格网DEM生成不规则三角网TIN

目录

• 概述
• 详论
  • 1️⃣数据准备
  • 2️⃣转换算法
  • 3️⃣TIN构建
  • 4️⃣具体实现
  • 5️⃣实验结果
• 参考

概述

在GIS（地理信息科学）中，地形有两种表达方式，一种是格网DEM，一种是不规则三角网TIN。一般情况下规则格网DEM用的比较多，因为可以将高程当作像素，将其存储为图片类型的数据（例如.tif）。但是规则格网存储的数据量大，按规则取点，并不能最大程度的保证地形特征，所以很多情况下需要将其表达为不规则三角网，也就是TIN。

详论

1️⃣数据准备

下载SRTM30的DEM数据，找到美国大峡谷附近的地形，通过UTM投影，将其转换成30米的平面坐标的DEM（.tif格式）。通过Global Mapper打开，显示的效果如下：

2️⃣转换算法

格网DEM本身也可以看作是一个三角网，每个方格由两个三角形组成，N个方格据组成了一个地形格网。所以在参考文献一中提到了一种保留重要点法，将格网DEM中认为不重要的点去除掉，剩下的点构建成不规则三角网即可。那么怎么直到有的点重要，有的点不重要呢？参考文献一中提到了一种约束：

可以看到这类似于图像处理中的滤波操作，通过比较每个高程点与周围的平均高差，如果大于一个阈值，则为重要点，否则为不重要点。其中的关键点就是求空间点与直线的距离，具体算法可参看这篇文章《空间点与直线距离算法》。

3️⃣TIN构建

经过保留重要点法过滤之后，剩下的点就要进行构网了。一般来说最好构建成Delaunay三角网（因为Delaunay三角网具有很多最优特性）。Delaunay三角网的构建算法也挺复杂，不过可以通过计算几何算法库CGAL来构建。

查阅CGAL的文档，发现CGAL居然已经有了GIS专题，里面有许多与地形处理相关的示例。其中一个示例就是通过点集生成了Delaunay三角网，并且生成了.ply文件。.ply文件正好是一种三维数据格式，能够被很多三维软件打开。

4️⃣具体实现

解决了两个关键算法，具体实现就很简单了：引入GDAL数据来处理地形数据（.tif），遍历每个像素点（高程点）做滤波操作，通过CGAL来构建TIN：

#include <iostream>
#include <string>

#include <Vec3.hpp>
#include <threeCGAL.h>
#include <gdal_priv.h>

#include <CGAL/Exact_predicates_inexact_constructions_kernel.h>
#include <CGAL/Projection_traits_xy_3.h>
#include <CGAL/Delaunay_triangulation_2.h>
#include <CGAL/Triangulation_vertex_base_with_info_2.h>
#include <CGAL/Triangulation_face_base_with_info_2.h>
#include <CGAL/boost/graph/graph_traits_Delaunay_triangulation_2.h>
#include <CGAL/boost/graph/copy_face_graph.h>
#include <CGAL/Point_set_3.h>
#include <CGAL/Surface_mesh.h>
#include <CGAL/Polygon_mesh_processing/border.h>
#include <CGAL/Polygon_mesh_processing/remesh.h>

using Kernel = CGAL::Exact_predicates_inexact_constructions_kernel;
using Projection_traits = CGAL::Projection_traits_xy_3<Kernel>;
using Point_2 = Kernel::Point_2;
using Point_3 = Kernel::Point_3;
using Segment_3 = Kernel::Segment_3;
// Triangulated Irregular Network
using TIN = CGAL::Delaunay_triangulation_2<Projection_traits>;

using namespace std;

int main(int argc, char *argv[])
{
    GDALAllRegister();

    string demPath = "D:/Work/DEM2TIN/DEM.tif";
    string tinPath = "D:/Work/DEM2TIN/Tin.ply";

    GDALDataset* img = (GDALDataset *)GDALOpen(demPath.c_str(), GA_ReadOnly);
    if (!img)
    {
        cout << "Can't Open Image!" << endl;
        return 1;
    }

    int imgWidth = img->GetRasterXSize();	//图像宽度
    int imgHeight = img->GetRasterYSize();	//图像高度
    int bandNum = img->GetRasterCount();	//波段数
    //int depth = GDALGetDataTypeSize(img->GetRasterBand(1)->GetRasterDataType()) / 8;	//图像深度
    int depth = sizeof(float);	//图像深度

    double padfTransform[6];
    img->GetGeoTransform(padfTransform);
    double dx = padfTransform[1];
    double startx = padfTransform[0] + 0.5 * dx;
    double dy = -padfTransform[5];
    double starty = padfTransform[3] - imgHeight * dy + 0.5 * dy;

    //申请buf
    int bufWidth = imgWidth;
    int bufHeight = imgHeight;
    size_t imgBufNum = (size_t)bufWidth * bufHeight * bandNum;
    size_t imgBufOffset = (size_t)bufWidth * (bufHeight - 1) * bandNum;
    float *pblock = new float[imgBufNum];

    //读取
    img->RasterIO(GF_Read, 0, 0, bufWidth, bufHeight, pblock + imgBufOffset, bufWidth, bufHeight,
        GDT_Float32, bandNum, nullptr, bandNum*depth, -bufWidth * bandNum*depth, depth);

    CGAL::Point_set_3<Point_3> points;
    double zThreshold = 5;

    //
    for (int yi = 0; yi < imgHeight; yi++)
    {
        for (int xi = 0; xi < imgWidth; xi++)
        {
            //将四个角点的约束加入，保证与DEM范围一致
            if ((xi == 0 && yi == 0) || (xi == imgWidth - 1 && yi == 0) ||
                (xi == imgWidth - 1 && yi == imgHeight - 1) || (xi == 0 && yi == imgHeight - 1))
            {
                double gx1 = startx + dx * xi;
                double gy1 = starty + dy * yi;
                size_t m11 = (size_t)(imgWidth)* yi + xi;
                tinyCG::Vec3d P(gx1, gy1, pblock[m11]);
                points.insert(Point_3(P.x(), P.y(), P.z()));
            }
            else
            {
                double gx0 = startx + dx * (xi - 1);
                double gy0 = starty + dy * (yi - 1);

                double gx1 = startx + dx * xi;
                double gy1 = starty + dy * yi;

                double gx2 = startx + dx * (xi + 1);
                double gy2 = starty + dy * (yi + 1);

                size_t m00 = (size_t)imgWidth * (yi - 1) + xi - 1;
                size_t m01 = (size_t)imgWidth * (yi - 1) + xi;
                size_t m02 = (size_t)imgWidth * (yi - 1) + xi + 1;

                size_t m10 = (size_t)imgWidth* yi + xi - 1;
                size_t m11 = (size_t)imgWidth* yi + xi;
                size_t m12 = (size_t)imgWidth* yi + xi + 1;

                size_t m20 = (size_t)imgWidth * (yi + 1) + xi - 1;
                size_t m21 = (size_t)imgWidth * (yi + 1) + xi;
                size_t m22 = (size_t)imgWidth * (yi + 1) + xi + 1;

                tinyCG::Vec3d P(gx1, gy1, pblock[m11]);

                double zMeanDistance = 0;
                int counter = 0;

                if(m00 < imgBufNum && m22 < imgBufNum)
                {
                    tinyCG::Vec3d A(gx0, gy0, pblock[m00]);
                    tinyCG::Vec3d E(gx2, gy2, pblock[m22]);
                    zMeanDistance = zMeanDistance + tinyCG::threeCGAL::CalDistancePointAndLine(P, A, E);
                    counter++;
                }

                if (m02 < imgBufNum && m20 < imgBufNum)
                {
                    tinyCG::Vec3d C(gx2, gy0, pblock[m02]);
                    tinyCG::Vec3d G(gx0, gy2, pblock[m20]);
                    zMeanDistance = zMeanDistance + tinyCG::threeCGAL::CalDistancePointAndLine(P, C, G);
                    counter++;
                }

                if (m01 < imgBufNum && m21 < imgBufNum)
                {
                    tinyCG::Vec3d B(gx1, gy0, pblock[m01]);
                    tinyCG::Vec3d F(gx1, gy2, pblock[m21]);
                    zMeanDistance = zMeanDistance + tinyCG::threeCGAL::CalDistancePointAndLine(P, B, F);
                    counter++;
                }

                if (m12 < imgBufNum && m10 < imgBufNum)
                {
                    tinyCG::Vec3d D(gx2, gy1, pblock[m12]);
                    tinyCG::Vec3d H(gx0, gy1, pblock[m10]);
                    zMeanDistance = zMeanDistance + tinyCG::threeCGAL::CalDistancePointAndLine(P, D, H);
                    counter++;
                }

                zMeanDistance = zMeanDistance / counter;

                if (zMeanDistance > zThreshold)
                {
                    points.insert(Point_3(P.x(), P.y(), P.z()));
                }
            }
        }
    }

    delete[] pblock;
    pblock = nullptr;

    GDALClose(img);

    // Create DSM
    TIN dsm (points.points().begin(), points.points().end());

    using Mesh = CGAL::Surface_mesh<Point_3>;
    Mesh dsm_mesh;
    CGAL::copy_face_graph (dsm, dsm_mesh);
    std::ofstream dsm_ofile (tinPath, std::ios_base::binary);
    CGAL::set_binary_mode (dsm_ofile);
    CGAL::write_ply (dsm_ofile, dsm_mesh);
    dsm_ofile.close();

    return 0;
}

5️⃣实验结果

将最终生成的三维模型文件.ply通过MeshLab打开，渲染效果如下：

通过Global Mapper还可以看到具体的三角构网效果：

参考

1. DEM模型之间的相互转换

代码地址1

代码地址2 提取码:x0wt