CN102938066A - 一种基于多元数据重建建筑物外轮廓多边形的方法 - Google Patents
一种基于多元数据重建建筑物外轮廓多边形的方法 Download PDFInfo
- Publication number
- CN102938066A CN102938066A CN2012105237635A CN201210523763A CN102938066A CN 102938066 A CN102938066 A CN 102938066A CN 2012105237635 A CN2012105237635 A CN 2012105237635A CN 201210523763 A CN201210523763 A CN 201210523763A CN 102938066 A CN102938066 A CN 102938066A
- Authority
- CN
- China
- Prior art keywords
- building
- line segment
- buildings
- contour
- polygon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 12
- 238000003709 image segmentation Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 2
- 230000000295 complement effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种基于多元数据重建建筑物外轮廓多边形的方法,步骤包括:分别对DSM数据、影像数据进行分割得到建筑物感兴趣区掩膜图像、影像分割对象;将掩膜图像与影像分割对象合并,得到完整的建筑物对象;对建筑物对象进行边界跟踪得到建筑物曲线,将曲线的曲率局部极大值对应的点作为角点,顺序连接所述角点得到建筑物轮廓多边形;用层次聚类方法对建筑物对象进行分区,并计算建筑物主方向;对建筑物多边形建立线性模型,并结合建筑物主方向和影像数据的梯度信息对建筑物轮廓线性模型进行修正与规则化;利用多边形各线段的线性模型求出两两相邻直线段的交点,作为建筑物轮廓的角点,依次序顺序连接角点构成最终的建筑物多边形。本发明将DSM数据与影像数据进行了有机结合,在整个过程中两种数据作为一种互补,很好的解决了建筑物轮廓多边形重建的问题,该方法在建筑物2维轮廓建模方面具有很强的鲁棒性。
Description
技术领域
本发明涉及一种建筑物外轮廓重建的方法,尤其是涉及一种基于多元数据重建建筑物外轮廓多边形方法,属于计算机模式识别与恢复技术领域。
背景技术
在各种不同的GIS应用中对建筑物建模的需求在不断的增大。特别是在城市地理信息系统的研究中,建筑物的检测和重建非常重要。据Ame ri表示,过去的几年里许多研究项目已经对相关领域进行了研究,如模式识别、3维重建以及建筑物对象表示等。遥感数据为这个需求提供了一种廉价而有效的数据源,然而高度自动化和鲁棒的建筑物建模方法未提出。建筑物建模通常分两个阶段,建筑物的提取与模型的建立。这方面的研究很多,但是很少有成功的方法能够应用于大区域影像。大区域建筑物模型的创建主要依赖于2维数字线划图(DLG),如调查生成的土地线划图,或者通过影像交互生成的土地线划数据,而3维模型的自动生成主要依赖于专业的软件工具,如TerraScan,CyberCity Modeler和PhotoModeller等。在任何建筑物制图工程中生成DLG或2维模型通常会占用大部分的工作量。尤其是对大量的遥感数据而言,手工处理生成2维模型更不可行,因此急需输入参数少,人工干预少的自动化建模方法。
目前建筑物提取技术主要通过计算机手段(包括图像处理与模式识别技术)对单个或多个图像进行检测,并提取建筑物的信息,如它的轮廓线,形状,位置,高度等。分割与特征提取技术可以单独使用,也可组合使用。早期的研究通常只用影像,例如20世纪90年代的Irvin提出的基于建筑物阴影提取建筑物。当有了多源数据可用,多元数据融合来提取建筑物成为了可能。
影像数据和DSM数据常用语地物提取。由于影像数据受到地物反射率、复杂的非均匀光照、遮挡、阴影等影响,只用影像数据难以准确快速有效的识别出建筑物外轮廓;而DSM数据虽然提供了地物的高度信息,但因其缺乏细节信息,所以单用DSM数据只能快速粗略地定位建筑物区域,而难以准确的定位出建筑物边界轮廓。至今未见有文献公开用影像数据结合DSM数据提取建筑物外轮廓的文献。
发明内容
本发明要解决技术问题是:克服上述现有技术缺点,提出一种基于多元数据重建建筑物外轮廓多边形的方法,其结合DSM与影像数据快速、有效、自动化的重建建筑物外轮廓。
为了解决上述技术问题,本发明提出的技术方案是:一种基于多元数据重建建筑物外轮廓多边形的方法,包括如下步骤:
步骤1、遥感图像分割——对DSM数据进行控制标记分水岭分割得到建筑物感兴趣区掩膜图像;对影像数据进行彩色图像分割得到影像分割对象;
步骤2、建筑物对象提取——将步骤1获得的建筑物感兴趣区掩膜图像通过坐标变换映射到彩色图像的分割图层中,定位出被掩膜区域覆盖的影像分割对象,将落在同一掩膜区域的相邻影像分割对象合并,得到完整的建筑物对象;
步骤3、建筑物轮廓提取——对步骤2所得建筑物对象进行边界跟踪,得到建筑物轮廓的矢量曲线,计算矢量曲线上各点的曲率,将曲率的局部极大值对应的点作为角点,顺序连接所述角点得到建筑物轮廓多边形;
步骤4、建筑区主方向获取——用基于距离矩阵的层次聚类方法对建筑物对象进行分区,利用各分区内所有建筑物轮廓的线段角度分别构造角度直方图,各直方图中最高频率对应的角度作为相应建筑区分块的建筑物主方向;
步骤5、建筑物轮廓多边形建模——对建筑物多边形建立线性模型,并结合步骤4获取的建筑物主方向和影像数据的梯度信息对建筑物轮廓线性模型进行修正与规则化,使其准确的定位于建筑物边缘;
步骤6、获得最终的建筑物轮廓——利用多边形各线段的线性模型求出两两相邻直线段的交点,作为建筑物轮廓的角点,依次序顺序连接角点构成最终的建筑物多边形。
为了解决上述技术问题,本发明进一步的改进在于:
1)、步骤4中,所述距离矩阵中元素的值由建筑物之间的空间距离矩阵、角距离矩阵进行加权获得,公式如下:
di,j=w1Δρi,j+w2Δθi,j
式中,di,j表示在距离矩阵中与第i个建筑物和第j个建筑物对应的元素值,Δρi,j表示第i个建筑物与第j个建筑物之间的空间距离,Δθi,j表示第i个建筑物与第j个建筑物之间的角距离,w1表示空间距离的权重值,w2表示角距离的权重值,且w1+w2=1。
2)、步骤3中建筑物轮廓提取的具体方法如下:
A)对提取出的感兴趣区建筑物对象用经典扫描线算法追踪其边界,生成边界矢量多边形曲线。;
B)用高斯平滑滤波器对所述边界矢量多边形曲线进行平滑滤波;高斯方差的设置范围为17-19;高斯方差不建议设过小的值,因为那样会检测到过多的角点,且不利于后期角度转换,建议设置为18;
C)对平滑滤波后的多边形曲线计算其曲率,将曲率的局部极大值对应的点作为角点;
D)按顺序连接角点生成建筑物轮廓多边形。
3)、步骤4中,将两建筑物边界轮廓之间角点的最短距离作为两建筑物之间的空间距离,公式如下:
式中:xp,i、yp,i代表第i个建筑物轮廓曲线中第p个角点的X、Y坐标;xq,j、yq,j代表第j个建筑物轮廓曲线中第q个角点的X、Y坐标,Ni代表第i个建筑物轮廓曲线的线段数量,Nj代表第j个建筑物轮廓曲线的线段数量。
4)、步骤4中,将两建筑物边界轮廓之间的角度均值之差作为两建筑物的角距离,公式如下:
式中:θk,i表示第i个建筑的外轮廓曲线中第k根线段的角度;θl,j表示第j个建筑的外轮廓曲线中第l根线段的角度;Si表示第i个建筑物轮廓曲线的线段数量,Sj表示第j个建筑物轮廓曲线的线段数量。
5)、步骤5中,首先利用线性模型y=kx+b表示建筑物轮廓曲线多边形的一条线段,其中斜率k=tan(θ),θ为线段的角度;然后对所述线性模型进行修正:矫正建筑物轮廓多边形的线段角度以使其平行或垂直于建筑物主方向,若线段与主方向夹角小于或等于45°,则以线段中点为支点转动线段使其与主方向平行,若线段与主方向夹角大于45°,则以线段中点为支点转动线段使其与主方向垂直,从而获得修正后线段的斜率;线段经转动后平移至影像数据上对应边缘的最接近处,并结合斜率计算获得修正后的线段截距。
6)、步骤5中,对线性模型进行修正完成后,如果存在两条线段之间互相平行且间距小于或等于5个像素,则将这两条线段相向平移合并成为一条线段,两条线段的斜率作为合并线段的斜率,两条线段中点的均值作为合并线段的中点,据此获得合并线段的线性模型;如果两线段之间互相平行且距离大于5个像素,则在两者之间插入一条与所述两线段垂直的线段,两条线段中点坐标的均值作为插入线段的中点坐标,据此获得插入线段的线性模型,所述插入的线段作为相应建筑物多边形线段。
7)、步骤5中,线段经转动后平移至影像数据上对应边缘的最接近处的方法是:依据DSM建筑物掩膜图层与影像数据的梯度变化图像粗略定位出最优边界的候选区域,沿垂直于线段的方向向两侧搜索影像数据的最大梯度值点,将线段平移至该最大梯度值点处。
本发明将DSM数据与影像数据进行了有机结合,在整个过程中两种数据作为一种互补,很好的解决了建筑物轮廓多边形重建的问题。首先用发明人李艳于2008年国际摄影测量与遥感大会上公开发表的《基于数字表面模型数据与影像数据提取建筑物》中的控制标记分水岭分割算法、局部表面法角变换算法分别对DSM数据与影像进行分割。对DSM的分割能够生成建筑物感兴趣掩膜图像,但DSM细节信息严重缺乏,分割对象的边界与建筑物实际边界差异较大,因此对DSM数据进行分割只能快速有效的定位到建筑物的粗略位置。而对影像的分割能得到一个个强度均一的纯净对象(PPO),每一个对象都覆盖着某一地类的一部分或全部,如树、街道、建筑物等。但由于RGB影像只有强度信息,没有地类高度信息,所以分割的对象不具有类别信息。而RGB影像细节特征信息丰富明显,所以其建筑物对象的边界更接近真实的建筑物边界。根据对DSM数据与影像数据的优劣势分析,本发明结合两者的优势,使其优势互补,即将DSM数据分割得到的建筑物感兴趣区掩膜图像映射到RGB分割图层中,快速的定位出被掩膜区域覆盖的影像分割对象,并合并得到完整建筑物结构的建筑物对象。
紧接着对建筑物对象进行边界追踪,并对追踪到的边界线进行高斯低通滤波减少噪声影响,然后提取出角点并顺序连接构建初始建筑物多边形。
其次,由于建筑物通常都是沿着特定方向的自然街道建设,所以距离较近的建筑应该具有相近的取向。据此规律用层次聚类算法结合建筑物的空间位置与方向特征将建筑群分成数个建筑区,并对建筑区内所有曲线段角度构造角度直方图,取其最高频率对应的角度作为建筑区的建筑物的主方向。这种方法与对单个建筑物估算主方向相比,因为增加了取样数量,使得算法更加鲁棒,估计得到的建筑区的主方向也更符合实际。
最后通过对建筑物多边形建立线性模型,并结合估计出的建筑物主方向信息和RGB影像的梯度信息对多边形线段模型进行修正化和规则化,使其准确的定位于建筑物边缘,以达到建筑物外轮廓多边形的自动化建模,线段模型间的交点为建筑物角点,依次连接所述角点完成对建筑物外轮廓的重建。
本发明的创新点在于:(1)提出一种快速有效,完全自动化重建建筑物外轮廓的新思路,即利用DSM数据与影像数据多源数据集成的策略,取长补短,达到建筑物外轮廓快速自动化建模的目的;(2)由于建筑物通常沿特定方向的自然街道建设,所以距离较近的建筑应该具有相近的取向,所以可将取向相近,距离相近的建筑物看成一个建筑区,而一个建筑群可能有多个建筑区,这是建筑物的一般分布规律。其次建筑物与建筑物之间具有空间位置和方向特征,这是用来描述建筑物的最主要的两个特征。因此,本发明提出一种考虑建筑物间角距离特征的层次聚类算法,利用空间距离与角距离联合矩阵进行层次聚类分析,实验结果表明该算法较传统层次聚类算法而言具有更高的可分性,利于后续主方向提取。(3)为避免噪声或因建筑物边缘反射的奇异性造成的误差,通过对跟踪得到的建筑物边界曲线进行高斯平滑滤波,使检测到的角点与影像信息具有较高的相关性。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实例的可见光航拍影像数据。
图2为本发明实例的nDSM数据。
图3为本发明实例的建筑物对象提取结果。
图4为本发明实例的建筑物角点检测结果。
图5为本发明实例基于建筑区重建后的建筑物轮廓多边形(与影像叠加)示意图。
图6为本发明实例基于单建筑重建的建筑物轮廓多边形(与影像叠加)示意图。
图7为线段中点和角点示意图。
具体实施方式
本实例对日本东京地区一居住区的建筑物进行轮廓多边形重建,采用的影像数据为可见光航拍影像,分辨率为0.2m,如附图1所示;采用的数字表面模型数据为通过交互式摄影测量方法得到的0.5m分辨率DSM数据衍生的归一化数字表面模型(nDSM)数据,如附图2所示。
本实例基于多源数据重建建筑物外轮廓多边形方法,包括以下步骤:
步骤1、遥感图像分割——对DSM数据进行控制标记分水岭分割得到建筑物感兴趣区掩膜图像;对影像数据进行彩色图像分割得到影像分割对象。
本例中,实用发明人李艳于2008年国际摄影测量与遥感大会上公开发表的《基于数字表面模型数据与影像数据提取建筑物》中的控制标记分水岭分割算法对DSM数据进行分割,使用局部表面法角变换算法对影像数据进行分割。
步骤2、建筑物对象提取——将步骤1获得的建筑物感兴趣区掩膜图像通过坐标变换映射到彩色图像的分割图层中,定位出被掩膜区域覆盖的影像分割对象,将落在同一掩膜区域的相邻影像分割对象合并,得到完整的建筑物对象。
步骤1中,对DSM的分割能够生成建筑物感兴趣掩膜图像,能快速有效的定位出建筑物的粗略位置。而对影像的分割能得到一个个强度均一的纯净对象(PPO),虽然因影像细节特征明显其对象边界更接近真实建筑物边界,但该对象不具有类别信息。因此需将DSM数据分割得到的建筑物感兴趣区掩膜图像映射到RGB分割图层中,快速的定位出被掩膜区域覆盖的影像分割对象,并合并得到完整建筑物结构的建筑物对象,提取结果如附图3所示。
步骤3、建筑物轮廓提取——对步骤2所得建筑物对象进行边界跟踪,得到建筑物轮廓的矢量曲线,计算矢量曲线上各点的曲率,将曲率的局部极大值对应的点作为角点,顺序连接所述角点得到建筑物轮廓多边形。
本步骤建筑物轮廓提取的具体方法如下:
A)对提取出的感兴趣区建筑物对象用经典扫描线算法追踪其边界,生成边界矢量多边形曲线;
B)用高斯平滑滤波器对所述边界矢量多边形曲线进行平滑滤波;高斯方差参数设置为18;不建议设过小的值,因为那样会检测到过多的角点,且不利于后期角度转换;
C)对平滑滤波后的多边形曲线计算其曲率,将曲率的局部极大值对应的点作为角点;其结果如附图4所示,图中角点以星号表示;
D)按顺序连接角点生成建筑物轮廓多边形。
步骤4、建筑区主方向获取——用基于距离矩阵的层次聚类方法对建筑物对象进行分区,利用各分区内所有建筑物轮廓的线段角度分别构造角度直方图,各直方图中最高频率对应的角度作为相应建筑区分块的建筑物主方向。
本发明假设建筑物多边形受直角约束,即多边形相邻两边应该互相垂直。建筑物的这对主方向可以用角度α,β表示,且有|α-β|=90;α,β∈(-90,90)。
本实施例层次聚类法所用距离矩阵采用联合距离,距离矩阵中元素的值由建筑物之间的空间距离矩阵、角距离矩阵进行加权获得,公式如下:
di,j=w1Δρi,j+w2Δθi,j
式中,di,j表示在距离矩阵中与第i个建筑物和第j个建筑物对应的元素值,Δρi,j表示第i个建筑物与第j个建筑物之间的空间距离,Δθi,j表示第i个建筑物与第j个建筑物之间的角距离,w1表示空间距离的权重值,w2表示角距离的权重值,且w1+w2=1。本实施例中w1=0.5;w2=0.5。
其中,将两建筑物边界轮廓之间角点的最短距离作为两建筑物之间的空间距离,公式如下:
式中:xp,i、yp,i代表第i个建筑物轮廓曲线中第p个角点的X、Y坐标;xq,j、yq,j代表第j个建筑物轮廓曲线中第q个角点的X、Y坐标,Ni代表第i个建筑物轮廓曲线的线段数量,Nj代表第j个建筑物轮廓曲线的线段数量。
将两建筑物边界轮廓之间的角度均值之差作为两建筑物的角距离,公式如下:
式中:θk,i表示第i个建筑的外轮廓曲线中第k根线段的角度;θl,j表示第j个建筑的外轮廓曲线中第l根线段的角度;Si表示第i个建筑物轮廓曲线的线段数量,Sj表示第j个建筑物轮廓曲线的线段数量。
本步骤中所提及的层次聚类为现有成熟算法。本实施例使用Matlab平台提供的一种基本层次聚类算法,该算法根据Jain的理论创建聚类树。它提供一个系统树图,即一种特殊类型的树结构,每一个节点代表一个处于特定层次的聚类。用线相连的两个节点代表这两个聚类被合并到一个更高一级层次的聚类中。根节点是最高层次的节点,即意味着是整个数据集的聚类。给定任意类数目,聚类树可以分成几个分支指向生成的类。本实例指定的类别数目为20。
步骤5、建筑物轮廓多边形建模——对建筑物多边形建立线性模型,并结合步骤4获取的建筑物主方向和影像数据的梯度信息对建筑物轮廓线性模型进行修正与规则化,使其准确的定位于建筑物边缘。
本步骤中,首先利用线性模型y=kx+b表示建筑物轮廓曲线多边形的一条线段,其中斜率k=tan(θ),θ为线段的角度;然后对所述线性模型进行修正:矫正建筑物轮廓多边形的线段角度以使其平行或垂直于建筑物主方向,若线段与主方向夹角小于或等于45°,则以线段中点为支点转动线段使其与主方向平行,若线段与主方向夹角大于45°,则以线段中点为支点转动线段使其与主方向垂直,从而获得修正后线段的斜率;线段经转动后平移至影像数据上对应边缘的最接近处,并结合斜率计算获得修正后的线段截距。
对线性模型进行修正完成后,如果存在两条线段之间互相平行且间距小于或等于5个像素,则将这两条线段相向平移合并成为一条线段,两条线段的斜率作为合并线段的斜率,两条线段中点的均值作为合并线段的中点,据此获得合并线段的线性模型;如果两线段之间互相平行且距离大于5个像素,则在两者之间插入一条与所述两线段垂直的线段,两条线段中点坐标的均值作为插入线段的中点坐标,据此获得插入线段的线性模型,所述插入的线段作为相应建筑物多边形线段。
本步骤中,线段经转动后平移至影像数据上对应边缘的最接近处的方法是:依据DSM建筑物掩膜图层与影像数据的梯度变化图像粗略定位出最优边界的候选区域,沿垂直于线段的方向向两侧搜索影像数据的最大梯度值点,将线段平移至该最大梯度值点处,以达到建筑物外轮廓多边形的自动化建模。。
本实施例中,线性模型的斜率k初始化为两个顺序角点c(i)和c(i+1)连接线的斜率。中点p0(i)将这条线分为两部分,每个部分有各自的中点p1(i)和p2(i)。如图7所示,这3个中点用来修正该线段的位置以及线段模型参数。截距b是由p0(i)的中点坐标和斜率k计算得到的。在对线性模型进行修正时,在这3个中点处沿垂直于线段的方向搜索出最大梯度值点,并根据该点位重新计算出中点位置,并依此修正直线方程相关参数。本实施例选择3个点为基础进行垂直方向上的最大梯度值搜索,是一种用以获得线段两侧最大梯度值的近似方法,三个点在线端上分布较均匀,因此也基本能够满足实际情况的需求。
步骤6、获得最终的建筑物轮廓——利用多边形各线段的线性模型求出两两相邻直线段的交点,作为建筑物轮廓的角点,依次序顺序连接角点构成最终的建筑物多边形,如附图5所示,多边形以不同灰度的线段描画,其中灰度相同的那些轮廓代表它们位于同一个建筑区。
为了便于比较突出本发明基于建筑区建模的优越性,本实例给出对应的基于单建筑建模的结果,如附图6所示,多边形均以黑色线段描画。表1给出本发明提出的方法与单建筑建模方法检测的方向错误对象统计表。
表1
从图6和表1均可看出,相对于传统方法而言,利用本发明方法重建建筑物轮廓,其方向错误对象的数目大大减少,该方法在建筑物2维轮廓建模方面具有很强的鲁棒性。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (8)
1.一种基于多元数据重建建筑物外轮廓多边形的方法,包括如下步骤:
步骤1、遥感图像分割——对DSM数据进行控制标记分水岭分割得到建筑物感兴趣区掩膜图像;对影像数据进行彩色图像分割得到影像分割对象;
步骤2、建筑物对象提取——将步骤1获得的建筑物感兴趣区掩膜图像通过坐标变换映射到彩色图像的分割图层中,定位出被掩膜区域覆盖的影像分割对象,将落在同一掩膜区域的相邻影像分割对象合并,得到完整的建筑物对象;
步骤3、建筑物轮廓提取——对步骤2所得建筑物对象进行边界跟踪,得到建筑物轮廓的矢量曲线,计算矢量曲线上各点的曲率,将曲率的局部极大值对应的点作为角点,顺序连接所述角点得到建筑物轮廓多边形;
步骤4、建筑区主方向获取——用基于距离矩阵的层次聚类方法对建筑物对象进行分区,利用各分区内所有建筑物轮廓的线段角度分别构造角度直方图,各直方图中最高频率对应的角度作为相应建筑区分块的建筑物主方向;
步骤5、建筑物轮廓多边形建模——对建筑物多边形建立线性模型,并结合步骤4获取的建筑物主方向和影像数据的梯度信息对建筑物轮廓线性模型进行修正与规则化,使其准确的定位于建筑物边缘;
步骤6、获得最终的建筑物轮廓——利用多边形各线段的线性模型求出两两相邻直线段的交点,作为建筑物轮廓的角点,依次序顺序连接角点构成最终的建筑物多边形。
2.根据权利要求1所述基于多元数据重建建筑物外轮廓多边形的方法,其特征在于:步骤3中建筑物轮廓提取的具体方法如下:
A)对提取出的感兴趣区建筑物对象用经典扫描线算法追踪其边界,生成边界矢量多边形曲线;
B)用高斯平滑滤波器对所述边界矢量多边形曲线进行平滑滤波;高斯方差参数设置范围为17-19;
C)对平滑滤波后的多边形曲线计算其曲率,将曲率的局部极大值对应的点作为角点;
D)按顺序连接角点生成建筑物轮廓多边形。
3.根据权利要求1所述基于多元数据重建建筑物外轮廓多边形的方法,其特征在于:步骤4中,所述距离矩阵中元素的值由建筑物之间的空间距离矩阵、角距离矩阵进行加权获得,公式如下:
di,j=w1Δρi,j+w2Δθi,j
式中,di,j表示在距离矩阵中与第i个建筑物和第j个建筑物对应的元素值,Δρi,j表示第i个建筑物与第j个建筑物之间的空间距离,Δθi,j表示第i个建筑物与第j个建筑物之间的角距离,w1表示空间距离的权重值,w2表示角距离的权重值,且w1+w2=1。
4.根据权利要求3所述基于多元数据重建建筑物外轮廓多边形的方法,其特征在于:步骤4中,将两建筑物边界轮廓之间角点的最短距离作为两建筑物之间的空间距离,公式如下:
式中:xp,i、yp,i代表第i个建筑物轮廓曲线中第p个角点的X、Y坐标;xq,j、yq,j代表第j个建筑物轮廓曲线中第q个角点的X、Y坐标,Ni代表第i个建筑物轮廓曲线的线段数量,Nj代表第j个建筑物轮廓曲线的线段数量。
5.根据权利要求3所述基于多元数据重建建筑物外轮廓多边形的方法,其特征在于:步骤4中,将两建筑物边界轮廓之间的角度均值之差作为两建筑物的角距离,公式如下:
式中:θk,i表示第i个建筑的外轮廓曲线中第k根线段的角度;θl,j表示第j个建筑的外轮廓曲线中第l根线段的角度;Si表示第i个建筑物轮廓曲线的线段数量,Sj表示第j个建筑物轮廓曲线的线段数量。
6.根据权利要求1所述基于多元数据重建建筑物外轮廓多边形的方法,其特征在于:步骤5中,首先利用线性模型y=kx+b表示建筑物轮廓曲线多边形的一条线段,其中斜率k=tan(θ),θ为线段的角度;然后对所述线性模型进行修正:矫正建筑物轮廓多边形的线段角度以使其平行或垂直于建筑物主方向,若线段与主方向夹角小于或等于45°,则以线段中点为支点转动线段使其与主方向平行,若线段与主方向夹角大于45°,则以线段中点为支点转动线段使其与主方向垂直,从而获得修正后线段的斜率;线段经转动后平移至影像数据上对应边缘的最接近处,并结合斜率计算获得修正后的线段截距。
7.根据权利要求6所述基于多元数据重建建筑物外轮廓多边形的方法,其特征在于:步骤5中,对线性模型进行修正完成后,如果存在两条线段之间互相平行且间距小于或等于5个像素,则将这两条线段相向平移合并成为一条线段,两条线段的斜率作为合并线段的斜率,两条线段中点的均值作为合并线段的中点,据此获得合并线段的线性模型;如果两线段之间互相平行且距离大于5个像素,则在两者之间插入一条与所述两线段垂直的线段,两条线段中点坐标的均值作为插入线段的中点坐标,据此获得插入线段的线性模型,所述插入的线段作为相应建筑物多边形线段。
8.根据权利要求7所述基于多元数据重建建筑物外轮廓多边形的方法,其特征在于:步骤5中,线段经转动后平移至影像数据上对应边缘的最接近处的方法是:依据DSM建筑物掩膜图层与影像数据的梯度变化图像粗略定位出最优边界的候选区域,沿垂直于线段的方向向两侧搜索影像数据的最大梯度值点,将线段平移至该最大梯度值点处。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210523763.5A CN102938066B (zh) | 2012-12-07 | 2012-12-07 | 一种基于多元数据重建建筑物外轮廓多边形的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210523763.5A CN102938066B (zh) | 2012-12-07 | 2012-12-07 | 一种基于多元数据重建建筑物外轮廓多边形的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102938066A true CN102938066A (zh) | 2013-02-20 |
CN102938066B CN102938066B (zh) | 2015-10-28 |
Family
ID=47696961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210523763.5A Expired - Fee Related CN102938066B (zh) | 2012-12-07 | 2012-12-07 | 一种基于多元数据重建建筑物外轮廓多边形的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102938066B (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337084A (zh) * | 2013-06-05 | 2013-10-02 | 东南大学 | 一种基于人工地物特征的地物图斑自动生成方法 |
CN103412947A (zh) * | 2013-08-26 | 2013-11-27 | 浙江大学 | 针对空间大数据的多边形搜索方法 |
CN104200212A (zh) * | 2014-06-25 | 2014-12-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物外边界线提取方法 |
CN104504718A (zh) * | 2015-01-06 | 2015-04-08 | 南京大学 | 高分辨率航空遥感数据自动道路提取方法 |
CN104535049A (zh) * | 2014-12-19 | 2015-04-22 | 广东南方数码科技有限公司 | 一种航空摄影非立体采集的测图方法 |
CN104732511A (zh) * | 2013-12-24 | 2015-06-24 | 华为技术有限公司 | 一种凸多边形图像块的检测方法、装置及设备 |
CN104915672A (zh) * | 2014-03-13 | 2015-09-16 | 北京大学 | 一种基于高分辨率遥感图像的矩形建筑物提取方法及系统 |
CN105631849A (zh) * | 2014-11-06 | 2016-06-01 | 航天恒星科技有限公司 | 多边形目标的变化检测方法及装置 |
CN106056598A (zh) * | 2016-05-27 | 2016-10-26 | 哈尔滨工业大学 | 基于线段检测和图像分割融合的卫星高分图像建筑物轮廓提取方法 |
CN106096497A (zh) * | 2016-05-28 | 2016-11-09 | 安徽省(水利部淮河水利委员会)水利科学研究院 | 一种针对多元遥感数据的房屋矢量化方法 |
CN106909730A (zh) * | 2017-02-21 | 2017-06-30 | 山东师范大学 | 基于同伦映射算法的建筑物三维模型仿真方法及系统 |
CN106971400A (zh) * | 2017-03-10 | 2017-07-21 | 中国航空工业集团公司洛阳电光设备研究所 | 一种图像分割线的修补方法及其装置 |
CN107301659A (zh) * | 2017-05-25 | 2017-10-27 | 环境保护部卫星环境应用中心 | 一种高分辨率影像与gis数据配准方法及装置 |
CN108062510A (zh) * | 2017-11-17 | 2018-05-22 | 维库(厦门)信息技术有限公司 | 一种多目标跟踪结果实时动态显示方法及计算机设备 |
CN109272521A (zh) * | 2018-10-11 | 2019-01-25 | 北京理工大学 | 一种基于曲率分析的图像特征快速分割方法 |
CN109284520A (zh) * | 2018-07-10 | 2019-01-29 | 广东工业大学 | 一种dwg建筑图外墙快速提取方法 |
CN109903304A (zh) * | 2019-02-25 | 2019-06-18 | 武汉大学 | 一种基于卷积神经元网络和多边形规则化的建筑物轮廓自动提取算法 |
CN110110729A (zh) * | 2019-03-20 | 2019-08-09 | 中国地质大学(武汉) | 基于u形cnn模型实现遥感图像的建筑实例掩模提取方法 |
CN110197147A (zh) * | 2019-05-23 | 2019-09-03 | 星际空间(天津)科技发展有限公司 | 遥感影像的建筑物实例提取方法、装置、存储介质及设备 |
CN110388919A (zh) * | 2019-07-30 | 2019-10-29 | 上海云扩信息科技有限公司 | 增强现实中基于特征图和惯性测量的三维模型定位方法 |
CN111242140A (zh) * | 2020-01-17 | 2020-06-05 | 厦门理工学院 | 一种非均匀光照下快速提取轮廓线的方法 |
CN111767764A (zh) * | 2019-04-02 | 2020-10-13 | 丰图科技(深圳)有限公司 | 建筑楼块的识别方法、装置、服务器及存储介质 |
CN111967341A (zh) * | 2020-07-27 | 2020-11-20 | 广东融合通信股份有限公司 | 一种卫星地图目标物轮廓的识别方法 |
CN112348836A (zh) * | 2020-11-06 | 2021-02-09 | 二十一世纪空间技术应用股份有限公司 | 一种自动提取建筑物轮廓的方法及装置 |
CN112487537A (zh) * | 2020-12-08 | 2021-03-12 | 亿景智联(北京)科技有限公司 | 一种基于全卷积神经网络的建筑面多级优化提取方法 |
CN112767469A (zh) * | 2021-01-25 | 2021-05-07 | 东南大学 | 一种城市海量建筑高度智能化获取方法 |
CN115620169A (zh) * | 2022-12-15 | 2023-01-17 | 北京数慧时空信息技术有限公司 | 基于区域一致性的建筑物主角度修正方法 |
CN117315288A (zh) * | 2023-11-28 | 2023-12-29 | 图兮数字科技(北京)有限公司 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
CN117830336A (zh) * | 2024-03-04 | 2024-04-05 | 福建帝视科技集团有限公司 | 一种基于线扫描相机成像的多边形轮廓检测方法及装置 |
CN117935064A (zh) * | 2024-03-22 | 2024-04-26 | 湖北神龙工程测试技术有限公司 | 基于图像处理的建筑倾斜预警方法及系统 |
CN118133404A (zh) * | 2024-05-06 | 2024-06-04 | 中国电建集团成都勘测设计研究院有限公司 | 一种单体建筑内的设备空间布局优化方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030147553A1 (en) * | 2002-02-07 | 2003-08-07 | Liang-Chien Chen | Semi-automatic reconstruction method of 3-D building models using building outline segments |
CN101359371A (zh) * | 2008-07-30 | 2009-02-04 | 上海同盛工程建设配套管理有限公司 | 基于数字高程模型的建筑物自动提取的方法 |
CN101383054A (zh) * | 2008-10-17 | 2009-03-11 | 北京大学 | 一种基于图像与扫描数据的混合三维重建方法 |
CN101726255A (zh) * | 2008-10-24 | 2010-06-09 | 中国科学院光电研究院 | 从三维激光点云数据中提取感兴趣建筑物的方法 |
CN101887597A (zh) * | 2010-07-06 | 2010-11-17 | 中国科学院深圳先进技术研究院 | 建筑物三维模型构建方法及系统 |
CN101976462A (zh) * | 2010-10-29 | 2011-02-16 | 中国测绘科学研究院 | 一种三维重建方法 |
CN102521884A (zh) * | 2011-12-16 | 2012-06-27 | 南京大学 | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 |
-
2012
- 2012-12-07 CN CN201210523763.5A patent/CN102938066B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030147553A1 (en) * | 2002-02-07 | 2003-08-07 | Liang-Chien Chen | Semi-automatic reconstruction method of 3-D building models using building outline segments |
CN101359371A (zh) * | 2008-07-30 | 2009-02-04 | 上海同盛工程建设配套管理有限公司 | 基于数字高程模型的建筑物自动提取的方法 |
CN101383054A (zh) * | 2008-10-17 | 2009-03-11 | 北京大学 | 一种基于图像与扫描数据的混合三维重建方法 |
CN101726255A (zh) * | 2008-10-24 | 2010-06-09 | 中国科学院光电研究院 | 从三维激光点云数据中提取感兴趣建筑物的方法 |
CN101887597A (zh) * | 2010-07-06 | 2010-11-17 | 中国科学院深圳先进技术研究院 | 建筑物三维模型构建方法及系统 |
CN101976462A (zh) * | 2010-10-29 | 2011-02-16 | 中国测绘科学研究院 | 一种三维重建方法 |
CN102521884A (zh) * | 2011-12-16 | 2012-06-27 | 南京大学 | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 |
Non-Patent Citations (3)
Title |
---|
吴秀芸: "基于高分辨率遥感影像的建筑物提取及轮廓矢量化研究", 《中国优秀硕士学位论文全文数据库》 * |
吴秀芸等: "基于改进标记分水岭的遥感影像建筑物提取", 《水电能源科学》 * |
吴秀芸等: "基于角点检测的建筑物轮廓矢量化方法", 《遥感信息》 * |
Cited By (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337084A (zh) * | 2013-06-05 | 2013-10-02 | 东南大学 | 一种基于人工地物特征的地物图斑自动生成方法 |
CN103337084B (zh) * | 2013-06-05 | 2015-11-18 | 东南大学 | 一种基于人工地物特征的地物图斑自动生成方法 |
CN103412947A (zh) * | 2013-08-26 | 2013-11-27 | 浙江大学 | 针对空间大数据的多边形搜索方法 |
CN104732511A (zh) * | 2013-12-24 | 2015-06-24 | 华为技术有限公司 | 一种凸多边形图像块的检测方法、装置及设备 |
CN104732511B (zh) * | 2013-12-24 | 2018-04-20 | 华为技术有限公司 | 一种凸多边形图像块的检测方法、装置及设备 |
CN104915672B (zh) * | 2014-03-13 | 2018-08-03 | 北京大学 | 一种基于高分辨率遥感图像的矩形建筑物提取方法及系统 |
CN104915672A (zh) * | 2014-03-13 | 2015-09-16 | 北京大学 | 一种基于高分辨率遥感图像的矩形建筑物提取方法及系统 |
CN104200212A (zh) * | 2014-06-25 | 2014-12-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物外边界线提取方法 |
CN105631849A (zh) * | 2014-11-06 | 2016-06-01 | 航天恒星科技有限公司 | 多边形目标的变化检测方法及装置 |
CN105631849B (zh) * | 2014-11-06 | 2018-08-24 | 航天恒星科技有限公司 | 多边形目标的变化检测方法及装置 |
CN104535049A (zh) * | 2014-12-19 | 2015-04-22 | 广东南方数码科技有限公司 | 一种航空摄影非立体采集的测图方法 |
CN104535049B (zh) * | 2014-12-19 | 2017-01-18 | 广东南方数码科技股份有限公司 | 一种航空摄影非立体采集的测图方法 |
CN104504718A (zh) * | 2015-01-06 | 2015-04-08 | 南京大学 | 高分辨率航空遥感数据自动道路提取方法 |
CN104504718B (zh) * | 2015-01-06 | 2017-03-29 | 南京大学 | 高分辨率航空遥感数据自动道路提取方法 |
CN106056598A (zh) * | 2016-05-27 | 2016-10-26 | 哈尔滨工业大学 | 基于线段检测和图像分割融合的卫星高分图像建筑物轮廓提取方法 |
CN106096497A (zh) * | 2016-05-28 | 2016-11-09 | 安徽省(水利部淮河水利委员会)水利科学研究院 | 一种针对多元遥感数据的房屋矢量化方法 |
CN106096497B (zh) * | 2016-05-28 | 2019-08-06 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 一种针对多元遥感数据的房屋矢量化方法 |
CN106909730B (zh) * | 2017-02-21 | 2020-05-05 | 山东师范大学 | 基于同伦映射算法的建筑物三维模型仿真方法及系统 |
CN106909730A (zh) * | 2017-02-21 | 2017-06-30 | 山东师范大学 | 基于同伦映射算法的建筑物三维模型仿真方法及系统 |
CN106971400A (zh) * | 2017-03-10 | 2017-07-21 | 中国航空工业集团公司洛阳电光设备研究所 | 一种图像分割线的修补方法及其装置 |
CN106971400B (zh) * | 2017-03-10 | 2020-11-10 | 中国航空工业集团公司洛阳电光设备研究所 | 一种图像分割线的修补方法及其装置 |
CN107301659A (zh) * | 2017-05-25 | 2017-10-27 | 环境保护部卫星环境应用中心 | 一种高分辨率影像与gis数据配准方法及装置 |
CN107301659B (zh) * | 2017-05-25 | 2018-11-02 | 环境保护部卫星环境应用中心 | 一种高分辨率影像与gis数据配准方法及装置 |
CN108062510A (zh) * | 2017-11-17 | 2018-05-22 | 维库(厦门)信息技术有限公司 | 一种多目标跟踪结果实时动态显示方法及计算机设备 |
CN109284520A (zh) * | 2018-07-10 | 2019-01-29 | 广东工业大学 | 一种dwg建筑图外墙快速提取方法 |
CN109284520B (zh) * | 2018-07-10 | 2022-11-01 | 广东工业大学 | 一种dwg建筑图外墙快速提取方法 |
CN109272521A (zh) * | 2018-10-11 | 2019-01-25 | 北京理工大学 | 一种基于曲率分析的图像特征快速分割方法 |
CN109903304A (zh) * | 2019-02-25 | 2019-06-18 | 武汉大学 | 一种基于卷积神经元网络和多边形规则化的建筑物轮廓自动提取算法 |
CN110110729A (zh) * | 2019-03-20 | 2019-08-09 | 中国地质大学(武汉) | 基于u形cnn模型实现遥感图像的建筑实例掩模提取方法 |
CN111767764A (zh) * | 2019-04-02 | 2020-10-13 | 丰图科技(深圳)有限公司 | 建筑楼块的识别方法、装置、服务器及存储介质 |
CN110197147A (zh) * | 2019-05-23 | 2019-09-03 | 星际空间(天津)科技发展有限公司 | 遥感影像的建筑物实例提取方法、装置、存储介质及设备 |
CN110197147B (zh) * | 2019-05-23 | 2022-12-02 | 星际空间(天津)科技发展有限公司 | 遥感影像的建筑物实例提取方法、装置、存储介质及设备 |
CN110388919A (zh) * | 2019-07-30 | 2019-10-29 | 上海云扩信息科技有限公司 | 增强现实中基于特征图和惯性测量的三维模型定位方法 |
CN110388919B (zh) * | 2019-07-30 | 2023-05-23 | 上海云扩信息科技有限公司 | 增强现实中基于特征图和惯性测量的三维模型定位方法 |
CN111242140A (zh) * | 2020-01-17 | 2020-06-05 | 厦门理工学院 | 一种非均匀光照下快速提取轮廓线的方法 |
CN111242140B (zh) * | 2020-01-17 | 2023-04-18 | 厦门理工学院 | 一种非均匀光照下快速提取轮廓线的方法 |
CN111967341A (zh) * | 2020-07-27 | 2020-11-20 | 广东融合通信股份有限公司 | 一种卫星地图目标物轮廓的识别方法 |
CN112348836A (zh) * | 2020-11-06 | 2021-02-09 | 二十一世纪空间技术应用股份有限公司 | 一种自动提取建筑物轮廓的方法及装置 |
CN112348836B (zh) * | 2020-11-06 | 2024-03-12 | 二十一世纪空间技术应用股份有限公司 | 一种自动提取建筑物轮廓的方法及装置 |
CN112487537A (zh) * | 2020-12-08 | 2021-03-12 | 亿景智联(北京)科技有限公司 | 一种基于全卷积神经网络的建筑面多级优化提取方法 |
CN112767469A (zh) * | 2021-01-25 | 2021-05-07 | 东南大学 | 一种城市海量建筑高度智能化获取方法 |
CN112767469B (zh) * | 2021-01-25 | 2021-09-21 | 东南大学 | 一种城市海量建筑高度智能化获取方法 |
CN115620169A (zh) * | 2022-12-15 | 2023-01-17 | 北京数慧时空信息技术有限公司 | 基于区域一致性的建筑物主角度修正方法 |
CN115620169B (zh) * | 2022-12-15 | 2023-04-07 | 北京数慧时空信息技术有限公司 | 基于区域一致性的建筑物主角度修正方法 |
WO2024125434A1 (zh) * | 2022-12-15 | 2024-06-20 | 北京数慧时空信息技术有限公司 | 基于区域一致性的建筑物主角度修正方法 |
CN117315288B (zh) * | 2023-11-28 | 2024-02-13 | 图兮数字科技(北京)有限公司 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
CN117315288A (zh) * | 2023-11-28 | 2023-12-29 | 图兮数字科技(北京)有限公司 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
CN117830336A (zh) * | 2024-03-04 | 2024-04-05 | 福建帝视科技集团有限公司 | 一种基于线扫描相机成像的多边形轮廓检测方法及装置 |
CN117935064A (zh) * | 2024-03-22 | 2024-04-26 | 湖北神龙工程测试技术有限公司 | 基于图像处理的建筑倾斜预警方法及系统 |
CN117935064B (zh) * | 2024-03-22 | 2024-05-24 | 湖北神龙工程测试技术有限公司 | 基于图像处理的建筑倾斜预警方法及系统 |
CN118133404A (zh) * | 2024-05-06 | 2024-06-04 | 中国电建集团成都勘测设计研究院有限公司 | 一种单体建筑内的设备空间布局优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102938066B (zh) | 2015-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102938066B (zh) | 一种基于多元数据重建建筑物外轮廓多边形的方法 | |
CN104392486B (zh) | 一种点云场景重建方法 | |
CN105740798B (zh) | 一种基于结构分析的点云场景物体识别方法 | |
CN107093205B (zh) | 一种基于无人机图像的三维空间建筑物窗户检测重建方法 | |
CN102136155B (zh) | 基于三维激光扫描数据的物体立面矢量化方法和系统 | |
Martinovic et al. | 3d all the way: Semantic segmentation of urban scenes from start to end in 3d | |
CN105139379B (zh) | 基于分类分层的机载Lidar点云建筑物顶面渐进提取方法 | |
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN103971115B (zh) | 一种基于NDVI和PanTex指数的新增建设用地图斑自动提取方法 | |
CN103295232B (zh) | 基于直线和区域的sar图像配准方法 | |
Jarząbek-Rychard et al. | 3D building reconstruction from ALS data using unambiguous decomposition into elementary structures | |
CN104700398A (zh) | 一种点云场景物体提取方法 | |
CN110648342A (zh) | 基于nsst显著性检测及图割的泡沫红外图像分割方法 | |
CN103927511A (zh) | 基于差异特征描述的图像识别方法 | |
CN110634131B (zh) | 一种裂缝图像识别与建模方法 | |
CN104268526A (zh) | 一种汉字图片匹配与变形方法 | |
CN105513094A (zh) | 基于三维Delaunay三角剖分的立体视觉跟踪方法及系统 | |
CN103854290A (zh) | 一种结合骨架特征点和分布场描述子的扩展目标跟踪方法 | |
Taillandier | Automatic building reconstruction from cadastral maps and aerial images | |
CN102609721B (zh) | 遥感影像的聚类方法 | |
CN105139452B (zh) | 一种基于图像分割的地质曲线重建方法 | |
CN104599325A (zh) | 一种三维人脸重采样方法 | |
Lee et al. | Determination of building model key points using multidirectional shaded relief images generated from airborne LiDAR data | |
Gruen et al. | An Operable System for LoD3 Model Generation Using Multi-Source Data and User-Friendly Interactive Editing | |
Song et al. | A region-based approach to building detection in densely build-up high resolution satellite image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151028 Termination date: 20171207 |