一种基于无人机航空摄影的实景三维建筑物智能提取方法技术

本发明专利技术提出了一种基于无人机航空摄影的实景三维建筑物智能提取方法，包括如下步骤：步骤1、将无人机倾斜摄影测量获得的正射影像以及实景三维模型的数据格式进行转化后，对正射影像中的建筑物进行矢量绘制，并从三维模型文件中提取出建筑物矢量文件；步骤2、对格式转化后的数据以及所提取的矢量进行点云样本的制作以及样本库的构建；步骤3、在Pointnet++网络模型上进行模型构建，利用制作好的样本数据进行模型的模拟训练；步骤4、通过模型训练对点的特征进行学习后，得到其对应的权重，将需要进行测试的点云数据,用训练模型对每一个点进行预测打分，借此，本发明专利技术使用卷积神经网络有益于从场景影像中快速、准确地提取建筑物对象，适于广泛推广应用。适于广泛推广应用。适于广泛推广应用。

【技术实现步骤摘要】
一种基于无人机航空摄影的实景三维建筑物智能提取方法


[0001]本专利技术属于三维数据处理
，特别涉及一种基于无人机航空摄影的实景三维建筑物智能提取方法。

技术介绍

[0002]目前，无人机航空摄影测量已被广泛应用于城市快速实景三维建模、大比例尺地形图测绘、城市空间数据基础设施建设等工程应用，具有数据采集简单、建模成本低、建模速度快等优势，是城市场景数据获取、高精度三维模型构建的重要方式，可以快速地生成整体场景的三维地理信息模型。其构建的三维模型真实感强且纹理丰富，是大场景城市三维建模的理想方式。
[0003]建筑物的自动提取技术对于城市人口计算、规划管理、变化监测以及自然灾害的预防与警报都起着不可忽视的作用，快速以及准确的提取建筑物可为城市相关管理人员提供有力的指导意见，对于目前数字城市化建设具有重要价值。但是通过倾斜摄影软件对无人机倾斜摄影影像自动处理后生成的三维模型是整个场景的几何模型,无法区分不同的地物,无法对建筑物等地物进行分析管理。
[0004]当前无人机倾斜摄影建筑物单体化建模方法工作量大、效率低,难以得到具有高细节层级的建筑物精细三维模型,无法运用于大范围城市场景的建筑物三维模型构建。

技术实现思路

[0005]本专利技术提出一种基于无人机航空摄影的实景三维建筑物智能提取方法，解决了上述问题。
[0006]本专利技术的技术方案是这样实现的：一种基于无人机航空摄影的实景三维建筑物智能提取方法，包括如下步骤：
[0007]步骤1、将无人机倾斜摄影测量获得的正射影像以及实景三维模型的数据格式进行转化后，对正射影像中的建筑物进行矢量绘制，并从与实景三维模型相对应的3D模型文件中提取出建筑物矢量文件；
[0008]步骤2、对格式转化后的数据以及所提取的矢量进行点云样本的制作以及样本库的构建；
[0009]步骤3、在Pointnet++网络模型上进行模型构建，然后利用制作好的样本数据进行模型的模拟训练；
[0010]步骤4、通过模型训练对点的特征进行学习后，得到其对应的权重，将需要进行测试的点云数据,用训练模型对每一个点进行预测打分。
[0011]作为一种优选的实施方式，步骤1中将无人机倾斜摄影测量获得的正射影像以及实景三维模型的数据格式进行转化的方式为，利用倾斜伴侣软件转换为点云格式，并将转换后的点云格式文件加载至三维点云处理软件中，并下采样另存为文本格式。
[0012]作为一种优选的实施方式，步骤1中对正射影像中的建筑物进行矢量绘制的方法
为，无人机倾斜摄影测量的数字正射影像图加载至计算机制图软件中，对建筑物的轮廓特征进行矢量绘制；
[0013]所述步骤1中从与实景三维模型相对应的3D模型文件中提取出建筑物矢量文件的方法为，将与实景三维模型相对应的图纸文件加载至计算机制图软件中，并将其中的建筑物转存为矢量文件。
[0014]作为一种优选的实施方式，步骤2中对格式转化后的数据以及所提取的矢量进行点云样本的制作以及样本库的构建的方法为，将数据和矢量文件加载至计算机制图软件中，通过矢量裁剪点云，将建筑物的点云分割出来，对分割后的点云进行语义标注，并完成样本集的封装。
[0015]作为一种优选的实施方式，步骤4中训练模型对每一个点进行预测打分，分数越高对应的标签即为预测标签，生成的结果为3D模型文件，并用点云可视化软件进行可视化。
[0016]作为一种优选的实施方式，生成的结果的好坏采用语义分割评价指标(MIoU)计算真实值和预测值两个集合的交集和并集之比，其计算方式为：
[0017][0018]其中，TP为交集，FP、TN和FN三个为并集，K+1为类别个数。
[0019]作为一种优选的实施方式，步骤4后还包括步骤5，对训练后的可视化结果进行精度分析，检查数据并对模型提取结果进行修改。
[0020]作为一种优选的实施方式，修改的方式为，通过目视判别法进行剔除。
[0021]采用了上述技术方案后，本专利技术的有益效果是：
[0022]本专利技术基于无人机航空摄影实景三维建筑物已有的测绘成果，按照人工智能深度学习的技术要求，构建用于建筑物智能提取关键技术，从场景影像中快速、准确地提取建筑物对象并为基础测绘数据更新、地理国情监测、智慧城市建设等工作的有序开展打下坚实基础。
附图说明
[0023]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，下面将对实施例或现有技术描述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。
[0024]图1为本专利技术的流程示意图；
[0025]图2为矢量裁剪点云示意图；
[0026]图3为pointnet网格结构示意图；
[0027]图4为pointnet++网格结构示意图。
具体实施方式
[0028]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于
本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0029]根据图1至图4所示，一种基于无人机航空摄影的实景三维建筑物智能提取方法，包括如下步骤：
[0030]步骤1、将无人机倾斜摄影测量获得的正射影像以及实景三维模型的数据进行预处理，预处理的方式为，将格式进行转化后，对正射影像中的建筑物进行矢量绘制，并从与实景三维模型相对应的3D模型文件中提取出建筑物矢量文件；
[0031]步骤2、对格式转化后的数据以及所提取的矢量进行点云样本的制作以及样本库的构建；
[0032]步骤3、在Pointnet++网络模型上进行模型构建，然后利用制作好的样本数据进行模型的模拟训练；
[0033]步骤4、通过模型训练对点的特征进行学习后，得到其对应的权重，将需要进行测试的点云数据,用训练模型对每一个点进行预测打分。
[0034]步骤1中将无人机倾斜摄影测量获得的正射影像以及实景三维模型的数据格式进行转化的方式为，利用倾斜伴侣软件转换为点云格式，本实施例中所使用的倾斜伴侣为OSGBLab，并将转换后的点云格式文件加载至三维点云处理软件中，本实施例中三维点云处理软件为Cloudcompare，并下采样另存为文本格式。区别于传统二维影响的样本库制作方法，三维点云具有庞大的数据量的特点，一个场景里包含几百万个甚至上亿个点的信息，需要在不改变点云数据所表达的信息前提下对它进行下采样，以减少原始点云的数据量来提高深度学习处理速度。
[0035]步骤1中对正射影像中的建筑物进行矢量绘制的方法为，无人机倾斜摄影测量的数字正射影像图加载至计算机制图软件中，对建筑物的轮廓特征进行矢量绘制；
[0036]所述步骤1中从与实景三维模型相对应的3D本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机航空摄影的实景三维建筑物智能提取方法，其特征在于，包括如下步骤：步骤1、将无人机倾斜摄影测量获得的正射影像以及实景三维模型的数据格式进行转化后，对正射影像中的建筑物进行矢量绘制，并从与实景三维模型相对应的3D模型文件中提取出建筑物矢量文件；步骤2、对格式转化后的数据以及所提取的矢量进行点云样本的制作以及样本库的构建；步骤3、在Pointnet++网络模型上进行模型构建，然后利用制作好的样本数据进行模型的模拟训练；步骤4、通过模型训练对点的特征进行学习后，得到其对应的权重，将需要进行测试的点云数据,用训练模型对每一个点进行预测打分。2.根据权利要求1所述的一种基于无人机航空摄影的实景三维建筑物智能提取方法，其特征在于，所述步骤1中将无人机倾斜摄影测量获得的正射影像以及实景三维模型的数据格式进行转化的方式为，利用倾斜伴侣软件转换为点云格式，并将转换后的点云格式文件加载至三维点云处理软件中，并下采样另存为文本格式。3.根据权利要求1所述的一种基于无人机航空摄影的实景三维建筑物智能提取方法，其特征在于，所述步骤1中对正射影像中的建筑物进行矢量绘制的方法为，无人机倾斜摄影测量的数字正射影像图加载至计算机制图软件中，对建筑物的轮廓特征进行矢量绘制；所述步骤1中从与实景三维模型相对应的3D模型文件中提取出建筑物矢量文件的方法为，将与实景三维模型相对应的图纸文件加载至计...

【专利技术属性】
技术研发人员：谭晴，胡洪，刘辉，周伟明，王保国，刘虎，余剑，
申请(专利权)人：蚌埠市勘测设计研究院，
类型：发明
国别省市：