CN115311396B - 一种超高建筑物屋顶轮廓线的自动提取方法及系统 - Google Patents

一种超高建筑物屋顶轮廓线的自动提取方法及系统 Download PDF

Info

Publication number
CN115311396B
CN115311396B CN202210947653.5A CN202210947653A CN115311396B CN 115311396 B CN115311396 B CN 115311396B CN 202210947653 A CN202210947653 A CN 202210947653A CN 115311396 B CN115311396 B CN 115311396B
Authority
CN
China
Prior art keywords
pixel
boundary
elevation
high building
roof
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
CN202210947653.5A
Other languages
English (en)
Other versions
CN115311396A (zh
Inventor
赵威
何文武
宋彬
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.)
Beijing Feidu Technology Co ltd
Original Assignee
Beijing Feidu 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 Beijing Feidu Technology Co ltd filed Critical Beijing Feidu Technology Co ltd
Priority to CN202210947653.5A priority Critical patent/CN115311396B/zh
Publication of CN115311396A publication Critical patent/CN115311396A/zh
Application granted granted Critical
Publication of CN115311396B publication Critical patent/CN115311396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种超高建筑物屋顶轮廓线的自动提取方法，包括：使用相机对三维场景目标分析区域进行实时绘制；读取三维场景目标分析区域内每个像素的深度；基于每个像素的深度，通过相机观察矩阵和投影矩阵，计算出每个像素对应的三维空间坐标，并转换成经度、纬度和高程，基于经度、纬度和高程对每个像素进行预处理；将每个像素的高程与限高值进行比较并作标记；逐个遍历每个像素后进行筛选，剔除中间像素，保留边界像素，形成边界点集合；将边界点集合内相邻的边界像素连接形成闭合线，从而形成轮廓线。还公开了相应的超高建筑物屋顶轮廓线的自动提取系统、电子设备以及计算机可读存储介质。

Description

一种超高建筑物屋顶轮廓线的自动提取方法及系统
技术领域
本发明涉及建筑信息模型工具的计算机应用技术领域，尤其涉及一种超高建筑物屋顶轮廓线的自动提取方法及系统。
背景技术
目前建筑物屋顶轮廓线的提取一般采用激光点云重建或者人工测量等方式。
(1)基于激光点云数据提取房屋轮廓线的方法。首先在屋顶激光点云数据中搜索平面距离最远的两个激光点，选择其一为起始点，根据相邻边缘点连线的一侧不存在激光点的原则，检测屋顶所有的边缘点；然后对边缘点分组，利用最小二乘直线拟合方法分别拟合各条轮廓线并进行规则化；最后，选择轮廓线最外侧的激光点，对各条轮廓线进行平移外扩，并通过相邻轮廓线相交确定屋顶角点的坐标。还包括对屋顶激光点云构建不规则三角网(TIN)获取边缘点的方法。以上算法运行效率明显较高，检测到的屋顶边缘点数量多，获取的屋顶轮廓线精度高。然而激光点云重建是利用激光扫描仪生成点云，然后使用专业软件自动或半自动生成轮廓线，采集成本较高；
(2)人工测量是使用传统测绘仪器(如:GPS测量仪)对建筑物屋顶进行测绘，人工作业时间周期长、人力成本高。
因此，需要一种新的超高建筑物屋顶轮廓线的自动提取方法及系统以解决现有技术存在的问题。
发明内容
为了解决现有技术中存在的问题，本发明提供了如下技术方案，超高建筑物屋顶轮廓线的自动提取方法及系统，基于已有的三维模型数据(包括但不限于现存建筑模型、规划模型等)，自动提取指定的目标区域内超出所指定高度的建筑物屋顶轮廓线，不需要额外的数据采集过程，降低经济成本；提取结果可为城市规划(如：重点景观的周围环境遮挡、航线控高)及执法(如：建筑超高)提供辅助决策。
本发明一方面提供了一种超高建筑物屋顶轮廓线的自动提取方法，包括：
S1，使用相机对三维场景目标分析区域进行实时绘制；
S2，读取所述三维场景目标分析区域内每个像素的深度；
S3，基于所述每个像素的深度，通过相机观察矩阵和投影矩阵，计算出每个像素对应的三维空间坐标，并转换成经度、纬度和高程，基于所述经度、纬度和高程对每个像素进行预处理；
S4，将每个像素的高程与限高值进行比较并作标记；
S5，逐个遍历每个像素后进行筛选，剔除中间像素，保留边界像素，形成边界点集合；
S6，将所述边界点集合内相邻的所述边界像素连接形成闭合线，从而形成轮廓线。
优选的，所述相机为正射投影相机。
优选的，所述S2包括：
S21，将相机移动到目标区域正上方；
S22，以垂直向下的方向且以正射投影方式渲染一帧；
S23，读取出每个像素的深度值。
优选的，所述S3的所述预处理包括：剔除目标区域外的像素。
优选的，所述S5包括：
S51，以各像素为田字格中心，选择其周围的8个邻近点以及该像素进行是否超过限高值的判断；
S52，若周围8个邻近点和该像素都超过限高值或者都不超过限高值，则将该像素视为中间像素，属于非边界点，予以剔除；
S53，若周围8个邻近点和该像素部分超过限高值，则将该像素视为边界像素；
S54，将所有的边界像素组成边界点集合。
优选的，所述S6包括：
S61，从边界点集合中任取一点，作为起始点；
S62，以所述起始点为田字格中心点，遍历与所述起始点相邻的8个点，确定存在于边界点集合中的任一邻近点作为下一个边界点；
S63，依次循环S61-S62，直至确定下一个所述邻近点为起始点，形成一条闭合线；
S64，当所述超高建筑物屋顶轮廓线是连续且闭合的情况下，将所述闭合线上各点从所述边界点集合中删除；当某起始点无法找到下一个边界点，则将整条闭合线剔除；
S65，循环S61-S64，直到所述边界点集合为空，至此完成所有超高的建筑物屋顶的轮廓线提取。
优选的，还包括：
S7，提取精确的建筑物屋顶的轮廓线，包括：将提取的轮廓线按照其外包围盒进行划分，将其划分到不同的区块内，对每个区块重复S1-S6以提取到精细的建筑物屋顶的轮廓线。
本发明的第二方面提供一种超高建筑物屋顶轮廓线的自动提取系统，包括：
绘制模块，用于使用相机对三维场景目标分析区域进行实时绘制；
像素深度模块，用于读取所述三维场景目标分析区域内每个像素的深度；
计算模块，用于基于所述每个像素的深度，通过相机观察矩阵和投影矩阵，计算出每个像素对应的三维空间坐标，并转换成经度、纬度和高程，基于所述经度、纬度和高程对每个像素进行预处理；
比较模块，用于将每个像素的高程与限高值进行比较并作标记；
边界点集合模块，用于逐个遍历每个像素后进行筛选，剔除中间像素，保留边界像素，形成边界点集合；以及
轮廓线提取模块，用于将所述边界点集合内相邻的所述边界像素连接形成闭合线，从而形成轮廓线。
本发明的第三方面提供一种电子设备，包括处理器和存储器，所述存储器存储有多条指令，所述处理器用于读取所述指令并执行如第一方面所述的方法。
本发明的第四方面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多条指令，所述多条指令可被处理器读取并执行如第一方面所述的方法。
本发明提供的超高建筑物屋顶轮廓线的自动提取方法、系统和电子设备，具有如下有益效果：
基于已有的三维模型数据(现存建筑模型、规划模型等)，自动提取指定的目标区域内超出所指定高度的建筑物屋顶轮廓线，不需要额外的数据采集过程，降低经济成本。提取结果可为城市规划(如：重点景观的周围环境遮挡、航线控高)及执法(如：建筑超高)提供辅助决策。
附图说明
图1为本发明提供的超高建筑物屋顶轮廓线的自动提取方法的流程图。
图2为本发明提供的超高建筑物屋顶轮廓线的自动提取系统结构原理框图。
图3为本发明提供的超高建筑物屋顶轮廓线的自动提取结果显示示意图。
图4为本发明提供的电子设备一种实施例的结构示意图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施，该终端可以包括一个或多个如下部件：处理器、存储器和显示屏。其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储器内的指令、程序、代码集或指令集，以及调用存储在存储器内的数据，执行终端的各种功能和处理数据。
存储器可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory，ROM)。存储器可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
除此之外，本领域技术人员可以理解，上述终端的结构并不构成对终端的限定，终端可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件，在此不再赘述。
实施例一
参见图1，一种超高建筑物屋顶轮廓线的自动提取方法，包括：
S1，使用相机对三维场景目标分析区域进行实时绘制；
S2，读取所述三维场景目标分析区域内每个像素的深度；
S3，基于所述每个像素的深度，通过相机观察矩阵和投影矩阵，计算出每个像素对应的三维空间坐标，并转换成经度、纬度和高程，基于所述经度、纬度和高程对每个像素进行预处理；
S4，将每个像素的高程与限高值进行比较并作标记；
S5，逐个遍历每个像素后进行筛选，剔除中间像素，保留边界像素，形成边界点集合；
S6，将所述边界点集合内相邻的所述边界像素连接形成闭合线，从而形成轮廓线。
进一步地，所述相机为正射投影相机。
进一步地，所述S2包括：
S21，将相机移动到目标区域正上方；
S22，以垂直向下的方向且以正射投影方式渲染一帧；
S23，读取出每个像素的深度值。
进一步地，所述S3的所述预处理包括：剔除目标区域外的像素。
进一步地，所述S5包括：
S51，以各像素为田字格中心，选择其周围的8个邻近点以及该像素进行是否超过限高值的判断；
S52，若周围8个邻近点和该像素都超过限高值或者都不超过限高值，则将该像素视为中间像素，属于非边界点，予以剔除；
S53，若周围8个邻近点和该像素部分超过限高值，则将该像素视为边界像素；
S54，将所有的边界像素组成边界点集合。
进一步地，所述S6包括：
S61，从边界点集合中任取一点，作为起始点；
S62，以所述起始点为田字格中心点，遍历与所述起始点相邻的8个点，确定存在于边界点集合中的任一邻近点作为下一个边界点；
S63，依次循环S61-S62，直至确定下一临界点为起始点，形成一条闭合线；
S64，正常情况下，由于建筑物屋顶轮廓线应该是连续且闭合的，因此将所述闭合线上各点从所述边界点集合中删除；个别情况下如果某起始点无法找到下一个边界点，则将整条闭合线剔除；
S65，循环S61-S64，直到所述边界点集合为空，至此完成所有超高的建筑物屋顶的轮廓线提取。
进一步地，还包括：
S7，提取精确的建筑物屋顶的轮廓线，包括：将提取的轮廓线按照其外包围盒进行划分，将其划分到不同的区块内，对每个区块重复S1-S6以提取到精细的建筑物屋顶的轮廓线。
当目标区域范围较广、生成的轮廓线清晰度不足时，可在S6结束后，将提取的轮廓线按照其外包围盒进行划分，将其划分到不同的区块内，再对每个区块重复S1-S6的过程，便可提取到精细的轮廓线。
对于生成的一般建筑物屋顶的轮廓线或精细的建筑物屋顶的轮廓线，将轮廓线生成面状图元，使用贴合模型的渲染方法将其渲染到三维场景，即可匹配到对应的建筑物模型上。
实施例二
参见图2，一种超高建筑物屋顶轮廓线的自动提取系统，包括：
绘制模块101，用于使用相机对三维场景目标分析区域进行实时绘制；
像素深度模块102，用于读取所述三维场景目标分析区域内每个像素的深度；
计算模块103，用于基于所述每个像素的深度，通过相机观察矩阵和投影矩阵，计算出每个像素对应的三维空间坐标，并转换成经度、纬度和高程，基于所述经度、纬度和高程对每个像素进行预处理；
比较模块104，用于将每个像素的高程与限高值进行比较并作标记；
边界点集合模块105，用于逐个遍历每个像素后进行筛选，剔除中间像素，保留边界像素，形成边界点集合；以及
轮廓线提取模块106，用于将所述边界点集合内相邻的所述边界像素连接形成闭合线，从而形成轮廓线。
参见图3，本实施例的应用场景和步骤：
(1)首先将相机摆在目标区域上空、垂直向下以正射投影方式渲染一帧，读取出每个像素的深度值，并通过相机观察矩阵和投影矩阵，计算出每个像素对应的三维空间坐标，并转换成经度、纬度和高程，剔除目标区域外的点。
(2)然后将每个像素的高程与限高值进行比较并作标记，再逐点遍历，以各点为田字格中心，若周围8个邻近点和该点都超高或者都不超高，则将该点视为非边界点，予以剔除，剩余的点组成边界点集合。
(3)从边界点集合中任取一点，作为起始点，以该点为田字格中心点，遍历与该点相邻8个点，找到存在于边界点集合中的任一邻近点作为下一个边界点；依次循环此过程，直至找到的下一邻近点为起始点，形成一条闭合线，并将线上各点从边界点集合中删除。正常情况下，建筑物屋顶轮廓线应该是连续且闭合的，个别情况下如果某起始点找不到下一个边界点，则将整条线剔除。循环此过程，直到边界点集合为空，至此完成所有超高的建筑物屋顶的轮廓线提取。
(4)将轮廓线生成面状图元，使用贴合模型的渲染方法将其渲染到三维场景，即可匹配到对应的建筑物模型上。
当目标区域范围较广、生成的轮廓线清晰度不足时，可在第(3)步结束后，将提取的轮廓线按照其外包围盒进行划分，将其划分到不同的区块内，再对每个区块重复以上(1)-(3)步的过程，便可提取到精细的轮廓线。
本发明还提供了一种存储器，存储有多条指令，指令用于实现如实施例一的方法。
如图4所示，本发明还提供了一种电子设备，包括处理器301和与处理器301连接的存储器302，存储器302存储有多条指令，指令可被处理器加载并执行，以使处理器能够执行如实施例一的方法。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种超高建筑物屋顶轮廓线的自动提取方法，其特征在于，包括：
S1，使用相机对三维场景目标分析区域进行实时绘制；
S2，读取所述三维场景目标分析区域内每个像素的深度；
S3，基于所述每个像素的深度，通过相机观察矩阵和投影矩阵，计算出每个像素对应的三维空间坐标，并转换成经度、纬度和高程，基于所述经度、纬度和高程对每个像素进行预处理；
S4，将每个像素的高程与限高值进行比较并作标记；
S5，逐个遍历每个像素后进行筛选，剔除中间像素，保留边界像素，形成边界点集合；
S6，将所述边界点集合内相邻的所述边界像素连接形成闭合线，从而形成轮廓线；
其中，所述S5包括：
S51，以各像素为田字格中心，选择其周围的8个邻近点以及该像素进行是否超过限高值的判断；
S52，若周围8个邻近点和该像素都超过限高值或者都不超过限高值，则将该像素视为中间像素，属于非边界点，予以剔除；
S53，若周围8个邻近点和该像素部分超过限高值，则将该像素视为边界像素；
S54，将所有的边界像素组成边界点集合；
其中，所述S6包括：
S61，从边界点集合中任取一点，作为起始点；
S62，以所述起始点为田字格中心点，遍历与所述起始点相邻的8个点，确定存在于边界点集合中的任一邻近点作为下一个边界点；
S63，依次循环S61-S62，直至确定下一个所述邻近点为起始点，形成一条闭合线；
S64，当所述超高建筑物屋顶轮廓线是连续且闭合的情况下，将所述闭合线上各点从所述边界点集合中删除；当某起始点无法找到下一个边界点，则将整条闭合线剔除；
S65，循环S61-S64，直到所述边界点集合为空，至此完成所有超高的建筑物屋顶的轮廓线提取。
2.根据权利要求1所述的一种超高建筑物屋顶轮廓线的自动提取方法，其特征在于，所述相机为正射投影相机。
3.根据权利要求1所述的一种超高建筑物屋顶轮廓线的自动提取方法，其特征在于，所述S2包括：
S21，将相机移动到目标区域正上方；
S22，以垂直向下的方向且以正射投影方式渲染一帧；
S23，读取出每个像素的深度值。
4.根据权利要求3所述的一种超高建筑物屋顶轮廓线的自动提取方法，其特征在于，所述S3的所述预处理包括：剔除目标区域外的像素。
5.根据权利要求1所述的一种超高建筑物屋顶轮廓线的自动提取方法，其特征在于，还包括：
S7，提取精确的建筑物屋顶的轮廓线，包括：将提取的轮廓线按照其外包围盒进行划分，将其划分到不同的区块内，对每个区块重复S1-S6以提取到精细的建筑物屋顶的轮廓线。
6.一种超高建筑物屋顶轮廓线的自动提取系统，用于实施如权利要求1-5任一所述的超高建筑物屋顶轮廓线的自动提取方法，其特征在于，包括：
绘制模块（101），用于使用相机对三维场景目标分析区域进行实时绘制；
像素深度模块（102），用于读取所述三维场景目标分析区域内每个像素的深度；
计算模块（103），用于基于所述每个像素的深度，通过相机观察矩阵和投影矩阵，计算出每个像素对应的三维空间坐标，并转换成经度、纬度和高程，基于所述经度、纬度和高程对每个像素进行预处理；
比较模块（104），用于将每个像素的高程与限高值进行比较并作标记；
边界点集合模块（105），用于逐个遍历每个像素后进行筛选，剔除中间像素，保留边界像素，形成边界点集合；以及
轮廓线提取模块（106），用于将所述边界点集合内相邻的所述边界像素连接形成闭合线，从而形成轮廓线。
7.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有多条指令，所述处理器用于读取所述指令并执行如权利要求1-5任一所述的方法。
8.一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多条指令，所述多条指令可被处理器读取并执行如权利要求1-5任一所述的方法。
CN202210947653.5A 2022-08-09 2022-08-09 一种超高建筑物屋顶轮廓线的自动提取方法及系统 Active CN115311396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210947653.5A CN115311396B (zh) 2022-08-09 2022-08-09 一种超高建筑物屋顶轮廓线的自动提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210947653.5A CN115311396B (zh) 2022-08-09 2022-08-09 一种超高建筑物屋顶轮廓线的自动提取方法及系统

Publications (2)

Publication Number Publication Date
CN115311396A CN115311396A (zh) 2022-11-08
CN115311396B true CN115311396B (zh) 2023-06-02

Family

ID=83860618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210947653.5A Active CN115311396B (zh) 2022-08-09 2022-08-09 一种超高建筑物屋顶轮廓线的自动提取方法及系统

Country Status (1)

Country Link
CN (1) CN115311396B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116777940B (zh) * 2023-08-18 2023-11-21 腾讯科技（深圳）有限公司 一种数据处理方法、装置、设备及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4099776B2 (ja) * 2004-03-05 2008-06-11 日本電気株式会社 ３次元モデル作成装置、３次元モデル作成方法および３次元モデル作成プログラム
US7873240B2 (en) * 2005-07-01 2011-01-18 The Boeing Company Method for analyzing geographic location and elevation data and geocoding an image with the data
CN102110308A (zh) * 2009-12-24 2011-06-29 鸿富锦精密工业（深圳）有限公司 三维实心图形显示系统及方法
CN110207650A (zh) * 2019-05-31 2019-09-06 重庆迪星天科技有限公司 基于双目视觉的车用公路限高架高度测量方法及装置
CN110738676A (zh) * 2019-09-17 2020-01-31 湖南大学 一种结合RGBD数据的GrabCut自动分割算法
CN113689569A (zh) * 2021-08-25 2021-11-23 睿宇时空科技(重庆)有限公司 基于实景三维平台建筑物快速设计方法及系统、存储介质
CN114419085A (zh) * 2022-01-19 2022-04-29 中煤航测遥感集团有限公司 建筑物轮廓线自动提取方法、装置、终端设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Application of binocular disparity and receptive field dynamics: A biologically-inspired model for contour detection;Qing Zhang等;Pattern Recognition;全文 *

Also Published As

Publication number Publication date
CN115311396A (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN110490415B (zh) 一种多无人机视觉协同的建筑进度评估方法
CN110472534A (zh) 基于rgb-d数据的3d目标检测方法、装置、设备和存储介质
CN112347550B (zh) 耦合式室内三维语义建图及建模方法
CN107092877A (zh) 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法
Suveg et al. 3D reconstruction of building models
CN113378686A (zh) 一种基于目标中心点估计的两阶段遥感目标检测方法
CN105844602A (zh) 一种基于体元的机载lidar点云三维滤波方法
CN115311396B (zh) 一种超高建筑物屋顶轮廓线的自动提取方法及系统
CN107392252A (zh) 计算机深度学习图像特征并量化感知度的方法
CN112990086A (zh) 遥感影像建筑物检测方法、装置及计算机可读存储介质
CN112528379A (zh) 一种建筑模型生成方法、装置及电子设备
CN114332233B (zh) 一种激光slam回环检测方法和系统
CN113724279A (zh) 路网自动划分交通小区的系统、方法、设备及存储介质
CN114880730A (zh) 确定目标设备的方法、装置及光伏系统
CN115393605A (zh) 基于图像识别技术的岩芯rqd数字化统计方法、设备及终端
CN109448112B (zh) 三维模型库的建立方法及装置
CN111414907A (zh) 数据集标注方法、数据集标注装置和计算机可读存储介质
EP3825804A1 (en) Map construction method, apparatus, storage medium and electronic device
CN114663485A (zh) 一种输电线路图像和点云数据的处理方法和系统
CN111982077B (zh) 电子地图绘制方法、系统和电子设备
CN116051777B (zh) 超高层建筑提取方法、设备和可读存储介质
CN110174115B (zh) 一种基于感知数据自动生成高精度定位地图的方法及装置
CN112488135A (zh) 一种变电站bim三维图像特征的分类方法
CN116503572A (zh) 一种智慧招商平台及其空间建模方法
CN115731560A (zh) 一种基于深度学习的槽线识别方法、装置、存储介质及终端

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
CB02 Change of applicant information

Address after: 102600 608, floor 6, building 1, courtyard 15, Xinya street, Daxing District, Beijing

Applicant after: Beijing Feidu Technology Co.,Ltd.

Address before: 102600 608, floor 6, building 1, courtyard 15, Xinya street, Daxing District, Beijing

Applicant before: Beijing Feidu Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant