Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Application of Bayesian Belief Networks for Smart City Fire Risk Assessment Using History Statistics and Sensor Data Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Simplification of 3D City Models Based on K-Means Clustering

verfasst von : Hui Cheng, Bingchan Li, Bo Mao

Erschienen in: Data Science

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

With the development of smart cities, 3D city models have expanded from simple visualization to more applications. However, the data volume of 3D city models is also increasing at the same time, which brings great pressure to data storage and visualization. Therefore, it is necessary to simplify 3D models. In this paper, a three-step simplification method is proposed. Firstly, the geometric features of the building are used to extract the walls and roof of the building separately, and then the ground plan and the single-layer roof are extracted by the K-Means clustering algorithm. Finally, the ground plan is raised to intersect with the roof polygon to form a simplified three-dimensional city model. In this paper, experiments are carried out on a certain number of 3D city models of CityGML format. The compression ratio of model data is 92.08%, the simplification result shows better than others.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Dockless Bicycle Sharing Simulation Based on Arena
Nächstes Kapitel Comprehensive Evaluation Model on New Product Introduction of Convenience Stores Based on Multidimensional Data
Literatur
1.
Lan, R., Wang, J.: Research on support evaluation system of spatial information infrastructure in smart cities. J. Surv. Mapp. Sci. Technol. (1), 78–81 (2015)
2.
Kada, M.: 3D Building generalization based on half-space modeling. In: Proceedings of the ISPRS Workshop on Multiple Representation and Interoperability of Spatial Data (2006)
3.
Baig, S.U., Rahman, A.A.: A three-step strategy for generalization of 3D building models based on CityGML specifications. GeoJournal 78(6), 1013–1020 (2013)CrossRef
4.
Li, Q., Sun, X., Yang, B., et al.: Geometric structure simplification of 3D building models[J]. ISPRS J. Photogram. Remote Sens. 84, 100–113 (2013)CrossRef
5.
Ying, S., Guo, R., Li, L., et al.: Construction of 3D volumetric objects for a 3D cadastral system. Trans. GIS 19(5), 758–779 (2015)CrossRef
6.
Fan, H., Meng, L., Jahnke, M.: Generalization of 3D Buildings Modelled by CityGML. In: Advances in GIScience, Proceedings of the Agile Conference, Hannover, Germany, 2–5 June. DBLP, pp. 387-405 (2009)
7.
Fan, H., Meng, L.: A three-step approach of simplifying 3D buildings modeled by CityGML. Int. J. Geogr. Inf. Sci. 26(6), 1091–1107 (2012)CrossRef
8.
Mao, B., Ban, Y., Harrie, L.: A multiple representation data structure for dynamic visualisation of generalised 3D city models[J]. ISPRS J. Photogram Remote Sens. 66(2), 198–208 (2011)CrossRef
9.
Biljecki, F., Ledoux, H., Stoter, J., et al.: Formalisation of the level of detail in 3D city modelling. Comput. Environ. Urban Syst. 48(16), 1–15 (2014)CrossRef
10.
Geiger, A., Benner, J., Haefele, K.: Generalization of 3D IFC building models. In: Breunig, M., Al-Doori, M., Butwilowsk, E., Kuper, P., Benner, J., Haefele, K. (eds.) 3D Geoinformation Science., pp. 19–35. Springer, Cham (2015)CrossRef
11.
Mortara, M., Patane, G., Spagnuolo, M., Falcidieno, B., Rossignac, J.: Plumber: a method for a multi-scale decomposition of 3D shapes into tubular primitives and bodies. In: Proceedings of ACM Symposium on Solid Modeling and Applications, pp. 139–158 (2009)
12.
Buchanan, K., Gaytan, D., Xu, L., Dilay, C., Hilton, D.: Spatial K-means clustering of HF noise trends in Southern California waters. 2018 United States National Committee of URSI National Radio Science Meeting (USNC-URSI NRSM), Boulder, CO, pp. 1–2 (2018)
13.
Shao, Lun, Zhou, Xinzhi, et al.: Improved K-means clustering algorithm based on multi-dimensional grid space. Comput. Appl. 38(10), 104–109 (2018)
14.
Zhang, C., Mao, B.: 3D Building models segmentation based on K-means++ cluster analysis. In:. The International Archives of the Photogrammetry. Remote Sensing and Spatial Information Sciences, vol. XLII-2/W2, pp. 57–61 (2016)
15.
Graham, R.L.: An efficient algorithm for determining the convex hull of a planar set. Inf. Process.Lett. 1, 132–133 (1972)CrossRef
Metadaten
Titel
Simplification of 3D City Models Based on K-Means Clustering
verfasst von
Hui Cheng
Bingchan Li
Bo Mao
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Data Science

Print ISBN: 978-981-15-2809-5

Electronic ISBN: 978-981-15-2810-1

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-15-2810-1_4