基于图像的分布式光伏屋顶资源分割与提取方法及系统技术方案

本发明专利技术公开了一种基于图像的分布式光伏屋顶资源分割与提取方法及系统，涉及分布式光伏设计及图像处理技术领域，该方法包括：首先将三维点云处理问题转换为二维遥感图像语义分割问题，将目标区域正射投影图格网裁切后建立样本区域的建筑物语义分割数据集，并基于建筑物语义分割数据集进行模型训练，以得到语义分割模型；然后将研究区域的遥感图像输入至语义分割模型中获得预测结果，利用拼接算法得到带有预测结果信息的图像；基于带有预测结果信息的所述图像和点云处理算法，将其用于三维点云分割处理，提取屋顶信息，确定目标区域中各个屋顶的信息。个屋顶的信息。个屋顶的信息。

Image based segmentation and extraction method and system of distributed photovoltaic roof resources

【技术实现步骤摘要】
基于图像的分布式光伏屋顶资源分割与提取方法及系统


[0001]本专利技术涉及分布式光伏设计及图像处理
，特别是涉及一种基于图像的分布式光伏屋顶资源分割与提取方法及系统。

技术介绍

[0002]屋顶分布式光伏由于具有更复杂的屋顶类型和地貌分布情况，在勘测和系统设计时会存在很大难度。基于遥感图像的屋顶识别，是光伏设计的关键一步，根据可利用的屋顶面积，得到预估的光伏可开发容量，对于政府管理和规划、提高系统设计和安装效率、降低光伏发电成本都具有重要意义。
[0003]由于点云数据自身存在的无序性、密度不一致性、非结构性、信息不完整性等特性使得三维屋顶的语义分割充满挑战。传统的点云语义分割方法通过提取三维形状几何特征，构建判别模型，限制了使用规模。将输入点云转换为规则的体素网格提供给深层网络结构，会丢失几何结构信息，模型处理速率较慢。
[0004]现有的常用遥感图像屋顶分割算法包括：基于边缘提取、基于纹理提取和基于分类提取。如通过检测建筑物边缘的线条，然后根据空间关系，进而提取出建筑物；根据幅度谱信息将建筑物的边缘特征和纹理特征结合起来，从而对建筑物提取；利用区域合并分割技术进行建筑物提取；利用端到端的神经网络提高对小物体、有遮挡物体的分割准确率等，这些方法提取建筑物的准确率不高，而且有较高的误检率，特别是适用范围窄。在遥感图像的建筑物提取任务重，易受植被、复杂建筑物类型等因素干扰，使得传统方法提取困难。卷积神经网络常被用于多光谱数据分析、建筑物检测、遥感图像分类等实际应用中，通常具有高精度性能，本专利技术将其应用于屋顶级别的语义分割。

技术实现思路

[0005]本专利技术的目的是提供一种基于图像的分布式光伏屋顶资源分割与提取方法及系统，建立一套丰富的建筑物语义分割数据集，准确得到目标地区的可开发屋顶信息。
[0006]为实现上述目的，本专利技术提供了如下方案：第一方面，本专利技术提供了一种基于图像的分布式光伏屋顶资源分割与提取方法，包括：格网裁切样本区域的正射投影图，以建立建筑物语义分割数据集，并基于所述建筑物语义分割数据集进行模型训练，以得到语义分割神经网络模型；所述建筑物语义分割数据集包括多个样本；所述样本包括样本遥感图片、以及每张所述样本遥感图片对应的深度信息和目标信息；所述目标信息包括目标类别信息和目标图像像素信息；所述类别信息包括屋顶类型、屋顶结构、屋顶附属设备和环境目标中的一个或者多个；所述屋顶类型至少包括东向斜屋顶、西向斜屋顶、南向斜屋顶、北向斜屋顶和平屋顶，所述屋顶结构至少包括气楼和通气孔，所述屋顶附属设备至少包括太阳能热水器，所述环境目标至少包括树木、棚、车、道路和草地；
获取研究区域的遥感图像，并将所述研究区域的遥感图像输入至所述语义分割神经网络模型中，得到预测结果，然后利用图像拼接算法和所述预测结果进行拼接还原，以得到带有预测结果的遥感图像；所述预测结果包括所述研究区域的遥感图像对应的目标信息；基于所述带有预测结果的遥感图像和点云处理算法，确定所述研究区域中各个屋顶的基本信息；所述基本信息包括屋顶的地理位置信息、倾角信息、方位信息和尺寸信息。
[0007]第二方面，本专利技术提供了一种基于图像的分布式光伏屋顶资源分割与提取方法，包括：格网裁切样本区域的正射投影图，以建立建筑物语义分割数据集，并基于所述建筑物语义分割数据集进行模型训练，以得到语义分割神经网络模型；所述建筑物语义分割数据集包括多个样本；所述样本包括样本遥感图片以及每张所述样本遥感图片对应的目标信息；所述目标信息包括目标类别信息和目标图像像素信息；所述类别信息包括屋顶类型、屋顶结构、屋顶附属设备和环境目标中的一个或者多个；所述屋顶类型至少包括东向斜屋顶、西向斜屋顶、南向斜屋顶、北向斜屋顶和平屋顶，所述屋顶结构至少包括气楼和通气孔，所述屋顶附属设备至少包括太阳能热水器，所述环境目标至少包括树木、棚、车、道路和草地；获取研究区域的遥感图像，并将所述研究区域的遥感图像输入至所述语义分割神经网络模型中，得到预测结果，然后利用图像拼接算法和所述预测结果进行拼接还原，以得到带有预测结果的遥感图像；所述预测结果包括所述研究区域的遥感图像对应的目标信息；基于所述带有预测结果的遥感图像和点云处理算法，确定所述研究区域中各个屋顶的基本信息；所述基本信息包括屋顶的地理位置信息、倾角信息、方位信息和尺寸信息。
[0008]第三方面，本专利技术提供了一种基于图像的分布式光伏屋顶资源分割与提取系统，包括：语义分割模型训练模块，用于格网裁切样本区域的正射投影图，以建立建筑物语义分割数据集，并基于所述建筑物语义分割数据集进行模型训练，以得到语义分割神经网络模型；所述建筑物语义分割数据集包括多个样本；所述样本包括样本遥感图片、以及每张所述样本遥感图片对应的深度信息和目标信息，或者所述样本包括样本遥感图片以及每张所述样本遥感图片对应的目标信息；所述目标信息包括目标类别信息和目标图像像素信息；所述类别信息包括屋顶类型、屋顶结构、屋顶附属设备和环境目标中的一个或者多个；所述屋顶类型至少包括东向斜屋顶、西向斜屋顶、南向斜屋顶、北向斜屋顶和平屋顶，所述屋顶结构至少包括气楼和通气孔，所述屋顶附属设备至少包括太阳能热水器，所述环境目标至少包括树木、棚、车、道路和草地；目标信息预测模块，用于获取研究区域的遥感图像，并将所述研究区域的遥感图像输入至所述语义分割神经网络模型中，得到预测结果，然后利用图像拼接算法和所述预测结果进行拼接还原，以得到带有预测结果的遥感图像；所述预测结果包括所述研究区域的遥感图像对应的目标信息；三维屋顶基本信息计算模块，用于基于所述带有预测结果的遥感图像和点云处理算法，确定所述研究区域中各个屋顶的基本信息；所述基本信息包括屋顶的地理位置信息、
倾角信息、方位信息和尺寸信息。
[0009]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供了基于图像的分布式光伏屋顶资源分割与提取方法及系统。本专利技术首先将三维点云处理问题转换为二维遥感图像语义分割问题，将目标区域正射投影图格网裁切后构建了建筑物语义分割数据集，该建筑物语义分割数据集标记了东、西、南、北四个朝向的斜屋顶、平屋顶、树木、以及太阳能热水器等11类常见目标物体，充分考虑不同朝向的屋顶光伏出力衰减不同，且易被相邻建筑、树荫遮挡影响发电等因素，可形成一套多地区、多目标、标记规范的语义分割数据库；然后根据该建筑物语义分割数据集不断设计和优化卷积神经网络模型，得到语义分割模型，从而提高语义分割的准确性、快速性；接着根据此语义分割模型识别遥感图片中的各目标，利用图像拼接算法得到研究区域中各个屋顶的识别结果；再将带有目标信息的遥感图像反投影到三维点云，利用点云处理算法进行屋顶信息提取。
附图说明
[0010]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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他的附图。
[0011]图1为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像的分布式光伏屋顶资源分割与提取方法，其特征在于，包括：格网裁切样本区域的正射投影图，以建立建筑物语义分割数据集，并基于所述建筑物语义分割数据集进行模型训练，以得到语义分割神经网络模型；所述建筑物语义分割数据集包括多个样本；所述样本包括样本遥感图片、以及每张所述样本遥感图片对应的深度信息和目标信息；所述目标信息包括目标类别信息和目标图像像素信息；所述类别信息包括屋顶类型、屋顶结构、屋顶附属设备和环境目标中的一个或者多个；所述屋顶类型至少包括东向斜屋顶、西向斜屋顶、南向斜屋顶、北向斜屋顶和平屋顶，所述屋顶结构至少包括气楼和通气孔，所述屋顶附属设备至少包括太阳能热水器，所述环境目标至少包括树木、棚、车、道路和草地；获取研究区域的遥感图像，并将所述研究区域的遥感图像输入至所述语义分割神经网络模型中，得到预测结果，然后利用图像拼接算法和所述预测结果进行拼接还原，以得到带有预测结果的遥感图像；所述预测结果包括所述研究区域的遥感图像对应的目标信息；基于所述带有预测结果的遥感图像和点云处理算法，确定所述研究区域中各个屋顶的基本信息；所述基本信息包括屋顶的地理位置信息、倾角信息、方位信息和尺寸信息。2.根据权利要求1所述的一种基于图像的分布式光伏屋顶资源分割与提取方法，其特征在于，在执行步骤：所述格网裁切样本区域的正射投影图，以建立建筑物语义分割数据集之前，还包括：采用无人机在不同位置、不同高度对样本区域进行倾斜摄影，得到多张带有位置信息的二维图像；利用多张带有位置信息的所述二维图像进行三维重建，生成所述样本区域的正射投影图。3.根据权利要求2所述的一种基于图像的分布式光伏屋顶资源分割与提取方法，其特征在于，所述格网裁切样本区域的正射投影图，以建立建筑物语义分割数据集，具体包括：对所述样本区域的正射投影图进行格网裁切，得到多张样本遥感图片；确定每张所述样本遥感图片对应的深度图；对每张所述样本遥感图片进行目标图像像素信息以及目标类别信息标记，以确定所述样本遥感图片对应的目标信息。4.根据权利要求1所述的一种基于图像的分布式光伏屋顶资源分割与提取方法，其特征在于，所述基于所述建筑物语义分割数据集进行模型训练，以得到语义分割神经网络模型，具体包括：利用深度学习框架搭建卷积神经网络模型；采用所述建筑物语义分割数据集对所述卷积神经网络模型进行训练优化，得到语义分割神经网络模型。5.根据权利要求4所述的一种基于图像的分布式光伏屋顶资源分割与提取方法，其特征在于，所述卷积神经网络模型包括依次连接的深度残差网络、区域生成网络和区域特征聚集网络；所述深度残差网络包括第一输入端和第二输入端；所述第一输入端用于输入样本遥感图片或者研究遥感图片，所述第二输入端用于输入深度图；所述区域特征聚集网络包括第一输出端、第二输出端和第三输出端；所述第一输出端
用于输出目标类别信息；所述第二输出端用于输出候选框位置信息；所述第三输出端用于输出目标所在区域的边界信息。6.根据权利要求1所述的一种基于图像的分布式光伏屋顶资源分割与提取方法，其特征在于，所述基于所述带有预测结果的遥感图像和点云处理算法，确定所述研究区域中各个屋顶的基本信息，具体包括：利用点云处理算法对所述带有预测结果的遥感图像进行处理，得到带有目标类别信息的三维点云；基于带有目标类别信息的所述三维点云，确定所述研究区域中各个屋顶的基本信息。7.一种基于图像的分布式光伏屋顶资源分割与提取方法，其特征在于，包括：格网裁切样本区域的正射投影图，以建立建筑物语义分割数据集，并基于所述建筑物语义分割数...

【专利技术属性】
技术研发人员：许盛之，王丽朝，宁静，赵颖，张晓丹，
申请(专利权)人：南开大学，
类型：发明
国别省市：