【技术实现步骤摘要】
本专利技术涉及三维建模应用，特别是涉及一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法。
技术介绍
1、虚拟地形，是在己有空间认知知识的指导下，根据有限信息刻画出的虚构地表形态。虚拟地形广泛应用于游戏和电影的虚拟场景中，是影响虚拟场景观感和体验的重要因素。喀斯特地貌由于其地貌独特，景观价值高，是游戏和电影的虚拟场景中常用的地貌类型。
2、目前，在游戏、影视等虚拟地理场景的构建中，主要通过分形指数控制虚拟地形的生成。使用分形参数构建出的地形，虽然具有无限的细节，但是空间关系很难保证，不符合地学的视觉空间结构。并且，喀斯特地貌地形较为复杂，通过传统的实测方法采集地形数据会耗费大量的人力物力。 因此，需要提出一种能够快速构建真实度高、满足地理规律的虚拟喀斯特地貌场景的方法。
技术实现思路
1、为了解决以上技术问题，本专利技术提供一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，包括以下步骤：
2、s1、获取喀斯特地貌的dem数据，对dem进行洼地填充、流向计算以及汇流量计算，然后选择流量阈值提取山谷线；
3、s2、使用高程最大值与原始dem相减得到反地形数据，然后进行洼地填充、流向计算以及汇流量计算，然后选择流量阈值提取山脊线；
4、s3、通过判断山脊线和山谷线的交点提取鞍部点；
5、s4、使用最大值邻域窗口分析法提取研究区域内的山顶点；
6、s5、计算研究区内dem地形的正、负开度，将两者相减，基于最佳分割
7、s6、将步骤s1至s5获取的鞍部点、山顶点以及坡脚线数据重分类为0-1两个数值，即背景值为0，前景值为1；
8、s7、对dem进行归一化处理，将dem灰度值转化到0~255区间；
9、s8、将步骤s6中获得的二值化鞍部点、山顶点以及坡脚线与上一步骤中获得的dem进行相乘，获得被赋予了相对高程特征的三维地形特征要素，即灰度值在0~255区间内的三维鞍部点、山顶点以及坡脚线；
10、s9、将上一步骤中获得的三维鞍部点、山顶点以及坡脚线按照rgb三个波段进行合成，得到研究区的三维地形特征要素，构成三维地形特征训练集；
11、s10、将上一步骤中得到的三维地形特征训练集以及步骤s7中获得的dem数据使用滑动窗口进行裁切，裁切为256×256大小的图像；
12、s11、将上一步骤中获得的三维地形特征要素和对应位置的dem图像进行水平拼接，得到三维地形要素训练样本集；
13、s12、利用上一步骤中获得的三维地形要素训练样本集训练cgans网络，让cgans网络学习喀斯特地貌特征及其与鞍部点、山顶点以及坡脚线的映射关系；
14、s13、根据实际开发需要，手绘三维鞍部点、山顶点以及坡脚线，并按照rgb三个波段进行合成；
15、s14、将手绘的鞍部点、山顶点以及坡脚线输入步骤s12中训练好的cgans网络，生成所需的虚拟喀斯特地貌场景。
16、本专利技术进一步限定的技术方案是：
17、进一步的，步骤s1和s2中，采用d8单流向模型进行流向计算。
18、如前所述的一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，步骤s1和s2中，流向计算得到的结果为累积流量，流量阈值设为2000。
19、如前所述的一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，步骤s4中，对dem进行最大值邻域窗口分析，设置窗口大小为11×11，步长大小设置为1，统计类型为最大值，生成包含每个分析窗口内最大值点的栅格数据；将生成的栅格数据与原始dem进行差值运算，提取差值结果为0的点为山顶点。
20、如前所述的一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，步骤s5中，研究区内dem地形正、负开度的计算方法具体为：由中心像元向0°、45°、90°、135°、180°、225°、270°以及315°这八个方向作出八条射线，选取这八条射线上距离中心像元小于等于分析半径的像元参与运算；
21、通过计算各方向上分析半径内的正向最大高度角和负向最大高度角，得到各个方向分析半径内的最小天顶角和最小天底角，取八个方向最小天顶角的均值即为该位置的正开度，取八个方向最小天底角的均值即为负开度，具体公式如下：
22、
23、其中，表示该点的正开度，表示该点的负开度，、分别表示各个方向分析半径内的最小天顶角和最小天底角，其中n=0、45、90、135、180、225、270、315，且；表示在n方向上中心点与分析半径内灰度值最高像元连线与水平方向的夹角，表示在n方向上中心点与分析半径内灰度值最低像元连线与水平方向的夹角。
24、如前所述的一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，步骤s5中，对研究区内dem地形正、负开度进行差值运算，设置最佳分割阈值为9°，差值结果大于最佳分割阈值的为正地形，反之则为负地形；按照最佳分割阈值将地形正、负开度差值结果重分类为二值化图像，将正地形区域赋值为1，负地形区域赋值为0，随后将正地形区域转化为矢量数据，通过提取正地形区域的边界获得坡脚线。
25、如前所述的一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，步骤s7中，对dem进行归一化处理，将dem灰度值转化到0~255区间，归一化处理的公式为：
26、
27、其中，o(i,j)表示输出灰度值，i(i,j)表示dem图像第i行第j列灰度值，imin表示dem图像最小灰度值，imax表示dem图像最大灰度值。
28、如前所述的一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，步骤s10中，滑动窗口大小设置为256×256，步长大小设置为64个像元大小，从dem图像左上角沿水平方向开始滑动，水平遍历一整行后，窗口沿垂直方向移动一段步长距离并返回至图像最左侧继续遍历，直到遍历完整张图像为止。
29、如前所述的一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，步骤s12中，cgans网络的生成器采用u-net结构，cgans网络的生成器和判别器的卷积核大小采用4×4，步长设置为2。
30、如前所述的一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，步骤s12中，cgans网络使用adam优化器，学习率设置为0.0002，动量为0.5。
31、本专利技术的有益效果是：
32、本专利技术中，首先使用已有5米高分辨率dem提取三维地形特征要素，制作深度学习样本图像对，训练条件生成对抗网络模型；之后，将手绘的三维地形特征要素输入到训练好的高精度模型中，即可生成虚拟喀斯特地貌场景，从而可以通过成本低、耗时少的方式快速构建虚拟喀斯特地貌场景，为游戏、影视等虚拟场景应用领域提供真实度高、满足地理规律的虚拟喀斯特地貌场景。
本文档来自技高网...【技术保护点】
1.一种基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤S1和S2中，采用D8单流向模型进行流向计算。
3.根据权利要求2所述的基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤S1和S2中，流向计算得到的结果为累积流量，流量阈值设为2000。
4.根据权利要求1所述的基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤S4中，对DEM进行最大值邻域窗口分析，设置窗口大小为11×11，步长大小设置为1，统计类型为最大值，生成包含每个分析窗口内最大值点的栅格数据；将生成的栅格数据与原始DEM进行差值运算，提取差值结果为0的点为山顶点。
5.根据权利要求1所述的基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤S5中，研究区内DEM地形正、负开度的计算方法具体为：由中心像元向0°、45°、90°、135°、180°、225°、270°以及315°这八个方向作
6.根据权利要求1所述的基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤S5中，对研究区内DEM地形正、负开度进行差值运算，设置最佳分割阈值为9°，差值结果大于最佳分割阈值的为正地形，反之则为负地形；按照最佳分割阈值将地形正、负开度差值结果重分类为二值化图像，将正地形区域赋值为1，负地形区域赋值为0，随后将正地形区域转化为矢量数据，通过提取正地形区域的边界获得坡脚线。
7.根据权利要求1所述的基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤S7中，对DEM进行归一化处理，将DEM灰度值转化到0~255区间，归一化处理的公式为：
8.根据权利要求1所述的基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤S10中，滑动窗口大小设置为256×256，步长大小设置为64个像元大小，从DEM图像左上角沿水平方向开始滑动，水平遍历一整行后，窗口沿垂直方向移动一段步长距离并返回至图像最左侧继续遍历，直到遍历完整张图像为止。
9.根据权利要求1所述的基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤S12中，CGANs网络的生成器采用U-Net结构，CGANs网络的生成器和判别器的卷积核大小采用4×4，步长设置为2。
10.根据权利要求9所述的基于DEM和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤S12中，CGANs网络使用Adam优化器，学习率设置为0.0002，动量为0.5。
...【技术特征摘要】
1.一种基于dem和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于dem和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤s1和s2中，采用d8单流向模型进行流向计算。
3.根据权利要求2所述的基于dem和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤s1和s2中，流向计算得到的结果为累积流量，流量阈值设为2000。
4.根据权利要求1所述的基于dem和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤s4中，对dem进行最大值邻域窗口分析，设置窗口大小为11×11，步长大小设置为1，统计类型为最大值，生成包含每个分析窗口内最大值点的栅格数据；将生成的栅格数据与原始dem进行差值运算，提取差值结果为0的点为山顶点。
5.根据权利要求1所述的基于dem和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤s5中，研究区内dem地形正、负开度的计算方法具体为：由中心像元向0°、45°、90°、135°、180°、225°、270°以及315°这八个方向作出八条射线，选取这八条射线上距离中心像元小于等于分析半径的像元参与运算；
6.根据权利要求1所述的基于dem和深度学习的虚拟喀斯特地貌场景构建方法，其特征在于：所述步骤s5中，对研究区内dem地形正、...
【专利技术属性】
技术研发人员：师乐岩，代文，王波，梁于韩冰，夏进宇，李锦洲，王子馨，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。