一种城市场景重建方法及系统与流程

本发明涉及图像处理
技术领域：
，特别涉及一种城市场景重建方法及系统。
背景技术：
：三维城市场景模型在城市规划、虚拟旅游以及文化遗产保护等方面有着广泛的应用，对城市场景进行精确的三维建模具有重要的研究意义。在实际中，虽然利用激光扫描设备可获取精度较高的三维信息，但由于其扫描代价的昂贵与扫描范围的局限导致其应用范围存在一定的限制。相对而言，基于图像的三维场景重建方法由于造价低廉、数据获取方便等优点，当前仍是城市场景建模中的常用方法。然而，由于城市场景光照变化、透视畸变、弱纹理与重复纹理区域等因素的影响，利用图像信息有效地获取完整的城市场景模型仍是一个具有挑战性的难题。在诸多相关算法中，基于特定场景模型或区域(如超像素)级的重建算法尽管在一定程度上可以克服像素级重建算法难以获得完整场景结构的缺点，但同时也存在以下几点问题导致其可靠性与效率较低：(1)采用的场景模型过于简单(如仅具有3个正交方向的Manhattan场景模型)或对场景的结构过于限定(如预先指定几个场景方向)，因而导致重建结果存在较大的偏差；(2)用于场景完整结构推断的候选平面集缺乏完备性(即只包含场景中的部分平面)，进而影响推断结果的可靠性；(3)对场景中非重建区域(如天空、地面)缺乏有效的检测与滤除机制，整体重建效率因此受到较大的影响。技术实现要素：本发明实施例提供了一种城市场景重建方法及系统，用以解决现有技术中存在的问题。一种城市场景重建方法，包括：采集城市场景的图像，采集的图像组成图像集；采用Mean-Shift算法将所述图像集中的图像进行过分割，获得多个分割区域；采用基于区域的语义标注算法对所述图像集中图像的天空、地面以及建筑物三个语义区域进行标注，并滤除所述图像集对应的空间点集中与已标注的天空和地面的语义区域对应的空间点；采用消影点检测方法确定待重建场景的垂直方向，并根据所述垂直方向以及任意一个空间点确定水平面；根据所述空间点集在所述水平面上投影点组成的连通域计算获得候选空间平面集；采用MRF能量最小化框架下的能量函数计算为每个所述分割区域分配的所述候选空间平面集中的候选空间平面；计算为每个所述分割区域分配的候选空间平面的平面空间可靠性度量，根据所述平面空间可靠性度量剔除不可靠的候选空间平面；其中，步骤根据所述空间点集在所述水平面上投影点组成的连通域计算获得候选空间平面集具体包括：根据设定的阈值ζ对原始投影图进行过滤，获得过滤投影图，所述空间点集中的空间点在所述水平面上的投影形成所述原始投影图，所述原始投影图中的点形成多个所述连通域；对所述过滤投影图中尺寸大于指定阈值ε的连通域中的投影点对应的空间点进行平面拟合，将拟合得到的平面保存至平面集H1，并从所述空间点集中删除已拟合的空间点，以及从所述原始投影图中删除与已拟合空间点对应的投影点组成的连通域，还将所述过滤投影图中尺寸小于或等于指定阈值ε的连通域保存至连通域集合{cj}；降低所述指定阈值ε再次进行平面拟合，直到所述过滤投影图中不存在尺寸大于所述指定阈值ε的连通域；将所述平面集H1中任意一个平面的法向量n沿场景的垂直方向和水平方向均在指定的可视角度范围内按指定角度间隔旋转，获得法向量集{ni}；根据所述连通域集合{cj}中连通域中的投影点对应的空间点的重心与所述法向量集{ni}中的法向量确定相应的空间平面集{hi,j}；计算所述空间点集中不在所述空间平面集{hi,j}中空间平面上的空间点到该空间平面的距离小于指定阈值的空间点的数量t1，以及所述空间点集中不在所述空间平面集{hi,j}中空间平面上的空间点到该空间平面的距离小于指定阈值的空间点相关的连通域数量t2，所述空间点相关的连通域即空间点对应的投影点所在的连通域；选取所述空间平面集{hi,j}中t2大于指定阈值ω的所有空间平面，将其中t1值最大的空间平面作为候选空间平面，并保存至平面集H2；将所述平面集H1和H2合并，将合并后的平面集中的相似空间平面剔除，获得所述候选空间平面集，同时在所述候选空间平面集中每个空间平面附近对与其平行的空间平面进行采样，将得到的指定数量的空间平面也保存至所述候选空间平面集中。优选地，步骤采用MRF能量最小化框架下的能量函数计算为每个所述分割区域分配的所述候选空间平面集中的候选空间平面具体为：根据以下公式计算MRF能量最小化框架下的能量函数：E(f)=Σs∈REdata(s,fs)+λsmo·Σt∈N(s)Esmooth(fs,ft)+λlab·Σl∈LElabel(f)---(1)]]>式中，E(f)为MRF能量最小化框架下的能量函数，f为所述分割区域对应的空间平面的标记组合，由所述候选空间平面集H中空间平面的序号组成，R为所述分割区域组成的集合，Edata(s,fs)为数据项，fs∈L、ft∈L分别为分割区域s对应的空间平面标记以及与分割区域s相邻的分割区域t对应的空间平面标记，λsmo和λlab均为常数，分别表示平滑项Esmooth(fs,ft)和标记项Elabel(f)相应的权重，N(s)为与分割区域s相邻的所有分割区域的集合，L为由所述候选空间平面集H的序号组成的标记集；其中，所述数据项Edata(s,fs)由以下公式计算确定：Edata(s,fs)＝α·Epho(s,fs)+(1-α)·Egeo(s,fs)(2)式中，α为常数，用于调整灰度一致性度量Epho(s,fs)和空间点约束Egeo(s,fs)的作用力度；所述灰度一致性度量Epho(s,fs)由以下公式计算获得：Epho(s,fs)=1k·|s|Σi=1kΣp∈sCs(p,Hs,Ni)---(3)]]>式中，Cs(p,Hs,Ni)为像素p∈s的灰度一致性度量，Hs为分配给分割区域s的空间平面，Ni为城市场景图像中与当前图像Ir相邻的图像；所述Cs(p,Hs,Ni)由以下公式计算获得：Cs(p,Hs,Ni)=min(||Ir(p)-Ni(Hs(p))||,δ)Hs(p)∈Mλoccotherwise---(4)]]>式中，||Ir(p)-Ni(Hs(p))||为当前图像Ir中的像素p与相邻图像Ni中的像素Hs(p)之间的规范化颜色的差异，λocc为空间可见性冲突惩罚量，δ为截断阈值，以增强颜色度量的可靠性；所述空间点约束Egeo(s,fs)由以下公式计算获得：Egeo(s,fs)=λdis|Ps|=011+e-d(Ps,Hs)|Ps|>0---(5)]]>式中，λdis为距离惩罚量，Ps为分割区域s对应的空间点集，d(Ps,Hs)为空间点集Ps中的空间点到空间平面Hs的平均距离；所述平滑项Esmooth(fs,ft)通过以下公式计算获得：Esmooth(fs,ft)＝ωst·δ(fs≠ft)(6)式中，δ(x)为指示函数，即当x为真时函数取值为1，否则取值为0，ωst为相邻分割区域s和t对应的空间平面不相似性惩罚量，其表达式为：ωst＝bst·(1-||c(s)-c(t)||)·||n(s)-n(t)||(7)式中，bst为相邻分割区域s和t之间规范化的共享边界长度，即共享边界长度除以分割区域s和t中的最小周长，c(s)为分割区域s的规范化平均颜色，c(t)为分割区域t的规范化平均颜色，n(s)为空间平面Hs的单位法向量，n(t)为空间平面Ht的单位法向量；所述标记项Elabel(f)由以下公式计算获得：Elabel(f)=Σl∈Le-λ0·|l|·δl(f)---(8)]]>式中，λ0为经验常数，函数δl(f)为标记函数，其表达式为：δl(f)=1∃s:fs=l,fs∈f0otherwise---(9).]]>优选地，采用Graph-cuts方法计算获得近似解f。优选地，步骤计算为每个所述分割区域分配的候选空间平面的可靠性具体包括：根据以下公式计算为每个所述分割区域分配的候选空间平面的空间平面可靠性度量：T(Hs)=Σi=1kδ(dm(PHs,HNi)≤μ)---(10)]]>式中，T(Hs)为空间平面可靠性度量，为分割区域s中的所有像素在空间平面Hs上的反投影空间点到相邻图Ni通过空间平面推断后获得的空间平面集中的空间平面的最小平均距离，μ为距离阈值，k为相邻图像的数量。本发明实施例还提供了一种城市场景重建系统，包括：图像采集模块，用于采集城市场景图像，采集的图像组成图像集；图像分割模块，用于采用Mean-Shift算法将所述图像集中的图像进行过分割，获得多个分割区域；空间点滤除模块，用于采用基于区域的语义标注算法对所述图像集中图像的天空、地面以及建筑物三个语义区域进行标注，并滤除所述图像集对应的空间点集中与已标注的天空和地面的语义区域对应的空间点；水平面确定模块，用于采用消影点检测方法确定待重建场景的垂直方向，并根据所述垂直方向以及任意一个空间点确定水平面；候选空间平面集计算模块，用于根据所述空间点集在所述水平面上投影点组成的连通域计算获得候选空间平面集；空间平面分配模块，用于采用MRF能量最小化框架下的能量函数计算为每个所述分割区域分配的所述候选空间平面集中的候选空间平面；可靠性验证模块，用于计算为每个所述分割区域分配的候选空间平面的空间平面可靠性度量，根据所述平面空间可靠性度量剔除不可靠的候选空间平面；其中，所述候选空间平面集计算模块包括：投影图过滤子模块，用于根据设定的阈值ζ对原始投影图进行过滤，获得过滤投影图，所述空间点集中的空间点在所述水平面上的投影形成所述原始投影图，所述原始投影图中的点形成多个所述连通域；平面初拟合子模块，用于对所述过滤投影图中尺寸大于指定阈值ε的连通域中的投影点对应的空间点进行平面拟合，将拟合得到的平面保存至平面集H1，并从所述空间点集中删除已拟合的空间点，以及从所述原始投影图中删除与已拟合空间点对应的投影点组成的连通域，还将所述过滤投影图中尺寸小于或等于指定阈值ε的连通域保存至连通域集合{cj}；平面再拟合子模块，用于降低所述指定阈值ε，由所述平面初拟合子模块再次进行平面拟合，直到所述过滤投影图中不存在尺寸大于所述指定阈值ε的连通域；法向量集计算子模块，用于将所述平面集H1中任意一个平面的法向量n沿场景的垂直方向和水平方向均在指定的可视角度范围内按指定角度间隔旋转，获得法向量集{ni}；空间平面集确定子模块，用于根据所述连通域集合{cj}中连通域中的投影点对应的空间点的重心与所述法向量集{ni}中的法向量确定相应的空间平面集{hi,j}；空间平面验证子模块，用于计算所述空间点集中不在所述空间平面集{hi,j}中空间平面上的空间点到该空间平面的距离小于指定阈值的空间点的数量t1，以及所述空间点集中不在所述空间平面集{hi,j}中空间平面上的空间点到该空间平面的距离小于指定阈值的空间点相关的连通域数量t2，所述空间点相关的连通域即空间点对应的投影点所在的连通域；空间平面选择子模块，用于选取所述空间平面集{hi,j}中t2大于指定阈值ω的所有空间平面，将其中t1值最大的空间平面作为候选空间平面，并保存至平面集H2；候选空间平面集确定子模块，用于将所述平面集H1和H2合并，将合并后的平面集中的相似空间平面剔除，获得所述候选空间平面集，同时在所述候选空间平面集中每个空间平面附近对与其平行的空间平面进行采样，将得到的指定数量的空间平面也保存至所述候选空间平面集中。优选地，所述图像采集模块包括安装在摄影车顶部的六部摄像机，其中一部摄像机竖直安装在摄影车顶部中央，且朝向正上方，其余五部摄像机围绕中央的摄像机均匀排列，且朝向背对中央摄像机的方向。本发明的有益效果为：(1)提出一种鲁棒的基于连通域检测的空间平面拟合方法，可以快速从噪声较大的空间点中抽取充分且可靠的空间平面；(2)提出一种在MRF能量最小化框架下融合灰度一致性、空间几何约束与可见性等度量与约束的场景完整结构推断方法，可以有效地解决场景中弱纹理、倾斜表面等区域的重建问题；(3)针对城市场景重建中的常见干扰因素(如天空、地面等)，提出了相关可行的滤除与屏蔽方法，有效地提高了整体场景重建的效率。附图说明为了更清楚地说明本发明发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例提供的一种城市场景重建方法的步骤流程图；图2为图1中步骤140的子步骤流程图；图3为图1中使用的摄像系统的俯视结构图；图4为本发明实施例提供的一种城市场景重建系统的功能模块图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。参照图1，本发明实施例提供了一种城市场景重建方法，该方法包括：步骤100，使用安装在摄影车顶部的摄像系统采集城市场景图像；具体地，在本实施例中，所述摄像系统由六部摄像机200～205组成，其中一部摄像机200竖直安装在摄影车顶部中央，且朝向正上方，其余五部摄像机201～205围绕中央的摄像机均匀排列，且朝向背对中央摄像机200的方向，因此五部摄像机201～205中相邻两部的夹角为108°。步骤110，定义由城市场景图像组成的图像集为{Ik}(k＝1,2,...,m)，所述图像集对应的初始稀疏且带噪空间点集{Pk}(k＝1,2,...,m)，即图像Ik对应的可见空间点为Pk，采用Mean-Shift算法将所述图像集中的图像进行过分割，获得多个分割区域，即超像素，每个所述分割区域均具有对应的空间点集。因而将场景结构完整推断问题转换为为每个分割区域分配空间平面的问题。需要注意的是，由于大尺寸超像素对应的空间面片通常存在较大的深度变化而不能将其近似为空间平面，因而，本发明实施例采用小尺寸超像素(如空间与颜色参数为{2,1})对场景结构进行推断。步骤120，采用基于区域的语义标注算法对城市场景图像中的天空、地面以及建筑物三个语义区域进行标注，并滤除所述空间点集{Pk}中与已标注的天空和地面的语义区域对应的空间点，即干扰空间点。所述基于区域的语义标注算法详见M.P.Kumar等人2015年发表在PatternAnalysisandMachineIntelligence(PAMI),37(7):1373-1386上的文章Parameterestimationandenergyminimizationforregion-basedsegmentation，在此不做赘述。步骤130，采用消影点检测方法确定待重建场景的垂直方向，并根据确定的垂直方向以及任意一个空间点确定相应的水平面。步骤140，所述空间点集{Pk}中已滤除干扰空间点的空间点在水平面上的投影通常由于较高的聚集度而形成具有一定规则性的连通域，对尺寸大于指定阈值ε的所述连通域进行平面检测，对于尺寸小于或等于所述指定阈值ε的所述连通域检测其中潜在的空间平面，获得候选空间平面集。具体地，包括以下子步骤：子步骤141，所述空间点集P，即{Pk}中的空间点在水平面上的投影形成原始投影图M，所述原始投影图中的点形成多个所述连通域，根据设定的阈值ζ对所述原始投影图进行过滤，获得过滤投影图。所述阈值ζ设置的越高，所述过滤投影图中的点越多，在本实施例中，所述阈值ζ设置为所述原始投影图或过滤投影图中投影点对应的空间点最大数量的0.05倍。子步骤142，将所述过滤投影图中尺寸小于或等于指定阈值ε的连通域保存至连通域集合{cj}，对所述过滤投影图中尺寸大于指定阈值ε的连通域中的投影点对应的空间点进行平面拟合，将拟合得到的平面保存至平面集H1，并从所述空间点集P中删除已拟合的空间点，以及从所述原始投影图M中删除与已拟合空间点对应的投影点组成的连通域。子步骤143，降低所述阈值，并重复子步骤142，直到所述过滤投影图中不存在尺寸大于指定阈值ε的连通域；子步骤144，将所述平面集H1中任意一个平面的法向量n沿场景的垂直方向和水平方向均在指定的可视角度范围内(如[0°,60°])按指定角度间隔(如15°)旋转，获得法向量集{ni}；子步骤145，根据所述连通域集合{cj}中连通域中的投影点对应的空间点的重心与所述法向量集{ni}中的法向量确定相应的空间平面集{hi,j}；子步骤146，计算所述空间点集P中不在所述空间平面集{hi,j}中空间平面上的空间点到该空间平面的距离小于指定阈值的空间点的数量t1，以及所述空间点集P中不在所述空间平面集{hi,j}中空间平面上的空间点到该空间平面的距离小于指定阈值的空间点相关的连通域数量t2，所述空间点相关的连通域即空间点对应的投影点所在的连通域；子步骤147，选取所述空间平面集{hi,j}中t2大于指定阈值ω的所有空间平面，将其中t1值最大的空间平面作为候选空间平面，并保存至平面集H2；子步骤148，将所述平面集H1和H2合并，将合并后的平面集中的相似空间平面剔除，获得所述候选空间平面集H，同时在所述候选空间平面集H中每个空间平面附近对与其平行的空间平面进行采样，将得到的指定数量的空间平面也保存至所述候选空间平面集H中。步骤150，以上步骤计算获得的候选空间平面集H只是待重建场景中纹理丰富区域的结构，需要对待重建场景中纹理较少或倾斜区域的结构进行推断，则根据所述候选空间平面集H推断完整场景结构的方法包括：E(f)=Σs∈REdata(s,fs)+λsmo·Σt∈N(s)Esmooth(fs,ft)+λlab·Σl∈LElabel(f)---(1)]]>式中，E(f)为MRF(MarkovRandomField)能量最小化框架下的能量函数，f为所有所述分割区域对应的空间平面的标记组合，由所述候选空间平面集H中空间平面的序号组成，R为所述分割区域组成的集合，Edata(s,fs)为数据项，fs∈L、ft∈L分别为分割区域s对应的空间平面标记以及与分割区域s相邻的分割区域t对应的空间平面标记，λsmo和λlab均为常数，分别表示平滑项Esmooth(fs,ft)和标记项Elabel(f)相应的权重，在本实施例中，λsmo和λlab的取值分别为0.6和0.2，N(s)为与分割区域s相邻的所有分割区域的集合，L为由所述候选空间平面集H的序号组成的标记集。其中，所述数据项Edata(s,fs)由以下公式计算确定：Edata(s,fs)＝α·Epho(s,fs)+(1-α)·Egeo(s,fs)(2)式中，α为常数，用于调整灰度一致性度量Epho(s,fs)和空间点约束Egeo(s,fs)的作用力度，在本实施例中，α的取值为0.6。所述灰度一致性度量Epho(s,fs)由以下公式计算获得：Epho(s,fs)=1k·|s|Σi=1kΣp∈sCs(p,Hs,Ni)---(3)]]>式中，Cs(p,Hs,Ni)为像素p∈s的灰度一致性度量，Hs为分配给分割区域s的空间平面，Ni为城市场景图像中与当前图像Ir相邻的图像。所述Cs(p,Hs,Ni)由以下公式计算获得：Cs(p,Hs,Ni)=min(||Ir(p)-Ni(Hs(p))||,δ)Hs(p)∈Mλoccotherwise---(4)]]>式中，||Ir(p)-Ni(Hs(p))||为当前图像Ir中的像素p与相邻图像Ni中的像素Hs(p)之间的规范化颜色，即颜色值范围为0-1，的差异，λocc为空间可见性冲突惩罚量，本实施例中取值为2，δ为截断阈值，以增强颜色度量的可靠性，本实施例中取值为0.5，由于Hs(p)可能并非整数位置，因此相应的颜色需要进行差值运算，本实施例中采用双线性差值。所述空间点约束Egeo(s,fs)由以下公式计算获得：Egeo(s,fs)=λdis|Ps|=011+e-d(Ps,Hs)|Ps|>0---(5)]]>式中，λdis为距离惩罚量，本实施例中的取值为2，Ps为分割区域s对应的空间点集，d(Ps,Hs)为空间点集Ps中的空间点到空间平面Hs的平均距离。所述平滑项Esmooth(fs,ft)通过以下公式计算获得：Esmooth(fs,ft)＝ωst·δ(fs≠ft)(6)式中，δ(x)为指示函数，即当x为真时函数取值为1，否则取值为0，ωst为相邻分割区域s和t对应的空间平面不相似性惩罚量，其表达式为：ωst＝bst·(1-||c(s)-c(t)||)·||n(s)-n(t)||(7)式中，bst为相邻分割区域s和t之间规范化的共享边界长度，即共享边界长度除以分割区域s和t中的最小周长，c(s)为分割区域s的规范化平均颜色，c(t)为分割区域t的规范化平均颜色，n(s)为空间平面Hs的单位法向量，n(t)为空间平面Ht的单位法向量。所述标记项Elabel(f)由以下公式计算获得：Elabel(f)=Σl∈Le-λ0·|l|·δl(f)---(8)]]>式中，λ0为经验常数，本实施例中取值为50，函数δl(f)为标记函数，其表达式为：δl(f)=1∃s:fs=l,fs∈f0otherwise---(9)]]>通常情况下，式(1)所示的能量函数的求解属于NP-hard问题，本实施例采用Graph-cuts方法获取其近似解f。在实际中，由于能量函数有效地融合了灰度一致性、空间几何与可见性等度量与约束，因而其求解可靠性较高。f由所述候选空间平面H中空间平面的序号组成，即近似解f是最终为每个所述分割区域分配的所述候选空间平面H中空间平面的标记序号。例如：所述候选空间平面H中的空间平面有5个，默认序号为[1,2,3,4,5]，所述分割区域有10个，默认序号为[1,2,3,4,5,6,7,8,9,10]，近似解f为[5,4,3,1,1,2,3,4,3,2]。则可以根据为每个所述分割区域分配的标记序号确定相应的平面结构，即第1个分割区域分配第5个空间平面，第2个分割区域分配第4个空间平面，…，第10个分割区域分配第2个空间平面。为每个所述分割区域分配空间平面后，即可获得待重建的城市场景。步骤160，由于场景结构推断是在单幅图像中完成的，因而需要验证其在多幅图像中的可靠性，进而确定更可靠的结果，同时由于近似解f中可能包含不可靠的推断结果，因而更加需要验证场景结构推断的可靠性。根据以下公式计算为当前图像Ir中分割区域s分配到的空间平面Hs的空间平面可靠性度量：T(Hs)=Σi=1kδ(dm(PHs,HNi)≤μ)---(10)]]>式中，T(Hs)为空间平面可靠性度量，为分割区域s中的所有像素在空间平面Hs上的反投影空间点到相邻图Ni通过空间平面推断后获得的空间平面集中的空间平面的最小平均距离，μ为距离阈值，本实施例中的取值为0.05，k为相邻图像的数量。计算获得所述空间平面可靠性度量后，根据所述空间平面可靠性度量将不可靠的候选空间平面剔除。在本实施例中，认为所述空间平面可靠性度量T(Hs)大于2为可靠的候选空间平面，则将T(Hs)小于或等于2的候选空间平面剔除。基于同一发明构思，本发明实施例提供了一种城市场景重建系统，如图3所示，由于该系统解决技术问题的原理和一种城市场景重建方法相似，因此该系统的实施可参照方法的实施，重复之处不再赘述。图像采集模块300，用于采集城市场景图像，采集的图像组成图像集；图像分割模块310，用于采用Mean-Shift算法将所述图像集中的图像进行过分割，获得多个分割区域；空间点滤除模块320，用于采用基于区域的语义标注算法对所述图像集中图像的天空、地面以及建筑物三个语义区域进行标注，并滤除与所述图像集对应的空间点集中与已标注的天空和地面的语义区域对应的空间点；水平面确定模块330，用于采用消影点检测方法确定待重建场景的垂直方向，并根据所述垂直方向以及任意一个空间点确定水平面；候选空间平面集计算模块340，用于根据所述空间点集在所述水平面上投影点组成的连通域计算获得候选空间平面集；空间平面分配模块350，用于采用MRF能量最小化框架下的能量函数计算为每个所述分割区域分配的所述候选空间平面集中的候选空间平面；可靠性验证模块360，用于计算为每个所述分割区域分配的候选空间平面的空间平面可靠性度量，根据所述平面空间可靠性度量剔除不可靠的候选空间平面。其中，所述候选空间平面集计算模块340包括：投影图过滤子模块341，用于根据设定的阈值ζ对原始投影图M进行过滤，获得过滤投影图，所述分割区域对应的空间点集P中的空间点在所述水平面上的投影形成所述原始投影图M，所述原始投影图M中的点形成多个所述连通域；平面初拟合子模块342，用于对所述过滤投影图中尺寸大于指定阈值ε的连通域中的投影点对应的空间点进行平面拟合，将拟合得到的平面保存至平面集H1，并从所述空间点集P中删除已拟合的空间点，以及从所述原始投影图M中删除与已拟合空间点对应的投影点组成的连通域，还将所述过滤投影图中尺寸小于或等于指定阈值ε的连通域保存至连通域集合{cj}；平面再拟合子模块343，用于降低所述指定阈值ε，由所述平面初拟合子模块342再次进行平面拟合，直到所述过滤投影图中不存在尺寸大于所述指定阈值ε的连通域；法向量集计算子模块344，用于将所述平面集H1中任意一个平面的法向量n沿场景的垂直方向和水平方向均在指定的可视角度范围内按指定角度间隔旋转，获得法向量集{ni}；空间平面集确定子模块345，用于根据所述连通域集合{cj}中连通域中的投影点对应的空间点的重心与所述法向量集{ni}中的法向量确定相应的空间平面集{hi,j}；空间平面验证子模块346，用于计算所述空间点集P中不在所述空间平面集{hi,j}中空间平面上的空间点到该空间平面的距离小于指定阈值的空间点的数量t1，以及所述空间点集P中不在所述空间平面集{hi,j}中空间平面上的空间点到该空间平面的距离小于指定阈值的空间点相关的连通域数量t2，所述空间点相关的连通域即空间点对应的投影点所在的连通域；空间平面选择子模块347，用于选取所述空间平面集{hi,j}中t2大于指定阈值ω的所有空间平面，将其中t1值最大的空间平面作为候选空间平面，并保存至平面集H2；候选空间平面集确定子模块348，用于将所述平面集H1和H2合并，将合并后的平面集中的相似空间平面剔除，获得所述候选空间平面集H，同时在所述候选空间平面集H中每个空间平面附近对与其平行的空间平面进行采样，将得到的指定数量的空间平面也保存至所述候选空间平面集H中。应当理解，以上一种城市场景重建系统包括的模块仅为根据该系统实现的功能进行的逻辑划分，实际应用中，可以进行上述模块的叠加或拆分。并且该实施例提供的一种城市场景重建系统所实现的功能与上述实施例提供的一种城市场景重建方法一一对应，对于该系统所实现的更为详细的处理流程，在上述方法实施例中已做详细描述，此处不再详细描述。本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。当前第1页1 2 3