一种损毁建筑物深度学习样本集的构建方法及系统技术方案

本发明专利技术公开了一种损毁建筑物深度学习样本集的构建方法及系统，包括：创建若干项目并分别命名，其中，所述项目包括用于显示二维影像的第一项目、用于显示三维模型的第二项目及用于显示标签属性的第三项目；分别基于第一项目和第二项目加载同一地区相同投影坐标系的灾后二维影像与灾后三维模型，对灾后二维影像与灾后三维模型进行检测，获取检测结果；若检测结果与预设规则一致，则通过所有项目打开并加载二维样本矢量，并进行标绘与编辑，获取标签矢量；根据标签矢量与灾后二维影像生成损毁建筑物深度学习样本集。本发明专利技术有助于高效进行二维标绘、属性编辑与三维数据多角度观察。二维标绘、属性编辑与三维数据多角度观察。二维标绘、属性编辑与三维数据多角度观察。

【技术实现步骤摘要】
一种损毁建筑物深度学习样本集的构建方法及系统


[0001]本专利技术涉及遥感数据处理
，尤其涉及一种损毁建筑物深度学习样本集的构建方法及系统。

技术介绍

[0002]目前，官方发布的损毁建筑物遥感影像数据集数量较少，想要训练高精度的损毁建筑物深度学习检测模型，离不开大量自主构建的样本集。在灾后二维影像上进行损毁建筑物标绘时，仅仅将屋顶损毁信息作为依据是不准确的，如侧立面墙体的倒塌和外围掉落情况，在二维影像上是可以有所体现的，但如果仅靠二维影像有时又难以辨别，借助灾后三维模型辅助判断则更为清晰准确。然而，大部分主流软件所实现的二三维一体化需要频繁切换展示二维与三维数据，这会给样本集标绘工作增添许多不必要的麻烦。对于自主构建二维损毁建筑物深度学习样本集，亟需一种二三维数据可同时显示、且二维视口变换可单向驱动三维视口发生对应变换而三维视口变换不会影响二维视口的标绘工具，便于同时进行多角度三维观察分析与二维矢量标绘和标签属性编辑，大幅提升损毁建筑物深度学习样本集的构建效率。

技术实现思路

[0003]为解决上述技术问题，本专利技术提出了一种损毁建筑物深度学习样本集的构架方法及系统，可实现二维地图中的视口变换操作单向驱动三维地图视口发生相对应的变换，有利于自主构建一套综合考虑侧立面损毁信息的二维损毁建筑物数据集，为损毁建筑物深度学习检测模型提供丰富的训练样本。
[0004]为实现上述目的，本专利技术提供了一种损毁建筑物深度学习样本集的构建方法，包括：
[0005]创建若干项目并分别命名，其中，所述项目包括用于显示二维影像的第一项目、用于显示三维模型的第二项目及用于显示标签属性的第三项目；
[0006]分别基于所述第一项目和所述第二项目加载同一地区相同投影坐标系的灾后二维影像与灾后三维模型，对所述灾后二维影像与所述灾后三维模型进行检测，获取检测结果；
[0007]若所述检测结果与预设规则一致，则通过所有项目打开并加载二维样本矢量，并进行标绘与编辑，获取标签矢量；
[0008]根据所述标签矢量与所述灾后二维影像生成损毁建筑物深度学习样本集。
[0009]优选地，对所述灾后二维影像与所述灾后三维模型进行检测，包括：
[0010]分别检测所述灾后二维影像与所述灾后三维模型所用投影坐标系是否一致，以及检测所述灾后二维影像与所述灾后三维模型数据覆盖的地理范围是否有重叠。
[0011]优选地，所述预设规则包括：
[0012]若所述灾后二维影像与所述灾后三维模型所用投影坐标系一致，且所述灾后二维
影像与所述灾后三维模型数据覆盖的地理范围无重叠，则继续进行后续步骤，若不一致，则终止；
[0013]当所述检测结果与预设规则一致时，在所述第一项目和所述第二项目窗口中分别加载并渲染灾后二维影像与灾后三维模型。
[0014]优选地，通过所述所有项目打开并加载二维样本矢量，包括：
[0015]调用深度学习模型，读取所述灾后二维影像进行损毁建筑物轮廓检测与损毁识别，输出带有损毁类别的建筑物轮廓矢量，并将所述带有损毁类别的建筑物轮廓矢量作为待修改的标签矢量；
[0016]若不调用所述深度学习模型，则新建与所述灾后二维影像具有相同地理和投影坐标系的空白面矢量，并为所述空白面矢量添加损毁类别字段，作为待标绘的标签矢量；
[0017]通过所述第一项目与所述第二项目的窗口中叠加渲染标签矢量，并通过所述第三项目窗口中打开标签属性列表。
[0018]优选地，获取所述标签矢量，包括：
[0019]在所述第一项目窗口中定位待标注区域，选定、标绘或删改矢量要素；
[0020]结合所述第二项目，通过所述第三项目进行矢量要素属性编辑；
[0021]保存并导出标签矢量文件。
[0022]优选地，根据所述标签矢量与所述灾后二维影像生成损毁建筑物深度学习样本集，包括：
[0023]将所述标签矢量转成与所述灾后二维影像相同图幅的标签影像；
[0024]将所述灾后二维影像与所述标签影像按照固定的大小和重叠度依次进行截取，获取样本集一；
[0025]对所述样本集一进行随机旋转，形成样本集二；
[0026]对所述样本集二进行随机翻折，获取样本集三；
[0027]对所述样本集一随机添加高斯噪声，形成样本集四；
[0028]将所述样本集一随机进行对比度增强，获取样本集五；
[0029]所述样本集一、所述样本集二、所述样本集三、所述样本集四和所述样本集五构成所述损毁建筑物深度学习样本集。
[0030]为了实现上述目的，本专利技术还提供了一种基于损毁建筑物深度学习样本集的构建方法的系统，包括：
[0031]二三维地图加载模块：用于在不同窗口中同时加载并渲染统一坐标系的二维影像和三维模型，叠加标签矢量图层以及设置渲染模式；
[0032]二三维视口单向联动模块：用于通过第一项目中的视口变换操作驱动第二项目视口发生相对应的变换；
[0033]标签矢量标绘模块：用于通过所述第一项目进行面要素标绘，同时基于所述第二项目进行同步展示；
[0034]标签属性编辑模块：用于通过第三项目在矢量属性表中对单个面要素的属性字段进行修改和保存；
[0035]样本集生成模块：用于根据二维影像和标签矢量，生成损毁建筑物深度学习样本集。
[0036]与现有技术相比，本专利技术具有如下优点和技术效果：
[0037](1)本专利技术采用多窗口模式，同时展现二维影像、三维模型和样本属性，并设计了二三维视口单向联动模块，使得二维地图中的视口变换操作可同时驱动三维地图视口发生对应变换，但三维地图中的视口变换操作不会造成二维地图视口变换，有助于高效进行二维标绘、属性编辑与三维数据多角度观察；
[0038](2)本专利技术提供一种二维影像与三维模型相结合的标绘工具，便于观察三维模型上的建筑物侧立面的外围脱落情况，为自主构建二维正射影像上的损毁建筑物样本集提供高效便捷的工具。
附图说明
[0039]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0040]图1为本专利技术实施例中一种损毁建筑物深度学习样本集的构建方法流程图。
具体实施方式
[0041]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0042]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0043]本专利技术提出了一种损毁建筑物深度学习样本集构建方法，如图1所示，包括的主要步骤如下：
[0044]步骤一：创建项目
[0045]基于Qt创建三个窗口，分别命名为“二维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种损毁建筑物深度学习样本集的构建方法，其特征在于，包括：创建若干项目并分别命名，其中，所述项目包括用于显示二维影像的第一项目、用于显示三维模型的第二项目及用于显示标签属性的第三项目；分别基于所述第一项目和所述第二项目加载同一地区相同投影坐标系的灾后二维影像与灾后三维模型，对所述灾后二维影像与所述灾后三维模型进行检测，获取检测结果；若所述检测结果与预设规则一致，则通过所有项目打开并加载二维样本矢量，并进行标绘与编辑，获取标签矢量；根据所述标签矢量与所述灾后二维影像生成损毁建筑物深度学习样本集。2.根据权利要求1所述的损毁建筑物深度学习样本集的构建方法，其特征在于，对所述灾后二维影像与所述灾后三维模型进行检测，包括：分别检测所述灾后二维影像与所述灾后三维模型所用投影坐标系是否一致，以及检测所述灾后二维影像与所述灾后三维模型数据覆盖的地理范围是否有重叠。3.根据权利要求2所述的损毁建筑物深度学习样本集的构建方法，其特征在于，所述预设规则包括：若所述灾后二维影像与所述灾后三维模型所用投影坐标系一致，且所述灾后二维影像与所述灾后三维模型数据覆盖的地理范围无重叠，则继续进行后续步骤，若不一致，则终止；当所述检测结果与预设规则一致时，在所述第一项目和所述第二项目窗口中分别加载并渲染灾后二维影像与灾后三维模型。4.根据权利要求1所述的损毁建筑物深度学习样本集的构建方法，其特征在于，通过所述所有项目打开并加载二维样本矢量，包括：调用深度学习模型，读取所述灾后二维影像进行损毁建筑物轮廓检测与损毁识别，输出带有损毁类别的建筑物轮廓矢量，并将所述带有损毁类别的建筑物轮廓矢量作为待修改的标签矢量；若不调用所述深度学习模型，则新建与所述灾后二维影像具有相同地理和投影坐标系的空白面矢量，并为所述空白面矢量添加损毁类别字段，...

【专利技术属性】
技术研发人员：董喆，武志宏，王薇，李苓苓，罗伟儿，
申请(专利权)人：应急管理部国家减灾中心应急管理部卫星减灾应用中心，
类型：发明
国别省市：