本申请公开了一种楼体图像处理方法、装置、设备和存储介质。该方法包括:获取楼体的俯视图；根据所述俯视图中的楼体轮廓确定所述楼体的矩形包围盒；确定所述楼体的矩形包围盒图像中的每个长边和每个短边；对每个长边或短边进行采样点检测；如果对每个长边或短边进行采样点检测成功，则根据所述俯视图中的长边尺寸和短边尺寸；以及预先设定的比例值确定所述楼体的实际长度数据和实际宽度数据。本申请通过对每个边进行采样点检测，根据检测成功的采样点来计算楼体尺寸；提高了楼体尺寸计算的效率和准确性。和准确性。和准确性。
【技术实现步骤摘要】
楼体图像处理方法、装置、设备和存储介质
[0001]本申请涉及图像处理
，具体而言，涉及一种楼体图像处理方法、装置、设备和存储介质。
技术介绍
[0002]三维重建出的模型，由Mesh结构和纹理贴图两部分组成，如图1所示，重建模型初始并没有语义信息，无论是楼房、道路还是植被都是连在一起的结构。另一方面行业用户，如地产行业，希望通过重建模型获得结构化的数据，比如每一个单体楼房，楼房的长度、宽度数据，基于三维重建出的模型，要提取出这些结构化信息，目前通常采用人工处理的方式来实现，这种方式工作量大，效率低。
技术实现思路
[0003]本申请的主要目的在于提供一种楼体图像处理方法、装置、设备和存储介质，以解决上述问题。
[0004]为了实现上述目的，根据本申请的一个方面，提供了一种楼体图像处理方法，包括：
[0005]获取楼体的俯视图；
[0006]根据所述俯视图中的楼体轮廓确定所述楼体的矩形包围盒；
[0007]确定所述楼体的矩形包围盒图像中的每个长边和每个短边；
[0008]对每个长边或短边进行采样点检测；
[0009]如果对每个长边或短边进行采样点检测成功，则根据所述俯视图中的长边尺寸和短边尺寸；以及预先设定的比例值确定所述楼体的实际长度数据和实际宽度数据。
[0010]在一种实施方式中，依次对每个长边或者短边进行采样点检测，包括：
[0011]对于所述长边或者短边以预定的步长进行采样探测得到多个采样点；
[0012]对于任意的一个采样点，判断所述采样点是否有效；
[0013]如果有效，则保留所述采样点；如果无效，则剔除所述采样点。
[0014]在一种实施方式中，判断对每个长边或短边进行采样点检测是否成功，包括：
[0015]统计每个长边或短边上的有效采样点的数量；
[0016]计算所述有效采样点的数量与所述长边或短边上的所有的采样点的数量的比值；
[0017]如果所述比值大于等于预定的比值阈值，则确定对每个长边或短边进行采样点检测检测成功。
[0018]在一种实施方式中，所述判断所述采样点是否有效，包括：
[0019]确定所述采样点所在的第一长边，或者第一短边的相对的第二长边，或者第二短边上的距离所述采样点最近的辅助测试点；
[0020]并计算所述采样点和所述辅助测试点的距离；
[0021]判断所述距离是否小于预定的距离阈值；
[0022]如果是，则确定所述采样点为有效采样点。
[0023]在一种实施方式中，获取楼体的主视图；
[0024]根据所述主视图中的楼体轮廓确定所述楼体的矩形包围盒；
[0025]确定所述楼体的矩形包围盒图像中的高度方向所在的边；
[0026]对所述高度方向所在的边进行采样点检测；
[0027]如果检测成功，则根据所述高度方向所在的边的尺寸；以及预先设定的比例值确定所述楼体的实际高度数据。
[0028]在一种实施方式中，获取楼体的俯视图之后，根据所述俯视图中的楼体轮廓确定所述楼体的矩形包围盒之前，所述方法还包括：
[0029]获取高程图像；
[0030]将所述楼体的俯视图输入到预先经过训练的神经网络模型对所述俯视图进行识别；所述神经网络模型输出识别结果图像；
[0031]利用所述高程图像与所述识别结果图像进行融合，对所述识别结果图像进行修正处理；
[0032]获取经过修正处理后的识别结果图像中的楼体轮廓。
[0033]为了实现上述目的，根据本申请的另一方面，提供了一种楼体图像处理装置；该装置包括：
[0034]获取模块，用于获取楼体的俯视图；
[0035]包围盒模块，用于根据所述俯视图中的楼体轮廓确定所述楼体的矩形包围盒；以及确定所述楼体的矩形包围盒图像中的每个长边和每个短边；
[0036]采样点检测模块，用于对每个长边或短边进行采样点检测；
[0037]计算模块，用于如果所述采样点检测模块对每个长边或短边进行采样点检测成功，则根据所述俯视图中的长边尺寸和短边尺寸；以及预先设定的比例值确定所述楼体的实际长度数据和实际宽度数据。
[0038]在一种实施方式中，采样点检测模块还用于，对于所述长边或者短边以预定的步长进行采样探测得到多个采样点；
[0039]对于任意的一个采样点，判断所述采样点是否有效；
[0040]如果有效，则保留所述采样点；如果无效，则剔除所述采样点。
[0041]在一种实施方式中，采样点检测模块还用于，统计每个长边或短边上的有效采样点的数量；
[0042]计算所述有效采样点的数量与所述长边或短边上的所有的采样点的数量的比值；
[0043]如果所述比值大于等于预定的比值阈值，则确定对每个长边或短边进行采样点检测检测成功。
[0044]在一种实施方式中，采样点检测模块还用于，确定所述采样点所在的第一长边，或者第一短边的相对的第二长边，或者第二短边上的距离所述采样点最近的辅助测试点；
[0045]并计算所述采样点和所述辅助测试点的距离；
[0046]判断所述距离是否小于预定的距离阈值；
[0047]如果是，则确定所述采样点为有效采样点。
[0048]在一种实施方式中，获取模块还用于，获取楼体的主视图；
[0049]包围盒模块还用于，根据所述主视图中的楼体轮廓确定所述楼体的矩形包围盒；以及确定所述楼体的矩形包围盒图像中的高度方向所在的边；
[0050]采样点模块还用于，对所述高度方向所在的边进行采样点检测；
[0051]计算模块还用于，如果采样点模块检测成功；根据所述高度方向所在的边的尺寸；以及预先设定的比例值确定所述楼体的实际高度数据。
[0052]在一种实施方式中，还包括单体识别模块，用于获取楼体的俯视图之后，根据所述俯视图中的楼体轮廓确定所述楼体的矩形包围盒之前，
[0053]获取高程图像；
[0054]将所述楼体的俯视图输入到预先经过训练的神经网络模型对所述俯视图进行识别；所述神经网络模型输出识别结果图像；
[0055]利用所述高程图像与所述识别结果图像进行融合，对所述识别结果图像进行修正处理；
[0056]获取经过修正处理后的识别结果图像中的楼体轮廓。
[0057]在本申请实施例中，该方法包括:获取楼体的俯视图；根据所述俯视图中的楼体轮廓确定所述楼体的矩形包围盒；确定所述楼体的矩形包围盒图像中的每个长边和每个短边；对每个长边或短边进行采样点检测；如果对每个长边或短边进行采样点检测成功，则根据所述俯视图中的长边尺寸和短边尺寸；以及预先设定的比例值确定所述楼体的实际长度数据和实际宽度数据。本申请通过对每个边进行采样点检测，根据检测成功的采样点来计算楼体尺寸；提高了楼体尺寸计算的效率和准确性。
附图说明
[0058]构成本申请的一部分的附图用来提供对本本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种楼体图像处理方法，其特征在于，包括：获取楼体的俯视图；根据所述俯视图中的楼体轮廓确定所述楼体的矩形包围盒；确定所述楼体的矩形包围盒图像中的每个长边和每个短边；对每个长边或短边进行采样点检测；如果对每个长边或短边进行采样点检测成功，则根据所述俯视图中的长边尺寸和短边尺寸；以及预先设定的比例值确定所述楼体的实际长度数据和实际宽度数据。2.根据权利要求1所述的楼体图像处理方法，其特征在于，依次对每个长边或者短边进行采样点检测，包括：对于所述长边或者短边以预定的步长进行采样探测得到多个采样点；对于任意的一个采样点，判断所述采样点是否有效；如果有效，则保留所述采样点；如果无效，则剔除所述采样点。3.根据权利要求1所述的楼体图像处理方法，其特征在于，判断对每个长边或短边进行采样点检测是否成功，包括：统计每个长边或短边上的有效采样点的数量；计算所述有效采样点的数量与所述长边或短边上的所有的采样点的数量的比值；如果所述比值大于等于预定的比值阈值，则确定对每个长边或短边进行采样点检测检测成功。4.根据权利要求2所述的楼体图像处理方法，其特征在于，所述判断所述采样点是否有效，包括：确定所述采样点所在的第一长边，或者第一短边的相对的第二长边，或者第二短边上的距离所述采样点最近的辅助测试点；并计算所述采样点和所述辅助测试点的距离；判断所述距离是否小于预定的距离阈值；如果是，则确定所述采样点为有效采样点。5.根据权利要求1所述的楼体图像处理方法，其特征在于，还包括：获取楼体的主视图；根据所述主视图中的楼体轮廓确定所述楼体的矩形包围盒；确定所述楼体的矩形包围盒图像中的高度方向所在的边；对所述高度方向所在的边进行采样点检测；如果检测成功，则根据所述高度方向所在的边的尺寸；以及预先设定的比例值确定...
【专利技术属性】
技术研发人员：由清圳，
申请(专利权)人：埃洛克航空科技北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。