CN109034073A - 预测建筑拆除废弃物产生量的方法、系统、设备及介质 - Google Patents
预测建筑拆除废弃物产生量的方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN109034073A CN109034073A CN201810852898.3A CN201810852898A CN109034073A CN 109034073 A CN109034073 A CN 109034073A CN 201810852898 A CN201810852898 A CN 201810852898A CN 109034073 A CN109034073 A CN 109034073A
- Authority
- CN
- China
- Prior art keywords
- building
- quasi
- region
- image
- yield
- 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
- 239000002699 waste material Substances 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 14
- 238000011161 development Methods 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Or Creating Images (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开了一种预测既有建筑拆除废弃物产生量的方法,包括以下步骤:获取拟拆除区域在实时地图中的分布;获取所述拟拆除区域在卫星地图中的建筑物的影像;获得所述建筑物的占地面积、影像高度及卫星拍摄角度;获取所述拟拆除区域的总建筑面积;通过计算进而获取到所述拟拆除区域的建筑废弃物产生量。一种预测既有建筑拆除废弃物产生量的系统,包括:拟拆除区域获取模块,区域信息获取模块,建筑废弃物产生量计算模块;以及一种预测既有建筑拆除废弃物产生量的设备及可读存储介质。该方法对于政府规划建筑废弃物综合利用企业和填埋场的数量、位置和规模提供指导意义,同时可减少因实地调查所投入的资源,从而减少财政支出。
Description
技术领域
本发明涉及建筑领域,尤其是预测既有建筑拆除废弃物产生量的方法、系统、设备及存储介质。
背景技术
实时地图:“实时地图”中的“地图”特指电子地图,如百度地图、谷歌地图、高德地图等。“实时”主要特指这些电子地图能够实时更新,人们能够基于这些电子地图进行相关信息的动态、实时、快速的查询。
图像识别技术:图像识别技术是指为了模拟人类识别图像活动而编制的计算机程序,是一种在海量信息数据和人类经验的基础上,利用计算机和数学推理的方法对事物的形状、颜色、模式、字符格式等进行自动识别、评价和反馈的信息技术。
建筑拆除废弃物:建筑拆除废弃物是指建筑物拆除过程中所产生的废弃物,具体包括废弃混凝土块、砖砌块、废金属、废旧木材以及其他废弃物,不包含建筑物、构筑物在拆除过程中产生的生活垃圾及工程弃土。
目前,在大规模的城市更新过程中,大量的既有建筑面临着拆除重建,拆除过程中,会产生巨量的建筑拆除废弃物,而建筑拆除废弃物的精准预测是对其进行有效管理的基本前提。已有关于建筑拆除废弃物产生量的预测主要依赖于人工现场调研,现场收集有关拟拆除建筑的建筑信息,如高度、面积等,这样较为原始的数据收集方法需要耗费大量的时间、人力和物力,其误差也较大。现有的图像识别技术没有和实时地图API二次开发技术有效的结合,更没有将其运用到既有建筑拆除废弃物的预测中来。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的是提供一种能够实时、精准、快速的预测大规模城市更新过程中既有建筑拆除废弃物的产生数量的方法及系统。
本发明所采用的技术方案是:
本发明提供一种预测既有建筑拆除废弃物产生量的方法,包括以下步骤:
获取拟拆除区域在实时地图中的分布;
获取所述拟拆除区域在卫星地图中的建筑物的影像;
获得所述建筑物的占地面积、影像高度及卫星拍摄角度;
获取所述拟拆除区域的总建筑面积;
通过计算进而获取到所述拟拆除区域的建筑废弃物产生量。
作为该技术方案的改进,所述步骤获取拟拆除区域在实时地图中的分布,其中所述拟拆除区域在实时地图中为一封闭回路。
作为该技术方案的改进,所述步骤获取所述拟拆除区域在卫星地图中的建筑物的影像,其采用灰度信息和建筑物形态信息相结合的轮廓提取算法。
作为该技术方案的改进,所述采用灰度信息和建筑物形态信息相结合的轮廓提取算法,其具体包括:
对原始图像进行灰度化处理;
对灰度化处理后所得图像进行边缘提取,获得边缘图像。
进一步地,所述采用灰度信息和建筑物形态信息相结合的轮廓提取算法,其还包括:
将原始图像转换为HSV颜色模型的图像,并进行二值化处理。
进一步地,通过将所得边缘图像与二值化处理后的图像进行融合,进而得到建筑物影像。
进一步地,根据所得拟拆除区域的总建筑面积,结合拟拆除区域建筑物的单位建筑面积产废率,可得到所述拟拆除区域的建筑废弃物产生量。
另一方面,本发明还提供一种预测既有建筑拆除废弃物产生量的系统,包括:
拟拆除区域获取模块,用以执行步骤获取拟拆除区域在实时地图中的分布;
区域信息获取模块,用以执行步骤获取所述拟拆除区域在卫星地图中的建筑物的影像;
获得所述建筑物的占地面积、影像高度及卫星拍摄角度;
获取所述拟拆除区域的总建筑面积;
建筑废弃物产生量计算模块,用以执行步骤通过计算进而获取到所述拟拆除区域的建筑废弃物产生量。
第三方面,本发明还提供一种预测既有建筑拆除废弃物产生量的设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行所述的方法。
第四方面,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行所述的方法。
本发明的有益效果是:
本发明提供的预测既有建筑拆除废弃物产生量的方法、系统、设备及存储介质,在已有实时地图的基础上,通过开发API接口,将建筑物的相关数据嵌入网页平台中,可实时、快速的进行建筑拆除废弃物的估算和预测;同时其通过运用图像识别技术,用以识别和提取建筑物影像,剔除道路、绿化等非建筑影像,使建筑拆除废弃物的预测更加精准;本方案基于实时地图API二次开发和图像识别技术,实现对规模化既有建筑拆除废弃物的实时、快速和精准预测,有助于提高预测方法的准确性和科学性,并可以应用到各种地区或者更大范围的研究。该方法对于政府规划建筑废弃物综合利用企业和填埋场的数量、位置和规模提供指导意义,同时可减少因实地调查所投入的资源,从而减少财政支出。
附图说明
图1是本发明一实施例的控制流程框图;
图2为本发明一实施例的原理图;
图3为本发明一实施例的图像识别技术识别和提取建筑物影像的流程图;
图4为本发明一实施例的建筑物实际高度计算原理示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参照图1,本发明提供一种预测既有建筑拆除废弃物产生量的方法,包括以下步骤:
获取拟拆除区域在实时地图中的分布;
获取所述拟拆除区域在卫星地图中的建筑物的影像;
获得所述建筑物的占地面积、影像高度及卫星拍摄角度;
获取所述拟拆除区域的总建筑面积;
通过计算进而获取到所述拟拆除区域的废弃物产生量。
具体地,该方法包括如下步骤:
(1)在实时地图中框选拟拆除区域,并保证框选区域形成一个闭合回路;
(2)采用图像识别技术识别和提取所选区域卫星地图中的建筑物影像,用以区分建筑物与非建筑物;
(3)通过实时地图中的测量工具测量已提取出来的建筑物的占地面积;
(4)通过实时地图中的测量工具测量建筑物的影像高度,并从实时地图的存储信息中获取卫星拍摄该建筑物时的角度;
(5)基于实时地图二次开发API插件,将建筑物的占地面积、影像高度和卫星拍摄角度三组数据调取出来,根据三角函数关系,即可计算出建筑物的实际高度;
(6)将计算出的实际高度除以楼层高度,即可计算出该建筑物的楼层数;
(7)将计算出的楼层数乘以该建筑物的占地面积,即可计算出该建筑物的建筑面积;
(8)将拟拆除区域的所有建筑物的建筑面积相加,即可计算出拟拆除区域的总建筑面积;
(9)将总建筑面积乘以单位建筑面积产废率,即可计算出拟拆除区域建筑拆除废弃物的产生数量。
在实时地图中框选拟拆除区域,并保证框选区域形成一个闭合回路。采用人工智能图像识别技术识别和提取所选区域实时卫星地图中的建筑物影像,用以区分建筑物与非建筑物。通过实时地图中的测量工具测量已提取出来的建筑物的占地面积和影像高度,并从实时地图的存储信息中获取卫星拍摄该建筑物时的角度。对实时地图进行API二次开发,调取实时地图中建筑物的占地面积、影像高度和卫星拍摄角度三组数值。通过卫星地图中建筑物的影像高度和拍摄角度的正切值,即可计算出建筑物的实际高度。将计算出的实际高度除以楼层高度,即可计算出该建筑物的楼层数。将计算出的楼层数乘以该建筑物的占地面积,即可计算出该建筑物的建筑面积。将拟拆除区域的所有建筑物的建筑面积相加,即可计算出拟拆除区域的总建筑面积。将总建筑面积乘以单位建筑面积产废率,即可计算出拟拆除区域既有建筑拆除废弃物的产生数量。
拟拆除区域既有建筑拆除废弃物的产生数量计算公式为
G=TA×WGR
其中,G为拟拆除区域既有建筑拆除废弃物的总产生数量,TA为拟拆除区域既有建筑物的总建筑面积,WGR为拟拆除区域既有建筑物的单位面积产废率。
拟拆除区域既有建筑物的总建筑面积计算公式为:
其中,TA为拟拆除区域既有建筑物的总建筑面积,Ai为拟拆除区域第i栋既有建筑的建筑面积。
拟拆除区域每一栋建筑的建筑面积计算公式为:
其中,Af为拟拆除区域每一栋建筑的占地面积,H为拟拆除区域每一栋建筑的实际高度,Hf为拟拆除区域每一栋建筑的楼层高度。值得注意的是,H/Hf为建筑物的楼层数,楼层数只能为整数。因此,为提高预测的准确性,H/Hf的比值应四舍五入取整;同时Hf作为建筑物的楼层高度,其作为固定数值嵌入编程中,城中村、住宅区的建筑物楼层高度为2.8~3.0米,工业区的建筑物楼层高度为5~6米。
拟拆除区域每一栋建筑的实际高度计算公式为:
其中,S为实时地图中拟拆除区域每一栋建筑的影像高度,α为实时地图中建筑物的卫星拍摄角度。
具体地,用户通过以网页形式开发的建筑拆除废弃物预测平台,用鼠标框选想要预测的任意拟拆除片区,该片区的框选主要基于内嵌在该平台上的实时地图。
而建筑物与非建筑物的识别主要基于灰度信息和建筑物形态信息相结合的轮廓提取算法。首先,对原始图像进行灰度化,再采用Canny算子对灰度化处理后的图像进行边缘提取,用以得到边缘图像。其次,将实时地图中的原始图像从RGB颜色模型转换成HSV颜色模型,再对其进行二值化处理。最后,通过数学形态学法对二值图像进行除噪点处理,再采用二值图像逻辑运算法将边缘图像与二值图像进行融合,以此得到建筑物影像。
基于实时地图API二次开发从实时地图中提取建筑物的占地面积、影像高度和卫星拍摄角度,实现拟拆除区域建筑物总建筑面积的快速计算。首先,使用实时地图中的测量工具对建筑物的占地面积和影像高度进行批量化测算,测算结果与每一建筑物一一匹配,同时从实时地图的存储信息中获取建筑物的卫星拍摄角度。其次,通过对实时地图进行API二次开发,调取建筑物的占地面积、影像高度和拍摄角度三组数值。最后,分别通过“建筑物的实际高度=建筑物的影像高度/卫星拍摄角度的正切值”、“建筑物的楼层数=建筑物的实际高度/层高”、“建筑物的建筑面积=建筑物的楼层数×建筑物的占地面积”三个公式得到每一建筑物的建筑面积,再将拟拆除区域中的所有建筑物的建筑面积相加,即可得到该区域总的建筑面积。
由于楼层高度为固定数值,将其内置于程序中,如要变动,则通过修改软件程序实现控制。
进一步地,根据已计算出的拟拆除区域的总建筑面积,再结合拟拆除区域建筑物的单位建筑面积产废率,估算和预测拟拆除区域既有建筑拆除废弃物的产生数量。拟拆除区域的建筑物类型分为城中村、工业区、住宅区、公共区等,不同类型建筑物的单位面积产废率指标不同,该指标通过前期的实地调研获取并作为固定数值内置于程序中。
参照图2所示,基于实时地图API二次开发获取既有建筑拆除废弃物产生量基础数据指标的原理图,该原理具体描述如下:
实时地图中已开发出测算建筑物占地面积、影像高度的测量工具,同时实时地图的储存信息中已包含卫星拍摄该建筑物时的角度。如何将建筑物的占地面积、影像高度和卫星拍摄角度三组数据从实时地图中调取出来,通过对实时地图进行二次开发,以API插件的形式从实时地图中调取这三组数据,并将其关联到既有建筑拆除废弃物产生量基础数据库中,以内置数据的形式,通过编程预测拟拆除区域既有建筑拆除废弃物的产生量。
参照图3所示,图像识别技术识别和提取建筑物影像的流程图,该流程具体包括如下:
建筑物与非建筑物的识别主要基于灰度信息和建筑物形态信息相结合的轮廓提取算法。对所框选区域的原始图像进行灰度化,再采用Canny算子对灰度化处理后的图像进行边缘提取。采用滑动窗口对边缘图像计算局部的边缘密度,再对局部边缘密度进行二值化分割处理,用以得到边缘图像。同时,将实时地图中的原始图像从RGB颜色模型转换成HSV颜色模型,再针对HSV模型的V通道和S通道设置一个联合阙值,基于饱和度和亮度进行二值分割处理,得到图像的二值分割结果。采用数学形态学法对二值图像进行除噪点处理,并采用二值图像逻辑运算法将边缘图像与二值图像进行融合,以此完成建筑物影像的提取。
参照图4所示,建筑物实际高度计算原理示意图,该原理的具体描述如下:
图中“H”为建筑物的实际高度,即需要通过建筑物的影像高度与卫星拍摄时的角度两者之间的几何关系来确定。“S”为建筑物的影像高度,可通过实时地图中的测距工具直接测得。“α”为建筑物的卫星拍摄角度,可直接从实时地图的存储信息中调取。利用三角函数关系,通过以下公式计算出建筑物的实际高度:
本发明提供的预测既有建筑拆除废弃物产生量的方法、系统、设备及存储介质,在已有实时地图的基础上,通过开发API接口,将建筑物的相关数据嵌入网页平台中,可实时、快速的进行既有建筑拆除废弃物的估算和预测;同时其通过运用图像识别技术,用以识别和提取建筑物影像,剔除道路、绿化等非建筑影像,使建筑拆除废弃物的预测更加精准;本方案基于实时地图API二次开发和图像识别技术,实现对规模化既有建筑拆除废弃物的实时、快速和精准预测,有助于提高预测方法的准确性和科学性,并可以应用到各种地区或者更大范围的研究。该方法对于政府规划建筑废弃物综合利用企业和填埋场的数量、位置和规模提供指导意义,同时可减少因实地调查所投入的资源,从而减少财政支出。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种预测既有建筑拆除废弃物产生量的方法,其特征在于,包括以下步骤:
获取拟拆除区域在实时地图中的分布;
获取所述拟拆除区域在卫星地图中的建筑物的影像;
获得所述建筑物的占地面积、影像高度及卫星拍摄角度;
获取所述拟拆除区域的总建筑面积;
通过计算进而获取到所述拟拆除区域的建筑废弃物产生量。
2.根据权利要求1所述的预测既有建筑拆除废弃物产生量的方法,其特征在于,所述步骤获取拟拆除区域在实时地图中的分布,其中所述拟拆除区域在实时地图中为一封闭回路。
3.根据权利要求1或2所述的预测既有建筑拆除废弃物产生量的方法,其特征在于,所述步骤获取所述拟拆除区域在卫星地图中的建筑物的影像,其采用灰度信息和建筑物形态信息相结合的轮廓提取算法。
4.根据权利要求3所述的预测既有建筑拆除废弃物产生量的方法,其特征在于,所述采用灰度信息和建筑物形态信息相结合的轮廓提取算法,其具体包括:
对原始图像进行灰度化处理;
对灰度化处理后所得图像进行边缘提取,获得边缘图像。
5.根据权利要求4所述的预测既有建筑拆除废弃物产生量的方法,其特征在于,所述采用灰度信息和建筑物形态信息相结合的轮廓提取算法,其还包括:
将原始图像转换为HSV颜色模型的图像,并进行二值化处理。
6.根据权利要求5所述的预测既有建筑拆除废弃物产生量的方法,其特征在于,通过将所得边缘图像与二值化处理后的图像进行融合,进而得到建筑物影像。
7.根据权利要求1或6所述的预测既有建筑拆除废弃物产生量的方法,其特征在于,根据所得拟拆除区域的总建筑面积,结合拟拆除区域建筑物的单位建筑面积产废率,可得到所述拟拆除区域的废弃物产生量。
8.一种预测既有建筑拆除废弃物产生量的系统,其特征在于,包括:
拟拆除区域获取模块,用以执行步骤获取拟拆除区域在实时地图中的分布;
区域信息获取模块,用以执行步骤获取所述拟拆除区域在卫星地图中的建筑物的影像;
获得所述建筑物的占地面积、影像高度及卫星拍摄角度;
获取所述拟拆除区域的总建筑面积;
建筑废弃物产生量计算模块,用以执行步骤通过计算进而获取到所述拟拆除区域的建筑废弃物产生量。
9.一种预测既有建筑拆除废弃物产生量的设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810852898.3A CN109034073B (zh) | 2018-07-30 | 2018-07-30 | 预测建筑拆除废弃物产生量的方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810852898.3A CN109034073B (zh) | 2018-07-30 | 2018-07-30 | 预测建筑拆除废弃物产生量的方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109034073A true CN109034073A (zh) | 2018-12-18 |
CN109034073B CN109034073B (zh) | 2021-05-25 |
Family
ID=64647635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810852898.3A Expired - Fee Related CN109034073B (zh) | 2018-07-30 | 2018-07-30 | 预测建筑拆除废弃物产生量的方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109034073B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348620A (zh) * | 2019-07-02 | 2019-10-18 | 深圳大学 | 基于激光扫描的建筑拆除废弃物产生量预测方法及装置 |
CN111382645A (zh) * | 2018-12-29 | 2020-07-07 | 顺丰科技有限公司 | 电子地图中识别过期建筑的方法和系统 |
CN112613369A (zh) * | 2020-12-15 | 2021-04-06 | 中国建筑第八工程局有限公司 | 建筑窗面积的计算方法及系统 |
CN114581786A (zh) * | 2021-12-28 | 2022-06-03 | 深圳市城市产业发展集团有限公司 | 一种根据地面图像估测建筑面积的方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894382A (zh) * | 2010-07-23 | 2010-11-24 | 同济大学 | 一种集成LiDAR点云的卫星立体影像阴影计算方法 |
CN103699900A (zh) * | 2014-01-03 | 2014-04-02 | 西北工业大学 | 卫星影像中建筑物水平矢量轮廓自动批量提取方法 |
CN103791885A (zh) * | 2014-02-18 | 2014-05-14 | 西北工业大学 | 面向单幅卫星影像的自获取三角元高度计算方法 |
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 |
CN106126964A (zh) * | 2016-08-25 | 2016-11-16 | 刘禹锡 | 一种建筑物面积的测量方法和装置 |
US20170061336A1 (en) * | 2008-02-06 | 2017-03-02 | On Center Software, Inc. | Onscreen takeoff incorporating typical areas system, method and computer product |
WO2017068291A1 (fr) * | 2015-10-22 | 2017-04-27 | Orus | Procede d'estimation d'une surface maximale constructible en lien avec une parcelle |
CN107330979A (zh) * | 2017-06-30 | 2017-11-07 | 电子科技大学中山学院 | 建筑户型的矢量图生成方法、装置及终端 |
CN107393004A (zh) * | 2017-07-17 | 2017-11-24 | 北京数字绿土科技有限公司 | 一种获取输电线走廊中建筑物拆迁量的方法及装置 |
CN108288059A (zh) * | 2017-12-29 | 2018-07-17 | 中国电子科技集团公司第二十七研究所 | 一种基于高分辨率遥感技术的建筑垃圾监测方法 |
-
2018
- 2018-07-30 CN CN201810852898.3A patent/CN109034073B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170061336A1 (en) * | 2008-02-06 | 2017-03-02 | On Center Software, Inc. | Onscreen takeoff incorporating typical areas system, method and computer product |
CN101894382A (zh) * | 2010-07-23 | 2010-11-24 | 同济大学 | 一种集成LiDAR点云的卫星立体影像阴影计算方法 |
CN103699900A (zh) * | 2014-01-03 | 2014-04-02 | 西北工业大学 | 卫星影像中建筑物水平矢量轮廓自动批量提取方法 |
CN103791885A (zh) * | 2014-02-18 | 2014-05-14 | 西北工业大学 | 面向单幅卫星影像的自获取三角元高度计算方法 |
WO2017068291A1 (fr) * | 2015-10-22 | 2017-04-27 | Orus | Procede d'estimation d'une surface maximale constructible en lien avec une parcelle |
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 |
CN106126964A (zh) * | 2016-08-25 | 2016-11-16 | 刘禹锡 | 一种建筑物面积的测量方法和装置 |
CN107330979A (zh) * | 2017-06-30 | 2017-11-07 | 电子科技大学中山学院 | 建筑户型的矢量图生成方法、装置及终端 |
CN107393004A (zh) * | 2017-07-17 | 2017-11-24 | 北京数字绿土科技有限公司 | 一种获取输电线走廊中建筑物拆迁量的方法及装置 |
CN108288059A (zh) * | 2017-12-29 | 2018-07-17 | 中国电子科技集团公司第二十七研究所 | 一种基于高分辨率遥感技术的建筑垃圾监测方法 |
Non-Patent Citations (1)
Title |
---|
李颖、许少华: "《建筑垃圾现状研究》", 《施工技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382645A (zh) * | 2018-12-29 | 2020-07-07 | 顺丰科技有限公司 | 电子地图中识别过期建筑的方法和系统 |
CN111382645B (zh) * | 2018-12-29 | 2023-11-28 | 顺丰科技有限公司 | 电子地图中识别过期建筑的方法和系统 |
CN110348620A (zh) * | 2019-07-02 | 2019-10-18 | 深圳大学 | 基于激光扫描的建筑拆除废弃物产生量预测方法及装置 |
CN112613369A (zh) * | 2020-12-15 | 2021-04-06 | 中国建筑第八工程局有限公司 | 建筑窗面积的计算方法及系统 |
CN114581786A (zh) * | 2021-12-28 | 2022-06-03 | 深圳市城市产业发展集团有限公司 | 一种根据地面图像估测建筑面积的方法和装置 |
CN114581786B (zh) * | 2021-12-28 | 2022-11-25 | 深圳市城市产业发展集团有限公司 | 一种根据地面图像估测建筑面积的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109034073B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263111B (zh) | 基于先验知识的土地利用/覆被信息时空监测方法 | |
CN103336894B (zh) | 一种城市容积率自动分区方法 | |
CN109034073A (zh) | 预测建筑拆除废弃物产生量的方法、系统、设备及介质 | |
CN105608697A (zh) | 基于遥感气溶胶和萤火虫群算法的空气污染源识别方法 | |
CN109272509A (zh) | 一种连续图像的目标检测方法、装置、设备及存储介质 | |
Yuvaraj et al. | Automatic skull-face overlay and mandible articulation in data science by AIRS-Genetic algorithm | |
CN104036550B (zh) | 基于形状语义的建筑立面激光雷达点云解译与重建的方法 | |
CN107392252A (zh) | 计算机深度学习图像特征并量化感知度的方法 | |
CN110991262A (zh) | 生态服务价值预测的多带宽地理加权回归元胞自动机方法 | |
CN102184423B (zh) | 一种全自动的区域不透水面遥感信息精确提取方法 | |
Feng et al. | Calibrating nonparametric cellular automata with a generalized additive model to simulate dynamic urban growth | |
Li et al. | Exploring multiple crowdsourced data to learn deep convolutional neural networks for road extraction | |
Li et al. | Dynamic and explainable deep learning-based risk prediction on adjacent building induced by deep excavation | |
Chen et al. | A mobile intelligent guide system for visually impaired pedestrian | |
Al Qeisi et al. | Generative urban design concepts and methods: a research review | |
Zhou et al. | Comparison of classic object-detection techniques for automated sewer defect detection | |
He et al. | Modeling multi-type urban landscape dynamics along the horizontal and vertical dimensions | |
CN113240219A (zh) | 一种土地利用模拟及预测方法 | |
Chen et al. | Enhanced urban growth modelling: Incorporating regional development heterogeneity and noise reduction in a cellular automata model-a case study of Zhengzhou, China | |
CN116309157A (zh) | 一种结合递归式推理与特征再优化的秦俑纹理修复方法 | |
Gao et al. | Detection method of potholes on highway pavement based on yolov5 | |
CN117541928B (zh) | 一种基于卷积神经网络的城市建筑物质存量估算方法及系统 | |
Huang | A deep learning method for estimating the atmospheric pollutants removal potential of the large-scale environmental strategy based on green roofs | |
Al-kaissi et al. | Cellular automata-dynamic model for urban growth Baqubah City | |
Tiwari et al. | Predicting Future Urban Growth in Bhopal, India using Artificial Intelligence based Modelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210525 |