复杂三维建筑物模型一般由拓扑关系错综复杂、形状和粒度差异很大的不同构件实体聚合而成、数据量很大。已有模型简化方法由于主要针对连续几何表面的单一细节层次简化，导致多细节层次（LOD）的三维复杂建筑物模型仍须由人工完成、代价高、易产生拓扑错误且难以满足视觉连续性要求。这已成为制约三维城市建模的瓶颈问题，也是计算机图形学和虚拟地理环境等领域的研究前沿。 该基金项目立足于人类视觉系统对复杂三维建筑物模型的感知机理，研究了复杂三维建筑物模型的 LOD 定量规划与自动简化方法。主要研究内容有：1）复杂三维建筑物模型多尺度感知误差评价模型；2）基于感知的复杂三维建筑物模型 LOD 定量规划方法；3）复杂三维建筑物模型图元感知分类算法；4）感知驱动的复杂三维建筑物模型自动简化算法。 针对于上文所提出的基金研究内容，本项目引出可分析的“感知测度”的概念，提出了三维建筑物多尺度感知误差的模型算法；针对于复杂三维建筑物模型难以定量规划的难题，创新的提出了基于感知测度提取的算法和LOD的设计，突破性的引出了基于感知的定量规划方法；在此基础上，针对于三维建筑物模型分类的问题，提出了三维建筑物模型感知分类的算法；综合以上理论研究内容，引入半边结构、特征保持的模型几何简化算法、基于超面的纹理优化算法，最终提出了三维建筑物模型自动简化的算法。围绕着“感知”关键词系统地研究了复杂三维建筑物模型的LOD定量规划和自动简化方法。 经验证，对于复杂三维建筑模型，基于感知的定量规划方法资源消耗量要远小于前人所已提出的规划方法；使用Intel Xeon w5580 CPU at 3.2 GHz机器离线状态下来测试生成简化三维模型所需时间，最短可达10分钟，最长为40分钟，效率相对来说较高，利用本项目提出的三维建筑物自动简化方法生成的多个LOD模型有效地降低了复杂三维建筑物的规模、结构和认知复杂性，并且保持了模型的感知和语义的一致性。 有关理论研究成果发表在国内外著名刊物，被SCI/EI收录了12篇。该项目研究内容在复杂多尺度三维模型简化方面有潜力成为发挥重大的作用。通过该项目研究，培养建立了一个拥有博士和硕士的专门研究队伍，为该方向的持续研究奠定了坚实基础。 2100433B

复杂三维建筑物模型一般由拓扑关系错综复杂、形状和粒度差异很大的不同构件实体聚合而成、数据量很大。已有模型简化方法由于主要针对连续几何表面的单一细节层次简化，导致多细节层次（LOD）的三维复杂建筑物模型仍须由人工完成、代价高、易产生拓扑错误且难以满足视觉连续性要求。这已成为制约三维城市建模的瓶颈问题，也是计算机图形学和虚拟地理环境等领域的研究前沿。本申请立足于人类视觉系统对复杂三维建筑物模型的感知机理，研究复杂三维建筑物模型的LOD定量规划与自动简化方法。主要内容有：1）复杂三维建筑物模型多尺度感知误差评价模型；2）基于感知的复杂三维建筑物模型LOD定量规划方法；3）复杂三维建筑物模型图元感知分类算法；4）感知驱动的复杂三维建筑物模型自动简化算法。突破传统简化算法主要针对连续表面模型且对LOD难以定量规划的局限，为精细建筑物LOD模型的自动建模提供一种新的有效途径。

利用LiDAR和影像提取三维建筑物模型是目前研究的一个热点问题。如何有效地解决特征约束、筛选、重组、缺失特征弥补等问题是模型重建过程中的核心难题。本项目研究了基于BSP树模型结合LiDAR和影像数据特征的复杂建筑物模型提取方法，利用LiDAR和影像数据特征的互补性特点，通过在BSP（binary space partition）树模型框架下的直线分裂区域和区域合并两个数据处理步骤，实现直线特征和区域特征的相互约束与补充，解决建筑物模型重建过程中的特征筛选与综合问题。探讨了顾及建筑物模型提取应用的LiDAR和影像数据特征提取算法，LiDAR和影像融合的建筑物检测算法，着重研究了基于BSP树的模型重建特征约束机理和算法原型，基于BSP树模型的二元分裂、合并过程的控制机制，及三维模型的生成算法。为具有平顶、斜顶、多层等复杂建筑物、大范围街区建筑物模型自动重建提供一种有效的解决方法。 2100433B

本发明为一种对复杂叶片的快速简化和绘制方法，输入树模型提取树叶信息，对叶簇内复杂叶片完成一层次简化；迭代地叶片合并完作二层次简化；迭代地对树冠中的叶片合并操作完成叶片的三层次简化；计算叶片密度；用数组结构把叶片几何和简化信息分别保存到两个数组中并读取，根据当前视点和像素误差，对保存简化信息的数组进行二次搜索，确定冠层合适的细节层次模型绘制图像。本发明适用于任意形状的复杂叶片的简化。利用距离限制提高简化速度，实现植物冠层的细节层次模型的高效提取和绘制。通过密度因素构建树冠的多分辨率共存的模型提高绘制速度。本发明能保持树冠的形状，有效克服走样现象，最终实现数万棵植物构成的森林的实时漫游。 2100433B