城市信息模型语义信息人工智能生成方法和系统技术方案

本发明专利技术提供了一种城市信息模型语义信息人工智能生成方法和系统，具体包括S1根据预先获取的遥感影像图，激光扫描点云数据和DSM数据，生成多层三维模型:S2使用人工智能模型获取所述多层三维模型的各特征几何面所对应的模型对象的三种语义信息，即标识信息、几何信息、材质信息；S3将所述三种语义信息与对应的特征几何面进行结合，生成城市信息模型。本发明专利技术实施例提供的语义信息人工智能生成方法，形成丰富的通过遥感图像、点云图和DSM影像三合一数字地图，采用人工智能识别建筑轮廓同时对建筑的名称、定位以及屋顶材质进行识别，采用基于遥感影像图的分块处理的提取轮廓思想，整体上提高了建筑轮廓的提取效率。系统能够针对城市生成独立的多个建筑特征几何面，借助特征几何面能方便客户获取语义信息，无需手动量测或借助其他工具进行再加工，简化了操作工序，节约了用户的时间，提高了用户的体验需度。提高了用户的体验需度。提高了用户的体验需度。

【技术实现步骤摘要】
城市信息模型语义信息人工智能生成方法和系统


[0001]本专利技术涉及三维建模
，为201711171196.0的系列申请，具体而言， 涉及一种城市信息模型语义信息自动生成方法和系统。

技术介绍

[0002]随着城市信息化进程不断推进、地理信息技术与智慧城市的推动，三维模型 以及其应用越来越广泛。目前三维模型应用的模式主要为:第一，获取不同形式 的数据源:第二，建立三维模型:第三，根据需要对模型挂接属性:第四，三维模 型的应用与分析。其中，建立的三维模型本身具有可量测性，可以通过模型浏览 器或者数据平台的量测工具手动量测。模型上挂接属性一般是通过另外的软件工 具对模型进行再处理后获得属性与实际目标模型的关联，关联后数据的应用方式 多为在浏览器中可视化查询。
[0003]现有的模型语义信息表达方式多为在己建成的三维模型上通过进一步处理 来获取相关属性，应用中至少存在以下问题:第一，通过二次处理获取属信息， 实际模型上并没有记录这些语义信息，用户若想获取这些信息，只能在第三方浏 览器或平台上进行手动测量，数据应用的过程繁琐；第二，若为倾斜摄影测量建 模方式获取的数据，由该数据得到的模型的表面为一个连续面，无法单独定义每 个对象的属性；第三,即便生成语义信息也需要分别获取才能与原三维模型结合, 如果换一个城市模型,有需要重新获取语义信息,涉及到重新测量以及重新计算, 对于众多建筑的城市来说任务是繁重的；第四，现有技术的数字地图只有单一技 术生成的数字地图，比如基于遥感图像，基于点云数据等，不能从多个技术角度 去形成城市数字地图，不能为后续分析研究提供丰富的技术手段。

技术实现思路

[0004]针对上述现有技术中存在的问题，本专利技术提供了一种城市信息模型的语义信 息人工智能生成方法和系统，方便了用户后续对建筑信息的分析和应用。本专利技术 激光扫描点云数据和DSM数据分别与激光扫描点云图和DSM影像是等价的描述。本 专利技术所述的地理范围不同是指对比的两个图像数据之间没有一个像素点的在城 市中位置是相同的。
[0005]第一方面，本专利技术实施例提供了一种城市信息模型语义信息人工智能生成方法， 包括:
[0006]S1根据预先获取的遥感影像图，激光扫描点云数据和DSM数据，生成多层三维模 型:
[0007]S2使用人工智能模型获取所述多层三维模型的各特征几何面所对应的模型对象 的三种语义信息，即标识信息、几何信息、材质信息；
[0008]S3将所述三种语义信息与对应的特征几何面进行结合，生成城市信息模型。
[0009]关于S1
[0010]S1具体包括
[0011]S1
‑
1获取至少一个城市的多组建模用数据，组内包括地理范围相同的遥感影像
图， 激光扫描点云数据和DSM数据三类数据，且至少两组间包括的遥感影像图，激光 扫描点云数据和DSM数据三类数据来自的地理范围不同，并确立每个组内地理范 围相同的遥感影像图，激光扫描点云数据和DSM数据三类数据之间统一的地理坐 标系；
[0012]S1
‑
2将所述多组建模用数据分为训练集、验证集以及测试集，并分别将训练集、 验证集以及测试集中每组内的遥感影像图，激光扫描点云数据和DSM数据按坐标 系配准生成多层三维模型；
[0013]S1
‑
3基于所述多幅遥感影像图建立城市道路网模型m。
[0014]S1
‑
1中确立多幅遥感影像图，激光扫描点云数据和DSM数据之间统一的多个地理 坐标系具体包括：
[0015]在存在完整的预定标准建筑的1组内的1幅遥感影像图，1幅激光扫描点云 图和1幅DSM影像中建立统一的城市地理坐标系E，所有剩余的多幅遥感影像图， 激光扫描点云数据和DSM数据组成每组三幅图的多个图组，根据地理正北向而确 定每一图组中1幅遥感影像图、相应的1幅激光扫描点云图以及DSM影像中具有 相同原点的统一的坐标系E
(i)
，i＝1,2,
…
，N(可以加Z轴形成立体坐标系)，N 为遥感影像图、激光扫描点云图以及DSM影像的图组序号。
[0016]优选地，所述预定标准建筑具有矩形的屋顶边框，并且选择其中一个顶点在 地面的垂直投影作为坐标原点O，以其中一边在地面的垂直投影作为X轴，另一 边在地面的垂直投影作为Y轴，形成地面平面直角坐标系E(也可加Z轴形成立 体坐标系E)。更优选地，所述X轴指向正东方，Y轴正北方。
[0017]所述根据地理正北向而确定的每一图组中1幅遥感影像图、相应的1幅激光 扫描点云图以及DSM影像中具有相同原点的统一的坐标系E
(i)
，i＝1,2,
…
，N，具 体包括确定坐标系E的X轴与正北向之间的夹角α，将坐标系E原点放置到每一 图组中的1幅遥感影像图、相应的1幅激光扫描点云图以及相应的1幅DSM影像 中在E下相同的预设点上，并调整X轴指向使其与正北向之间的夹角为α，得到 每一图组中的1幅遥感影像图、1幅激光扫描点云图以及相应的1幅DSM影像中 统一X轴指向的多个坐标系E
(i)
，i＝1,2,
…
，N。优选地，当E的所述X轴指向正 东方，Y轴指向正北方时，调整X轴指向正东方或调整Y轴指向正北方。
[0018]S1
‑
2中将所述多组建模用数据分为训练集、验证集以及测试集的比例为100
‑
50： 10
‑
5:3
‑
1，优选为50:9:1，此时多组建模用数据中每一组中的遥感影像图、激光 扫描点云图以及DSM影像都包含有所建立的坐标系；
[0019]其中，分别将训练集、验证集以及测试集中每组内的遥感影像图，激光扫描点云 数据和DSM数据按坐标系配准生成多层目标模型的三维几何结构具体包括： 将多组建模用数据每一组中的遥感影像图、激光扫描点云图以及DSM影像之间的 坐标系重合，即生成多层目标模型的三维几何结构。
[0020]S1
‑
3具体包括：
[0021]S1
‑3‑
1建立城市地理坐标系E，XOY平面代表地面，在每一幅城市遥感影像图中， 利用RNN循环神经网络算法，通过包括编码器以及解码器的节点生成器生成道路 连续节点，并在生成过程中连接生成前后的两个节点，将新的生成节点输入节点 生成器不断产生新的节点，而继续连接产生的新节点，如此循环而连接成道路网； S1
‑3‑
2将道路网中的所有线条按照预设的宽度w进行扩宽，形成具有一定宽度 的道路宽线条，从而获得城市道路
网模型，其中w按照所述遥感影像图中对应的 道路宽度进行扩宽，优选地，w为所述遥感影像图中所有道路宽度平均值的 0.5
‑
1.5倍，更优选地，对于机动车道路、非机动车道路为0.5
‑
1倍、人行道路 为1
‑
1.5倍。对于建筑附近的空地或广场则使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市信息模型语义信息人工智能生成方法，其特征在于，包括:S1根据预先获取的遥感影像图，激光扫描点云数据和DSM数据，生成多层三维模型；S2使用人工智能模型获取所述多层三维模型的各特征几何面所对应的模型对象的三种语义信息，即标识信息、几何信息、材质信息；S3将所述三种语义信息与对应的特征几何面进行结合，生成城市信息模型。2.根据权利要求1所述的方法，其特征在于，S1具体包括：S1
‑
1获取至少一个城市的多组建模用数据，组内包括地理范围相同的遥感影像图，激光扫描点云数据和DSM数据三类数据，且至少两组间包括的遥感影像图，激光扫描点云数据和DSM数据三类数据来自的地理范围不同，并确立每个组内地理范围相同的遥感影像图，激光扫描点云数据和DSM数据三类数据之间统一的地理坐标系；S1
‑
2将所述多组建模用数据分为训练集、验证集以及测试集，并分别将训练集、验证集以及测试集中每组内的遥感影像图，激光扫描点云数据和DSM数据按坐标系配准生成多层三维模型；S1
‑
3基于所述多幅遥感影像图建立城市道路网模型m。3.根据权利要求2所述的方法，其特征在于，S1
‑
1中确立每个组内地理范围相同的遥感影像图，激光扫描点云数据和DSM数据三类数据之间统一的地理坐标系具体包括：在存在完整的预定标准建筑的1组内的1幅遥感影像图，1幅激光扫描点云图和1幅DSM影像中建立统一的城市地理坐标系E，所有剩余的多幅遥感影像图，激光扫描点云数据和DSM数据组成每组三幅图的多个图组，根据地理正北向而确定每一图组中1幅遥感影像图、1幅激光扫描点云图以及1幅DSM影像中具有相同原点的统一的坐标系E
(i)
，i＝1,2,
…
，N，N为遥感影像图、激光扫描点云图以及DSM影像的图组序号；所述根据地理正北向而确定每一图组中1幅遥感影像图、相应的1幅激光扫描点云图以及DSM影像中具有相同原点的统一的坐标系E
(i)
，i＝1,2,
…
，N，具体包括确定坐标系E的X轴与正北向之间的夹角α，将坐标系E原点放置到每一图组中的1幅遥感影像图、相应的1幅激光扫描点云图以及相应的1幅DSM影像中在E下相同的预设点上，并调整X轴指向使其与正北向之间的夹角为α，得到每一图组中的1幅遥感影像图、1幅激光扫描点云图以及相应的1幅DSM影像中统一X轴指向的多个坐标系E
(i)
，i＝1,2,
…
，N；S1
‑
2中将所述多组建模用数据分为训练集、验证集以及测试集的比例为100
‑
50：10
‑
5:3
‑
1，此时多组建模用数据中每一组中的遥感影像图、激光扫描点云图以及DSM影像都包含有所建立的坐标系；其中，分别将训练集、验证集以及测试集中每组内的遥感影像图，激光扫描点云数据和DSM数据按坐标系配准生成多层目标模型的三维几何结构具体包括：将多组建模用数据每一组中的遥感影像图、激光扫描点云图以及DSM影像之间的坐标系重合，即生成多层目标模型的三维几何结构。4.根据权利要求3所述的方法，其特征在于，所述预定标准建筑具有矩形的屋顶边框，并且选择其中一个顶点在地面的垂直投影作为坐标原点O，以其中一边在地面的垂直投影作为X轴，另一边在地面的垂直投影作为Y轴，形成地面平面直角坐标系E，或者所述X轴指向正东方，Y轴指向正北方；
当E的所述X轴指向正东方，Y轴正北方时，调整X轴指向正东方或调整Y轴指向正北方；训练集、验证集以及测试集的比例为50:9:1。5.根据权利要求2所述的方法，其特征在于，S1
‑
3具体包括：S1
‑3‑
1建立城市地理坐标系E，XOY平面代表地面，在每一幅城市遥感影像图中，利用RNN循环神经网络算法，通过包括编码器以及解码器的节点生成器生成道路连续节点，并在生成过程中连接生成前后的两个节点，将新的生成节点输入节点生成器不断产生新的节点，而继续连接产生的新节点，如此循环而连接成道路网；S1
‑3‑
2将道路网中的所有线条按照预设的宽度w进行扩宽，形成具有一定宽度的道路宽线条，从而获得城市道路网模型，其中w按照所述遥感影像图中对应的道路宽度进行扩宽，对于建筑附近的空地或广场则使用人工标记其远离上述道路的最外边缘的轮廓将其合并入道路模型m中。6.根据权利要求2
‑
4中任一项所述的方法，其特征在于，步骤S2具体包括，使用人工智能模型获取所述三维模型的各特征几何面所对应的模型对象的三种语义信...

【专利技术属性】
技术研发人员：刘俊伟，王娟，
申请(专利权)人：泰瑞数创科技北京有限公司，
类型：发明
国别省市：