一种利用楼宇外立面对建筑物进行分类的方法技术

本发明专利技术公开了一种利用楼宇外立面对建筑物进行分类的方法，包括从倾斜摄影重建的三维建筑模型中获取建筑物外立面纹理信息；对所述外立面纹理信息进行图像分割和特征提取；利用所述分割和特征提取后的外立面纹理信息，对所述建筑物功能进行分类和识别。使用无人机航拍斜视图像作为输入，包含了粗糙的遥感数据没有的建筑物外立面的纹理信息；可以从建筑物外立面的纹理信息对建筑的进行分类。

【技术实现步骤摘要】
一种利用楼宇外立面对建筑物进行分类的方法
本专利技术涉及遥感分类的
，尤其涉及一种利用楼宇外立面对建筑物进行分类的方法。
技术介绍
近年来，根据建筑物的用途对建筑物进行分类对于城市设计和管理很有用。这种信息可以提供与人口，资源和环境相关的问题的索引，例如人口分布，供电和交通系统设计。它们是城市规划，政策制定和灾害管理的基础。当前，统计数据主要通过手工从街道数据中收集，或者从费力且粗糙的遥感数据中粗略提取。利用遥感数据，一些土地利用的分类方法可以区分居民区，识别机场，公共设施，或则工业区，但无法识别单个建筑物的类别。另一方面，分类技术已经可以针对大尺度数据(例如卫星和航拍图像)对单个建筑物进行分类和检测。但是，大多数这些建筑物检测方法都使用顶视图信息，例如屋顶的外观和DSM(数字表面模型)的高度信息，不足以进行单独的建筑物类别识别。因此，如何有效地大规模获取这种信息(例如城市)仍然是一个问题。但是，航空影像的斜视图像可以极大地帮助我们识别建筑物的类别，例如，居民建筑物中通常存在阳台。
技术实现思路
本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。鉴于上述现有对建筑物分类存在的问题，提出了本专利技术。因此，本专利技术解决的技术问题是：统计建筑物数据利用人工和遥感数据进行，数据统计费力、粗略；在进行建筑物识别时，无法识别单个建筑物类别。为解决上述技术问题，本专利技术提供如下技术方案：从倾斜摄影重建的三维建筑模型中获取建筑物外立面纹理信息；对所述外立面纹理信息进行图像分割和特征提取；利用所述分割和特征提取后的外立面纹理信息，对所述建筑物功能进行分类和识别。作为本专利技术所述的利用楼宇外立面对建筑物进行分类的方法的一种优选方案，其中：所述获取建筑物外立面纹理信息包括，选取建筑物最具有代表性的外立面，通过投影变换将所述外立面的斜视图转化为正视图，利用纹理质量测量算法选择一个最佳代表立面纹理，并通过投影距离检查其可见性。作为本专利技术所述的利用楼宇外立面对建筑物进行分类的方法的一种优选方案，其中：所述选取建筑物最具有代表性的外立面包括，利用道格拉斯普克算法，将所述三维建筑模型的边缘提取成规则多边形，然后将最长的两条边缘作为建筑立面所在的垂直面，针对每一个垂直面及其建筑边缘，设定具有四个角点的空间矩形，其中所述四个角点分别为(P1，P2，P3，P4)，从正射影像和数字表面模型中获取对象空间中四个点的地理参考3D坐标(X；Y；Z)，因此可以通过透视变换来计算它们对应的倾斜图像坐标，其公式表示为如下：其中：s为倾斜图像坐标，P为四个角点坐标，将已选择的三维坐标点转换至二维平面上；利用纹理质量测量算法，从众多倾斜影像中选择一个最佳代表影像，包括利用三个不同的衡量因子及其权重来计算不同的倾斜影像品质，进而实现一个最佳代表立面及影像的选择，其公式如下所示：Q(f)＝m1*V(f)+m2*N(f)+m3*O(f)其中：Q(f)为影像f的最终品质，m1,m2,m3为不同衡量因子的权重，V(f)为平面的法线与相机成像平面之间的夹角，并且越靠近90度，其质量越好，N(f)为法线与通过相机和面部中心的线之间的角度，并且越靠近0度，其质量越好，O(f)为可观察部分的比例，且越大其质量越好。作为本专利技术所述的利用楼宇外立面对建筑物进行分类的方法的一种优选方案，其中：所述通过距离检查可见性包括，所述检查可见性即倾斜影像的可观察部分计算，通过三维空间射线投影，检查其和地表三维模型的碰撞点和建筑立面距离来影像是否被遮挡，针对每一个立面倾斜影像中的像素，对从照相机中心朝其发射光线，若该光线和数字表面模型的碰撞点在该建筑的空间三维立面附近，则该像素为选定的立面影像的有效像素，否则为特征提取的无效像素，即视此像素为不可见。作为本专利技术所述的利用楼宇外立面对建筑物进行分类的方法的一种优选方案，其中：所述对外立面进行图像分割和特征提取包括，对所述最佳代表面的影像进行特征提取，并通过红、绿、蓝颜色通道计算所述最佳代表面影像的平均颜色和标准偏差，进行类哈尔特征，颜色特征和类哈尔特征组合的提取。作为本专利技术所述的利用楼宇外立面对建筑物进行分类的方法的一种优选方案，其中：所述进行类哈尔特征的提取包括，矩形类哈尔特征定义为不同矩形内像素强度之和的差，对于所述外立面纹理信息，设计并在垂直和水平方向分别使用3种不同大小的三矩形图案哈尔状结构。作为本专利技术所述的利用楼宇外立面对建筑物进行分类的方法的一种优选方案，其中：所述对特征进行分类包括，利用随机森林分类器对组合的特征进行分类。作为本专利技术所述的利用楼宇外立面对建筑物进行分类的方法的一种优选方案，其中：所述获取建筑物外立面纹理信息还包括，利用无人机倾斜从建筑物的侧面进行航拍，获得建筑物外立面的航拍数据，并从重建的数字表面模型中获取建筑物的外立面图像。本专利技术的有益效果：使用无人机航拍斜视图像作为输入，包含了粗糙的遥感数据没有的建筑物外立面的纹理信息；可以从建筑物外立面的纹理信息对建筑的进行分类。附图说明为了更清楚地说明本专利技术实施例的技术方案，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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本专利技术第一个实施例所述的利用楼宇外立面对建筑物进行分类的方法的流程示意图；图2为本专利技术第一个实施例所述的利用楼宇外立面对建筑物进行分类的方法的从多视图倾斜图像中提取立面纹理图；图3为本专利技术第一个实施例所述的利用楼宇外立面对建筑物进行分类的方法的遮挡检测说明图；图4为本专利技术第二个实施例所述的利用楼宇外立面对建筑物进行分类的方法的倾斜航空影像中立面影像的示例图；图5为本专利技术第二个实施例所述的利用楼宇外立面对建筑物进行分类的方法的不同训练样本数量的建筑类别分类结果图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术的保护的范围。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施例的限制。其次，此处所称的“一个实施例”或“实施例”是指可包含于本专利技术至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其本文档来自技高网...

【技术保护点】
1.一种利用楼宇外立面对建筑物进行分类的方法，其特征在于：包括，/n从倾斜摄影重建的三维建筑模型中获取建筑物外立面纹理信息；/n对所述外立面纹理信息进行图像分割和特征提取；/n利用所述分割和特征提取后的外立面纹理信息，对所述建筑物功能进行分类和识别。/n

【技术特征摘要】
1.一种利用楼宇外立面对建筑物进行分类的方法，其特征在于：包括，
从倾斜摄影重建的三维建筑模型中获取建筑物外立面纹理信息；
对所述外立面纹理信息进行图像分割和特征提取；
利用所述分割和特征提取后的外立面纹理信息，对所述建筑物功能进行分类和识别。


2.如权利要求1所述的利用楼宇外立面对建筑物进行分类的方法，其特征在于：所述获取建筑物外立面纹理信息包括，
选取建筑物最具有代表性的外立面，通过投影变换将所述外立面的斜视图转化为正视图，利用纹理质量测量算法选择一个最佳代表面并通过距离检查可见性。


3.如权利要求2所述的利用楼宇外立面对建筑物进行分类的方法，其特征在于：所述选取建筑物最具有代表性的外立面包括，
利用道格拉斯普克算法，将所述三维建筑模型的边缘提取成规则多边形，然后将最长的两条边缘作为建筑立面所在的垂直面，针对每一个垂直面及其建筑边缘，设定具有四个角点的空间矩形，其中所述四个角点分别为(P1，P2，P3，P4)，从正射影像和数字表面模型中获取对象空间中四个点的地理参考3D坐标(X；Y；Z)，因此可以通过透视变换来计算它们对应的倾斜图像坐标，其公式表示为如下：



其中：s为倾斜图像坐标，P为四个角点坐标，将已选择的三维坐标点转换至二维平面上；利用纹理质量测量算法，从众多倾斜影像中选择一个最佳代表影像，包括利用三个不同的衡量因子及其权重来计算不同的倾斜影像品质，进而实现一个最佳代表立面及影像的选择，其公式如下所示：
Q(f)＝m1*V(f)+m2*N(f)+m3*O(f)
其中：Q(f)为影像f的最终品质，m1，m2，m3为不同衡量因子的权重，V(f)为平面的法线与相机成像平面之间的夹角，并且越靠近90度，其质量越好，N(f)为法...

【专利技术属性】
技术研发人员：肖长林，洪竞科，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50