一种深度学习辅助的倾斜模型建筑物外立面目标识别方法技术

本发明专利技术公开了一种深度学习辅助的倾斜模型建筑物外立面目标识别方法，首先在倾斜摄影相片中勾绘了建筑物外立面目标的样本，然后投入Mask

【技术实现步骤摘要】
一种深度学习辅助的倾斜模型建筑物外立面目标识别方法


[0001]本专利技术属于计算机视觉和摄影测量
，涉及一种倾斜模型建筑物外立面目标识别方法。

技术介绍

[0002]在数字孪生、规划管理等领域中，城市精细化管理的推进对真实还原现状城市提出了更高要求，三维地理信息应用也逐渐从粗放走向精细，在城市应急管理、日照规划分析等场景下，以建筑物为主体的建模分析单元已无法满足应用需要，更精确、更细节、可量测的建筑物外立面信息提取显得尤为重要。
[0003]倾斜摄影建模由于其建模效率高、成本相对较低、纹理信息真实且丰富等优势，成为三维数字成果建设中广泛使用的方式之一。倾斜摄影建模是基于高精度栅格影像还原地物三维信息的过程，具备了兼顾建筑物顶面与立面信息的特点，结合深度学习目标识别技术，可在有效挖掘倾斜摄影相片中的建筑物。
[0004]深度学习在二维影像中的应用已经逐渐趋于成熟，如遥感影像的自动分割和自然影像的目标识别等，三维点云的深度学习自动识别技术也有了一定的研究成果，但是城市级的倾斜模型自动识别技术还没有较为成熟的技术路线，借助摄影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度学习辅助的倾斜模型建筑物外立面目标识别方法，其特征在于，包括如下步骤：步骤1：对倾斜摄影所得影像进行建筑物外立面目标(本发明以窗户为例)的矢量范围勾勒，并制作成建筑物识别样本，裁剪为统一尺寸；步骤2：将样本投入mask rcnn网络进行模型参数的训练；步骤3：用步骤2训练得到的模型结果对倾斜摄影区域的所有影像进行建筑物窗户自动识别；步骤4：对步骤3得到的窗户自动识别结果进行边缘提取，获取边界点在图像上的像方坐标串，并进行优化，得到四个角点信息；步骤5：在外方位元素的参数下，将边界点的像方坐标转换为辅助倾斜摄影测量坐标；步骤6：将相机焦点坐标与步骤5中得到的坐标相连，用Plucker坐标对直线进行表示；步骤7：用osg库进行倾斜模型数据的解析，得到倾斜模型的所有顶点信息；步骤8：将直线方程与倾斜模型构成的三角面进行相交，在Plucker坐标系中判断三角形与直线位置关系，并从每条直线得到的所有交点中，取距离焦点最近的一个作为结果，就是窗户识别的结果坐标；步骤9：对该区域所有倾斜影像进行步骤1
‑
8，得到每个窗户的多个检测结果用均值漂移聚类的方法定位每个组的中心点，得到窗户的最终检测结果。2.如权利要求1所述的一种深度学习辅助的倾斜模型建筑物外立面目标识别方法，其特征在于：步骤4的具体实现方式如下：步骤4.1：使用canny算子对检测结果进行边缘提取，获取每个窗户监测结果图斑的边缘坐标串；步4.2：对每个窗户的边缘坐标串用opencv中的approxPolyDP函数进行多边形拟合，将光滑的窗户边界简化为四个边界角点，即为窗户的角点坐标。3.如权利要求1所述的一种深度学习辅助的倾斜模型建筑物外立面目标识别方法，其特征在于：步骤5的具体实现方式如下：步骤5.1：将像方坐标的原点从左上角转换为相片的中心原点，并将Y轴方向反向(即假设步骤4中计算得到的坐标为(xa0,ya0)，且影像长宽分别为Xsize、Ysize个像素值，得到转变后的坐标(xa0
‑
Xsize/2,Ysize
‑
ya0
‑
Ysize/2)；步骤5.2：由于步骤5.1中的坐标数值单位是像素个数，需要乘以单个像素的长度，得到其在像空间坐标系的坐标数值，以摄像机焦点为像空间辅助坐标系的原点，则相片上的坐标在Z方向的坐标即为
‑
f,即像空间坐标系下坐标为步骤5.3：参考外方位元素中摄影时摄像机的位置与姿态信息，对步骤5.2中得到的像空间坐标进行平移和旋转，还原拍摄瞬间相片的真实位置与姿态，其中平移公式为：
旋转公式为：其中R
ω
、R
κ
分别是外方位元素中三个倾角的旋转矩阵。4.如权利要求1所述的一种深度学习辅助的倾斜模型建筑物外立面目标识别方法，其特征...

【专利技术属性】
技术研发人员：岳照溪，昌尧霏，符宏伟，张冲，刘一宁，郭功举，王文峰，
申请(专利权)人：上海市测绘院，
类型：发明
国别省市：