CN115063557A - 一种基于倾斜模型的建筑物智能提取方法及装置 - Google Patents

Abstract

本申请公开了一种基于倾斜模型的建筑物智能提取方法，包含以下步骤：响应于GUI的采集点，在三角网格上生成包围或经过所述采集点的连续等值线，以所述连续等值线中的相关部分生成第一轮廓线；对所述第一轮廓线进行线性拟合，生成若干直线段；相邻直线段的交点位置相连作为所述建筑物的第二轮廓线，生成平面矢量数据。本申请还公开了用于实现所述方法的装置。本申请解决现有技术中全手动绘制房屋时工作量大精度不准确、而全自动方式绘制房屋粘连在一起的房屋无法分开，导致增大工作量的问题。能够采用人机交互的方式，实现在提取过程中实时纠正错误，保证提取准确性，提高工作效率。

Description

一种基于倾斜模型的建筑物智能提取方法及装置

技术领域

本申请涉及地理信息系统和计算机技术领域，尤其涉及一种基于倾斜模型的建筑物智能提取方法及装置。

背景技术

基于倾斜模型绘制房屋时，如果数据的采集和房屋的绘制的全过程都采用人工方式，则会产生大量的工作；手工采集需要反复旋转模型，点击次数多，工作量大；由于模型有变形，精度也难以保证。若数据的采集和房屋的绘制都采用全自动方式，则会产生不同物体与建筑物主体相互关联，以及不同建筑物主体相互关联的错误；不同高度位置提取效果不同，粘连在一起的房屋无法分开，后续还需要进行检查修改，工作量比直接手工采集甚至更大。

发明内容

本申请实施例提供一种基于倾斜模型的建筑物智能提取方法及装置，用于解决现有技术中全手动绘制房屋时工作量大、精度不准确，以及全自动识别时房屋粘连在一起的房屋无法分开，也导致增大工作量的问题。

第一方面，本申请实施例提出一种基于倾斜模型的建筑物智能提取方法，实现平面地图提取，包含以下步骤：

响应于图形用户界面（GUI）的第一采集点，在三角网格（triangle mesh）上生成包围或经过所述第一采集点的连续等值线，以所述连续等值线中的相关部分生成第一轮廓线；

对所述第一轮廓线进行线性拟合，生成若干直线段；

相邻直线段的交点位置相连作为所述建筑物的第二轮廓线，生成平面矢量数据。

优选地，为实现建筑物轮廓调整，在上述步骤中，以所述连续等值线中的相关部分生成第一轮廓线，进一步包含以下步骤：响应于GUI的第三采集点，对所述连续等值线进行切割获取所述连续等值线的一部分，作为所述第一轮廓线。

优选地，为实现建筑物高度提取，所述倾斜模型的建筑物智能提取方法，进一步包含以下步骤：

在第一轮廓线范围内，在三角网格上获取第一高程众数；

响应于GUI在所述第一轮廓线外部的第二采集点，在三角网格上获取第二高程众数（第一高程众数和第二高程众数之差为所述建筑物的高度）。

优选地，为实现建筑物属性值自动提取，所述倾斜模型的建筑物智能提取方法，进一步包含以下步骤：

对所述建筑物进行离屏渲染获得平面影像数据；

通过影像识别确定材质信息，作为所述建筑物的平面矢量数据对应的属性值。

优选地，为生成建筑物的关联属性数据，所述倾斜模型的建筑物智能提取方法，进一步包含以下步骤：

生成所述平面矢量数据对应的属性数据，包含以下至少一种属性值：

所述建筑物的长度、宽度、高度、层数、材质、类型。

优选地，为获取建筑物顶部的连续等值线，在本申请第一方面任一实施例的方法中，

根据所述第一采集点在所述倾斜模型中显示的位置，通过三角网格数据计算所述第一采集点的高度值；

在包含所述第一采集点的高度值的设定切片高度范围内，获得所述三角网格的连续等值线。

优选地，在本申请第一方面任一实施例的方法中，所述线性拟合用随机采样一致性算法。

第二方面，本申请实施例提出一种基于倾斜模型的建筑物智能提取装置，用于实现本申请第一方面任一项实施例所述方法。所述装置包括建筑物切割控制模块、建筑物生成模块。

所述建筑物切割控制模块，用于响应第一采集点，在三角网格上生成包围或经过所述第一采集点的连续等值线，以所述连续等值线中的相关部分作为生成所述第一轮廓线；对所述第一轮廓线进行线性拟合，生成若干直线段，确定相邻直线段的交点。

所述建筑物生成模块，用于所述交点位置相连产生所述建筑物的第二轮廓线，生成平面矢量数据。

第三方面，本说明书实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，并可在处理器运行所述计算机程序时实现第一方面任一所述方法。

第四方面，本说明书实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一所述的方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

本实施例采用人机交互的方式，在提取过程中实时纠正错误，保证提取准确性，提取一个完成一个，无需返工修改。相比全自动提取无法达到100%正确性，而后续必须花大量时间检查修改的方式，提高工作效率和工作精度。同事，避免了人工测量采集点不合适、数量不足引起的误差，智能化算法采用的随机采样一致性直线拟合，用大量的数据拟合得到建筑物的每条边，然后用每条边交会得到房角点，在提高效率的同时，也保证了采集精度。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本说明书实施例提供的方法流程示意图；

图2为本发明方法另一实施例流程图；

图3为本说明书实施例提供的等值线示意图；

图4为本说明书实施例提供的建筑物矢量图示意图；

图5为本说明书实施例提供的高度示意图；

图6为本说明书实施例提供的轮廓线有噪点示意图；

图7为本说明书实施例提供的手工去除轮廓线噪点示意图；

图8为本说明书实施例提供的最终轮廓线成果示意图；

图9为本说明书实施例提供的装置结构示意图；

图10为本说明书实施例的计算机系统示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图1为本说明书实施例提供的方法流程示意图。

本申请提出的一种基于倾斜模型的建筑物智能提取方法，为实现平面地图提取，包含以下步骤：

步骤11、响应于GUI的第一采集点，在三角网格上生成包围或经过所述第一采集点的连续等值线，用所述连续等值线生成第一轮廓线。

为实现本申请的方法，首先用三角网格构建建筑物倾斜模型，区分出建筑物主体（房屋）、道路等地理实体特征。

手动点击建筑物，用水平切面来提取建筑物顶部轮廓。在倾斜模型测绘图中响应人工操作点，在三角网格中提取建筑物顶部轮廓。

为此，在步骤11中，运行本申请的数据处理装置，在GUI通过手动点击建筑物，GUI上被点击点即为所述第一采集点，然后在三角网格模型中用水平切面来提取建筑物顶部轮廓。

需要说明的是，当生成的连续等值线与房屋顶部真实轮廓存在较大区别时，本申请数据处理装置的操作者，可以回退GUI程序，重新选取操作点。例如选取建筑物顶面上的一点或者建筑物侧面临近屋顶的一点。

步骤12、对所述第一轮廓线进行线性拟合，生成若干直线段。

在表示建筑物顶部轮廓的第一轮廓线中，拟合出建筑物侧面的垂直投影，剔除数据噪音。

优选地，所述的线性拟合，采用随机采样一致性算法。采用随机采样一致性算法工作原理，随机选取离散点，构成直线；再随机选取其他离散点，再构成直线；最终采用最小二乘法找出拟合程度最佳的直线。

需要说明的是，用轮廓线所生成的等高线，不能区分出噪音，即不需要的部分。例如与所操作的目标建筑物相邻的其他建筑物、树木等，对目标建筑的轮廓线造成干扰，形成噪音，采用随机采样一致性算法可剔除噪音。

在具体实施中，包括但不限于利用随机采样一致性算法，对所述建筑物倾斜模型上的高密度节点轮廓线进行线性拟合。

本申请的线性拟合，还可采用线性回归算法或其他算法，这里不再作进一步限定。

步骤13、相邻直线段的交点位置相连作为所述建筑物的第二轮廓线，生成平面矢量数据。

建筑物的多个侧面相交，在平面图中形成建筑物顶部轮廓线的交点；由点构成矢量线，从而缩小数据量。

步骤14、生成所述平面矢量数据对应的属性数据，包含以下至少一种属性值：所述建筑物的长度、宽度、高度、层数、材质、类型。

每一组平面矢量数据，可对应一组建筑物。在步骤14中，例如，在GUI中对通过选择矢量线选定对应的建筑物，添加建筑物材质或提取建筑物的高度属性。

图2为本发明方法另一实施例流程图。

本实施例提出的一种基于倾斜模型的建筑物智能提取方法，包含以下步骤：

步骤21、响应于GUI的第一采集点，在三角网格上生成包围或经过所述第一采集点的连续等值线。

例如，手动点击三角网格上的建筑物倾斜模型，在与点击位置相同高度上，追踪连续等值线。

步骤22、用所述连续等值线中的一部分生成第一轮廓线。

响应于GUI的第三采集点，对所述连续等值线进行切割获取所述连续等值线的一部分，生成所述第一轮廓线。

本实施例中，可人工切割三角网格，区分出不同建筑主体。由于在三角网格上生成的水平切面包含要操作的目标建筑物，且受到与目标建筑物相邻的其他建筑、人工设施、地物及自然物的影响，在生成的顶部轮廓中包括有不需要的部分。显示等值线并判断等值线是否与旁边地物相连，可重新人工选点，或进行人工划线切割。

具体包含调整所述连续等值线的分割线。在具体实施中，所述分割线是指通过设定一个或多个第三采集点，人工划线剔除不需要的其他地物，对连续等值线局部进行调整。因此，在GUI上通过所述一个或多个第三采集点对连续等值线进行干预，以生成经过所述一个或多个第三采集点的新的连续等值线，作为第一轮廓线，以排除原连续等值线中不需要的部分，因此，所述新的连续等值线包含原连续等值线的一部分。

再例如，建筑物倾斜模型上会有多个建筑物相贴合，例如两个建筑物相贴面的交线只需用一条轮廓线表示即可，但是在生成轮廓线时会出现多条相近的轮廓线，因此，经人工操作干预后，用随机采样一致性算法，对所述建筑物倾斜模型上的高密度节点轮廓线重新进行线性拟合，只保留一条即可。

应当理解的，上述列举的具体相关内容，仅仅用于示例性说明，不应当对本申请造成任何的限定。

步骤23、在第一轮廓线范围内，在三角网格上获取第一高程众数。

高程指的是某点沿铅垂线方向到绝对基面的距离，称绝对高程，简称高程。众数（Mode），是指在统计分布上具有明显集中趋势点的数值，代表数据的一般水平。在步骤23中，所取得的第一高层众数，即建筑物屋顶高度。

步骤24、对所述第一轮廓线进行线性拟合，生成若干直线段。

例如，用随机采样一致性算法对高密度节点轮廓线进行线性拟合，进一步剔除噪点干扰。

步骤25、相邻直线段的交点位置相连作为所述建筑物的第二轮廓线，生成平面矢量数据。

利用多个轮廓线节点，得到若干条直线，相邻直线相交得到交点，各交点连接构成矢量线，从而缩小数据量。

步骤26、为实现建筑物高度提取，响应于GUI在所述第一轮廓线外部的第二采集点，在三角网格上获取第二高程众数。

第一高程众数和第二高程众数之差为所述建筑物的高度。

通过步骤23、26，在矢量线围成的轮廓线内获取建筑物顶部和底部的高程众数，相减得到建筑物高度。

步骤27、对建筑物属性值进行设置和/或自动提取，生成建筑物的关联属性数据。

在本申请进一步优化的实施例中，属性分为自动提取属性、设置属性。

自动提取属性，例如，建筑物层数/高度可自动提取；再例如，对所述建筑物进行离屏渲染获得平面影像数据；通过影像识别确定材质信息，作为所述建筑物的平面矢量数据对应的属性值。

设置属性，例如，人工设置建筑物的高度属性。再例如，材质、建筑物外立面可人工设置，在生成倾斜模型后贴在模型表面；也可以通过图像识别方式提取外立面等属性，以便后续操作贴在模型表面。在建筑物竖直面上，添加上根据影像识别确定的建筑物的材质信息。

再例如，可根据模型编码生成建筑物类型，例如：电线杆、道路、房屋、塔，作为属性信息。

图3为本说明书实施例提供的等值线示意图。

通过人工在建筑物的合适高度点击，从该点击位置（采集点）开始在三角网格上追踪连续等值线，并进行显示。

本申请的装置，响应于GUI的第一采集点，例如图3中的P1，在三角网格上生成包围或经过所述第一采集点的连续等值线（A-B-C-D所围成的线，注意通常在三角网格上插值生成的高密度节点闭合曲线并非直线，且存在或大或小的“噪声”）。以所述连续等值线生成第一轮廓线。

具体地，根据所述第一采集点在所述倾斜模型中显示的位置，通过三角网格数据计算所述第一采集点P1的高度值。在包含所述第一采集点的高度值的设定高度切片范围内，获得所述三角网格的连续等值线。当屋顶比较规则时，表现的数据噪声较小。例如，第一采集点的高度值为x，在设定的x±Δ的高度范围内取若干高度值，在所述三角网格上生成若干等值线，当生成的若干等值线不相连时，保留围绕所述第一采集点的最外围的等值线（即面积众数最大的等值线），自动剔除其他等值线。

当第一采集点位于倾斜模型的屋顶边缘时，可直接以第一采集点的高度值获得所述三角网格的连续等值线，此时所述连续等值线经过第一采集点。当生成了若干不相连的等值线时，保留经过所述第一采集点的等值线，自动剔除其他等值线。

当生成了若干相交的等值线，且部分等值线经目测并不是位于屋顶边缘时，可以人工剔除不需要的部分等值线，例如，在不需要的那部分等值线上设定第四采样点，响应于GUI的第四采样点，删除经过所述第四采样点的那部分等值线、且保留围绕或经过所述第一采样点的那部分等值线。

图4为本说明书实施例提供的建筑物矢量图示意图。

对所述第一轮廓线进行线性拟合，生成若干直线段。相邻直线段的交点位置A、B、C、D相连作为所述建筑物的第二轮廓线，生成平面矢量数据。图4所示的矢量图形，是可以在计算机操作界面任意旋转、拉伸的建筑物平面图形。

图5为本说明书实施例提供的高度示意图。

本申请的装置在第一轮廓线范围内，在三角网格上获取第一高程众数；本申请的装置，响应于GUI在所述第一轮廓线外部的第二采集点P2，在三角网格上获取第二高程众数。第一高程众数和第二高程众数之差为所述建筑物的高度H。

本申请获取建筑物高度的可选的另一方案是，在矢量线围成的第二轮廓线内，获取建筑物的顶部和底部的高程众数，利用顶部和底部的高程众数，获得建筑物高度，生成独立的建筑物模型。

图6为本说明书实施例提供的轮廓线有噪点示意图。

由于水平切面包含要操作的目标建筑物及与目标建筑物相邻的其他建筑、人工设施、地物及自然物，在生成的顶部轮廓中包括有不需要的部分X。显示等值线并判断等值线是否与旁边地物相连，可重新人工选点，或进行人工划线切割。

图7为本说明书实施例提供的手工去除轮廓线噪点的示意图。

在具体实施中，在追踪等值线时会出现将其不需要的物体被选中。获得与建筑物顶面对应的轮廓线后，判断所述轮廓线中是否包含其他地物，若是，则可利用分割线剔除其他地物。

本实施例中，可人工操作触发处理程序切割三角网格，区分出不同建筑主体。例如，在倾斜模型GUI通过人工操作设置位于建筑物顶部边缘的第三采集点P3，使生成新的连续等值线经过第三采集点，实现对不需要的部分切割。

本申请的装置响应于GUI的第三采集点P3，对所述连续等值线进行切割去除X部分后，获取所述连续等值线的一部分，结合第三采集点生成新的连续等值线作为第一轮廓线。

需要说明的是，图7仅用一个第三采集点来表示切割三角网格的位置。具体地，可以生成多个第三采集点，以触发处理程序进一步按照希望的方向和轨迹切割三角网格。

在本实施例中，还可以通过触发处理程序再次进行线性拟合，在原有的连续等值线的节点集合中增加第三采集点，使拟合的结果向第三采集点收敛，排除了原有连续等值线中不规则的部分，生成新的连续等值线作为成第一轮廓线。

在具体实施中，可在新的轮廓线内，按指定密度生成采样点，获取建筑物顶部的高程众数，在轮廓线外部一定区域，用同样的方法获取建筑物底部的高程众数，建筑物顶部高程减底部高程得到建筑物高度。

图8为本说明书实施例提供的最终轮廓线成果示意图。

基于前述实施例的操作，对大量房屋顶部进行点选，可迅速生成包含大量建筑物的平面地图。

图9为本说明书实施例提供的装置结构示意图。

一种基于倾斜模型的建筑物智能提取装置，用于实现本申请任一实施例所述方法。所述装置包括建筑物切割控制模块41、建筑物生成模块42；

所述建筑物切割控制模块，用于响应第一采集点，在三角网格上生成包围或经过所述第一采集点的连续等值线，以所述连续等值线中的相关部分生成所述第一轮廓线；对所述第一轮廓线进行线性拟合，生成若干直线段，确定相邻直线段的交点。

具体地，激活建筑物切割控制模块后，经过点击建筑物，调用等值线生成算法、随机采样一致性算法，生成第一轮廓线。其中，通过等值线生成算法生成等值线。响应于第一采集点和第二采集点分别生成等值线，可用于计算高度。其中的随机采样一致性算法实现了数据拟合。其中的交点生成算法，在数据拟合产生的直线段的数据组合中搜寻拐点，产生交点坐标数据ABCD，实现了数据简化。

进一步地，通过点击建筑物边缘，触发所述建筑物切割控制模块调用切割算法对建筑物顶部轮廓进行调整。所述切割算法，是包含强制的第三采集点，实施连续等值线生成和/或线性拟合。

所述建筑物生成模块，用于所述交点位置相连产生所述建筑物的第二轮廓线，生成平面矢量数据。

具体地，激活所述建筑物生成模块之后，调用矢量线生成算法，根据所述交点坐标数据，生成建筑物轮廓的第二轮廓线。建筑物生成模块生成独立的建筑物模型。进一步地，所述建筑物生成模块响应于GUI操作或第二轮廓线生成事件，对建筑物属性值进行设置和/或自动提取，生成建筑物的关联属性数据。建筑物关联属性数据包含了设置属性和/或自动生成属性。可设置属性是通过附加系统或者预置的属性，例如：外立面特征。自动生成属性，例如包括自动生成的建筑物长宽高等数据。通过采集点获取高程，最终计算建筑物高度，所述建筑物生成模块响应于高程数据或建筑物高度数据生成事件，自动保存高程或建筑物高度数据在属性数据库。再例如，通过图像采集系统生成关联影像给机器学习进行影像识别获取建筑物材质，所述建筑物生成模块响应于影像识别程序处理结果事件，自动保存建筑物材质在属性数据库。

进一步地，还包含三角网格生成模块43，用于形成三角网格的mesh体。

进一步地，还包括：图像采集模块44，用于实现倾斜模型数据采集，通过5个角度倾斜摄影实现数据采集。获得的影像数据不是结构化图形，要由三角网格构成建筑物倾斜模型，形成裸眼三维测图，过程是由大量点连成三角形，再为每一个三角形填上带有图像属性的面，使用骨架线和属性信息得到GIS图。

进一步地，还包括图像识别模块45，对所述建筑物进行离屏渲染获得平面影像数据后，通过影像识别确定材质信息，作为所述建筑物的平面矢量数据对应的属性值。

进一步优选的，获得独立的建筑物模型之后，通过GUI将建筑物属性数据添加至所述独立的建筑物模型中，所述建筑物属性数据至少包括建筑物的材质信息和建筑物的直立面信息。

图10为本说明书实施例的计算机系统示意图。

本申请实施例还提出一种基于倾斜模型的建筑物智能系统，用于实现本申请任意一项实施例所述方法，包括：倾斜模型数据库51、成果图处理器52、第一应用模块53、第二应用模块54、至少一个数据存储单元55，56，57。

所述倾斜模型数据库，包含倾斜模型数据及三角网格生成数据，例如三角网格各顶点坐标数据、三角形填充图像属性数据。

所述第一应用模块，包含GUI和操作接口，用于输入所述第一采集点、第二采集点和/或第三采集点。触发所述建筑物切割模块，响应第一采集点，在三角网格上生成包围或经过所述第一采集点的连续等值线，用所述连续等值线中的相关部分生成所述第一轮廓线；对所述第一轮廓线进行线性拟合，生成若干直线段，确定相邻直线段的交点。触发所述建筑物生成模块，所述交点位置相连产生所述建筑物的第二轮廓线，生成平面矢量数据。

所述成果图处理器，包含所述建筑物切割控制模块、建筑物生成模块，运行等值线生成算法生成等值线。响应于第一采集点和第二采集点分别生成等值线，计算建筑物高度。运行随机采样一致性算法实现数据拟合。运行切割算法实现轮廓线调整。其中的交点生成算法产生交点坐标数据，实现了数据简化。所述建筑物生成模块，调用矢量线生成算法，根据所述交点坐标数据，生成建筑物轮廓的第二轮廓线。

所述成果处理器，还包含进一步地，还包含三角网格生成模块43，用于形成大量三角形组合构造的三角网格。以及，图像处理模块，具体的，在建筑物的各条线段所形成的竖直面上离屏渲染，获得该直立面的平面影像，通过影像识别确定该建筑物的材质信息，如砖、砼等；并填到矢量数据对应的属性中。

第一数据存储单元，用于存储建筑物平面GIS数据；

第二数据存储单元，用于存储建筑物属性数据；所述属性数据关联于平面GIS数据。

第三数据存储单元，用于存储纹理数据，所述纹理数据用于生成倾斜模型中的建筑物模型表面纹理。所述纹理数据可来源于图像采集模块，经openGL的应用接口处理成图像属性信息或构成着色器。

所述第二应用模块，用于按照设定的应用范围（空间范围和属性范围）访问所述第一数据存储单元、第二数据存储单元，获取平面地理信息系统建筑物平面地图应用数据集。

应当理解的，上述列举的具体相关内容，仅仅用于示例性说明，不应当对本申请造成任何的限定。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

因此，本申请还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请中任一实施例所述的方法。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

因此，进一步地，本申请还提出一种电子设备，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本申请任一实施例所述的方法。

在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于倾斜模型的建筑物智能提取方法，其特征在于，包含以下步骤：

响应于GUI的第一采集点，在三角网格上生成包围或经过所述第一采集点的连续等值线，以所述连续等值线中的至少一部分相关部分生成第一轮廓线；

对所述第一轮廓线进行线性拟合，生成若干直线段；

相邻直线段的交点位置相连作为所述建筑物的第二轮廓线，生成平面矢量数据。

2.如权利要求1所述倾斜模型的建筑物智能提取方法，其特征在于，以所述连续等值线中的至少一部分相关部分生成第一轮廓线，进一步包含以下步骤：

响应于GUI的第三采集点，对所述连续等值线进行切割获取所述连续等值线的一部分，作为所述第一轮廓线。

3.如权利要求1所述倾斜模型的建筑物智能提取方法，其特征在于，进一步包含以下步骤：

在第一轮廓线范围内，在三角网格上获取第一高程众数；

响应于GUI在所述第一轮廓线外部的第二采集点，在三角网格上获取第二高程众数。

4.如权利要求1所述倾斜模型的建筑物智能提取方法，其特征在于，进一步包含以下步骤：

对所述建筑物进行离屏渲染获得平面影像数据；

通过影像识别确定材质信息，作为所述建筑物的平面矢量数据对应的属性值。

5.如权利要求1所述倾斜模型的建筑物智能提取方法，其特征在于，进一步包含以下步骤：

生成所述平面矢量数据对应的属性数据，包含以下至少一种属性值：

所述建筑物的长度、宽度、高度、层数、材质、类型。

6.如权利要求1所述倾斜模型的建筑物智能提取方法，其特征在于，

根据所述第一采集点在所述倾斜模型中显示的位置，通过三角网格数据计算所述第一采集点的高度值；

在包含所述第一采集点的高度值的设定切片高度范围内，获得所述三角网格的连续等值线。

7.如权利要求1所述倾斜模型的建筑物智能提取方法，其特征在于，

所述线性拟合采用随机采样一致性算法。

8.一种基于倾斜模型的建筑物智能提取装置，用于实现权利要求1-7任一项所述方法，其特征在于，包括建筑物切割控制模块、建筑物生成模块；

所述建筑物切割控制模块，用于响应第一采集点，在三角网格上生成包围或经过所述第一采集点的连续等值线，以所述连续等值线中的至少一部分相关部分作为生成所述第一轮廓线；对所述第一轮廓线进行线性拟合，生成若干直线段，确定相邻直线段的交点；

所述建筑物生成模块，用于所述交点位置相连产生所述建筑物的第二轮廓线，生成平面矢量数据。

9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，并可在处理器运行所述计算机程序时实现权利要求1-7任一所述方法。

10.一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，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images