一种基于单视角遥感图像的目标三维重建方法技术

本发明专利技术公开了一种基于单视角遥感图像的目标三维重建方法，包括：获取目标区域的待处理二维图像。将待处理二维图像输入目标模型中，得到待处理二维图像中每一像素点的特征信息。对每一像素点对应的特征信息进行数据转换，得到每一像素点对应的高程预测信息。根据目标像素点的高程预测信息，生成每一目标物体对应的三维模型。本申请中使用目标区域的待处理二维图像即可快速预测到每一个目标物体的特征信息，进而可以得到每一个目标物体的高程预测信息。再配合位置信息，即可生成目标物体的三维模型。由于，高程信息通过目标模型预测即可得到，无需其他的处理，所以可以降低本方法的处理复杂程度，进而减少处理时间，提高运行效率。行效率。行效率。

【技术实现步骤摘要】
一种基于单视角遥感图像的目标三维重建方法


[0001]本专利技术涉及图像生成领域，特别是涉及一种基于单视角遥感图像的目标三维重建方法。

技术介绍

[0002]随着遥感技术的发展，对于某一区域内物体的三维模型构建也变得更加容易实现。通过构建的三维模型可以更加直观的了解对应区域的情况，对于日常的生产生活具有重要的参考价值。
[0003]现有技术中的物体的三维模型构建的方法主要为：基于多视角图像的重建方法。由于该方法需要将各个视角的图像中的特征提取出来，然后再将同一物体的特征匹配至一起来实现三维模型的构建。所以使得现有方法的处理复杂度很高，进而导致处理时间增加，运行效率较低。

技术实现思路

[0004]针对上述技术问题，本专利技术采用的技术方案为：
[0005]根据本专利技术的一个方面，提供了一种基于单视角遥感图像的目标三维重建方法，该方法包括如下步骤：
[0006]获取目标区域的待处理二维图像；待处理二维图像为目标区域的单一视角方向的二维遥感图像；目标区域内包括至少一个目标物体；
[0007]将待处理二维图像输入目标模型中，得到待处理二维图像中每一像素点的特征信息；目标模型包括使用残差网络作为骨干网络的金字塔池化模型；
[0008]对每一像素点对应的特征信息进行数据转换，得到待处理二维图像中每一像素点对应的高程预测信息；
[0009]根据每一目标物体对应的目标像素点的高程预测信息，生成每一目标物体对应的三维模型。
[0010]根据本专利技术的第二个方面，提供了一种基于单视角遥感图像的目标三维重建装置，包括：
[0011]图像获取模块，用于获取目标区域的待处理二维图像。待处理二维图像为目标区域的单一视角方向二维图像。目标区域内包括至少一个目标物体。
[0012]信息处理模块，用于将待处理二维图像输入目标模型中，得到待处理二维图像中每一像素点的特征信息。目标模型包括使用残差网络作为骨干网络的金字塔池化模型。
[0013]信息转化模块，用于对每一像素点对应的特征信息进行数据转换，得到每一像素点对应的高程预测信息。
[0014]三维模型生成模块，用于根据每一目标物体对应的目标像素点的高程预测信息，生成每一目标物体对应的三维模型。
[0015]根据本专利技术的第三个方面，提供了一种非瞬时性计算机可读存储介质，非瞬时性
计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的基于单视角遥感图像的目标三维重建方法。
[0016]根据本专利技术的第四个方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的基于单视角遥感图像的目标三维重建方法。
[0017]本专利技术至少具有以下有益效果：
[0018]本申请中通过训练可以使得包括使用残差网络作为骨干网络的金字塔池化模型的目标模型具有预测待处理二维图像中每一个像素点的特征信息的能力。该特征信息用于表示该像素点对应的高程预测信息，由此，只使用目标区域的一张待处理二维图像即可快速预测到每一个目标物体的特征信息，进而可以由特征信息得到每一个目标物体的高程预测信息。获得目标物体的高程信息之后，再配合目标物体的位置信息，即可生成对应的目标物体的三维模型。由于，本申请中的高程信息仅通过目标模型预测即可得到，无需其他的处理过程，所以可以降低本方法的处理复杂程度，进而减少处理时间，提高运行效率。
附图说明
[0019]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本专利技术一实施例提供的一种基于单视角遥感图像的目标三维重建方法的流程图。
[0021]图2为本专利技术一实施例提供的一种基于单视角遥感图像的目标三维重建装置的结构框图。
具体实施方式
[0022]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。
[0023]根据本专利技术的一个方面，如图1所示，提供了一种基于单视角遥感图像的目标三维重建方法，该方法包括如下步骤：
[0024]步骤S100：获取目标区域的待处理二维图像。待处理二维图像为目标区域的单一视角方向二维图像。目标区域内包括至少一个目标物体。目标物体可以为建筑物。待处理二维图像可以为遥感图像或者某一视角方向拍摄的二维图像。优选在俯视方向拍摄的二维图像。另外，待处理二维图像还可以携带该待处理二维图像所拍摄区域的经度范围及纬度范围。由于现有的多种拍摄设备均配置有GPS(Global Positioning System，全球定位系统)模块，所以可以使用现有技术获得对应的经度范围及纬度范围。
[0025]步骤S200：将待处理二维图像输入目标模型中，得到待处理二维图像中每一像素点的特征信息。目标模型包括使用残差网络作为骨干网络的金字塔池化模型。
[0026]具体的，残差网络为具有跳接结构的残差网络，优选的，残差网络可以为具有跳接结构的resNet
‑
50网络，优选的，金字塔池化模型可以为PSPNet(Pyramid Scene Parseing Network，金字塔池化模型)网络模型。
[0027]通过对初始目标模型进行大量的训练，可以使得目标模型具有根据输入的待处理二维图像来预测每一像素点的高程信息的能力。优选的，在进行训练时采用全监督的方式进行训练，由此可以进一步提高目标模型的预测准确性。当对目标模型进行训练时，可以将训练样本可以为遥感图像。该遥感图像中的DSM(Digital Surface Model，数字地表模型)信息为训练时的监督信息。
[0028]由于，在实际使用中，在一些特殊区域遥感卫星无法获得对应遥感图像匹配的DSM数据，特殊区域包括：管制区域和一些卫星无法探测到的区域。同时，遥感图像匹配的DSM数据的获得成本较高，难以大规模进行使用。
[0029]基于上述技术问题，本实施例中通过利用神经卷积网络进行深度学习，以使目标模型具有预测待处理二维图像中每一像素点的能力。由此在后期对目标区域的三维模型构建中，便不再需要该目标区域对应的遥感图像(DSM数据)，仅使用与训练样本具有相同视角的常规二维图像即可。由于常规二维图像更加容易获得且使用成本更低，由此，本实施例中的方法不仅可以构建特殊区域的三维模型，同时，还可以大幅降低三维模型构建的成本，进而可以实现大规模的推广使用。
[0030]步骤S300：对每一像素点对应的特征信息进行数据转换，得到待处理二维图像中每一像素点对应的高程预测信息。...

【技术保护点】

【技术特征摘要】
1.一种基于单视角遥感图像的目标三维重建方法，其特征在于，所述方法包括如下步骤：获取目标区域的待处理二维图像；所述待处理二维图像为所述目标区域的单一视角方向的二维遥感图像；所述目标区域内包括至少一个目标物体；将所述待处理二维图像输入目标模型中，得到待处理二维图像中每一像素点的特征信息；所述特征信息为用于表征所述像素点对应的高程值的特征；所述目标模型包括使用残差网络作为骨干网络的金字塔池化模型；对每一像素点对应的特征信息进行数据转换，得到待处理二维图像中每一像素点对应的高程预测信息；根据每一目标物体对应的目标像素点的高程预测信息，生成每一目标物体对应的三维模型。2.根据权利要求1所述的方法，其特征在于，在根据每一目标物体对应的像素点的高程预测信息，生成每一目标物体对应的三维模型之前，所述方法还包括：获取所述待处理二维图像中每一目标物体对应的目标像素区域；所述目标像素区域包括构成对应的目标物体的目标像素点；根据所述每一目标物体对应的目标像素区域和待处理二维图像中每一像素点对应的高程预测信息，确定所述每一目标物体对应的目标像素点的高程预测信息。3.根据权利要求1所述的方法，其特征在于，将所述待处理二维图像输入目标模型中，得到待处理二维图像中每一像素点的特征信息，包括：将所述待处理二维图像分割为多个子图像；将多个所述子图像分别输入目标模型中，以分别得到每一所述子图像对应子特征信息矩阵；所述子特征信息矩阵包括所述子图像中每一像素点的中间特征信息；对多个所述子图像的子特征信息矩阵进行拼合，得到所述待处理二维图像对应的总特征信息矩阵；所述总特征信息矩阵包括所述待处理二维图像中每一像素点的中间特征信息；对所述总特征信息矩阵进行平滑处理，以得到所述待处理二维图像中每一像素点的特征信息；所述平滑处理用以去除所述总特征信息矩阵中的噪声特征信息。4.根据权利要求1所述的方法，其特征在于，所述目标模型还包括回归模型；将所述待处理二维图像输入目标模型中，得到待处理二维图像中每一像素点的特征信息，包括：将所述待处理二维图像输入金字塔池化模型中，以得到所述待处理二维图像中每一像素点的初始特征信息；将所述初始特征信息输入所述回归模型中，以得到所述待处理二维图像中每一像素点的特征信息；所述特征信息为在预设区间内的任一数值。5.根据权利要求4所述的方法，其特征在于，所述目标模型还包括配准模型；在将所述初始特征信息输入所述回归模型中进行回归处理之前，所述方法还包括：对所...

【专利技术属性】
技术研发人员：陈凯强，孙显，毛永强，赵良瑾，王智睿，成培瑞，董波，黄兴亮，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：