CN111523391A - 建筑物的识别方法、系统、电子设备及可读存储介质 - Google Patents
建筑物的识别方法、系统、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111523391A CN111523391A CN202010221677.3A CN202010221677A CN111523391A CN 111523391 A CN111523391 A CN 111523391A CN 202010221677 A CN202010221677 A CN 202010221677A CN 111523391 A CN111523391 A CN 111523391A
- Authority
- CN
- China
- Prior art keywords
- pixel
- contour
- building
- initial
- elevation value
- 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
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了建筑物的识别方法、系统、电子设备及可读存储介质,所述方法包括:获取DSM,所述DSM中包括待识别建筑;获取所述DSM中每一像素的梯度值;针对每一像素,判断所述像素的所述梯度值是否大于或等于梯度阈值,若是,则确认所述像素为建筑物的初始边缘点。本发明通过获取的DSM,可以计算出到待识别建筑每一像素的梯度值,通过排除梯度值不符合要求的像素,可以获取待识别建筑的初始边缘点,本发明根据获取的DSM可以快速、批量化提取较大范围内的建筑,通过排除掉建筑物周围高突变性的像素,可以进一步准确识别出建筑物的初始边缘点。
Description
技术领域
本发明涉及摄影测量、遥感和国土规划领域,特别涉及一种建筑物的识别方法、系统、电子设备及可读存储介质。
背景技术
传统上,一般通过航空摄影来得到建筑的图像,而后再通过目测的方式来识别建筑,以及通过手工的方式拍摄的图像来测量建筑物的相关数据,具体而言,主要通过正面拍摄建筑物的影像后,再根据观察及测量来得到建筑的范围,换句话说,在传统的建筑物的识别方法上,需要通过人工的方式对建筑物进行一个个识别,而这种方式需要投入较高的人力成本和时间成本,且会存在一定程度的误差。
发明内容
本发明要解决的技术问题是为了克服现有技术中识别建筑物成本高、效率低及存在识别误差的缺陷,提供一种准确高效且能够批量化执行的建筑物的识别方法、系统、电子设备及可读存储介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供了一种建筑物的识别方法,所述识别方法包括:
获取DSM(数字地表模型),所述DSM中包括待识别建筑;
获取所述DSM中每一像素的梯度值;
针对每一像素,判断所述像素的所述梯度值是否大于或等于梯度阈值,若是,则确认所述像素为建筑物的初始边缘点。
较佳地,获取所述DSM中每一像素的梯度值的步骤包括:
获取所述DSM中每一像素的高程值;
针对每一像素p0,判断p0是否存在左相邻像素p1、右相邻像素p2、上相邻像素p3及下相邻像素p4:
若是,则分别获取p0与p1、p2、p3及p4的高程值差d1、d2、d3及d4,并根据下列公式计算p0的梯度值;
和/或,
若否,则确认所述像素不是所述建筑物的初始边缘点。
较佳地,确认所述像素为建筑物的初始边缘点的步骤后包括:
针对每一所述初始边缘点,判断所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素是否为初始边缘点,若是,则确认所述初始边缘点及所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素为所述建筑物的初始轮廓点;和/或,若否,则判断所述初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素或右下相邻像素是否为初始边缘点,若是为,则确认所述初始边缘点及为初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素及右下相邻像素为所述建筑物的初始轮廓点;
建立初始轮廓点集合并将所有的初始轮廓点加入至所述初始轮廓集合中。
较佳地,建立初始轮廓点集合并将所有的初始轮廓点加入至所述初始轮廓集合中的步骤后还包括:
S1、从所述初始轮廓集合中提取任意一所述初始轮廓像素,并以所述初始轮廓像素为初始起点建立当前轮廓链表,将提取的所述初始轮廓像素从所述初始轮廓集合中剔除;
S2、将所述初始轮廓像素设置为当前轮廓像素;
S3、检测所述当前轮廓像素的相邻像素中是否存在属于所述初始轮廓集合且不为所述当前轮廓链表的上一像素的第一像素,若存在一个所述第一像素,则执行步骤S4,若存在多个所述第一像素,则执行步骤S7,若不存在所述第一像素,则执行步骤S8;
S4、判断所述第一像素是否已经属于所述当前轮廓链表中,若是,则执行步骤S5,若否,则执行步骤S6;
S5、确认所述当前轮廓链表已生成链表闭环,所述链表闭环的起点为所述初始起点,终点为属于所述当前轮廓链表的所述第一像素,将生成的所述链表闭环加入至闭环集合中后,判断所述初始轮廓集合中是否存在所述初始轮廓像素,若存在,则执行步骤S1,若不存在,则执行步骤S9;
S6、将所述第一像素加入至所述链表的末尾且将所述第一像素设置为当前轮廓像素,执行步骤S3;
S7、将所述当前轮廓像素设置为分叉点并建立与所述第一像素数量相同的分支轮廓链表,对于每一所述分支轮廓列表执行步骤S4;
S8、确认所述当前轮廓链表不能生成链表闭环,执行步骤S1;
S9、确认所述闭环集合中的所有链表闭环为候选建筑物轮廓线。
较佳地,步骤S9后还包括:
针对每一候选建筑物轮廓线,获取所述候选建筑物轮廓线所围成的闭环的覆盖面积;
判断所述覆盖面积是否小于面积阈值,若是,则将对应的候选轮廓线从所述闭环集合中删除;
和/或,
针对每一候选建筑物轮廓线,获取所述候选建筑物轮廓线的周长P及所述候选建筑物轮廓线所围成的闭环的覆盖面积A;
根据下述公式计算所述候选建筑物轮廓线的图形离散度D:
判断所述候选建筑物轮廓线的所述图形离散度是否大于离散度阈值,若是,则将所述候选轮廓线从所述闭环集合中删除。
较佳地,所述建筑物的识别方法还包括:
获取所述建筑物的主体高程值,并根据所述主体高程值从所述闭环集合中确认最终建筑物轮廓线。
较佳地,获取所述建筑物的主体高程值,并根据所述主体高程值从所述闭环集合中确认最终建筑物轮廓线的步骤包括:
S21、获取所述闭环集合中任意一候选建筑物轮廓线,并获取所述候选建筑物轮廓线所覆盖的范围内最高高程值的第一像素,所述第一像素的高程值为第一高程值,将获取的所述候选建筑物轮廓线从所述闭环集合中删除;
S22、根据所述第一高程值与第一预设高程值差的差值计算第二高程值;
S23、计算所述候选建筑物轮廓线所覆盖的范围内高程值大于或等于所述第二高程值且小于或等于所述第一高程值的高程值像素的第一数量C0;
S24、根据下述公式计算所述高程值像素的总面积A0:
A0=C0×r2
其中,r代表所述DSM的分辨率;
S25、判断所述高程值像素的总面积是否大于预设高程值面积,若是,则执行步骤S26,若否,则执行步骤S27;
S26、确认所述候选建筑物轮廓线为建筑物的最终轮廓线;
S27、将所述第二高程值覆盖所述第一高程值,设置所述第二高程值为所述第二高程值减去第二预设高程值的差值,并判断所述第二高程值是否大于或等于最低高程值阈值,若是,则执行步骤S23,若否,则执行步骤S21。
本发明还提供了一种建筑物的识别系统,所述识别系统包括:DSM获取模块、梯度值获取模块及初始边缘点获取模块;
所述DSM获取模块用于获取DSM,所述DSM中包括待识别建筑;
所述梯度值获取模块用于获取所述DSM中每一像素的梯度值;
所述初始边缘点获取模块用于针对每一像素,判断所述像素的所述梯度值是否大于或等于梯度阈值,若是,则确认所述像素为建筑物的初始边缘点。
较佳地,所述梯度值获取模块包括高程值获取单元及相邻像素判断单元;
所述高程值获取单元用于获取所述DSM中每一像素的高程值;
所述相邻像素判断单元用于针对每一像素p0,判断p0是否存在左相邻像素p1、右相邻像素p2、上相邻像素p3及下相邻像素p4:
若是,则分别获取p0与p1、p2、p3及p4的高程值差d1、d2、d3及d4,并根据下列公式计算p0的梯度值;
和/或,
若否,则确认所述像素不是所述建筑物的初始边缘点。
较佳地,所述识别系统还包括:初始轮廓点确认模块及集合建立模块;
所述初始轮廓点确认模块用于针对每一所述初始边缘点,判断所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素是否为初始边缘点,若是,则确认所述初始边缘点及所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素为所述建筑物的初始轮廓点;和/或,若否,则判断所述初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素或右下相邻像素是否为初始边缘点,若是为,则确认所述初始边缘点及为初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素及右下相邻像素为所述建筑物的初始轮廓点;
所述集合建立模块用于建立初始轮廓点集合并将所有的初始轮廓点加入至所述初始轮廓集合中。
较佳地,所述识别系统还包括:候选轮廓线确认模块,用于确认候选建筑物轮廓线;
所述候选轮廓线确认模块具体包括:当前轮廓链表建立单元、当前像素设置单元、像素数量检测单元、链表像素判断单元、第一闭环确认单元、像素加入单元、分支建立单元、第二闭环确认单元及候选轮廓线确认单元;
所述当前轮廓链表建立单元用于从所述初始轮廓集合中提取任意一所述初始轮廓像素,并以所述初始轮廓像素为初始起点建立当前轮廓链表,将提取的所述初始轮廓像素从所述初始轮廓集合中剔除,并调用所述当前像素设置单元;
所述当前像素设置单元用于将所述初始轮廓像素设置为当前轮廓像素,并调用所述像素数量检测单元;
所述像素数量检测单元用于检测所述当前轮廓像素的相邻像素中是否存在属于所述初始轮廓集合且不为所述当前轮廓链表的上一像素的第一像素,若存在一个所述第一像素,则调用所述链表像素判断单元,若存在多个所述第一像素,则调用所述分支建立单元,若不存在所述第一像素,则调用第二闭环确认单元;
所述链表像素判断单元用于判断所述第一像素是否已经属于所述当前轮廓链表中,若是,则调用所述第一闭环确认单元,若否,则调用所述像素加入单元;
所述第一闭环确认单用于确认所述当前轮廓链表已生成链表闭环,所述链表闭环的起点为所述初始起点,终点为属于所述当前轮廓链表的所述第一像素,将生成的所述链表闭环加入至闭环集合中后,判断所述初始轮廓集合中是否存在所述初始轮廓像素,若存在,则调用所述当前轮廓链表建立单元,若不存在,则调用所述候选轮廓线确认单元;
所述像素加入单元用于将所述第一像素加入至所述链表的末尾且将所述第一像素设置为当前轮廓像素,调用所述像素数量检测单元;
所述分支建立单元用于将所述当前轮廓像素设置为分叉点并建立与所述第一像素数量相同的分支轮廓列表,对于每一所述分支轮廓列表调用所述链表像素判断单元;
所述第二闭环确认单元用于确认所述当前轮廓链表不能生成链表闭环,调用所述当前轮廓链表建立单元;
所述候选轮廓线确认单元用于确认所述闭环集合中的所有链表闭环为候选建筑物轮廓线。
较佳地,所述候选轮廓线确认模块还用于针对每一候选建筑物轮廓线,获取所述候选建筑物轮廓线所围成的闭环的覆盖面积,并判断所述覆盖面积是否小于面积阈值,若是,则将对应的候选轮廓线从所述闭环集合中删除;
和/或,
所述候选轮廓线确认模块还用于针对每一候选建筑物轮廓线,获取所述候选建筑物轮廓线的周长P及所述候选建筑物轮廓线所围成的闭环的覆盖面积A;根据下述公式计算所述候选建筑物轮廓线的图形离散度D:
并判断所述候选建筑物轮廓线的所述图形离散度是否大于离散度阈值,若是,则将所述候选轮廓线从所述闭环集合中删除。
较佳地,所述建筑物的识别系统还包括:最终轮廓线确认模块,用于获取所述建筑物的主体高程值,并根据所述主体高程值从所述闭环集合中确认最终建筑物轮廓线。
较佳地,所述最终轮廓线确认模块,用于确认所述建筑物的最终轮廓线;
所述最终轮廓线确认模块具体包括轮廓线获取单元、高程值计算单元、数量计算单元、面积计算单元、面积判断单元、最终轮廓线确认单元及高程值判断单元;
所述轮廓线获取单元用于获取所述闭环集合中任意一候选建筑物轮廓线,并获取所述候选建筑物轮廓线所覆盖的范围内最高高程值的第一像素,所述第一像素的高程值为第一高程值,将获取的所述候选建筑物轮廓线从所述闭环集合中删除,并调用所述高程值计算单元;
所述高程值计算单元用于根据所述第一高程值与第一预设高程值差的差值计算第二高程值;
所述数量计算单元用于计算所述候选建筑物轮廓线所覆盖的范围内高程值大于或等于所述第二高程值且小于或等于所述第一高程值的高程值像素的第一数量C0;
所述面积计算单元用于根据下述公式计算所述高程值像素的总面积A0:
A0=C0×r2
其中,r代表所述DSM的分辨率;
所述面积判断单元用于判断所述高程值像素的总面积是否大于预设高程值面积,若是,则调用所述最终轮廓线确认单元,若否,则调用所述高程值判断单元;
所述最终轮廓线确认单元用于确认所述候选建筑物轮廓线为建筑物的最终轮廓线;
所述高程值判断单元用于将所述第二高程值覆盖所述第一高程值,设置所述第二高程值为所述第二高程值减去第二预设高程值的差值,并判断所述第二高程值是否大于或等于最低高程值阈值,若是,则调用所述高程值计算单元,若否,则调用所述轮廓线获取单元。
本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的建筑物的识别方法。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的建筑物的识别方法的步骤。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
发明的积极进步效果在于:
本发明通过获取的DSM,可以计算出到待识别建筑每一像素的梯度值,通过排除梯度值不符合要求的像素,可以获取待识别建筑的初始边缘点,本发明根据获取的DSM可以快速、批量化提取较大范围内的建筑,通过排除掉建筑物周围高突变性的像素,可以进一步准确识别出建筑物的初始边缘点。
附图说明
图1为本发明实施例1的建筑物的识别方法的流程图。
图2为实施例1中步骤102的实现方式的流程图。
图3为实施例1中具体场景下DSM中部分像素的示意图
图4为本发明实施例2中确认初始轮廓点的实现方式流程图。
图5为本发明实施例2中具体场景下初始轮廓点的示意图。
图6为本发明实施2中确认候选建筑物轮廓线的实现方式流程图。
图7为本发明实施例2中具体场景下候选建筑物轮廓线的示意图。
图8为本发明实施例2中最终轮廓线获取的流程图。
图9为本发明实施例3的建筑物的识别系统的模块示意图。
图10为本发明实施例3中梯度值获取模块的模块示意图。
图11为本发明实施例4的建筑物的识别系统的模块示意图。
图12为实施例4中候选轮廓线确认模块的模块示意图。
图13为实施例4中最终轮廓线确认模块的模块示意图。
图14为本发明实施例5中的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供了一种建筑物的识别方法,如图1所示,本实施例中的建筑物的识别方法包括:
步骤101、获取DSM。
步骤102、获取所述DSM中每一像素的梯度值。
步骤103、针对每一像素,判断所述像素的所述梯度值是否大于或等于梯度阈值,若是,则执行步骤104,若否,则执行步骤105。
步骤104、确认所述像素为建筑物的初始边缘点。
步骤105、确认所述像素不为建筑物的初始边缘点。
优选的,如图2所示,具体可以根据下述步骤获得所述梯度值:
步骤1021、获取所述DSM中每一像素的高程值。
步骤1022、针对每一像素p0,判断p0是否存在左相邻像素p1、右相邻像素p2、上相邻像素p3及下相邻像素p4,若是,则执行步骤1023,若否,则执行步骤105。
步骤1023、分别获取p0与p1、p2、p3及p4的高程值差d1、d2、d3及d4,并根据第一公式计算p0的梯度值。
应当理解,步骤1022中只要p0不存在左相邻像素p1、右相邻像素p2、上相邻像素p3及下相邻像素p4中的任意一像素,则执行步骤105。
为了更好的理解本实施例,下面对本实施例中梯度值的计算过程的原理进行说明:
由于建筑物边缘具有高程值突变的特性,所以可以利用计算每一像素的梯度值的方法来提取出梯度值高于阈值的突变的初始边缘点,图3示出了具体场景下DSM中部分像素的示意图,为了计算像素P0的梯度值,需要获取P0的高程值h0程以及p0四个相邻方向的像素p1、p2、p3及p4的高程值h1、h2、h3及h4,分别计算P0与四个相邻方向的像素的高程值差d1、d2、d3及d4,根据上述第一公式则可以求得像素P0的梯度值。
本实施例通过获取的DSM,可以计算出到待识别建筑每一像素的梯度值,通过排除梯度值不符合要求的像素,可以获取待识别建筑的初始边缘点,本发明根据获取的DSM可以快速、批量化提取较大范围内的建筑,通过排除建筑物周围高突变性的像素,可以进一步准确识别出建筑物的初始边缘点。
本实施例利用建筑物边缘高程值的突变特点,通过对每一像素梯度值的计算,从而可以提取出相对准确的建筑物的初始边缘点。
实施例2
本实施例提供了一种建筑物的识别方法,本实施例是对实施例1的进一步改进,如图4所示,本实施例中,步骤104后还包括:
步骤201、针对每一所述初始边缘点,判断所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素是否为初始边缘点,若是,则执行步骤202,若否,则执行步骤203。
步骤202、确认所述初始边缘点及所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素为所述建筑物的初始轮廓点。
步骤203、判断所述初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素或右下相邻像素是否为初始边缘点,若是,则执行步骤204,若否,则执行步骤205。
步骤204、确认所述初始边缘点及所述初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素及右下相邻像素为所述建筑物的初始轮廓点。
步骤205、确认所述初始边缘点及所述初始边缘点的相邻像素不为所述建筑物的初始轮廓点。
步骤206、建立初始轮廓点集合并将所有的初始轮廓点加入至所述初始轮廓集合中。
应当理解,步骤202中,确认为所述建筑物的初始轮廓点的是为初始边缘点的左相邻像素、右相邻像素、上相邻像素及下相邻像素,如,所述初始边缘点只有左相邻像素为初始边缘点,则在步骤202中,确认所述初始边缘点及所述初始边缘点的左相邻像素为初始轮廓点,其他相邻像素则不为初始轮廓点。类似的,步骤204中,确认为所述建筑物的初始轮廓点的是为初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素及右下相邻像素。
其中,可以将所有的初始轮廓点集合中的所有初始轮廓点连接以形成初始建筑物轮廓线。下面通过一具体实例对上述初始轮廓点的确认过程以详细说明:
参见图5,根据步骤201可知像素P1的右相邻像素P2为初始边缘点,因此,直接执行步骤201,即,确认像素P1与像素P2为初始轮廓点,若像素P1不存在左相邻像素、右相邻像素、上相邻像素或下相邻像素,或者P1的左相邻像素、右相邻像素、上相邻像素或下相邻像素之前已经确认为初始轮廓点了,则执行步骤203,如,P1存在左上相邻像素P25,则确认像素P1与像素P25为初始轮廓点。
优选的,本实施例中,为了将初始轮廓点形成的轮廓规则化,如图6所示,步骤206后,还包括:
步骤207、从所述初始轮廓集合中提取任意一所述初始轮廓像素,并以所述初始轮廓像素为初始起点建立当前轮廓链表,将提取的所述初始轮廓像素从所述初始轮廓集合中剔除。
步骤208、将所述初始轮廓像素设置为当前轮廓像素。
步骤209、检测所述当前轮廓像素的相邻像素中是否存在属于所述初始轮廓集合且不为所述当前轮廓链表的上一像素的第一像素,若存在一个所述第一像素,则执行步骤211,若存在多个所述第一像素,则执行步骤212,若不存在所述第一像素,则执行步骤210。
步骤210、确认所述当前轮廓链表不能生成链表闭环,执行步骤207。
步骤211、判断所述第一像素是否已经属于所述当前轮廓链表中,若是,则执行步骤213,若否,则执行步骤216。
步骤212、将所述当前轮廓像素设置为分叉点并建立与所述第一像素数量相同的分支轮廓列表,对于每一所述分支轮廓列表,执行步骤211。
步骤213、确认所述当前轮廓链表已生成链表闭环,所述链表闭环的起点为所述初始起点,终点为属于所述当前轮廓链表的所述第一像素,将生成的所述链表闭环加入至闭环集合中。
步骤214、判断所述初始轮廓集合中是否存在所述初始轮廓像素,若存在,则执行步骤207,若不存在,则执行步骤215。
步骤215、确认所述闭环集合中的所有链表闭环为候选建筑物轮廓线。
步骤216、将所述第一像素加入至所述链表的末尾且将所述第一像素设置为当前轮廓像素。
下面通过一具体实例对上述候选建筑物轮廓线的确认过程以详细说明:
如图7所示,假设当前链表中已有P1、P2两个像素,其中,P1为当前链表的初始起点,P2为当前轮廓像素,根据步骤209可以知道,当前轮廓像素P2有两个未加入链表的相邻像素P3和P26,因此,P2为分岔点,分出两个分支轮廓链表,从分岔点P2出发,根据步骤211可知,P26不属于当前链表中已存在的像素,因此,将P26加入分支轮廓链表的末尾后,继续执行步骤209,当但P26的相邻像素P27为当前像素,执行209时,P27不存在第一像素,因此确认P26-P27不能生成链表闭环,因此可以将该链表删除。再如,像素P8有两个未加入链表的相邻像素P9和P28,由P8为分岔点,分出两个链表,当P1为初始起点时,上述两条路径可以分别构成闭环P1-P8-P9-P10-P25、P1-P8-P28-P34-P10-P25,后者所围成区域的面积较大,因此保留后一条路径,删除P9路径,最终形成的闭环结果如右图。因此,上述两个闭环连标都为候选建筑物轮廓线。
优选的,为了获取最终的建筑物轮廓线,获取了候选建筑物轮廓线后,还可以删除上述闭环集合中建筑物轮廓线所围成的闭环的覆盖面积小于面积阈值的候选轮廓线,如图7所示,P1-P8-P9-P10-P25的闭环由于面积小于面积阈值,因此被删除。
应当理解,由于建筑通常具有一定占地面积,如轮廓线范围内的面积低于面积阈值,则可以认为该轮廓线非建筑轮廓并将该非建筑轮廓线从闭环集合中删除。面积阈值通常根据使用者的经验设置,如在城市区域,可将面积阈值设置为100平方米左右。
优选的,还可以删除图形离散度大于离散度阈值的候选轮廓线,具体的,图形离散度可以通过下述公式计算得出:
其中,P代表候选建筑物轮廓线的周长,A代表候选建筑物轮廓线所围成的闭环的覆盖面积,D代表图形离散度。
应当理解,由于建筑形态通常较为规整,因此当轮廓线所构成的多边形离散度较高时,则可认为该轮廓线并非建筑轮廓线并将该非建筑轮廓线从闭环集合中删除。如,根据一般经验,可将离散度阈值设置为0.3左右。
优选的,如图8所示,可以进一步通过下述步骤获取最终的建筑物轮廓线:
步骤218、获取所述闭环集合中任意一候选建筑物轮廓线,并获取所述候选建筑物轮廓线所覆盖的范围内最高高程值的第一像素,所述第一像素的高程值为第一高程值,将获取的所述候选建筑物轮廓线从所述闭环集合中删除。
步骤219、根据所述第一高程值与第一预设高程值差的差值计算第二高程值。
步骤220、计算所述候选建筑物轮廓线所覆盖的范围内高程值大于或等于所述第二高程值且小于或等于所述第一高程值的高程值像素的第一数量C0。
步骤221、根据第二公式计算所述高程值像素的总面积A0,其中,第二公式为:A0=C0×r2,r代表所述DSM的分辨率。
步骤222、判断所述高程值像素的总面积是否大于预设高程值面积,若是,则执行步骤224,若否,则执行步骤223。
步骤223、确认所述候选建筑物轮廓线为建筑物的最终轮廓线。
步骤224、将所述第二高程值覆盖所述第一高程值,设置所述第二高程值为所述第二高程值减去第二预设高程值的差值,并判断所述第二高程值是否大于或等于最低高程值阈值,若是,则执行步骤220,若否,则执行步骤218。
本实施例中,以DSM为数据基础,根据初始边缘点获取建筑物初始轮廓线,进一步获取建筑候选轮廓线,之后根据候选轮廓线中各轮廓的面积、离散度以及主体高程,获取最终轮廓线,从而实现快速化、批量化的提取较大范围内的建筑物的最终轮廓线。
实施例3
本实施例提供了一种建筑物的识别系统,如图9所示,所述识别系统包括:DSM获取模块301、梯度值获取模块302及初始边缘点获取模块303。
DSM获取模块301用于获取DSM,所述DSM中包括待识别建筑。
梯度值获取模块302用于获取所述DSM中每一像素的梯度值。
初始边缘点获取模块303用于针对每一像素,判断所述像素的所述梯度值是否大于或等于梯度阈值,若是,则确认所述像素为建筑物的初始边缘点,若否,则确认所述像素不为建筑物的初始边缘点。
优选的,如图10所示,梯度值获取模块302包括高程值获取单元3021及相邻像素判断单元3022。
高程值获取单元3021用于获取所述DSM中每一像素的高程值。
相邻像素判断单元3022用于针对每一像素p0,判断p0是否存在左相邻像素p1、右相邻像素p2、上相邻像素p3及下相邻像素p4:
若是,则分别获取p0与p1、p2、p3及p4的高程值差d1、d2、d3及d4,并根据下列公式计算p0的梯度值;
若否,则确认所述像素不是所述建筑物的初始边缘点。
应当理解,相邻像素判断单元3022只要判断p0不存在左相邻像素p1、右相邻像素p2、上相邻像素p3及下相邻像素p4中的任意一像素,则调用初始边缘点获取模块303确认所述像素不为建筑物的初始边缘点。
为了更好的理解本实施例,下面对本实施例中梯度值的计算过程的原理进行说明:
由于建筑物边缘具有高程值突变的特性,所以可以利用计算每一像素的梯度值的方法来提取出梯度值高于阈值的突变的初始边缘点,图3示出了具体场景下DSM中部分像素的示意图,为了计算像素P0的梯度值,需要获取P0的高程值h0程以及p0四个相邻方向的像素p1、p2、p3及p4的高程值h1、h2、h3及h4,分别计算P0与四个相邻方向的像素的高程值差d1、d2、d3及d4,根据上述第一公式则可以求得像素P0的梯度值。
本实施例通过获取的DSM,可以计算出到待识别建筑每一像素的梯度值,通过排除梯度值不符合要求的像素,可以获取待识别建筑的初始边缘点,本发明根据获取的DSM可以快速、批量化提取较大范围内的建筑,通过排除掉建筑物周围高突变性的像素,可以进一步准确识别出建筑物的初始边缘点。
本实施例利用建筑物边缘高程值的突变特点,通过对每一像素梯度值的计算,从而可以提取出相对准确的建筑物的初始边缘点。
实施例4
本实施例提供了一种建筑物的识别系统,本实施例是对实施例3的进一步改进,如图11所示,本实施例中的识别系统还包括:初始轮廓点确认模块304及集合建立模块305。
初始轮廓点确认模块304用于针对每一所述初始边缘点,判断所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素是否为初始边缘点,若是,则确认所述初始边缘点及所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素为所述建筑物的初始轮廓点;和/或,若否,则判断所述初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素或右下相邻像素是否为初始边缘点,若是为,则确认所述初始边缘点及为初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素及右下相邻像素为所述建筑物的初始轮廓点。
集合建立模块305用于建立初始轮廓点集合并将所有的初始轮廓点加入至所述初始轮廓集合中。
应当理解,初始轮廓点确认模块304确认为所述建筑物的初始轮廓点的是为初始边缘点的左相邻像素、右相邻像素、下相邻像素及上相邻像素,如,所述初始边缘点只有左相邻像素为初始边缘点,确认所述初始边缘点及所述初始边缘点的左相邻像素为初始轮廓点,其他相邻像素则不为初始轮廓点。。类似的,初始轮廓点确认模块304确认为所述建筑物的初始轮廓点的是为初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素及右下相邻像素。其中,可以将所有的初始轮廓点集合中的所有初始轮廓点连接以形成初始建筑物轮廓线。
下面通过一具体实例对上述初始轮廓点的确认过程以详细说明:
参见图5,初始轮廓点确认模块304检测到像素P1的右相邻像素P2为初始边缘点,因此,确认像素P1与像素P2为初始轮廓点,若像素P1不存在左相邻像素、右相邻像素、上相邻像素或下相邻像素,或者P1的左相邻像素、右相邻像素、上相邻像素或下相邻像素之前已经确认为初始轮廓点了,如,发现左上相邻像素P25为初始轮廓点,则确认像素P1与像素P25为初始轮廓点。
优选的,本实施例中,为了将初始轮廓点形成的轮廓规则化,所述识别系统还包括:候选轮廓线确认模块306,用于确认候选建筑物轮廓线,具体的,如图12所示,候选轮廓线确认模块306具体包括当前轮廓链表建立单元3061、当前像素设置单元3062、像素数量检测单元3063、链表像素判断单元3064、第一闭环确认单元3065、像素加入单元3066、分支建立单元3067、第二闭环确认单元3068及候选轮廓线确认单元3069。
当前轮廓链表建立单元3061用于从所述初始轮廓集合中提取任意一所述初始轮廓像素,并以所述初始轮廓像素为初始起点建立当前轮廓链表,将提取的所述初始轮廓像素从所述初始轮廓集合中剔除,并调用当前像素设置单元3062。
当前像素设置单元3062用于将所述初始轮廓像素设置为当前轮廓像素,并调用所述像素数量检测单元3063。
像素数量检测单元3063用于检测所述当前轮廓像素的相邻像素中是否存在属于所述初始轮廓集合且不为所述当前轮廓链表的上一像素的第一像素,若存在一个所述第一像素,则调用所述链表像素判断单元3064,若存在多个所述第一像素,则调用所述分支建立单元3067,若不存在所述第一像素,则调用第二闭环确认单元3068。
链表像素判断单元3064用于判断所述第一像素是否已经属于所述当前轮廓链表中,若是,则调用第一闭环确认单元3065,若否,则调用像素加入单元3066。
第一闭环确认单3065用于确认所述当前轮廓链表已生成链表闭环,所述链表闭环的起点为所述初始起点,终点为属于所述当前轮廓链表的所述第一像素,将生成的所述链表闭环加入至闭环集合中后,判断所述初始轮廓集合中是否存在所述初始轮廓像素,若存在,则调用当前轮廓链表建立单元3061,若不存在,则调用候选轮廓线确认单元3069。
像素加入单元3066用于将所述第一像素加入至所述链表的末尾且将所述第一像素设置为当前轮廓像素,调用所述像素数量检测单元3063。
分支建立单元3067用于将所述当前轮廓像素设置为分叉点并建立与所述第一像素数量相同的分支轮廓列表,对于每一所述分支轮廓列表调用链表像素判断单元3064。
第二闭环确认单元3068用于确认所述当前轮廓链表不能生成链表闭环,调用所述当前轮廓链表建立单元3061。
候选轮廓线确认单元3069用于确认所述闭环集合中的所有链表闭环为候选建筑物轮廓线。
下面通过一具体实例对上述候选建筑物轮廓线的确认过程以详细说明:
如图7所示,链表中已有P1、P2两个像素,其中,P1为当前链表的初始起点,P2为当前轮廓像素,根据像素数量检测单元3063可以知道,当前轮廓像素P2有两个未加入链表的相邻像素P3和P26,因此,P2为分岔点,分出两个分支轮廓链表,从分岔点P2出发,根据链表像素判断单元3064可知,P26不属于当前链表中,因此,将P26加入分支轮廓链表的末尾后,继续调用像素数量检测单元3063,当但P26的相邻像素P27为当前像素,调用像素数量检测单元3063时,P27不存在第一像素,因此确认P26-P27不能生成链表闭环,因此可以将该链表删除。再如,像素P8有两个未加入链表的相邻像素P9和P28,由P8为分岔点,分出两个链表,当P1为初始起点时,上述两条路径可以分别构成闭环P1-P8-P9-P10-P25、P1-P8-P28-P34-P10-P25,后者所围成区域的面积较大,因此保留后一条路径,删除P9路径,最终形成的闭环结果如右图。因此,上述两个闭环连标都为候选建筑物轮廓线。
优选的,为了获取最终的建筑物轮廓线,候选轮廓线确认模块306获取了候选建筑物轮廓线后,还可以用于删除上述闭环集合中建筑物轮廓线所围成的闭环的覆盖面积小于面积阈值的候选轮廓线,如图7所示,P1-P8-P9-P10-P25的闭环由于面积小于面积阈值,因此被删除。
应当理解,由于建筑通常具有一定占地面积,如轮廓线范围内的面积低于面积阈值,则可以认为该轮廓线非建筑轮廓并将该非建筑轮廓线从闭环集合中删除。面积阈值通常根据使用者的经验设置,如在城市区域,可将面积阈值设置为100平方米左右。
优选的,候选轮廓线确认模块306还可以用于删除图形离散度大于离散度阈值的候选轮廓线,具体的,图形离散度可以通过下述公式计算得出:
其中,P代表候选建筑物轮廓线的周长,A代表候选建筑物轮廓线所围成的闭环的覆盖面积,D代表图形离散度。
应当理解,由于建筑形态通常较为规整,因此当轮廓线所构成的多边形离散度较高时,则可认为该轮廓线并非建筑轮廓线并将该非建筑轮廓线从闭环集合中删除。如,根据一般经验,可将离散度阈值设置为0.3左右。
优选的,本实施例的建筑物的识别系统还包括:最终轮廓线确认模块307,用于获取所述建筑物的主体高程值,并根据所述主体高程值从所述闭环集合中确认最终建筑物轮廓线。具体的,如图13所示,最终轮廓线确认模块307包括轮廓线获取单元3071、高程值计算单元3072、数量计算单元3073、面积计算单元3074、面积判断单元3075、最终轮廓线确认单元3076及高程值判断单元3077。
轮廓线获取单元3071用于获取所述闭环集合中任意一候选建筑物轮廓线,并获取所述候选建筑物轮廓线所覆盖的范围内最高高程值的第一像素,所述第一像素的高程值为第一高程值,将获取的所述候选建筑物轮廓线从所述闭环集合中删除,并调用所述高程值计算单元3072。
高程值计算单元3072用于根据所述第一高程值与第一预设高程值差的差值计算第二高程值。
数量计算单元3073用于计算所述候选建筑物轮廓线所覆盖的范围内高程值大于或等于所述第二高程值且小于或等于所述第一高程值的高程值像素的第一数量C0。
面积计算单元3074用于根据下述公式计算所述高程值像素的总面积A0:
A0=C0×r2
其中,r代表所述DSM的分辨率;
面积判断单元3075用于判断所述高程值像素的总面积是否大于预设高程值面积,若是,则调用所述最终轮廓线确认单元3076,若否,则调用高程值判断单元3077。
最终轮廓线确认单元3076用于确认所述候选建筑物轮廓线为建筑物的最终轮廓线。
高程值判断单元3077用于将所述第二高程值覆盖所述第一高程值,设置所述第二高程值为所述第二高程值减去第二预设高程值的差值,并判断所述第二高程值是否大于或等于最低高程值阈值,若是,则调述高程值计算单元3072,若否,则调用轮廓线获取单元3071。
本实施例中,以DSM为数据基础,初始轮廓点确认模块根据初始边缘点获取建筑物初始轮廓线,候选轮廓线确认模块进一步获取建筑候选轮廓线,之后根据候选轮廓线中各轮廓的面积、离散度以及主体高程,最终轮廓线确认模块获取最终轮廓线,从而实现快速化、批量化的提取较大范围内的建筑物的最终轮廓线。
实施例5
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中处理器执行计算机程序时可以实现实施例1或实施例2中任意一识别方法。
图14示出了本实施例的硬件结构示意图,如图14所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1或实施例2中任意一识别方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例6
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1或实施例2中任意一识别方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1或实施例2中任意一识别方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (16)
1.一种建筑物的识别方法,其特征在于,所述识别方法包括:
获取DSM,所述DSM中包括待识别建筑;
获取所述DSM中每一像素的梯度值;
针对每一像素,判断所述像素的所述梯度值是否大于或等于梯度阈值,若是,则确认所述像素为建筑物的初始边缘点。
3.如权利要求1所述的建筑物的识别方法,其特征在于,确认所述像素为建筑物的初始边缘点的步骤后包括:
针对每一所述初始边缘点,判断所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素是否为初始边缘点,若是,则确认所述初始边缘点及所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素为所述建筑物的初始轮廓点;和/或,若否,则判断所述初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素或右下相邻像素是否为初始边缘点,若是为,则确认所述初始边缘点及为初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素及右下相邻像素为所述建筑物的初始轮廓点;
建立初始轮廓点集合并将所有的初始轮廓点加入至所述初始轮廓集合中。
4.如权利要求3所述的建筑物的识别方法,其特征在于,建立初始轮廓点集合并将所有的初始轮廓点加入至所述初始轮廓集合中的步骤后还包括:
S1、从所述初始轮廓集合中提取任意一所述初始轮廓像素,并以所述初始轮廓像素为初始起点建立当前轮廓链表,将提取的所述初始轮廓像素从所述初始轮廓集合中剔除;
S2、将所述初始轮廓像素设置为当前轮廓像素;
S3、检测所述当前轮廓像素的相邻像素中是否存在属于所述初始轮廓集合且不为所述当前轮廓链表的上一像素的第一像素,若存在一个所述第一像素,则执行步骤S4,若存在多个所述第一像素,则执行步骤S7,若不存在所述第一像素,则执行步骤S8;
S4、判断所述第一像素是否已经属于所述当前轮廓链表中,若是,则执行步骤S5,若否,则执行步骤S6;
S5、确认所述当前轮廓链表已生成链表闭环,所述链表闭环的起点为所述初始起点,终点为属于所述当前轮廓链表的所述第一像素,将生成的所述链表闭环加入至闭环集合中后,判断所述初始轮廓集合中是否存在所述初始轮廓像素,若存在,则执行步骤S1,若不存在,则执行步骤S9;
S6、将所述第一像素加入至所述链表的末尾且将所述第一像素设置为当前轮廓像素,执行步骤S3;
S7、将所述当前轮廓像素设置为分叉点并建立与所述第一像素数量相同的分支轮廓链表,对于每一所述分支轮廓列表执行步骤S4;
S8、确认所述当前轮廓链表不能生成链表闭环,执行步骤S1;
S9、确认所述闭环集合中的所有链表闭环为候选建筑物轮廓线。
6.如权利要求4或5所述的建筑物的识别方法,其特征在于,所述建筑物的识别方法还包括:
获取所述建筑物的主体高程值,并根据所述主体高程值从所述闭环集合中确认最终建筑物轮廓线。
7.如权利要求6所述的建筑物的识别方法,其特征在于,获取所述建筑物的主体高程值,并根据所述主体高程值从所述闭环集合中确认最终建筑物轮廓线的步骤包括:
S21、获取所述闭环集合中任意一候选建筑物轮廓线,并获取所述候选建筑物轮廓线所覆盖的范围内最高高程值的第一像素,所述第一像素的高程值为第一高程值,将获取的所述候选建筑物轮廓线从所述闭环集合中删除;
S22、根据所述第一高程值与第一预设高程值差的差值计算第二高程值;
S23、计算所述候选建筑物轮廓线所覆盖的范围内高程值大于或等于所述第二高程值且小于或等于所述第一高程值的高程值像素的第一数量C0;
S24、根据下述公式计算所述高程值像素的总面积A0:
A0=C0×r2
其中,r代表所述DSM的分辨率;
S25、判断所述高程值像素的总面积是否大于预设高程值面积,若是,则执行步骤S26,若否,则执行步骤S27;
S26、确认所述候选建筑物轮廓线为建筑物的最终轮廓线;
S27、将所述第二高程值覆盖所述第一高程值,设置所述第二高程值为所述第二高程值减去第二预设高程值的差值,并判断所述第二高程值是否大于或等于最低高程值阈值,若是,则执行步骤S23,若否,则执行步骤S21。
8.一种建筑物的识别系统,其特征在于,所述识别系统包括:DSM获取模块、梯度值获取模块及初始边缘点获取模块;
所述DSM获取模块用于获取DSM,所述DSM中包括待识别建筑;
所述梯度值获取模块用于获取所述DSM中每一像素的梯度值;
所述初始边缘点获取模块用于针对每一像素,判断所述像素的所述梯度值是否大于或等于梯度阈值,若是,则确认所述像素为建筑物的初始边缘点。
10.如权利要求8所述的建筑物的识别系统,其特征在于,所述识别系统还包括:初始轮廓点确认模块及集合建立模块;
所述初始轮廓点确认模块用于针对每一所述初始边缘点,判断所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素是否为初始边缘点,若是,则确认所述初始边缘点及所述初始边缘点的左相邻像素、右相邻像素、上相邻像素或下相邻像素为所述建筑物的初始轮廓点;和/或,若否,则判断所述初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素或右下相邻像素是否为初始边缘点,若是为,则确认所述初始边缘点及为初始边缘点的左上相邻像素、右上相邻像素、左下相邻像素及右下相邻像素为所述建筑物的初始轮廓点;
所述集合建立模块用于建立初始轮廓点集合并将所有的初始轮廓点加入至所述初始轮廓集合中。
11.如权利要求10所述的建筑物的识别系统,其特征在于,所述识别系统还包括:候选轮廓线确认模块,用于确认候选建筑物轮廓线;
所述候选轮廓线确认模块具体包括:当前轮廓链表建立单元、当前像素设置单元、像素数量检测单元、链表像素判断单元、第一闭环确认单元、像素加入单元、分支建立单元、第二闭环确认单元及候选轮廓线确认单元;
所述当前轮廓链表建立单元用于从所述初始轮廓集合中提取任意一所述初始轮廓像素,并以所述初始轮廓像素为初始起点建立当前轮廓链表,将提取的所述初始轮廓像素从所述初始轮廓集合中剔除,并调用所述当前像素设置单元;
所述当前像素设置单元用于将所述初始轮廓像素设置为当前轮廓像素,并调用所述像素数量检测单元;
所述像素数量检测单元用于检测所述当前轮廓像素的相邻像素中是否存在属于所述初始轮廓集合且不为所述当前轮廓链表的上一像素的第一像素,若存在一个所述第一像素,则调用所述链表像素判断单元,若存在多个所述第一像素,则调用所述分支建立单元,若不存在所述第一像素,则调用第二闭环确认单元;
所述链表像素判断单元用于判断所述第一像素是否已经属于所述当前轮廓链表中,若是,则调用所述第一闭环确认单元,若否,则调用所述像素加入单元;
所述第一闭环确认单用于确认所述当前轮廓链表已生成链表闭环,所述链表闭环的起点为所述初始起点,终点为属于所述当前轮廓链表的所述第一像素,将生成的所述链表闭环加入至闭环集合中后,判断所述初始轮廓集合中是否存在所述初始轮廓像素,若存在,则调用所述当前轮廓链表建立单元,若不存在,则调用所述候选轮廓线确认单元;
所述像素加入单元用于将所述第一像素加入至所述链表的末尾且将所述第一像素设置为当前轮廓像素,调用所述像素数量检测单元;
所述分支建立单元用于将所述当前轮廓像素设置为分叉点并建立与所述第一像素数量相同的分支轮廓列表,对于每一所述分支轮廓列表调用所述链表像素判断单元;
所述第二闭环确认单元用于确认所述当前轮廓链表不能生成链表闭环,调用所述当前轮廓链表建立单元;
所述候选轮廓线确认单元用于确认所述闭环集合中的所有链表闭环为候选建筑物轮廓线。
13.如权利要求11或12所述的建筑物的识别系统,其特征在于,所述建筑物的识别系统还包括:最终轮廓线确认模块,用于获取所述建筑物的主体高程值,并根据所述主体高程值从所述闭环集合中确认最终建筑物轮廓线。
14.如权利要求13所述的建筑物的识别系统,其特征在于,所述最终轮廓线确认模块,用于确认所述建筑物的最终轮廓线;
所述最终轮廓线确认模块具体包括轮廓线获取单元、高程值计算单元、数量计算单元、面积计算单元、面积判断单元、最终轮廓线确认单元及高程值判断单元;
所述轮廓线获取单元用于获取所述闭环集合中任意一候选建筑物轮廓线,并获取所述候选建筑物轮廓线所覆盖的范围内最高高程值的第一像素,所述第一像素的高程值为第一高程值,将获取的所述候选建筑物轮廓线从所述闭环集合中删除,并调用所述高程值计算单元;
所述高程值计算单元用于根据所述第一高程值与第一预设高程值差的差值计算第二高程值;
所述数量计算单元用于计算所述候选建筑物轮廓线所覆盖的范围内高程值大于或等于所述第二高程值且小于或等于所述第一高程值的高程值像素的第一数量C0;
所述面积计算单元用于根据下述公式计算所述高程值像素的总面积A0:
A0=C0×r2
其中,r代表所述DSM的分辨率;
所述面积判断单元用于判断所述高程值像素的总面积是否大于预设高程值面积,若是,则调用所述最终轮廓线确认单元,若否,则调用所述高程值判断单元;
所述最终轮廓线确认单元用于确认所述候选建筑物轮廓线为建筑物的最终轮廓线;
所述高程值判断单元用于将所述第二高程值覆盖所述第一高程值,设置所述第二高程值为所述第二高程值减去第二预设高程值的差值,并判断所述第二高程值是否大于或等于最低高程值阈值,若是,则调用所述高程值计算单元,若否,则调用所述轮廓线获取单元。
15.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的建筑物的识别方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的建筑物的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010221677.3A CN111523391B (zh) | 2020-03-26 | 2020-03-26 | 建筑物的识别方法、系统、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010221677.3A CN111523391B (zh) | 2020-03-26 | 2020-03-26 | 建筑物的识别方法、系统、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523391A true CN111523391A (zh) | 2020-08-11 |
CN111523391B CN111523391B (zh) | 2021-11-05 |
Family
ID=71900942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010221677.3A Active CN111523391B (zh) | 2020-03-26 | 2020-03-26 | 建筑物的识别方法、系统、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523391B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110110580A1 (en) * | 2009-11-12 | 2011-05-12 | Harris Corporation | Geospatial modeling system for classifying building and vegetation in a dsm and related methods |
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
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 |
CN104463905A (zh) * | 2014-11-04 | 2015-03-25 | 江苏省南京市公路管理处公路科学研究所 | 施工现场车辆监控方法 |
CN104484668A (zh) * | 2015-01-19 | 2015-04-01 | 武汉大学 | 一种无人机多重叠遥感影像的建筑物轮廓线提取方法 |
CN104851085A (zh) * | 2014-02-17 | 2015-08-19 | 征图新视(江苏)科技有限公司 | 自动获取图像中检测区的方法及系统 |
CN105606123A (zh) * | 2015-12-18 | 2016-05-25 | 昆山数字城市信息技术有限公司 | 一种低空航空摄影测量自动纠正数字地面高程模型的方法 |
CN105719306A (zh) * | 2016-01-26 | 2016-06-29 | 郑州恒正电子科技有限公司 | 一种高分辨率遥感影像中的建筑物快速提取方法 |
CN106570468A (zh) * | 2016-10-25 | 2017-04-19 | 中国人民解放军空军工程大学 | 一种重建LiDAR原始点云建筑物轮廓线的方法 |
US20170261319A1 (en) * | 2015-09-29 | 2017-09-14 | Baidu Online Network Technology (Beijing) Co., Ltd. | Building height calculation method, device, and storage medium |
CN107767382A (zh) * | 2017-09-26 | 2018-03-06 | 武汉市国土资源和规划信息中心 | 静态三维地图建筑物轮廓线的自动提取方法及系统 |
CN107895376A (zh) * | 2017-12-11 | 2018-04-10 | 福州大学 | 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法 |
CN109934110A (zh) * | 2019-02-02 | 2019-06-25 | 广州中科云图智能科技有限公司 | 一种河道附近违建房屋识别方法 |
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 |
CN110503108A (zh) * | 2019-07-11 | 2019-11-26 | 平安科技(深圳)有限公司 | 违章建筑识别方法及装置、存储介质、计算机设备 |
-
2020
- 2020-03-26 CN CN202010221677.3A patent/CN111523391B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110110580A1 (en) * | 2009-11-12 | 2011-05-12 | Harris Corporation | Geospatial modeling system for classifying building and vegetation in a dsm and related methods |
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
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 |
CN104851085A (zh) * | 2014-02-17 | 2015-08-19 | 征图新视(江苏)科技有限公司 | 自动获取图像中检测区的方法及系统 |
CN104463905A (zh) * | 2014-11-04 | 2015-03-25 | 江苏省南京市公路管理处公路科学研究所 | 施工现场车辆监控方法 |
CN104484668A (zh) * | 2015-01-19 | 2015-04-01 | 武汉大学 | 一种无人机多重叠遥感影像的建筑物轮廓线提取方法 |
US20170261319A1 (en) * | 2015-09-29 | 2017-09-14 | Baidu Online Network Technology (Beijing) Co., Ltd. | Building height calculation method, device, and storage medium |
CN105606123A (zh) * | 2015-12-18 | 2016-05-25 | 昆山数字城市信息技术有限公司 | 一种低空航空摄影测量自动纠正数字地面高程模型的方法 |
CN105719306A (zh) * | 2016-01-26 | 2016-06-29 | 郑州恒正电子科技有限公司 | 一种高分辨率遥感影像中的建筑物快速提取方法 |
CN106570468A (zh) * | 2016-10-25 | 2017-04-19 | 中国人民解放军空军工程大学 | 一种重建LiDAR原始点云建筑物轮廓线的方法 |
CN107767382A (zh) * | 2017-09-26 | 2018-03-06 | 武汉市国土资源和规划信息中心 | 静态三维地图建筑物轮廓线的自动提取方法及系统 |
CN107895376A (zh) * | 2017-12-11 | 2018-04-10 | 福州大学 | 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法 |
CN109934110A (zh) * | 2019-02-02 | 2019-06-25 | 广州中科云图智能科技有限公司 | 一种河道附近违建房屋识别方法 |
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 |
CN110503108A (zh) * | 2019-07-11 | 2019-11-26 | 平安科技(深圳)有限公司 | 违章建筑识别方法及装置、存储介质、计算机设备 |
Non-Patent Citations (3)
Title |
---|
F ROTTENSTEINER 等: "A new method for building extraction in urban areas from high-resolution LIDAR data", 《INTERNATIONAL ARCHIVES OF PHOTOGRAMMETRY》 * |
朱依民 等: "基于机载LiDAR数据的建筑物轮廓提取", 《测绘通报》 * |
霍芃芃: "机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述", 《地理信息世界》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111523391B (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4378571B2 (ja) | 地図変化検出装置、地図変化検出方法およびプログラム | |
CN114186632B (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
WO2020107326A1 (zh) | 车道线检测方法、设备、计算机可读存储介质 | |
CN112991459B (zh) | 一种相机标定方法、装置、设备以及存储介质 | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN114494905A (zh) | 基于卫星遥感图像的建筑物的识别和建模方法和装置 | |
CN111141208B (zh) | 一种平行线检测方法及装置 | |
CN110910432A (zh) | 一种遥感图像匹配方法、装置、电子设备及可读存储介质 | |
CN111523391B (zh) | 建筑物的识别方法、系统、电子设备及可读存储介质 | |
CN111582296B (zh) | 一种遥感图像综合匹配方法、装置、电子设备及存储介质 | |
CN116091709B (zh) | 建筑物的三维重建方法、装置、电子设备和存储介质 | |
CN112712466A (zh) | 三维点云拼接方法、装置及电子设备 | |
WO2015151553A1 (ja) | 異動検出支援装置、異動検出支援方法、及びコンピュータ読み取り可能な記録媒体 | |
CN113015117B (zh) | 一种用户定位方法、装置、电子设备和存储介质 | |
CN112995525A (zh) | 自行走设备的摄像曝光方法和装置 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN115861561B (zh) | 一种基于语义约束的等高线生成方法和装置 | |
CN113139454B (zh) | 基于单张图像的道路宽度提取方法及装置 | |
CN114219907B (zh) | 三维地图生成方法、装置、设备以及存储介质 | |
CN113129303B (zh) | 一种巡检图片自动标注方法、装置、存储介质及电子设备 | |
CN112652036B (zh) | 道路数据的处理方法、装置、设备及存储介质 | |
CN110660011B (zh) | 图像处理方法和装置、电子设备及存储介质 | |
CN116109485A (zh) | 遥感影像的更新方法、装置、电子设备和存储介质 | |
CN117853724A (zh) | 夜间低矮障碍物分割和模型训练方法及自动驾驶车辆 |
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 |