(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210650866.1 (22)申请日 2022.06.10 (71)申请人 南京邮电大 学 地址 210003 江苏省南京市 鼓楼区新模范 马路66号 (72)发明人 胡栋　张庆军　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 刘艳艳 (51)Int.Cl. G06T 7/507(2017.01) G06T 7/73(2017.01) (54)发明名称 基于地形阴影检测的半径自适应可视域分 析方法及装置 (57)摘要 本发明公开了一种基于地形阴影检测的半 径自适应可视域分析方法及装置。 通过距离变步 长采样对地形剖面曲线采样得到采样点集合， 利 用地形剖面曲线极值的关键点、 关键斜率以及极 值区间等检测地形曲线的连续阴影区域， 减少单 视线方向地形上阴影区不可视栅格的计算。 接 着， 提出地形环视线模型和可视半径自适应精度 补偿等方法， 对 单视线方向可视情况进行维度扩 展实现区域可视域分析。 本发明可以较高效和高 精度地实现大规模数据与复杂场景的地形可视 域分析。 权利要求书3页 说明书12页 附图6页 CN 115131416 A 2022.09.30 CN 115131416 A 1.一种半径自适应可视域分析 方法， 包括： 步骤1： 根据规则格网DEM数据初始化地形场景， 并根据设置可视分析的最大半径rmax、 视点位置P、 视高h0条件参数， 得到以视高为h0、 视点位置P为中心、 半径为rmax的圆形区域， 作 为可视分析区域； 步骤2： 在所述可视分析区域内， 以设定方向为初始视线方向， 在视线方向上对地形进 行剖面分割， 形成一条二维地形剖面曲线； 步骤3： 使用距离变步长采样规则对所述地形剖面曲线非均匀采样， 得到单视线方向上 地形的采样点 集合； 步骤4： 基于所述采样点集合， 在采样离散的地形剖面曲线上， 根据地形的起伏变化得 到地形曲线的极大值关键点， 继而得到 关键斜率、 极值区间和历史最大关键斜率信息； 在关 键点处通过前后向遍历查找， 判断各极值区间的阴影区域起始点和结束点位置， 得到这个 视线方向上地形的所有阴影区域； 步骤5： 在初始视线方向上， 旋转视线将地面环视方位离散化， 并利用步骤3和步骤4遍 历实现可视分析区域环视方向的地形 可视情况； 步骤6： 判断相邻 视线方向同序采样点之间的距离， 根据分析半径大小自适应生成新视 线并计算 新视线方向地形的可视情况； 步骤7： 迭代步骤6， 直到分析完可视分析区域， 得到可视与不可视点集合， 实现空间可 视域分析。 2.根据权利要求1所述的半径自适应可视域分析方法， 其特征在于， 步骤1中， 以DEM作 为地形数据， 所选取的可视 分析区域为以视点位置P中心、 半径 为rmax的圆形区域； 可视结果 是在叠加了一定 视高h0， 以视点位置P发出视线并环视一周所 得到的地形 可视情况。 3.根据权利要求1所述的半径自适应可视域分析方法， 其特征在于， 步骤2中， 在视线方 向上对地形进 行剖面分割， 通过利用视线 方向的垂 直平面E与地形相切， 得到一条平面与地 形的相交曲线， 也即是视线在地表上的二维投影剖面曲线L。 4.根据权利要求1所述的半径自适应可视域分析方法， 其特征在于， 步骤3 中， 使用距离 变步长采样规则对所述 地形剖面曲线非均匀采样， 包括： 距离变步长采样规则为： 在所述可视分析区域内， 根据半径距离分为三种区间采样方 式： 在视点位置P到半径为r0的近距离区域内采用精细化采样； 在分析半径为r0至r1的中间 区域内采用随距离动态变化的采样方式； 在r1至最远目标处rmax区间内， 采用合理固定的粗 采样方式； 地形剖面曲线各区间具体的采样步长为： 其中， Δl表示采样步长， α为步距增长的速度调节因子， δ为最小步长的最大倍数， Δ lmin为原始最小采样步长， d为距离范围因子；权　利　要　求　书 1/3 页 2 CN 115131416 A 2其中， di为第i个采样点处与视点 位置P的距离； 利用所述距离变步长采样规则对所述地形剖面曲线非均匀采样， 得到这个地形剖面曲 线的采样点 集合D＝{(xi,yi)|i＝0,1,…,n}， 其中n 为总的采样点个数。 5.根据权利要求1所述的半径自适应可视域分析 方法， 其特 征在于， 所述 步骤4包括： 极大值关键点Sj表示关键采样点的高程HDi大于前后两采样点高程的特殊 地形点， 极大值关键点Sj的判断方法为： 将满足以上判断方法的采样点Di记为一个极大值 关键点； 依次遍历 采样点集合D所有的 采样点， 得到极大值关键点 集合S＝{(xj,yj)|j<n}， 其中n 为采样点总数； 计算所有极大值关键点Sj的斜率： 其中， Kj表示为Sj处的关键斜率， Hj表示采样点Dj处的高程值， H0和h0分别为视点位置P 的地形高程和视高； 从视点位置P到最远目标点计算 关键斜率的过程中， 更新 当前极大值 关键点Sj之前的历 史最大关键斜 率： Kjmax＝max(Kj,Kj‑1max)                   (5) 其中， Kj max和Kj‑1 max分别表示当前极大值关键点Sj和前一极大值关键点位置的历史最 大关键斜 率； 基于极大值关键点集合S， 对所述地形剖面曲线L进行区间分段处理： 从视点位置P开 始， 将两相邻极大值关键点Sj‑1和Sj之间的曲线段作为一个阴影判断子区间Qj， 初步得到一 个阴影检测子区间集 合Q＝{Qj|Qj＝Sj‑1Sj}； 对两边关键点高、 中间低的特殊峰谷区进行区间合并处 理， 合并的判断条件为： 其中， Kj表示Sj处的关键斜率， Kj‑1和Kj+1分别表示Sj相邻两个极大值关键点Sj‑1处、 Sj+1 处的关键斜 率； 并将这个极大值关键点Sj从极值关键点 集合S中剔除； 以这个规律， 依次遍历所有的极大值关键点Sj， 生成并更新得到阴影检测子区间集合Q ＝{Qj|Qj＝Sj‑1Sj,j＝1,2, …,m}， 其中m为更新后的子区间个数； 基于阴影检测子区间集合Q＝{Qj|Qj＝Sj‑1Sj,j＝1,2, …,m}， 其中m为更新后的子区间 个数， 初始 化视点位置P 到距离为rmax的最远目标点T之间为全局阴影区； 利用地形剖面曲线 上的极值关键点Sj、 关键斜率Kj、 阴影检测子区间Qj和历史最大关键斜率Kj max信息， 向内遍 历采样点， 比较采样点与历史最 大关键斜率， 更新全局阴影区在Q1的起点位置以及在Qm的结权　利　要　求　书 2/3 页 3 CN 115131416 A 3