预处理、ns-train splatfacto训练、ns-export gaussian-splat导出三个子步骤，实现从无人机影像到三维高斯点云的自动化生成。

11、优选地，所述空间滤波包括：利用geo_transforms.json中的composite_train_to_ecef_dataparser复合变换将训练坐标转换为ecef坐标；通过bowring方法将ecef坐标反算为wgs84经纬度坐标；将经纬度投影到web mercator平面；采用射线法判定点是否位于作业范围多边形内部。

12、优选地，所述成果发布以统一格式输出http可访问的高斯点云ply文件url及地理变换json文件url，并记录资源大小、中心点位置和状态信息。

13、优选地，当仅需生成三维高斯泼溅模型时，直接执行所述三维高斯泼溅建模流程，无需启动辅助建模引擎。

14、同时，本发明还提出一种融合3dgs算法的无人机实景三维重建系统，包括：

15、数据接入模块，用于获取无人机多视角影像数据，并将所述无人机多视角影像数据下载至本地项目目录；

16、任务调度模块，用于解析建模任务中的模型条目，所述模型条目包含模型类型参数，根据所述模型类型参数将模型区分为三维高斯泼溅模型和非三维高斯泼溅模型，所述非三维高斯泼溅模型为传统二维模型；

17、建模执行模块，包括高斯泼溅训练引擎，所述高斯泼溅训练引擎用于当存在三维高斯泼溅模型时，以所述无人机多视角影像为输入，依次执行数据预处理、高斯泼溅模型训练和模型导出，生成三维高斯点云文件及地理变换文件；

18、空间滤波模块，用于对所述三维高斯点云文件进行空间滤波：利用所述地理变换文件中的复合变换矩阵将所述三维高斯点云文件中各点的训练坐标系坐标变换至地心地固坐标系，将地心地固坐标反算为大地坐标，将大地坐标投影至平面坐标，利用点面判定算法判断投影后的平面坐标是否位于预设作业范围多边形内，并保留位于所述预设作业范围多边形内的点，得到过滤后的三维高斯点云文件；

19、成果管理模块，用于将所述过滤后的三维高斯点云文件及所述地理变换文件作为三维高斯泼溅模型成果进行发布。

20、优选地，所述模型类型参数中，类型值为3表示三维高斯泼溅模型，类型值为1表示三维瓦片模型，类型值为2表示正射影像模型；所述建模执行模块还包括辅助建模引擎，所述辅助建模引擎用于当存在非三维高斯泼溅模型时，生成三维瓦片、正射影像、数字表面模型和数字地形模型中至少一种传统摄影测量成果，并对所述传统摄影测量成果执行格式转换与地形切片后处理。

21、优选地，所述空间滤波模块执行空间滤波时，利用geo_transforms.json中的composite_train_to_ecef_dataparser复合变换将训练坐标转换为ecef坐标；通过bowring方法将ecef坐标反算为wgs84经纬度坐标；将经纬度投影到web mercator平面；采用射线法判定点是否位于作业范围多边形内部。

22、同时，本发明提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明所述的方法。

23、本发明采用上述技术方案，具有以下有益效果：

24、（1）由于设置了模型类型判别机制，通过模型类型参数将模型区分为三维高斯泼溅模型和非三维高斯泼溅模型，并以三维高斯泼溅模型作为核心建模输出，同时兼容传统摄影测量成果作为辅助输出，实现了多类型三维模型的协同输出，克服了现有技术仅支持单一传统三维模型输出、难以与三维高斯泼溅等新型三维表达方式进行统一调度与协同处理的问题。

25、（2）由于在生成三维高斯点云文件后，利用地理变换文件中的复合变换矩阵将训练坐标系坐标变换至地心地固坐标系，将地心地固坐标反算为大地坐标，将大地坐标投影至平面坐标，并采用点面判定算法判断投影后的平面坐标是否位于预设作业范围多边形内，将三维高斯点云精确限定在预设作业范围多边形内，克服了全域建模带来的数据冗余和精度下降问题，实现了作业范围约束下的精细化建模。

26、（3）由于三维高斯泼溅建模流程通过数据预处理、高斯泼溅模型训练和模型导出自动化执行，并且当仅需生成三维高斯泼溅模型时，直接执行三维高斯泼溅建模流程而无需启动辅助建模引擎，实现了从无人机影像数据接入至三维高斯点云成果发布的端到端自动化运行，无需人工干预，提高了建模效率并降低了计算资源消耗。

27、（4）由于设置了统一的成果发布机制，将过滤后的三维高斯点云文件的统一资源定位符、地理变换文件的统一资源定位符、资源大小、中心点位置和资源状态信息统一发布至数字资源表中，实现了建模成果的集中管理和全生命周期状态跟踪，便于工程化部署和规模化应用。