网格线性结构恢复方法、装置、电子设备及存储介质与流程

1.本技术涉及虚拟现实技术，尤其涉及一种网格线性结构恢复方法、装置、电子设备及存储介质。


背景技术：

2.大规模的航拍场景图像集中富含的主要信息具有极高的线性结构特征，而线性细节结构特征的优化能够使得最终生成的三维模型更加接近于真实的场景，提升模型质量。通过网格线性结构的恢复和优化可以完成三维场景的重建，主要有基于增量式的、基于能量函数的和基于稠密点云三类方法。
3.但是，现有技术中，用于航拍场景的三维重建的算法对于大规模的数据效果不好，并且算法的复杂度过高。


技术实现要素：

4.本技术提供一种网格线性结构恢复方法、装置、电子设备及存储介质，以降低航拍图像三维场景重建的复杂度。
5.第一方面，本技术提供一种网格线性结构恢复方法，包括：
6.根据基于直线段检测算法的线性特征检验算法，提取航拍图像的特征线段；
7.针对所述航拍图像的每个特征线段，为所述特征线段匹配三维空间线段，并针对所述三维空间线段进行聚类，获得所述特征线段的三维线簇结果；
8.针对所述三维线簇结果中的每个三维线段，利用反投影算法，将所述三维线段投影到三角面片所构成的网格模型上，以及，根据所述三维线段的拓扑约束对所述三维线段覆盖的三角面片的顶点位置进行调整。
9.可选的，所述根据基于直线段检测算法的线性特征检验算法，提取航拍图像的特征线段，包括：
10.计算所述航拍图像中每个像素点的梯度值以及梯度方向，并根据各个点的梯度值对所述各个点进行伪排序；
11.针对所述航拍图像的每个像素点，利用区域扩散算法进行线段的估计和拟合，得到所述航拍图像中的线段；
12.从所述线段中筛选出角度差不大于设定的角度阈值的连续线段，作为所述特征线段。
13.可选的，所述针对所述航拍图像的每个特征线段，为所述特征线段匹配三维空间线段，并针对所述三维空间线段进行聚类，获得所述特征线段的三维线簇结果，包括：
14.根据角度相似性和空间相似性，计算所述特征线段与匹配的三维空间线段之间的亲和度；
15.根据所述亲和度，基于检测线置信度度量函数，计算获得置信度度量函数值并将置信度度量函数值最高的三维空间线段作为所述特征线段的三维空间位置；
16.针对所述三维空间位置，基于成对关系或基于邻近度的复制器图聚类策略生成亲和力矩阵，对所述亲和力矩阵的每一项，在其视觉邻域集内查询具有最大化一致性的元素，得到所述特征线段的三维线簇结果。
17.可选的，所述针对所述三维线簇结果中的每个三维线段，利用反投影算法，将所述三维线段投影到三角面片所构成的网格模型上，包括：
18.根据摄像机位姿信息，及所述三维线簇结果与航拍图像之间的可见性关系，将所述三维线簇结果中的每个三维线段，投影到所述网格模型上；
19.计算所述三维线段覆盖的三角面片的每一个顶点到所述三维线段的垂直投影距离，选择距离最短的顶点作为待调整顶点；
20.计算获得所述待调整顶点到所述三维线段的垂直向量，并将所述待调整顶点沿着所述垂直向量的方向进行平移，直至所述待调整顶点当前到所述三维线段的垂直投影距离等于0。
21.可选的，所述特征线段以无向图表示，无向图中的节点表示所述航拍图像上的像素点，无向图中的边表示连接两个像素点的线段。
22.第二方面，本技术提供一种网格线性结构恢复装置，包括：
23.线段提取模块，用于根据基于直线段检测算法的线性特征检验算法，提取航拍图像的特征线段；
24.线段匹配模块，用于针对所述航拍图像的每个特征线段，为所述特征线段匹配三维空间线段，并针对所述三维空间线段进行聚类，获得所述特征线段的三维线簇结果；
25.结构调整模块，用于针对所述三维线簇结果中的每个三维线段，利用反投影算法，将所述三维线段投影到三角面片所构成的网格模型上，以及，根据所述三维线段的拓扑约束对所述三维线段覆盖的三角面片的顶点位置进行调整。
26.可选的，所述线段提取模块，具体用于：
27.计算所述航拍图像中每个像素点的梯度值以及梯度方向，并根据各个点的梯度值对所述各个点进行伪排序；
28.针对所述航拍图像的每个像素点，利用区域扩散算法进行线段的估计和拟合，得到所述航拍图像中的线段；
29.从所述线段中筛选出角度差不大于设定的角度阈值的连续线段，作为所述特征线段。
30.可选的，所述线段匹配模块，具体用于：
31.根据角度相似性和空间相似性，计算所述特征线段与匹配的三维空间线段之间的亲和度；
32.根据所述亲和度，基于检测线置信度度量函数，计算获得置信度度量函数值并将置信度度量函数值最高的三维空间线段作为所述特征线段的三维空间位置；
33.针对所述三维空间位置，基于成对关系或基于邻近度的复制器图聚类策略生成亲和力矩阵，对所述亲和力矩阵的每一项，在其视觉邻域集内查询具有最大化一致性的元素，得到所述特征线段的三维线簇结果。
34.可选的，所述结构调整模块，具体用于：
35.根据摄像机位姿信息，及所述三维线簇结果与航拍图像之间的可见性关系，将所
述三维线簇结果中的每个三维线段，投影到所述网格模型上；
36.计算所述三维线段覆盖的三角面片的每一个顶点到所述三维线段的垂直投影距离，选择距离最短的顶点作为待调整顶点；
37.计算获得所述待调整顶点到所述三维线段的垂直向量，并将所述待调整顶点沿着所述垂直向量的方向进行平移，直至所述待调整顶点当前到所述三维线段的垂直投影距离等于0。
38.可选的，所述特征线段以无向图表示，无向图中的节点表示所述航拍图像上的像素点，无向图中的边表示连接两个像素点的线段。
39.第三方面，本技术提供一种电子设备，包括：
40.至少一个处理器；以及
41.与所述至少一个处理器通信连接的存储器；其中，
42.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
43.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面所述的方法。
44.第五方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面所述的方法。
45.本技术提供一种网格线性结构恢复方法、装置、电子设备及存储介质，方法包括：根据基于直线段检测算法的线性特征检验算法，提取航拍图像的特征线段；针对所述航拍图像的每个特征线段，为所述特征线段匹配三维空间线段，并针对所述三维空间线段进行聚类，获得所述特征线段的三维线簇结果；针对所述三维线簇结果中的每个三维线段，利用反投影算法，将所述三维线段投影到三角面片所构成的网格模型上，以及，根据所述三维线段的拓扑约束对所述三维线段覆盖的三角面片的顶点位置进行调整。通过特征线段的提取和三维空间线段的匹配，根据三维拓扑约束完成网格节点的调整和优化，降低了航拍图像三维场景重建的复杂度。
附图说明
46.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
47.图1为本技术示例提供的应用场景示意图；
48.图2为本技术实施例一提供的一种网格线性结构恢复方法流程示意图；
49.图3为本技术实施例二提供的一种网格线性结构恢复方法流程示意图；
50.图4为本技术实施例三提供的一种网格线性结构恢复方法流程示意图；
51.图5为本技术实施例四提供的一种网格线性结构恢复方法流程示意图；
52.图6为本技术实施例五提供的一种网格线性结构恢复装置的结构示意图；
53.图7为本技术实施例六提供的一种电子设备的结构示意图。
54.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为
本领域技术人员说明本技术的概念。
具体实施方式
55.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
56.虚拟现实技术是以计算机技术为核心，融合多学科知识，从多感官方面输出与真实环境具有较高近似性的数字化仿真系统，并允许用户与之进行交互以获得身临其境的体验，其中三维虚拟场景的重建对于用户的沉浸感会产生重要的影响。
57.通常，三维场景重建的工作基于航拍图像进行。图1为本技术示例提供的应用场景示意图，如图1所示，图1给出了一种航拍图像及其线性结构示意图，用以示例说明网格线性结构恢复的现有技术。
58.航拍获取的大规模的城市场景图像集中富含的主要信息为建筑物，具有极高的线性结构特征，而线性细节结构特征的优化能够使得最终生成的三维模型更加接近于真实的场景，提升模型质量，因此，现有技术中具备很多利用三维线段去构建场景模型的方法，主要有基于增量式的、基于能量函数的和基于稠密点云三类。
59.其中，基于增量式的算法首先选择并计算初始图像集，并在此基础上进行增加，但该方法的累积误差值随着图像数量的增加而急剧增加，因此不适用于大规模场景航拍数据集；基于能量函数的方法虽然能够对存在外界环境因素干扰的场景产生较为精确的重建结果，但由于其对顶点采用反复迭代优化的操作，因此对于大规模场景而言，其耗时较长同时对计算资源有较高的要求；基于稠密点云的方法是对点云进行处理，由于数据量较大，生成的稠密点云的通常也是复杂的，使得算法的计算复杂度较高，计算效率低下。现有技术中，用于航拍场景的三维重建的算法对于大规模的数据效果不好，并且算法的复杂度过高。
60.下面以具体的实施例对本技术的技术方案以及本技术的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。在本技术的描述中，除非另有明确的规定和限定，各术语应在本领域内做广义理解。下面将结合附图，对本技术的实施例进行描述。
61.实施例一
62.图2为本技术实施例一提供的一种网格线性结构恢复方法流程示意图，如图2所示，该方法包括：
63.s101：根据基于直线段检测算法的线性特征检验算法，提取航拍图像的特征线段；
64.s102：针对所述航拍图像的每个特征线段，为所述特征线段匹配三维空间线段，并针对所述三维空间线段进行聚类，获得所述特征线段的三维线簇结果；
65.s103：针对所述三维线簇结果中的每个三维线段，利用反投影算法，将所述三维线段投影到三角面片所构成的网格模型上，以及，根据所述三维线段的拓扑约束对所述三维线段覆盖的三角面片的顶点位置进行调整。
66.结合具体应用场景对本实施例进行示例性说明：虚拟现实技术中，三维场景的建立通常根据多个三角面片进行，通过三角面片的搭建和连接完成现实模型的三维重建。因
此，在虚拟现实技术中，用于组成三角面片的三角网格，或是其他形状的网格位置、形状、大小等，将显著影响到三维场景重建的效果。
67.针对大规模的三维场景，例如航拍所得的建筑物图像，可进行基于线性特征的网格细节优化，以得到更好的三维重建场景模型质量。首先，对图像集中图片进行线性特征的提取、筛选与评估，采用基于lsd的线性特征检验算法提取航拍图像中的特征线段，之后，利用角度相似性和空间相似性为特征线段匹配空间位置，并进行三维空间线段的聚类操作，生成特征线段所对应的三维线簇结果；利用反投影操作将三维线性模型和网格进行整合，将三维线段投影到三角面片所构成的网格模型上，以约束三角面片顶点的移动，根据三维线段的拓扑约束对顶点进行进一步优化调整，得到优化后的高质量网格模型。
68.一种举例，所述特征线段可以用无向图表示，无向图为一种基于图论的线段表示方法，其中，无向图中的节点表示所述航拍图像上的像素点，无向图中的边表示连接两个像素点的线段，即，当节点代表的像素之间存在线段连接时，在无向图中在这两个节点之间存在边。该表示方法可用于表示大规模图像中像素点之间的连接关系。
69.本实施例提供一种网格线性结构恢复方法，包括：根据基于直线段检测算法的线性特征检验算法，提取航拍图像的特征线段；针对所述航拍图像的每个特征线段，为所述特征线段匹配三维空间线段，并针对所述三维空间线段进行聚类，获得所述特征线段的三维线簇结果；针对所述三维线簇结果中的每个三维线段，利用反投影算法，将所述三维线段投影到三角面片所构成的网格模型上，以及，根据所述三维线段的拓扑约束对所述三维线段覆盖的三角面片的顶点位置进行调整。通过特征线段的提取和三维空间线段的匹配，根据三维拓扑约束完成网格节点的调整和优化，降低了航拍图像三维场景重建的复杂度。
70.实施例二
71.图3为本技术实施例二提供的一种网格线性结构恢复方法流程示意图，如图3所示，在其他任一实施例的基础上，s101具体包括：
72.s201：计算所述航拍图像中每个像素点的梯度值以及梯度方向，并根据各个点的梯度值对所述各个点进行伪排序；
73.s202：针对所述航拍图像的每个像素点，利用区域扩散算法进行线段的估计和拟合，得到所述航拍图像中的线段；
74.s203：从所述线段中筛选出角度差不大于设定的角度阈值的连续线段，作为所述特征线段。
75.结合具体应用场景对本实施例进行示例性说明：根据所述lsd算法，可以计算图像中每一个像素点的梯度值以及梯度方向，由于具有较高梯度幅值的像素点所在的区域通常具有较强的边缘，在边缘中，中间的像素一般具有最高的梯度幅值。可从具有最高梯度幅值的像素点入手，进行直线分割检测是可行的。因此，可根据梯度值对所有像素点进行伪排序，并针对所述航拍图像的每个像素点，利用区域扩散算法进行矩形的估计和拟合，得到所有检测到的线段。随后，可利用所述基于图论的检测线表示方法，利用无向图表示提取出的特征线段，无向图中的节点表示航拍图像集中每幅图像上的像素点，无向图中的边表示检测到连接两个节点的线段。最后，根据长度以及角度关系，对所有线段进行排序与过滤，从所述线段中筛选出角度差不大于设定的角度阈值的连续线段，作为所述特征线段。通常地，所述角度阈值可以选取20
°
，即，当连续线段之间方向角度偏离不超过20
°
时，将所有满足条
件的、长度足够的线段，作为所述特征线段。
76.本实施例提供一种网格线性结构恢复方法，计算所述航拍图像中每个像素点的梯度值以及梯度方向，并根据各个点的梯度值对所述各个点进行伪排序；针对所述航拍图像的每个像素点，利用区域扩散算法进行线段的估计和拟合，得到所述航拍图像中的线段；从所述线段中筛选出角度差不大于设定的角度阈值的连续线段，作为所述特征线段。通过航拍图像中线段的拟合和筛选，选取符合长度和角度要求的连续线段作为网格的线性框架，降低了航拍图像三维场景重建的复杂度。
77.实施例三
78.图4为本技术实施例三提供的一种网格线性结构恢复方法流程示意图，如图4所示，在其他任一实施例的基础上，s102具体可以为：
79.s301：根据角度相似性和空间相似性，计算所述特征线段与匹配的三维空间线段之间的亲和度；
80.s302：根据所述亲和度，基于检测线置信度度量函数，计算获得置信度度量函数值并将置信度度量函数值最高的三维空间线段作为所述特征线段的三维空间位置；
81.s303：针对所述三维空间位置，基于成对关系或基于邻近度的复制器图聚类策略生成亲和力矩阵，对所述亲和力矩阵的每一项，在其视觉邻域集内查询具有最大化一致性的元素，得到所述特征线段的三维线簇结果。
82.结合具体应用场景对本实施例进行示例性说明：可根据角度相似性和空间相似性进行误差的衡量，并基于此，计算获得所述特征线段与匹配的三维空间线段之间的亲和度，根据所述亲和度，可计算获得置信度度量函数值，并将置信度度量函数值最高的三维空间线段作为所述特征线段的三维空间位置。
83.具体地，sa和s
p
分别对三维空间几何特性中的角度和空间误差进行了计算，sa定义如下：
[0084][0085]
其中∠(h1，h1)表示的是两条相似线段之间的夹角，在实际计算中以度为单位，为一正则化项。
[0086]
将穿过相应摄像机中心和二维线段的两个平面相交，便能够将每个二维线段关系转换为三维线段而则表示其在视觉邻域集内的三维相似线段。
[0087]sp
定义如下：
[0088][0089]
其中d
⊥
(z，h2)表示的是三维空间中的某一点z与经过三维线段h2的直线之间的法向距离，di(z)＝‖c
i-z‖2表示的是图像ii的相机中心坐标ci与三维空间中的某一点z之间的欧几里得距离，即沿其相应的相机中心发射出的射线的深度，为一正则化项。
[0090]
表达式a则计算了由二维线段投影得到的三维线段和其相似线段之间的亲
和度，定义如下：
[0091][0092]
根据亲和度，可根据下式计算获得检测线置信度度量函数：
[0093][0094]
对于筛选后的所有假设匹配，首先需要估计出其最可能的三维空间位置，由于每条二维线段只能具有唯一一个特定的三维空间中的投影，因此，对于每条二维线段可以将置信度度量函数值最高的三维假设线段作为其三维空间位置。
[0095]
针对所述三维空间位置，基于成对关系或基于邻近度的复制器图聚类策略生成亲和力矩阵。具体地，所述亲和力矩阵可以如下式所表达：
[0096][0097]
其中sa度量了角度相似度，度量了空间相似度。对于矩阵中的每一项w
ij
，在其视觉邻域集内查询具有最大化一致性的元素，基于此进行扩散，并最终输出一组三维线簇结果集∏＝{∏1，
…
，∏
t
}，结果集中每一个三维线簇结果都由一条三维线段及构成的一条或多条共线的假设线段集组成。
[0098]
本实施例提供一种网格线性结构恢复方法，针对所述航拍图像的每个特征线段，为所述特征线段匹配三维空间线段，根据角度相似性和空间相似性，计算所述特征线段与匹配的三维空间线段之间的亲和度；根据所述亲和度，基于检测线置信度度量函数，计算获得置信度度量函数值并将置信度度量函数值最高的三维空间线段作为所述特征线段的三维空间位置；针对所述三维空间位置，基于成对关系或基于邻近度的复制器图聚类策略生成亲和力矩阵，对所述亲和力矩阵的每一项，在其视觉邻域集内查询具有最大化一致性的元素，得到所述特征线段的三维线簇结果。通过角度相似性和空间相似性描述线段与三维空间可能位置的亲和度，并根据亲和度完成最可能位置的匹配，得到特征线段所对应的三维线簇结果，降低了航拍图像三维场景重建的复杂度。
[0099]
实施例四
[0100]
图5为本技术实施例四提供的一种网格线性结构恢复方法流程示意图，如图5所示，在其他任一实施例的基础上，s103具体可以为：
[0101]
s401：根据摄像机位姿信息，及所述三维线簇结果与航拍图像之间的可见性关系，将所述三维线簇结果中的每个三维线段，投影到所述网格模型上；
[0102]
s402：计算所述三维线段覆盖的三角面片的每一个顶点到所述三维线段的垂直投影距离，选择距离最短的顶点作为待调整顶点；
[0103]
s403：计算获得所述待调整顶点到所述三维线段的垂直向量，并将所述待调整顶点沿着所述垂直向量的方向进行平移，直至所述待调整顶点当前到所述三维线段的垂直投
影距离等于0。
[0104]
结合具体应用场景对本实施例进行示例性说明：针对所述三维线簇结果集∏＝{∏1，
…
，∏
t
}，利用摄像机位姿信息，及其与图像集之间的可见性关系，将结果集中的每一条三维线段投影到输入的网格模型上，经过这一操作，会使得在三维空间内，每一条三维线段都会覆盖一组三角面片集合f＝{f1，f2，
…
}。
[0105]
对于上述三角面片集合f中的每一个三角面片fi，计算其每个顶点到结果集中每一条三维线段h的垂直投影距离，并选择距离最短的顶点作为下一步进行调整的顶点，放入顶点集合v。对顶点集合v中的每一个顶点vi，求出其到对应的三维线性拓扑约束线段h的垂直向量并将其沿着向量的方向进行平移，直至垂直投影距离等于0，此时表示三维顶点vi与三维线性拓扑约束线段h完全重合。例如，对于建筑物的墙面这种线性结构，由三角面片构成的初始网格模型可能失去一定线性特征，但通过移动三角面片顶点的位置，可恢复这种线性结构的细节。
[0106]
本实施例提供一种网格线性结构恢复方法，根据摄像机位姿信息，及所述三维线簇结果与航拍图像之间的可见性关系，将所述三维线簇结果中的每个三维线段，投影到所述网格模型上；计算所述三维线段覆盖的三角面片的每一个顶点到所述三维线段的垂直投影距离，选择距离最短的顶点作为待调整顶点；计算获得所述待调整顶点到所述三维线段的垂直向量，并将所述待调整顶点沿着所述垂直向量的方向进行平移，直至所述待调整顶点当前到所述三维线段的垂直投影距离等于0。通过空间拓扑约束完成三维线段到网格模型的投影，选择到三维线段垂直投影距离最短的顶点作为待调整顶点进行位置的调整，降低了航拍图像三维场景重建的复杂度。
[0107]
实施例五
[0108]
本技术实施例五还提供一种网格线性结构恢复装置以实现前述方法，图6为本技术实施例五提供的一种网格线性结构恢复装置的结构示意图，如图6所示，在其他任一实施例的基础上，所述装置包括：
[0109]
线段提取模块51，用于根据基于直线段检测算法的线性特征检验算法，提取航拍图像的特征线段；
[0110]
线段匹配模块52，用于针对所述航拍图像的每个特征线段，为所述特征线段匹配三维空间线段，并针对所述三维空间线段进行聚类，获得所述特征线段的三维线簇结果；
[0111]
结构调整模块53，用于针对所述三维线簇结果中的每个三维线段，利用反投影算法，将所述三维线段投影到三角面片所构成的网格模型上，以及，根据所述三维线段的拓扑约束对所述三维线段覆盖的三角面片的顶点位置进行调整。
[0112]
所述特征线段以无向图表示，无向图中的节点表示所述航拍图像上的像素点，无向图中的边表示连接两个像素点的线段。
[0113]
一种举例，线段提取模块51，具体用于：
[0114]
计算所述航拍图像中每个像素点的梯度值以及梯度方向，并根据各个点的梯度值对所述各个点进行伪排序；
[0115]
针对所述航拍图像的每个像素点，利用区域扩散算法进行线段的估计和拟合，得到所述航拍图像中的线段；
[0116]
从所述线段中筛选出角度差不大于设定的角度阈值的连续线段，作为所述特征线
段。
[0117]
通过航拍图像中线段的拟合和筛选，选取符合长度和角度要求的连续线段作为网格的线性框架，降低了航拍图像三维场景重建的复杂度。
[0118]
一种举例，线段匹配模块52，具体用于：
[0119]
根据角度相似性和空间相似性，计算所述特征线段与匹配的三维空间线段之间的亲和度；
[0120]
根据所述亲和度，基于检测线置信度度量函数，计算获得置信度度量函数值并将置信度度量函数值最高的三维空间线段作为所述特征线段的三维空间位置；
[0121]
针对所述三维空间位置，基于成对关系或基于邻近度的复制器图聚类策略生成亲和力矩阵，对所述亲和力矩阵的每一项，在其视觉邻域集内查询具有最大化一致性的元素，得到所述特征线段的三维线簇结果。
[0122]
通过角度相似性和空间相似性描述线段与三维空间可能位置的亲和度，并根据亲和度完成最可能位置的匹配，得到特征线段所对应的三维线簇结果，降低了航拍图像三维场景重建的复杂度。
[0123]
一种举例，结构调整模块53，具体用于：
[0124]
根据摄像机位姿信息，及所述三维线簇结果与航拍图像之间的可见性关系，将所述三维线簇结果中的每个三维线段，投影到所述网格模型上；
[0125]
计算所述三维线段覆盖的三角面片的每一个顶点到所述三维线段的垂直投影距离，选择距离最短的顶点作为待调整顶点；
[0126]
计算获得所述待调整顶点到所述三维线段的垂直向量，并将所述待调整顶点沿着所述垂直向量的方向进行平移，直至所述待调整顶点当前到所述三维线段的垂直投影距离等于0。
[0127]
通过空间拓扑约束完成三维线段到网格模型的投影，选择到三维线段垂直投影距离最短的顶点作为待调整顶点进行位置的调整，降低了航拍图像三维场景重建的复杂度。
[0128]
本实施例提供一种小区故障分析装置，包括：线段提取模块，用于根据基于直线段检测算法的线性特征检验算法，提取航拍图像的特征线段；线段匹配模块，用于针对所述航拍图像的每个特征线段，为所述特征线段匹配三维空间线段，并针对所述三维空间线段进行聚类，获得所述特征线段的三维线簇结果；结构调整模块，用于针对所述三维线簇结果中的每个三维线段，利用反投影算法，将所述三维线段投影到三角面片所构成的网格模型上，以及，根据所述三维线段的拓扑约束对所述三维线段覆盖的三角面片的顶点位置进行调整。通过特征线段的提取和三维空间线段的匹配，根据三维拓扑约束完成网格节点的调整和优化，降低了航拍图像三维场景重建的复杂度。
[0129]
实施例六
[0130]
图7为本技术实施例六提供的一种电子设备的结构示意图，如图7所示，该电子设备包括：
[0131]
处理器(processor)291，电子设备还包括了存储器(memory)292；还可以包括通信接口(communication interface)293和总线294。其中，处理器291、存储器292、通信接口293、可以通过总线294完成相互间的通信。通信接口293可以用于信息传输。处理器291可以调用存储器294中的逻辑指令，以执行上述实施例的方法。
[0132]
此外，上述的存储器292中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
[0133]
存储器292作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本技术实施例中的方法对应的程序指令/模块。处理器291通过运行存储在存储器292中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的方法。
[0134]
存储器292可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器292可以包括高速随机存取存储器，还可以包括非易失性存储器。
[0135]
本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现任一实施例中所述的方法。
[0136]
本技术实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例提供的方法。
[0137]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
[0138]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。