CN112989469B - 建筑物屋顶模型的构建方法、装置、电子设备及存储介质 - Google Patents

建筑物屋顶模型的构建方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112989469B
CN112989469B CN202110297537.9A CN202110297537A CN112989469B CN 112989469 B CN112989469 B CN 112989469B CN 202110297537 A CN202110297537 A CN 202110297537A CN 112989469 B CN112989469 B CN 112989469B
Authority
CN
China
Prior art keywords
preset
roof
building
shape
satellite image
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.)
Active
Application number
CN202110297537.9A
Other languages
English (en)
Other versions
CN112989469A (zh
Inventor
熊伟成
张亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Smart Mapping Tech Co ltd
Original Assignee
Shenzhen Smart Mapping Tech Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Smart Mapping Tech Co ltd filed Critical Shenzhen Smart Mapping Tech Co ltd
Priority to CN202110297537.9A priority Critical patent/CN112989469B/zh
Publication of CN112989469A publication Critical patent/CN112989469A/zh
Application granted granted Critical
Publication of CN112989469B publication Critical patent/CN112989469B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/04—Architectural design, interior design

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Civil Engineering (AREA)
  • Computer Graphics (AREA)
  • Architecture (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请涉及一种建筑物屋顶模型的构建方法、装置、电子设备及存储介质，方法包括：首先获取目标区域内的卫星影像信息，并根据卫星影像信息得到目标区域内建筑物的高度信息，然后根据高度信息确定建筑物的边界形状，并按照预设的形状分解算法将边界形状分解为N个预设基础形状，再针对任一预设基础形状对应的建筑物屋顶，基于卫星影像信息匹配对应的预设屋顶模板，最后根据N个预设基础形状及N个预设基础形状对应的建筑物屋顶各自匹配的预设屋顶模板构建建筑物的屋顶模型，基于此，可以基于目标区域的卫星影像信息来构建目标区域内建筑物的屋顶模型，避免了现有技术中无法对任意位置范围内的建筑物LOD2模型进行构建或者更新的问题。

Description

建筑物屋顶模型的构建方法、装置、电子设备及存储介质
技术领域
本申请涉及三维重建技术领域，尤其涉及一种建筑物屋顶模型的构建方法、装置、电子设备及存储介质。
背景技术
建筑物三维模型构建是获取建筑物三维结构信息的重要手段，在城市规划、灾害监测、通信设施建设和数字城市等领域具有非常广泛的应用。长期以来，它一直是摄影测量、遥感、计算机视觉、模式识别以及测绘等领域长期研究的重要课题。
建筑物的三维模型重建按照表现细节不同，可以分为LOD1、LOD2、LOD3、LOD4四个层次，其中，LOD1仅会表现出建筑物的大体形状，比如立方体、圆柱体、六边形体等，LOD2模型是细化到了建筑物屋顶的模型，LOD3、LOD4则在细化建筑物屋顶结构的基础上，细化建筑物楼层甚至是建筑物内部的结构，由于建筑物中，屋顶是较为个性化的结构，可以有效标识出建筑物的特征，而LOD1的细化程度较低，只能体现出建筑物的高度及大体走向，无法实现对一些高度和走向相似的建筑物进行区别，且LOD3、LOD4较高的细化程度需要大量的运算和处理，成本较高，因此，建筑物LOD2模型得到了较为广泛的应用。
目前，为了对建筑物LOD2模型进行构建，会基于三维密集点云或者是数字地面模型构建建筑物的三维模型，三维密集点云一般是由机载激光雷达获取，数字地面模型是由航空摄像设备获取，而机载激光雷达以及航空摄像设备具有一定的采集范围，在获取相应数据时，需要与建筑物邻近才可以获取到建筑物的三维密集点云或者数字地面模型，难以对任意位置范围内的三维建筑物的三维密集点云或者数字地面模型进行高效获取以及较为及时的更新，这就会导致无法对任意位置范围内的建筑物LOD2模型进行构建或者更新。
发明内容
为克服相关技术中存在的无法对任意位置范围内的建筑物LOD2模型进行构建或者更新的问题，本申请提供一种建筑物屋顶模型的构建方法、装置、电子设备及存储介质。
根据本申请的第一方面，提供一种建筑物屋顶模型的构建方法，所述方法包括：
获取目标区域内的卫星影像信息，并根据所述卫星影像信息得到所述目标区域内建筑物的高度信息；
根据所述高度信息确定所述建筑物的边界形状，并按照预设的形状分解算法将所述边界形状分解为N个预设基础形状，其中N为正整数；
针对任一预设基础形状对应的建筑物屋顶，基于所述卫星影像信息匹配对应的预设屋顶模板；
根据N个所述预设基础形状及N个所述预设基础形状对应的建筑物屋顶各自匹配的所述预设屋顶模板构建所述建筑物的屋顶模型。
在一个可选的实施方式中，所述根据所述高度信息确定建筑物的边界形状，包括：
根据所述高度信息，确定所述目标区域内包含有建筑物的二值栅格地图；
利用预设的直线段检测算法从所述二值栅格地图中提取目标线段；
对所述目标线段进行序列化操作，得到所述目标区域内建筑物的边界形状。
在一个可选的实施方式中，所述按照预设的形状分解算法将所述边界形状分解为N个预设基础形状，包括：
基于所述边界形状的边缘，确定包含有所述边界形状的至少一个边的预设基础形状；
根据所述预设基础形状与所述边界形状的重叠度，确定组成所述边界形状的最优形状组合，其中，所述最优形状组合包括N个预设基础形状且所述最优形状组合中的预设基础形状之间的重叠面积最小。
在一个可选的实施方式中，所述针对任一预设基础形状对应的建筑物屋顶，基于所述卫星影像信息匹配对应的预设屋顶模板，包括：
针对任一预设基础形状对应的建筑物屋顶，从所述卫星影像信息中提取所述建筑物屋顶的目标卫星影像信息；
将所述目标卫星影像信息输入到预先训练的分类模型中，得到所述预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板。
在一个可选的实施方式中，所述预设基础形状包括多个顶点，所述卫星影像信息包括每个所述顶点的坐标信息；
所述根据N个所述预设基础形状及N个所述预设基础形状对应的建筑物屋顶各自匹配的所述预设屋顶模板构建所述建筑物的屋顶模型，包括：
针对任一预设基础形状，基于所述预设基础形状所有顶点的坐标信息确定所述预设基础形状的轮廓参数；
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据所述预设基础形状的轮廓参数将所述预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与所述预设基础形状进行拟合，得到所述预设基础形状对应的建筑物屋顶的屋顶子模型；
利用预设的屋顶组合算法，将所有屋顶子模型进行组合，得到所述建筑物的屋顶模型。
在一个可选的实施方式中，所述预设屋顶模板预先设置有用来表示所述预设屋顶模板的几何参数；
所述针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据所述预设基础形状的轮廓参数将所述预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与所述预设基础形状进行拟合，得到所述预设基础形状对应的建筑物屋顶的屋顶子模型，包括：
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，基于所述轮廓参数确定所述预设屋顶模板的新的几何参数；
将所述预设屋顶模板对应的几何参数更新为新的几何参数，并将更新几何参数后的预设屋顶模板确定为所述预设基础形状对应的建筑物屋顶的屋顶子模型。
在一个可选的实施方式中，在所述将所述预设屋顶模板对应的几何参数更新为新的几何参数之前，所述方法还包括：
利用预设的最小代价搜索算法对新的所述几何参数进行优化。
在一个可选的实施方式中，在所述根据所述高度信息确定所述建筑物的边界形状之后，且在所述按照预设的形状分解算法将所述边界形状分解为N个预设基础形状之前，所述方法还包括：
按照预设的多边形简化算法对所述边界形状进行简化。
根据本申请的第二方面，提供一种建筑物屋顶模型的构建装置，所述装置包括：
获取模块，用于获取目标区域内的卫星影像信息，并根据所述卫星影像信息得到所述目标区域内建筑物的高度信息；
确定模块，用于根据所述高度信息确定所述建筑物的边界形状，并按照预设的形状分解算法将所述边界形状分解为N个预设基础形状，其中N为正整数；
匹配模块，用于针对任一预设基础形状对应的建筑物屋顶，基于所述卫星影像信息匹配对应的预设屋顶模板；
构建模块，用于根据N个所述预设基础形状及N个所述预设基础形状对应的建筑物屋顶各自匹配的所述预设屋顶模板构建所述建筑物的屋顶模型。
在一个可选的实施方式中，所述确定模块包括：
第一确定单元，用于根据所述高度信息，确定所述目标区域内包含有建筑物的二值栅格地图；
第一提取单元，用于利用预设的直线段检测算法从所述二值栅格地图中提取目标线段；
序列化单元，用于对所述目标线段进行序列化操作，得到所述目标区域内建筑物的边界形状。
在一个可选的实施方式中，所述确定模块还包括：
第二确定单元，用于基于所述边界形状的边缘，确定包含有所述边界形状的至少一个边的预设基础形状；
第三确定单元，用于根据所述预设基础形状与所述边界形状的重叠度，确定组成所述边界形状的最优形状组合，其中，所述最优形状组合包括N个预设基础形状且所述最优形状组合中的预设基础形状之间的重叠面积最小。
在一个可选的实施方式中，所述匹配模块包括：
第二提取单元，用于针对任一预设基础形状对应的建筑物屋顶，从所述卫星影像信息中提取所述建筑物屋顶的目标卫星影像信息；
分类单元，用于将所述目标卫星影像信息输入到预先训练的分类模型中，得到所述预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板。
在一个可选的实施方式中，所述预设基础形状包括多个顶点，所述卫星影像信息包括每个所述顶点的坐标信息；
所述构建模块包括：
第四确定单元，用于针对任一预设基础形状，基于所述预设基础形状所有顶点的坐标信息确定所述预设基础形状的轮廓参数；
拟合单元，用于针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据所述预设基础形状的轮廓参数将所述预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与所述预设基础形状进行拟合，得到所述预设基础形状对应的建筑物屋顶的屋顶子模型；
组合单元，用于利用预设的屋顶组合算法，将所有屋顶子模型进行组合，得到所述建筑物的屋顶模型。
在一个可选的实施方式中，所述预设屋顶模板预先设置有用来表示所述预设屋顶模板的几何参数；
所述拟合单元包括：
确定子单元，用于针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，基于所述轮廓参数确定所述预设屋顶模板的新的几何参数；
参数更新子单元，用于将所述预设屋顶模板对应的几何参数更新为新的几何参数，并将更新几何参数后的预设屋顶模板确定为所述预设基础形状对应的建筑物屋顶的屋顶子模型。
在一个可选的实施方式中，所述装置还包括：
优化模块，用于利用预设的最小代价搜索算法对新的所述几何参数进行优化。
在一个可选的实施方式中，所述装置还包括：
简化模块，用于按照预设的多边形简化算法对所述边界形状进行简化。
根据本申请的第三方面，提供一种电子设备，包括：至少一个处理器和存储器；
所述处理器用于执行所述存储器中存储的建筑物屋顶模型的构建程序，以实现本申请第一方面所述的建筑物屋顶模型的构建方法。
根据本申请的第四方面，提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被执行时，实现本申请第一方面所述的建筑物屋顶模型的构建方法。
本申请提供的技术方案可以包括以下有益效果：首先获取目标区域内的卫星影像信息，并根据所述卫星影像信息得到所述目标区域内建筑物的高度信息，然后根据所述高度信息确定所述建筑物的边界形状，并按照预设的形状分解算法将所述边界形状分解为N个预设基础形状，其中N为正整数，再针对任一预设基础形状对应的建筑物屋顶，基于所述卫星影像信息匹配对应的预设屋顶模板，最后根据N个所述预设基础形状及N个所述预设基础形状对应的建筑物屋顶各自匹配的所述预设屋顶模板构建所述建筑物的屋顶模型，基于此，本申请的方案可以基于目标区域的卫星影像信息来构建目标区域内建筑物的屋顶模型，由于卫星影像信息可以由卫星进行获取，而卫星的获取范围可以包括全球的任何区域，因此，对于任一区域，卫星都可以轻松获取该区域的卫星影像信息，从而通过本申请的方案构建该区域内建筑物的屋顶模型，避免了现有技术中使用机载激光雷达或者航空摄像设备导致的无法对任意位置范围内的建筑物LOD2模型进行构建或者更新的问题。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请的一个实施例提供的一种建筑物屋顶模型的构建方法的流程示意图；
图2是本申请的一个实施例提供的一种确定建筑物边界形状的流程示意图；
图3是本申请的一个实施例提供的简化边界形状的四种情况的结构示意图；
图4是本申请的另一实施例提供的将边界形状分解成N个预设基础形状的流程示意图；
图5是本申请的一个实施例提供的六个类型的预设屋顶模板的结构示意图；
图6是本申请的一个实施例提供的一种构建屋顶模型的流程示意图；
图7是本申请的另一实施例提供的一种建筑物屋顶模型的构建装置的结构示意图；
图8是本申请的另一实施例提供的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
卫星影像的出现，实现了在较小的空间尺度上观察地表的细节变化，进行大比例尺遥感制图以及检测人为活动对环境的影响，具有广阔的应用前景。高分辨率立体卫星影像已经在城市生态环境评价、城市规划、地籍调查、地形图更新、精准农业等方面进行了深入的应用，发挥了极大的社会价值。
目前，建筑物的三维重建大多基于机载激光雷达或者是航空摄像设备，两者采集数据的地点与区域都具有一定的范围限制，难以实现任意区域内建筑物的三维模型的构建。而由于卫星影像能够实现全球覆盖，且卫星能高频率采集卫星影像，加之卫星影像具有丰富的语义信息，因此，本申请提出一种以卫星影像为基础信息构架建筑物的屋顶模型的技术方案，具体以实施例的方式进行说明。
请参阅图1，图1是本申请的一个实施例提供的一种建筑物屋顶模型的构建方法的流程示意图。
如图1所示，本实施例提供的建筑物屋顶模型的构建方法可以包括：
步骤S101、获取目标区域内的卫星影像信息，并根据卫星影像信息得到目标区域内建筑物的高度信息。
本步骤中，目标区域是用户希望构建屋顶模型的建筑物所在的区域，具体的，目标区域可以是一个城市区域，一个城市的某个区的区域，甚至可以是几条街道围成的区域，当然，在卫星影像信息中，目标区域一般是由经纬度范围来确定的，比如东经135.5～136以及北纬34.41～35所围成的区域。
需要说明的是，获取目标区域内的卫星影像信息可以是从卫星采集的全球范围内的卫星影像中进行获取，根据目标区域的经纬度范围，从全球范围内的卫星影像中提取。
另外，本步骤中在获取到目标区域的卫星影像信息后，可以根据卫星影像信息构建归一化数字表面模型(normalized Digital Surface Model，nDSM)，其中，nDSM中记录了所有高于地面的地物相对于地面的高度信息。为了得到建筑物的高度信息，可以预先设定一个高差阈值，把高于高差阈值的高度信息认为是建筑物的高度信息，比如，一般的建筑物会高于3米，那么就可以将高差阈值设定为3米，将高度大于3米的地物认定为建筑物，然后从nDSM中提取高于3米的地物的高度信息，并作为建筑物的高度信息。
需要说明的是，根据对地物的描述精度的不同，可以使用多个像素块组成一个地物，精度越高，像素块的面积越小，组成该地物的像素块的数量越多，对于每个像素块，都会对应有一个位置坐标以及高度，以一个方形的建筑物为例，该方形建筑物楼高100米，且屋顶为平面的样式，屋顶上的每个点都是100米的高度，那么nDSM中，会包含有组成该建筑物的类似俯视图的多个像素块，每个像素块会有各自对应的在卫星图像中的位置坐标，且每个像素块的高度为100米。
步骤S102、根据高度信息确定建筑物的边界形状，并按照预设的形状分解算法将边界形状分解为N个预设基础形状，其中N为正整数。
本步骤中，确定建筑物边界形状的过程可以参阅图2，图2是本申请的一个实施例提供的一种确定建筑物边界形状的流程示意图。
如图2所示，本实施例提供的确定建筑物边界形状的过程可以包括：
步骤S201、根据高度信息，确定目标区域内包含有建筑物的二值栅格地图。
需要说明的是，二值栅格地图指的是图像中只取两个值的地图，在生成二值栅格地图时，可以将高度大于高差阈值的像素块标注为1，高度不大于高差阈值的像素块标注为0，这样，就会形成只有1或者0两个值的图像，该图像中的像素块非1即0，而该图像便是本步骤得到的二值栅格地图。
由于前述过程中主要依靠高差阈值来分辨目标区域内的地物是建筑物还是其他地物，而其他地物也有可能会高于给高差阈值，这种地物往往呈现离散的形式，以边缘噪点出现在二值栅格地图中，因此，可以对该二值栅格地图进行腐蚀膨胀操作，以消除边缘噪点。需要说明的是，本实施例可以采用先腐蚀再膨胀的开运算。
步骤S202、利用预设的直线段检测算法从二值栅格地图中提取目标线段。
在前述步骤获取到二值栅格地图后，二值栅格地图中表现为建筑物与非建筑物取值不同，因此，可以根据二值栅格地图很容易得到建筑物的边界，但是二值栅格地图是由像素块组成的图像，为了得到建筑物的边界，可以先利用直线段检测算法(Line SegmentDetector，LSD)以像素块为单位，检测图像中局部的目标轮廓，该目标轮廓即图像的灰度从黑到白或者从白到黑的剧烈变化区域，然后将该区域转换成线段，也就是本步骤中的目标线段。
步骤S203、对目标线段进行序列化操作，得到目标区域内建筑物的边界形状。
由于前述步骤中的目标线段可能存在目标线段之间未连接、离散非序列的问题，而建筑物的边界形状应当是连接在一起的完整的形状，因此，需要对目标线段进行序列化操作。
具体的，可以任选一段目标线段作为起始线段，求取与该起始线段的端点的距离满足设定阈值的目标线段，然后将起始线段和求取到的目标线段进行合并，比如端点相连或者是使起始线段的端点与目标线段中距离起始线段的端点最近的一个点相连，然后将合并后的线段作为起始线段，继续进行前述操作，知道不存在满足该设定阈值的目标线段为止。若此时还存在未操作过的目标线段(未进行合并过的目标线段)，则从其中再任选一段目标线段作为起始线段，然后重复上述操作即可。
所有目标线段进行序列化操作后，便可以得到建筑物的边界形状。当然，此时可能得到的是分属于不同建筑物的边界形状，为了便于说明，后续将以其中的一个建筑物的边界形状为例，进行说明。
由于噪声等的影响，前述步骤中得到的建筑物边界形状的轮廓可能会非常复杂，需要对多边形的线段进行简化，简化即减少其顶点数量的同时保留建筑物的主要形状，因此，本步骤可以按照预设的多边形简化算法对边界形状进行简化。
本实施例中，主要是以舍弃短线段保留长线段的方式维持整个建筑物的整体边界形状，具体的简化过程可以按照具体的情况分为下述几种方式，具体可以参阅图3，图3是本申请的一个实施例提供的简化边界形状的四种情况的结构示意图。
如图3(a)，是对于面积过小的突出区域进行简化的示意图。根据边界形状中线段的走向(以顺时针为例)，先确定出邻近的反向线段，其中，邻近表示两个反向线段与同一线段相连接，及图3(a)中的ln，那么两个反向线段就是ln-1和ln+1，然后计算三个线段中两个较短的线段及两者的平行线组成的四边形(图3(a)下方图形的虚线四边形)的面积，面积小于阈值时，将该四边形所在的线段去除，得到图3(a)下方实线图形。
如图3(b)，是对于小突出角的简化的示意图。对于邻近的两个线段，但线段的延长线与其相连的线段组成三角形面积小于阈值时，将相连的线段删除并保留延长线。
如图3(c)，是对于相似平行线的简化示意图，对于两个相连的线段，当两个线段的方向夹角小于阈值时，将两个线段连成一个线段。
如图3(d)，是对于具有较小偏移的线段的简化示意图，当两个邻近平行线之间的连接线段够短时，可以设计连接线段，并将两个相邻的平行线段合并成新的线段。
目前的建筑物的形状一般都是具有一定规则的，所以，可以将建筑物的边界形状分解成N个预设基础形状，比如矩形、平行四边形等。具体的，可以参阅图4，图4是本申请的另一实施例提供的将边界形状分解成N个预设基础形状的流程示意图。
如图4所示，本实施例提供的将边界形状分解成N个预设基础形状的过程可以包括：
步骤S401、基于边界形状的边缘，确定包含有边界形状的至少一个边的预设基础形状。
本步骤中，可以从边界形状的每条边以及边界形状的边缘为基础，来确定预设基础形状，由于建筑物的拐角一般为直角，因此，可以将预设基础形状设置为矩形，具体的，首先选择边界形状的其中一条线段边，然后生成该线段边的平行线段(与该线段边长度相同)，然后沿该线段边的垂直方向对该平行线段进行平移，知道该平行线接触到建筑物的边缘为止，连接该线段边与平行线段，构成一个矩形，也就是预设基础形状。
基于上述过程，便可以得到至少一个矩形，也就是预设基础形状。
步骤S402、根据预设基础形状与边界形状的重叠度，确定组成边界形状的最优形状组合，其中，最优形状组合包括N个预设基础形状且最优形状组合中的预设基础形状之间的重叠面积最小。
前述过程中，获取了一系列的预设基础形状，但是很多都是存在冗余的，需要选取最优形状组合来表示建筑物的边界形状，这个最优形状组合中包含的预设基础形状之间具有最小重叠，同时可以覆盖整个边界形状占据的空间，且能表示该边界形状的整体形状。
下面以预设基础形状为矩形为例，对选取最优形状组合的过程进行说明。首先，需要选取初始参考矩形，具体可以是计算每一个矩形与建筑物边界形状的重叠度，设建筑物边界形状为P，组成建筑物边界形状的矩形组合为P’，其中，pi为组合P’其中的矩形之一，那么矩形与边界形状的重叠度为：
Figure BDA0002984901340000131
其中，A(·)表示平面面积计算公式，I表示两个区域的交集。
计算出每个矩形的重叠度后，选取重叠度最大且小于1的矩形作为初始参考矩形。另外，当建筑物的边界形状为凹多边形时，将重叠度大于1的矩形去掉，以除去超出建筑物边界形状范围的冗余矩形。
然后以初始参考矩形作为参考，利用上述的重叠度公式，计算其他矩形与该初始参考矩形的重叠度，其中，将公式中的P作为该初始参考矩形，pi为其他的矩形，剔除重叠度等于1的矩形，并根据重叠度从大到小对矩形进行排序，选择出与初始参考矩形的并集面积与边界形状的面积相差最小，且相差值小于预设阈值的矩形，与初始参考矩形一起构成最优形状组合。
若前述步骤没有找到最优形状组合，则可将前述过程中未被选择过的矩形中，重新选择初始参考矩形，重复前述操作，直至得到最优形状组合。
步骤S103、针对任一预设基础形状对应的建筑物屋顶，基于卫星影像信息匹配对应的预设屋顶模板。
前述过程中，得到的最优形状组合中，可以认为一个预设基础形状代表建筑物的一个独立屋顶，在实际情况中，建筑物屋顶形状各异，本步骤即利用卫星影像通过本申请提出的卷积神经网络分类器对每一个建筑物屋顶进行识别分类，以获取建筑物屋顶的类型，便于后续的建筑物三维重建。
具体可以是先针对任一预设基础形状对应的建筑物屋顶，从卫星影像信息中提取建筑物屋顶的目标卫星影像，由于一个预设基础形状对应了一个屋顶，那么就可以从卫星影像信息中获取该预设基础形状框中的卫星影像信息，作为该预设基础形状对应的建筑物屋顶的目标卫星影像。
然后将目标卫星影像信息输入到预先训练的分类模型中，得到预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板。需要说明的是，本实施例将屋顶分为常见的六类，具体可以如图5所示，图5是本申请的一个实施例提供的六个类型的预设屋顶模板的结构示意图。
将目标卫星影像输入到预先训练的分类模型中后，就可以为该目标卫星影像中的建筑物屋顶从以上六类预设屋顶模板中匹配到合适的预设屋顶模板。
需要说明的是，该预先训练的分类模型采用深度卷积神经网络，这种深度卷积神经网络通过层到层的传播策略，自我学习获取相关结构化特征和代表性特征，该特征对旋转、遮挡、尺度和平移等具有不变性，有利于对各种各样的对象进行检测和分类任务。
本实施例设计的分类模型以深度残差网络(ResNet)为基础进行微调。第一，最后一层(即FC1000)被一个新的FC层替换，其中六个类对应六个预设屋顶模型；第二，将RBF核的支持向量机(SVM)应用于具有6维度的特征向量(即六类预设屋顶模板)，用于对屋顶类型进行分类。
在实际场景中，有些屋顶类型不常见导致获取的训练数据数量少，不利于获取的深度神经网络的训练，所以需要对个别类型的训练数据进行数据增强，平衡所有屋顶类型数据的样本数量。比如，可以通过将样本数据转成HSV颜色空间、将图像进行翻转到右侧或者旋转45度等方式，将数据进行增强，以增加样本数量。这些样本增强的方式不仅可提升样本的数量，平衡各类别样本数据，而且能够提高结果对旋转和颜色变化的鲁棒性。
步骤S104、根据N个预设基础形状及N个预设基础形状对应的建筑物屋顶各自匹配的预设屋顶模板构建建筑物的屋顶模型。
上述步骤中，便得到了N个预设基础形状，以及N个预设基础形状对应的建筑物屋顶各自匹配的预设屋顶模板。其中，预设基础形状包括多个顶点，卫星影像信息包括每个顶点的坐标信息，具体的，构建屋顶模型的过程可以参阅图6，图6是本申请的一个实施例提供的一种构建屋顶模型的流程示意图。
如图6所示，本实施例提供的构建屋顶模型的过程可以包括：
步骤S601、针对任一预设基础形状，基于预设基础形状所有顶点的坐标信息确定预设基础形状的轮廓参数。
需要说明的是，轮廓参数可以指预设基础形状的边长，以矩形为例，就是矩形的长和宽，已知矩形的顶点坐标信息，那么就可以根据长的两个顶点的坐标信息求取两点之间的距离，作为矩形的长，根据宽的两个顶点饿坐标信息求取两点之间的距离，作为矩形的宽。
步骤S602、针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据预设基础形状的轮廓参数将预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与预设基础形状进行拟合，得到预设基础形状对应的建筑物屋顶的屋顶子模型。
需要说明的是，预设屋顶模板预先设置有用来表示预设屋顶模板的几何参数，具体的，该几何参数可以用Ψ表示，其定义可以为Ψ＝{p,c,s}，其中，Ψ包含位置参数p＝{x0,y0,orientation}，表示平面位置和朝向；外形轮廓参数c＝{length,width}，表示矩形的长和宽；形状参数s＝{Zridge,Zeave，hipl1,hipl2,hipw1,hipw2}，分别表示屋脊高度、屋檐高度、右纵向长度、左纵向长度、下横向宽度、上横向宽度。具体可以参阅图7，图7是本申请的一个实施例提供的预设屋顶模板的几何参数的示意图，另外，前述步骤S601中的轮廓参数即c＝{length,width}。
本步骤中，先针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，基于轮廓参数确定预设屋顶模板的新的几何参数，具体过程如下：
对于朝向，主要由屋脊线决定，而屋脊线就是预设基础形状的中线，以矩形为例，首先，以每个矩形的中线为中心，分别按照dg＝0.2米为单位往左右进行平行线段扩展，接着求取每个线段上高程最大值，将该高程最大值的点作为此线段的锚点，然后对每条中心生成的锚点序列进行直线拟合，最后比较拟合直线后的误差，误差比较大的中心即为屋脊线。
其他的几何参数，则可以由以下公式确定：
对于图5类型(a)的屋顶，hipl1＝hipl2＝hipw1＝hipw2＝0。
对于图5类型(b)的屋顶，hipl1＝hipl2＝0，
Figure BDA0002984901340000161
对于图5类型(c)的屋顶，
Figure BDA0002984901340000162
hipl2＝0，
Figure BDA0002984901340000163
对于图5类型(d)的屋顶，
Figure BDA0002984901340000164
对于图5类型(e)的屋顶，
Figure BDA0002984901340000165
对于图5类型(f)的屋顶，
Figure BDA0002984901340000166
然后将预设屋顶模板对应的几何参数更新为新的几何参数，并将更新几何参数后的预设屋顶模板确定为预设基础形状对应的建筑物屋顶的屋顶子模型。
另外，为了更使几何参数更加准确，还可以利用预设的最小代价搜索算法对新的几何参数进行优化，然后利用优化后的几何参数更新预设屋顶模板的几何参数。
具体优化时，由于几何参数中的位置参数和外形轮廓参数是平面参数，决定建筑物的朝向和轮廓大小，可以一同进行优化，而形状参数为空间平面的参数，需要单独进行优化。
具体的，对于位置参数和外形轮廓参数首先对于每一个矩形的平面参数的初始值按照一定的间隔生成一系列的待选值，然后利用这些待选值进行组合生成预搜索的平面参数集合；最后根据公式
Figure BDA0002984901340000167
计算每一组平面参数的代价值，选取最小代价的一组平面参数作为该矩形的最优参数。
假设vj∈V,j＝{1,2,Λ,J}为预设基础形状V中的顶点，U为其对应的边界形状，
Figure BDA0002984901340000171
为vj在U中距离最近的点。则V到边界形状U的代价值为：
Figure BDA0002984901340000172
即可将平面参数所表示的预设基础形状设定为V，建筑物边界形状设定为U，平面参数的代价值即为d(U,V)。由于相对性，则可将U对V的代价值也作为参考，即最终平面参数的代价值为：
Figure BDA0002984901340000173
由于预设基础形状是相互连接的，当计算完第一个预设基础形状的平面参数后，可根据连接关系推导出邻近预设基础形状的平面参数，并以此循环直至所有关系推到完毕位置，但存在无此关系的预设基础形状再根据以上最小代价计算的方法对其平面关系进行计算。
而对于形状参数，假设由形状参数所组成的空间平面为pi＝(ai,bi,ci,di)∈P,i＝{1,2,Λ,I}，空间平面pi方程为aix+biy+ciz+di＝0，空间点dm＝(xm,ym,zm)∈D,m＝{1,2,ΛM}为nDSM上建筑物多边形区域内的点，则形状参数的代价函数为：
Figure BDA0002984901340000174
步骤S603、利用预设的屋顶组合算法，将所有屋顶子模型进行组合，得到建筑物的屋顶模型。
本步骤中，由于屋顶子模型不可避免存在相互重叠交叉的情况，需根据交叉连接的多个屋顶子模型进行组合以生成最优的建筑物屋顶模型。不同屋顶子模型的组合生成最优屋顶模型可根据曼萨德(Mansard)屋顶模型进行处理。
本实施例中，首先获取目标区域内的卫星影像信息，并根据卫星影像信息得到目标区域内建筑物的高度信息，然后根据高度信息确定建筑物的边界形状，并按照预设的形状分解算法将边界形状分解为N个预设基础形状，其中N为正整数，再针对任一预设基础形状对应的建筑物屋顶，基于卫星影像信息匹配对应的预设屋顶模板，最后根据N个预设基础形状及N个预设基础形状对应的建筑物屋顶各自匹配的预设屋顶模板构建建筑物的屋顶模型，基于此，本申请的方案可以基于目标区域的卫星影像信息来构建目标区域内建筑物的屋顶模型，由于卫星影像信息可以由卫星进行获取，而卫星的获取范围可以包括全球的任何区域，因此，对于任一区域，卫星都可以轻松获取该区域的卫星影像信息，从而通过本申请的方案构建该区域内建筑物的屋顶模型，避免了现有技术中使用机载激光雷达或者航空摄像设备导致的无法对任意位置范围内的建筑物LOD2模型进行构建或者更新的问题。
请参阅图7，图7是本申请的另一实施例提供的一种建筑物屋顶模型的构建装置的结构示意图。
如图7所示，本实施例提供的建筑物屋顶模型的构建装置可以包括：
获取模块701，用于获取目标区域内的卫星影像信息，并根据卫星影像信息得到目标区域内建筑物的高度信息；
确定模块702，用于根据高度信息确定建筑物的边界形状，并按照预设的形状分解算法将边界形状分解为N个预设基础形状，其中N为正整数；
匹配模块703，用于针对任一预设基础形状对应的建筑物屋顶，基于卫星影像信息匹配对应的预设屋顶模板；
构建模块704，用于根据N个预设基础形状及N个预设基础形状对应的建筑物屋顶各自匹配的预设屋顶模板构建建筑物的屋顶模型。
在一个可选的实施方式中，确定模块包括：
第一确定单元，用于根据高度信息，确定目标区域内包含有建筑物的二值栅格地图；
第一提取单元，用于利用预设的直线段检测算法从二值栅格地图中提取目标线段；
序列化单元，用于对目标线段进行序列化操作，得到目标区域内建筑物的边界形状。
在一个可选的实施方式中，确定模块还包括：
第二确定单元，用于基于边界形状的边缘，确定包含有边界形状的至少一个边的预设基础形状；
第三确定单元，用于根据预设基础形状与边界形状的重叠度，确定组成边界形状的最优形状组合，其中，最优形状组合包括N个预设基础形状且最优形状组合中的预设基础形状之间的重叠面积最小。
在一个可选的实施方式中，匹配模块包括：
第二提取单元，用于针对任一预设基础形状对应的建筑物屋顶，从卫星影像信息中提取建筑物屋顶的目标卫星影像信息；
分类单元，用于将目标卫星影像信息输入到预先训练的分类模型中，得到预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板。
在一个可选的实施方式中，预设基础形状包括多个顶点，卫星影像信息包括每个顶点的坐标信息；
构建模块包括：
第四确定单元，用于针对任一预设基础形状，基于预设基础形状所有顶点的坐标信息确定预设基础形状的轮廓参数；
拟合单元，用于针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据预设基础形状的轮廓参数将预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与预设基础形状进行拟合，得到预设基础形状对应的建筑物屋顶的屋顶子模型；
组合单元，用于利用预设的屋顶组合算法，将所有屋顶子模型进行组合，得到建筑物的屋顶模型。
在一个可选的实施方式中，预设屋顶模板预先设置有用来表示预设屋顶模板的几何参数；
拟合单元包括：
确定子单元，用于针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，基于轮廓参数确定预设屋顶模板的新的几何参数；
参数更新子单元，用于将预设屋顶模板对应的几何参数更新为新的几何参数，并将更新几何参数后的预设屋顶模板确定为预设基础形状对应的建筑物屋顶的屋顶子模型。
在一个可选的实施方式中，装置还包括：
优化模块，用于利用预设的最小代价搜索算法对新的几何参数进行优化。
在一个可选的实施方式中，装置还包括：
简化模块，用于按照预设的多边形简化算法对边界形状进行简化。
请参阅图8，图8是本申请的另一实施例提供的一种电子设备的结构示意图。
如图8所示，本实施例提供的电子设备包括：至少一个处理器801、存储器802、至少一个网络接口803和其他用户接口804。电子设备800中的各个组件通过总线系统805耦合在一起。可理解，总线系统805用于实现这些组件之间的连接通信。总线系统805除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中将各种总线都标为总线系统805。
其中，用户接口804可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。
可以理解，本发明实施例中的存储器802可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本文描述的存储器802旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器802存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统8021和第二应用程序8022。
其中，操作系统8021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。第二应用程序8022，包含各种第二应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在第二应用程序8022中。
在本发明实施例中，通过调用存储器802存储的程序或指令，具体的，可以是第二应用程序8022中存储的程序或指令，处理器801用于执行各方法实施例所提供的方法步骤，例如包括：
获取目标区域内的卫星影像信息，并根据卫星影像信息得到目标区域内建筑物的高度信息；
根据高度信息确定建筑物的边界形状，并按照预设的形状分解算法将边界形状分解为N个预设基础形状，其中N为正整数；
针对任一预设基础形状对应的建筑物屋顶，基于卫星影像信息匹配对应的预设屋顶模板；
根据N个预设基础形状及N个预设基础形状对应的建筑物屋顶各自匹配的预设屋顶模板构建建筑物的屋顶模型。
在一个可选的实施方式中，根据高度信息确定目标区域内建筑物的边界形状，包括：
根据高度信息，确定目标区域内包含有建筑物的二值栅格地图；
利用预设的直线段检测算法从二值栅格地图中提取目标线段；
对目标线段进行序列化操作，得到目标区域内建筑物的边界形状。
在一个可选的实施方式中，按照预设的形状分解算法将边界形状分解为N个预设基础形状，包括：
基于边界形状的边缘，确定包含有边界形状的至少一个边的预设基础形状；
根据预设基础形状与边界形状的重叠度，确定组成边界形状的最优形状组合，其中，最优形状组合包括N个预设基础形状且最优形状组合中的预设基础形状之间的重叠面积最小。
在一个可选的实施方式中，针对任一预设基础形状对应的建筑物屋顶，基于卫星影像信息匹配对应的预设屋顶模板，包括：
针对任一预设基础形状对应的建筑物屋顶，从卫星影像信息中提取建筑物屋顶的目标卫星影像信息；
将目标卫星影像信息输入到预先训练的分类模型中，得到预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板。
在一个可选的实施方式中，预设基础形状包括多个顶点，卫星影像信息包括每个顶点的坐标信息；
根据N个预设基础形状及N个预设基础形状中包含的建筑物屋顶各自对应的预设屋顶模板构建建筑物的屋顶模型，包括：
针对任一预设基础形状，基于预设基础形状所有顶点的坐标信息确定预设基础形状的轮廓参数；
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据预设基础形状的轮廓参数将预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与预设基础形状进行拟合，得到预设基础形状对应的建筑物屋顶的屋顶子模型；
利用预设的屋顶组合算法，将所有屋顶子模型进行组合，得到建筑物的屋顶模型。
在一个可选的实施方式中，预设屋顶模板预先设置有用来表示预设屋顶模板的几何参数；
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据预设基础形状的轮廓参数将预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与预设基础形状进行拟合，得到预设基础形状对应的建筑物屋顶的屋顶子模型，包括：
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，基于轮廓参数确定预设屋顶模板的新的几何参数；
将预设屋顶模板对应的几何参数更新为新的几何参数，并将更新几何参数后的预设屋顶模板确定为预设基础形状对应的建筑物屋顶的屋顶子模型。
在一个可选的实施方式中，在将预设屋顶模板对应的几何参数更新为新的几何参数之前，方法还包括：
利用预设的最小代价搜索算法对新的几何参数进行优化。
在一个可选的实施方式中，在根据高度信息确定建筑物的边界形状之后，且在按照预设的形状分解算法将边界形状分解为N个预设基础形状之前，方法还包括：
按照预设的多边形简化算法对边界形状进行简化。
上述本发明实施例揭示的方法可以应用于处理器801中，或者由处理器801实现。处理器801可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器801可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器802，处理器801读取存储器802中的信息，结合其硬件完成上述方法的步骤。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文功能的单元来实现本文的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中，存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。
当存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述在电子设备侧执行的建筑物屋顶模型的构建方法。
处理器用于执行存储器中存储的建筑物屋顶模型的构建程序，以实现以下在电子设备侧执行的建筑物屋顶模型的构建方法的步骤：
获取目标区域内的卫星影像信息，并根据卫星影像信息得到目标区域内建筑物的高度信息；
根据高度信息确定建筑物的边界形状，并按照预设的形状分解算法将边界形状分解为N个预设基础形状，其中N为正整数；
针对任一预设基础形状对应的建筑物屋顶，基于卫星影像信息匹配对应的预设屋顶模板；
根据N个预设基础形状及N个预设基础形状对应的建筑物屋顶各自匹配的预设屋顶模板构建建筑物的屋顶模型。
在一个可选的实施方式中，根据高度信息确定目标区域内建筑物的边界形状，包括：
根据高度信息，确定目标区域内包含有建筑物的二值栅格地图；
利用预设的直线段检测算法从二值栅格地图中提取目标线段；
对目标线段进行序列化操作，得到目标区域内建筑物的边界形状。
在一个可选的实施方式中，按照预设的形状分解算法将边界形状分解为N个预设基础形状，包括：
基于边界形状的边缘，确定包含有边界形状的至少一个边的预设基础形状；
根据预设基础形状与边界形状的重叠度，确定组成边界形状的最优形状组合，其中，最优形状组合包括N个预设基础形状且最优形状组合中的预设基础形状之间的重叠面积最小。
在一个可选的实施方式中，针对任一预设基础形状对应的建筑物屋顶，基于卫星影像信息匹配对应的预设屋顶模板，包括：
针对任一预设基础形状对应的建筑物屋顶，从卫星影像信息中提取建筑物屋顶的目标卫星影像信息；
将目标卫星影像信息输入到预先训练的分类模型中，得到预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板。
在一个可选的实施方式中，预设基础形状包括多个顶点，卫星影像信息包括每个顶点的坐标信息；
根据N个预设基础形状及N个预设基础形状中包含的建筑物屋顶各自对应的预设屋顶模板构建建筑物的屋顶模型，包括：
针对任一预设基础形状，基于预设基础形状所有顶点的坐标信息确定预设基础形状的轮廓参数；
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据预设基础形状的轮廓参数将预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与预设基础形状进行拟合，得到预设基础形状对应的建筑物屋顶的屋顶子模型；
利用预设的屋顶组合算法，将所有屋顶子模型进行组合，得到建筑物的屋顶模型。
在一个可选的实施方式中，预设屋顶模板预先设置有用来表示预设屋顶模板的几何参数；
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据预设基础形状的轮廓参数将预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与预设基础形状进行拟合，得到预设基础形状对应的建筑物屋顶的屋顶子模型，包括：
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，基于轮廓参数确定预设屋顶模板的新的几何参数；
将预设屋顶模板对应的几何参数更新为新的几何参数，并将更新几何参数后的预设屋顶模板确定为预设基础形状对应的建筑物屋顶的屋顶子模型。
在一个可选的实施方式中，在将预设屋顶模板对应的几何参数更新为新的几何参数之前，方法还包括：
利用预设的最小代价搜索算法对新的几何参数进行优化。
在一个可选的实施方式中，在根据高度信息确定建筑物的边界形状之后，且在按照预设的形状分解算法将边界形状分解为N个预设基础形状之前，方法还包括：
按照预设的多边形简化算法对边界形状进行简化。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种建筑物屋顶模型的构建方法，其特征在于，所述方法包括：
获取目标区域内的卫星影像信息，并根据所述卫星影像信息得到所述目标区域内建筑物的高度信息；
根据所述高度信息确定所述建筑物的边界形状，并按照预设的形状分解算法将所述边界形状分解为N个预设基础形状，其中N为正整数；
针对任一预设基础形状对应的建筑物屋顶，基于所述卫星影像信息匹配对应的预设屋顶模板；
根据N个所述预设基础形状及N个所述预设基础形状对应的建筑物屋顶各自匹配的所述预设屋顶模板构建所述建筑物的屋顶模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述高度信息确定所述建筑物的边界形状，包括：
根据所述高度信息，确定所述目标区域内包含有建筑物的二值栅格地图；
利用预设的直线段检测算法从所述二值栅格地图中提取目标线段；
对所述目标线段进行序列化操作，得到所述目标区域内建筑物的边界形状。
3.根据权利要求1所述的方法，其特征在于，所述按照预设的形状分解算法将所述边界形状分解为N个预设基础形状，包括：
基于所述边界形状的边缘，确定包含有所述边界形状的至少一个边的预设基础形状；
根据所述预设基础形状与所述边界形状的重叠度，确定组成所述边界形状的最优形状组合，其中，所述最优形状组合包括N个预设基础形状且所述最优形状组合中的预设基础形状之间的重叠面积最小。
4.根据权利要求1所述的方法，其特征在于，所述针对任一预设基础形状对应的建筑物屋顶，基于所述卫星影像信息匹配对应的预设屋顶模板，包括：
针对任一预设基础形状对应的建筑物屋顶，从所述卫星影像信息中提取所述建筑物屋顶的目标卫星影像信息；
将所述目标卫星影像信息输入到预先训练的分类模型中，得到所述预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板。
5.根据权利要求1所述的方法，其特征在于，所述预设基础形状包括多个顶点，所述卫星影像信息包括每个所述顶点的坐标信息；
所述根据N个所述预设基础形状及N个所述预设基础形状对应的建筑物屋顶各自匹配的所述预设屋顶模板构建所述建筑物的屋顶模型，包括：
针对任一预设基础形状，基于所述预设基础形状所有顶点的坐标信息确定所述预设基础形状的轮廓参数；
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据所述预设基础形状的轮廓参数将所述预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与所述预设基础形状进行拟合，得到所述预设基础形状对应的建筑物屋顶的屋顶子模型；
利用预设的屋顶组合算法，将所有屋顶子模型进行组合，得到所述建筑物的屋顶模型。
6.根据权利要求5所述的方法，其特征在于，所述预设屋顶模板预先设置有用来表示所述预设屋顶模板的几何参数；
所述针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，根据所述预设基础形状的轮廓参数将所述预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板与所述预设基础形状进行拟合，得到所述预设基础形状对应的建筑物屋顶的屋顶子模型，包括：
针对任一预设基础形状对应的建筑物屋顶所匹配的预设屋顶模板，基于所述轮廓参数确定所述预设屋顶模板的新的几何参数；
将所述预设屋顶模板对应的几何参数更新为新的几何参数，并将更新几何参数后的预设屋顶模板确定为所述预设基础形状对应的建筑物屋顶的屋顶子模型。
7.根据权利要求6所述的方法，其特征在于，在所述将所述预设屋顶模板对应的几何参数更新为新的几何参数之前，所述方法还包括：
利用预设的最小代价搜索算法对新的所述几何参数进行优化。
8.根据权利要求1所述的方法，其特征在于，在所述根据所述高度信息确定所述建筑物的边界形状之后，且在所述按照预设的形状分解算法将所述边界形状分解为N个预设基础形状之前，所述方法还包括：
按照预设的多边形简化算法对所述边界形状进行简化。
9.一种建筑物屋顶模型的构建装置，其特征在于，所述装置包括：
获取模块，用于获取目标区域内的卫星影像信息，并根据所述卫星影像信息得到所述目标区域内建筑物的高度信息；
确定模块，用于根据所述高度信息确定所述建筑物的边界形状，并按照预设的形状分解算法将所述边界形状分解为N个预设基础形状，其中N为正整数；
匹配模块，用于针对任一预设基础形状对应的建筑物屋顶，基于所述卫星影像信息匹配对应的预设屋顶模板；
构建模块，用于根据N个所述预设基础形状及N个所述预设基础形状对应的建筑物屋顶各自匹配的所述预设屋顶模板构建所述建筑物的屋顶模型。
10.一种电子设备，其特征在于，包括：至少一个处理器和存储器；
所述处理器用于执行所述存储器中存储的建筑物屋顶模型的构建程序，以实现权利要求1-8任一项所述的建筑物屋顶模型的构建方法。
11.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被执行时，实现权利要求1-8任一项所述的建筑物屋顶模型的构建方法。
CN202110297537.9A 2021-03-19 2021-03-19 建筑物屋顶模型的构建方法、装置、电子设备及存储介质 Active CN112989469B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110297537.9A CN112989469B (zh) 2021-03-19 2021-03-19 建筑物屋顶模型的构建方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110297537.9A CN112989469B (zh) 2021-03-19 2021-03-19 建筑物屋顶模型的构建方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112989469A CN112989469A (zh) 2021-06-18
CN112989469B true CN112989469B (zh) 2022-06-10

Family

ID=76334164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110297537.9A Active CN112989469B (zh) 2021-03-19 2021-03-19 建筑物屋顶模型的构建方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112989469B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538487A (zh) * 2021-07-14 2021-10-22 安徽炬视科技有限公司 一种基于多摄像机三维重建的虚拟三维周界管控算法
CN115496876B (zh) * 2022-09-19 2024-04-16 阿里巴巴（中国）有限公司 一种建筑物建模方法、地图渲染方法、装置和设备
CN115457281B (zh) * 2022-11-10 2023-02-14 珠高智能科技(深圳)有限公司 屋顶图像集的生成方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106683167A (zh) * 2016-07-19 2017-05-17 谢鸿宇 复杂建筑物高精度模型自动建模方法
CN107944383A (zh) * 2017-11-21 2018-04-20 航天科工智慧产业发展有限公司 基于三维Voronoi图的建筑物屋顶面片分割方法
CN111652250A (zh) * 2020-06-09 2020-09-11 星际空间（天津）科技发展有限公司 基于多边形的遥感影像建筑物提取方法、装置及存储介质
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100647807B1 (ko) * 2005-11-24 2006-11-23 인하대학교 산학협력단 그림자 분석을 통한 3차원 건물정보 추출방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106683167A (zh) * 2016-07-19 2017-05-17 谢鸿宇 复杂建筑物高精度模型自动建模方法
CN107944383A (zh) * 2017-11-21 2018-04-20 航天科工智慧产业发展有限公司 基于三维Voronoi图的建筑物屋顶面片分割方法
CN111652250A (zh) * 2020-06-09 2020-09-11 星际空间（天津）科技发展有限公司 基于多边形的遥感影像建筑物提取方法、装置及存储介质
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

Also Published As

Publication number Publication date
CN112989469A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112989469B (zh) 建筑物屋顶模型的构建方法、装置、电子设备及存储介质
US20220028163A1 (en) Computer Vision Systems and Methods for Detecting and Modeling Features of Structures in Images
Xia et al. Automated semantic segmentation of bridge point cloud based on local descriptor and machine learning
CN111402339B (zh) 一种实时定位方法、装置、系统及存储介质
KR102143108B1 (ko) 차선 인식 모델링 방법, 장치, 저장 매체 및 기기, 및 인식 방법, 장치, 저장 매체 및 기기
US8427505B2 (en) Geospatial modeling system for images and related methods
Wang et al. Modeling indoor spaces using decomposition and reconstruction of structural elements
CN103703490B (zh) 用于产生三维特征数据的设备以及用于产生三维特征数据的方法
CN103218783B (zh) 基于控制点影像数据库的卫星遥感图像快速几何纠正方法
US8275194B2 (en) Site modeling using image data fusion
Matei et al. Building segmentation for densely built urban regions using aerial lidar data
Gui et al. Automated LoD-2 model reconstruction from very-high-resolution satellite-derived digital surface model and orthophoto
CN113177974A (zh) 一种点云配准方法、装置、电子设备及存储介质
CN113192174A (zh) 建图方法、装置及计算机存储介质
Li et al. Integration of heterogeneous terrain data into Discrete Global Grid Systems
CN112396701A (zh) 卫星图像的处理方法、装置、电子设备和计算机存储介质
CN116843860A (zh) 激光雷达点云与影像密集匹配点云融合建模方法及装置
Karsli et al. Automatic building footprint extraction from photogrammetric and LiDAR point clouds using a novel improved-Octree approach
Ruiz et al. Automatic extraction of road intersections from images based on texture characterisation
Bori et al. Integration the low cost camera images with the google earth dataset to create a 3D model
CN113989680B (zh) 建筑三维场景自动构建方法及系统
Namouchi et al. Piecewise horizontal 3d roof reconstruction from aerial lidar
Widyaningrum et al. Tailored features for semantic segmentation with a DGCNN using free training samples of a colored airborne point cloud
Li et al. Geometric object based building reconstruction from satellite imagery derived point clouds
Alfio et al. The Use of Random Forest for the Classification of Point Cloud in Urban Scene

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