CN118262238A - 建筑物规则化方法、设备、存储介质及产品 - Google Patents
建筑物规则化方法、设备、存储介质及产品 Download PDFInfo
- Publication number
- CN118262238A CN118262238A CN202410393789.5A CN202410393789A CN118262238A CN 118262238 A CN118262238 A CN 118262238A CN 202410393789 A CN202410393789 A CN 202410393789A CN 118262238 A CN118262238 A CN 118262238A
- Authority
- CN
- China
- Prior art keywords
- building
- sides
- distance
- outline
- point
- 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 55
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 14
- 238000013507 mapping Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种建筑物规则化方法、设备、存储介质及产品,所述方法包括对每个建筑物轮廓进行多边形拟合;对拟合后的每个建筑物轮廓进行规则化处理,具体为:计算建筑物轮廓中每条边的边长,并以最长边的方位角作为主方位;计算每条边与主方位之间的夹角,根据夹角调整对应边的方位;根据建筑物轮廓中相邻两条边的位置关系确定建筑物轮廓的转折点;对规则化处理后的建筑物进行编组和规则化处理,得到规则化后的建筑物群;根据每个建筑物及其轮廓的每条边的编号对规则化后的建筑物群进行还原,得到最终的建筑物轮廓。本发明解决了现有规则化方法无法处理非直角、复杂建筑物及建筑物群的问题。
Description
技术领域
本发明属于智能测绘技术领域,尤其涉及一种基于直线编组的建筑物规则化方法、设备、存储介质及产品。
背景技术
建筑物作为地理空间主要要素之一,在城市规划与建设、变化检测、应急响应和位置服务等领域占据重要地位。利用高分辨率影像、LiDAR点云等各类数据提取建筑物轮廓是摄影测量和遥感领域的研究热点,也是地图制图、智慧城市建设等应用的重要数据源。
目前由于城市建筑物变化较快,一般利用航空摄影测量技术采集城市地理系统数据,传统航空摄影测量作业方式为内业绘图人员根据影像数据、LiDAR点云数据绘制建筑物,这种方式需要大量的人工描绘工作,成图效率低、量测成本高。因此为节省测绘绘图作业,基于深度学习的方式自动提取建筑物信息已经成为研究重点,采用基于深度学习的方式自动提取建筑物信息存在如下问题:
(1)由于卷积神经网络对建筑物边界不敏感,会破坏影像中建筑物边界的完整性,建筑物轮廓往往存在变形和误差,导致建筑物几何特征无法满足测绘绘图规则和应用要求;
(2)目前现有建筑物规则化方法只能解决简单建筑物直角化问题,无法处理非直角建筑物,处理复杂建筑物及建筑群时存在多个建筑物轮廓相交和相离的情况。
发明内容
本发明的目的在于提供一种建筑物规则化方法、设备、存储介质及产品,以解决现有跪着方法无法处理非直角、复杂建筑物以及建筑物群的问题。
本发明是通过如下的技术方案来解决上述技术问题的:一种建筑物规则化方法,包括以下步骤:
获取建筑物遥感影像,对所述建筑物遥感影像进行建筑物识别和轮廓提取,得到每个建筑物轮廓;
对每个建筑物及其轮廓的每条边进行编号,且每条边的编号与该边所属建筑物的编号关联;
将构成建筑物轮廓的点转换成实际地理坐标点,对每个建筑物轮廓进行多边形拟合;
对拟合后的每个建筑物轮廓进行规则化处理,具体规则化处理过程为:
计算所述建筑物轮廓中每条边的边长,并以最长边的方位角作为主方位;
计算每条边与所述主方位之间的夹角,根据所述夹角调整对应边的方位;
根据所述建筑物轮廓中相邻两条边的位置关系确定所述建筑物轮廓的转折点;
对规则化处理后的建筑物进行编组和规则化处理,得到规则化后的建筑物群;
根据每个建筑物及其轮廓的每条边的编号对规则化后的建筑物群进行还原,得到最终的建筑物轮廓。
进一步地,采用道格拉斯-普克算法对每个建筑物轮廓进行多边形拟合。
进一步地,根据所述夹角调整对应边的方位,其具体实现过程为:
当0°<夹角θ≤θa时,以当前边的中心点作为旋转中心,将当前边顺时针旋转至与最长边平行;
当θa<夹角θ≤θb时,对当前边不进行调整;
当θb<夹角θ≤90°时,以当前边的中心点作为旋转中心,将当前边顺时针旋转至与最长边垂直;其中,θa表示第一角度阈值,θb表示第二角度阈值。
进一步地,根据所述建筑物轮廓中相邻两条边的位置关系确定所述建筑物轮廓的转折点,其具体实现过程为:
当相邻两条边相互垂直时,取该相邻两条边的交点作为转折点;
当相邻两条边相互平行时,计算该相邻两条边的垂直距离,当所述垂直距离小于第一距离阈值时,舍去该相邻两条边中的较短边,取较长边与与该较长边垂直且相邻的边的交点作为转折点;当所述垂直距离大于或等于第一距离阈值时,在该相邻两条边之间添加垂直线段,所述垂直线段的两端与该相邻两条边的交点作为转折点。
进一步地,对规则化处理后的建筑物进行编组和规则化处理,其具体实现过程为:
计算规则化处理后的所有建筑物之间的距离,根据建筑物之间的距离进行编组,得到建筑物群;
遍历每个建筑物群的任意两条边,当两条边在同一直线上且相互平行,以及0<两条边之间的最近点距离<第二距离阈值时,将两条边中的较短边靠近该较长边的一端延伸至该较长边;当两条边在同一直线上,且第二距离阈值≤两条边之间的最近点距离时,不做处理;
当两条边不在同一直线上且相互平行,以及两条边之间的垂直距离<第二距离阈值时,过两条边中较短边的两个端点分别向较短边作垂线,垂线与两条边中的较长边相交,交点作为较短边的新端点;当两条边不在同一直线上且相互平行,且第二距离阈值≤两条边之间的垂直距离时,不做处理;
当两条边不相互平行且不相互垂直,以及两条边之间的最近点距离<第二距离阈值时,过两条边中较短边的两个端点分别向较短边作垂线,垂线与两条边中的较长边相交,交点作为较短边的新端点;当两条边不相互平行且不相互垂直,以及第二距离阈值≤两条边之间的最近点距离时,不做处理;
当两条边相互垂直,且靠近另一条边的其中一条边的端点与另一条边的垂直距离<第二距离阈值时,延长其中一条边至与另一条边相交,交点作为其中一条边的新端点;当两条边相互垂直,且第二距离阈值≤靠近另一条边的其中一条边的端点与另一条边的垂直距离时,不做处理。
基于同一构思,本发明还提供一种终端设备,包括存储器、处理器以及存储在存储器上的计算机程序/指令,所述处理器执行所述计算机程序/指令以实现如上所述的建筑物规则化方法。
基于同一构思,本发明还提供一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现如上所述的建筑物规则化方法。
基于同一构思,本发明还提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现如上所述的建筑物规则化方法。
有益效果
与现有技术相比,本发明的优点在于:
本发明对单个建筑物按照实际影像轮廓进行规则化处理,实现了直角、非直角建筑物的规则化;采用基于直线编组的建筑物群拓扑关系检查法,对建筑物群的轮廓进行编组校正,实现了建筑物群的规则化;本发明的建筑物规则化方法达到了测绘制图规范要求,减少了人工绘制建筑物图斑的工作量,提升了测绘内业制图效率,解决了现有规则化方法无法处理非直角、复杂建筑物及建筑物群的问题。
附图说明
为了更清楚地说明本发明的技术方案,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发明的一个实施例,对于本领域普通技术人员来说,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是本发明实施例中建筑物规则化方法流程图;
图2是本发明实施例中采用无人机航拍方式获取的建筑物影像;
图3是本发明实施例中建筑物识别结果示意图;
图4是本发明实施例中图3的局部图;
图5是本发明实施例中建筑物轮廓提取结果示意图;
图6是本发明实施例中对建筑物轮廓进行多边形拟合的结果示意图;
图7是本发明实施例中以最长边的方位角为主方位,各边调整后的结果示意图;
图8是本发明实施例中确定建筑物轮廓的转折点的示意图;
图9是本发明实施例中单个建筑物轮廓规则化结果示意图;
图10是本发明实施例中建筑物整体规则化结果示意图;
图11是本发明实施例中图10的局部图;
图12是本发明实施例中非直角建筑物识别结果示意图;
图13是本发明实施例中非直角建筑物规则化结果示意图;
图14是本发明实施例中复杂结构建筑物识别结果示意图;
图15是本发明实施例中复杂结构建筑物规则化结果示意图;
图16是本发明实施例中两条边平行且在同一直线时的最近点距离示意图;
图17是本发明实施例中两条边不平行时的最近点距离示意图;
图18是本发明实施例中两条边平行且不在同一直线时的调整示意图;
图19是本发明实施例中两条边相互垂直时的调整示意图;
图20是本发明实施例中测图区域规则化后的结果图;
图21是本发明实施例中图20的局部图;
图22是本发明实施例中密集建筑物群中的建筑物识别结果示意图;
图23是本发明实施例中密集建筑物群中单个建筑物规则化后的结果示意图;
图24是本发明实施例中密集建筑物群中建筑物群规则化后的结果示意图;
图25是本发明实施例中使用IDATA绘制结果图。
具体实施方式
下面结合本发明实施例中的附图,对本发明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作出创造性劳动的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。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例1
如图1所示,本发明实施例所提供的一种建筑物规则化方法包括以下步骤:
步骤S1:获取建筑物遥感影像。
本发明的具体实施例中,采用无人机航拍方式获取待测图区域的高分辨率建筑物遥感影像,图2示出了该区域中的部分影像,图2为建筑物的正射影像。建筑物遥感影像是带有真实地理坐标系的geotiff,即影像文件中有EPSG坐标系,EPSG是大地基准面、空间参考系统、地球椭球体、坐标转换和相关度量单位的公共注册中心,它为每个坐标系都分配有一个编码,本发明使用的建筑物遥感影像的EPSG为4542。
步骤S2:对建筑物遥感影像进行建筑物识别和轮廓提取,得到每个建筑物轮廓。
本发明的具体实施例中,利用基于深度学习的图像识别技术准确地识别出步骤S1中建筑物遥感影像中的建筑物,如图3和图4所示,从图4可知建筑物轮廓存在变形和误差,无法满足测绘制图要求;然后利用数字图像处理技术获取每个建筑物轮廓,如图5所示,例如利用opencv中findContours函数提取建筑物轮廓。本发明的建筑物识别和建筑物轮廓提取均采用现有技术。
步骤S3:对每个建筑物及其轮廓的每条边进行编号,且每条边的编号与该边所属建筑物的编号关联。
为了便于规则化处理后建筑物还原,对每个建筑物以及该建筑物轮廓中的每条边进行编号,且边的编号与该边所属建筑物的编号进行关联,便于确定每条边属于哪个建筑物。
示例性的,待测图区域有N个建筑物,则N个建筑物分别编号为建筑物B1、建筑物B2、建筑物B3、……、建筑物Bi、……、建筑物BN;每个建筑物轮廓有M条边,则每个建筑物轮廓中的边依次编号为Bi1、Bi2、Bi3、……、Bij、……、BiM,i=1,2,3,…,N,j=1,2,3,…,M,Bij表示第i个建筑物轮廓的第j条边。
步骤S4:将构成建筑物轮廓的点转换成实际地理坐标点。
每个建筑物轮廓由轮廓上的多个点构成,如图5中右图上的红点即为对应建筑物轮廓上的点,共有135个点,将轮廓上的这些点转换成实际地理坐标点。本实施例中,可以利用建筑物遥感影像自带的坐标矩阵建立影像与实际地理坐标位置之间的转换矩阵,然后利用转换矩阵将建筑物轮廓上每个点转换成实际地理坐标点。
步骤S5:对每个建筑物轮廓进行多边形拟合。
本发明的具体实施方式中,基于每个建筑物轮廓上的点,利用道格拉斯-普克算法(Douglas-Peucker,DP算法)对每个建筑物轮廓进行多边形拟合,得到拟合后的建筑物轮廓。本实施例中,DP算法中原始曲线与近似曲线的最大距离设为0.3,对图5的建筑物轮廓进行拟合后的结果如图6所示,建筑物轮廓由17个点构成。
步骤S6:对拟合后的每个建筑物轮廓进行规则化处理。
本发明根据单个建筑物的实际影像轮廓对建筑物轮廓进行规则化处理,具体规则化处理过程为:
步骤S6.1:计算建筑物轮廓中每条边的边长,并以最长边的方位角作为主方位;
步骤S6.2:计算每条边与主方位之间的夹角,根据该夹角调整对应边的方位;
步骤S6.3:根据所述建筑物轮廓中相邻两条边的位置关系确定所述建筑物轮廓的转折点。
对于每个建筑物轮廓,根据每条边的边长确定最长边。本实施例中,最长边的方位角是指最长边与地理坐标系的X轴(即正东方)之间的夹角。步骤S6.2中,根据每条边与主方位之间的夹角θ调整对应边的方位的具体实现过程为:
当0°<θ≤θa时,以当前边的中心点作为旋转中心,将当前边顺时针旋转至与最长边平行;
当θa<θ≤θb时,对当前边不进行调整;
当θb<θ≤90°时,以当前边的中心点作为旋转中心,将当前边顺时针旋转至与最长边垂直;其中,θa表示第一角度阈值,θb表示第二角度阈值。
本实施例中,第一角度阈值θa设为30°,第二角度阈值θb设为60°。图7中,以边ab为最长边,其他边根据该边与最长边之间的夹角来调整,调整后的结果如图7所示,例如,与最长边的端点a连接的边(橙色)旋转后与边ab平行,旋转后的边均为不连续线段。为了使调整后的建筑物轮廓连贯,根据建筑物轮廓中相邻两条边的位置关系确定建筑物轮廓的转折点(即边与边之间的交点),其具体实现过程为:
当相邻两条边相互垂直时,取该相邻两条边的交点作为转折点;
当相邻两条边相互平行时,计算该相邻两条边的垂直距离,当该相邻两条边的垂直距离小于第一距离阈值时,舍去该相邻两条边中的较短边,取较长边与与该较长边垂直且相邻的边(该相邻边是指靠近较短边侧的相邻边)的交点作为转折点;当该相邻两条边的垂直距离大于或等于第一距离阈值时,在该相邻两条边之间添加垂直线段,垂直线段的两端与该相邻两条边的交点作为转折点。
示例性的,图8中边s1与边s2相邻且平行,其中边s1为较长边,边s2为较短边,如果边s1与边s2之间的垂直距离小于第一距离阈值,则舍去边s2,取边s1与边s3的交点作为转折点,边s3是舍去较短边s2后与边s1相邻且垂直的边。如果边s1与边s2之间的垂直距离大于或等于第一距离阈值,则在边s1与边s2之间垂直线段,垂直线段的两端与边s1、边s2的交点作为转折点。单个建筑物轮廓规则化后如图9所示,所有建筑物轮廓规则化后如图10所示,图11~图15示出了直角、非直角、复杂建筑物规则化后的结果。
本实施例中,第一距离阈值根据国标《国家基本比例尺地图图式第1部分:1:5001:10001:2000地形图图示》来确定的,标准中指出房屋轮廓凹凸小于0.4mm时,可综合取舍,换算到1:2000图纸上,第一距离阈值为0.8米。
步骤S7:对规则化处理后的建筑物进行编组和规则化处理,得到规则化后的建筑物群。
步骤S6是对单个建筑物进行规则化,步骤S7则是对建筑物群(即包含两个或两个以上的建筑物)进行规则化处理,在对建筑物群进行规则化处理之前,先需要通过编组得到建筑物群,然后再进行规则化处理,其具体实现过程为:
步骤S7.1:计算规则化处理后的所有建筑物之间的距离,根据建筑物之间的距离进行编组,得到建筑物群。
建筑物与建筑物之间的距离是指两建筑物的最邻近边的最近点之间的距离。若建筑物A与建筑物B之间的最小距离小于距离阈值d,则将建筑物A与建筑物B编为一组,若建筑物B又与建筑物C之间的最小距离小于距离阈值d,则将建筑物A、建筑物B与建筑物C编为一组,依此类推。即同一编组中的任一建筑物与该编组中的至少一个建筑物之间的距离小于距离阈值d。本实施例中,距离阈值d设为1米。
步骤S7.2:对每个建筑物群进行规则化处理。
遍历每个建筑物群的任意两条边,当两条边在同一直线上且相互平行,以及0<两条边之间的最近点距离<第二距离阈值时,将两条边中的较短边靠近该较长边的一端延伸至该较长边;当两条边在同一直线上,且第二距离阈值≤两条边之间的最近点距离时,不做处理;
当两条边不在同一直线上且相互平行,以及两条边之间的垂直距离<第二距离阈值时,过两条边中较短边的两个端点分别向较短边作垂线,垂线与两条边中的较长边相交,交点作为较短边的新端点;当两条边不在同一直线上且相互平行,且第二距离阈值≤两条边之间的垂直距离时,不做处理;
当两条边不相互平行且不相互垂直,以及两条边之间的最近点距离<第二距离阈值时,过两条边中较短边的两个端点分别向较短边作垂线,垂线与两条边中的较长边相交,两个交点作为较短边的新端点;当两条边不相互平行且不相互垂直,以及第二距离阈值≤两条边之间的最近点距离时,不做处理;
当两条边相互垂直,且靠近另一条边的其中一条边的端点与另一条边的垂直距离<第二距离阈值时,延长其中一条边至与另一条边相交,交点作为其中一条边的新端点;当两条边相互垂直,且第二距离阈值≤靠近另一条边的其中一条边的端点与另一条边的垂直距离时,不做处理。
两条边之间的最近点距离是指两条边最靠近的两个点之间的距离。示例性的,如图16所示,边s1与边s2在同一直线上且相互平行,点o1和o2为边s1的两个端点,点o3和o4为边s2的两个端点,边s1与边s2之间的最近点距离是指端点o2与端点o3之间的距离;当边s1与边s2之间的最近点距离小于第二距离阈值时,将较短边s2的o3端延伸至较长边s1,直到较短边s2与较长边s1为同一直线,即调整后,边s2的端点o3变为o3’。如图17所示,边s3与边s4不相互平行且不相互垂直,点o5和o6为边s3的两个端点,点o7和o8为边s4的两个端点,边s3与边s4之间的最近点距离是指端点o5与边s4上最靠近端点o5的点之间的距离;当边s3与边s4之间的最近点距离小于第二距离阈值时,以较短边s3的两端点o5和o6为起点且沿着边s3的两个邻边分别延长至与较长边s4相交(即过较短边s3的两端点o5和o6分别向较短边s3作垂线,垂线与较长边s4相交),两个交点o5′和o6′作为较短边的两个新端点,即调整后,较短边s3变为边o5′o6′。如图18所示,边s5与边s6平行但不在同一直线上,当边s5与边s6之间的垂直距离<第二距离阈值时,过较短边s5的两个端点(即点o9和点o10)分别向较短边s5(或较长边s6)作垂线,垂线与较长边s6的交点o9’和o10’作为较短边的两个新端点,即调整后,建筑物的边s5变为边o9’o10’。如图19所示,边s6和边s7相互垂直,点o13和o14为边s7的两个端点,点o11和o12为边s6的两个端点,靠近边s6(另一条边)的边s7(其中一条边)的端点为点o13,当点o13到边s6的垂直距离<第二距离阈值时,延长s7至与s6相交,交点o13’作为边s7的新端点,即调整后,边s7变为边o14o13’,边s7的端点o13变为点o13’。
本实施例中,第二距离阈值是根据国标《国家基本比例尺地图图式第1部分:1:5001:10001:2000地形图图示》来确定的,当两房屋间隔小于0.5mm时,可共线表示,1:2000图纸上,两房屋间隔小于1米时进行编组,即第二距离阈值设为1米。
为了保证所有建筑物轮廓保持原有建筑物形状,对每个建筑物群中的两两边均进行步骤S7.2的规则化处理。
图20和图21示出了建筑物群规则化后的结果图,图22~图24示出了密集建筑物群从建筑物识别到单个建筑物规则化、到建筑物群规则化示意图,满足测绘要求1:2000地理地形图中两屋间隔小于0.5mm(实际距离1m)时进行共线。
步骤S8:根据每个建筑物及其轮廓的每条边的编号对规则化后的建筑物群进行还原,得到最终的建筑物轮廓。
经过步骤S6和步骤S7的规则化处理后,建筑物轮廓的边的方位、长度可能发生变化,且存在多个建筑物的边在同一编组的现象,因此需要进行建筑物群中的建筑物还原。由于边的编号未发生变化且边的编号与该边所属建筑物相关联,因此可以根据边的编号对建筑物进行还原,得到最终的每个建筑物的轮廓。最后使用专业测绘软件IDATA绘制建筑物图斑,达到测绘最终出图标注。图25示出了使用IDATA绘制建筑物群最终结果。
实施例2
本发明实施例还提供一种终端设备,该终端设备包括:存储器、处理器和存储在存储器上的计算机程序/指令,处理器执行所述计算机程序/指令以实现实施例1所述的建筑物规则化方法。
尽管未示出,终端设备包括处理器,其可以根据存储在只读存储器(ROM)中的程序和/或数据或者从存储部分加载到随机访问存储器(RAM)中的程序和/或数据而执行各种适当的操作和处理。处理器可以是一个多核的处理器,也可以包含多个处理器。在一些实施例中,处理器可以包含一个通用的主处理器以及一个或多个特殊的协处理器,例如,中央处理器、图形处理器(GPU)、神经网络处理器(NPU)、数字信号处理器(DSP)等等。在RAM中,还存储有终端设备操作所需的各种程序和数据。处理器、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
上述处理器与存储器共同用于执行存储在存储器中的程序/指令,所述程序/指令被计算机执行时能够实现上述各实施例描述的方法、步骤或功能。
尽管未示出,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现实施例1所述的建筑物规则化方法。
在本发明的实施例的存储介质包括永久性和非永久性、可移动和非可移动的可以由任何方法或技术来实现信息存储的物品。存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒(transitory media),如调制的数据信号和载波。
尽管未示出,本发明实施例还提供一种计算机程序产品,包括:计算机程序/指令,该计算机程序/指令被处理器执行时实现如实施例1所述的建筑物规则化方法。
以上所揭露的仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到变化或变型,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种建筑物规则化方法,其特征在于,所述方法包括以下步骤:
获取建筑物遥感影像,对所述建筑物遥感影像进行建筑物识别和轮廓提取,得到每个建筑物轮廓;
对每个建筑物及其轮廓的每条边进行编号,且每条边的编号与该边所属建筑物的编号关联;
将构成建筑物轮廓的点转换成实际地理坐标点,对每个建筑物轮廓进行多边形拟合;
对拟合后的每个建筑物轮廓进行规则化处理,具体规则化处理过程为:
计算所述建筑物轮廓中每条边的边长,并以最长边的方位角作为主方位;
计算每条边与所述主方位之间的夹角,根据所述夹角调整对应边的方位;
根据所述建筑物轮廓中相邻两条边的位置关系确定所述建筑物轮廓的转折点;
对规则化处理后的建筑物进行编组和规则化处理,得到规则化后的建筑物群;
根据每个建筑物及其轮廓的每条边的编号对规则化后的建筑物群进行还原,得到最终的建筑物轮廓。
2.根据权利要求1所述的建筑物规则化方法,其特征在于,采用道格拉斯-普克算法对每个建筑物轮廓进行多边形拟合。
3.根据权利要求1所述的建筑物规则化方法,其特征在于,根据所述夹角调整对应边的方位,其具体实现过程为:
当0°<夹角θ≤θa时,以当前边的中心点作为旋转中心,将当前边顺时针旋转至与最长边平行;
当θa<夹角θ≤θb时,对当前边不进行调整;
当θb<夹角θ≤90°时,以当前边的中心点作为旋转中心,将当前边顺时针旋转至与最长边垂直;其中,θa表示第一角度阈值,θb表示第二角度阈值。
4.根据权利要求3所述的建筑物规则化方法,其特征在于,所述第一角度阈值θa设为30°,所述第二角度阈值θb设为60°。
5.根据权利要求1所述的建筑物规则化方法,其特征在于,根据所述建筑物轮廓中相邻两条边的位置关系确定所述建筑物轮廓的转折点,其具体实现过程为:
当相邻两条边相互垂直时,取该相邻两条边的交点作为转折点;
当相邻两条边相互平行时,计算该相邻两条边的垂直距离,当所述垂直距离小于第一距离阈值时,舍去该相邻两条边中的较短边,取较长边与与该较长边垂直且相邻的边的交点作为转折点;当所述垂直距离大于或等于第一距离阈值时,在该相邻两条边之间添加垂直线段,所述垂直线段的两端与该相邻两条边的交点作为转折点。
6.根据权利要求1~5中任一项所述的建筑物规则化方法,其特征在于,对规则化处理后的建筑物进行编组和规则化处理,其具体实现过程为:
计算规则化处理后的所有建筑物之间的距离,根据建筑物之间的距离进行编组,得到建筑物群;
遍历每个建筑物群的任意两条边,当两条边在同一直线上且相互平行,以及0<两条边之间的最近点距离<第二距离阈值时,将两条边中的较短边靠近该较长边的一端延伸至该较长边;当两条边在同一直线上,且第二距离阈值≤两条边之间的最近点距离时,不做处理;
当两条边不在同一直线上且相互平行,以及两条边之间的垂直距离<第二距离阈值时,过两条边中较短边的两个端点分别向较短边作垂线,垂线与两条边中的较长边相交,交点作为较短边的新端点;当两条边不在同一直线上且相互平行,且第二距离阈值≤两条边之间的垂直距离时,不做处理;
当两条边不相互平行且不相互垂直,以及两条边之间的最近点距离<第二距离阈值时,过两条边中较短边的两个端点分别向较短边作垂线,垂线与两条边中的较长边相交,交点作为较短边的新端点;当两条边不相互平行且不相互垂直,以及第二距离阈值≤两条边之间的最近点距离时,不做处理;
当两条边相互垂直,且靠近另一条边的其中一条边的端点与另一条边的垂直距离<第二距离阈值时,延长其中一条边至与另一条边相交,交点作为其中一条边的新端点;当两条边相互垂直,且第二距离阈值≤靠近另一条边的其中一条边的端点与另一条边的垂直距离时,不做处理。
7.根据权利要求6所述的建筑物规则化方法,其特征在于,所述第二距离阈值设为1米。
8.一种终端设备,包括存储器、处理器以及存储在存储器上的计算机程序/指令,其特征在于,所述处理器执行所述计算机程序/指令以实现如权利要求1~7中任一项所述的建筑物规则化方法。
9.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现如权利要求1~7中任一项所述的建筑物规则化方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现如权利要求1~7中任一项所述的建筑物规则化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410393789.5A CN118262238A (zh) | 2024-04-02 | 2024-04-02 | 建筑物规则化方法、设备、存储介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410393789.5A CN118262238A (zh) | 2024-04-02 | 2024-04-02 | 建筑物规则化方法、设备、存储介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118262238A true CN118262238A (zh) | 2024-06-28 |
Family
ID=91604942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410393789.5A Pending CN118262238A (zh) | 2024-04-02 | 2024-04-02 | 建筑物规则化方法、设备、存储介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118262238A (zh) |
-
2024
- 2024-04-02 CN CN202410393789.5A patent/CN118262238A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109243289B (zh) | 高精度地图制作中地下车库停车位提取方法及系统 | |
CN108228798B (zh) | 确定点云数据之间的匹配关系的方法和装置 | |
CN104835173A (zh) | 一种基于机器视觉的定位方法 | |
CN112215958B (zh) | 一种基于分布式计算的激光雷达点云数据投影方法 | |
CN111354083B (zh) | 一种基于原始激光点云的递进式建筑物提取方法 | |
CN110827302A (zh) | 基于深度图卷积网络的点云目标提取方法及装置 | |
CN114897669A (zh) | 一种标注方法、装置及电子设备 | |
Chen et al. | Building change detection in very high-resolution remote sensing image based on pseudo-orthorectification | |
CN113280764A (zh) | 基于多星协同技术的输变电工程扰动范围定量监测方法及系统 | |
CN113945937A (zh) | 精度检测方法、装置及存储介质 | |
CN104751451B (zh) | 基于无人机低空高分辨率影像的密集点云提取方法 | |
CN117523403A (zh) | 一种宅基地图斑变化检测方法、系统、设备及介质 | |
US11443442B2 (en) | Method and apparatus for localizing a data set based upon synthetic image registration | |
CN112362059B (zh) | 移动载体的定位方法、装置、计算机设备和介质 | |
CN117422841A (zh) | 一种基于远探测数据的三维重建方法及系统 | |
CN118262238A (zh) | 建筑物规则化方法、设备、存储介质及产品 | |
Zhang et al. | Accurate real-time SLAM based on two-step registration and multimodal loop detection | |
CN115601336A (zh) | 一种确定目标投影的方法、装置及电子设备 | |
CN113487736B (zh) | 一种水下地形点云数据转换为obj三维模型的方法 | |
CN115657049A (zh) | 一种隧道车载激光雷达定位纠偏方法及系统 | |
CN111522896A (zh) | 确定平面多边形凹凸点的方法及系统 | |
CN115544191A (zh) | 基于三维点云众包式语义地图的更新方法和装置 | |
Yao et al. | Automatic extraction method study of road marking lines based on projection of point clouds | |
CN117570994B (zh) | 利用柱状结构辅助slam的地图表征方法 | |
US20240070173A1 (en) | Systems and methods for generating a unique identity for a geospatial object code by processing geospatial data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |