CN115619907A - 一种自适应建筑物直角化方法和装置 - Google Patents
一种自适应建筑物直角化方法和装置 Download PDFInfo
- Publication number
- CN115619907A CN115619907A CN202211609436.1A CN202211609436A CN115619907A CN 115619907 A CN115619907 A CN 115619907A CN 202211609436 A CN202211609436 A CN 202211609436A CN 115619907 A CN115619907 A CN 115619907A
- Authority
- CN
- China
- Prior art keywords
- point set
- points
- line segment
- target
- bounding box
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 75
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 11
- 238000004891 communication Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000949477 Toona ciliata Species 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种自适应建筑物直角化方法和装置，涉及图像处理的技术领域，包括：获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；基于所述多边形要素中的点构建点集；基于所述点集构建包围框；基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素，解决了现有的建筑物直角化方法的效率较低且效果较差的技术问题。
Description
技术领域
本发明涉及图像处理的技术领域，尤其是涉及 一种自适应建筑物直角化方法和装置。
背景技术
在实际的深度学习解译成果综合制图中，建筑物是一种常见的人造地物，其往往具有特定的几何特征、规范的结构模式。但实际的建筑物解译成果往往因为成像误差导致非直角的产生。深度学习的解译成果矢量通常由单张或多张栅格影像转化（与合并）得到，该场景下讨论的是同一尺度下的图形规则化和直角化问题。
目前同一尺度下建筑物直角化的方法主要可以分为两类。一类是基于不同约束条件的最小二乘方法，运用平差方法计算图形归化后的点位和角度。该方法只考虑图形结果的最优符合性，并不考虑图形的实际真实性，其结果常常会偏离实际边线，或者产生拓扑错误，无法满足实际地图表达的要求。另外一类是基于经验阈值的基于固定阈值的角度和距离分类方法，往往无法很好适配不同图形的直角化需求。
针对上述问题，还未提出有效的解决方案。
发明内容
有鉴于此，本发明的目的在于提供一种自适应建筑物直角化方法和装置，以缓解了现有的建筑物直角化方法的效率较低且效果较差的技术问题。
第一方面，本发明实施例提供了一种自适应建筑物直角化方法，包括：获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；基于所述多边形要素中的点构建点集，其中，所述点集包括：第一点集和第二点集，所述第一点集包括所述多边形要素中位于目标线段逆时针侧的点，所述第二点集包括所述多边形要素中位于目标线段顺时针侧的点，所述目标线段为所述多边形要素中的最长边投影至所述多边形要素的主方向得到的线段；基于所述点集构建包围框，其中，所述包围框包括：第一包围框和第二包围框，所述第一包围框为基于所述第一点集构建的包围框，所述第二包围框为基于所述第二点集构建的包围框；基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素。
进一步地，基于所述多边形要素中的点构建点集，包括：基于Douglas-Peucker算法，对所述多边形要素进行简化，得到简化后的多边形要素；将所述简化后的多边形要素中的最长边的方向确定为所述主方向的起始方向，并基于所述起始方向和顾及面积约束的最小二乘算法，确定出所述主方向；将所述最长边投影至所述主方向，得到所述目标线段；基于所述目标线段和所述简化后的多边形要素中的点，确定出所述点集。
进一步地，基于所述点集构建包围框，包括：基于所述第一点集、所述目标线段和所述目标线段的垂向，构建所述第一包围框；基于所述第二点集、所述目标线段和所述目标线段的垂向，构建所述第二包围框。
进一步地，基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素，包括：基于所述自适应算法和所述第一包围框，对所述第一点集进行直角化处理，得到第一目标点集；基于所述自适应算法和所述第二包围框，对所述第二点集进行直角化处理，得到第二目标点集；对所述第一目标点集和所述第二目标点集进行点集优化处理和合并处理，得到所述处理后的多边形要素。
进一步地，所述第一点集为N=（n1，n2…nj）其中，所述第一点集中的点按照逆时针顺序排序；基于所述自适应算法和所述第一包围框，对所述第一点集进行直角化处理，得到第一目标点集，包括：将所述目标线段的两个端点放入第一子点集；确定步骤，确定出第一线段的长度，以及确定出所述当前线段与所述第一线段之间的夹角，其中，所述当前线段为第一子点集中最后两个点之间的线段，所述第一线段为ni与ni-1之间的线段；第一处理步骤，若所述第一线段的长度小于或等于预设长度且所述夹角小于或等于预设角度，则将所述ni放入所述第一子点集；第二处理步骤，若所述第一线段的长度大于预设长度，则对所述第一子点集中的点进行直角化处理，并将处理后的点放入第二子点集；第三处理步骤，若所述第一线段的长度小于或等于预设长度且所述夹角大于预设角度，则将所述目标点投影至所述目标线段和所述目标线段的目标垂线，得到第一投影点和第二投影点，并将所述第一投影点和所述第二投影点放入第三子点集，其中，所述目标垂线为包含所述目标点的所述目标线段的垂线；第四处理步骤，基于所述第一子点集中距离所述第一包围框最近的点构建所述第一包围框的第一平行线，并将所述第一子点集中所述最近的点以外的点投影至所述第一平行线，得到目标投影点，并将所述目标投影点放入至所述第二子点集；执行步骤，重复执行所述确定步骤，所述第一处理步骤、所述第二处理步骤、所述第三处理步骤和所述第四处理步骤，直至遍历所述第一子点集中的所有点；将所述第三子点集确定为所述第一子点集，重复执行所述确定步骤，所述第一处理步骤、所述第二处理步骤、所述第三处理步骤、所述第四处理步骤和所述执行步骤，直至遍历所述第一点集中的所有点，对遍历所述第一点集中的所有点后得到的第二子点集进行拓扑检查和修正处理，得到处理后的第二子点集确定为所述第一目标点集。
进一步地，若所述第一处理步骤连续执行预设次数之后，则所述方法还包括：将所述第一子点集中的点规则化为与所述第一处理步骤连续执行预设次数之前的当前线段的平行线段；基于所述第一子点集中距离所述第一包围框最近的点构建所述第一包围框的第二平行线；确定出所述第二平行线与所述第一线段的交点，将所述交点和所述第一线段的端点放入所述第二子点集。
进一步地，所述方法还包括：所述方法还包括： 对所述处理后的多边形要素进行拓扑检查和修复处理，得到目标多边形要素。
第二方面，本发明实施例还提供了一种自适应建筑物直角化装置，包括： 获取单元，用于获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；第一构建单元，用于基于所述多边形要素中的点构建点集，其中，所述点集包括：第一点集和第二点集，所述第一点集包括所述多边形要素中位于目标线段逆时针侧的点，所述第二点集包括所述多边形要素中位于目标线段顺时针侧的点，所述目标线段为所述多边形要素中的最长边投影至所述多边形要素的主方向得到的线段；第二构建单元，用于基于所述点集构建包围框，其中，所述包围框包括：第一包围框和第二包围框，所述第一包围框为基于所述第一点集构建的包围框，所述第二包围框为基于所述第二点集构建的包围框；直角化处理单元，用于基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素。
第三方面，本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序。
在本发明实施例中，通过获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；基于所述多边形要素中的点构建点集，其中，所述点集包括：第一点集和第二点集，所述第一点集包括所述多边形要素中位于目标线段逆时针侧的点，所述第二点集包括所述多边形要素中位于目标线段顺时针侧的点，所述目标线段为所述多边形要素中的最长边投影至所述多边形要素的主方向得到的线段；基于所述点集构建包围框，其中，所述包围框包括：第一包围框和第二包围框，所述第一包围框为基于所述第一点集构建的包围框，所述第二包围框为基于所述第二点集构建的包围框；基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素，达到了对不同多边形要素进行直角化的目的，进而解决了现有的建筑物直角化方法的效率较低且效果较差的技术问题，从而实现了提高建筑物直角化的效率和效果的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种自适应建筑物直角化方法的流程图；
图2为本发明实施例提供的点集的示意图；
图3为本发明实施例提供的一种自适应建筑物直角化装置的示意图；
图4为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
实施例一：
根据本发明实施例，提供了一种自适应建筑物直角化方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种自适应建筑物直角化方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102， 获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；
步骤S104，基于所述多边形要素中的点构建点集，其中，所述点集包括：第一点集和第二点集，所述第一点集包括所述多边形要素中位于目标线段逆时针侧的点，所述第二点集包括所述多边形要素中位于目标线段顺时针侧的点，所述目标线段为所述多边形要素中的最长边投影至所述多边形要素的主方向得到的线段；
步骤S106，基于所述点集构建包围框，其中，所述包围框包括：第一包围框和第二包围框，所述第一包围框为基于所述第一点集构建的包围框，所述第二包围框为基于所述第二点集构建的包围框；
步骤S108，基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素。
在本发明实施例中，通过获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；基于所述多边形要素中的点构建点集，其中，所述点集包括：第一点集和第二点集，所述第一点集包括所述多边形要素中位于目标线段逆时针侧的点，所述第二点集包括所述多边形要素中位于目标线段顺时针侧的点，所述目标线段为所述多边形要素中的最长边投影至所述多边形要素的主方向得到的线段；基于所述点集构建包围框，其中，所述包围框包括：第一包围框和第二包围框，所述第一包围框为基于所述第一点集构建的包围框，所述第二包围框为基于所述第二点集构建的包围框；基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素，达到了对不同多边形要素进行直角化的目的，进而解决了现有的建筑物直角化方法的效率较低且效果较差的技术问题，从而实现了提高建筑物直角化的效率和效果的技术效果。
在本发明实施例中，步骤S104包括如下步骤：
基于Douglas-Peucker算法，对所述多边形要素进行简化，得到简化后的多边形要素；
将所述简化后的多边形要素中的最长边的方向确定为所述主方向的起始方向，并基于所述起始方向和顾及面积约束的最小二乘算法，确定出所述主方向；
将所述最长边投影至所述主方向，得到所述目标线段；
基于所述目标线段和所述简化后的多边形要素中的点，确定出所述点集。
在本发明实施例中，利用Douglas-Peucker算法，对多边形要素进行简化，得到简化后的多边形要素。
针对简化后的多边形要素求解图形的主方向。主方向选取多边形要素内部最长边的方向作为起始方向，采用顾及面积约束的最小二乘方法确定最终的主方向。
最后，遍历简化后的多边形要素内的最长边，投影至主方向，得到目标线段，并假设该目标线段为
（如图 2 ，点1和点2构成的线段为
，在本文中，沿用GDAL定义的方式，点位从0开始，外环点位按照逆时针排列，内环按照顺时针排列），将
沿两端进行延长生成
。然后遍历面要素的每个点，当点位于线段的顺时针侧，则放入
,当点位于线段的逆时针侧，则放入
。如图2所示，
（即，第一点集）包含的点序号为
;
（即，第二点集）包含的点序号为
。
然后，针对
和
，沿着
及其垂向求解包围框
（即，第一包围框）和
（即，第二包围框）。
在本发明实施例中，步骤S108包括如下步骤：
步骤S11，基于所述自适应算法和所述第一包围框，对所述第一点集进行直角化处理，得到第一目标点集；
步骤S12，基于所述自适应算法和所述第二包围框，对所述第二点集进行直角化处理，得到第二目标点集；
步骤S13，对所述第一目标点集和所述第二目标点集进行点集优化处理和合并处理，得到所述处理后的多边形要素。
下面对步骤S11进行详细说明。
所述第一点集为N=（n1，n2…nj）其中，所述第一点集中的点按照逆时针顺序排序；
基于所述自适应算法和所述第一包围框，对所述第一点集进行直角化处理，得到第一目标点集，包括：
将所述目标线段的两个端点放入第一子点集；
确定步骤，确定出第一线段的长度，以及确定出所述当前线段与所述第一线段之间的夹角，其中，所述当前线段为第一子点集中最后两个点之间的线段，所述第一线段为ni与ni-1之间的线段；
第一处理步骤，若所述第一线段的长度小于或等于预设长度且所述夹角小于或等于预设角度，则将所述ni放入所述第一子点集；
第二处理步骤，若所述第一线段的长度大于预设长度，则对所述第一子点集中的点进行直角化处理，并将处理后的点放入第二子点集；
第三处理步骤，若所述第一线段的长度小于或等于预设长度且所述夹角大于预设角度，则将所述目标点投影至所述目标线段和所述目标线段的目标垂线，得到第一投影点和第二投影点，并将所述第一投影点和所述第二投影点放入第三子点集，其中，所述目标垂线为包含所述目标点的所述目标线段的垂线；
第四处理步骤，基于所述第一子点集中距离所述第一包围框最近的点构建所述第一包围框的第一平行线，并将所述第一子点集中所述最近的点以外的点投影至所述第一平行线，得到目标投影点，并将所述目标投影点放入至所述第二子点集；
执行步骤，重复执行所述确定步骤，所述第一处理步骤、所述第二处理步骤、所述第三处理步骤和所述第四处理步骤，直至遍历所述第一子点集中的所有点；
将所述第三子点集确定为所述第一子点集，重复执行所述确定步骤，所述第一处理步骤、所述第二处理步骤、所述第三处理步骤、所述第四处理步骤和所述执行步骤，直至遍历所述第一点集中的所有点，对遍历所述第一点集中的所有点后得到的第二子点集进行拓扑检查和修正处理，得到处理后的第二子点集确定为所述第一目标点集。
若所述第一处理步骤连续执行预设次数之后，则所述方法还包括：
将所述第一子点集中的点规则化为与所述第一处理步骤连续执行预设次数之前的当前线段的平行线段；
基于所述第一子点集中距离所述第一包围框最近的点构建所述第一包围框的第二平行线；
确定出所述第二平行线与所述第一线段的交点，将所述焦点和所述第一线段的端点放入所述第二子点集。
在本发明实施例中，上述的预设长度一般为最长边的1/2，预设角度一般为45度，预设长度和预设角度可以由用户根据实际情况自行设定。
以目标线段的边作为初始边，将初始边的两个端点插入第一子点集。按逆时针遍历下一个点位，求解第一线段与链表中最末尾两个点构成线段（即，当前线段）的夹角，并且求解第一线段的长度。若该线段长度大于长度阈值,则保留该第一线段；若线段长度小于预设长度，夹角超过设定预设角度，则规划为直角拐点，若角度未超过预设角度，则规划为平行点。根据多种直角化算子，逐线段求解该线段上保留的点，将这些点按照顺序用链表结构存储（执行插入操作）。当一个点或者多个点存在于一条线段且不是该线段的起始点或者结尾点时，执行弹出操作。
首先假定预设角度为
，假定预设长度为
，针对
的点进行遍历，建立输出点集
（即，第三子点集），建立待拟合点集
（即，第一子点集），以及直角化点集
（即，第二子点集）。
进行直角化处理后生成的点放入
，
进行拓扑检查和修正，以及去除无效点后生成
。
求解当前点
与前一点
构成的线段
与上一条线段
的夹角
（最初是与
的夹角），根据
和
与
和
的关系，可分为以下三种处理方案：
若
,则保留第一线段
，原有待拟合点集
进行直角化处理，将结果放入
；
若
则认为该处应该规则化为直角拐角，将
投影到前两个投影点(
最末尾两个点)组成的线段
上（最初的线段是
），以及过当前点垂直于
的直线上。将两个投影点分别放入
，求解
中距离最近的包围框边缘，并求解距离该边缘最近的点
。过
做包围框的平行线
，将其他点都投影到
，并将投影点放入
。
若
，则认为该点处不会产生直角拐点，将该点
放入
,继续处理下一个点；若一直为该情况，则将对应点继续放入
；若遇到需要直角化的点，则将现有
点集内的点规则化为平行于原方向
的线段。求解
中距离最近的包围框边缘，并求解距离该边缘最近的点
。过
做包围框的平行线
,求解
与
的交点
,将
,
,
按顺序放入
；
完成
的点的遍历后，对
进行同样的上述操作，从而得到第一目标点集和第二目标点集。
在得到第一目标点集和第二目标点集之后，对第一目标点集和第二目标点集进行点集优化（消除重复方向的链表操作）。对于处于同一线段上的多个点，只保留范围最大的两个点以及首末点（首末点和范围最大点可能是同一点）。对
的点进行同样的化简操作。将两部分简化后的点集进行合并。用GDAL重新构建处理后的多边形要素。
本发明实施例通过上述的一种自适应建筑物直角化方法，针对深度学习解译成果矢量这种单一尺度下的图形直角化，能够根据不同图形实现自适应的直角化点集构造，从而满足深度学习解译结果后处理和综合制图场景下的自动化、高效化的处理需求。
实施例二：
本发明实施例还提供了一种自适应建筑物直角化装置，该自适应建筑物直角化装置用于执行本发明实施例上述内容所提供的自适应建筑物直角化方法，以下是本发明实施例提供的自适应建筑物直角化装置的具体介绍。
如图3所示，图3为上述自适应建筑物直角化装置的示意图，该自适应建筑物直角化装置包括：
获取单元10，用于获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；
第一构建单元20，用于基于所述多边形要素中的点构建点集，其中，所述点集包括：第一点集和第二点集，所述第一点集包括所述多边形要素中位于目标线段逆时针侧的点，所述第二点集包括所述多边形要素中位于目标线段顺时针侧的点，所述目标线段为所述多边形要素中的最长边投影至所述多边形要素的主方向得到的线段；
第二构建单元30，用于基于所述点集构建包围框，其中，所述包围框包括：第一包围框和第二包围框，所述第一包围框为基于所述第一点集构建的包围框，所述第二包围框为基于所述第二点集构建的包围框；
直角化处理单元40，用于基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素。
在本发明实施例中，通过获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；基于所述多边形要素中的点构建点集，其中，所述点集包括：第一点集和第二点集，所述第一点集包括所述多边形要素中位于目标线段逆时针侧的点，所述第二点集包括所述多边形要素中位于目标线段顺时针侧的点，所述目标线段为所述多边形要素中的最长边投影至所述多边形要素的主方向得到的线段；基于所述点集构建包围框，其中，所述包围框包括：第一包围框和第二包围框，所述第一包围框为基于所述第一点集构建的包围框，所述第二包围框为基于所述第二点集构建的包围框；基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素，达到了对不同多边形要素进行直角化的目的，进而解决了现有的建筑物直角化方法的效率较低且效果较差的技术问题，从而实现了提高建筑物直角化的效率和效果的技术效果。
实施例三：
本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
参见图4，本发明实施例还提供一种电子设备100，包括：处理器50，存储器51，总线52和通信接口53，所述处理器50、通信接口53和存储器51通过总线52连接；处理器50用于执行存储器51中存储的可执行模块，例如计算机程序。
其中，存储器51可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口53（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器51用于存储程序，所述处理器50在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中，或者由处理器50实现。
处理器50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50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50可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称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模块组合执行完成。软件模块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51，处理器50读取存储器51中的信息，结合其硬件完成上述方法的步骤。
实施例四：
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种自适应建筑物直角化方法，其特征在于，包括：
获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；
基于所述多边形要素中的点构建点集，其中，所述点集包括：第一点集和第二点集，所述第一点集包括所述多边形要素中位于目标线段逆时针侧的点，所述第二点集包括所述多边形要素中位于目标线段顺时针侧的点，所述目标线段为所述多边形要素中的最长边投影至所述多边形要素的主方向得到的线段；
基于所述点集构建包围框，其中，所述包围框包括：第一包围框和第二包围框，所述第一包围框为基于所述第一点集构建的包围框，所述第二包围框为基于所述第二点集构建的包围框；
基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素。
2.根据权利要求1所述的方法，其特征在于，基于所述多边形要素中的点构建点集，包括：
基于Douglas-Peucker算法，对所述多边形要素进行简化，得到简化后的多边形要素；
将所述简化后的多边形要素中的最长边的方向确定为所述主方向的起始方向，并基于所述起始方向和顾及面积约束的最小二乘算法，确定出所述主方向；
将所述最长边投影至所述主方向，得到所述目标线段；
基于所述目标线段和所述简化后的多边形要素中的点，确定出所述点集。
3.根据权利要求1所述的方法，其特征在于，基于所述点集构建包围框，包括：
基于所述第一点集、所述目标线段和所述目标线段的垂向，构建所述第一包围框；
基于所述第二点集、所述目标线段和所述目标线段的垂向，构建所述第二包围框。
4.根据权利要求1所述的方法，其特征在于，基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素，包括：
基于所述自适应算法和所述第一包围框，对所述第一点集进行直角化处理，得到第一目标点集；
基于所述自适应算法和所述第二包围框，对所述第二点集进行直角化处理，得到第二目标点集；
对所述第一目标点集和所述第二目标点集进行点集优化处理和合并处理，得到所述处理后的多边形要素。
5.根据权利要求4所述的方法，其特征在于，所述第一点集为N=（n1，n2…nj）其中，所述第一点集中的点按照逆时针顺序排序；
基于所述自适应算法和所述第一包围框，对所述第一点集进行直角化处理，得到第一目标点集，包括：
将所述目标线段的两个端点放入第一子点集；
确定步骤，确定出第一线段的长度，以及确定出当前线段与所述第一线段之间的夹角，其中，所述当前线段为第一子点集中最后两个点之间的线段，所述第一线段为ni与ni-1之间的线段；
第一处理步骤，若所述第一线段的长度小于或等于预设长度且所述夹角小于或等于预设角度，则将所述ni放入所述第一子点集；
第二处理步骤，若所述第一线段的长度大于预设长度，则对所述第一子点集中的点进行直角化处理，并将处理后的点放入第二子点集；
第三处理步骤，若所述第一线段的长度小于或等于预设长度且所述夹角大于预设角度，则将所述目标点投影至所述目标线段和所述目标线段的目标垂线，得到第一投影点和第二投影点，并将所述第一投影点和所述第二投影点放入第三子点集，其中，所述目标垂线为包含所述目标点的所述目标线段的垂线；
第四处理步骤，基于所述第一子点集中距离所述第一包围框最近的点构建所述第一包围框的第一平行线，并将所述第一子点集中所述最近的点以外的点投影至所述第一平行线，得到目标投影点，并将所述目标投影点放入至所述第二子点集；
执行步骤，重复执行所述确定步骤，所述第一处理步骤、所述第二处理步骤、所述第三处理步骤和所述第四处理步骤，直至遍历所述第一子点集中的所有点；
将所述第三子点集确定为所述第一子点集，重复执行所述确定步骤，所述第一处理步骤、所述第二处理步骤、所述第三处理步骤、所述第四处理步骤和所述执行步骤，直至遍历所述第一点集中的所有点，对遍历所述第一点集中的所有点后得到的第二子点集进行拓扑检查和修正处理，得到处理后的第二子点集确定为所述第一目标点集。
6.根据权利要求5所述的方法，其特征在于，若所述第一处理步骤连续执行预设次数之后，则所述方法还包括：
将所述第一子点集中的点规则化为与所述第一处理步骤连续执行预设次数之前的当前线段的平行线段；
基于所述第一子点集中距离所述第一包围框最近的点构建所述第一包围框的第二平行线；
确定出所述第二平行线与所述第一线段的交点，将所述交点和所述第一线段的端点放入所述第二子点集。
7.根据权利要求1所述的方法，其特征在于， 所述方法还包括：所述方法还包括：
对所述处理后的多边形要素进行拓扑检查和修复处理，得到目标多边形要素。
8.一种自适应建筑物直角化装置，其特征在于，包括：
获取单元，用于获取目标区域的矢量文件，并基于所述矢量文件，确定出所述目标区域内的建筑物对应的多边形要素；
第一构建单元，用于基于所述多边形要素中的点构建点集，其中，所述点集包括：第一点集和第二点集，所述第一点集包括所述多边形要素中位于目标线段逆时针侧的点，所述第二点集包括所述多边形要素中位于目标线段顺时针侧的点，所述目标线段为所述多边形要素中的最长边投影至所述多边形要素的主方向得到的线段；
第二构建单元，用于基于所述点集构建包围框，其中，所述包围框包括：第一包围框和第二包围框，所述第一包围框为基于所述第一点集构建的包围框，所述第二包围框为基于所述第二点集构建的包围框；
直角化处理单元，用于基于自适应算法、所述点集和所述包围框，对所述建筑物对应的多边形要素进行直角化处理，得到处理后的多边形要素。
9.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器用于存储支持处理器执行权利要求1至7任一项所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
10.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器运行时执行上述权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211609436.1A CN115619907B (zh) | 2022-12-15 | 2022-12-15 | 一种自适应建筑物直角化方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211609436.1A CN115619907B (zh) | 2022-12-15 | 2022-12-15 | 一种自适应建筑物直角化方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115619907A true CN115619907A (zh) | 2023-01-17 |
| CN115619907B CN115619907B (zh) | 2023-06-09 |
Family
ID=84881044
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211609436.1A Active CN115619907B (zh) | 2022-12-15 | 2022-12-15 | 一种自适应建筑物直角化方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115619907B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19945606A1 (de) * | 1998-09-28 | 2000-03-30 | Siemens Corp Res Inc | Verfahren und Vorrichtung zur dreidimensionalen (3D) computerisierten tomographischen (CT) Abbildung eines interessierenden Bereiches (ROI) eines Objekts |
| CN106530228A (zh) * | 2016-11-04 | 2017-03-22 | 中科宇图科技股份有限公司 | 一种矢量多边形直角化纠正方法 |
| CN112949407A (zh) * | 2021-02-02 | 2021-06-11 | 武汉大学 | 一种基于深度学习和点集优化的遥感影像建筑物矢量化方法 |
| CN113076803A (zh) * | 2021-03-03 | 2021-07-06 | 中山大学 | 一种基于高分辨率遥感影像的建筑物矢量提取方法及系统 |
| CN113160258A (zh) * | 2021-03-31 | 2021-07-23 | 武汉汉达瑞科技有限公司 | 一种建筑物矢量多边形的提取方法、系统、服务器及存储介质 |
-
2022
- 2022-12-15 CN CN202211609436.1A patent/CN115619907B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19945606A1 (de) * | 1998-09-28 | 2000-03-30 | Siemens Corp Res Inc | Verfahren und Vorrichtung zur dreidimensionalen (3D) computerisierten tomographischen (CT) Abbildung eines interessierenden Bereiches (ROI) eines Objekts |
| CN106530228A (zh) * | 2016-11-04 | 2017-03-22 | 中科宇图科技股份有限公司 | 一种矢量多边形直角化纠正方法 |
| CN112949407A (zh) * | 2021-02-02 | 2021-06-11 | 武汉大学 | 一种基于深度学习和点集优化的遥感影像建筑物矢量化方法 |
| CN113076803A (zh) * | 2021-03-03 | 2021-07-06 | 中山大学 | 一种基于高分辨率遥感影像的建筑物矢量提取方法及系统 |
| CN113160258A (zh) * | 2021-03-31 | 2021-07-23 | 武汉汉达瑞科技有限公司 | 一种建筑物矢量多边形的提取方法、系统、服务器及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115619907B (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9165338B2 (en) | Method, device and computer-readable storage medium for panoramic image completion | |
| US20200356800A1 (en) | Polygonal region detection | |
| CN111667398A (zh) | 图像处理方法、装置和计算机可读存储介质 | |
| CN113223178B (zh) | 管道选定结构特征参数的确定方法和装置 | |
| CN114170257A (zh) | 一种拟合弯曲目标轮廓的、装置、计算机设备及存储介质 | |
| CN115619907A (zh) | 一种自适应建筑物直角化方法和装置 | |
| CN114626118A (zh) | 建筑物室内模型生成方法及装置 | |
| KR20130057327A (ko) | 스테레오 매칭 시스템의 전처리 장치 | |
| CN107977923B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| JP6156922B2 (ja) | 三次元データ生成装置、三次元データ生成方法、及びプログラム | |
| CN112465692A (zh) | 图像处理方法、装置、设备及存储介质 | |
| US8817044B2 (en) | Method, system and apparatus for blending overlapping images | |
| JP7318698B2 (ja) | 三次元モデル構築方法、装置及びコンピュータ読み取り可能な記憶媒体 | |
| CN112734830B (zh) | 基于点云数据的位姿控制方法、装置、设备及存储介质 | |
| CN112419459B (zh) | 烘焙模型ao贴图的方法、装置、计算机设备和存储介质 | |
| CN113496468B (zh) | 深度图像的修复方法、装置和存储介质 | |
| JP2022064506A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| CN115858519B (zh) | 一种dem平整方法和装置 | |
| CN116071438B (zh) | 一种无人机RigCamera影像的增量SfM方法及装置 | |
| CN113628102B (zh) | 实体模型消隐方法、装置、电子设备及存储介质 | |
| CN111127322B (zh) | 地形光照图接缝处理方法及装置 | |
| CN111652957B (zh) | 一种线性工程设计图生成方法 | |
| CN117031443B (zh) | 点云数据构建方法、系统及电子设备 | |
| WO2021075314A1 (ja) | 画像処理装置、画像処理方法、及びコンピュータ読み取り可能な記録媒体 | |
| CN115984147B (zh) | 基于齿科扫描仪点云自适应处理方法、设备及介质 |
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 |