[发明专利]一种三维实景融合建模的方法

权利要求书

1.一种三维实景融合建模的方法，其特征在于，包括以下的步骤：

步骤一：进行无人机倾斜摄影测量三维建模精度多层次模糊综合评价体系构建，搭建层次模糊综合评价模型；

步骤二：先对同一目标物进行倾斜摄影测量和三维激光扫描，分别获取目标物的图像数据；倾斜摄影测量过程中将每次获取的图像数据输入层次模糊综合评价模型进行精度评价，精度符合预设值，则继续获取下一个图像数据；若精度不符合预设值，则重新获取图像；

步骤三：将步骤二中倾斜摄影测量和三维激光扫描获取的图像数据进行点云融合，生成点云融合模型；

步骤四：对点云融合模型进行不规则三角网构建和纹理映射处理；

步骤五：输出实景三维模型。

2.根据权利要求1所述的一种三维实景融合建模的方法，其特征在于，在所述步骤一中，将评价体系分为评语集V＝{V₁,V₂,V₃,V₄,V₅}，分别代表很差、较差、一般、较好、很好；类别集U＝{U₁，U₂}，分别代表数据获取和数据处理；指标集U₁＝{U₁₁，U₁₂，U₁₃}，分别代表航向重叠率、航高和相片倾角；U₂＝{U₂₁}，代表控制点布设；引入三角模糊数改进指标权重进行一级权重U₁和U₂的计算。

3.根据权利要求2所述的一种三维实景融合建模的方法，其特征在于，一级权重U₁和U₂的计算流程为：

构造模糊矩阵，选择三个专家对指标进行评价打分，构造两两判断矩阵时，得到模糊数M₁(l₁,m₁,u₁)，M₂(l₂,m₂,u₂)，M₃(l₃,m₃,u₃)，将这三个模糊数整合成一个模糊数(l₁+m₁+u₁/3，l₂+m₂+u₂/3，l₂+m₂+u₂/3)，专家对一级指标打分；

然后计算指标因子初始权重，第K层元素i的综合模糊值(初始权重)为：

式中表示第K层元素i的综合模糊值(初始权重)，表示第i行第j列的元素；

接着去模糊化求得指标因子最终权重，设M₁(l₁,m₁,u₁)和M₂(l₂,m₂,u₂)为两个模糊树则M₁≥M₂的可能：

式中,M₁为第一个专家的三角模糊树，M₂为第二个专家的三角模糊树，sup为最小上界符号，u_M1(X)为三角模糊函数1，u_M2(y)为三角模糊函数2，μ(d)为隶属度函数，m₁和u₁为模糊树1中的评价数据，m₂和l₂为模糊树2中的评价数据；

最后权重标准化得到最终权重，公式为：

式中d(U₁)为模糊树1大于其他模糊树的可能程度，d(U₂)为模糊树2大于其他模糊树的可能程度。

4.根据权利要求3所述的一种三维实景融合建模的方法，其特征在于，通过专家系统的专家投票得到航高、航向重叠率、像片倾角和控制点布设的隶属度函数。