一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质制造方法及图纸

本申请涉及测绘的领域，尤其是涉及一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质。方法包括：一种倾斜摄影测量建筑物特征点提取方法，包括：获取目标建筑物基于倾斜摄影测量生成的三维模型；确定三维模型中的待填充区域；基于贝叶斯网络分类器确定待填充区域中的特征点；将待填充区域的特征点融合至三维模型对应的位置。本申请提高了对建筑物提取的准确度。提取的准确度。提取的准确度。

【技术实现步骤摘要】
一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质


[0001]本申请涉及测绘的领域，尤其是涉及一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质。

技术介绍

[0002]近年来，随着无人机技术和倾斜摄影技术的快速发展，利用无人机搭载多镜头传感器进行倾斜摄影，快速生成城市的实景三维模型，成为获取三维地理信息数据的重要手段。相关人员通过不断提高机载相机性能，优化无人机飞行路线，获取更加详细的地物信息，生成更加精细化的建筑三维模型。
[0003]但是由于三角网本身特性的制约，它对于面的拟合效果较好，但对于建筑物外轮廓非平缓的线状目标和突出角点难以准确拟合，降低了建筑物的特征提取准确度。

技术实现思路

[0004]为了对建筑物特征进行准确提取，本申请提供一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质。
[0005]第一方面，本申请提供一种倾斜摄影测量建筑物特征点提取方法，采用如下的技术方案：一种倾斜摄影测量建筑物特征点提取方法，包括：获取目标建筑物基于倾斜摄影测量生成的三维模型；确定所述三维模型中的待填充区域；基于贝叶斯网络分类器确定所述待填充区域中的特征点；将所述待填充区域的特征点融合至所述三维模型对应的位置。
[0006]通过采用上述技术方案，通过对三维模型中拟合效果较差的特征点采用贝叶斯分类器进行提取，并将提取到的特征点填充至三维模型对应的位置，实现在三角网拟合准确度不高的位置有效识别建筑物的特征点，提高了对建筑物提取的准确度。
[0007]在另一种可能实现的方式中，所述方法还包括：确定建筑物的正射轮廓线；将所述待填充区域中的特征点作为填充特征点；判断位于所述三维模型顶部的填充特征点是否落入所述建筑物的正射轮廓线内；基于判断结果生成准确度信息。
[0008]通过采用上述技术方案，通过判断位于三维模型顶部的特征点是否落入了建筑物的正射轮廓线，可以判断生成的填充特征点的准确度，提高了对建筑物特征点提取的准确度。
[0009]在另一种可能实现的方式中，所述基于判断结果生成准确度信息，包括：确定位于三维模型顶部的所述填充特征点与所述建筑物的正射轮廓线之间的偏
差矢量；基于所述偏差矢量生成准确度信息。
[0010]通过采用上述技术方案，通过判断偏差矢量的模，以判断三维模型顶部的特征点是否落入了建筑物轮廓线中，能够进一步提取填充特征点的偏移量。
[0011]在另一种可能实现的方式中，所述确定所述三维模型中的待填充区域，包括：将所述三维模型输入至训练好的神经网络模型，获取所述训练好的神经网络模型生成的待填充区域。
[0012]通过采用上述技术方案，通过神经网络模型通过无监督学习的方式对待测三维模型的待填充区域进行自动提取，实现了对待补充特征点识别的准确度。
[0013]在另一种可能实现的方式中，训练所述神经网络模型包括：获取样本三维模型以及所述样本三维模型对应的人工标注信息；将所述样本三维模型以及所述人工标注信息作为训练样本对所述神经网络模型进行训练。
[0014]在另一种可能实现的方式中，所述获取目标建筑物基于倾斜摄影测量生成的三维模型之前，还包括：获取目标建筑物的点云数据，并对所述目标建筑物的点云数据进行去噪。
[0015]第二方面，本申请提供一种倾斜摄影测量建筑物特征点提取装置，采用如下的技术方案：一种倾斜摄影测量建筑物特征点提取装置，包括：构建模块，用于获取目标建筑物基于倾斜摄影测量生成的三维模型；区域划分模块，用于确定所述三维模型中的待填充区域；特征再识别模块，用于基于贝叶斯网络分类器确定所述待填充区域中的特征点；融合模块，用于将所述待填充区域的特征点融合至所述三维模型对应的位置。
[0016]在另一种可能实现的方式中，所述提取装置还包括比对模块，所述比对模块用于：确定建筑物的正射轮廓线；将所述待填充区域中的特征点作为填充特征点；判断位于所述三维模型顶部的填充特征点是否落入所述建筑物的正射轮廓线内；基于判断结果生成准确度信息。
[0017]在另一种可能实现的方式中，所述比对模块在基于判断结果生成准确度信息时，具体用于：确定位于三维模型顶部的所述填充特征点与所述建筑物的正射轮廓线之间的偏差矢量；基于所述偏差矢量生成准确度信息。
[0018]在另一种可能实现的方式中，所述区域划分模块在确定所述三维模型中的待填充区域时，具体用于：将所述三维模型输入至训练好的神经网络模型，获取所述训练好的神经网络模型生成的待填充区域。
[0019]在另一种可能实现的方式中，所述区域划分模块在训练所述神经网络模型时，具体用于：
获取样本三维模型以及所述样本三维模型对应的人工标注信息；将所述样本三维模型以及所述人工标注信息作为训练样本对所述神经网络模型进行训练。
[0020]在另一种可能实现的方式中，所述构建模块在获取目标建筑物基于倾斜摄影测量生成的三维模型之前，还包括：获取目标建筑物的点云数据，并对所述目标建筑物的点云数据进行去噪。
[0021]第三方面，本申请提供一种电子设备，采用如下的技术方案：一种电子设备，该电子设备包括：一个或多个处理器；存储器；一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，所述一个或多个应用程序配置用于：执行上述倾斜摄影测量建筑物特征点提取方法。
[0022]第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，包括：存储有能够被处理器加载并执行上述倾斜摄影测量建筑物特征点提取方法的计算机程序。
[0023]综上所述，本申请包括以下至少一种有益技术效果：通过对三维模型中拟合效果较差的特征点采用贝叶斯分类器进行提取，并将提取到的特征点填充至三维模型对应的位置，实现在三角网拟合准确度不高的位置有效识别建筑物的特征点，提高了对建筑物提取的准确度。
附图说明
[0024]图1是本申请实施例倾斜摄影测量建筑物特征点提取方法的流程示意图；图2是本申请实施例倾斜摄影测量建筑物特征点提取装置的方框示意图；图3是本申请实施例电子设备的示意图。
具体实施方式
[0025]以下结合附图1
‑
3对本申请作进一步详细说明。
[0026]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0027]另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
[0028]本申请实施例提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种倾斜摄影测量建筑物特征点提取方法，其特征在于，包括：获取目标建筑物基于倾斜摄影测量生成的三维模型；确定所述三维模型中的待填充区域；基于贝叶斯网络分类器确定所述待填充区域中的特征点；将所述待填充区域的特征点融合至所述三维模型对应的位置。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定建筑物的正射轮廓线；将所述待填充区域中的特征点作为填充特征点；判断位于所述三维模型顶部的填充特征点是否落入所述建筑物的正射轮廓线内；基于判断结果生成准确度信息。3.根据权利要求2所述的方法，其特征在于，所述基于判断结果生成准确度信息，包括：确定位于三维模型顶部的所述填充特征点与所述建筑物的正射轮廓线之间的偏差矢量；基于所述偏差矢量生成准确度信息。4.根据权利要求3所述的方法，其特征在于，所述确定所述三维模型中的待填充区域，包括：将所述三维模型输入至训练好的神经网络模型，获取所述训练好的神经网络模型生成的待填充区域。5.根据权利要求4所述的方法，其特征在于，训练所述神经网络模型包括：获取样本三维模型以及所述样本三维模型对应的...

【专利技术属性】
技术研发人员：李健斌，吴文海，陈国锋，
申请(专利权)人：肇庆市城市规划设计院，
类型：发明
国别省市：