CN117745969A - 建筑物的单体化方法、装置、及相关设备 - Google Patents
建筑物的单体化方法、装置、及相关设备 Download PDFInfo
- Publication number
- CN117745969A CN117745969A CN202211124288.4A CN202211124288A CN117745969A CN 117745969 A CN117745969 A CN 117745969A CN 202211124288 A CN202211124288 A CN 202211124288A CN 117745969 A CN117745969 A CN 117745969A
- Authority
- CN
- China
- Prior art keywords
- building
- contour information
- contour
- target area
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000000178 monomer Substances 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 20
- 239000002131 composite material Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 238000012876 topography Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本申请提供一种建筑物的单体化方法、装置、及相关设备,该方法包括:获取目标区域的数字表面模型和正射影像,数字表面模型和正射影像是基于预先获取的目标区域的实景三维模型得到的;基于数字表面模型和正射影像,采用预设的第一轮廓确定方式确定目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;基于数字表面模型和正射影像,采用预设的第二轮廓确定方式确定目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;将第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到目标区域的第三建筑物轮廓信息;基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。本申请实施例使得本申请得到的建筑物单体三维模型更加准确。
Description
技术领域
本申请涉及三维建模技术领域,具体涉及一种建筑物的单体化方法、装置、及相关设备。
背景技术
实景三维作为数字城市推进实施的一项重要新型空间信息数据资源,受到了广泛的关注。受益于遥感测绘、大数据、云计算、智能感知等新技术,实景三维技术也得到了飞速发展。然而,由于实景三维数据以三角面片为基本单元的特殊数据结构形成,难以将其与地理实体直接对应,导致对大部分实景三维数据的使用仍停留在浏览的层面,造成数据资源的浪费。
目前通过对实景三维数据中的建筑物进行单体化,可方便对于建筑物后续的属性挂接和数据管理,并提高实景三维模型的利用率。
在对建筑物进行单体化时,主要是基于正射影像来提取建筑物的轮廓,但基于正射影像单独提取出的轮廓往往不够准确,导致建筑物单体化的准确度也较低。因此,如何提高建筑物单体化的准确度,是三维建模技术领域亟需解决的技术问题。
发明内容
本申请提供一种建筑物的单体化方法、装置、及相关设备,旨在解决如何提高建筑物单体化的准确度的技术问题。
一方面,本申请提供一种建筑物的单体化方法,所述方法包括:
获取目标区域的数字表面模型和正射影像,所述目标区域包含有建筑物,所述数字表面模型和所述正射影像是基于预先获取的所述目标区域的实景三维模型得到的;
基于所述数字表面模型和所述正射影像,采用预设的第一轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;
基于所述数字表面模型和所述正射影像,采用预设的第二轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;
将所述第一建筑物轮廓信息与所述第二建筑物轮廓信息进行合并,得到所述目标区域的第三建筑物轮廓信息;
基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型。
在本申请一种可能的实现方式中,所述基于所述数字表面模型和所述正射影像,采用预设的第一轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第一建筑物轮廓信息,包括:
基于所述数字表面模型,确定所述目标区域的数字高程模型;
获取所述数字表面模型中的高度参数和所述数字高程模型中的高度参数;
计算所述数字表面模型中的高度参数与所述数字高程模型中的高度参数之间的高度差值集合;
将所述高度差值集合与所述正射影像进行合并,得到所述目标区域的四波段合成影像,所述四波段合成影像中四个波段分别为所述正射影像中红、绿、蓝分量的强度值,以及所述高度差值集合中的高度差值;
基于所述四波段合成影像,确定所述第一建筑物轮廓信息。
在本申请一种可能的实现方式中,所述基于所述四波段合成影像,确定所述第一建筑物轮廓信息,包括:
将所述四波段合成影像划分为相互重叠的多个均匀格网;
基于预设的实例分割网络模型,提取多个均匀格网中所有格网中的建筑物轮廓,得到所有格网的建筑物轮廓集;
将所有格网的建筑物轮廓集进行合并,得到所述第一建筑物轮廓信息。
在本申请一种可能的实现方式中,所述基于所述数字表面模型和所述正射影像,采用预设的第二轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第二建筑物轮廓信息,包括:
以预设的第一高度阈值对所述目标区域的数字表面模型与数字高程模型之间的高度差值集合进行二值化处理,得到第一二值化图,所述第一二值化图中的高度差值大于预设的第一高度阈值;
基于所述第一二值化图和所述正射影像,确定所述第二建筑物轮廓信息。
在本申请一种可能的实现方式中,所述基于所述第一二值化图和所述正射影像,确定所述第二建筑物轮廓信息,包括:
基于所述正射影像中像素点的红、绿、蓝分量的强度值,计算所述像素点的植被指数;
以预设的植被指数阈值对所述正射影像中的植被指数进行二值化处理,得到第二二值化图,将所述第二二值化图的区域作为所述正射影像中的非植被区域,所述非植被区域中的植被指数小于预设的植被指数阈值;
计算所述非植被区域与所述第一二值化图的并集,得到并集所在区域;
基于所述并集所在区域,确定所述第二建筑物轮廓信息。
在本申请一种可能的实现方式中,所述基于所述并集所在区域,确定所述第二建筑物轮廓信息,包括:
对所述正射影像进行超像素分割处理,得到所述正射影像中多个超像素区域,每一超像素区域包括多个像素;
计算各个超像素区域与所述并集所在区域的重合区域面积;
基于所述重合区域面积,确定所述多个超像素区域中的目标超像素区域;
将所述目标超像素区域的轮廓信息,作为所述第二建筑物轮廓信息。
在本申请一种可能的实现方式中,所述基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型,包括:
在所述第三建筑物轮廓信息中,确定所述第一建筑物轮廓信息与所述第二建筑物轮廓信息相交的轮廓部分,相交的轮廓部分包括属于所述第一建筑物轮廓信息的第一轮廓部分和属于所述第二建筑物轮廓信息的第二轮廓部分;
获取所述第一轮廓部分与所述第二轮廓部分之间的交并比;
若所述交并比大于预设的交并比阈值,计算相交的轮廓部分的平均高度参数;
若所述平均高度参数大于预设的第二高度阈值,以所述第二轮廓部分作为第四建筑物轮廓信息;
若所述平均高度参数小于或等于预设的第二高度阈值,以所述第一轮廓部分作为第四建筑物轮廓信息;
基于所述第四建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型;
若所述交并比小于预设的交并比阈值,不修改所述第三建筑物轮廓信息,以基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型。
另一方面,本申请提供一种建筑物的单体化装置,所述装置包括:
获取单元,用于获取目标区域的数字表面模型和正射影像,所述目标区域包含有建筑物,所述数字表面模型和所述正射影像是基于预先获取的所述目标区域的实景三维模型得到的;
第一确定单元,用于基于所述数字表面模型和所述正射影像,采用预设的第一轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;
第二确定单元,用于基于所述数字表面模型和所述正射影像,采用预设的第二轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;
合并单元,用于将所述第一建筑物轮廓信息与所述第二建筑物轮廓信息进行合并,得到所述目标区域的第三建筑物轮廓信息;
第三确定单元,用于基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型。
在本申请一种可能的实现方式中,所述第一确定单元,用于:
基于所述数字表面模型,确定所述目标区域的数字高程模型;
获取所述数字表面模型中的高度参数和所述数字高程模型中的高度参数;
计算所述数字表面模型中的高度参数与所述数字高程模型中的高度参数之间的高度差值集合;
将所述高度差值集合与所述正射影像进行合并,得到所述目标区域的四波段合成影像,所述四波段合成影像中四个波段分别为所述正射影像中红、绿、蓝分量的强度值,以及所述高度差值集合中的高度差值;
基于所述四波段合成影像,确定所述第一建筑物轮廓信息。
在本申请一种可能的实现方式中,所述第一确定单元,用于:
将所述四波段合成影像划分为相互重叠的多个均匀格网;
基于预设的实例分割网络模型,提取多个均匀格网中所有格网中的建筑物轮廓,得到所有格网的建筑物轮廓集;
将所有格网的建筑物轮廓集进行合并,得到所述第一建筑物轮廓信息。
在本申请一种可能的实现方式中,所述第二确定单元,用于:
以预设的第一高度阈值对所述目标区域的数字表面模型与数字高程模型之间的高度差值集合进行二值化处理,得到第一二值化图,所述第一二值化图中的高度差值大于预设的第一高度阈值;
基于所述第一二值化图和所述正射影像,确定所述第二建筑物轮廓信息。
在本申请一种可能的实现方式中,所述第二确定单元,用于:
基于所述正射影像中像素点的红、绿、蓝分量的强度值,计算所述像素点的植被指数;
以预设的植被指数阈值对所述正射影像中的植被指数进行二值化处理,得到第二二值化图,将所述第二二值化图的区域作为所述正射影像中的非植被区域,所述非植被区域中的植被指数小于预设的植被指数阈值;
计算所述非植被区域与所述第一二值化图的并集,得到并集所在区域;
基于所述并集所在区域,确定所述第二建筑物轮廓信息。
在本申请一种可能的实现方式中,所述第二确定单元,用于:
对所述正射影像进行超像素分割处理,得到所述正射影像中多个超像素区域,每一超像素区域包括多个像素;
计算各个超像素区域与所述并集所在区域的重合区域面积;
基于所述重合区域面积,确定所述多个超像素区域中的目标超像素区域;
将所述目标超像素区域的轮廓信息,作为所述第二建筑物轮廓信息。
在本申请一种可能的实现方式中,所述第二确定模块,具体用于:
在所述第三建筑物轮廓信息中,确定所述第一建筑物轮廓信息与所述第二建筑物轮廓信息相交的轮廓部分,相交的轮廓部分包括属于所述第一建筑物轮廓信息的第一轮廓部分和属于所述第二建筑物轮廓信息的第二轮廓部分;
获取所述第一轮廓部分与所述第二轮廓部分之间的交并比;
若所述交并比大于预设的交并比阈值,计算相交的轮廓部分的平均高度参数;
若所述平均高度参数大于预设的第二高度阈值,以所述第二轮廓部分作为第四建筑物轮廓信息;
若所述平均高度参数小于或等于预设的第二高度阈值,以所述第一轮廓部分作为第四建筑物轮廓信息;
基于所述第四建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型;
若所述交并比小于预设的交并比阈值,不修改所述第三建筑物轮廓信息,以基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型。
另一方面,本申请还提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现所述的建筑物的单体化方法。
另一方面,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行所述的建筑物的单体化方法中的步骤。
本申请实施例提供的建筑物的单体化方法,通过获取目标区域的数字表面模型和正射影像,目标区域包含有建筑物,数字表面模型和正射影像是基于预先获取的目标区域的实景三维模型得到的;基于数字表面模型和正射影像,采用预设的第一轮廓确定方式确定目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;基于数字表面模型和正射影像,采用预设的第二轮廓确定方式确定目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;将第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到目标区域的第三建筑物轮廓信息;基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。相较于传统方法,本申请实施例通过目标区域的数字表面模型和正射影像,分别以两种不同的轮廓确定方式获取第一建筑物轮廓信息和第二建筑物轮廓信息,然后对第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到更加准确的第三建筑物轮廓信息,去确定目标区域中建筑物的单体三维模型,避免了基于正射影像单独提取轮廓,使得本申请得到单体三维模型更加准确。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的建筑物的单体化系统的场景示意图;
图2是本申请实施例中提供的建筑物的单体化方法的一个实施例流程示意图;
图3是本申请实施例中提供的确定第一建筑物轮廓信息的一个实施例流程示意图;
图4是本申请实施例中提供的确定第二建筑物轮廓信息的一个实施例流程示意图;
图5是本申请实施例中提供的去除第一二值化图中植被区域的一个实施例流程示意图;
图6是本申请实施例中提供的建筑物的单体化装置的一个实施例结构示意图;
图7是本申请实施例中提供的计算机设备的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“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申请和简化描述,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申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
本申请实施例提供一种建筑物的单体化方法、装置、及相关设备,以下分别进行详细说明。
如图1所示,图1是本申请实施例提供的建筑物的单体化系统的场景示意图,该建筑物的单体化系统可以包括计算机设备100,计算机设备100中集成有建筑物的单体化装置,如图1中的计算机设备100。
本申请实施例中,该计算机设备100可以为终端或者服务器,当计算机设备100为服务器时,可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的计算机设备100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器以构建的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器以构建。
可以理解的是,本申请实施例中计算机设备100为终端时,所使用的终端可以是既包括接收和发射硬件的设备,即具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的计算机设备100具体可以是台式终端或移动终端,计算机设备100具体还可以是手机、平板电脑、笔记本电脑、医疗辅助仪器等中的一种。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用场景,并不以构建对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的计算机设备,例如图1中仅示出1个计算机设备,可以理解的,该建筑物的单体化系统还可以包括一个或多个其他计算机设备,具体此处不作限定。
另外,如图1所示,该建筑物的单体化系统还可以包括存储器200,用于存储数据,如存储预先获取的目标区域的实景三维模型。
需要说明的是,图1所示的建筑物的单体化系统的场景示意图仅仅是一个示例,本申请实施例描述的建筑物的单体化系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着建筑物的单体化系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
接下来,介绍本申请实施例提供的建筑物的单体化方法。
本申实施例建筑物的单体化方法的实施例中以建筑物的单体化装置作为执行主体,为了简化与便于描述,后续方法实施例中将省略该执行主体,该建筑物的单体化装置应用于计算机设备。
请参阅图2至图7,图2为本申请实施例中提供的建筑物的单体化方法的一个实施例流程示意图,该建筑物的单体化方法包括:
201、获取目标区域的数字表面模型和正射影像,所述目标区域包含有建筑物,所述数字表面模型和所述正射影像是基于预先获取的所述目标区域的实景三维模型得到的;
本申请实施例中的目标区域可以是城市级别或者城市以上级别的区域。通过卫星、无人机等设备对目标区域实景进行遥感测绘,可获取到目标区域的实景三维模型。在实景三维模型中提取出目标区域的数字表面模型和正射影像的步骤,可以是由建筑物的单体化装置执行,或者由其他设备预先执行。在由其他设备预先执行时,建筑物的单体化装置可从该其他设备直接获取到目标区域的数字表面模型和正射影像。
应该解释说明的是,数字表面模型(Digital Surface Model,DSM)指包含了目标区域中地表建筑物、桥梁和树木等高度的地面高程模型,它包括指定范围内规则格网点的平面坐标(X,Y)及其高程(Z)的数据集,主要用于描述区域地貌形态的空间分布。而正射影像(DigitalOrthophoto Map,DOM)是具有正射投影性质的影像数据,通过对航空(或航天)相片进行数字微分纠正和镶嵌,按指定图幅范围裁剪生成。本申请实施例中的DOM具有精度高、信息丰富、直观逼真、获取快捷等优点,可作为地图分析背景控制信息,也可从中提取自然资源和社会经济发展的历史信息或最新信息,为防治灾害和公共设施建设规划等应用提供可靠依据;还可从中提取和派生新的信息,实现地图的修测更新。
在本申请的一些实施例中,在实景三维模型中提取出目标区域的数字表面模型和正射影像的方式,可以包括:将目标区域的实景三维模型沿高度方向(即竖直方向)进行切割,得到多个均匀格网;针对每一格网,对格网内的实景三维模型沿高度方向进行平行投影,平行投影生成的二维图像即为格网的DOM,平行投影的视点位置为格网上方,视点方向为竖直向下。格网的DOM中每一像素点,在格网内的实景三维模型中均对应有沿高度方向排列的一组像素点,沿高度方向排列的一组像素点包含的像素点数量即格网的DOM中对应的像素点在像方坐标系中的高度值。通过像方坐标系与物方坐标系之间的预设坐标比例,将格网的DOM中像素点在像方坐标系中的高度值转换为像素点在物方坐标系中的高度值,以及将格网的DOM中像素点在像方坐标系中的二维像方坐标,转换为像素点在物方坐标系中的二维物方坐标。在得到格网的DOM中各个像素点的二维物方坐标和在物方坐标系中的高度值后,将像素点的在物方坐标系中的高度值作为像素点在物方坐标系中的第三维坐标,综合像素点的二维物方坐标和第三维坐标,得到像素点的三维物方坐标,从而得到格网的DSM,可以理解的是,单个格网的DSM是该格网的DOM基础上增加了高度参数,格网的DSM中的高度参数包括该格网的DOM中各个像素点在物方坐标系中的高度值。对多个格网的DOM进行拼接,得到目标区域的DOM,下述的正射影像均指目标区域完整的一个DOM。对多个格网的DSM进行拼接,得到目标区域的DSM,下述的数字表面模型均指目标区域完整的一个DSM。
202、基于所述数字表面模型和所述正射影像,采用预设的第一轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;
203、基于所述数字表面模型和所述正射影像,采用预设的第二轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;
预设的第一轮廓确定方式与预设的第二轮廓确定方式不同。通过采用预设的不同轮廓确定方式,得到不相同的第一建筑物轮廓信息与第二建筑物轮廓信息。第一建筑物轮廓信息、第二建筑物轮廓信息包括建筑物的轮廓,该建筑物的轮廓是一个平面的轮廓图,该轮廓图可以是建筑物的俯视轮廓图。
204、将所述第一建筑物轮廓信息与所述第二建筑物轮廓信息进行合并,得到所述目标区域的第三建筑物轮廓信息;
本申请实施例中,合并得到的第三建筑物轮廓信息同时包括第一建筑物轮廓信息以及第二建筑物轮廓信息中的轮廓。相比于单一的第一建筑物轮廓信息或者第二建筑物轮廓信息,第三建筑物轮廓信息中的轮廓更加丰富。
205、基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型。
本申请实施例中,基于数字表面模型中的高度参数,确定第三建筑物轮廓信息所在区域在数字表面模型中对应位置的高度值,根据高度值对第三建筑物轮廓信息所在区域进行三维化,得到目标区域中建筑物的单体三维模型。可以理解为,在建设一栋建筑物的过程中,最初,在地面上规划一个区域,这个区域的轮廓即对应第三建筑物轮廓信息,最后,在这个区域内建筑起了一栋成品的建筑物后,该成品建筑物即单体三维模型。
本申请实施例提供的建筑物的单体化方法,通过获取目标区域的数字表面模型和正射影像,目标区域包含有建筑物;基于数字表面模型和正射影像,采用预设的第一轮廓确定方式确定目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;基于数字表面模型和正射影像,采用预设的第二轮廓确定方式确定目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;将第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到目标区域中的第三建筑物轮廓信息;基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。相较于传统方法,本申请实施例通过目标区域的数字表面模型和正射影像,分别以两种不同的轮廓确定方式获取第一建筑物轮廓信息和第二建筑物轮廓信息,然后对第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到更加准确的第三建筑物轮廓信息,去确定目标区域中建筑物的单体三维模型,避免了基于正射影像单独提取轮廓,使得本申请得到单体三维模型更加准确。
在本申请的一些实施例中,如图3所示,基于数字表面模型和正射影像,采用预设的第一轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第一建筑物轮廓信息,包括:
301、基于所述数字表面模型,确定所述目标区域的数字高程模型;
其中,数字高程模型(Digital Elevation Model,DEM),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。具体的,基于所述数字表面模型,确定目标区域的数字高程模型的方式,可以包括:通过对目标区域的DSM进行滤波处理,通过滤波处理粗略过滤掉地表建筑物、植被等突出于地面地形的部分,得到粗略地形,该粗略地形即为目标区域的DEM。
302、获取所述数字表面模型中的高度参数和所述数字高程模型中的高度参数;
与数字表面模型中的高度参数包括数字表面模型中各个像素点的高度值类似,数字高程模型中的高度参数也包括数字高程模型中各个像素点的高度值。
303、计算所述数字表面模型中的高度参数与所述数字高程模型中的高度参数之间的高度差值集合;
本申请实施例中,由于数字表面模型包括数字表面模型中各个像素点的三维物方坐标(X1,Y1,Z1),Z1为数字表面模型中像素点的高度值,数字高程模型也包括数字高程模型中各个像素点的三维物方坐标(X2,Y2,Z2),Z2为数字高程模型中像素点的高度值,因此在数字高程模型中,将与数字表面模型中像素点的(X1,Y1)取值相同的(X2,Y2)的像素点,作为(X1,Y1)像素点的对应像素点。确定数字表面模型中各像素点的高度值Z1与数字高程模型中对应像素点的高度值Z2之间的高度差值,得到数字表面模型中的高度参数与数字高程模型中的高度参数之间的高度差值集合。高度差值集合包括数字表面模型中各个像素点的高度值与数字高程模型中对应像素点的高度值之间的高度差值。
304、将所述高度差值集合与所述正射影像进行合并,得到所述目标区域的四波段合成影像,所述四波段合成影像中四个波段分别为所述正射影像中红、绿、蓝分量(即RGB体系中的R值、G值和B值)的强度值,以及所述高度差值集合中的高度差值;
本申请实施例中,将高度差值集合中的高度差值作为正射影像的第四波段的参数,得到目标区域的四波段合成影像。四波段合成影像中每个像素点包括红、绿、蓝分量的强度值以及高度差值集合中该像素点对应的高度差值。
在本申请的一些实施例中,在基于四波段合成影像,确定第一建筑物轮廓信息之前,对四波段合成影像中各个像素点对应的高度差值进行等比例放大,以增强不同高度的像素之间的区分度,等比例放大指:对四波段合成影像中各个像素点对应的高度差值分别乘以一个相同的放大比例。此外,在对四波段合成影像中各个像素点对应的高度差值进行等比例放大时,通过控制放大比例,使得放大后的各个高度差值取值在[0,255]范围内,保持与红、绿、蓝分量的强度值的取值范围一致性。
305、基于所述目标区域的四波段合成影像,确定所述第一建筑物轮廓信息。
本申请实施例中,将目标区域的四波段合成影像划分为相互部分重叠的多个均匀格网,基于预设的实例分割网络模型,提取多个均匀格网中各格网中的建筑物轮廓,得到所有格网的建筑物轮廓集,将所有格网的建筑物轮廓集进行合并,得到第一建筑物轮廓信息,第一建筑物轮廓信息中的轮廓包括所有格网的建筑物轮廓集中的所有轮廓。相比于正射影像的三波段,四波段合成影像还增加了高度参数这一维度的信息,通过实例分割网络得到的第一建筑物轮廓信息更加准确。均匀格网是指各格网的区域尺寸均相同。将目标区域的四波段合成影像划分为相互部分重叠的多个均匀格网,可以包括挖洞(hole-cutting)、建立区域连通性(domain connectivity)、进行插值计算(interpolation)等主要步骤。通过将目标区域的四波段合成影像划分为相互部分重叠的多个均匀格网,可增加实例分割网络模型在提取各格网中的建筑物轮廓时用到的格网面积,以使实例分割网络模型提取到的建筑物轮廓更加准确。
其中,实例分割网络是一种基于区域的卷积神经网络(Region-ConvolutionalNeural Network,R-CNN),是在语义分割的基础上的进一步细化。语义分割仅仅会区别分割出不同类别的物体,而实例分割可进一步分割出同一个类中的不同实例物体,并输出实例物体所在区域的轮廓。实例分割网络模型包括PointRend(基于点的渲染)神经网络模块,PointRend的提出用于解决实例分割精度不高的问题。实例分割网络模型一般采用ResNet50(残差网络)网络结构来实现。预设的实例分割网络模型事先通过历史数据训练得到,历史数据中的训练数据包括历史的四波段合成影像,训练数据的预期结果包括基于历史的数字表面模型和正射影像,由人工确定出的历史建筑物轮廓信息。基于历史数据,对实例分割网络模型迭代训练,优化实例分割网络模型的模型参数,得到预设的实例分割网络模型。在将四波段合成影像输入至预设的实例分割网络模型之前,对四波段合成影像中红、绿、蓝分量的强度值、高度差值集合中的高度差值进行归一化处理,以简化计算。归一化处理可以是最值归一化或者均值方差归一化。
本申请实施例所公开的方案,通过计算数字表面模型中的高度参数与所述数字高程模型中的高度参数之间的高度差值集合,将高度差值集合与正射影像进行合并,得到目标区域的四波段合成影像,基于四波段合成影像确定第一建筑物轮廓信息,得到的第一建筑物轮廓信息更加准确。
在本申请的一些实施例中,如图4所示,基于数字表面模型和正射影像,采用预设的第二轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第二建筑物轮廓信息,包括:
401、以预设的第一高度阈值对所述目标区域的数字表面模型与数字高程模型之间的高度差值集合进行二值化处理,得到第一二值化图,所述第一二值化图中的高度差值大于预设的第一高度阈值;
本申请实施例中,通过设定的第一高度阈值,对目标区域的数字表面模型与数字高程模型之间的高度差值集合进行二值化处理,选取大于预设的第一高度阈值的高度差值的第一二值化图。该第一高度阈值可以设定为5米,以过滤掉地表植被。
402、基于所述第一二值化图和所述正射影像,确定所述第二建筑物轮廓信息。
本申请实施例中,可将基于高度差值集合得到的第一二值化图中的轮廓,与直接对正射影像进行二值化处理得到的二值化图的轮廓进行合并,得到第二建筑物轮廓信息。或者按照图5实施例中的方式,基于第一二值化图和正射影像,确定第二建筑物轮廓信息,具体步骤参阅图5实施例。
本申请实施例所公开的方案,基于数字表面模型与数字高程模型之间的高度差值集合来进行二值化处理,得到第一二值化图,基于第一二值化图和正射影像,确定第二建筑物轮廓信息,通过高度差值来增强建筑物与非建筑物之间的高度差异,得到的第二建筑物轮廓信也更加准确。
由于在基于数字表面模型,确定目标区域的数字高程模型时,仅是通过滤波处理,粗略过滤掉地表建筑物、植被等突出于地面地形的部分,过滤结果往往不够准确。因此,为了消除植被的影响,在本申请的一些实施例中,如图5所示,基于第一二值化图和正射影像,确定第二建筑物轮廓信息,包括:
501、基于所述正射影像中像素点的红、绿、蓝分量的强度值,计算所述像素点的植被指数;
具体地,将正射影像中像素点的红、绿、蓝分量的强度值,输入至预设的植被指数计算公式,计算结果为该像素点的植被指数。
其中,植被指数计算公式的计算公式为VD=(2*G-R-B)/(2*G+R+B),其中,VD为该像素点的植被指数,R、G、B分别为该像素点的红、绿、蓝分量的强度值。
502、以预设的植被指数阈值对所述正射影像中的植被指数进行二值化处理,得到第二二值化图,将所述第二二值化图的区域作为所述正射影像中的非植被区域,所述非植被区域中的植被指数小于预设的植被指数阈值;
本申请实施例中,得到正射影像中所有像素点分别的植被指数后,通过设定的植被指数阈值,对正射影像中的植被指数进行二值化处理,得到第二二值化图,第二二值化图中各像素点的植被指数小于预设的植被指数阈值。
503、计算所述非植被区域与所述第一二值化图的并集,得到并集所在区域;
本申请实施例中,在目标区域的正射影像中,分别确定非植被区域与第一二值化图的区域,将非植被区域与第一二值化图的区域之间的重合区域,作为非植被区域与第一二值化图的并集,并集所在区域为基于高度差值集合得到的第一二值化图中的非植被区域。
504、基于所述并集所在区域,确定所述第二建筑物轮廓信息。
本申请实施例中,可将并集所在区域的轮廓作为第二建筑物轮廓信息中的轮廓,得到第二建筑物轮廓信息。
在本申请的一些实施例中,为了使并集所在区域的边界更贴近建筑物真实轮廓,对正射影像进行超像素分割处理(The super pixelsegmentation),得到正射影像中多个超像素区域,每一超像素区域包括多个像素;计算各个超像素区域与并集所在区域的重合区域面积;基于重合区域面积,确定多个超像素区域中的目标超像素区域;将目标超像素区域的轮廓信息,作为第二建筑物轮廓信息。重合区域面积可以是重合区域包含的像素点数量。
超像素分割是指将图像细分为多个超像素区域(像素的集合)的过程。一个超像素区域中的每个像素在某种特性的度量下或是由计算得出的特性都是相似的,例如颜色、亮度、纹理。邻接的超像素区域在上述至少一种特性的度量下有很大的不同。超像素分割的目的是简化或改变图像的表示形式,使得图像更容易理解和分析。超像素分割通常用于定位图像中的物体和边界等。
在本申请的一些实施例中,基于重合区域面积,确定多个超像素区域中的目标超像素区域的方式,可以包括:针对每一超像素区域,计算超像素区域与并集所在区域的重合区域面积在并集所在区域的面积中的占比。若占比超过预设的占比阈值,将该超像素区域作为目标超像素区域。预设的占比阈值可以是50%。
在本申请的一些实施例中,将目标超像素区域的轮廓信息,作为第二建筑物轮廓信息的方式,可以包括:若目标超像素区域同时存在多个,则基于所有目标超像素区域的轮廓生成轮廓信息,得到第二建筑物轮廓信息。
由于基于第一建筑物轮廓信息与第二建筑物轮廓信息合并得到的第三建筑物轮廓信息,可能存在部分错误轮廓,因此需要对第三建筑物轮廓信息进行优化。因此,在本申请的一些实施例中,基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型的方式,可以包括:在第三建筑物轮廓信息中,确定第一建筑物轮廓信息与第二建筑物轮廓信息相交的轮廓部分,相交的轮廓部分包括属于第一建筑物轮廓信息的第一轮廓部分和属于第二建筑物轮廓信息的第二轮廓部分,相交的轮廓部分为存在部分错误的轮廓;获取第一轮廓部分与第二轮廓部分之间的交并比;若交并比大于预设的交并比阈值,判定相交的轮廓部分中存在错误轮廓,并计算相交的轮廓部分的平均高度参数,平均高度参数指在数字表面模型中,处于相交的轮廓部分的高度方向(即竖直方向)上所有像素点的高度值的平均值;若平均高度参数大于预设的第二高度阈值,在第三建筑物轮廓信息中,以第二轮廓部分作为第四建筑物轮廓信息;若平均高度参数小于或等于预设的第二高度阈值,以第一轮廓部分作为第四建筑物轮廓信息;基于第四建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。若交并比小于预设的交并比阈值,判定第三建筑物轮廓信息中不存在错误轮廓,因此不修改第三建筑物轮廓信息,以基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。
可以理解的是,若平均高度参数大于预设的第二高度阈值,说明相交的轮廓部分的建筑物高度较高,基于第一二值化图得到的第二轮廓部分在相交的轮廓部分中更加准确,因此保留相交的轮廓部分中的第二轮廓部分,并作为第四建筑物轮廓信息。若平均高度参数小于或等于预设的第二高度阈值,说明相交的轮廓部分的建筑物高度较低,基于第一二值化图得到的第二轮廓部分在相交的轮廓部分中不够准确,因此保留相交的轮廓部分中的第一轮廓部分,并作为第四建筑物轮廓信息。预设的第二高度阈值可以是20米,预设的第二高度阈值大于预设的第一高度阈值。预设的交并比阈值可以是50%。相交的轮廓部分的由于数字表面模型中的高度参数包括数字表面模型中所有像素点的高度值,因此可基于数字表面模型中的高度参数,计算出相交的轮廓部分的平均高度参数。
在本申请的一些实施例中,获取第一轮廓部分与第二轮廓部分之间的交并比的方式,可以包括:获取第一轮廓部分所在区域和第二轮廓部分所在区域,确定这两个区域之间的交集所在区域与并集所在区域,计算交集所在区域的面积与并集所在区域的面积的比值,得到第一轮廓部分与第二轮廓部分之间的交并比。
在本申请的一些实施例中,基于第四建筑物轮廓信息,确定目标区域中建筑物的单体三维模型的方式,可以包括:确定第三建筑物轮廓信息中第一建筑物轮廓信息与第二建筑物轮廓信息未相交的轮廓部分,基于数字表面模型中的高度参数,确定第四建筑物轮廓信息所在区域、未相交的轮廓部分所在区域在数字表面模型中对应位置的高度值,根据高度值对第四建筑物轮廓信息所在区域、未相交的轮廓部分所在区域进行三维化,得到目标区域中建筑物的单体三维模型。在本申请的一些实施例中,不修改第三建筑物轮廓信息,以基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型,可以包括:不修改第三建筑物轮廓信息,基于数字表面模型中的高度参数,确定第三建筑物轮廓信息所在区域在数字表面模型中对应位置的高度值,根据高度值对第三建筑物轮廓信息所在区域进行三维化,得到目标区域中建筑物的单体三维模型。
为了更好实施本申请实施例中建筑物的单体化方法,在建筑物的单体化方法基础之上,本申请实施例中还提供一种建筑物的单体化装置,如图6所示,建筑物的单体化装置600包括:
第一获取单元601,用于获取目标区域的数字表面模型和正射影像,目标区域包含有建筑物,数字表面模型和正射影像是基于预先获取的目标区域的实景三维模型得到的;
第一确定单元602,用于基于数字表面模型和正射影像,采用预设的第一轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;
第二确定单元603,用于基于数字表面模型和正射影像,采用预设的第二轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;
合并单元604,用于将第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到目标区域的第三建筑物轮廓信息;
第三确定单元605,用于基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。
在本申请的一些实施例中,第一确定单元602,用于:
基于数字表面模型,确定目标区域的数字高程模型;
获取数字表面模型中的高度参数和数字高程模型中的高度参数;
计算数字表面模型中的高度参数与数字高程模型中的高度参数之间的高度差值集合;
将高度差值集合与正射影像进行合并,得到目标区域的四波段合成影像,四波段合成影像中四个波段分别为正射影像中红、绿、蓝分量的强度值,以及高度差值集合中的高度差值;
基于四波段合成影像,确定第一建筑物轮廓信息。
在本申请的一些实施例中,第一确定单元602,用于:
将四波段合成影像划分为相互重叠的多个均匀格网;
基于预设的实例分割网络模型,提取多个均匀格网中所有格网中的建筑物轮廓,得到所有格网的建筑物轮廓集;
将所有格网的建筑物轮廓集进行合并,得到第一建筑物轮廓信息。
在本申请的一些实施例中,第二确定单元603,用于:
以预设的第一高度阈值对目标区域的数字表面模型与数字高程模型之间的高度差值集合进行二值化处理,得到第一二值化图,第一二值化图中的高度差值大于预设的第一高度阈值;
基于第一二值化图和正射影像,确定第二建筑物轮廓信息。
在本申请的一些实施例中,第二确定单元603,用于:
基于正射影像中像素点的红、绿、蓝分量的强度值,计算像素点的植被指数;
以预设的植被指数阈值对正射影像中的植被指数进行二值化处理,得到第二二值化图,将第二二值化图的区域作为正射影像中的非植被区域,非植被区域中的植被指数小于预设的植被指数阈值;
计算非植被区域与第一二值化图的并集,得到并集所在区域;
基于并集所在区域,确定第二建筑物轮廓信息。
在本申请的一些实施例中,第二确定单元603,用于:
对正射影像进行超像素分割处理,得到正射影像中多个超像素区域,每一超像素区域包括多个像素;
计算各个超像素区域与并集所在区域的重合区域面积;
基于重合区域面积,确定多个超像素区域中的目标超像素区域;
将目标超像素区域的轮廓信息,作为第二建筑物轮廓信息。
在本申请一种可能的实现方式中,第三确定单元605,具体用于:
在第三建筑物轮廓信息中,确定第一建筑物轮廓信息与第二建筑物轮廓信息相交的轮廓部分,相交的轮廓部分包括属于第一建筑物轮廓信息的第一轮廓部分和属于第二建筑物轮廓信息的第二轮廓部分;
获取第一轮廓部分与第二轮廓部分之间的交并比;
若交并比大于预设的交并比阈值,计算相交的轮廓部分的平均高度参数;
若平均高度参数大于预设的第二高度阈值,以第二轮廓部分作为第四建筑物轮廓信息;
若平均高度参数小于或等于预设的第二高度阈值,以第一轮廓部分作为第四建筑物轮廓信息;
基于第四建筑物轮廓信息,确定目标区域中建筑物的单体三维模型;
若交并比小于预设的交并比阈值,不修改第三建筑物轮廓信息,以基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。
本申请实施例提供的建筑物的单体化方法,通过第一获取单元601,用于获取目标区域的数字表面模型和正射影像,目标区域包含有建筑物,数字表面模型和正射影像是基于预先获取的目标区域的实景三维模型得到的;第一确定单元602,用于基于数字表面模型和正射影像,采用预设的第一轮廓确定方式确定目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;第二确定单元603,用于基于数字表面模型和正射影像,采用预设的第二轮廓确定方式确定目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;合并单元604,用于将第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到目标区域的第三建筑物轮廓信息;第三确定单元605,用于基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。相较于传统方法,本申请实施例通过目标区域的数字表面模型和正射影像,分别以两种不同的轮廓确定方式获取第一建筑物轮廓信息和第二建筑物轮廓信息,然后对第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到更加准确的第三建筑物轮廓信息,去确定目标区域中建筑物的单体三维模型,避免了基于正射影像单独提取轮廓,使得本申请得到单体三维模型更加准确。
除了上述介绍用于建筑物的单体化方法与装置之外,本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种建筑物的单体化装置,计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中一个或多个应用程序被存储于存储器中,并配置为由处理器执行上述建筑物的单体化方法实施例中任一实施例中的任一方法的操作。
本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种建筑物的单体化装置。如图7所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机可读存储介质的存储单元702、电源703和输入单元704等部件。本领域技术人员可以理解,图7中示出的计算机设备结构并不构成对计算机设备的限定,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。其中:
处理器701是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储单元702内的软件程序和/或模块,以及调用存储在存储单元702的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器701可包括一个或多个处理核心;优选的,处理器701可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器701中。
存储单元702可用于存储软件程序以及模块,处理器701通过运行存储在存储单元702的软件程序以及模块,从而执行各种功能应用以及数据处理。存储单元702可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储单元702可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储单元702还可以包括存储器控制器,以提供处理器701对存储单元702的访问。
计算机设备还包括给各个部件供电的电源703,优选的,电源703可以通过电源管理系统与处理器701逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源703还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元704,该输入单元704可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本申请实施例中,计算机设备中的处理器701会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元702中,并由处理器701来运行存储在存储单元702中的应用程序,从而实现各种功能,如下:
获取目标区域的数字表面模型和正射影像,目标区域包含有建筑物,数字表面模型和正射影像是基于预先获取的目标区域的实景三维模型得到的;基于数字表面模型和正射影像,采用预设的第一轮廓确定方式确定目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;基于数字表面模型和正射影像,采用预设的第二轮廓确定方式确定目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;将第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到目标区域的第三建筑物轮廓信息;基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。
本申请实施例提供的建筑物的单体化方法,通过获取目标区域的数字表面模型和正射影像,目标区域包含有建筑物,数字表面模型和正射影像是基于预先获取的目标区域的实景三维模型得到的;基于数字表面模型和正射影像,采用预设的第一轮廓确定方式确定目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;基于数字表面模型和正射影像,采用预设的第二轮廓确定方式确定目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;将第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到目标区域的第三建筑物轮廓信息;基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。相较于传统方法,本申请实施例通过目标区域的数字表面模型和正射影像,分别以两种不同的轮廓确定方式获取第一建筑物轮廓信息和第二建筑物轮廓信息,然后对第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到更加准确的第三建筑物轮廓信息,去确定目标区域中建筑物的单体三维模型,避免了基于正射影像单独提取轮廓,使得本申请得到单体三维模型更加准确。
为此,本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random AccessMemory)、磁盘或光盘等。该计算机可读存储介质中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种建筑物的单体化方法中的步骤。例如,该指令可以执行如下步骤:
获取目标区域的数字表面模型和正射影像,目标区域包含有建筑物,数字表面模型和正射影像是基于预先获取的目标区域的实景三维模型得到的;基于数字表面模型和正射影像,采用预设的第一轮廓确定方式确定目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;基于数字表面模型和正射影像,采用预设的第二轮廓确定方式确定目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;将第一建筑物轮廓信息与第二建筑物轮廓信息进行合并,得到目标区域的第三建筑物轮廓信息;基于第三建筑物轮廓信息,确定目标区域中建筑物的单体三维模型。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上对本申请实施例所提供的一种建筑物的单体化方法、装置、终端及计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种建筑物的单体化方法,其特征在于,所述方法包括:
获取目标区域的数字表面模型和正射影像,所述目标区域包含有建筑物,所述数字表面模型和所述正射影像是基于预先获取的所述目标区域的实景三维模型得到的;
基于所述数字表面模型和所述正射影像,采用预设的第一轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;
基于所述数字表面模型和所述正射影像,采用预设的第二轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;
将所述第一建筑物轮廓信息与所述第二建筑物轮廓信息进行合并,得到所述目标区域的第三建筑物轮廓信息;
基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型。
2.根据权利要求1所述的建筑物的单体化方法,其特征在于,所述基于所述数字表面模型和所述正射影像,采用预设的第一轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第一建筑物轮廓信息,包括:
基于所述数字表面模型,确定所述目标区域的数字高程模型;
获取所述数字表面模型中的高度参数和所述数字高程模型中的高度参数;
计算所述数字表面模型中的高度参数与所述数字高程模型中的高度参数之间的高度差值集合;
将所述高度差值集合与所述正射影像进行合并,得到所述目标区域的四波段合成影像,所述四波段合成影像中四个波段分别为所述正射影像中红、绿、蓝分量的强度值,以及所述高度差值集合中的高度差值;
基于所述四波段合成影像,确定所述第一建筑物轮廓信息。
3.根据权利要求2所述的建筑物的单体化方法,其特征在于,所述基于所述四波段合成影像,确定所述第一建筑物轮廓信息,包括:
将所述四波段合成影像划分为相互重叠的多个均匀格网;
基于预设的实例分割网络模型,提取多个均匀格网中所有格网中的建筑物轮廓,得到所有格网的建筑物轮廓集;
将所有格网的建筑物轮廓集进行合并,得到所述第一建筑物轮廓信息。
4.根据权利要求1所述的建筑物的单体化方法,其特征在于,所述基于所述数字表面模型和所述正射影像,采用预设的第二轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第二建筑物轮廓信息,包括:
以预设的第一高度阈值对所述目标区域的数字表面模型与数字高程模型之间的高度差值集合进行二值化处理,得到第一二值化图,所述第一二值化图中的高度差值大于预设的第一高度阈值;
基于所述第一二值化图和所述正射影像,确定所述第二建筑物轮廓信息。
5.根据权利要求4所述的建筑物的单体化方法,其特征在于,所述基于所述第一二值化图和所述正射影像,确定所述第二建筑物轮廓信息,包括:
基于所述正射影像中像素点的红、绿、蓝分量的强度值,计算所述像素点的植被指数;
以预设的植被指数阈值对所述正射影像中的植被指数进行二值化处理,得到第二二值化图,将所述第二二值化图的区域作为所述正射影像中的非植被区域,所述非植被区域中的植被指数小于预设的植被指数阈值;
计算所述非植被区域与所述第一二值化图的并集,得到并集所在区域;
基于所述并集所在区域,确定所述第二建筑物轮廓信息。
6.根据权利要求5所述的建筑物的单体化方法,其特征在于,所述基于所述并集所在区域,确定所述第二建筑物轮廓信息,包括:
对所述正射影像进行超像素分割处理,得到所述正射影像中多个超像素区域,每一超像素区域包括多个像素;
计算各个超像素区域与所述并集所在区域的重合区域面积;
基于所述重合区域面积,确定所述多个超像素区域中的目标超像素区域;
将所述目标超像素区域的轮廓信息,作为所述第二建筑物轮廓信息。
7.根据权利要求2或4所述的建筑物的单体化方法,其特征在于,所述基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型,包括:
在所述第三建筑物轮廓信息中,确定所述第一建筑物轮廓信息与所述第二建筑物轮廓信息相交的轮廓部分,相交的轮廓部分包括属于所述第一建筑物轮廓信息的第一轮廓部分和属于所述第二建筑物轮廓信息的第二轮廓部分;
获取所述第一轮廓部分与所述第二轮廓部分之间的交并比;
若所述交并比大于预设的交并比阈值,计算相交的轮廓部分的平均高度参数;
若所述平均高度参数大于预设的第二高度阈值,以所述第二轮廓部分作为第四建筑物轮廓信息;
若所述平均高度参数小于或等于预设的第二高度阈值,以所述第一轮廓部分作为第四建筑物轮廓信息;
基于所述第四建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型;
若所述交并比小于预设的交并比阈值,不修改所述第三建筑物轮廓信息,以基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型。
8.一种建筑物的单体化装置,其特征在于,所述装置包括:
获取单元,用于获取目标区域的数字表面模型和正射影像,所述目标区域包含有建筑物,所述数字表面模型和所述正射影像是基于预先获取的所述目标区域的实景三维模型得到的;
第一确定单元,用于基于所述数字表面模型和所述正射影像,采用预设的第一轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第一建筑物轮廓信息;
第二确定单元,用于基于所述数字表面模型和所述正射影像,采用预设的第二轮廓确定方式确定所述目标区域中的建筑物轮廓,得到第二建筑物轮廓信息;
合并单元,用于将所述第一建筑物轮廓信息与所述第二建筑物轮廓信息进行合并,得到所述目标区域的第三建筑物轮廓信息;
第三确定单元,用于基于所述第三建筑物轮廓信息,确定所述目标区域中建筑物的单体三维模型。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至7中任一项所述的建筑物的单体化方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至7任一项所述的建筑物的单体化方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211124288.4A CN117745969A (zh) | 2022-09-15 | 2022-09-15 | 建筑物的单体化方法、装置、及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211124288.4A CN117745969A (zh) | 2022-09-15 | 2022-09-15 | 建筑物的单体化方法、装置、及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117745969A true CN117745969A (zh) | 2024-03-22 |
Family
ID=90281790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211124288.4A Pending CN117745969A (zh) | 2022-09-15 | 2022-09-15 | 建筑物的单体化方法、装置、及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745969A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118015197A (zh) * | 2024-04-08 | 2024-05-10 | 北京师范大学珠海校区 | 一种实景三维逻辑单体化方法、装置及电子设备 |
CN118279329A (zh) * | 2024-06-03 | 2024-07-02 | 海纳云物联科技有限公司 | 三维模型单体化和语义化分割方法、装置、设备和介质 |
-
2022
- 2022-09-15 CN CN202211124288.4A patent/CN117745969A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118015197A (zh) * | 2024-04-08 | 2024-05-10 | 北京师范大学珠海校区 | 一种实景三维逻辑单体化方法、装置及电子设备 |
CN118279329A (zh) * | 2024-06-03 | 2024-07-02 | 海纳云物联科技有限公司 | 三维模型单体化和语义化分割方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11222465B2 (en) | Embedded urban design scene emulation method and system | |
CN111008422B (zh) | 一种建筑物实景地图制作方法及系统 | |
CN113706698B (zh) | 实景三维道路重建方法及装置、存储介质、电子设备 | |
CN116310192A (zh) | 一种基于点云的城市级建筑物三维模型单体重建方法 | |
US20230074265A1 (en) | Virtual scenario generation method and apparatus, computer device and storage medium | |
CN107977992A (zh) | 一种基于无人机激光雷达的建筑物变化检测方法及装置 | |
CN105354883A (zh) | 基于点云的3ds Max快速精细三维建模方法及系统 | |
CN102708587A (zh) | 一种快速获取三维建筑信息的方法及系统 | |
CN110660125B (zh) | 用于电力配网系统的三维建模装置 | |
CN116756836B (zh) | 一种隧道超欠挖体积计算方法、电子设备及存储介质 | |
CN106846251A (zh) | 基于建筑物房顶矢量的正射影像镶嵌线网络自动选择方法 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN111458691B (zh) | 建筑物信息的提取方法、装置及计算机设备 | |
Kwak et al. | Automatic 3D building model generation from lidar and image data using sequential minimum bounding rectangle | |
CN117745969A (zh) | 建筑物的单体化方法、装置、及相关设备 | |
CN112053440A (zh) | 单体化模型的确定方法及通信装置 | |
CN118015197B (zh) | 一种实景三维逻辑单体化方法、装置及电子设备 | |
CN114140592A (zh) | 高精地图生成方法、装置、设备、介质及自动驾驶车辆 | |
CN115641415A (zh) | 基于卫星影像生成三维场景的方法、装置、设备及介质 | |
CN114782357A (zh) | 一种用于变电站场景的自适应分割系统及方法 | |
Rau | A line-based 3D roof model reconstruction algorithm: Tin-merging and reshaping (TMR) | |
CN116030116A (zh) | 垃圾填埋体积分析方法、装置、电子设备及存储介质 | |
CN113822914A (zh) | 倾斜摄影测量模型单体化方法、计算机装置及产品、介质 | |
Li et al. | Low-cost 3D building modeling via image processing | |
CN117671188A (zh) | 建筑物的三维白膜生成方法、装置、及相关设备 |
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 |