基于深度学习的倾斜三维模型车辆去除方法技术

本发明专利技术提供了一种基于深度学习的倾斜三维模型车辆去除方法，主要包括三个部分，即数据预处理、车辆提取、车辆去除三个部分。本发明专利技术有益效果：提供了一种基于深度卷积神经网络的倾斜三维模型车辆去除算法；针对倾斜三维模型中车辆运动导致的车辆变形问题，本发明专利技术提出基于深度学习的倾斜三维模型车辆去除方法，首先利用深度车辆检测网络YOLOX对三维模型中的车辆进行检测，定位车辆的位置，然后利用深度图像修复算法对车辆进行擦除，自动填充道路纹理。相较于基于Photoshop的手工车辆去除算法，本发明专利技术提出的方法可以有效的提高作业效率；本发明专利技术是一种端到端的倾斜三维模型车辆去除算法，无需人工干预。无需人工干预。无需人工干预。

【技术实现步骤摘要】
基于深度学习的倾斜三维模型车辆去除方法


[0001]本专利技术属于光学遥感图像处理
，尤其是涉及基于深度学习的倾斜三维模型车辆去除方法。

技术介绍

[0002]倾斜摄影通过在同一飞行平台上搭载多台传感器(常用五镜头)，同时从竖直、倾斜等不同角度采集影像，获取地面物体更为完整准确的信息，以大范围、高精度、高清晰的方式全面感知复杂场景，为实景三维场景真实效果和测绘级精度提供保证。无人机由于其操作便捷，机动灵活，成本低，不受恶劣环境和复杂地形限制等特点可快速完成大面积数据采集，被广泛应用于倾斜摄影测量。
[0003]然而在无人机倾斜摄影测量中，由于不同幅影像中车辆位置的变化，常导致获得的三维模型中出现车辆几何失真、纹理扭曲变形，这种变形严重影响了倾斜模型的精度和美观效果。针对这一问题，目前采用的方法主要是两种：1、在无人机影像建模过程中去除车辆。如大势智慧公司推出的重建大师软件在三维建模过程中判断车辆是否发生移动，对于移动的车辆进行剔除；2、三维建模后对变形车辆去除。这种方法主要用于对已有三维模型进行修复，常采用的方法是首先对变形的车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的倾斜三维模型车辆去除方法，其特征在于：包括以下步骤：S1、训练数据预处理；S2、利用预处理后的训练数据进行训练深度车辆检测网络YOLOX；S3、利用深度车辆检测网络YOLOX对车辆进行定位，然后基于深度图像修复算法LAMA对车辆去除；在步骤S1中的训练数据预处理，包括以下步骤：S11、将大幅的三维纹理影像切割成640
×
640大小影像，得到小幅影像；S12、计算小幅影像的均值和方差，对小幅影像进行归一化；S13、随机选取部分小幅影像作为训练集，记为TrainData，在TrainData中选择部分小幅影像进行车辆标注，记为AnnoImg，TrainData中剩余部分小幅影像作为用于自动化标注，记为UannoImg。2.根据权利要求1所述的基于深度学习的倾斜三维模型车辆去除方法，其特征在于：在步骤S2中的利用预处理后的训练数据训练深度车辆检测网络YOLOX，包括以下步骤：S21、利用AnnoImg，通过训练公式训练无人机倾斜三维模型的深度车辆检测网络YOLOX；S22、从UannoImg中随机选取部分小幅影像，利用训练得到深度车辆检测网络YOLOX进行车辆检测，将每一张小幅影像的车辆检测结果写入文件，得到新的初步车辆标注文件，新的初步车辆标注文件记为Anno；S23、可视化编辑Anno，修正未检测正确的车辆检测框和类别，令其作为UannoImg的标注样本；将其输入深度车辆检测网络YOLOX继续训练，优化深度车辆检测网络；S24、重复步骤S22
‑
步骤S23，直到UannoImg中的影像车辆检测结果符合应用要求，应用要求的检测指标为准确率大于90，召回率大于95；S25、输出优化后的深度车辆检测网络YOLOX。3.根据权利要求2所述的基于深度学习的倾斜三维模型车辆去除方法，其特征在于：在步骤S3中的利用深度车辆检测网络YOLOX对车辆进行定位，然后基于深度图像修复算法LAMA对车辆去除，包括以下步骤：S31、对大幅待推断三维纹理影...

【专利技术属性】
技术研发人员：刘艳飞，丁乐乐，王珍，邢炜光，朱大勇，魏麟，张涛，潘宇明，王震，孟凡效，
申请(专利权)人：天津市勘察设计院集团有限公司，
类型：发明
国别省市：