CN115858519B - 一种dem平整方法和装置 - Google Patents

Abstract

本发明提供了一种DEM平整方法和装置，涉及数据处理的技术领域，包括：获取待处理区域的遥感影像数据和DEM数据；基于深度神经网络语义分割模型、遥感影像数据和待处理区域的开源建筑矢量数据，确定出遥感影像数据的建筑语义图；基于遥感影像数据的建筑语义图，确定出遥感影像数据中的连通区域的建筑语义图；基于遥感影像数据中的连通区域的建筑语义图，对DEM数据进行平滑处理，得到目标DEM数据，解决了现有的DEM平整方法的效率较低的技术问题。

Description

一种DEM平整方法和装置

技术领域

本发明涉及数据处理的技术领域，尤其是涉及一种DEM平整方法和装置。

背景技术

在如今的城市数字孪生中，需要依托真实的地形文件，达到虚拟数据与现实世界空间上的同步效果，项目中，常常使用DEM进行地形生成，但是现有DEM数据大部分精度都为30m左右，低精度的地形文件，在用于城市数字孪生的建设中效果欠佳，很难直接应用，特别是以此生成的地形在城市建筑、道路区域的起伏不定，影响到了整个项目的质量。

为解决低精度DEM直接生成地形导致的平地，特别是建筑区地形反常起伏的问题，业内常采用两种方式。一则是使用低精的DEM数据生成地理模型，再由人工根据工作需要，手动平整、拉伸，以满足项目需要；一则是通过无人机倾斜摄影重建或雷达扫描、人工测量等方式建立高精DEM，以达成使用要求。但这两种方法在大规模场景时或者需要大量人力、或者需要大量无力。

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DEM平整方法和装置，以缓解了现有的DEM平整方法的效率较低的技术问题。

第一方面，本发明实施例提供了一种DEM平整方法，包括：获取待处理区域的遥感影像数据和DEM数据；基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图；基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据。

进一步地，基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图，包括：利用深度神经网络语义分割模型，对所述遥感影像数据进行解译，得到第一建筑语义图；基于所述待处理区域的开源建筑矢量数据，确定出第二建筑语义图；基于所述第一建筑语义图和所述第二建筑语义图，构建所述遥感影像数据的建筑语义图。

进一步地，基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图，包括：利用预设开源算法，确定出所述遥感影像数据的建筑语义图中的二值图像连通域；基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图。

进一步地，基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据，包括：对所述DEM数据进行填充处理和平滑处理，得到中间DEM数据；基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述中间DEM数据，确定出所述二值图像连通域对应的中间DEM数据；对所述遥感影像数据中的连通区域的建筑语义图进行形态学处理，得到所述遥感影像数据中的连通区域的目标建筑语义图；利用所述遥感影像数据中的连通区域的目标建筑语义图，对所述二值图像连通域对应的中间DEM数据的进行平滑处理，得到所述目标DEM数据。

第二方面，本发明实施例还提供了一种DEM平整装置，包括：获取单元，用于获取待处理区域的遥感影像数据和DEM数据；第一确定单元，用于基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图；第二确定单元，用于基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；处理单元，用于基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据。

进一步地，所述第一确定单元，用于：利用深度神经网络语义分割模型，对所述遥感影像数据进行解译，得到第一建筑语义图；基于所述待处理区域的开源建筑矢量数据，确定出第二建筑语义图；基于所述第一建筑语义图和所述第二建筑语义图，构建所述遥感影像数据的建筑语义图。

进一步地，所述第二确定单元，用于：利用预设开源算法，确定出所述遥感影像数据的建筑语义图中的二值图像连通域；基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图。

进一步地，所述处理单元，用于：对所述DEM数据进行填充处理和平滑处理，得到中间DEM数据；基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述中间DEM数据，确定出所述二值图像连通域对应的中间DEM数据；对所述遥感影像数据中的连通区域的建筑语义图进行形态学处理，得到所述遥感影像数据中的连通区域的目标建筑语义图；利用所述遥感影像数据中的连通区域的目标建筑语义图，对所述二值图像连通域对应的中间DEM数据的进行平滑处理，得到所述目标DEM数据。

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，通过获取待处理区域的遥感影像数据和DEM数据；基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图；基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据，达到了对DEM进行快速高效的平滑处理的目的，进而解决了现有的DEM平整方法的效率较低的技术问题，从而实现了提高DEM数据平滑处理的效率的技术效果。

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DEM平整方法的流程图；

图2为本发明实施例提供的一种DEM平整装置的示意图；

图3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DEM平整方法的实施例，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DEM平整方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取待处理区域的遥感影像数据和DEM数据；

步骤S104，基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图；

步骤S106，基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；

步骤S108，基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据。

在本发明实施例中，通过获取待处理区域的遥感影像数据和DEM数据；基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图；基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据，达到了对DEM进行快速高效的平滑处理的目的，进而解决了现有的DEM平整方法的效率较低的技术问题，从而实现了提高DEM数据平滑处理的效率的技术效果。

在本发明实施例中，对遥感影像数据，使用训练好的深度神经网络语义分割模型（PointRender）N进行解译，得到第一建筑语义图。

接着，从开源建筑矢量中提取建筑轮廓，得到遥感影像数据的第二建筑语义图。

对与取并集，得到最终的建筑语义图。

在本发明实施例中，步骤S106包括如下步骤：

利用预设开源算法，确定出所述遥感影像数据的建筑语义图中的二值图像连通域；

基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图。

在本发明实施例中，对建筑语义图，使用opencv开源算法（cv.connectedComponents），计算该二值图像连通域，获取各个连通域的建筑语义，与相应位置DEM的数据。

在本发明实施例中，步骤S108包括如下步骤：

对所述DEM数据进行填充处理和平滑处理，得到中间DEM数据；

基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述中间DEM数据，确定出所述二值图像连通域对应的中间DEM数据；

对所述遥感影像数据中的连通区域的建筑语义图进行形态学处理，得到所述遥感影像数据中的连通区域的目标建筑语义图；

利用所述遥感影像数据中的连通区域的目标建筑语义图，对所述二值图像连通域对应的中间DEM数据的进行平滑处理，得到所述目标DEM数据。

在本发明实施例中，对DEM数据的矩阵进行图像修复（opencv cv.inpatint函数）操作，填补缺省值得到数据矩阵，再进行降采样5倍，再用双线性插值，高斯滤波，得到与原始数据同等形状的DEM矩阵，即完成了对初步的DEM的平滑处理，得到中间DEM数据，上述过程的表达式如下：

通过对DEM数据进行填充缺省值，同时进行初步平滑，使得道路、河流等跨度大的要素，在该DEM生成的地形模型上也能有较为平整贴合的表现。

接着，根据遥感影像数据的建筑语义图中的二值图像连通域和中间DEM数据，确定出二值图像连通域对应的中间DEM数据。

最后，对每个连通域的建筑语义图，为了规避一定的截断误差采用形态学处理，膨胀两次，腐蚀一次作为最终的语义图，最后将对应位置数值改为所有数值的平均值，完成平整。上述过程的表达式如下：

通过综合神经网络模型对遥感图像的解译，与现有公开的建筑矢量信息，分区域对DEM图像进一步平滑，让生成的地形在建筑区域平缓美观，达到城市建筑模型与地形模型吻合。

在本发明实施例中，结合人工智能及传统算法，通过遥感影像完成对低精DEM数据的优化平整处理，使之可以直接应用在大规模城市重建当中建设出平滑美观的地形。

进一步地，通过自动化处理、低成本生成方式，完成对低精DEM的优化处理，而不是只做修复填补。

实施例二：

本发明实施例还提供了一种DEM平整装置，该DEM平整装置用于执行本发明实施例上述内容所提供的DEM平整方法，以下是本发明实施例提供的DEM平整装置的具体介绍。

如图2所示，图2为上述DEM平整装置的示意图，该DEM平整装置包括：

获取单元10，用于获取待处理区域的遥感影像数据和DEM数据；

第一确定单元20，用于基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图；

第二确定单元30，用于基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；

处理单元40，用于基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据。

在本发明实施例中，通过获取待处理区域的遥感影像数据和DEM数据；基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图；基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据，达到了对DEM进行快速高效的平滑处理的目的，进而解决了现有的DEM平整方法的效率较低的技术问题，从而实现了提高DEM数据平滑处理的效率的技术效果。

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3，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-volatilememory），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3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(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，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 (6)

1.一种DEM平整方法，其特征在于，包括：

获取待处理区域的遥感影像数据和DEM数据；

基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图；

基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；

基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据；

其中，基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图，包括：

利用预设开源算法，确定出所述遥感影像数据的建筑语义图中的二值图像连通域；

基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；

其中，基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据，包括：

对所述 DEM数据进行填充处理和平滑处理，得到中间DEM数据；

基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述中间DEM数据，确定出所述二值图像连通域对应的中间DEM数据；

对所述遥感影像数据中的连通区域的建筑语义图进行形态学处理，得到所述遥感影像数据中的连通区域的目标建筑语义图；

利用所述遥感影像数据中的连通区域的目标建筑语义图，对所述二值图像连通域对应的中间DEM数据的进行平滑处理，得到所述目标DEM数据。

2.根据权利要求1所述的方法，其特征在于，基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图，包括：

利用深度神经网络语义分割模型，对所述遥感影像数据进行解译，得到第一建筑语义图；

基于所述待处理区域的开源建筑矢量数据，确定出第二建筑语义图；

基于所述第一建筑语义图和所述第二建筑语义图，构建所述遥感影像数据的建筑语义图。

3.一种DEM平整装置，其特征在于，包括：

获取单元，用于获取待处理区域的遥感影像数据和DEM数据；

第一确定单元，用于基于深度神经网络语义分割模型、所述遥感影像数据和所述待处理区域的开源建筑矢量数据，确定出所述遥感影像数据的建筑语义图；

第二确定单元，用于基于所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；

处理单元，用于基于所述遥感影像数据中的连通区域的建筑语义图，对所述DEM数据进行平滑处理，得到目标DEM数据；

其中，所述第二确定单元，用于：

利用预设开源算法，确定出所述遥感影像数据的建筑语义图中的二值图像连通域；

基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述遥感影像数据的建筑语义图，确定出所述遥感影像数据中的连通区域的建筑语义图；

其中，所述处理单元，用于：

对所述 DEM数据进行填充处理和平滑处理，得到中间DEM数据；

基于所述遥感影像数据的建筑语义图中的二值图像连通域和所述中间DEM数据，确定出所述二值图像连通域对应的中间DEM数据；

对所述遥感影像数据中的连通区域的建筑语义图进行形态学处理，得到所述遥感影像数据中的连通区域的目标建筑语义图；

利用所述遥感影像数据中的连通区域的目标建筑语义图，对所述二值图像连通域对应的中间DEM数据的进行平滑处理，得到所述目标DEM数据。

4.根据权利要求3所述的装置，其特征在于，所述第一确定单元，用于：

利用深度神经网络语义分割模型，对所述遥感影像数据进行解译，得到第一建筑语义图；

基于所述待处理区域的开源建筑矢量数据，确定出第二建筑语义图；

基于所述第一建筑语义图和所述第二建筑语义图，构建所述遥感影像数据的建筑语义图。

5.一种电子设备，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2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。

6.一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2任一项所述方法的步骤。

Images