一种基于倾斜摄影的群体建筑物震害提取方法及系统技术方案

本发明专利技术公开了一种基于倾斜摄影的群体建筑物震害提取方法及系统，该提取方法包括步骤：S1、对地震灾后建筑物进行倾斜摄影，并对影像数据进行预处理获得基础影像；S2、基于基础影像生成实景三维模型；S3、选取最优纹理影像；S4、获取地物轮廓信息，基于最优纹理影像与地物轮廓信息，采用面向对象方法提取纹理影像上单体建筑物震害信息；S5、通过样本数据对卷积神经网络进行训练，得到群体建筑物震害信息提取模型；S6、基于群体建筑物震害信息提取模型提取灾区群体建筑物震害信息，并判定群体建筑物破坏等级。本发明专利技术通过卷积神经网络对群体建筑物震害信息进行提取，处理复杂度低，处理效率高。

A method and system for extracting earthquake damage of group buildings based on tilt photography

【技术实现步骤摘要】
一种基于倾斜摄影的群体建筑物震害提取方法及系统
本专利技术涉及地震灾害评估领域，具体涉及一种基于倾斜摄影的群体建筑物震害提取方法及系统。
技术介绍
破坏性地震发生以后，迫切需要对灾害进行准确、快速的评估，为应急指挥、救援决策提供依据。以往的地震现场依靠人工实地走访调研和勘察虽然可以获取准确的灾情信息，但是投入巨大，耗费时间长，效率非常低下，尤其在地震发生后，灾区受灾严重、人员无法进入，难以适应高效快速的地震应急救援和灾情损失评估。在20世纪中叶，随着卫星和传感器的技术提升，遥感技术被应用到建筑物震害评估领域。特别是凭借拍摄面积大、多波段光谱数据丰富、视角开阔、时间和空间分辨率高等的特点，被迅速应用于地震灾后救援和灾情快速提取评估。它可以获取高分辨率灾前灾后多个时间段的遥感影像，实现多种灾情数据的集中和分析，为评估经济损失以及政府应急救援决策提供数据参考。然而，遥感影像只能获取建筑物顶部信息，无法获取建筑物侧面、空间位置和高度等信息。传统的正射影像只能从垂直视角进行分析，无法分析建筑物外墙及其结构破坏特征（如裂缝），往往将建筑物震害程度分为倒塌、未倒塌两类，或者基本完好、破坏、毁坏三类。由于无法获取建筑物外墙的结构震害信息，对轻微、中等、严重三个建筑物震害等级无法进行精确评估，造成遥感震害程度评估与地面调查评估不一致，这是二维遥感影像提取建筑物震害特征的局限性。近年发展的倾斜摄影技术弥补了以往遥感平台只能获取建筑物顶部信息的局限，通过无人机搭载一种或多种传感器，同时从垂直、倾斜角度采集影像，获取全方位空间地物信息，获取建筑物多角度的影像信息，通过建模生成了高分辨率倾斜三维模型。目前，国外基于倾斜摄影技术建模的软件有法国Acute3D公司生产的Smart3DCapture软件、法国Astrium公司的StreetFactory软件等，通过软件一系列自动化操作，生成具有真实纹理的三维场景。现有的基于倾斜摄影的建筑物震害提取方法，都是通过倾斜摄影获取地震地区的影像信息，再对影像信息进行三维建模，基于目视判读、像素法提取、面向对象提取这三种方法进行建筑物震害提取。然而影像信息覆盖的范围巨大，同时对大量的建筑物进行震害提取处理复杂度高，处理效率低。因此，如何实现高效的群体建筑物震害提取是本领域亟待解决的问题。
技术实现思路
本专利技术的目的是针对现有技术的缺陷，提供了基一种基于倾斜摄影的群体建筑物震害提取方法及系统。本专利技术仅对部分的影像信息进行分割与分类，在提取出相应的震害信息后，对卷积神经网络进行训练，以优化其它大量群体建筑物震害信息提取，大大降低了数据处理的复杂度，提升了处理效率，同时提高了震害信息的提取准确率。本专利技术针对影像信息的特点，构建同时包括震害信息提取通道、其他地物信息提取通道的卷积神经网络，能够全面提取建筑物影像中的信息数据，同时避免其他地物信息对震害信息提取的影响，造成的震害信息误提取，进一步提高了震害信息的提取精度。为了实现以上目的，本专利技术采用以下技术方案：一种基于倾斜摄影的群体建筑物震害提取方法，包括步骤：S1、通过无人机搭载的摄像机对地震灾后建筑物进行倾斜摄影，并对影像数据基于影像中心像点进行矫正，并对校正后图像进行去噪滤波处理，获得基础影像；S2、将所述基础影像导入自动化建模软件，自动化建模软件经过对所述基础影像进行进一步几何校正、联合平差处理，生成基于真实影像的超高密度点云，基于点云构建三维不规则三角网，生成白模；基于纹理自动贴面技术，生成基于真实影像纹理的高分辨率的实景三维模型；S3、将所述三维模型打散，实现纹理与三维建筑白模分离，获取三维建筑物对应的细节纹理图像；利用金字塔模型瓦片坐标范围和单体建筑物空间位置选取最优纹理影像；S4、运用边缘检测算法获取地物轮廓信息，基于所述最优纹理影像与地物轮廓信息，采用面向对象方法提取纹理影像上单体建筑物震害信息；S5、构建卷积神经网络，选取有震害信息的建筑物顶面和侧面影像作为样本，构建三类分类样本：完好建筑物面、破坏建筑物面和其他地物背景，通过样本数据对卷积神经网络进行训练，得到群体建筑物震害信息提取模型；S6、对待提取的群体建筑物顶面和侧面分别进行面向对象多尺度分割，基于所述群体建筑物震害信息提取模型提取灾区群体建筑物震害信息，并判定群体建筑物破坏等级。进一步地，所述对影像数据基于影像中心像点进行矫正具体为：S11、基于仿射变换，计算影像中心像点的偏移量；S12、基于所述偏移量计算正确的影像中心像点；S13、基于正确的影像中心像点及影像数据与中心像点的相对位置校正影像数据。进一步地，所述卷积神经网络包括震害信息提取通道、其他地物信息提取通道，震害信息提取通道用于提取建筑物影像中的震害信息，其他地物信息提取通道用于提取建筑物影像中除建筑物外的其他地物信息；所述震害信息提取通道、其他地物信息提取通道包括独立的卷积层、池化层、全连接层，共享一个输入层、输出层，输出层的结果是震害信息提取通道、其他地物信息提取通道的输出结果的整合；所述卷积神经网络的损失函数为：其中，是震害信息提取通道的损失函数，是其他地物信息提取通道的损失函数。进一步地，所述卷积神经网络输入的是需要进行震害信息提取的建筑物的顶面和侧面影像信息，输出的是标识有震害信息、其他地物信息的建筑物数据。进一步地，所述步骤S5还包括：对建筑物影像分别随机进行旋转、平移、错切变换、缩放等图像增强操作以扩充数据样例，其中旋转角度、缩放比例操作均随机选取对应数值以保证生成影像的随机性。本专利技术还提出一种基于倾斜摄影的群体建筑物震害提取系统，包括：预处理模块，用于通过无人机搭载的摄像机对地震灾后建筑物进行倾斜摄影，并对影像数据基于影像中心像点进行矫正，并对校正后图像进行去噪滤波处理，获得基础影像；建模模块，用于将所述基础影像导入自动化建模软件，自动化建模软件经过对所述基础影像进行进一步几何校正、联合平差处理，生成基于真实影像的超高密度点云，基于点云构建三维不规则三角网，生成白模；基于纹理自动贴面技术，生成基于真实影像纹理的高分辨率的实景三维模型；最优纹理影像生成模块，用于将所述三维模型打散，实现纹理与三维建筑白模分离，获取三维建筑物对应的细节纹理图像；利用金字塔模型瓦片坐标范围和单体建筑物空间位置选取最优纹理影像；单体建筑物处理模块，用于运用边缘检测算法获取地物轮廓信息，基于所述最优纹理影像与地物轮廓信息，采用面向对象方法提取纹理影像上单体建筑物震害信息；训练模块，用于构建卷积神经网络，选取有震害信息的建筑物顶面和侧面影像作为样本，构建三类分类样本：完好建筑物面、破坏建筑物面和其他地物背景，通过样本数据对卷积神经网络进行训练，得到群体建筑物震害信息提取模型；群体建筑物提取模块，用于对待提取的群体建筑物顶面和侧面分别进行面向对象多尺度分割，基于所述群体建筑物震害信息提取模型提取灾区群体建筑物震害信息，并判定群体建筑物破坏等级。...

【技术保护点】
1.一种基于倾斜摄影的群体建筑物震害提取方法，其特征在于，包括步骤：/nS1、通过无人机搭载的摄像机对地震灾后建筑物进行倾斜摄影，并对影像数据基于影像中心像点进行矫正，并对校正后图像进行去噪滤波处理，获得基础影像；/nS2、将所述基础影像导入自动化建模软件，自动化建模软件经过对所述基础影像进行进一步几何校正、联合平差处理，生成基于真实影像的超高密度点云，基于点云构建三维不规则三角网，生成白模；基于纹理自动贴面技术，生成基于真实影像纹理的高分辨率的实景三维模型；/nS3、将所述三维模型打散，实现纹理与三维建筑白模分离，获取三维建筑物对应的细节纹理图像；利用金字塔模型瓦片坐标范围和单体建筑物空间位置选取最优纹理影像；/nS4、运用边缘检测算法获取地物轮廓信息，基于所述最优纹理影像与地物轮廓信息，采用面向对象方法提取纹理影像上单体建筑物震害信息；/nS5、构建卷积神经网络，选取有震害信息的建筑物顶面和侧面影像作为样本，构建三类分类样本：完好建筑物面、破坏建筑物面和其他地物背景，通过样本数据对卷积神经网络进行训练，得到群体建筑物震害信息提取模型；/nS6、对待提取的群体建筑物顶面和侧面分别进行面向对象多尺度分割，基于所述群体建筑物震害信息提取模型提取灾区群体建筑物震害信息，并判定群体建筑物破坏等级。/n...

【技术特征摘要】
1.一种基于倾斜摄影的群体建筑物震害提取方法，其特征在于，包括步骤：
S1、通过无人机搭载的摄像机对地震灾后建筑物进行倾斜摄影，并对影像数据基于影像中心像点进行矫正，并对校正后图像进行去噪滤波处理，获得基础影像；
S2、将所述基础影像导入自动化建模软件，自动化建模软件经过对所述基础影像进行进一步几何校正、联合平差处理，生成基于真实影像的超高密度点云，基于点云构建三维不规则三角网，生成白模；基于纹理自动贴面技术，生成基于真实影像纹理的高分辨率的实景三维模型；
S3、将所述三维模型打散，实现纹理与三维建筑白模分离，获取三维建筑物对应的细节纹理图像；利用金字塔模型瓦片坐标范围和单体建筑物空间位置选取最优纹理影像；
S4、运用边缘检测算法获取地物轮廓信息，基于所述最优纹理影像与地物轮廓信息，采用面向对象方法提取纹理影像上单体建筑物震害信息；
S5、构建卷积神经网络，选取有震害信息的建筑物顶面和侧面影像作为样本，构建三类分类样本：完好建筑物面、破坏建筑物面和其他地物背景，通过样本数据对卷积神经网络进行训练，得到群体建筑物震害信息提取模型；
S6、对待提取的群体建筑物顶面和侧面分别进行面向对象多尺度分割，基于所述群体建筑物震害信息提取模型提取灾区群体建筑物震害信息，并判定群体建筑物破坏等级。


2.根据权利要求1所述的群体建筑物震害提取方法，其特征在于，所述对影像数据基于影像中心像点进行矫正具体为：
S11、基于仿射变换，计算影像中心像点的偏移量；
S12、基于所述偏移量计算正确的影像中心像点；
S13、基于正确的影像中心像点及影像数据与中心像点的相对位置校正影像数据。


3.根据权利要求1所述的群体建筑物震害提取方法，其特征在于，所述卷积神经网络包括震害信息提取通道、其他地物信息提取通道，震害信息提取通道用于提取建筑物影像中的震害信息，其他地物信息提取通道用于提取建筑物影像中除建筑物外的其他地物信息；所述震害信息提取通道、其他地物信息提取通道包括独立的卷积层、池化层、全连接层，共享一个输入层、输出层，输出层的结果是震害信息提取通道、其他地物信息提取通道的输出结果的整合；所述卷积神经网络的损失函数为：



其中，是震害信息提取通道的损失函数，是其他地物信息提取通道的损失函数。


4.根据权利要求3所述的群体建筑物震害提取方法，其特征在于，所述卷积神经网络输入的是需要进行震害信息提取的建筑物的顶面和侧面影像信息，输出的是标识有震害信息、其他地物信息的建筑物数据。


5.根据权利要求1所述的群体建筑物震害提取方法，其特征在于，所述步骤S5还包括：
对建筑物影像分别随机进行旋转、平移、错切变换、缩放等图像增强操作以扩充数据样例，其中旋转角度、缩放比例操作均随机选取对应数值以保证生成影像的随机性。


6.一种基于倾斜摄影的群体建筑物震害提取...

【专利技术属性】
技术研发人员：张亮，宋杰，董梅，胡辉，
申请(专利权)人：杭州鲁尔物联科技有限公司，
类型：发明
国别省市：浙江;33