一種復雜三維建筑物模型的粒度均衡數據組織方法
【專利摘要】本發(fā)明公開了一種復雜三維建筑物模型的粒度均衡數據組織方法,打開三維城市建筑物數據模型文件，獲取三維城市建筑物數據模型的幾何數據和紋理數據；基于語義分類信息解析模型各種類型的部件，實現對三維城市建筑物數據模型中部件語義信息的提取。以幾何數據和紋理數據在內存中所占的存儲空間代表數據量?；诓考恼Z義、幾何和紋理進行部件組織粒度的計算。采用自上而下建立R樹索引的方法實現對三維建筑物模型數據的組織，規(guī)定葉節(jié)點的組織粒度范圍以保證葉節(jié)點的均衡性，面向三維建筑物模型的粒度均衡的R樹索引構建完畢。從粒度均衡的角度出發(fā)，基于部件的語義對節(jié)點中的數據量進行調整和控制，從而實現數據組織粒度均衡的目標。
【專利說明】
-種復雜H維建筑物模型的粒度均衡數據組織方法
技術領域
[0001] 本發(fā)明屬于地理空間信息系統(tǒng)技術領域，具體為一種復雜=維建筑物模型的粒度 均衡數據組織方法。
【背景技術】
[0002] 在=維數字城市建設中，隨著=維模型數據量的幾何級數增長，海量數據組織與 管理方法已經成為研究熱點。大規(guī)模的=維場景數據內容兼具復雜性和海量性兩個特點， 主要表現在=維模型不同的精細程度、=維對象的種類和數量繁多W及它們在=維場景中 的隨機分布、離散和聚集程度在空間上不均衡等方面。=維模型數據的空間分布、空間關系 W及幾何形態(tài)間的各種差異，使得大規(guī)模=維模型數據的高效組織和管理成為地理信息系 統(tǒng)領域亟待解決的熱點問題。
[0003] 目前=維模型數據的組織方法可W分為完整場景的空間結構組織和模型對象的 內部組織兩個部分。空間結構組織是指將整個場景空間劃分為多個數據分塊，通過數據塊 之間的邏輯關系形成場景的組織層次，減少場景組織結構的遍歷代價，從而快速尋找到當 前視點下的可視化數據塊;模型對象的內部組織結構是指構成該模型對象或節(jié)點的數據組 織形式，例如幾何點、幾何面W及紋理的坐標值等?，F有的很多方法，在組織模型對象的內 部結構時，多W對象的外包圍盒為基礎建立空間索引組織，對象的紋理則W圖片形式單獨 存儲，作為對象集合信息的材質屬性進行繪制表達，在完成對幾何數據的加載與解析后才 能提取相應的材質和紋理信息，不能實現幾何與紋理的統(tǒng)一;或者沒有考慮對象的語義W 及對象之間的復雜性差異，在剖分=維空間時，將具有完整語義的對象切割并分開存儲，為 =維模型的調度和繪制帶來了困難。綜上所述，進行大規(guī)模=維模型數據的組織時，需要確 定適合=維模型數據的組織和管理的基本粒度單元，保證對象的語義的完整性，選擇最適 合該模型的空間索引進行數據組織，實現幾何與紋理的統(tǒng)一管理和調度，滿足對大規(guī)模= 維數據模型的應用和分析。
[0004] 現有的=維數據模型的組織方法是通過對=維空間剖分實現的，雖然在大范圍視 場中保持了空間范圍上的均勻性，但是分割得到的節(jié)點中包含的數據量卻可能存在極大的 不平衡性。鑒于此，構建一種基于粒度均衡的=維數據模型的組織方法成為解決大規(guī)模= 維數據組織和管理的關鍵所在。本發(fā)明首先基于語義分類信息解析模型的部件，統(tǒng)一考慮 幾何和紋理的存儲數據量，根據權重計算部件的組織粒度，最后構建顧及空間鄰近性的= 維財對，并通過語義約束對=維財對節(jié)點中的部件進行調整從而實現粒度均衡的組織結構。
[0005] 目前，常用的S維數據的組織方法主要有W下兩種： (1)基于財對索引的S維數據組織方法 該方法基于財對分割方法對=維空間進行劃分，將劃分結果插入財對形成層次結構來組 織=維數據。運種方法的優(yōu)點是能夠根據目標數據自動調整索引結構，適應空間數據分布 的特點，但是財對索引建立時節(jié)點重疊現象嚴重，兄弟節(jié)點之間粒度不均衡現象十分突出， 使得財對集成多細節(jié)層次模型的實用性很差，不能滿足可視化精度要求。該方法在下列文獻 中均有論述：GuttmanA.R-Tree: A Dynamic Index Structure for Spatial Searchin邑. ACM SIGMOD, Massachusetts, 1984. Beckmann N. Hie R*-Tree: An Efficient and Robust Access Method for F*oints and Rectangles. ACM SIGMOD, Atlantic, 1990. 薬俊，朱慶，章漢武，等.基于R樹索引的=維場景細節(jié)層次自適應控制方法.測繪學報， 2011. (2)基于八叉樹索引的數據組織 該方法W八叉樹為基礎，對空間進行均勻分割得到索引實現對數據的組織。八叉樹具 有快速收斂的能力，算法實現相對簡單，但當數據量巨大時，空間劃分的最小粒度確定比較 困難，劃分粒度過大或過小都會導致數據組織效率降低。而且其等分的劃分依據，使得數據 重屯、有所偏斜，兄弟節(jié)點之間粒度不均衡導致分支結構的深度不同。該方法在下列文獻中 均有論述：馬曉晨，孔小利.基于深度八叉樹的=維數據場LOD可視化.計算機應用，2010. 黃森，張海超，李超，等.基于深度八叉樹空間分割的k近鄰捜索算法.計算機應用，2008. W上兩種的數據組織方法在=維空間剖分中應用廣泛，剖分結果在空間范圍上保持了 均勻性，但是卻沒有考慮到節(jié)點數據量均衡性的問題。有些學者也在均衡性問題上做了相 應的研究，比如通過建立多級混合索引、動態(tài)構建索引樹等方法來控制均衡性。

【發(fā)明內容】

[0006] 本發(fā)明的目的在于提供一種從粒度均衡的角度出發(fā)，基于部件的語義對節(jié)點中的 數據量進行調整和控制，從而實現數據組織粒度均衡的目標，針對=維建筑物模型數據組 織難W實現粒度均衡的問題，基于=維建筑物模型數據量巨大、幾何和紋理復雜多樣、個體 間差異大的特點，提出了一種面向=位建筑物模型的粒度均衡數據組織方法W解決上述背 景技術中提出的問題。
[0007] 為實現上述目的，本發(fā)明提供如下技術方案:一種復雜=維建筑物模型的粒度均 衡數據組織方法，包括W下步驟： 步驟1，打開=維城市建筑物數據模型文件，獲取=維城市建筑物數據模型的幾何數據 和紋理數據； 步驟2,基于語義分類信息解析模型各種類型的部件，實現對=維城市建筑物數據模型 中部件語義信息的提??； 步驟3, W幾何數據和紋理數據在內存中所占的存儲空間代表數據量，采用幾何數據與 紋理數據自動配準算法統(tǒng)一部件的幾何數據與紋理數據，分別計算部件的幾何數據量g和 紋理數據量P; 步驟4,基于部件的語義、幾何和紋理進行部件組織粒度的計算； 步驟5,采用自上而下建立財對索引的方法實現對=維建筑物模型數據的組織，規(guī)定葉 節(jié)點的組織粒度范圍W保證葉節(jié)點的均衡性，基于部件的語義對不符合范圍要求的葉節(jié)點 中的部件進行調整，所有部件都聚集成為葉節(jié)點后，把最終生成的符合組織粒度的葉節(jié)點 插如R樹； 步驟6,面向=維建筑物模型的粒度均衡的R樹索引構建完畢，退出算法。
[0008] 優(yōu)選的，步驟3中幾何數據包括點數據和面數據。
[0009] 優(yōu)選的，步驟3中紋理數據W圖片格式進行存儲，在內存中所占的存儲空間與圖片 大小和像素有關。
[0010] 優(yōu)選的，步驟3中部件的幾何數據量g和紋理數據量P的計算方法包括W下步驟： 步驟3.1，采用幾何數據與紋理數據自動配準算法，在=角網格模型的基礎上，根據每 個=角面片的=個頂點所對應的紋理值，利用坐標重屯、加權的方法實現=角面片紋理的配 準與顯示； 步驟3.2，計算部件的幾何數據量，=維模型的幾何數據包括點數據(x，y，z，u，v)和面 數據(pi，p2,p3)，其中x、y和Z為點的S維坐標，U和V是點的紋理坐標，每個值在內存中占兩 個字節(jié)，則部件點數據的幾何數據量
S維模型的S角面片是 由點按一定順序構成的，為了避免數據冗余，面數據用pl、p2和p3 =個點索引來表示，每個 索引在內存中占8個字節(jié)，則面數據的幾何數據J
幾何數據 占
步驟3.3,計算部件的紋理數據量。紋理數據一般是W圖片格式進行存儲，在內存中所占的 存儲空間與圖片大小和像素有關，紋理數據量
[0011] 優(yōu)選的，步驟4中部件組織粒度的具體計算步驟如下： 步驟4.1，W幾何數據和紋理數據在內存中所占存儲空間為基準，計算基于繪制壓力情 況下幾何數據和紋理數據對部件組織粒度的貢獻比重。幾何數據在計算組織粒度時的貢獻
比重.一.......... ,..... 步驟4.2,步驟2中將空間部件劃分為普通對象和連接對象兩種，普通對象是構成=維 建筑物模型的基本部件，相對連接對象來說比較重要，假設V是體現部件重要性定量值，設 定普通對象的V值為1.2,連接對象的V值為1，則定義部件組織粒度G的計算公式為：
[0012] 優(yōu)選的，步驟5中自上而下建立財對索引的方法包括W下步驟： 步驟5.1，設葉節(jié)點的組織粒度取值范圍為[Imin，Imax]; 步驟5.2,計算部件的最小包圍盒隨機選取一個部件作為節(jié)點的聚集中屯、； 步驟5.2，利用公；1^
算聚集中 屯、MBB的幾何中屯、到各部件MBB的幾何中屯、的歐氏距離，將計算得到的距離值按按由小到大 的順序存儲為順序鏈表，選取距離值最小的部件與聚集中屯、進行聚集形成節(jié)點； 步驟5.3,將節(jié)點中部件的組織粒度Gnew ^ G+G進行加總作為節(jié)點的組織粒度，判斷節(jié)點 的組織粒度是否在[IminJmax]范圍內，如果小于Imin,則計算節(jié)點的MBB并作為新的聚類中屯、 執(zhí)行步驟5.2 ;如果大于Imax范圍，則將新加入的部件從順序鏈表中剔除，執(zhí)行步驟5.2 ;如果 組織粒度在[IminJmax]范圍內，則將節(jié)點W葉節(jié)點的方式插入財對索引； 步驟5.4，判斷是否有未加入葉節(jié)點的部件，如果有，在未加入節(jié)點的部件中隨機選取 一個部件作為聚集中屯、NcentDr，執(zhí)行步驟5.2至步驟5.3 ;如果沒有，則執(zhí)行步驟6 與現有技術相比，本發(fā)明的有益效果是:本發(fā)明目的在于針對=維建筑物模型數據組 織難W實現粒度均衡的問題，基于=維建筑物模型數據量巨大、幾何和紋理復雜多樣、個體 間差異大的特點，從粒度均衡的角度出發(fā)，基于部件的語義對節(jié)點中的數據量進行調整和 控制，從而實現數據組織粒度均衡的目標。
【附圖說明】
[0013] 圖1為本發(fā)明的總體流程圖； 圖2為=維建筑物模型數據的空間劃分示意圖； 圖3為=維數據模型幾何紋理組織關系圖； 圖4為基于語義的R樹索引粒度組織流程圖； 圖5為R樹索引結構圖。
【具體實施方式】
[0014] 下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0015] 請參閱圖1，圖2,本發(fā)明提供一種技術方案:本發(fā)明的=維建筑物模型數據粒度均 衡數據組織方法原理是在計算各部件組織粒度的基礎上，設定財對葉節(jié)點的組織粒度范圍， 將部件進行聚集形成葉節(jié)點，基于部件語義調整葉節(jié)點中的部件并插入R樹形成力度均衡 的索引樹。
[0016] 本發(fā)明實施的實現過程采用計算機實現自動化處理，包括W下步驟， 步驟1，打開=維城市建筑物數據模型文件，獲取=維城市建筑物數據模型的幾何數據 和紋理數據。為了提高大規(guī)模=維建筑物模型的讀取和繪制效率，分別將組成模型的幾何 數據和紋理數據分開存儲和組織，需要分別獲取運兩個文件數據。
[0017] 步驟2,基于語義分類信息解析模型各種類型的部件，實現對=維城市建筑物數據 模型中部件語義信息的提取。參見圖2,本發(fā)明將=維城市建筑物數據模型中的部件分為普 通對象和連接對象兩種類型，其中普通部件包括走廊、房間、大廳和柱子四種類型，連接部 件包括口、窗、樓梯、電梯、自動扶梯、消防樓梯W及大口等屯種類型。
[0018] 步驟3, W幾何數據和紋理數據在內存中所占的存儲空間代表數據量，統(tǒng)一部件的 幾何與紋理數據，分別計算部件的幾何數據量g和紋理數據量P。=維城市建筑物模型的構 建需要幾何和紋理兩方面的數據信息，圖3展示了=維數據模型的幾何和紋理的組織關系。 具體的步驟如下： 步驟3.1，采用幾何數據與紋理數據自動配準算法，在=角網格模型的基礎上，根據每 個=角面片的=個頂點所對應的紋理值，利用坐標重屯、加權的方法實現=角面片紋理的配 準與顯示。
[0019] 步驟3.2,計算部件的幾何數據量。=維模型的幾何數據包括點數據(x，y，z，u，v) 和面數據(pi，p2，p3)。其中X、y和Z為點的=維坐標，U和V是點的紋理坐標，每個值在內存中 占兩個字節(jié)，則部件點數據的幾何數據量
維模型的S角面 片是由點按一定順序構成的，為了避免數據冗余，面數據用pl、p2和p3S個點索引來表示， 每個索引在內存中占8個字節(jié)，則面數據的幾何數據量，
幾何 數據量
[0020] 步驟3.3,計算部件的紋理數據量。紋理數據一般是W圖片格式進行存儲，在內存中所占 的存儲空間與圖片大小和像素有關。紋理數據量P -談懇經薪蠢綾電1：變麗耗袁襄中雄fre/繁f嶺。
[0021] 步驟4,基于部件的語義、幾何和紋理進行部件組織粒度的計算。構成部件的幾何 數據和紋理數據由于存儲方式和位置的不同對繪制顯示產生的壓力也有所不同，同時不同 類型部件在=維建筑物模型中的重要性也是不同的，因此部件的組織粒度不僅要考慮兩種 數據的數據量情況，還要兼顧幾何紋理數據繪制顯示時產生的壓力W及部件在=維模型中 的重要性，充分保證粒度劃分結果的均衡性。部件組織粒度的具體計算步驟如下： 步驟4.1，W幾何數據和紋理數據在內存中所占存儲空間為基準，計算基于繪制壓力情 況下幾何數據和紋理數據對部件組織粒度的貢獻比重。幾何數據在計算組織粒度時的貢獻 比重^
[0022] 步驟4.2,步驟2中將空間部件劃分為普通對象和連接對象兩種，普通對象是構成 =維建筑物模型的基本部件，相對連接對象來說比較重要。假設V是體現部件重要性定量 值，設定普通對象的V值為1.2,連接對象的V值為1。則定義部件組織粒度G的計算公式為： LUU"」巧Wb,
本友明乂用目上而下建立R樹索引的方法實現對=維建筑物模型數據的組 織，圖5展示了財對結構。在葉節(jié)點的生成過程中，為了保證葉節(jié)點的均衡性，規(guī)定葉節(jié)點的 組織粒度范圍，基于部件的語義對不符合范圍要求的葉節(jié)點中的部件進行調整。圖4為基于 語義的財對索引粒度組織流程圖。具體步驟如下： 步驟5.1，設葉節(jié)點的組織粒度取值范圍為[Imin，Imax]。
[0024] 步驟5.2,計算部件的最,小包圍盒(Minumum Bounding Box,MBB)，隨機選取一個 部件作為節(jié)點的聚集中屯、。
[0025] 步驟5.2,利用公式
嘴聚 集中屯、MBB的幾何中屯、到各部件MBB的幾何中屯、的歐氏距離，將計算得到的距離值按按由小 到大的順序存儲為順序鏈表，選取距離值最小的部件與聚集中屯、進行聚集形成節(jié)點。
[0026] 步驟5.3,將節(jié)點中部件的組織粒度Gnew ^ G+G進行加總作為節(jié)點的組織粒度，判斷 節(jié)點的組織粒度是否在[Imin，I"ax]范圍內。如果小于Imin,則計算節(jié)點的MBB并作為新的聚類 中屯、執(zhí)行步驟5.2 ;如果大于Imax范圍，則將新加入的部件從順序鏈表中剔除，執(zhí)行步驟5.2 ; 如果組織粒度在[Imin，Imax]范圍內，則將節(jié)點W葉節(jié)點的方式插入R樹索引。
[0027] 步驟5.4,判斷是否有未加入葉節(jié)點的部件，如果有，在未加入節(jié)點的部件中隨機 選取一個部件作為聚集中屯、N NcentDr，執(zhí)行步驟5.2至步驟5.3 ;如果沒有，則執(zhí)行步驟6。
[0028] 步驟6,面向=維建筑物模型的粒度均衡的財對索引構建完畢，退出算法。
[0029] 盡管已經示出和描述了本發(fā)明的實施例，對于本領域的普通技術人員而言，可W 理解在不脫離本發(fā)明的原理和精神的情況下可W對運些實施例進行多種變化、修改、替換 和變型，本發(fā)明的范圍由所附權利要求及其等同物限定。
【主權項】
1. 一種復雜三維建筑物模型的粒度均衡數據組織方法，其特征在于:包括以下步驟： 步驟1，打開三維城市建筑物數據模型文件，獲取三維城市建筑物數據模型的幾何數據 和紋理數據； 步驟2，基于語義分類信息解析模型各種類型的部件，實現對三維城市建筑物數據模型 中部件語義信息的提取； 步驟3,以幾何數據和紋理數據在內存中所占的存儲空間代表數據量，采用幾何數據與 紋理數據自動配準算法統(tǒng)一部件的幾何數據與紋理數據，分別計算部件的幾何數據量g和 紋理數據量P; 步驟4,基于部件的語義、幾何和紋理進行部件組織粒度的計算； 步驟5，采用自上而下建立R樹索引的方法實現對三維建筑物模型數據的組織，規(guī)定葉 節(jié)點的組織粒度范圍以保證葉節(jié)點的均衡性，基于部件的語義對不符合范圍要求的葉節(jié)點 中的部件進行調整，所有部件都聚集成為葉節(jié)點后，把最終生成的符合組織粒度的葉節(jié)點 插如R樹； 步驟6,面向三維建筑物模型的粒度均衡的R樹索引構建完畢，退出算法。2. 根據權利要求1所述的一種復雜三維建筑物模型的粒度均衡數據組織方法，其特征 在于:所述步驟3中幾何數據包括點數據和面數據。3. 根據權利要求1所述的一種復雜三維建筑物模型的粒度均衡數據組織方法，其特征 在于:所述步驟3中紋理數據以圖片格式進行存儲，在內存中所占的存儲空間與圖片大小和 像素有關。4. 根據權利要求1所述的一種復雜三維建筑物模型的粒度均衡數據組織方法，其特征 在于:所述步驟3中部件的幾何數據量g和紋理數據量p的計算方法包括以下步驟： 步驟3.1，采用幾何數據與紋理數據自動配準算法，在三角網格模型的基礎上，根據每 個三角面片的三個頂點所對應的紋理值，利用坐標重心加權的方法實現三角面片紋理的配 準與顯示； 步驟3.2,計算部件的幾何數據量，三維模型的幾何數據包括點數據(x，y，z，u，v)和面 數據(p 1，p2，p3 )，其中X、y和z為點的三維坐標，u和v是點的紋理坐標，每個值在內存中占兩 個字節(jié)，則部件點數據的幾何數據量$ = 數量5 * 2段1?;三維模型的三角面片是 由點按一定順序構成的，為了避免數據冗余，面數據用pl、p2和p3三個點索引來表示，每個 索引在內存中占8個字節(jié)，則面數據的幾何數據量&二面的數量* 3* SByte，幾何數據 ^ ^ ^ §?； 步驟3.3,計算部件的紋理數據量;紋理數據一般是以圖片格式進行存儲，在內存中所占的 存儲空間與圖片大小和像素有關，紋理數據量p =鐵_1垮煑度t紋理圖片長錄^/_素憧。5. 根據權利要求1所述的一種復雜三維建筑物模型的粒度均衡數據組織方法，其特征 在于:所述步驟4中部件組織粒度的具體計算步驟如下： 步驟4.1，以幾何數據和紋理數據在內存中所占存儲空間為基準，計算基于繪制壓力情 況下幾何數據和紋理數據對部件組織粒度的貢獻比重;幾何數據在計算組織粒度時的貢獻 比重焉，# 身i紋理數據貢獻比重_工·見)； 步驟4.2,步驟2中將空間部件劃分為普通對象和連接對象兩種，普通對象是構成三維 建筑物模型的基本部件，相對連接對象來說比較重要，假設V是體現部件重要性定量值，設 定普通對象的V值為1 . 2，連接對象的V值為1，則定義部件組織粒度G的計算公式為：6.根據權利要求1所述的一種復雜三維建筑物模型的粒度均衡數據組織方法，其特征 在于:所述步驟5中自上而下建立R樹索引的方法包括以下步驟： 步驟5.1，設葉節(jié)點的組織粒度取值范圍為[Imin，Imax]; 步驟5.2,計算部件的最小包圍盒隨機選取一個部件作為節(jié)點的聚集中心； 步驟5.2,利用公另汁算聚集中 心MBB的幾何中心到各部件MBB的幾何中心的歐氏距離，將計算得到的距離值按按由小到大 的順序存儲為順序鏈表，選取距離值最小的部件與聚集中心進行聚集形成節(jié)點； 步驟5.3，將節(jié)點中部件的組織粒度Gnew = G+G進行加總作為節(jié)點的組織粒度，判斷節(jié)點 的組織粒度是否在[Imin，Imax]范圍內，如果小于Imin，則計算節(jié)點的MBB并作為新的聚類中心 執(zhí)行步驟5.2;如果大于I max范圍，則將新加入的部件從順序鏈表中剔除，執(zhí)行步驟5.2;如果 組織粒度在[Imin，I max]范圍內，則將節(jié)點以葉節(jié)點的方式插入R樹索引； 步驟5.4,判斷是否有未加入葉節(jié)點的部件，如果有，在未加入節(jié)點的部件中隨機選取 一個部件作為聚集中心，執(zhí)行步驟5.2至步驟5.3;如果沒有，則執(zhí)行步驟6。
【文檔編號】G06T7/40GK105957148SQ201610336196
【公開日】2016年9月21日
【申請日】2016年5月20日
【發(fā)明人】朱慶
【申請人】江蘇得得空間信息科技有限公司, 南通智慧建筑產業(yè)研究院有限公司