專利名稱：一種數(shù)字城市全自動生成的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種地理空間模擬技術(shù)，尤其涉及的是一種數(shù)字城市全自 動生成的方法。
背景技術(shù)：
以下首先說明本發(fā)明所涉及的概念
1、 數(shù)字城市(Digital city): —個能夠?qū)崿F(xiàn)城市綜合管理與決策支持的、 虛擬的、具有開放性的城市模型；
2、 三維模型(3Dmodd):物體的三維多邊形表示，通常用計算機或 者其它視頻設(shè)備進行顯示。顯示的物體是可以是現(xiàn)實世界的實體，也可以 是虛構(gòu)的東西，既可以小到原子，也可以大到很大的尺寸。任何物理自然 界存在的東西都可以用三維^t型表示。
3、 紋理(Texture): —個紋理實際上就是一個位圖。從這個意義上來 講，當紋理一詞-故用于計算機圖形學(xué)時，它就有了一個明確的定義。從語 義學(xué)角度來講，紋理一詞既是指一個物體上顏色的模式，又是指物體表面 是粗糙的還是光滑的。
4、 知識庫(Knowledge Base):知識工程中結(jié)構(gòu)化，易操作，易利用， 全面有組織的知識集群，是針對某一(或某些)領(lǐng)域問題求解的需要，采用某 種(或若干)知識表示方式在計算機存儲器中存儲、組織、管理和使用的互相 聯(lián)系的知識片集合。這些知識片包括與領(lǐng)域相關(guān)的理論知識、事實數(shù)據(jù)， 由專家經(jīng)驗得到的啟發(fā)式知識，如某領(lǐng)域內(nèi)有關(guān)的定義、定理和運算法則 以及常識性知識等。知識庫使基于知識的系統(tǒng)(或?qū)＜蚁到y(tǒng))具有智能性，并
不是所有具有智能的程序都擁有知識庫，只有基于知識的系統(tǒng)才擁有知識 庫?，F(xiàn)在許多應(yīng)用程序都利用知識，其中有的還達到了很高的水平，但是, 這些應(yīng)用程序可能并不是基于知識的系統(tǒng)，它們也不擁有知識庫。 一般的
應(yīng)用程序與基于知識的系統(tǒng)之間的區(qū)別在于 一般的應(yīng)用程序是把問題求
解的知識隱含地編碼在程序中，而基于知識的系統(tǒng)則將應(yīng)用領(lǐng)域的問題求 解知識顯式地表達，并單獨地組成一個相對獨立的程序?qū)嶓w。
知識庫的特點如下
1) 知識庫中的知識根據(jù)它們的應(yīng)用領(lǐng)域特征、背景特征(獲取時的背景信 息)、使用特征、屬性特征等而被構(gòu)成便于利用的、有結(jié)構(gòu)的組織形式。知 識片一般是模塊化的。
2) 知識庫的知識是有層次的。最低層是"事實知識"，中間層是用來控制 "事實，，的知識(通常用規(guī)則、過程等表示)；最高層次是"策略"，它以中間層 知識為控制對象。策略也常常被認為是規(guī)則的規(guī)則。因此知識庫的基本結(jié) 構(gòu)是層次結(jié)構(gòu)，是由其知識本身的特性所確定的。在知識庫中，知識片間 通常都存在相互依賴關(guān)系。規(guī)則是最典型、最常用的一種知識片。
3) 知識庫中可有一種不只屬于某一層次(或者說在任一層次都存在)的特 殊形式的知識——可信度(或稱信任度，置信測度等)。對某一問題，有關(guān)事 實、規(guī)則和策略都可標以可信度。這樣，就形成了增廣知識庫。在數(shù)據(jù)庫 中不存在不確定性度量。因為在數(shù)據(jù)庫的處理中 一切都屬于"確定型"的。
4) 知識庫中還可存在一個通常被稱作典型方法庫的特殊部分。如果對于 某些問題的解決途徑是肯定和必然的，就可以把其作為一部分相當肯定的 問題解決途徑直接存儲在典型方法庫中。這種宏觀的存儲將構(gòu)成知識庫的 另一部分。在使用這部分時，機器推理將只限于選用典型方法庫中的某一 層體部分。
另外，知識庫也可以在分布式網(wǎng)絡(luò)上實現(xiàn)。這樣，就需要建造分布式知 識庫。建造分布式知識庫的優(yōu)越性有三點
(1) 可在較低價格下構(gòu)造較大的知識庫；
(2) 不同層次或不同領(lǐng)域的知識庫對應(yīng)的問題求解任務(wù)相對來說比較單
純，因而可以構(gòu)成較高效的系統(tǒng)；
(3) 可適于地域遼闊的地理分布。
知識庫的構(gòu)造必須使得其中的知識在被使用的過程中能夠有效地存取 和搜索，庫中的知識能方便地修改和編輯，同時，對庫中知識的一致性和 完備性能進行檢驗。
5、 圖像匹配(image matching):是指把兩個不同傳感器從同一景物 錄取下來的兩幅圖像在空間上進行對準，以確定出這兩幅圖l象之間相對平 移的過程,它可廣泛應(yīng)用于目標跟蹤、資源分析、醫(yī)療診斷等方面是現(xiàn)代信 息處理領(lǐng)域中 一項極為重要的技術(shù)。
6、 圖像相似度(image semblance ):是指一幅圖像"旋入"另 一幅圖像 的概率.同時給出了一個簡潔的圖像相似度算法。通過多次實驗，這種圖像相 似度對于復(fù)雜模式的識別是有效和滿意的，可用于圖像的分類檢索。相似 度包括在形狀、結(jié)構(gòu)、統(tǒng)計、紋理、環(huán)境、高低大小等方面的相似程度。
7、 數(shù)字城市圖像庫由數(shù)字城市中所有物體的圖像所構(gòu)成的庫為數(shù)字 城市圖像庫，該庫可以根據(jù)物體的類型分為建筑圖像子庫、道路圖像子庫、 橋梁圖像子庫、植物圖像子庫、動物圖像子庫、水域圖像子庫、大氣圖像 子庫、地層圖像子庫。
8、 數(shù)字城市模型庫由數(shù)字城市中所有物體的三維模型構(gòu)成，并且它 的分類與數(shù)字城市圖像庫相對應(yīng)。模型中包含了物體三維上的所有特征信 息，包括形狀、顏色、紋理等等。
9、 數(shù)字高程模型(DEM)，也稱數(shù)字地形模型(DTM)，是一種對空間起伏 變化的連續(xù)表示方法。由于DTM隱含有地形景觀的意思，所以,常用DEM,以 單純表示高程。可以從網(wǎng)上下載30米精度的免費全球高程數(shù)據(jù)。
數(shù)字城市是綜合運用GIS、遙感、遙測、寬帶網(wǎng)絡(luò)、多媒體及虛擬仿真
等技術(shù)，對城市的基礎(chǔ)設(shè)施、功能機制進行信息自動采集、動態(tài)監(jiān)測管理和
輔助決策服務(wù)的技術(shù)系統(tǒng)；它具有城市地理、資源、生態(tài)環(huán)境、人口、經(jīng) 濟、社會等復(fù)雜系統(tǒng)的數(shù)字化、網(wǎng)絡(luò)化、虛擬仿真、優(yōu)化決策支持和可視 化表現(xiàn)等強大功能。數(shù)字城市為城市持續(xù)發(fā)展提供了重要的支撐工具。
可視化是實現(xiàn)數(shù)字城市與人交互的窗口和工具，沒有可視化技術(shù)，計 算機中的一堆數(shù)字是無任何意義的，數(shù)字城市的一個顯著特點是虛擬現(xiàn)實 技術(shù)。在建立了數(shù)字城市以后，用戶戴上顯示頭盔或者從計算機屏幕上或 者從大屏幕投影上，就可以看見城市從地球中出現(xiàn)，使用鼠標或鍵盤放大 數(shù)字圖像；隨著分辨率的不斷提高，用戶可以看見私人住房、商店、樹木 和其它天然和人造景觀，當用戶對商品感興趣時，可以進入商店內(nèi)，欣賞 商場內(nèi)的衣服，并可根據(jù)自己的體型，構(gòu)造自己試穿衣服的虛擬場景。
虛擬現(xiàn)實技術(shù)為人類觀察自然，欣賞景觀，了解實體提供了身臨其境 的感覺。最近幾年，虛擬現(xiàn)實技術(shù)發(fā)展4艮快，虛擬現(xiàn)實造型語言(VRML) 是一種面向Web、面向?qū)ο蟮娜S造型語言，而且它是一種解釋性語言。 它不僅支持數(shù)據(jù)和過程的三維表示，而且能使用戶走進視聽效果逼真的虛
的研究和人們的日常應(yīng)用。實際上，人造虛擬現(xiàn)實技術(shù)在攝影測量中早已 是成熟的技術(shù)，近幾年的數(shù)字攝影測量的發(fā)展，已經(jīng)能夠在計算機上建立 可供呈測的數(shù)字虛擬技術(shù)。當然，當前的技術(shù)是對同一實體拍攝照片，產(chǎn) 生視差，構(gòu)造立體模型，通常是當模型處理。進一步的發(fā)展是對整個地球 進行無縫拼接，任意漫游和放大，由三維數(shù)據(jù)通過人造視差的方法，構(gòu)造 虛擬立體。
現(xiàn)有的構(gòu)建數(shù)字城市的技術(shù)，如圖l、圖2、圖3所示，是三種常用的構(gòu) 建數(shù)字城市的辦法，與其它的方案相類似，只是建模和渲染的工具不同而 已。上述方案的共同特征是根據(jù)現(xiàn)場采集到的照片，進行手工三維建模， 并手工標定各物體在城市場景中的位置，然后將各物體的三維模型手工加
入到城市場景中的相應(yīng)位置。
現(xiàn)有技術(shù)各個方案中，需要帶著照相機對城市中的所有物體一一拍照、 一一手工建模，工作量非常之大，還需要將建好的模型一一手工標定并安 置到數(shù)字城市場景中的合適位置。這個過程要耗費大量的人力，包括采集 照片、手工建模、手工標定并安置模型，同時會耗費大量的財力，例如需 要很多照相機供釆集照片用，需要很多計算機供手工建模、手工標定并安 置模型用等，還會耗費大量的時間，例如建一個模型有時候就需要l天，一 個城市中有成千上萬的物體需要建模，例如深圳市數(shù)字城市以現(xiàn)有技術(shù)最 少需要3年的時間才能完成。
而目前隨著城市發(fā)展日新月異，官員想身臨其境地指揮應(yīng)急、查處違 章，居民想足不出戶地旅游，等等，這些只有在數(shù)字城市才能做到。但是 如果做一個數(shù)字城市需要花很長的時間，如利用現(xiàn)有的技術(shù)，數(shù)字深圳需
要3年時間，那么人們在數(shù)字城市中所見的一切都是3年前的，會給城市應(yīng)
急、違章監(jiān)測等帶來災(zāi)難性的后果。事實上，深圳的變化的確是日新月異， 每一天城市的面貌都會發(fā)生改變，所以除非至少在一天之內(nèi)將數(shù)字城市建 出來，否則繪制的數(shù)字城市無法真正代表和反映真實的城市，現(xiàn)有技術(shù)的 數(shù)字城市在實際應(yīng)用中無法真正發(fā)揮作用，不可能做到實時。 因此，現(xiàn)有技術(shù)還存有缺陷，而有待于改進和發(fā)展。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種數(shù)字城市全自動生成的方法，通過知識庫 的方式，實現(xiàn)數(shù)字城市的自動生成，以便能實時生成數(shù)字城市，為城市應(yīng) 急、違章監(jiān)測、交通指揮、數(shù)字生活等提供實時的支持。
本發(fā)明的技術(shù)方案包括
一種數(shù)字城市全自動生成的方法，其應(yīng)用于一通用計算機系統(tǒng)，包括 以下步驟
A、 獲取一預(yù)定區(qū)域地面的遙感影像，并通過陰影檢測算法，監(jiān)測出遙
感影像上所有物體的陰影長度；
B、 將所述遙感影像進行矢量化，獲取不同物體的形狀，并匹配所述陰 影的位置，獲取各物體的高度；
C、 采集該地域內(nèi)的各物體的圖像及相應(yīng)模型，形成知識庫；
D、 在圖像庫中根據(jù)圖像的特性在遙感影像中識別不同的物體；
E、 根據(jù)該地域內(nèi)物體的類型、底座形狀、頂座形狀、高度結(jié)合模型庫， 自動生成該地域物體的三維模型；
F、 根據(jù)相應(yīng)各物體的二維坐標位置，將該地域物體的三維模型鑲到具 有高程的遙感影像中。
所述的方法，其中，所述步驟F中的二維坐標位置根據(jù)數(shù)字高程模型和 遙感影像獲得。
所述的方法，其中，所述步驟D還包括
Dl、從遙感影像中提取各種類型的個體的有代表性的圖像，并且將這 些有代表性的圖像進行分類，抽取其共性，形成第一級特征圖像；
D2、在此級別中進行劃分出子類，并在各子類的所有圖像中分別抽取 共性，給各子類分別賦予一個特征圖像；
如此類推，直到其劃分基本上代表了該個體有代表性的各種類型為止。 所述的方法，其中，所述模型庫的分類結(jié)構(gòu)與所述圖像庫的分類結(jié)構(gòu) 一致，圖像庫中的一個圖像與模型庫中的一個模型相對應(yīng)。
所述的方法，、其中，所述模型庫中的模型是使用建模的工具建起來的 靜態(tài)模型。
所述的方法，其中，所述模型庫中的模型是使用參數(shù)描述的并在需要 時實時渲染的三維才莫型。
所述的方法，其中，在自動生成數(shù)字城市時先使用靜態(tài)模型，再逐漸 用修正后的動態(tài)模型替換掉先前的靜態(tài)模型。 所述的方法，其中，所述圖像庫與模型庫之間的映射關(guān)系，包括以下
步驟
D3、根據(jù)圖像庫對遙感影像中的物體進行抽取和識別；
D4、將抽取出來的物體與圖像庫中的相應(yīng)類別的子類進行相似度比
較，并檢索出圖像庫中與該物體相似度最大的圖像，并映射到模型庫中相
應(yīng)的模型；
D5、通過知識庫對遙感影像中的個體進行自動建模。 所述的方法，其中，所述步驟D5還包括
D51、根據(jù)圖像庫中的第一級特征圖像對遙感影像進行掃描，得到每 一個大類的物體的集合，判斷該物體與這些特征圖像之間的相似度； D52、從圖像庫中找出該物體所屬的最準確的分類。 所述的方法，其中，所述步驟D52包括
D521、將該物體圖像與其所屬分類的下一級分類的特征圖像比較，如 果該個體圖像與某一類的特征圖像相似度最高，則判斷該個體圖像屬于該
類；
D522、將該個體圖像與該類的下一級各特征圖像進行分別匹配，并算 出其相似度，找到相似度最大特征圖像所屬的類別，作為該物體圖像所屬 的類別；
如此類推，直到其相似度達到預(yù)期要求。
本發(fā)明所提供的一種數(shù)字城市全自動生成的方法，能夠全自動地實時 生成大范圍的數(shù)字城市，滿足了對時效性要求高的城市應(yīng)用；并且只需要 遙感影像、DEM作為基本的數(shù)據(jù)即可，成本非常低，滿足了在全國乃至全 世界推廣數(shù)字城市，并使之在政府、商業(yè)、生活等中得到應(yīng)用成為可能。


圖l為現(xiàn)有技術(shù)的數(shù)字城市生成技術(shù)示意圖2為現(xiàn)有技術(shù)的另一種數(shù)字城市生成技術(shù)示意圖3為現(xiàn)有技術(shù)的再一種數(shù)字城市生成技術(shù)示意圖4為本發(fā)明的數(shù)字城市全自動生成的方法中建庫流程示意圖;
圖5為本發(fā)明方法的自動生成數(shù)字城市過程示意圖6為本發(fā)明方法的圖像庫的示意圖7為本發(fā)明方法的識別規(guī)則庫示意圖8為本發(fā)明方法的才莫型庫示意圖9為本發(fā)明方法中圖像庫與模型庫之間的映射關(guān)系的示意圖； 圖10為本發(fā)明方法一實施例的遙感影像圖； 圖11為本發(fā)明方法才艮據(jù)圖10處理后的陰影示意圖； 圖12為本發(fā)明方法的所繪制數(shù)字城市的效果示意圖。
具體實施例方式
以下結(jié)合附圖，將對本發(fā)明的各較佳實施例進行更為詳細的說明。 本發(fā)明的數(shù)字城市全自動生成的方法，其利用了遙感影像，具體在一 通用計算機包括以下步驟
第1步、通過陰影監(jiān)測算法，監(jiān)測出遙感影像上所有陰影的長度，關(guān)于 陰影長度的計算是現(xiàn)有技術(shù)所公知的；
第2步、將城市的遙感影像進行矢量化，從而獲取不同城市物體的形 狀；并將物體的位置與陰影的位置進行匹配，從而獲取物體的高度；關(guān)于 矢量化的計算過程也是現(xiàn)有技術(shù)所公知的，因此，不再贅述；
第3步、采集城市中各種建筑、車輛等的圖像及其相應(yīng)模型，放入知 識庫，如圖4所示，首先分析遙感影像中的城市數(shù)據(jù)，將城市中的個體分類， 例如車輛、樓房等，并從遙感影像中抽取個人的特征圖像，自動加入圖像 庫，根據(jù)個體特征圖像，經(jīng)過人眼的識別判斷加上實地采集該個體的三維 信息，然后建模并加入模型庫；
第4步、根據(jù)圖像庫中不同物體的圖像的特性在遙感影像中識別不同的
物體，從而獲取不同城市物體的類型及其頂座形狀；該過程中根據(jù)圖像庫
中每一類物體的二級特征圖像對遙感影像中的該類物體進行匹配，從而識
別各物體屬于哪一子類；如此類推，知道識別的效果達到了要求，從而獲 取影像中所有城市物體的具體類型；
第5步、根據(jù)城市物體的不同類型、底座形狀、頂座形狀、高度結(jié)合模 型庫，自動生成城市物體的三維模型；
第6步、根據(jù)DEM和遙感影像獲取數(shù)字城市的地貌及其地形的高低起
伏；
第7步、將這些上述城市物體的三維^t型，根據(jù)它們二維坐標的位置鑲 到具有高程的遙感影像中，到這一步就已經(jīng)自動生成了數(shù)字城市。
上述自動生成的整個過程如圖5所示的，以下詳細介紹本發(fā)明自動生成 數(shù)字城市的幾個關(guān)鍵步驟
第一步自動建立城市物體的三維模型；
在進行數(shù)字城市的自動生成之前，本發(fā)明方法需要首先建立識別規(guī)則 庫、圖像庫、模型庫，如圖6、圖7和圖8所示，在圖7所示的識別規(guī)則庫中 的規(guī)則按照不同方面的匹配進行劃分，如形狀相似度和差異的檢測規(guī)則、 結(jié)構(gòu)相似度和差異的檢測規(guī)則、統(tǒng)計相似度和差異的檢測規(guī)則、顏色相似 度和差異的檢測規(guī)則、灰度相似度和差異的檢測規(guī)則、紋理相似度和差異 的檢測規(guī)則、所處環(huán)境相似度和差異的檢測規(guī)則等等。
在圖6所示所述圖像庫中的圖像采樣自遙感影像，具體為從遙感影像 中提取各種類型的個體的有代表性的圖像，并且將這些有代表性的圖像進 行分類，抽取共性，第一級特征圖像；然后再在此級別進行劃分出子類， 并在子類的所有圖像中抽取共性，給該子類賦予一個特征圖像，如此類推， 直到其劃分基本上代表了該個體有代表性的各種類型為止。
本發(fā)明方法中如圖8所示模型庫的分類結(jié)構(gòu)與圖像庫的分類結(jié)構(gòu)基本
一致，圖像庫中的一個圖像基本上與模型庫中的一個模型相對應(yīng)，但模型 庫中的模型可以是使用建模的工具建起來的靜態(tài)模型，也可以是使用參數(shù) 描述的可以在需要時實時渲染的三維模型。動態(tài)模型比靜態(tài)模型更容易修 正，使用靜態(tài)模型比使用動態(tài)模型更實時，但表達的真實性沒有經(jīng)過修正 后的動態(tài)模型好。所以本發(fā)明方法可以在自動生成數(shù)字城市時先使用靜態(tài) 模型，再逐漸用修正后的動態(tài)模型替換掉先前的靜態(tài)模型。
如圖9所示為本發(fā)明方法的圖像庫與模型庫之間的映射關(guān)系，先根據(jù)圖 像庫對遙感影像中的物體進行抽取和識別，然后將抽取出來的物體與圖像 庫中的相應(yīng)類別的子類進行相似度比較，并4企索出圖像庫中與該物體相似 度最大的圖像，并映射到模型庫中相應(yīng)的模型。通過知識庫對遙感影像中
的個體進行自動建模的過程如下根據(jù)圖像庫中的第 一級特征圖像對遙感 影像進行掃描，得到每一個大類的物體的集合。例如第一級分類有建筑的 特征圖像、橋梁的特征圖像、廣場的特征圖像、花草樹木的特征圖像、水 的特征圖像等等。判斷該物體與這些特征圖像之間的相似度。
該相似度包括形狀的相似度、結(jié)構(gòu)的相似度、統(tǒng)計的相似度、顏色 的相似度、灰度的相似度、紋理的相似度、所處環(huán)境的相似度等等?？梢?相似度有很多分量，本發(fā)明通過對個體的初始分析來決定采用哪些相似度， 并在判斷該個體與圖像庫中圖像的相似度時給不同類型的相似度賦予不同 的權(quán)值，然后在判別最終相似度時采用加權(quán)的方法。
本發(fā)明方法從遙感影像中提取出某一個物體之后，從圖像庫中找出該 物體所屬的最準確的分類(如建筑/高建筑/寫字樓)，其方法是首先將 該物體圖像與其所屬分類的下一級分類的特征圖像比較，如果該個體圖像 與X類的特征圖像相似度最高，那么便可以判斷該個體圖像屬于X類；再將 該個體圖像與X類的下一級各特征圖像進行分別匹配，并算出其相似度， 找到相似度最大特征圖像所屬的類別(假設(shè)為Y)的作為該物體圖像所屬 的類別，然后可以繼續(xù)與Y的下一級特征圖像進行比較，如此類推，直到
其相似度達到預(yù)期要求。
如本發(fā)明方法根據(jù)需要規(guī)定對于建筑來說相似度達到80%即可。那
么其最終匹配并相似度最大的子類的特征圖像是該個體圖像的孿生圖像， 該孿生圖像通過圖像庫與模型庫之間的映射規(guī)則，就可以得到該孿生圖像 所對應(yīng)的孿生三維模型。該三維模型中蘊含了大量的人的先驗知識，以及 從自然界與數(shù)字城市之間蘊含的大量的模糊的難以表達但實際存在的大量 知識，這些知識都是通過建立圖像庫和模型庫以及它們之間的映射關(guān)系時 隱含進去的。
以前述建筑的例子來說，如果該個體與它在圖像庫中的孿生圖像的相
似度達到80%,本發(fā)明方法還可以判斷出它們的20%差在哪里，根據(jù)這20% 的差異，并將該差異分解到形狀的差異、結(jié)構(gòu)的差異、統(tǒng)計的差異、顏色 的差異、灰度的差異、紋理的差異、所處環(huán)境的差異等等。而這些二維圖 像上的差異將會與三維模型上的差異有一個映射規(guī)則，根據(jù)該規(guī)則，本發(fā) 明方法就可以對該個體的孿生模型進行修正，最終得到比較理想的該個體
的逼真模型。
第二步自動生成城市物體的高度
本發(fā)明方法根據(jù)遙感影像中的陰影，算出各陰影的長度，再將各陰 影與各物體的位置進行配準，便可以得到各個物體的高度。遙感影像如圖
IO所示，本發(fā)明方法檢測出來的陰影圖如圖1 l所示。
第三步自動將物體植入城市的遙感影像(地貌)中 將遙感影像中的物體模型重新植入遙感影像的過程如下從遙感影像 中提取個體的時候，本發(fā)明方法就已經(jīng)在程序中記下了該個體的二維坐標， 以及該個體的不同的邊的方位。根據(jù)該個體圖像在遙感影像中的坐標和方 位，本發(fā)明方法就可以將其通過上一步自動生成的逼真^^型以正確的朝向、 角度、位置植入遙感影像中，從而可以自動的重現(xiàn)城市中各種物體形象。 第四步本發(fā)明方法將遙感影像覆蓋到數(shù)字高程模型DEM上，使得遙
感影像根據(jù)DEM的數(shù)據(jù)而有所起伏，同時遙感影像上所有個體的三維模型
也同樣隨之起伏，從而這是模擬一個城市的實際地理形狀。
經(jīng)過以上幾步就完全實現(xiàn)了從單一遙感影像和相應(yīng)的高程圖自動生成
三維數(shù)字城市，本發(fā)明方法通過遙感影像圖10生成的數(shù)字城市形象如圖12 所示，可以看到，本發(fā)明方法能夠全自動地實時生成大范圍的數(shù)字城市， 滿足對時效性要求高的城市應(yīng)用；并且只需要遙感影像、DEM作為基本的 數(shù)據(jù)即可，成本非常低，滿足了在全國乃至全世界推廣數(shù)字城市并使之在 政府、商業(yè)、生活等中得到應(yīng)用成為可能。
本發(fā)明方法可以為城市應(yīng)急指揮系統(tǒng)服務(wù)，融合各種遙感數(shù)據(jù)自動實 時地生成數(shù)字城市，以實時數(shù)字城市的布局、地形、道路等信息為基礎(chǔ)， 并結(jié)合氣象觀測數(shù)據(jù)(風溫資料)模擬城市風場，從而可以動態(tài)模擬大氣污染 擴散等突發(fā)事件的發(fā)展趨勢，并可以實時動態(tài)逼真地顯示給城市指揮者， 提供決策參考。
利用本發(fā)明方法可以為城市違章建筑監(jiān)測服務(wù)，通過融合各種遙感數(shù) 據(jù)自動實時地生成數(shù)字城市，通過比較數(shù)字城市中的建筑與規(guī)劃數(shù)據(jù)，就
可以將不同的違章建筑準確地找到并顯示給城市規(guī)劃管理者。
利用本發(fā)明方法還可以用于很多其他方面，例如居民可不出家門享受 虛擬商場，虛擬醫(yī)院、虛擬戲院及虛擬旅游等方面的服務(wù)；城市應(yīng)急救突 指揮人員不出指揮所就能看到最佳的救援路線和現(xiàn)場情況；警察不用出警 察局就能馬上定位到犯罪分子的所在位置，監(jiān)視犯罪分子的一舉一動，并 能立即確定最佳的抓捕路線；規(guī)劃部門不用實地考察，就能看見所有的用 地和住房，從而做出最合理的決策；交通管理部門不用站在馬路上就能看 到所有道路的交通狀況，從而做出最合理的調(diào)度。
須說明的是，本發(fā)明方法還可以采用其他辦法生成物體的高度、檢測 物體的類型、生成高程等，并且除了遙感影像，還可以使用照片、微波遙 感、無線傳感器等獲得數(shù)據(jù)。
應(yīng)當理解的是，上述針對本發(fā)明具體實施例的描述較為具體，并不能 因此而理解為對本發(fā)明專利保護范圍的限制，本發(fā)明的專利保護范圍應(yīng)以 所附權(quán)利要求為準。
權(quán)利要求
1、一種數(shù)字城市全自動生成的方法，其應(yīng)用于一通用計算機系統(tǒng)，包括以下步驟A、獲取一預(yù)定區(qū)域地面的遙感影像，并通過陰影檢測算法，監(jiān)測出遙感影像上所有物體的陰影長度；B、將所述遙感影像進行矢量化，獲取不同物體的形狀，并匹配所述陰影的位置，獲取各物體的高度；C、采集該地域內(nèi)的各物體的圖像及相應(yīng)模型，形成知識庫；D、在圖像庫中根據(jù)圖像的特性在遙感影像中識別不同的物體；E、根據(jù)該地域內(nèi)物體的類型、底座形狀、頂座形狀、高度結(jié)合模型庫，自動生成該地域物體的三維模型；F、根據(jù)相應(yīng)各物體的二維坐標位置，將該地域物體的三維模型鑲到具有高程的遙感影像中。
2、 根據(jù)權(quán)利要求l所述的方法，其特征在于，所述步驟F中的二維坐標 位置根據(jù)數(shù)字高程模型和遙感影像獲得。
3、 根據(jù)權(quán)利要求l所述的方法，其特征在于，所述步驟D還包括Dl、從遙感影像中提取各種類型的個體的有代表性的圖像，并且將這 些有代表性的圖像進行分類，抽取其共性，形成第一級特征圖像；D2、在此級別中進行劃分出子類，并在各子類的所有圖像中分別抽取 共性，給各子類分別賦予一個特征圖像； 如此類推，直到其劃分基本上代表了該個體有代表性的各種類型為止。
4、 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述模型庫的分類結(jié)構(gòu)與 所述圖像庫的分類結(jié)構(gòu)一致，圖像庫中的 一個圖像與模型庫中的一個模型 相對應(yīng)。
5、 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述模型庫中的模型是使 用建模的工具建起來的靜態(tài)模型。
6、 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述模型庫中的模型是使 用參數(shù)描述的并在需要時實時渲染的三維模型。
7、 根據(jù)權(quán)利要求5或6所述的方法，其特征在于，在自動生成數(shù)字城市 時先使用靜態(tài)模型，再逐漸用修正后的動態(tài)模型替換掉先前的靜態(tài)模型。
8、 根據(jù)權(quán)利要求l所述的方法，其特征在于，所述圖像庫與模型庫之間 的映射關(guān)系，包括以下步驟D3、根據(jù)圖像庫對遙感影像中的物體進行抽取和識別；D4、將抽取出來的物體與圖像庫中的相應(yīng)類別的子類進行相似度比較，并檢索出圖像庫中與該物體相似度最大的圖像，并映射到模型庫中相應(yīng)的模型； D5、通過知識庫對遙感影像中的個體進行自動建模。
9、 根據(jù)權(quán)利要求8所述的方法，其特征在于，所述步驟D5還包括 D51、根據(jù)圖像庫中的第一級特征圖像對遙感影像進行掃描，得到每一個大類的物體的集合，判斷該物體與這些特征圖像之間的相似度；D52、從圖像庫中找出該物體所屬的最準確的分類。
10、 根據(jù)權(quán)利要求9所述的方法，其特征在于，所述步驟D52包括 D521、將該物體圖像與其所屬分類的下一級分類的特征圖像比較，如果該個體圖像與某一類的特征圖像相似度最高，則判斷該個體 圖像屬于該類； D522、將該個體圖像與該類的下一級各特征圖像進行分別匹配，并 算出其相似度，找到相似度最大特征圖像所屬的類別，作為該物體圖像所屬的類別；如此類推，直到其相似度達到預(yù)期要求。
全文摘要
本發(fā)明公開了一種數(shù)字城市全自動生成的方法，其應(yīng)用于一通用計算機系統(tǒng)，包括以下步驟獲取一預(yù)定區(qū)域地面的遙感影像，并通過陰影檢測算法，監(jiān)測出遙感影像上所有物體的陰影長度；將所述遙感影像進行矢量化，獲取不同物體的形狀，并匹配所述陰影的位置，獲取各物體的高度；在圖像庫中根據(jù)圖像的特性在遙感影像中識別不同的物體；根據(jù)該地域內(nèi)物體的類型、底座形狀、頂座的形狀、高度結(jié)合模型庫，自動生成該地域物體的三維模型。本發(fā)明方法能夠全自動地實時生成大范圍的數(shù)字城市，滿足了對時效性要求高的城市應(yīng)用；并且只需要遙感影像、DEM作為基本的數(shù)據(jù)即可，成本非常低，使之在政府、商業(yè)、生活等中得到應(yīng)用成為可能。
文檔編號G06T15/00GK101114385SQ20071007568
公開日2008年1月30日 申請日期2007年8月7日 優(yōu)先權(quán)日2007年8月7日
發(fā)明者朱定局, 樊建平 申請人:深圳先進技術(shù)研究院