大范围实景三维智能调色 | 模方自动化匀色解决方案

《实景三维中国建设总体实施方案(2023---2025年)》、《实景三维中国建设技术大纲》等相关文件中指出,倾斜Mesh三维模型修饰要求模型整体色彩真实,无明显色差 。9月,自然资源部在国务院新闻发布会上表示,实景三维中国将于2025年初步建成

目前,我国各省市的实景三维建设任务已基本完成。但由于跨年份、拍摄季节、时间光照条件不一 等因素,数据在色彩上存在显著差异

在实景三维中国建设初期,大势智慧率先在业内推出了实景三维模型的色彩调整解决方案。通过模方联动DasViewer ,对不同区域(如A区、B区、C区等)的数据进行蒙版匀色,减少了人工的重复操作,提高了手动调色的效率,为各地的实景三维生产建设作出了贡献。

然而,随着更新区域的扩大,目前的匀色方法的人工交互工作量大、标准不统一等问题极大限制了各省实景三维数据成果的汇交效率。为此,模方4.2版本推出了基于存量地理模板数据的自动化调色解决方案,以帮助用户更有效地应对当前实景三维中国建设中的数据调色需求。

一键导入存量地理模板数据

超大范围实景三维自动调色

方案通过导入用户已有的存量地理模板数据,智能计算更新区域模型数据与存量地理模板数据之间的色差,进而对原始数据进行自动化色彩调整。

过去,存量的地理模板数据只能在二维平面上进行修改调整,模方成功将其应用在三维模型中进行自动匀色。用户只需一键导入存量地理模板文件无需人工干预 ,便可实现模型的**自动调色处理,**助力各地实景三维建设加速生产。
超大范围实景三维自动调色操作窗口

存量地理模板数据

调色前后对比效果

效率方面,以21平方公里测区,分辨率为3cm的数据进行调色为例,单机处理耗时仅3小时左右 ,**相比先前的手动调色效率提升了数倍。**以下为具体效率测试报告数据:

此外,模方还可联动G-Engine实现多机并行处理,让大范围的实景三维数据匀色效率更高。

方案通过高效的自动调色技术,能够帮助用户针对性解决大范围实景三维数据更新过程中常见的色彩不一致等难题,提升模型后处理效率的同时,保证模型的质量与一致性,打通大范围城市实景三维局部更新工作的最后一环。

4.2新版本将于近期上线正式大势智慧官方网站,请广大用户密切关注我们的官方渠道。同时感谢各位一直以来对模方、Dasviewer等产品的支持和信任!如有任何关于产品技术的疑问或建议,欢迎随时与我们联系。

相关推荐
sp_fyf_202415 分钟前
【大语言模型】ACL2024论文-19 SportsMetrics: 融合文本和数值数据以理解大型语言模型中的信息融合
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理
CoderIsArt17 分钟前
基于 BP 神经网络整定的 PID 控制
人工智能·深度学习·神经网络
开源社31 分钟前
一场开源视角的AI会议即将在南京举办
人工智能·开源
FreeIPCC31 分钟前
谈一下开源生态对 AI人工智能大模型的促进作用
大数据·人工智能·机器人·开源
机器之心1 小时前
全球十亿级轨迹点驱动,首个轨迹基础大模型来了
人工智能·后端
z千鑫1 小时前
【人工智能】PyTorch、TensorFlow 和 Keras 全面解析与对比:深度学习框架的终极指南
人工智能·pytorch·深度学习·aigc·tensorflow·keras·codemoss
EterNity_TiMe_1 小时前
【论文复现】神经网络的公式推导与代码实现
人工智能·python·深度学习·神经网络·数据分析·特征分析
机智的小神仙儿1 小时前
Query Processing——搜索与推荐系统的核心基础
人工智能·推荐算法
AI_小站1 小时前
RAG 示例:使用 langchain、Redis、llama.cpp 构建一个 kubernetes 知识库问答
人工智能·程序人生·langchain·kubernetes·llama·知识库·rag
Doker 多克1 小时前
Spring AI 框架使用的核心概念
人工智能·spring·chatgpt