论文部分内容阅读
相对于我国古代先进的建筑技术成就,我国在古建信息化方面还比较落后,急需利用现代信息技术对古建保护和开发进行探索和研究。本研究以国家自然科学基金项目“文物三维模型的语义标注与本体检索技术研究”项目(60873094)和国家863项目“三维模型智能处理与检索平台”(2008AA01Z301)为背景,针对获取古建筑资料的人工测量、激光扫描和二维影像三大方式,研究了工程结构3D模型、点云数据3D模型和二维影像形成3D模型重建的关键技术,取得了一定的成果,论文主要研究进展如下:1.提出并建立古建筑常用3D构件库框架体系。针对古建筑工程结构3D模型重建直接绘图作业量巨大且重复工作多的问题,通过研究古建筑形制化集成的特点,提出了以斗口模数十一等材(一营造寸)为基础模数,建立一个通用性较强的古建筑常用3D构件库框架体系。并在此基础上,开发了构件库可视化应用接口。为配合构件组合后的复杂建筑结构的显示速度,研究了构件库模型的不同形式,为古建筑三维工程模型的快速重建奠定了基础。2.提出了一种参数化的古建筑工程结构3D模型重建方法。该方法以古建筑测绘图纸为出发点,研究了古建筑图纸中的实体元素语义,尺寸标注语义,图样信息的隐含语义的描述方法,获得相关参数,并以此参数调用三维构件库中的三维构件,从而实现古建筑三维工程模型的快速重建。该方法建立了工程级别的精细矢量三维模型,完整重建了古建筑的外形和内部工程结构关系,为古建筑的重建、修复提供了新的技术手段。并以典型单檐庑殿顶建筑的三维重建为例,很好地验证了该方法。3.提出了基于聚类平面特征的点云数据精简算法。针对大型古建筑的点云数据包括大量冗余数据,难以直接用于三维重建。研究发现,建筑物垂直地面,在高度方向上的截面的点云数据,一定位于该平面内建筑物的轮廓线上。基于此原理,该算法不需要先对扫描对象进行表面重构,而是在保持建筑物高度方向数据精度的前提下,对数据分层聚类分析,将满足条件的特征点保留下来,删除其余的点,实现整个建筑点云数据的简化。实例证明该算法根据不同建筑外形特征,可以达到70%-90%以上的精简比率。大大提高了大型古建筑点云数据三维重建的效率。并在小雁塔点云重建中应用,具有良好的建模效果。4.提出基于基本体素的投影反求三维坐标的重建算法。该算法在单幅二维影像3D模型重建过程中,通过几何体素灭点透视原理恢复三维体素特征点坐标。同时,根据古建筑的特点,对该算法进行了进一步改进,给出了体素标定重建方法。首先利用投影反求算法获取基本体素特征点三维坐标,再根据这些特征点坐标,导出投影矩阵,对摄像机进行标定,从而实现建筑物二维影像到三维模型的重建。小雁塔古建筑群白衣阁的建模实践表明,该算法是有效的。