基于建筑物识别模型的建筑物识别方法、装置及设备制造方法及图纸

本申请公开了一种基于建筑物识别模型的建筑物识别方法、装置及设备，涉及地图领域。所述建筑物识别模型包括：特征提取网络、顶面预测网络、立面预测网络和结果预测网络，所述方法包括：获取待识别的建筑物卫星影像；通过特征提取网络获取建筑物卫星影像的特征信息；通过顶面预测网络根据特征信息，获取建筑物卫星影像中建筑物的顶面参数信息；通过立面预测网络根据特征信息，获取建筑物卫星影像中建筑物的立面参数信息；通过结果预测网络根据特征信息、顶面参数信息和立面参数信息，得到建筑物卫星影像中建筑物的顶面识别结果和立面识别结果。因此，本申请实施例提供的技术方案能够提高建筑物识别的精度。提高建筑物识别的精度。提高建筑物识别的精度。

【技术实现步骤摘要】
基于建筑物识别模型的建筑物识别方法、装置及设备


[0001]本申请实施例涉及地图领域，特别涉及一种基于建筑物识别模型的建筑物识别方法、装置及设备。

技术介绍

[0002]在地图领域，通过重新渲染地图中的三维建筑物模型，可以提高地图的精度以及丰富程度。
[0003]相关技术中，通过对建筑物卫星影像中建筑物进行识别，可以获取建筑物卫星影像中的各个建筑物的建筑物信息。
[0004]然而，相关技术中对建筑物进行识别，识别出来的建筑物信息精度较低。

技术实现思路

[0005]本申请实施例提供了一种基于建筑物识别模型的建筑物识别方法、装置及设备。所述技术方案如下：
[0006]根据本申请实施例的一个方面，提供了一种基于建筑物识别模型的建筑物识别方法，所述建筑物识别模型包括：特征提取网络、顶面预测网络、立面预测网络和结果预测网络，所述方法包括：
[0007]获取待识别的建筑物卫星影像；
[0008]通过所述特征提取网络获取所述建筑物卫星影像的特征信息；
[0009]通过所述顶面预测网络和所述立面预测网络分别根据所述特征信息，获取所述建筑物卫星影像中建筑物的顶面参数信息和立面参数信息；
[0010]通过所述结果预测网络根据所述特征信息、所述顶面参数信息和所述立面参数信息，得到所述建筑物卫星影像中建筑物的顶面识别结果和立面识别结果。
[0011]根据本申请实施例的一个方面，提供了一种建筑物识别模型的训练方法，所述建筑物识别模型包括：特征提取网络、顶面预测网络、立面预测网络和结果预测网络，所述方法包括：
[0012]获取所述建筑物识别模型的训练样本，所述训练样本中以建筑物卫星影像作为样本数据，以所述建筑物卫星影像对应的建筑物标注信息作为所述样本数据对应的标签数据，所述建筑物标注信息中包括对于所述建筑物卫星影像中建筑物的顶面标注信息和立面标注信息；
[0013]通过所述特征提取网络获取所述建筑物卫星影像的特征信息；
[0014]通过所述顶面预测网络和所述立面预测网络分别根据所述特征信息，获取所述建筑物卫星影像中建筑物的顶面参数信息和立面参数信息；
[0015]通过所述结果预测网络根据所述特征信息、所述顶面参数信息和所述立面参数信息，得到所述建筑物卫星影像中建筑物的顶面识别结果和立面识别结果；
[0016]根据所述顶面识别结果与所述顶面标注信息的差异，以及所述立面识别结果与所
述立面标注信息的差异，对所述建筑物识别模型进行训练，得到完成训练的建筑物识别模型。
[0017]根据本申请实施例的一个方面，提供了一种基于建筑物识别模型的建筑物识别装置，所述建筑物识别模型包括：特征提取网络、顶面预测网络、立面预测网络和结果预测网络，所述装置包括：
[0018]影像获取模块，用于获取待识别的建筑物卫星影像；
[0019]特征获取模块，用于通过所述特征提取网络获取所述建筑物卫星影像的特征信息；
[0020]参数获取模块，用于通过所述顶面预测网络根据所述特征信息，获取所述建筑物卫星影像中建筑物的顶面参数信息；
[0021]所述参数获取模块，还用于通过所述立面预测网络根据所述特征信息，获取所述建筑物卫星影像中建筑物的立面参数信息；
[0022]结果获取模块，用于通过所述结果预测网络根据所述特征信息、所述顶面参数信息和所述立面参数信息，得到所述建筑物卫星影像中建筑物的顶面识别结果和立面识别结果。
[0023]根据本申请实施例的一个方面，提供了一种建筑物识别模型的训练装置，所述建筑物识别模型包括：特征提取网络、顶面预测网络、立面预测网络和结果预测网络，所述装置包括：
[0024]样本获取模块，用于获取所述建筑物识别模型的训练样本，所述训练样本中以建筑物卫星影像作为样本数据，以所述建筑物卫星影像对应的建筑物标注信息作为所述样本数据对应的标签数据，所述建筑物标注信息中包括对于所述建筑物卫星影像中建筑物的顶面标注信息和立面标注信息；
[0025]特征获取模块，用于通过所述特征提取网络获取所述建筑物卫星影像的特征信息；
[0026]参数获取模块，用于通过所述顶面预测网络根据所述特征信息，获取所述建筑物卫星影像中建筑物的顶面参数信息；
[0027]所述参数获取模块，还用于通过所述立面预测网络根据所述特征信息，获取所述建筑物卫星影像中建筑物的立面参数信息；
[0028]结果获取模块，用于通过所述结果预测网络根据所述特征信息、所述顶面参数信息和所述立面参数信息，得到所述建筑物卫星影像中建筑物的顶面识别结果和立面识别结果；
[0029]模型训练模块，用于根据所述顶面识别结果与所述顶面标注信息的差异，以及所述立面识别结果与所述立面标注信息的差异，对所述建筑物识别模型进行训练，得到完成训练的建筑物识别模型。
[0030]根据本申请实施例的一个方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现上述方法。
[0031]根据本申请实施例的一个方面，提供了一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现上述方法。
[0032]根据本申请实施例的一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序，处理器执行该计算机程序，使得该计算机设备执行上述方法。
[0033]本申请实施例提供的技术方案可以包括如下有益效果：
[0034]通过建筑物识别模型，获取建筑物卫星影像中建筑物的顶面识别结果和立面识别结果。由于并不是对建筑物卫星影像中的建筑物整体进行识别，而是分为顶面和立面两方面，来获取顶面识别结果和立面识别结果。一般来说，建筑物的顶面和立面区别还是相对较大的，如果将顶面和立面一概而论，也即将对建筑物卫星影像中的建筑物整体进行识别，会降低获取到的建筑物识别结果的准确度。因此，本申请实施例提供的技术方案，通过建筑物识别模型，获取顶面识别结果以及立面识别结果，可以提高基于建筑物卫星影像获取的建筑信息的准确程度，从而实现对建筑物的精细解构。
[0035]当然，通过建筑物识别模型中的特征提取网络提取特征信息，并基于顶面预测网络，获取顶面参数信息。另外，建筑物识别模型中的结果预测网络结合顶面参数信息以及特征信息，获取顶面识别结果，因此，可以提升获取到的顶面识别结果的准确度。同理，通过建筑物识别模型中的特征提取网络提取特征信息，并基于立面预测网络，获取立面参数信息。另外，建筑物识别模型中的结果预测网络结合立面参数信息以及特征信息，获取立面识别结果，因此，也可以提升获取到的立面识别结果的准确度。
附图说明
[0036]图1是本申请一个实施例提供的方案实施环境的示意图；
[0037]图2是本申请一个实施例提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于建筑物识别模型的建筑物识别方法，其特征在于，所述建筑物识别模型包括：特征提取网络、顶面预测网络、立面预测网络和结果预测网络，所述方法包括：获取待识别的建筑物卫星影像；通过所述特征提取网络获取所述建筑物卫星影像的特征信息；通过所述顶面预测网络根据所述特征信息，获取所述建筑物卫星影像中建筑物的顶面参数信息；通过所述立面预测网络根据所述特征信息，获取所述建筑物卫星影像中建筑物的立面参数信息；通过所述结果预测网络根据所述特征信息、所述顶面参数信息和所述立面参数信息，得到所述建筑物卫星影像中建筑物的顶面识别结果和立面识别结果。2.根据权利要求1所述的方法，其特征在于，所述通过所述结果预测网络根据所述特征信息、所述顶面参数信息和所述立面参数信息，得到所述建筑物卫星影像中建筑物的顶面识别结果和立面识别结果，包括：通过所述结果预测网络根据所述特征信息和所述顶面参数信息，确定所述建筑物卫星影像中建筑物的顶面预测图，其中，所述顶面预测图中各个像素的像素值用于确定所述像素属于建筑物顶面的可能性；通过所述结果预测网络根据所述特征信息和所述立面参数信息，确定所述建筑物卫星影像中建筑物的立面预测图，其中，所述立面预测图中各个像素的像素值用于确定所述像素属于建筑物立面的可能性；根据所述顶面预测图和所述立面预测图，得到所述建筑物卫星影像中建筑物的顶面识别结果和立面识别结果。3.根据权利要求2所述的方法，其特征在于，所述根据所述顶面预测图和所述立面预测图，得到所述建筑物卫星影像中建筑物的顶面识别结果和立面识别结果，包括：对所述顶面预测图和所述立面预测图中各个像素的像素值进行归一化处理，得到处理后的顶面预测图和处理后的立面预测图；将所述处理后的顶面预测图中大于第一阈值的像素值设置为第一数值，小于所述第一阈值的像素值设置为第二数值，得到所述顶面掩码图，所述顶面掩码图用于表征所述顶面识别结果；将所述处理后的立面预测图中大于第二阈值的像素值设置为所述第一数值，小于所述第二阈值的像素值设置为所述第二数值，得到所述立面掩码图，所述立面掩码图用于表征所述立面识别结果。4.根据权利要求1所述的方法，其特征在于，所述建筑物识别模型还包括高度偏移预测网络，所述方法还包括：通过所述高度偏移预测网络根据所述特征信息，确定所述建筑物卫星影像中建筑物的高度偏移信息，所述高度偏移信息用于表征所述建筑物的顶面和底面之间的偏移值。5.根据权利要求4所述的方法，其特征在于，所述高度偏移预测网络共享所述立面信息预测网络的至少一个参数。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：根据所述顶面识别结果和所述高度偏移信息，确定所述顶面识别结果对应的底面预测
结果。7.根据权利要求1所述的方法，其特征在于，所述建筑物识别模型还包括阴影等级预测网络，所述方法还包括：通过所述阴影等级预测网络根据所述特征信息，确定所述建筑物卫星影像中建筑物的阴影等级信息，所述阴影等级信息用于指示所述建筑物的阴影程度。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：根据所述阴影等级信息，对所述建筑物卫星影像中建筑物的颜色信息进行提取；在所述阴影等级信息满足第一条件的情况下，根据提取到的所述颜色信息，确定所述建筑物的立面颜色信息；在所述阴影等级信息满足第二条件的情况下，根据所述阴影等级信息，确定所述建筑物的立面亮度信息，根据所述立面亮度信息和提取到的所述颜色信息，确定所述建筑物的立面颜色信息。9.根据权利要求1所述的方法，其特征在于，所述方法还包括：从所述建筑物卫星影像中，截取至少一个建筑物的单体图像；通过顶面形状分类模型对所述单体图像进行处理，确定所述建筑物的顶面形状；其中，所述顶面形状为平层、跃层、曲面、异形、坡顶中的任意一种。10.根据权利要求6所述的方法，其特征在于，所述方法还包括：将所述底面预测结果与底图楼块矢量数据进行匹配，确定所述建筑物卫星影像中包含的至少一个建筑物对应的匹配建筑物；其中，所述底图楼块矢量数据中包含至少一个建筑物的底面的经纬度坐标信息；将所述匹配建筑物的所述顶面识别结果、所述立面识别结果、所述高度偏移信息，添加至所述匹配建筑物的底图楼块矢量数据中，得到所述匹配建筑物的更新后的底图楼块矢量数据。11.根据权利要求10所述的方法，其特征在于，所述方法还包括：根据所述匹配建筑物的更新后的底图楼块矢量数据，渲染所述匹配建筑物的三维建筑物模型。12.一种建筑物识别模型的训练方法，其特征在于，所述建筑物识别模型包括：特征提取网络、顶面预测网络、立面预测网络和结果预测网络，所述方法包括：获取所述建筑物识别模型的训练样本，所述训练样本中以建筑物卫星影像作为样本数...

【专利技术属性】
技术研发人员：张译心，杨雨然，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：