CN116051777A - 超高层建筑提取方法、设备和可读存储介质 - Google Patents

超高层建筑提取方法、设备和可读存储介质 Download PDF

Info

Publication number
CN116051777A
CN116051777A CN202310344445.0A CN202310344445A CN116051777A CN 116051777 A CN116051777 A CN 116051777A CN 202310344445 A CN202310344445 A CN 202310344445A CN 116051777 A CN116051777 A CN 116051777A
Authority
CN
China
Prior art keywords
data
building
target
super high
elevation
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
Application number
CN202310344445.0A
Other languages
English (en)
Other versions
CN116051777B (zh
Inventor
陈天东
施钟淇
方东平
岳清瑞
刘宇舟
曹文希
金松燕
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.)
Urban Safety Development Science And Technology Research Institute Shenzhen
Shenzhen Technology Institute of Urban Public Safety Co Ltd
Original Assignee
Urban Safety Development Science And Technology Research Institute Shenzhen
Shenzhen Technology Institute of Urban Public Safety 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 Urban Safety Development Science And Technology Research Institute Shenzhen, Shenzhen Technology Institute of Urban Public Safety Co Ltd filed Critical Urban Safety Development Science And Technology Research Institute Shenzhen
Priority to CN202310344445.0A priority Critical patent/CN116051777B/zh
Publication of CN116051777A publication Critical patent/CN116051777A/zh
Application granted granted Critical
Publication of CN116051777B publication Critical patent/CN116051777B/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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请公开了一种超高层建筑提取方法、超高层建筑提取设备和计算机可读存储介质，该方法包括：根据预设区域的激光点云数据以及光学图像数据，确定所述预设区域对应的地面点数据以及非地面点数据；基于所述地面点数据、所述非地面点数据以及所述光学图像数据，构建数字高程模型、数字表面模型以及阴影图像；根据所述数字高程模型对应的目标高程数据，以及所述阴影图像，确定所述预设区域内的建筑矢量图；根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息。所以，有效解决了相关技术中超高层建筑物数据不准确，且数据更新不及时的技术问题，实现了及时、准确地更新目标区域的超高层建筑信息的技术效果。

Description

超高层建筑提取方法、设备和可读存储介质
技术领域
本申请涉及图像分析领域，尤其涉及一种超高层建筑提取方法、超高层建筑提取设备和计算机可读存储介质。
背景技术
随着社会的快速发展，建筑技术的进步，超高层建筑在城市中遍地开花，超高层建筑也成了衡量城市发展程度的一个标准。但是建筑物也不是越高越好，高度会带来极大的安全风险。因此在城市发展中，需要对建筑物的高度以及超高层建筑的数量、位置分布等进行监控，以确保城市有序、安全地发展。
在相关技术中，通常使用基于光学遥感卫星或SAR立体像对生成的数字表面模型并与已有地理数据库相结合的方式，来实现大区域建筑物的高度提取。
但是，基于SAR立体像对的方式在测量超高层建筑物数据时精度较低，导致数据更新不及时且误差较大。
发明内容
本申请实施例通过提供一种超高层建筑提取方法、超高层建筑提取设备和计算机可读存储介质，有效解决了相关技术中超高层建筑物数据不准确，且数据更新不及时的技术问题，实现了及时、准确地更新目标区域的超高层建筑信息的技术效果。
本申请实施例提供了一种超高层建筑提取方法，所述超高层建筑提取方法包括：
根据预设区域的激光点云数据以及光学图像数据，确定所述预设区域对应的地面点数据以及非地面点数据；
基于所述地面点数据、所述非地面点数据以及所述光学图像数据，构建数字高程模型、数字表面模型以及阴影图像；
根据所述数字高程模型对应的目标高程数据，以及所述阴影图像，确定所述预设区域内的建筑矢量图；
根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息。
可选地，所述根据预设区域的激光点云数据以及光学图像数据，确定所述预设区域对应的地面点数据以及非地面点数据，包括：
控制激光探测模块以及光学采集模块采集所述预设区域内的，所述激光点云数据以及所述光学图像数据；
基于分类算法，确定所述激光点云数据中的地面点以及非地面点；
根据所述光学图像数据修正所述地面点以及所述非地面点，以确定所述地面点数据以及所述非地面点数据。
可选地，所述基于所述地面点数据、所述非地面点数据以及所述光学图像数据，构建数字高程模型、数字表面模型以及阴影图像，包括：
对所述光学图像数据进行拼接以及弯曲校正，生成所述预设区域的建筑图像；
根据所述地面点数据构建不规则三角网模型；
按照预设的插值距离对所述不规则三角网模型进行内插值，根据插值后的所述不规则三角网模型生成所述数字高程模型；
对所述数字高程模型进行提取处理，确定所述阴影图像；
对所述地面点数据以及所述非地面点数据进行降噪处理，生成所述数字表面模型。
可选地，所述根据所述数字高程模型对应的目标高程数据，以及所述阴影图像，确定所述预设区域内的建筑矢量图，包括：
将所述数字高程模型进行图像展开，确定所述预设区域内的地表高程数据地图，并筛选出符合预设条件的目标高程数据；
确定所述目标高程数据对应的目标建筑，根据所述阴影图像确定所述目标建筑的轮廓信息；
根据所述目标高程数据以及所述轮廓信息，生成所述建筑矢量图。
可选地，所述将所述数字高程模型进行图像展开，确定所述预设区域内的地表高程数据地图，并筛选出符合预设条件的目标高程数据的步骤包括：
将所述数字高程模型以及所述数字表面模型进行图像展开以及坐标对齐；
提取展开后的位置坐标，以及所述位置坐标对应的地形高度以及地表高度；
以所述地形高度与所述地表高度的差值作为所述位置坐标的地表高程数据，并根据所述位置坐标以及对应的所述地表高程数据生成所述地表高程数据地图；
获取预设条件，提取所述地表高程数据地图中，满足所述预设条件的目标高程数据以及对应的目标位置坐标。
可选地，所述根据所述目标高程数据以及所述轮廓信息，生成所述建筑矢量图的步骤包括：
获取所述目标建筑的历史矢量图；
基于所述目标高程数据以及所述轮廓信息，确定所述目标建筑的矢量数据；
根据所述矢量数据更新所述历史矢量图包括的历史矢量数据，生成所述建筑矢量图。
可选地，所述根据所述目标高程数据以及所述轮廓信息，生成所述建筑矢量图的步骤之前，还包括：
根据所述轮廓信息确定所述目标建筑的附加物高度；
确定所述附加物高度与所述目标建筑的目标高程数据的差值，以所述差值更新所述目标建筑的所述目标高程数据。
可选地，所述根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息的步骤之后，还包括：
获取历史高程数据，其中，所述历史高程数据包括所述预设区域内建筑的历史矢量图；
将所述建筑矢量图与所述历史矢量图进行坐标对齐处理，更新每个坐标点位对应的目标建筑的矢量图。
此外，本申请还提出一种超高层建筑提取设备，所述超高层建筑提取设备包括存储器、处理器及存储在存储器上并可在处理器上运行的超高层建筑提取程序，所述处理器执行所述超高层建筑提取程序时实现如上所述的超高层建筑提取方法的步骤。
此外，本申请还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有超高层建筑提取程序，所述超高层建筑提取程序被处理器执行时实现如上所述的超高层建筑提取方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、由于采用了根据预设区域的激光点云数据以及光学图像数据，确定所述预设区域对应的地面点数据以及非地面点数据；基于所述地面点数据、所述非地面点数据以及所述光学图像数据，构建数字高程模型、数字表面模型以及阴影图像；根据所述数字高程模型对应的目标高程数据，以及所述阴影图像，确定所述预设区域内的建筑矢量图；根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息，所以，有效解决了相关技术中超高层建筑物数据不准确，且数据更新不及时的技术问题，实现了及时、准确地更新目标区域的超高层建筑信息的技术效果。
附图说明
图1为本申请超高层建筑提取方法实施例一的流程示意图；
图2为本申请超高层建筑提取方法实施例二的流程示意图；
图3为本申请超高层建筑提取设备实施例涉及的硬件结构示意图。
具体实施方式
在相关技术中，通常使用基于光学遥感卫星或SAR立体像对生成的数字表面模型并与已有地理数据库相结合的方式，来实现大区域建筑物的高度提取；但是，基于SAR立体像对的方式使用成本较高，故而不能频繁监测超高层建筑物数据，导致数据更新不及时。本申请实施例采用的主要技术方案是：结合激光点云数据以及光学图像数据，确定预设区域内的数字高程模型、数字表面模型以及阴影图像；根据数字高程模型对应的目标高程数据，修改所述阴影图像，以确定所述预设区域内的建筑矢量图；根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息。从而实现了及时、准确地更新目标区域的超高层建筑信息的技术效果。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
实施例一
本申请实施例一公开了一种超高层建筑提取方法，参照图1，所述超高层建筑提取方法包括：
步骤S110，根据预设区域的激光点云数据以及光学图像数据，确定所述预设区域对应的地面点数据以及非地面点数据；
在本实施例中，预设区域为预设的需要进行超高层建筑筛查的区域，地面点数据为根据激光点云数据确定的地面点的相关信息，包括但不限于坐标、海拔。超高层建筑根据各地的标准不同，高度也不同。可以是40层以上，高度100米以上的建筑物。
可选的，使用三维激光扫描仪获取激光点云数据，其中，三维激光扫描仪主要是一部快速准确的激光测距仪加上一组反光棱镜，加高清摄像机组成。激光测距仪采用脉冲式测量，可以主动发射激光同时接收来自自然物体的反射信号进行测距，针对每一扫描点可测得测站至扫描点的斜距，结合扫描的水平角和竖直角，可以求得每一扫描点与测站点之间的坐标差，若测站点和一个定向点的坐标已知，则可以求得每一个扫描点的三维坐标。
作为一种可选实施方式，按照地面点分类要求进行人工精细点云编辑。精细分类的过程是人工交互编辑分类的过程，通过大量的人工干预，提取边坡地面点云数据。
可选的，步骤S110包括：
步骤S111，控制激光探测模块以及光学采集模块采集所述预设区域内的，所述激光点云数据以及所述光学图像数据；
步骤S112，基于分类算法，确定所述激光点云数据中的地面点以及非地面点；
步骤S113，根据所述光学图像数据修正所述地面点以及所述非地面点，以确定所述地面点数据以及所述非地面点数据。
作为一种可选实施方式，控制激光探测模块采集预设区域内的激光点云数据，控制光学采集模块采集预设区域内的光学图像数据；基于预设的分类算法，筛选出激光点云数据中对应的地面点以及非地面点，其中地面点为地表的特征点位，非地面点为地表之外的建筑、桥梁及天空等点位；根据光学图像数据修正地面点以及非地面点，对误判的点位进行修正；确定地面点对应的信息以及非地面点对应的信息，以此生成地面点数据以及非地面点数据。
可选地，在运行分类算法确定地面点以及非地面点后，可以进行人机交互以进一步筛选地面点以及非地面点。
示例性的，将激光探测模块和光学采集模块装载至无人机等飞行器上，通过控制飞行器飞行采集激光点云数据以及光学图像数据，并对采集到的数据进行拼接处理，以生成预设区域完整的激光点云数据以及光学图像数据。
步骤S120，基于所述地面点数据、所述非地面点数据以及所述光学图像数据，构建数字高程模型、数字表面模型以及阴影图像；
在本实施例中，数字高程模型是通过有限的地形高程数据实现对地面地形的数字化模拟（即地形表面形态的数字化表达），它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。数字表面模型是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。和数字高程模型相比，数字高程模型只包含了地形的高程信息，并未包含其他地表信息，数字表面模型是在数字高程模型的基础上，进一步涵盖了除地面以外的其他地表信息的高程。
可选地，步骤S120包括：
步骤S121，对所述光学图像数据进行拼接以及弯曲校正，生成所述预设区域的建筑图像；
步骤S122，根据所述地面点数据构建不规则三角网模型；
步骤S123，按照预设的插值距离对所述不规则三角网模型进行内插值，根据插值后的所述不规则三角网模型生成所述数字高程模型；
步骤S124，对所述数字高程模型进行提取处理，确定所述阴影图像；
步骤S125，对所述地面点数据以及所述非地面点数据进行降噪处理，生成所述数字表面模型。
在本实施例中，不规则三角网模型采用一系列相连接的三角形拟合地表或其他不规则表面。
作为一种可选实施方式，对光学图像数据进行拼接以及弯曲校正，以得到预设区域内完整的建筑图像；根据地面点数据构建不规则三角网模型，按照预设的插值距离对不规则三角网模型进行内插值，使得插值后的不规则三角网模型点位间距为预设的插值距离，根据插值后的不规则三角网模型生成数字高程模型；根据所述数字高程模型进行提取处理，得到各个建筑的阴影图像；对地面点数据以及非地面点数据进行降噪处理，根据处理后的地面点数据以及非地面点数据生成对应的不规则三角网模型，并构建数字表面模型。
可选地，步骤S124以及步骤S125的顺序不做具体限定。即也可以先确定数字表面模型，再生成阴影图像。
示例性的，为了适应本申请的方案，采用0.5米间隔作为预设插值距离。
步骤S130，根据所述数字高程模型对应的目标高程数据，以及所述阴影图像，确定所述预设区域内的建筑矢量图；
作为一种可选实施方式，获取数字高程模型以及数字表面模型在同一坐标对应的栅格数据，获取两者栅格数据之间，数据值大于一百米的差值，确定该差值对应的栅格数据为目标高程数据；根据阴影图像确定目标建筑物的轮廓信息，结合所述轮廓信息、所述目标高程数据以及历史矢量图，确定目标建筑物的建筑矢量图，进而确定预设区域内全部超高层建筑的建筑矢量图。
作为另一种可选实施方式，根据建筑图像确定目标建筑的轮廓信息，并结合所述轮廓信息、目标高程数据以及历史矢量图，确定目标建筑物的建筑矢量图，进而确定预设区域内全部超高层建筑的建筑矢量图。
示例性的，获取需要提取房屋轮廓区域的原图像，所述原图像是在预设高度对该区域拍摄的二维正射影像；将原图像通过影像遍历得到覆盖所述原图像的所有区域的子图像；将得到的子图像逐一载入房屋检测模型，得到每张子图像中每栋房屋的矩形区域图像；将获得的每栋房屋的矩形区域图像输入模糊轮廓提取网络模型，获得每张图像的模糊轮廓灰度图；将获得的模糊轮廓灰度图中间十六分之一的矩形区域内的像素置为零；将灰度图采用注水填充法获取房屋区域二值图；提取二值图像的轮廓，然后以等距放大的方法将轮廓扩大一定像素；将房屋轮廓采用最小矩形拟合方式获取房屋的最终矩形轮廓；计算轮廓的像素面积Spixel，结合所述影像单位像素代表的实际距离d，计算出房屋的真实面积S，计算公式如式如下：S＝Spixel*d*d。
步骤S140，根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息。
在本实施例中，目标高程数据为预设区域内每栋建筑物相距于地表的高度，建筑矢量图为包含每栋超高层建筑边缘信息的矢量图。超高层建筑信息为每栋超高层建筑的高度以及位置信息。
作为一种可选实施方式，根据数字高程模型以及数字表面模型确定预设区域内所有建筑物的高程数据，根据预设高程阈值，确定大于或者等于高程阈值的高程数据为目标高程数据；根据每栋建筑的目标高程数据，结合阴影图像确定每栋建筑的建筑矢量图；根据建筑矢量图包含的信息确定预设区域内的超高层建筑，以及每栋超高层建筑的位置坐标以及高度；以此生成超高层建筑信息。
示例性的，生成预设区域的超高层建筑信息，可以确定预设区域内的超高层建筑的高度以及位置坐标，并可以统计超高层建筑的数量。
可选地，步骤S140之后，还包括：
步骤S150，获取历史高程数据，其中，所述历史高程数据包括所述预设区域内建筑的历史矢量图；
步骤S160，将所述建筑矢量图与所述历史矢量图进行坐标对齐处理，更新每个坐标点位对应的目标建筑的矢量图。
作为一种可选实施方式，获取历史高程数据，所述历史高程数据包括预设区域内历史超高层建筑的矢量图，将历史矢量图与建筑矢量图进行坐标对齐，坐标对齐后更新建筑的矢量图。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：
由于采用了根据预设区域的激光点云数据以及光学图像数据，确定所述预设区域对应的地面点数据以及非地面点数据；基于所述地面点数据、所述非地面点数据以及所述光学图像数据，构建数字高程模型、数字表面模型以及阴影图像；根据所述数字高程模型对应的目标高程数据，以及所述阴影图像，确定所述预设区域内的建筑矢量图；根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息，所以，有效解决了相关技术中超高层建筑物数据不准确，且数据更新不及时的技术问题，实现了及时、准确地更新目标区域的超高层建筑信息的技术效果。
实施例二
基于实施例一，本申请实施例二公开一种超高层建筑提取方法，参照图2，步骤S130包括：
步骤S210，将所述数字高程模型进行图像展开，确定所述预设区域内的地表高程数据地图，并筛选出符合预设条件的目标高程数据；
在本实施例中，将数字高程模型以及数字表面模型进行图像展开以及坐标对齐；地表高程数据地图包括了预设区域内各个坐标位置对应的地表以上的高度数据；目标高程数据为满足预设条件的高度数据。
可选的，步骤S210包括：
步骤S211，将所述数字高程模型以及所述数字表面模型进行图像展开以及坐标对齐；
步骤S212，提取展开后的位置坐标，以及所述位置坐标对应的地形高度以及地表高度；
作为一种可选实施方式，提取图像展开后的位置坐标，以数字高程模型中位置坐标对应的高度数据作为地形高度，以数字表面模型中位置坐标对应的高度数据作为地表高度。
步骤S213，以所述地形高度与所述地表高度的差值作为所述位置坐标的地表高程数据，并根据所述位置坐标以及对应的所述地表高程数据生成所述地表高程数据地图；
步骤S214，获取预设条件，提取所述地表高程数据地图中，满足所述预设条件的目标高程数据以及对应的目标位置坐标。
作为一种可选实施方式，将数字高程模型以及地表高程模型进行图像展开以及坐标对齐，根据数字高程模型以及地表高程模型对于每个位置坐标的高度数据，确定每个位置坐标对应的地面以上的高度数据，以每个为位置坐标对应的高度数据作为地表高程数据，并生成地表高程数据地图；根据预设条件，选取满足预设条件的目标高程数据以及对应的目标位置坐标。
示例性的，预设条件为100米。
步骤S220，确定所述目标高程数据对应的目标建筑，根据所述阴影图像确定所述目标建筑的轮廓信息；
作为一种可选实施方式，根据目标高程数据对应的位置坐标，结合光学图形数据确定目标建筑；根据阴影图像确定所述目标建筑的轮廓信息。
步骤S230，根据所述目标高程数据以及所述轮廓信息，生成所述建筑矢量图。
可选的，步骤S230包括：
步骤S231，获取所述目标建筑的历史矢量图；
步骤S232，基于所述目标高程数据以及所述轮廓信息，确定所述目标建筑的矢量数据；
步骤S233，根据所述矢量数据更新所述历史矢量图包括的历史矢量数据，生成所述建筑矢量图。
作为一种可选实施方式，获取目标建筑的历史矢量图，根据建筑图像以及目标高程数据，结合根据阴影图像确定的轮廓信息，根据结合后的数据信息确定目标建筑的矢量数据；根据矢量数据对历史矢量数据进行修正，以生成建筑矢量图；其中建筑矢量图包括预设区域内所有目标建筑的矢量数据、高度信息以及位置坐标。
示例性的，利用预设的算法，对轮廓信息进行修正，得到目标建筑的矢量数据。
示例性的，采取人机交互的方式，根据建筑图像以及目标高程数据，对根据阴影图像确定的轮廓信息进行修正，根据修正后的轮廓信息确定目标建筑的矢量数据。
可选地，在步骤S230之前，还包括：
步骤S1，根据所述轮廓信息确定所述目标建筑的附加物高度；
步骤S2，确定所述附加物高度与所述目标建筑的目标高程数据的差值，以所述差值更新所述目标建筑的所述目标高程数据。
作为一种可选实施方式，由于建筑物的顶部可能存在空调外机、基站等设备，导致获取到的目标高程数据比建筑物实际的高度要高，因此利用识别算法，根据轮廓信息确定目标建筑的附加物，确定附加物的高度；获取附加物高度与目标建筑的目标高程数据的差值，以目标高程数据减去差值后的值为目标建筑新的目标高程数据。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：
由于采用了将所述数字高程模型进行图像展开，确定所述预设区域内的地表高程数据地图，并筛选出符合预设条件的目标高程数据；确定所述目标高程数据对应的目标建筑，根据所述阴影图像确定所述目标建筑的轮廓信息；根据所述目标高程数据以及所述轮廓信息，生成所述建筑矢量图。所以，有效解决了相关技术中超高层建筑物数据不准确，且数据更新不及时的技术问题，实现了及时、准确地更新目标区域的超高层建筑信息的技术效果。
实施例三
基于实施例一，本申请实施例三提出一种超高层建筑提取方法，超高层建筑提取方法，还包括：
步骤S310，对预设区域的激光点云数据进行地物分类，去除噪声点，生成地面点数据以及非地面点数据；
步骤S320，根据所述地面点数据生成数字高程模型，并根据所述非地面点数据生成数字表面模型；
在本实施例中，地面点数据为采集到的预设区域内，位于地表的点云数据，非地面点数据为地表以上建筑物的点云数据。
作为一种可选实施方式，在采集到预设区域内的光学图像数据以及激光点云数据后，对激光点云数据进行地物分类，并去除点云数据中代表蓝天，白云等于建筑物无关的点云数据，得到地面点数据以及非地面点数据；根据所述地面点数据生成数字高程模型，数字高程模型是描述地表起伏形态特征的空间数据模型，由地面规则格网点的高程值构成的矩阵，形成栅格结构数据集。并根据所述非地面点数据生成数字表面模型。
步骤S330，将所述数字高程模型以及所述数字表面模型，基于地图数据在相同定位点处作差，得到栅格数据；
步骤S340，提取大于100米的栅格数据为目标栅格数据，根据所述目标栅格数据提取建筑物矢量数据；
作为一种可选实施方式，将数字高程模型以及数字表面模型基于地图数据进行坐标对齐，根据相同坐标点位处的地表模型数据以及数字高程数据作差，得到包含每个坐标点位处高度信息的栅格数据；提取高程大于100米的栅格数据，得到目标栅格数据，再结合光学图像数据对应的栅格正射影像以及目标栅格数据，得到建筑物轮廓的矢量数据；去除目标栅格数据中的错误信息，并根据错误信息修正所述矢量数据。
示例性的，获取某坐标点位处目标栅格数据对应的面积一，与该点处矢量数据对应的面积二，当面积一除以面积二得到的比值小于四分之一时，删除该部分的矢量数据。
可选的，在获取目标栅格数据后，根据光学图像数据，获取建筑物顶层之上其余设备的高度，根据高度修正目标栅格数据。
示例性的，获取到某点处，建筑物的目标栅格数据为102米，但是通过光学图像数据以及栅格数据进行比对，确定该建筑物顶层之上，还装有基站、空调外机等设备，其中最高设备的高度为4米，则修正后的栅格数据为98米，小于100米，则将该建筑物对应的栅格数据从目标栅格数据中去除。
步骤S350，基于所述目标栅格数据更新所述建筑物矢量数据。
作为一种可选实施方式，将目标栅格数据以及矢量数据进行空间相关性连接，即根据坐标点位一一对应，使得将高程信息登记在矢量数据上；根据矢量数据对应的地理位置以及光学图像信息，再结合接收到的实地考察数据，生成目标矢量数据。
本申请还提出一种超高层建筑提取设备，参照图3，图3为本申请实施例方案涉及的硬件运行环境的超高层建筑提取设备结构示意图。
如图3所示，该超高层建筑提取设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图3中示出的结构并不构成对超高层建筑提取设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
可选地，存储器1005与处理器1001电性连接，处理器1001可用于控制存储器1005的运行，还可以读取存储器1005中的数据以实现超高层建筑提取。
可选地，如图3所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及超高层建筑提取程序。
可选地，在图3所示的超高层建筑提取设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本申请超高层建筑提取设备中的处理器1001、存储器1005可以设置在超高层建筑提取设备中。
如图3所示，所述超高层建筑提取设备通过处理器1001调用存储器1005中存储的超高层建筑提取程序，并执行本申请实施例提供的超高层建筑提取方法的相关步骤操作：
根据预设区域的激光点云数据以及光学图像数据，确定所述预设区域对应的地面点数据以及非地面点数据；
基于所述地面点数据、所述非地面点数据以及所述光学图像数据，构建数字高程模型、数字表面模型以及阴影图像；
根据所述数字高程模型对应的目标高程数据，以及所述阴影图像，确定所述预设区域内的建筑矢量图；
根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息。
可选地，处理器1001可以调用存储器1005中存储的超高层建筑提取程序，还执行以下操作：
控制激光探测模块以及光学采集模块采集所述预设区域内的，所述激光点云数据以及所述光学图像数据；
基于分类算法，确定所述激光点云数据中的地面点以及非地面点；
根据所述光学图像数据修正所述地面点以及所述非地面点，以确定所述地面点数据以及所述非地面点数据。
可选地，处理器1001可以调用存储器1005中存储的超高层建筑提取程序，还执行以下操作：
对所述光学图像数据进行拼接以及弯曲校正，生成所述预设区域的建筑图像；
根据所述地面点数据构建不规则三角网模型；
按照预设的插值距离对所述不规则三角网模型进行内插值，根据插值后的所述不规则三角网模型生成所述数字高程模型；
对所述数字高程模型进行提取处理，确定所述阴影图像；
对所述地面点数据以及所述非地面点数据进行降噪处理，生成所述数字表面模型。
可选地，处理器1001可以调用存储器1005中存储的超高层建筑提取程序，还执行以下操作：
将所述数字高程模型进行图像展开，确定所述预设区域内的地表高程数据地图，并筛选出符合预设条件的目标高程数据；
确定所述目标高程数据对应的目标建筑，根据所述阴影图像确定所述目标建筑的轮廓信息；
根据所述目标高程数据以及所述轮廓信息，生成所述建筑矢量图。
可选地，处理器1001可以调用存储器1005中存储的超高层建筑提取程序，还执行以下操作：
将所述数字高程模型以及所述数字表面模型进行图像展开以及坐标对齐；
提取展开后的位置坐标，以及所述位置坐标对应的地形高度以及地表高度；
以所述地形高度与所述地表高度的差值作为所述位置坐标的地表高程数据，并根据所述位置坐标以及对应的所述地表高程数据生成所述地表高程数据地图；
获取预设条件，提取所述地表高程数据地图中，满足所述预设条件的目标高程数据以及对应的目标位置坐标。
可选地，处理器1001可以调用存储器1005中存储的超高层建筑提取程序，还执行以下操作：
获取所述目标建筑的历史矢量图；
基于所述目标高程数据以及所述轮廓信息，确定所述目标建筑的矢量数据；
根据所述矢量数据更新所述历史矢量图包括的历史矢量数据，生成所述建筑矢量图。
可选地，处理器1001可以调用存储器1005中存储的超高层建筑提取程序，还执行以下操作：
确定所述附加物高度与所述目标建筑的目标高程数据的差值，以所述差值更新所述目标建筑的所述目标高程数据。
可选地，处理器1001可以调用存储器1005中存储的超高层建筑提取程序，还执行以下操作：
获取历史高程数据，其中，所述历史高程数据包括所述预设区域内建筑的历史矢量图；
将所述建筑矢量图与所述历史矢量图进行坐标对齐处理，更新每个坐标点位对应的目标建筑的矢量图。
此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有超高层建筑提取程序，所述超高层建筑提取程序被处理器执行时实现如上所述超高层建筑提取方法任一实施例的相关步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本申请的优选实施例，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申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种超高层建筑提取方法，其特征在于，所述超高层建筑提取方法包括：
根据预设区域的激光点云数据以及光学图像数据，确定所述预设区域对应的地面点数据以及非地面点数据；
基于所述地面点数据、所述非地面点数据以及所述光学图像数据，构建数字高程模型、数字表面模型以及阴影图像；
根据所述数字高程模型对应的目标高程数据，以及所述阴影图像，确定所述预设区域内的建筑矢量图；
根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息。
2.如权利要求1所述的超高层建筑提取方法，其特征在于，所述根据预设区域的激光点云数据以及光学图像数据，确定所述预设区域对应的地面点数据以及非地面点数据，包括：
控制激光探测模块以及光学采集模块采集所述预设区域内的，所述激光点云数据以及所述光学图像数据；
基于分类算法，确定所述激光点云数据中的地面点以及非地面点；
根据所述光学图像数据修正所述地面点以及所述非地面点，以确定所述地面点数据以及所述非地面点数据。
3.如权利要求1所述的超高层建筑提取方法，其特征在于，所述基于所述地面点数据、所述非地面点数据以及所述光学图像数据，构建数字高程模型、数字表面模型以及阴影图像，包括：
对所述光学图像数据进行拼接以及弯曲校正，生成所述预设区域的建筑图像；
根据所述地面点数据构建不规则三角网模型；
按照预设的插值距离对所述不规则三角网模型进行内插值，根据插值后的所述不规则三角网模型生成所述数字高程模型；
对所述数字高程模型进行提取处理，确定所述阴影图像；
对所述地面点数据以及所述非地面点数据进行降噪处理，生成所述数字表面模型。
4.如权利要求1所述的超高层建筑提取方法，其特征在于，所述根据所述数字高程模型对应的目标高程数据，以及所述阴影图像，确定所述预设区域内的建筑矢量图，包括：
将所述数字高程模型进行图像展开，确定所述预设区域内的地表高程数据地图，并筛选出符合预设条件的目标高程数据；
确定所述目标高程数据对应的目标建筑，根据所述阴影图像确定所述目标建筑的轮廓信息；
根据所述目标高程数据以及所述轮廓信息，生成所述建筑矢量图。
5.如权利要求4所述的超高层建筑提取方法，其特征在于，所述将所述数字高程模型进行图像展开，确定所述预设区域内的地表高程数据地图，并筛选出符合预设条件的目标高程数据的步骤包括：
将所述数字高程模型以及所述数字表面模型进行图像展开以及坐标对齐；
提取展开后的位置坐标，以及所述位置坐标对应的地形高度以及地表高度；
以所述地形高度与所述地表高度的差值作为所述位置坐标的地表高程数据，并根据所述位置坐标以及对应的所述地表高程数据生成所述地表高程数据地图；
获取预设条件，提取所述地表高程数据地图中，满足所述预设条件的目标高程数据以及对应的目标位置坐标。
6.如权利要求4所述的超高层建筑提取方法，其特征在于，所述根据所述目标高程数据以及所述轮廓信息，生成所述建筑矢量图的步骤包括：
获取所述目标建筑的历史矢量图；
基于所述目标高程数据以及所述轮廓信息，确定所述目标建筑的矢量数据；
根据所述矢量数据更新所述历史矢量图包括的历史矢量数据，生成所述建筑矢量图。
7.如权利要求4所述的超高层建筑提取方法，其特征在于，所述根据所述目标高程数据以及所述轮廓信息，生成所述建筑矢量图的步骤之前，还包括：
根据所述轮廓信息确定所述目标建筑的附加物高度；
确定所述附加物高度与所述目标建筑的目标高程数据的差值，以所述差值更新所述目标建筑的所述目标高程数据。
8.如权利要求1所述的超高层建筑提取方法，其特征在于，所述根据所述建筑矢量图确定所述预设区域对应的超高层建筑信息的步骤之后，还包括：
获取历史高程数据，其中，所述历史高程数据包括所述预设区域内建筑的历史矢量图；
将所述建筑矢量图与所述历史矢量图进行坐标对齐处理，更新每个坐标点位对应的目标建筑的矢量图。
9.一种超高层建筑提取设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的超高层建筑提取程序，所述处理器执行所述超高层建筑提取程序时实现如权利要求1至8任一项所述的超高层建筑提取方法的步骤。
10.一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上存储有超高层建筑提取程序，所述超高层建筑提取程序被处理器执行时实现如权利要求1至8任一项所述的超高层建筑提取方法的步骤。
CN202310344445.0A 2023-04-03 2023-04-03 超高层建筑提取方法、设备和可读存储介质 Active CN116051777B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310344445.0A CN116051777B (zh) 2023-04-03 2023-04-03 超高层建筑提取方法、设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310344445.0A CN116051777B (zh) 2023-04-03 2023-04-03 超高层建筑提取方法、设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN116051777A true CN116051777A (zh) 2023-05-02
CN116051777B CN116051777B (zh) 2023-06-06

Family

ID=86120437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310344445.0A Active CN116051777B (zh) 2023-04-03 2023-04-03 超高层建筑提取方法、设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN116051777B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116912320A (zh) * 2023-09-13 2023-10-20 齐鲁空天信息研究院 对象高程坐标的定位方法、装置、电子设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150235325A1 (en) * 2012-08-22 2015-08-20 University Of Alaska Management of Tax Information Based on Topographical Information
CN107967713A (zh) * 2017-11-21 2018-04-27 泰瑞数创科技(北京)有限公司 基于空间点云数据的建筑物三维模型构建方法和系统
CN112927370A (zh) * 2021-02-25 2021-06-08 苍穹数码技术股份有限公司 三维建筑物模型构建方法、装置、电子设备及存储介质
CN113034689A (zh) * 2021-04-30 2021-06-25 睿宇时空科技(重庆)有限公司 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质
US20210201570A1 (en) * 2019-12-26 2021-07-01 Electronics And Telecommunications Research Institute Method and apparatus for generating digital surface model using satellite imagery
CN114283213A (zh) * 2021-12-23 2022-04-05 陈林霞 联合LiDAR点云与光学图像的房屋自适应矢量化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150235325A1 (en) * 2012-08-22 2015-08-20 University Of Alaska Management of Tax Information Based on Topographical Information
CN107967713A (zh) * 2017-11-21 2018-04-27 泰瑞数创科技(北京)有限公司 基于空间点云数据的建筑物三维模型构建方法和系统
US20210201570A1 (en) * 2019-12-26 2021-07-01 Electronics And Telecommunications Research Institute Method and apparatus for generating digital surface model using satellite imagery
CN112927370A (zh) * 2021-02-25 2021-06-08 苍穹数码技术股份有限公司 三维建筑物模型构建方法、装置、电子设备及存储介质
CN113034689A (zh) * 2021-04-30 2021-06-25 睿宇时空科技(重庆)有限公司 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质
CN114283213A (zh) * 2021-12-23 2022-04-05 陈林霞 联合LiDAR点云与光学图像的房屋自适应矢量化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LIN YANG 等: "3D reconstruction of building facade with fused data of terrestrial LiDAR data and optical image", 《OPTIK》, vol. 127, no. 4, pages 2165 - 2168, XP029381274, DOI: 10.1016/j.ijleo.2015.11.147 *
谢嘉丽: "基于高分辨率遥感影像的农村建筑物信息提取若干关键技术研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》, vol. 3, pages 028 - 14 *
邓博 等: "利用机载LiDAR的深圳斜坡类地质灾害危险性评价", 《武汉大学学报(信息科学版)》, pages 1 - 19 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116912320A (zh) * 2023-09-13 2023-10-20 齐鲁空天信息研究院 对象高程坐标的定位方法、装置、电子设备及介质
CN116912320B (zh) * 2023-09-13 2023-12-22 齐鲁空天信息研究院 对象高程坐标的定位方法、装置、电子设备及介质

Also Published As

Publication number Publication date
CN116051777B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
Gruszczyński et al. Comparison of low-altitude UAV photogrammetry with terrestrial laser scanning as data-source methods for terrain covered in low vegetation
EP3223191B1 (en) Creation of a 3d city model from oblique imaging and lidar data
US7983474B2 (en) Geospatial modeling system and related method using multiple sources of geographic information
US8116530B2 (en) Map change detection device, map change detection method, and program
US8179393B2 (en) Fusion of a 2D electro-optical image and 3D point cloud data for scene interpretation and registration performance assessment
CN110866531A (zh) 一种基于三维建模的建筑物特征提取方法、系统及存储介质
CN112652065A (zh) 三维社区建模方法、装置、计算机设备及存储介质
US7778808B2 (en) Geospatial modeling system providing data thinning of geospatial data points and related methods
CN111323788B (zh) 建筑物变化的监测方法、装置及计算机设备
CN116051777B (zh) 超高层建筑提取方法、设备和可读存储介质
JP6146731B2 (ja) 座標補正装置、座標補正プログラム、及び座標補正方法
CN114387408A (zh) 数字高程模型的生成方法、装置及计算机可读存储介质
KR101079475B1 (ko) 포인트 클라우드 필터링을 이용한 3차원 도시공간정보 구축 시스템
CN116106904B (zh) 面向对象MT-InSAR的设施变形监测方法及设备
CN117197339A (zh) 一种基于dem的模型展示方法、装置、设备及存储介质
CN107784666B (zh) 基于立体影像的地形地物三维变化检测和更新方法
JP3966419B2 (ja) 変化領域認識装置および変化認識システム
CN111028178B (zh) 一种基于深度学习的遥感影像数据自动化几何纠正方法
CN114019532A (zh) 工程进度核查方法及设备
KR101114904B1 (ko) 도화원도와 항공 레이저 측량 데이터를 이용한 도시공간정보 구축 시스템 및 그 방법
CN117830540A (zh) 一种三维模型构建方法、装置、设备及存储介质
CN117197341A (zh) 一种露天矿山三维地形模型的构建方法
CN116310756A (zh) 遗迹识别方法、装置、电子设备及计算机存储介质
CN113379914A (zh) 视觉走廊分析图的生成方法、装置及计算机设备
CN116817849A (zh) 建筑物风险监测方法、终端设备及计算机可读存储介质

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