CN115471619A - 基于立体成像高分辨率卫星影像的城市三维模型构建方法 - Google Patents

基于立体成像高分辨率卫星影像的城市三维模型构建方法 Download PDF

Info

Publication number
CN115471619A
CN115471619A CN202210951999.2A CN202210951999A CN115471619A CN 115471619 A CN115471619 A CN 115471619A CN 202210951999 A CN202210951999 A CN 202210951999A CN 115471619 A CN115471619 A CN 115471619A
Authority
CN
China
Prior art keywords
building
outline
coordinate information
information
height information
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
CN202210951999.2A
Other languages
English (en)
Inventor
杨易鑫
尤江彬
隋正伟
李俊杰
苏文博
胡国庆
李敏
赵旭东
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.)
China Survey Surveying And Mapping Technology Co ltd
Original Assignee
China Survey Surveying And Mapping 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 China Survey Surveying And Mapping Technology Co ltd filed Critical China Survey Surveying And Mapping Technology Co ltd
Priority to CN202210951999.2A priority Critical patent/CN115471619A/zh
Publication of CN115471619A publication Critical patent/CN115471619A/zh
Pending legal-status Critical Current

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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Remote Sensing (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请涉及遥感影像信息处理的领域，具体公开了一种基于立体成像高分辨率卫星影像的城市三维模型构建方法，包括：提取卫星影像中目标建筑的顶部建筑轮廓；根据目标建筑对应的数字表面模型DSM影像，获取目标建筑的顶部高度信息；对顶部建筑轮廓偏移，得到目标建筑的底部建筑轮廓；根据矫正建筑轮廓和顶部高度信息，建立目标建筑的三维模型。本申请利用卫星影像，实现快速、高效、精确地构建LOD1.3级的城市三维模型。

Description

基于立体成像高分辨率卫星影像的城市三维模型构建方法
技术领域
本申请涉及遥感影像信息处理的技术领域，特别是一种基于立体成像高分辨率卫星影像的城市三维模型构建方法。
背景技术
随着城市化、工业化和现代化的发展，我国大型、特大型城市不断涌现，城市建设取得飞速发展，这也给城市治理带来了严峻的挑战。近年来信息化、智能化技术的涌现，为推动着城市改革与治理向着更人性化、智能化方向发展提供了技术基础。在智慧城市建设领域，城市三维模型构建正在成为智慧城市建设的重要内容，其在地图应用、城市规划、虚拟事件等领域具有重要的意义。
我国遥感对地观测技术不断发展，高分辨率的遥感卫星技术不断取得突破，民商星的发射数量不断增加，影像规模和质量不断取得新高，为遥感影像在城市三维模型建设中的运用奠定了基础。
在传统的城市三维模型构建中，往往采用人工对建筑物轮廓进行勾画。这种方式自动化程度低，费时、费力，成本较高。同时跟新速度慢，不能实时掌握城市中的建筑物变化情况。
随着深度学习技术在遥感领域的运用和发展，基于深度学习的遥感影像建筑物轮廓提取技术，已越来越多的服务于城市建设、国土监测、目标监视等众多领域，也为城市三维模型的构建提供了新的方法。利用“遥感+AI”的方式进行建筑物轮廓提取和城市三维构建成为热点。建筑物高度信息、形状和位置信息是构建城市三维模型的基础。利用遥感影像进行建筑物度高度信息、形状和位置信息综合提取，实现高精度城市三维模型的全流程快速构建成为行业热点。
然而仅仅通过单幅遥感影像无法获取建筑的高度信息，而基于深度学习的建筑物提取技术获取的建筑物顶部轮廓往往存在不规整的现象，不能反映建筑物的真实形状。同时，在建筑物轮廓提取时，因卫星传感器姿态变化，建筑物在影像中往往表现为顶底偏移的现象，导致自动提取的建筑物顶部轮廓往往与建筑物实际底部存在误差，影响了建筑物的位置精度。
这些问题均给城市高精度三维模型的构建带来了困难。如何利用遥感影像快速获取建筑物高度信息、建筑物形状和位置信息一直存在难点。如何利用卫星影像快速、高效、精确地构建LOD1.3级的城市三维模型变得越来越紧迫(其中，LOD1.0级不能体现建筑物的形态，LOD1.1级能够体现建筑物的粗略形态，LOD1.2级能够体现建筑物的精细形态，但不能体现紧邻建筑的高度差异， LOD1.3级能够体现建筑物精细形态，能够体现紧邻建筑的高度差异)。
发明内容
本申请提供一种城市三维模型构建方法，利用卫星影像，实现快速、高效、精确地构建城市三维模型。本申请结合DSM自动生成、建筑物轮廓提取与位置矫正、建筑轮廓融合、建筑物白膜生产，构建了一套快速的自动化的城市 LOD1.3级三维模型生产的框架，实现了高位置精度的建筑物白膜生产与城市三维模型的快速构建。
第一方面，提供了一种城市三维模型构建方法，包括：
提取卫星影像中目标建筑的顶部建筑轮廓；
根据所述目标建筑对应的数字表面模型DSM影像，获取所述目标建筑的顶部高度信息；
对所述顶部建筑轮廓偏移，得到所述目标建筑的底部建筑轮廓；
根据所述矫正建筑轮廓和所述顶部高度信息，建立所述目标建筑的三维模型。
与现有技术相比，本申请提供的方案至少包括以下有益技术效果：
本申请搭建了一种基于立体成像高分辨率卫星影像的高精度城市三维模型快速构建方法，该方法通过基于遥感影像的立体像对的DSM影像生产、建筑物轮廓提取、建筑物轮廓偏移的距离和方位计算、多角度建筑物轮廓融合、建筑物高度获取等方法，实现了高精度的建筑物白膜生产与城市三维模型构建的全流程框架设计。其中，对建筑物顶部轮廓的提取结果进行自动化规整和偏移矫正，并采用多角度的建筑物轮廓融合技术，获得了准确的建筑物的底部轮廓，提高了建筑物的地理位置精度，为高精度白膜生产与城市三维模型构建奠定了基础。
结合第一方面，在第一方面的某些实现方式中，所述根据所述目标建筑对应的数字表面模型DSM影像，获取所述目标建筑的顶部高度信息，包括：
根据所述DSM影像中的地理坐标信息集合和高度信息集合，确定所述 DSM影像对应的像素坐标信息集合；
根据所述像素坐标信息集合，将所述DSM影像与所述顶部建筑轮廓对应套合；
根据所述DSM影像中位于所述顶部建筑轮廓内的像素所指示的高度信息，获取所述顶部高度信息。
通过将DSM影像和顶部建筑轮廓套合，可以准确获得顶部建筑轮廓对应的高度信息。另外，DSM影像所包含的其他信息可以被对应至顶部建筑轮廓。
结合第一方面，在第一方面的某些实现方式中，所述根据所述DSM影像中的地理坐标信息集合和高度信息集合，确定所述DSM影像对应的像素坐标信息集合，包括：
将所述地理坐标信息集合和所述高度信息集合输入至有理函数RPC(有理多项式系数)模型进行正投影变换，得到所述像素坐标信息集合。
RPC模型可以快速实现像素坐标和地理坐标之间的转换，坐标转换准确度较高，且对多个建筑对应的坐标转换相对友好。
结合第一方面，在第一方面的某些实现方式中，所述顶部高度信息为所述 DSM影像中位于所述顶部建筑轮廓内的像素所指示的全部高度值中的中位数。
高度值的中位数可以代表建筑顶部的高度均值，具有相对较高的代表性。
结合第一方面，在第一方面的某些实现方式中，所述对所述顶部建筑轮廓偏移，得到所述目标建筑的底部建筑轮廓，包括：
获取所述顶部建筑轮廓对应的地理坐标信息；
将所述目标建筑对应的数字高程模型DEM影像与所述地理坐标信息对应套合；
根据所述DEM影像的与所述地理坐标信息对应的像素所指示的高度信息，获取所述目标建筑的底部高度信息；
根据所述底部高度信息和所述地理坐标信息，确定所述目标建筑的底部建筑轮廓。
通过在DSM模型和DEM模型之间转换地理坐标和像素坐标，可以使坐标偏移信息更加精确。
结合第一方面，在第一方面的某些实现方式中，所述获取所述顶部建筑轮廓对应的地理坐标信息，包括：
根据所述顶部建筑轮廓对应的像素坐标信息和所述顶部高度信息，获取所述地理坐标信息。
通过像素坐标向地理坐标转换的方式获取地理坐标，准确度相对较高。
结合第一方面，在第一方面的某些实现方式中，所述根据所述顶部建筑轮廓对应的像素坐标信息和所述顶部高度信息，获取所述地理坐标信息，包括：
将所述像素坐标信息和所述顶部高度信息输入至有理函数RPC模型进行逆投影变换，得到所述地理坐标信息。
RPC模型可以快速实现像素坐标和地理坐标之间的转换，坐标转换准确度较高，且对多个建筑对应的坐标转换相对友好。
结合第一方面，在第一方面的某些实现方式中，所述根据所述底部高度信息和所述地理坐标信息，得到所述目标建筑的底部建筑轮廓，包括：
根据所述地理坐标信息，确定质心地理坐标；
根据所述质心地理坐标和所述底部高度信息，确定底部质心像素坐标；
根据所述顶部建筑轮廓对应的像素坐标信息，确定顶部质心像素坐标；
根据所述底部质心像素坐标和所述顶部质心像素坐标的偏移量，对所述顶部建筑轮廓偏移，得到所述底部建筑轮廓。
质心可以代表建筑轮廓的位置，具有相对较高的代表性。
结合第一方面，在第一方面的某些实现方式中，所述根据所述质心地理坐标和所述底部高度信息，确定底部质心像素坐标，包括：
将所述质心地理坐标和所述底部高度信息输入至有理函数RPC模型进行正投影变换，得到所述底部质心像素坐标。
RPC模型可以快速实现像素坐标和地理坐标之间的转换，坐标转换准确度较高，且对多个建筑对应的坐标转换相对友好。
结合第一方面，在第一方面的某些实现方式中，所述底部高度信息为所述 DEM影像的与所述地理坐标信息对应的全部像素所指示的全部高度值中的中位数。
高度值的中位数可以代表建筑底部的高度均值，具有相对较高的代表性。
第二方面，提供了一种电子设备，所述电子设备包括：一个或多个处理器；一个或多个存储器；所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行如上述第一方面中的任意一种实现方式中所述的方法。
附图说明
图1为本申请实施例提供的一种城市三维模型构建方法的示意性流程图；
图2为顶部建筑轮廓提取的示意图；
图3为DSM影像和顶部建筑轮廓套合的示意图；
图4为顶部建筑轮廓规整化的示意图；
图5为顶部建筑轮廓偏移至底部建筑轮廓的流程图；
图6为顶部建筑轮廓偏移至底部建筑轮廓的示意图；
图7为本申请实施例提供的一种城市三维模型的构建流程图；
图8为三维城市模型的示意图。
具体实施方式
本申请提供了一种基于立体成像高分辨率卫星影像的高精度城市三维模型快速构建方法，其主要包括：(1)基于立体像对的DSM生成和开源DEM数据获取；(2)建筑物顶面轮廓提取与规整化；(3)基于有理多项式系数(RPC) 模型对建筑物轮廓位置进行顶底偏移矫正；(4)利用两个(或更多)角度的影像中提取的经过矫正获得的建筑物底部轮廓进行融合，基于置信度指标得到更加准确的建筑物轮廓信息；(5)基于DSM、DEM获取建筑物高度信息(5) 利用得到的建筑物底部轮廓位置结合高度信息完成建筑物白膜自动生产与城市三维模型构建。
下面结合附图和具体实施例对本申请作进一步详细的描述。
本申请实施例公开一种城市三维模型构建方法，参照图1，包括以下步骤：
110，提取卫星影像中目标建筑的顶部建筑轮廓。
120，根据目标建筑对应的数字表面模型(digital surface model，DSM) 影像，获取目标建筑的顶部高度信息。
130，对顶部建筑轮廓偏移，得到目标建筑的底部建筑轮廓。
140，根据底部建筑轮廓和顶部高度信息，建立目标建筑的三维模型。
通过本申请实施例提供的城市三维模型构建方法，可以对目标建筑的顶部建筑轮廓的提取结果进行自动化规整和偏移矫正，获得了准确的建筑物的底部轮廓，提高了建筑物的地理位置精度，为高精度白膜生产与城市三维模型构建奠定了基础。
下面对图1所示的城市三维模型构建方法进行详细阐述。
在本申请提供的一些实施例中，提取卫星影像中目标建筑的顶部建筑轮廓，可以基于深度学习模型对目标建筑的顶部建筑轮廓进行提取，其涉及到图斑矢量化、规整化等方法，从而获取形状规整的顶部建筑轮廓，如图2所示。顶部建筑轮廓自动提取步骤可以具体如下：(1)获取目标区域的多个角度拍摄的高分辨率遥感影像；(2)利用建筑物提取深度学习模型对目标区域的目标建筑进行提取，获得目标建筑的顶部图斑；(3)对上一步的顶部图斑进行矢量化，获得顶部建筑轮廓。
在一些实施例中，为优化顶部建筑轮廓形状，可以利用规则化算法，通过角点抽稀、异常点剔除等方法实现轮廓角点的优化。具体地，利用边的平移、旋转等方法实现轮廓形态的调整，最终完成顶部建筑轮廓的规整化处理，得到规整化后的顶部建筑轮廓，其效果如图4所示。规整化后的顶部建筑轮廓可以与实际建筑物形态更加接近，基于规整化后的顶部建筑轮廓建立城市三维模型，可以提高城市三维模型的可靠性。
在一些实施例中，在执行图1所示的方法之前，可以基于立体成像高分辨率卫星影像的DSM影像生产。DSM影像生产步骤可以如下：首先，获取目标区域遥感影像立体像对，也就是说，获取目标区域对应的两个卫星遥感影像，这两个卫星遥感影像的拍摄角度不同；之后，对遥感影像进行去噪、增强等操作；然后，基于双目立体匹配算法自动生成目标区域的DSM影像。在一个实施例中，还可以根据目标区域的范围，对DSM影像进行裁剪，获得目标区域对应的高精度DSM影像。
为保证顶部建筑轮廓的位置矫正精度和目标建筑的高度精度，可以对DSM 影像进行预处理。检查DSM影像的分辨率和质量。若分辨率与卫星影像不一致，则进行插值处理，使DSM影像的分辨率与卫星遥感影像统一。若存在异常值，则先进行剔除，然后采用插值进行补充。若存在缺失值，则进行插值补充。由此可以保证DSM影像的质量。
DSM影像中的像素值(亮度)可以指示该像素对应的高度。在一种可能的场景中，像素的亮度越高，则像素对应的高度越高。通过将顶部建筑轮廓和DSM 影像对应，即可从DSM影像的像素值获得目标建筑的顶部高度信息h1。
在一些实施例中，获取目标建筑的顶部高度信息可以包括：根据DSM影像中的地理坐标信息集合和高度信息集合，确定DSM影像对应的像素坐标信息集合；根据像素坐标信息集合，将DSM影像与顶部建筑轮廓对应套合；根据DSM影像中位于顶部建筑轮廓内的像素所指示的高度信息，获取顶部高度信息。
地理坐标信息集合可以是DSM影像包含的地理坐标信息集合。地理坐标信息集合至少包括目标建筑对应的地理坐标信息。在一个实施例中，地理坐标信息集合可以包括目标建筑所在的目标区域对应的全部地理坐标信息。
高度信息集合可以是DSM影像包含的高度信息集合。高度信息集合至少包括目标建筑对应的高度信息。在一个实施例中，高度信息集合可以包括目标建筑所在的目标区域对应的全部高度信息。
像素坐标信息集合可以是DSM影像包含的像素坐标信息集合。像素坐标信息集合至少包括目标建筑对应的像素坐标信息。在一个实施例中，像素坐标信息集合可以包括目标建筑所在的目标区域对应的全部像素坐标信息。
为将顶部建筑轮廓和DSM影像对应，需要将顶部建筑轮廓的像素坐标和 DSM影像包含的地理坐标对应起来。通过将地理坐标信息集合和高度信息集合输入至有理函数(rational polynomial coefficient，RPC)模型进行正投影变换，即将经纬度坐标转为像素坐标，可以得到像素坐标下的DSM影像。由此可以便于将DSM影像和顶部建筑轮廓在像素坐标下对应套合起来，如图3所示。 DSM影像和顶部建筑轮廓对应套合，可以指顶部建筑轮廓自身与DSM影像套合，还可以指顶部建筑轮廓指示的一个或多个像素坐标与DSM影像套合。在一种可能的场景下，DSM影像中位于顶部建筑轮廓内的像素可以指示顶部高度信息。当卫星遥感影像包含多个建筑时，可以一次性提取该多个建筑的顶部建筑轮廓。RPC模型可以具备对多个建筑坐标信息处理的能力。在另一种可能的场景下，顶部建筑轮廓的质心可以与DSM影像套合，DSM影像中与顶部建筑轮廓的质心对应的像素可以指示顶部高度信息。
假设DSM影像中位于顶部建筑轮廓内的N个像素。则N个像素指示的高度信息集合可以为SET_1。在一种可能的场景下，N个像素中任一像素对应的高度信息可以充当目标建筑的顶部高度信息h1。在另一种可能的场景下，可以获取像素坐标下的顶部建筑轮廓的顶部质心像素坐标，其中顶部质心像素坐标可以为(row_1,col_1)。顶部质心像素坐标所指示的高度信息h1可以充当目标建筑的顶部高度信息h1。在又一种可能的场景下，高度信息集合SET_1中的中位数可以充当目标建筑的顶部高度信息h1。
在本申请提供的一些实施例中，基于顶部建筑轮廓的偏移量，通过对顶部建筑轮廓偏移，可以得到目标建筑的底部建筑轮廓。在一种可能的实施方式中，顶部建筑轮廓的偏移量可以通过卫星遥感影像对应的侧倾角和目标建筑的高度得到。
为获得准确度较高的底部建筑轮廓，在本申请提供的一些实施例中，可以借助数字高程模型(digital elevation model，DEM)影像，由目标建筑的顶部建筑轮廓推演得到目标建筑的底部建筑轮廓。
为保证顶部建筑轮廓的位置矫正精度和目标建筑的高度精度，可以对DEM 影像进行预处理。检查DEM影像的分辨率和质量。若分辨率与卫星影像不一致，则进行插值处理，使DEM影像的分辨率与卫星遥感影像统一。若存在异常值，则先进行剔除，然后采用插值进行补充。若存在缺失值，则进行插值补充。由此可以保证DEM影像的质量。
在一些实施例中，在获取顶部建筑轮廓对应的地理坐标信息后，将目标建筑对应的数字高程模型DEM影像与地理坐标信息对应套合；根据DEM影像的与地理坐标信息对应的像素所指示的高度信息，获取目标建筑的底部高度信息 h2；根据底部高度信息h2和地理坐标信息，确定目标建筑的底部建筑轮廓。
在一种可能的实施方式中，顶部建筑轮廓对应的地理坐标信息，可以根据顶部建筑轮廓对应的像素坐标信息和顶部高度信息h1得到。通过将像素坐标信息和顶部高度信息h1输入至有理函数RPC模型进行逆投影变换，可以得到地理坐标信息。
具体地，根据步骤120获取到的顶部高度信息h1和顶部建筑轮廓的像素坐标信息(x,y)，利用RPC模型进行像素坐标到地理坐标的逆投影变换，可以得到目标建筑在DSM影像高度值h1下的地理坐标信息(lon,lat)。
在另一种可能的实施方式中，目标建筑对应的地理坐标信息(lon,lat)可以由DSM模型直接得到。根据上文描述，顶部建筑轮廓与DSM模型套合后，可以根据顶部建筑轮廓与DSM模型的对应关系，获得目标建筑对应的地理坐标信息。这一实施方式通常应用于DSM模型中仅有一个建筑的情况。通过对高精度DSM模型进行精密裁剪，可以便于获得目标建筑对应的地理坐标信息。
通过上述方式获得的目标建筑对应的地理坐标信息(lon,lat)，可以与DEM 影像上相应目标建筑区域相对应。从而使得地理坐标信息(lon,lat)与DEM 影像中的目标建筑对应套合。在一种可能的场景下，地理坐标信息(lon,lat) 可以是一个集合，至少包括顶部建筑轮廓的多个像素坐标对应的地理坐标。该多个像素坐标可以为顶部建筑轮廓的关键点坐标，还可以是顶部建筑轮廓的全集像素坐标。在另一种可能的场景下，地理坐标信息(lon,lat)可以是单个坐标，例如可以由顶部高度信息h1和顶部建筑轮廓的质心像素坐标得到。
DEM影像中的像素值(亮度)可以指示该像素对应的海拔高度，由此可以指示目标建筑的底部高度。在一种可能的场景中，像素的亮度越高，则像素对应的高度越高。通过将地理坐标信息和DEM影像对应，即可从DEM影像的像素值获得目标建筑的底部高度信息h2。
DEM影像中与地理坐标信息对应的像素可以指示底部高度信息。假设 DEM影像中与地理坐标信息对应的像素包括M个像素。则M个像素指示的高度信息集合可以为SET_2。在一种可能的场景下，M个像素中任一像素对应的高度信息可以充当目标建筑的底部高度信息h2。在另一种可能的场景下，可以获取地理坐标信息(lon,lat)中的质心地理坐标，其中质心地理坐标可以为 (center_lon,center_lat)。质心地理坐标所指示的高度信息h2可以充当目标建筑的底部高度信息h2。在又一种可能的场景下，高度信息集合SET_2中的中位数可以充当目标建筑的底部高度信息h2。
之后可以根据底部高度信息h2和地理坐标信息，确定目标建筑的底部建筑轮廓。具体可以参照图5。
在一种可能的实施方式中，可以通过计算顶部建筑轮廓的偏移量，对顶部建筑轮廓偏移，得到底部建筑轮廓。具体地，将上文中的质心地理坐标 (center_lon,center_lat)和底部高度信息h2输入至有理函数RPC模型进行正投影变换，即将经纬度坐标转为像素坐标，可以得到与质心地理坐标(center_lon, center_lat)对应的底部质心像素坐标(row_2，col_2)。通过比较上文中的顶部质心像素坐标(row_1，col_1)和底部质心像素坐标(row_2，col_2)，可以得到顶部建筑轮廓的偏移量。具体地，顶部建筑轮廓的横向偏移量Δx＝row_2-row_1；顶部建筑轮廓的纵向偏移量Δy＝col_2-col_1。
对顶部建筑轮廓在像素坐标下的原始像素坐标(x，y)执行偏移，可以获得底部建筑轮廓的坐标(x+Δx，y+Δy)。在一种可能的场景下，当卫星遥感影像包含多个建筑时，可以分别计算多个建筑的顶部建筑轮廓的偏移量，得到多个建筑分别对应的多个底部建筑轮廓。
在另一种可能的所述方式中，可以将上文中的地理坐标信息(lon,lat)和底部高度信息h2输入至有理函数RPC模型进行正投影变换，即将经纬度坐标转为像素坐标，可以得到像素坐标下的底部建筑轮廓。
图6示出了矫正前的顶部建筑轮廓(实线)和矫正后的底部建筑轮廓(虚线)。之后，根据底部建筑轮廓和目标建筑的顶部高度信息h1可以建立目标建筑的三维模型。三维模型的构建步骤可以包括融合底部建筑轮廓，以及生成建筑立体白膜。利用轮廓叠加结合置信度等方式，实现建筑物底部轮廓的进一步的精度优化。之后结合三维地球和地图可视化开源库Cesium，最终完成白膜生产与城市三维模型的构建。图7示出了本申请实施例提供的一种城市三维模型的构建流程。图8示出了通过本申请实施例提供的一种三维城市模型构建方法得到的三维城市模型(不同灰度表示不同高度)。
融合底部建筑轮廓可以具体如下：首先，获取目标建筑在多个角度下分别对应的多个底部建筑轮廓；之后对多个底部建筑轮廓进行叠合；然后，对高质量的底部建筑轮廓进行筛选，对于重叠的底部建筑轮廓而言，比较底部建筑轮廓的置信度，保留置信度最大的底部建筑轮廓作为准确的底部建筑轮廓，删除其余底部建筑轮廓；对于不重叠的底部建筑轮廓而言，均进行保留；循环遍历所有底部建筑轮廓，完成底部建筑轮廓的筛选，获得融合后的底部建筑轮廓。
生成建筑立体白膜可以具体如下：首先，获取融合后的高精度底部建筑轮廓；利用DSM影像与DEM影像获得nDSM影像，利用目标建筑的底部建筑轮廓与nDSM影像进行套合，以底部建筑轮廓内像素值集合的中位数作为目标建筑的高度信息(即DSM与DEM作差后，获得了目标建筑的高度信息)；结合目标建筑底部建筑轮廓的位置、形状、高度等信息，利用三维地球和地图可视化开源库Cesium，进行三维目标建筑建模和渲染，最终获得具有高精度位置信息的目标建筑立体白膜，完成三维城市模型的快速构建。
本申请实施例还提供一种电子设备，电子设备包括：一个或多个处理器；一个或多个存储器；一个或多个存储器存储有一个或多个计算机程序，一个或多个计算机程序包括指令，当指令被一个或多个处理器执行时，使得电子设备执行如图1所示的方法。
本申请实施例搭建了一种基于立体成像高分辨率卫星影像的高精度城市三维模型快速构建方法，该方法通过基于遥感影像的立体像对的DSM影像生产、建筑物轮廓提取、建筑物轮廓偏移的距离和方位计算、多角度建筑物轮廓融合、建筑物高度获取等方法，实现了高精度的建筑物白膜生产与城市三维模型构建的全流程框架设计。其中，对建筑物顶部轮廓的提取结果进行自动化规整和偏移矫正，并采用多角度的建筑物轮廓融合技术，获得了准确的建筑物的底部轮廓，提高了建筑物的地理位置精度，为高精度白膜生产与城市三维模型构建奠定了基础。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此，本申请的保护范围应当以本申请权利要求所界定的范围为准。

Claims (11)

1.一种城市三维模型构建方法，其特征在于，包括：
提取卫星影像中目标建筑的顶部建筑轮廓；
根据所述目标建筑对应的数字表面模型DSM影像，获取所述目标建筑的顶部高度信息；
对所述顶部建筑轮廓偏移，得到所述目标建筑的底部建筑轮廓；
根据所述矫正建筑轮廓和所述顶部高度信息，建立所述目标建筑的三维模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标建筑对应的数字表面模型DSM影像，获取所述目标建筑的顶部高度信息，包括：
根据所述DSM影像中的地理坐标信息集合和高度信息集合，确定所述DSM影像对应的像素坐标信息集合；
根据所述像素坐标信息集合，将所述DSM影像与所述顶部建筑轮廓对应套合；根据所述DSM影像中位于所述顶部建筑轮廓内的像素所指示的高度信息，获取所述顶部高度信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述DSM影像中的地理坐标信息集合和高度信息集合，确定所述DSM影像对应的像素坐标信息集合，包括：
将所述地理坐标信息集合和所述高度信息集合输入至有理函数RPC模型进行正投影变换，得到所述像素坐标信息集合。
4.根据权利要求2或3所述的方法，其特征在于，所述顶部高度信息为所述DSM影像中位于所述顶部建筑轮廓内的像素所指示的全部高度值中的中位数。
5.根据权利要求1所述的方法，其特征在于，所述对所述顶部建筑轮廓偏移，得到所述目标建筑的底部建筑轮廓，包括：
获取所述顶部建筑轮廓对应的地理坐标信息；
将所述目标建筑对应的数字高程模型DEM影像与所述地理坐标信息对应套合；根据所述DEM影像的与所述地理坐标信息对应的像素所指示的高度信息，获取所述目标建筑的底部高度信息；
根据所述底部高度信息和所述地理坐标信息，确定所述目标建筑的底部建筑轮廓。
6.根据权利要求5所述的方法，其特征在于，所述获取所述顶部建筑轮廓对应的地理坐标信息，包括：
根据所述顶部建筑轮廓对应的像素坐标信息和所述顶部高度信息，获取所述地理坐标信息。
7.根据权利要求6所述的方法，其特征在于，所述根据所述顶部建筑轮廓对应的像素坐标信息和所述顶部高度信息，获取所述地理坐标信息，包括：
将所述像素坐标信息和所述顶部高度信息输入至有理函数RPC模型进行逆投影变换，得到所述地理坐标信息。
8.根据权利要求5至7中任一项所述的方法，其特征在于，所述根据所述底部高度信息和所述地理坐标信息，得到所述目标建筑的底部建筑轮廓，包括：根据所述地理坐标信息，确定质心地理坐标；
根据所述质心地理坐标和所述底部高度信息，确定底部质心像素坐标；
根据所述顶部建筑轮廓对应的像素坐标信息，确定顶部质心像素坐标；
根据所述底部质心像素坐标和所述顶部质心像素坐标的偏移量，对所述顶部建筑轮廓偏移，得到所述底部建筑轮廓。
9.根据权利要求8所述的方法，其特征在于，所述根据所述质心地理坐标和所述底部高度信息，确定底部质心像素坐标，包括：
将所述质心地理坐标和所述底部高度信息输入至有理函数RPC模型进行正投影变换，得到所述底部质心像素坐标。
10.根据权利要求5所述的方法，其特征在于，所述底部高度信息为所述DEM影像的与所述地理坐标信息对应的全部像素所指示的全部高度值中的中位数。
11.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
一个或多个存储器；
所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1至10中任一项所述的方法。
CN202210951999.2A 2022-08-09 2022-08-09 基于立体成像高分辨率卫星影像的城市三维模型构建方法 Pending CN115471619A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210951999.2A CN115471619A (zh) 2022-08-09 2022-08-09 基于立体成像高分辨率卫星影像的城市三维模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210951999.2A CN115471619A (zh) 2022-08-09 2022-08-09 基于立体成像高分辨率卫星影像的城市三维模型构建方法

Publications (1)

Publication Number Publication Date
CN115471619A true CN115471619A (zh) 2022-12-13

Family

ID=84367626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210951999.2A Pending CN115471619A (zh) 2022-08-09 2022-08-09 基于立体成像高分辨率卫星影像的城市三维模型构建方法

Country Status (1)

Country Link
CN (1) CN115471619A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117132744A (zh) * 2023-10-27 2023-11-28 腾讯科技（深圳）有限公司 虚拟场景的构建方法、装置、介质及电子设备
CN117455815A (zh) * 2023-10-18 2024-01-26 二十一世纪空间技术应用股份有限公司 基于卫星影像平顶建筑物顶底偏移校正方法及相关设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455815A (zh) * 2023-10-18 2024-01-26 二十一世纪空间技术应用股份有限公司 基于卫星影像平顶建筑物顶底偏移校正方法及相关设备
CN117132744A (zh) * 2023-10-27 2023-11-28 腾讯科技（深圳）有限公司 虚拟场景的构建方法、装置、介质及电子设备
CN117132744B (zh) * 2023-10-27 2024-02-09 腾讯科技（深圳）有限公司 虚拟场景的构建方法、装置、介质及电子设备

Similar Documents

Publication Publication Date Title
Balsa-Barreiro et al. Generation of visually aesthetic and detailed 3D models of historical cities by using laser scanning and digital photogrammetry
CN111126148B (zh) 一种基于视频卫星影像的dsm生成方法
CN113192193B (zh) 基于Cesium三维地球框架的高压输电线路走廊三维重建方法
CN102506824B (zh) 一种城市低空无人机系统生成数字正射影像图的方法
CN105046251B (zh) 一种基于环境一号卫星遥感影像的自动正射校正方法
CN115471619A (zh) 基于立体成像高分辨率卫星影像的城市三维模型构建方法
WO2018061010A1 (en) Point cloud transforming in large-scale urban modelling
CN103884321A (zh) 一种遥感影像成图工艺
CN109801371B (zh) 一种基于Cesium的网络三维电子地图构建方法
CN109709551B (zh) 一种星载合成孔径雷达影像的区域网平面平差方法
CN114219819A (zh) 基于正射影像边界检测的倾斜摄影模型单体化方法
CN103839286B (zh) 一种对象语义约束的真正射影像优化采样方法
CN116883604A (zh) 一种基于天、空、地影像的三维建模技术方法
CN115049794A (zh) 通过深度补全生成稠密的全局点云图方法及系统
KR100732915B1 (ko) 디지털사진 측량기술 및 인공위성영상을 이용한 기본설계용도로노선의 3차원적 결정 방법
CN111611525B (zh) 基于物方匹配高程偏差迭代修正的遥感数据高程解算方法
CN111982077B (zh) 电子地图绘制方法、系统和电子设备
CN113739767A (zh) 针对国产面阵摆扫成像系统获取的影像生产正射影像的方法
CN111986320B (zh) 一种面向智慧城市应用的dem与倾斜摄影模型空间贴合优化方法
CN109579796B (zh) 一种投影后影像的区域网平差方法
CN114155167B (zh) 一种基于在线遥感卫星影像的自动化快速校正方法
CN112800514B (zh) 一种采用激光点云加bim建模技术运用到换流站可视化管控平台的方法
CN105093222A (zh) 一种sar影像区域网平差连接点自动提取方法
Dursun et al. 3D city modelling of Istanbul historic peninsula by combination of aerial images and terrestrial laser scanning data
CN114780758A (zh) 一种基于立体测图卫星影像的影像控制点库的构建方法

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