JP4880069B2

JP4880069B2 - 建物屋根輪郭認識装置、建物屋根輪郭認識方法、及び建物屋根輪郭認識プログラム

Info

Publication number: JP4880069B2
Application number: JP2010509179A
Authority: JP
Inventors: 秀樹島村; 林朱
Original assignee: Pasco Corp
Current assignee: Pasco Corp
Priority date: 2008-04-23
Filing date: 2009-04-21
Publication date: 2012-02-22
Anticipated expiration: 2029-04-21
Also published as: JPWO2009131108A1; CN101978395A; EP2278553A1; US8538151B2; CN101978395B; WO2009131108A1; EP2278553A4; US20110033110A1

Description

本発明は、建物屋根輪郭認識装置、建物屋根輪郭認識方法、及び建物屋根輪郭認識プログラムに関する。

都市モデルの生成などにおいて、航空機などから撮影した高分解能の空中写真画像を利用して建物の屋根（屋上を含む）の輪郭を認識することが行われる。従来は、作業者がステレオ図化機を用いてステレオ画像から建物屋根輪郭の構造を求める方法や、建物の輪郭が存在する範囲を作業者が指定し、その範囲で画像認識処理によって建物屋根輪郭を生成する半自動的な認識方法や、作業者がヘッドアップデジタイジングにより、オルソ画像（正射投影画像）から建物屋根輪郭の認識を行う方法が行われている。

また、空中写真画像を用いて自動的に建物屋根輪郭を認識する方法や、ＤＳＭ（Digital Surface Model：数値表層モデル）データを用いて自動的に建物屋根輪郭を認識する方法も提案されている。

特開２００３−３２３６４０号公報

上述の従来の方法は、個々の建物の建物屋根輪郭の認識処理に、人手による作業が必要であるため、作業効率が低いという問題点があった。また人手を伴う認識処理は、その品質が作業者の技量に依存するため、品質保証が難しいという問題点があった。

一方、空中写真画像は建物屋根輪郭以外にも様々な情報を含んでいるため、例えば、空中写真画像から輪郭を精度良く認識することが容易ではないという問題点があった。これに対して、ＤＳＭデータは洗練された情報であるが、データが得られるサンプリング点を、建物屋根輪郭の認識に十分な数だけ得ることが難しいという問題点があった。ＤＳＭが粗いことは、特に、建物の密集する都市領域において精度のよい建物屋根の輪郭の認識を困難にする。

本発明は上記問題点を解決するためになされたものであり、自動化が容易な建物屋根輪郭認識装置、建物屋根輪郭認識方法、及び建物屋根輪郭認識プログラムを提供することを目的とする。

本発明に係る建物屋根輪郭認識装置は、上空から取得され、地物を含んだ地上表層の標高を表す表層データに基づいて、建物屋根輪郭の認識対象領域から、屋根に含まれる領域を建物毎に標識領域として抽出する標識領域抽出部と、前記標識領域を核とする領域拡張法により、前記表層データ及び空中写真画像に関して当該標識領域と共通性を有する領域を屋根候補領域として抽出する屋根候補領域抽出部と、前記空中写真画像に現れるエッジのうち前記屋根候補領域の外形に適合するものを抽出し、前記建物屋根輪郭となる外縁境界線を求める外縁境界線整形部と、を有する。

本発明の好適な態様は、前記屋根候補領域抽出部が、前記表層データと、前記空中写真画像が有する色情報及び画像テクスチャ情報とに基づいて前記共通性の有無を判断し、前記屋根候補領域を求める装置である。

本発明の他の好適な態様は、前記標識領域抽出部が、前記表層データに基づくウォーターシェッド法による領域分割により、前記地上表層に現れる凸部のうち前記建物に対応する高さを有するものを前記標識領域として抽出する領域分割処理を含む装置である。

本発明に係る建物屋根輪郭認識装置は、前記領域分割処理にて前記標識領域を抽出された前記建物に対応する前記凸部での前記表層データに基づいて、当該建物が平らな屋根面からなる平屋根か勾配面を有する勾配屋根かを判別する屋根形状判別部と、前記勾配屋根を有する前記建物について、前記外縁境界線内の前記空中写真画像に現れるエッジに基づき、前記勾配屋根が有し得る複数の屋根面の相互の境界線を屋根構造線として抽出する屋根構造線抽出部と、前記外縁境界線と前記屋根構造線とから前記勾配屋根の前記建物屋根輪郭の立体的構造を構成する勾配屋根輪郭構成部と、を有する装置とすることができる。

また本発明に係る建物屋根輪郭認識装置においては、前記標識領域抽出部が、前記領域分割処理に先立ち、前記認識対象領域のうち前記表層データが所定の閾値を超える領域に基づいて、大きな建物についての前記標識領域を求める大建物領域抽出部と、前記認識対象領域のうち前記大きな建物の前記標識領域を除いた領域に対して、前記領域分割処理を行い、前記閾値に応じた高さ以下の低層建物である小さな建物についての前記標識領域を求める小建物領域抽出部と、を有する装置とすることができる。

本発明の好適な態様は、前記空中写真画像に基づいて植生領域を抽出する植生領域抽出部を有し、前記標識領域抽出部は、前記認識対象領域から前記植生領域を除いた領域を対象として各処理を行う装置である。

また、本発明に係る建物屋根輪郭認識装置は、前記表層データから前記地物を含まない地表の標高を減算して、前記地物の高さを表す正規化表層データを生成する正規化処理部を有し、前記標識領域抽出部が、前記正規化表層データに基づいて前記標識領域を抽出し、前記屋根候補領域抽出部が、前記屋根候補領域の抽出に前記正規化表層データを用いる構成とすることができる。

本発明に係る建物屋根輪郭認識方法、又は建物屋根輪郭認識プログラムは、上空から取得され、地物を含んだ地上表層の標高を表す表層データに基づいて、建物屋根輪郭の認識対象領域から、屋根に含まれる領域を建物毎に標識領域として抽出する標識領域抽出ステップと、前記標識領域を核とする領域拡張法により、前記表層データ及び空中写真画像に関して当該標識領域と共通性を有する領域を屋根候補領域として抽出する屋根候補領域抽出ステップと、前記空中写真画像に現れるエッジのうち前記屋根候補領域の外形に適合するものを抽出し、前記建物屋根輪郭となる外縁境界線を求める外縁境界線整形ステップと、を有する。

本発明によれば、表層データであるＤＳＭデータの高さ情報と、空中写真画像から得られる高解像度の情報（画素値スペクトル情報やテクスチャ情報など）という互いに異なる性格の情報を組み合わせることで、建物屋根輪郭を自動的に、また精度良く認識することができる。自動化を図れることにより、建物屋根輪郭の認識に要する時間を短縮でき、また、品質の確保が図れる。

本発明の実施形態である建物屋根輪郭認識方法の概略の処理の流れを示すフロー図である。正規化処理を説明する模式図である。大きな建物候補領域の抽出処理を説明する模式図である。小さな建物候補領域の抽出処理を説明する模式図である。勾配屋根の判定処理に用いられる極座標系を説明する模式図である。 αβ平面における二次元ヒストグラムの例を示す模式図である。低層建物のオルソ画像の上に建物候補領域を重ねて表示した模式図である。低層建物のオルソ画像の上に建物領域を重ねて表示した模式図である。低層建物のオルソ画像の上に建物境界線を重ねて表示した模式図である。低層建物のオルソ画像の上に屋根構造線を重ねて表示した模式図である。外縁境界線と屋根構造線とから構成された建物屋根輪郭の立体構造を示す模式的な斜視図である。

以下、本発明の実施の形態（以下実施形態という）について、図面に基づいて説明する。

図１は、実施形態である建物屋根輪郭認識方法の概略の処理の流れを示すフロー図である。正規化処理Ｓ２は、表層データであるＤＳＭデータ４を正規化する。当該処理Ｓ２は、ＤＳＭデータ４とＤＴＭ（Digital Terrain Model：数値地形モデル）データ６とを用いて行われ、正規化表層データであるＮＤＳＭ（Normalized Digital Surface Model）データ８が生成される。

植生領域の抽出処理Ｓ１０は、航空機等から撮影された空中写真画像に基づいて得られるオルソ画像データ１２と、ＮＤＳＭデータ８とを用いて、オルソ画像中における植生領域を特定する。これにより、植生領域を示す情報を含んだ植生領域データ１４が生成される。

大きな建物候補領域の抽出処理Ｓ１６は、建物屋根輪郭を認識する処理の対象とする地上領域（認識対象領域）内に存在する所定の高さを超える大きな建物の候補領域を抽出する。一方、小さな建物候補領域の抽出処理Ｓ１８は、処理Ｓ１６で求められた大きな建物候補領域を除く領域を対象として行われ、低層建物である小さな建物の候補領域を抽出する。これら処理Ｓ１６，Ｓ１８は各建物の候補領域として、上空から見た屋根の領域内に少なくとも一部が包含される領域を抽出する。すなわち、候補領域は、屋根（又は建物の存在する領域）の全体に相当するものであるとは限らず、基本的にはその一部が屋根領域の一部に含まれる領域である。つまり、建物候補領域は、屋根領域そのものの候補というよりは、建物の候補位置を示す標識（標識領域）と捉えることができる。

建物領域の抽出処理Ｓ２０は、認識対象領域に占める建物の領域（建物領域）を求める。当該処理Ｓ２０は、処理Ｓ１６，Ｓ１８で求めた建物候補領域を核とする領域拡張法により、当該候補領域と同じ属性を有する領域を求める。これにより、屋根領域の全体に対応する領域（屋根候補領域）が建物領域として抽出される。

建物境界線の整形処理Ｓ２２は、オルソ画像に現れるエッジのうち、処理Ｓ２０で求めた建物領域の外形に適合するものを抽出し、建物領域の外縁境界線となる建物境界線を求める。この建物境界線は、上空から見た屋根の輪郭に相当する。

小さな建物屋根形状の特定処理Ｓ２４は、処理Ｓ１８にて建物候補領域が抽出された低層建物が平らな屋根面からなる平屋根か勾配面を有する勾配屋根かを判別する。

建物屋根構造線の抽出処理Ｓ２６は、処理Ｓ２４にて勾配屋根を有すると判定された低層建物について、処理Ｓ２２で求めた建物境界線内のオルソ画像に現れるエッジに基づき、勾配屋根が有し得る複数の屋根面の相互の境界線を屋根構造線として抽出する。

建物屋根輪郭の立体構造の構成処理Ｓ２８は、建物境界線と屋根構造線とから勾配屋根の屋根輪郭の立体的構造を構成する。

以下、上述の各処理についてさらに説明する。

正規化処理Ｓ２で用いるＤＳＭは、例えば、撮影位置の異なる複数の航空画像を照合し、同一の地物の当該複数の航空画像での見え方の違いに基づいて当該地物の高さを求めることにより生成される。ＤＳＭは地上の建物や植生等の地物を含んだ地表の標高を表す。これに対して、ＤＴＭは、地物を含まない地表の標高を表す。ＤＴＭは、例えば、ＤＳＭデータ４が表すＤＳＭに対して、モフォロジカルフィルタリングを施すことで得ることができる。正規化処理Ｓ２は、地点毎にＤＳＭデータ４からＤＴＭデータ６を減算して、ＤＳＭに含まれるＤＴＭの影響を除去し、地物のみの高さを表すＮＤＳＭデータ８を生成する。

図２は、正規化処理Ｓ２を説明する模式図である。図２（ａ）は、地上の模式的な垂直断面図である。ＤＳＭ３０は、建物３２，３３、樹木３４等の地物表面の水平座標・標高と、地物の間に露出する地表面３６の水平座標・標高とを表す。ここで、ＤＳＭ３０における建物の標高は、その下の地表面の標高と建物の高さとの合計となる。正規化処理Ｓ２は、このＤＳＭ３０の値からＤＴＭ４０の値を減算し、ＮＤＳＭを生成する。図２（ｂ）は、図２（ａ）の地上に対応して得られるＮＤＳＭ４２を模式的に表す垂直断面図である。このＮＤＳＭ４２では、地物（建物３２ａ，３３ａ、樹木３４ａ）は地表からの高さ情報を有する一方、地表面３６ａは基本的に、高さ０に応じた高さとなる。

ＮＤＳＭでは、建物以外の地物も有意な高さを有し、特に、樹木３４ａ等の植生は建物に相当する高さとなり得るため、建物候補領域の抽出処理Ｓ１６，Ｓ１８等においてノイズ要因となる。そこで植生領域の抽出処理Ｓ１０にて植生領域データ１４を生成し、処理Ｓ１６，Ｓ１８等にて、建物屋根輪郭の認識対象領域から植生領域を除外するために用いる。例えば、植生領域データ１４は、植生領域では値“１”を有し、非植生領域では値“０”を有する画像データとして定義することができる。

オルソ画像データ１２として、赤（Ｒ）、緑（Ｇ）、青（Ｂ）、近赤外（ＮＩＲ）の複数成分からなるマルチスペクトル画像を用いた場合には、樹木の葉が近赤外光を強く反射する性質から植生領域を検知することができる。例えば、Ｒ成分のピクセル値Ｄ_Ｒ及びＮＩＲ成分のピクセル値Ｄ_ＮＩＲを用いて次式で算出されるＮＤＶＩ（Normalized Difference Vegetation Index：正規化植生指標）が所定の閾値以上の領域を植生領域と判定することができる。
ＮＤＶＩ＝（Ｄ_ＮＩＲ−Ｄ_Ｒ）/（Ｄ_ＮＩＲ＋Ｄ_Ｒ）

また、植生領域であるか否かは、屋根や屋上は比較的大きな水平距離にわたって平滑な面が広がるのに対し、植生領域では、比較的小さい空間周期で高さの変動が生じる。この違いを利用して植生領域を判別することもできる。具体的には、隣接サンプリング点間での勾配の分散が所定の閾値を超える領域を植生領域と判断することができる。また、高さの変動が航空機等から撮影した画像に生じるテクスチャに基づいて判別することも可能である。

また、オルソ画像に現れるエッジに関し、植生のエッジの密度は建物のエッジに比べて概して高くなる。これを利用して植生領域を判定することもできる。

ここで、建物屋根輪郭の認識に係る本実施形態では、上述の植生領域の判定にＮＤＳＭデータ８を併用することで、判定の精度の向上を図ることができる。例えば、建物候補領域の抽出処理Ｓ１６，Ｓ１８にてノイズとなりやすい比較的高い樹木を好適に植生領域として抽出可能となる。また、緑化されている屋上では高さが高い割にはその分散が小さいことが期待でき、このような性質を利用して、緑化された屋上は非植生領域と判定し、建物候補領域の認識対象領域から除外しないようにすることもできる。

大きな建物候補領域の抽出処理Ｓ１６は、上述のように所定の閾値高さでＮＤＳＭをスライシングし、当該閾値高さを超える領域を抽出する。この抽出された領域に対して、モフォロジー処理により膨張・収縮を施して、ノイズである小領域の除去や、隣接領域の分離を行ったり、植生領域データ１４を参照して植生領域を除外し、大きな建物候補領域を求める。

図３は、大きな建物候補領域の抽出処理Ｓ１６を説明する模式図である。図３（ａ）は、図２（ｂ）のＮＤＳＭ４２に相当するＮＤＳＭ４２ａを模式的に表す垂直断面図に、スライシングの閾値高さのレベル５０を示している。ここで、図３（ａ）に実線で表すＮＤＳＭ４２ａは地物の実際の形状５２よりも形を滑らかに表している。図２ではＮＤＳＭ４２を形状５２に即した形で表したが、実際にはＮＤＳＭの分解能は一般に形状５２を十分に捉え得るほどには高くない。図３（ａ）のＮＤＳＭ４２ａは、これを意識して表している。

図３（ｂ）は、レベル５０を超える領域を表した認識対象領域の模式的な画像である。なお、図３（ｂ）において線分Ａ−Ａが図３（ａ）に示す断面の位置である。スライシング後の画像には、大きな建物３２ａに対応する領域３２ｂの他に、ノイズとして樹木３４ａに対応する領域３４ｂが分布する植生領域５４が含まれている。図３（ｃ）は、図３（ｂ）の画像に対して、モフォロジー処理や、植生領域データ１４を用いた植生領域除外処理を行った後の画像の模式図である。植生領域５４が除去されることで、大きな建物候補領域となる領域３２ｂが精度良く現れた画像が生成される。

小さな建物候補領域の抽出処理Ｓ１８は、大きな建物候補領域や植生領域を除いたＮＤＳＭに対して、領域分割処理（画像セグメンテーション）を行うことで、地上表層に現れる凸部のうち低層建物に対応する高さを有するものを小さな建物候補領域として抽出する。例えば、ＮＤＳＭデータ８において、大きな建物候補領域や植生領域のデータを値“０”に置き換える処理を行い、得られたＮＤＳＭに対して領域分割処理を行う。領域分割処理のアルゴリズムとしては例えば、ウォーターシェッド（watershed）セグメンテーションや、マーカーベースド（marker-based）・ウォーターシェッドセグメンテーションなどを用いることができる。

図４は、小さな建物候補領域の抽出処理Ｓ１８を説明する模式図である。図４（ａ）は、図３（ａ）に示すＮＤＳＭ４２ａに対して、大きな建物候補領域として抽出される建物３２ａや植生領域５４を構成する樹木３４ａを除去する処理を行った後のＮＤＳＭ４２ｂを模式的に表す垂直断面図である。図４（ｂ）は、ＮＤＳＭ４２ｂに対してウォーターシェッドセグメンテーションを行った結果を示す認識対象領域の模式的な画像である。低層建物３３ａに対応するＮＤＳＭ４２ｂの凸部の頂部に対応する領域５６が小さな建物候補領域として、建物３３ａの屋根領域５８内に抽出される。

この小さな建物候補領域の抽出処理Ｓ１８により、認識対象領域に存在し得る複数の低層建物３３ａのそれぞれの位置が、互いに分離した領域５６として把握される。小さな建物屋根形状の特定処理Ｓ２４では、各領域５６におけるＮＤＳＭデータ８から、当該領域５６に対応する低層建物３３ａの屋根の立体的な形状が判定される。具体的には、領域５６にて、ＮＤＳＭデータ８によって定義されるメッシュで構成される立体面上での局所表面法線ベクトルを求める。例えば、メッシュを構成する各ポリゴンの法線ベクトルが局所表面法線ベクトルとして求められ、それらの向きが専ら鉛直方向である場合は平屋根であり、鉛直方向に対して傾斜した向きに多く分布する場合は勾配屋根であると判定する。その際、例えば、図５に示す一種の球座標（α，β）で局所表面法線ベクトルの向きを表し、αβ平面での局所表面法線ベクトルのヒストグラムに基づいて、平屋根か勾配屋根かの判定を行うことができる。なお、図５において、ベクトルＮが局所表面法線ベクトルを表しており、直交座標系のＸ軸、Ｙ軸が張る平面がＮＤＳＭの地表面であり、Ｚ軸の正の向きが地表面に対する鉛直上向きである。また座標αはベクトルＮとＺＸ平面とのなす角度であり、座標βはベクトルＮのＺＸ平面への射影ベクトルＳとＺ軸上向きとのなす角度である。この球座標系によれば、ベクトルＮが鉛直方向の場合にα，βが共に０となってαβ平面の原点に位置し、一方、鉛直方向から傾くと原点から離れた点に対応付けられる。図６は、αβ平面における二次元ヒストグラムの例を示す模式図である。図６（ａ）は平屋根の場合の局所表面法線ベクトルの度数分布を表しており、この場合の度数はαβ平面の原点及びその近傍からなる領域７０で高くなる。図６（ｂ）は勾配屋根の場合の局所表面法線ベクトルの度数分布の例を表しており、この場合の度数はαβ平面の原点から離れた領域７２で高くなる。そこで、例えば、度数についての所定の閾値で当該二次元ヒストグラムを二値化し、当該閾値を超える領域が原点にあるか、原点から離れた位置にあるかによって平屋根と勾配屋根とを判別することができる。

建物領域の抽出処理Ｓ２０では、処理Ｓ１６，Ｓ１８で求めた建物候補領域を核（マーカ）とし、ＮＤＳＭデータ８が表す高さ情報や、オルソ画像データ１２から得られる画像の色情報やテクスチャ情報を用いて、領域拡張法により建物領域が抽出される。具体的には、建物候補領域に連続する領域のうち、当該建物候補領域と高さ、色、テクスチャについて共通性があると認められる範囲内の領域を当該建物候補領域に結合して、建物領域とする。図７、図８は、建物領域の抽出処理Ｓ２０を説明する模式図である。図７は、小さな建物候補領域の抽出処理Ｓ１８にて抽出された建物候補領域（領域５６）を、オルソ画像８０に重ねて示している。なお、オルソ画像８０には切妻屋根の低層建物３３ａが表されており、オルソ画像８０での屋根面の像８２を斜線ハッチングで示し、また、この屋根面の範囲が上述した屋根領域５８であることを像８２を囲む点線で示している。図８は、領域５６をマーカとする領域拡張処理により得られた建物領域８４を、オルソ画像８０上に示している。

このように、ＮＤＳＭデータ８とオルソ画像データ１２の情報とを併用した領域拡張法を用いることで、コンピュータ等の演算処理装置を用いた自動的な処理で、建物領域か否かを精度良く判別し、建物領域を好適に抽出することが可能となる。

ここで、図８に示すように建物領域８４は屋根領域５８を好適にカバーし得るが、領域拡張法の性質上、建物領域８４の輪郭は必ずしも、点線で示す屋根領域５８の輪郭（外縁境界線）にきれいに一致するとは限らない。建物境界線の整形処理Ｓ２２は、建物領域に適合する外縁境界線を求める処理であり、オルソ画像に現れるエッジのうち、処理Ｓ２０で求めた建物領域の外形に適合するものを抽出し、外縁境界線である建物境界線を求める。図９は、建物境界線の整形処理Ｓ２２を説明する模式図である。図９は、図８の建物領域８４に対応して抽出された建物境界線８６を示している。

建物屋根構造線の抽出処理Ｓ２６は、勾配屋根を有する低層建物を対象として行われ、ＮＤＳＭデータ８から得られる高さ情報を参照しつつ、建物境界線内のオルソ画像からエッジ・線分を抽出し、さらに、抽出したエッジ・線分の結合や頂点決め等を行って、勾配屋根が有し得る複数の屋根面の相互の境界線である屋根構造線を求める。図１０は、建物屋根構造線の抽出処理Ｓ２６を説明する模式図である。ここで、屋根面の像８２には斜線の向きが異なる２つの領域８２ａ，８２ｂが含まれているが、これら領域８２ａ，８２ｂは切妻屋根を構成する２つの屋根面に対応している。ハッチングの斜線の向きの違いは、領域８２ａと領域８２ｂとの間にて、それぞれに対応する屋根面の向きの違いに応じオルソ画像上、コントラストが生じることを表現している。図１０は、屋根構造線８８として、領域８２ａ，８２ｂのコントラストや色情報に基づき、領域８２ａ，８２ｂが接する境界線が抽出されることを示している。

建物屋根輪郭の立体構造の構成処理Ｓ２８は、建物境界線と屋根構造線とから勾配屋根の屋根輪郭の立体的構造を構成する。この処理では、外縁境界線と屋根構造線とを重ね合わせ、それらが接続、交差する点の位置を決定する。さらに、屋根の立体的形状の情報を考慮に入れて、外縁境界線と屋根構造線とを組み合わせた平面的な図形パターンから、建物屋根輪郭の立体的構造が決定される。なお、屋根の立体的形状は、切妻型、寄棟型等の基本的な類型や、外縁境界線が構成する屋根領域の形状から推定できる。図１１は、図９の外縁境界線８６と図１０の屋根構造線８８とから構成された建物屋根輪郭の立体構造９０を示す模式的な斜視図である。ちなみに、屋根面が形成する凹凸の程度は、ＮＤＳＭデータ８や、処理Ｓ２４にて得ることができる屋根の勾配の情報（角度α，β）に基づいて定めることが可能である。

上述の建物屋根輪郭の認識方法は、コンピュータ上で実行されるプログラムとして実現することができる。コンピュータは当該プログラムを実行することにより、航空機等にて取得されたＤＳＭデータ４及びオルソ画像データ１２から、認識対象領域に存在する建物の位置の把握、建物領域の特定、そして建物屋根輪郭の認識及びその立体的構造の構築を自動的に行うことができる。また、本発明に係る建物屋根輪郭認識装置は、例えば、当該プログラムを実行するコンピュータによって実現される。

また、上述の実施形態では、航空機から撮影した画像及び当該画像から生成したＤＳＭを用いた態様を説明したが、高分解能衛星から取得した画像及びＤＳＭを用いてもよい。またＤＳＭは、航空機等から地上へレーザを照射して取得するものであってもよい。

Claims

上空から取得され、地物を含んだ地上表層の標高を表す表層データに基づいて、建物屋根輪郭の認識対象領域から、少なくとも一部が屋根に含まれる領域を建物毎に標識領域として抽出する標識領域抽出部と、
前記標識領域を核とする領域拡張法により、前記表層データ及び空中写真画像に関して当該標識領域と共通性を有する領域を屋根候補領域として抽出する屋根候補領域抽出部と、
前記空中写真画像に現れるエッジのうち前記屋根候補領域の外形に適合するものを抽出し、前記建物屋根輪郭となる外縁境界線を求める外縁境界線整形部と、
を有することを特徴とする建物屋根輪郭認識装置。
請求項１に記載の建物屋根輪郭認識装置において、
前記屋根候補領域抽出部は、
前記表層データと、前記空中写真画像が有する色情報及び画像テクスチャ情報とに基づいて前記共通性の有無を判断し、前記屋根候補領域を求めること、
を特徴とする建物屋根輪郭認識装置。
請求項１に記載の建物屋根輪郭認識装置において、
前記標識領域抽出部は、前記表層データに基づくウォーターシェッド法による領域分割により、前記地上表層に現れる凸部のうち前記建物に対応する高さを有するものを前記標識領域として抽出する領域分割処理を含むこと、
を特徴とする建物屋根輪郭認識装置。
請求項３に記載の建物屋根輪郭認識装置において、
前記領域分割処理にて前記標識領域を抽出された前記建物に対応する前記凸部での前記表層データに基づいて、当該建物が平らな屋根面からなる平屋根か勾配面を有する勾配屋根かを判別する屋根形状判別部と、
前記勾配屋根を有する前記建物について、前記外縁境界線内の前記空中写真画像に現れるエッジに基づき、前記勾配屋根が有し得る複数の屋根面の相互の境界線を屋根構造線として抽出する屋根構造線抽出部と、
前記外縁境界線と前記屋根構造線とから前記勾配屋根の前記建物屋根輪郭の立体的構造を構成する勾配屋根輪郭構成部と、
を有することを特徴とする建物屋根輪郭認識装置。
請求項３又は請求項４に記載の建物屋根輪郭認識装置において、
前記標識領域抽出部は、
前記領域分割処理に先立ち、前記認識対象領域のうち前記表層データが所定の閾値を超える領域に基づいて、大きな建物についての前記標識領域を求める大建物領域抽出部と、前記認識対象領域のうち前記大きな建物の前記標識領域を除いた領域に対して、前記領域分割処理を行い、前記閾値に応じた高さ以下の低層建物である小さな建物についての前記標識領域を求める小建物領域抽出部と、
を有することを特徴とする建物屋根輪郭認識装置。
請求項１から請求項４のいずれか１つに記載の建物屋根輪郭認識装置において、
前記空中写真画像に基づいて植生領域を抽出する植生領域抽出部を有し、
前記標識領域抽出部は、前記認識対象領域から前記植生領域を除いた領域を対象として各処理を行うこと、
を特徴とする建物屋根輪郭認識装置。
請求項１から請求項４のいずれか１つに記載の建物屋根輪郭認識装置において、
前記表層データから前記地物を含まない地表の標高を減算して、前記地物の高さを表す正規化表層データを生成する正規化処理部を有し、
前記標識領域抽出部は、前記正規化表層データに基づいて前記標識領域を抽出し、
前記屋根候補領域抽出部は、前記屋根候補領域の抽出に前記正規化表層データを用いること、
を特徴とする建物屋根輪郭認識装置。
上空から取得され、地物を含んだ地上表層の標高を表す表層データに基づいて、建物屋根輪郭の認識対象領域から、少なくとも一部が屋根に含まれる領域を建物毎に標識領域として抽出する標識領域抽出ステップと、
前記標識領域を核とする領域拡張法により、前記表層データ及び空中写真画像に関して当該標識領域と共通性を有する領域を屋根候補領域として抽出する屋根候補領域抽出ステップと、
前記空中写真画像に現れるエッジのうち前記屋根候補領域の外形に適合するものを抽出し、前記建物屋根輪郭となる外縁境界線を求める外縁境界線整形ステップと、
を有することを特徴とする建物屋根輪郭認識方法。
上空から取得され、地物を含んだ地上表層の標高を表す表層データに基づいて、建物屋根輪郭の認識対象領域から、少なくとも一部が屋根に含まれる領域を建物毎に標識領域として抽出する標識領域抽出ステップと、
前記標識領域を核とする領域拡張法により、前記表層データ及び空中写真画像に関して当該標識領域と共通性を有する領域を屋根候補領域として抽出する屋根候補領域抽出ステップと、
前記空中写真画像に現れるエッジのうち前記屋根候補領域の外形に適合するものを抽出し、前記建物屋根輪郭となる外縁境界線を求める外縁境界線整形ステップと、
をコンピュータに実行させるための建物屋根輪郭認識プログラム。