CN114638769A - 一种基于图像处理算法的2.5维地图建筑物热区自动提取方法 - Google Patents

一种基于图像处理算法的2.5维地图建筑物热区自动提取方法 Download PDF

Info

Publication number
CN114638769A
CN114638769A CN202011462383.6A CN202011462383A CN114638769A CN 114638769 A CN114638769 A CN 114638769A CN 202011462383 A CN202011462383 A CN 202011462383A CN 114638769 A CN114638769 A CN 114638769A
Authority
CN
China
Prior art keywords
building
dimensional map
boundary
image
map
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.)
Pending
Application number
CN202011462383.6A
Other languages
English (en)
Inventor
徐亮
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.)
Wuhan Explorer Technology Co ltd
Original Assignee
Wuhan Explorer Technology 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 Wuhan Explorer Technology Co ltd filed Critical Wuhan Explorer Technology Co ltd
Priority to CN202011462383.6A priority Critical patent/CN114638769A/zh
Publication of CN114638769A publication Critical patent/CN114638769A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像处理算法的2.5维地图建筑物热区自动提取方法，属于图像处理技术和地理信息技术领域。本发明针对当前2.5维地图生产过程中的问题，采用基于图像处理算法的方式，发明了2.5维地图建筑物热区自动提取算法，将原来依赖人工勾画建筑物热区的方式优化为计算机算法自动提取，从而实现了大批量的2.5维地图的建筑物热区自动提取过程。该方式提高了2.5维生产流程中的热区生产的效率和精度，大大提高了2.5维地图生产的进度，从而满足了大范围、大比例尺的高精度2.5维地图生产。

Description

一种基于图像处理算法的2.5维地图建筑物热区自动提取 方法
技术领域
本发明涉及地理栅格数据处理和地理信息科学领域，具体涉及一种 2.5维地图的建筑物轮廓自动提取方法。
背景技术
2.5维电子地图除了继承二维电子地图在数据采集、分析与处理等方面的强大功能外，其直观和真实的空间表现能力，弥补了二维GIS图形表现的局限性。相对于三维电子地图来说，2.5维电子地图数据量更小，后台运行更快。
在现阶段的2.5维生产过程中，需要同时生产2.5维地图中建筑物的热区，实现建筑物的要素化，从而能够在其上添加建筑物的各类属性信息，如建筑物的名称、建筑物的编号、建筑物面积、建筑物周长、建筑物高度、建筑物楼层数等基础信息，同时还能在其上挂接各类业务信息。而传统的建筑物热区提取方式是通过人工勾取建筑物轮廓的方式，这种方式由于依赖于配准人员的经验，效率低，准确性不高，在大面积2.5维地图生产中无法满足生产的要求，因此本发明提出一种基于图像处理的方式，通过图像处理算法，自动快速提取建筑物热区面要素，从而满足大面积批量的2.5维地图生产的需要。
发明内容
针对当前2.5维地图生产过程中的问题，为提高2.5维地图建筑物的要素化准确性和生产效率，本发明采用基于图像处理算法的建筑物热区自动提取算法，将原来依赖人工勾画建筑物的方式优化为采用计算机算法自动提取，从而实现了大批量的2.5维地图的建筑物热区自动提取过程。
本发明采用的技术方案是：
S1：在渲染2.5维地图的同时，渲染一张建筑物通道图。然后对该图像运行算法，算法步骤如S2至S10所述。
S2：首先将输入的建筑物通道图进行高斯滤波(GaussianBlur)。
S3：然后对建筑物通道图进行二值化处理(Image Binarization)。
S4：对二值化后的建筑物通道图提取边缘，使建筑物边缘为白色，其它区域为黑色。
S5：对所得到的建筑物边缘图像进行边缘追踪，得到了所有的边界点集合，。
S6：对所得到的边界点集合生成一个矢量点图层。。
S7：对所得到的矢量点图层根据边界Id得到了一个矢量边界线图层。
S8：对S7中所得到的边界线进行点抽稀。
S9：对S8中所得到的边界线进行拓扑检查。
S10：对所得到的建筑物边界矢量数据进行转面的操作，得到建筑物热区面的矢量数据。
S11：最终将所得到的建筑物热区面的矢量数据和2.5维地图进行配准，使两者能够准确套合。
附图说明
图1：方案流程图
图2：二值化后的建筑物通道图
图3：边缘提取后的建筑物通道图
图4：边缘追踪后所得到的边界点矢量图层
图5：边界点矢量图层转成线矢量图层
图6：边界线矢量图层转成面矢量图层
图7：建筑物热区面和2.5维套合结果
具体实施方式
S1：在渲染2.5维地图的同时，渲染一张建筑物通道图。将该建筑物通道图作为建筑物热区提取算法的源图像，渲染该图像需要确保建筑物能够和地形区域清晰的区分开。
S2：首先将建筑物建筑物图像进行高斯滤波(GaussianBlur)，去除图像中存在的噪点。噪点对后续图像算法的影响很大，应尽量去除。
S3：然后根据阈值，一般取灰度值(rgb(128，128，128))对图像进行二值化处理(Image Binarization)。对图像中所有的像素点进行循环判断：像素点值高于该阈值的设为rgb(255，255，255)，像素点值低于该阈值的设使背景为rgb(0，0，0)，最终结果将得到一张二值化后的建筑物通道图，此时建筑物部分为白色，其它区域为黑色，见图2。
S4：对二值化后的图像进行提取边缘算法。该算法对整幅图像的每个像素依次判断其所在的3*3的像素范围内的像素值。若该9个像素中有像素值等于rgb(255，255，255)的，则将该像素值设为rgb(255，255， 255)，否则则将该像素值设为rgb(0，0，0)。运行完成后，得到一张黑白的建筑物边界图，建筑物边缘为白色，其它区域为黑色。见图3。
S5：对所得到的建筑物边缘图像进行边缘追踪算法。该算法对每个边界点进行追踪，依次记录下要素的横纵坐标(Px，Py)，由此得到了所有的边界点的像素坐标集合，见图4。
S6：对所得到的边界点集合生成一个矢量点图层。对属于同一个边界的给予一个相同的边界id值，不同边界赋予不同的边界id。
S7：将同一个的边界的点根据边界id进行点转线的运算，得到了一个矢量的边界线，见图5。
S8：对S7中所得到的边界线进行节点抽稀运算。经过以上算法步骤后所获得的边界线的节点很密，过密点的会导致矢量数据很大，不仅会增加后续算法的计算时间，同时还会导致很多异常错误，因此需要进行对节点进行抽稀，对于在确保边界线形状不变化的情况下，去除冗余的点。
S9：对S8中所得到的边界线进行拓扑检查，确保边界线的拓扑关系正确，例如不能出现边界线自相交、边界线，错误的拓扑关系可能导致转面时产生错误的面，例如形成空洞，或者转面失败。
S10：对所得到的建筑物边界矢量数据进行转面的操作，从而得到了建筑物热区面的矢量数据，见图6。
S11：最终将所得到的建筑物热区面的矢量数据和2.5维地图进行配准，使两者能够准确套合，见图7 。

Claims (1)

1.一种基于图像处理算法的2.5维地图建筑物热区自动提取方法，其特征在于：
S1：在渲染2.5维地图的同时，渲染一张建筑物通道图；
S2：首先将输入的建筑物通道图进行高斯滤波(GaussianBlur)；
S3：然后对建筑物通道图进行二值化处理(Image Binarization)；
S4：对二值化后的建筑物通道图提取边缘，使建筑物边缘为白色，其它区域为黑色；
S5：对所得到的建筑物边缘图像进行边缘追踪，得到了所有的边界点集合；
S6：对所得到的边界点集合生成一个矢量点图层；
S7：对所得到的矢量点图层根据边界Id得到了一个矢量边界线图层；
S8：对S7中所得到的边界线进行点抽稀；
S9：对S8中所得到的边界线进行拓扑检查；
S10：对所得到的建筑物边界矢量数据进行转面的操作，得到建筑物热区面的矢量数据；
S11：最终将所得到的建筑物热区面的矢量数据和2.5维地图进行配准，使两者能够准确套合。
CN202011462383.6A 2020-12-15 2020-12-15 一种基于图像处理算法的2.5维地图建筑物热区自动提取方法 Pending CN114638769A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011462383.6A CN114638769A (zh) 2020-12-15 2020-12-15 一种基于图像处理算法的2.5维地图建筑物热区自动提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011462383.6A CN114638769A (zh) 2020-12-15 2020-12-15 一种基于图像处理算法的2.5维地图建筑物热区自动提取方法

Publications (1)

Publication Number Publication Date
CN114638769A true CN114638769A (zh) 2022-06-17

Family

ID=81945508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011462383.6A Pending CN114638769A (zh) 2020-12-15 2020-12-15 一种基于图像处理算法的2.5维地图建筑物热区自动提取方法

Country Status (1)

Country Link
CN (1) CN114638769A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102800052A (zh) * 2012-06-13 2012-11-28 浙江大学 非标准地图的半自动数字化方法
CN104268941A (zh) * 2014-09-23 2015-01-07 广州都市圈网络科技有限公司 仿真三维地图的热区形成方法及装置
CN105354883A (zh) * 2015-11-25 2016-02-24 武汉大学 基于点云的3ds Max快速精细三维建模方法及系统
CN107092877A (zh) * 2017-04-12 2017-08-25 武汉大学 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法
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
CN109446992A (zh) * 2018-10-30 2019-03-08 苏州中科天启遥感科技有限公司 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备
CN110176064A (zh) * 2019-05-24 2019-08-27 武汉大势智慧科技有限公司 一种摄影测量生成三维模型的主体对象自动识别方法
CN110378293A (zh) * 2019-07-22 2019-10-25 泰瑞数创科技(北京)有限公司 一种基于实景三维模型生产高精度地图的方法
CN110796714A (zh) * 2019-08-22 2020-02-14 腾讯科技（深圳）有限公司 一种地图构建方法、装置、终端以及计算机可读存储介质
CN111428792A (zh) * 2020-03-26 2020-07-17 中国科学院空天信息创新研究院 遥感信息图像样本标记方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102800052A (zh) * 2012-06-13 2012-11-28 浙江大学 非标准地图的半自动数字化方法
CN104268941A (zh) * 2014-09-23 2015-01-07 广州都市圈网络科技有限公司 仿真三维地图的热区形成方法及装置
CN105354883A (zh) * 2015-11-25 2016-02-24 武汉大学 基于点云的3ds Max快速精细三维建模方法及系统
CN107092877A (zh) * 2017-04-12 2017-08-25 武汉大学 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法
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
CN109446992A (zh) * 2018-10-30 2019-03-08 苏州中科天启遥感科技有限公司 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备
CN110176064A (zh) * 2019-05-24 2019-08-27 武汉大势智慧科技有限公司 一种摄影测量生成三维模型的主体对象自动识别方法
CN110378293A (zh) * 2019-07-22 2019-10-25 泰瑞数创科技(北京)有限公司 一种基于实景三维模型生产高精度地图的方法
CN110796714A (zh) * 2019-08-22 2020-02-14 腾讯科技（深圳）有限公司 一种地图构建方法、装置、终端以及计算机可读存储介质
CN111428792A (zh) * 2020-03-26 2020-07-17 中国科学院空天信息创新研究院 遥感信息图像样本标记方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘明皓: "地理信息系统导论", 30 September 2010, 重庆大学出版社, pages: 55 - 56 *

Similar Documents

Publication Publication Date Title
CN110136159B (zh) 面向高分辨率遥感影像的线段提取方法
CN110992490B (zh) 基于cad建筑平面图自动提取室内地图的方法
CN108447050A (zh) 一种基于超像素的工件表面缺陷分割方法
CN108182707B (zh) 采集不完整条件下的棋盘格标定模板及其自动识别方法
CN109344820A (zh) 基于计算机视觉和深度学习的数字式电表读数识别方法
CN112184725B (zh) 一种沥青路面图像的结构光光条中心提取方法
CN118134923B (zh) 一种基于人工智能的高速物品视觉检测方法
CN113095309B (zh) 一种基于点云的道路场景地面标识物的提取方法
CN109271882B (zh) 一种区分颜色的手写体汉字提取方法
CN103871089B (zh) 一种基于融合的图像超像素网格化方法
CN109785324B (zh) 一种大幅面pcb板定位方法
CN108615452B (zh) 一种基于人车轨迹点多分辨率处理的未知道路提取方法
CN112528994B (zh) 一种自由角度车牌检测方法、车牌识别方法和识别系统
CN116452604B (zh) 一种复杂变电站场景分割方法、设备及存储介质
CN114638769A (zh) 一种基于图像处理算法的2.5维地图建筑物热区自动提取方法
CN112967384A (zh) 识别建筑测绘构件的点云智能化切分方法
CN115063578B (zh) 芯片图像中目标对象检测与定位方法、装置及存储介质
CN116051771A (zh) 一种基于无人机倾斜摄影模型的光伏bim屋顶自动建模方法
CN114022434B (zh) 一种护栏上下边线自动化提取方法及提取系统
CN112396696B (zh) 一种基于特征点检测与分割的语义地图增量更新方法
CN115410184A (zh) 一种基于深度神经网络的目标检测车牌识别方法
CN114758002A (zh) 一种基于航拍图像的光伏组串位置确定方法及系统
CN114627463A (zh) 一种基于机器识别的非接触式配电数据识别方法
CN109739942B (zh) 一种基于等高线模型的鞍部点提取方法
CN110728723A (zh) 一种面向瓦片地图的道路自动提取方法

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