基于三维重建的单体化方法、装置及存储介质制造方法及图纸

本申请公开了一种基于三维重建的单体化方法、装置及存储介质，涉及遥感测绘地理信息技术领域，解决了现有技术中深度学习网络需要进行多次的二维图像分割导致流程时间过场，且占用显存较多的问题。该方法包括：将三通道的DOM俯视图数据与高程信息DSM数据在通道方向上拼接为一个四通道的数据，并转化为原特征图；将原特征图输入特征提取网络结合残差模块与卷积自注意力机制模块搭建的深度残差网络，确定语义分割图；以语义分割图为坐标对三维点云进行乘运算，对原特征图进行三维建筑单体化。该方法实现了对图像进行高精度的分割节约了硬件资源和图像处理时间，能够在实际工程中应用。应用。应用。

【技术实现步骤摘要】
基于三维重建的单体化方法、装置及存储介质


[0001]本申请涉及遥感测绘地理信息
，尤其涉及一种基于三维重建的单体化方法、装置及存储介质。

技术介绍

[0002]“单体化”是指每一个我们想要单独管理的对象，是一个个单独的、可以被选中的实体；即用鼠标点击时可以显示为不同颜色显示，可以附加属性，可以被查询统计等等。只有具备了“单体化”的能力，数据才可以被管理，而不仅仅是被用来查看。因此，近些年单体化常常运用在智慧城市的场景中。以往的单体化是通过将多视角的原始图像做二维的语义分割处理，使用光线相交方法将每个像素的标签反向投影到三维点云模型上，但由于数据集的庞大，完成这一流程将花费更多的时间。为了克服这一限制，本专利在针对建筑物语义分割的前提下对流程做了简化，即只对于纹理处理后的模型进行DOM图像的语义分割，然后投影在三维模型上。
[0003]近几年的基于深度学习的方法在各种计算机视觉任务中越发的重要，通过引入卷积更能够提取原始图像的多层次多尺度的信息，进过多种深层网络结构可以推断出原始图片的像素级语义标签。

技术实现思路

...

【技术保护点】

【技术特征摘要】
1.一种基于三维重建的单体化方法，其特征在于，包括：将三通道的DOM俯视图数据与高程信息DSM数据在通道方向上拼接为一个四通道的数据，并转化为原特征图；将所述原特征图输入特征提取网络结合残差模块与卷积自注意力机制模块搭建的深度残差网络，确定语义分割图；以所述语义分割图为坐标对三维点云进行乘运算，对所述原特征图进行三维建筑单体化。2.根据权利要求1所述的方法，其特征在于，所述将所述原特征图输入特征提取网络结合残差模块与卷积自注意力机制模块搭建深度残差网络，确定语义分割图，包括：使用所述残差模块构造U型的主干网络，并在桥接部分引入基于卷积的注意力机制；将低等级的特征图上采样与相应的所述原特征图级联；输入由三个残差单元构成的编码部分，应用步幅为2的第一层卷积将所述原特征图尺寸减少一半。3.根据权利要求1所述的方法，其特征在于，所述将所述原特征图输入特征提取网络结合残差模块与卷积自注意力机制模块搭建深度残差网络，还包括：将通道自注意力特征图与空间自注意力特征图与所述原特征图进行相乘并自适应进行特征修正，确定输出特征图。4.根据权利要求1所述的方法，其特征在于，还包括：对所述深度残差网络进行损失分析，所述损失函数为：其中N表示有效像素集，Y(
·
...

【专利技术属性】
技术研发人员：刘沛锋，郭林春，蔡明成，仇艺伟，李玉萍，王江安，
申请(专利权)人：土豆数据科技集团有限公司，
类型：发明
国别省市：