System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及影响识别,具体涉及一种城市孪生模型建筑外表材质识别赋予方法、装置及设备。
技术介绍
1、近年来智慧城市高速发展,大范围城市级的数字孪生三维底座构建的需求旺盛,依靠深度融合人工智能的计算机程序实现自动高效的数字城市底座建模是必然选择,数字底座无限接近真实物理世界也必是数字孪生本身的发展方向。虽然目前计算机人工智能开始进入各个行业辅助人类工作并极大提高了工作效率,但是很难将其引入高度差异化、描述性、不确定性的工作中。
2、当前主流的数字城市建设方法,大体包括以下四种方法:
3、一、根据数字高程模型建立三维地形,然后叠加正射影像生成逼真的三维场景。但此方法的缺点在于无法进行单体建筑模型差异化更改,而且数据管理、查询功能较弱,无法保留,或者提供建筑外立面材质信息,导致即使在不同条件参数下生成的数字城市并无当地特征或风格。
4、二、使用3d max、cad等软件精细建立物体真三维模型,不仅能详细、真实的表现建筑外观,还能进入建筑内部进行室内物体的建模。但精细化模型的构建相当费时费力,需要过多的人工操作进行干预,并且在集成化系统中造成了相当不必要的系统运行负载压力。
5、三、利用摄影测量、三维激光扫描等手段采集实体的三维属性和实际影像从而建立实体的三维模型。此方法自动化程度高,建模速度快,但此方法模型不够精细,且基于此类逆向工程建模方法所需的设备十分昂贵。
6、四、根据建筑物底部轮廓线和建筑物高度(层数)进行三维重建,一般用来进行大范围城市三维重建此方法建模速度较快,
7、因此,目前主流的数字孪生城市底板自动生成技术还聚焦于场景的快速构建,单体建筑的精细化呈现仍大量依靠人工编辑,否则在无明确地标建筑物的情况下,不同地区的城市底座都将无明显差别。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种城市孪生模型建筑外表材质识别赋予方法、装置及设备,以解决现有技术中单体建筑的精细化呈现仍大量依靠人工编辑,效率较低的问题。
2、根据本专利技术实施例的第一方面,提供一种城市孪生模型建筑外表材质识别赋予方法,包括:
3、获取包含建筑侧立面纹理信息的遥感影像;
4、对所述遥感影像中的各个建筑物进行立面提取,得到初始的建筑外立面像元;
5、对所述遥感影像中的所述建筑侧立面纹理信息进行正则化,得到正则化后的建筑纹理图像,并从所述建筑纹理图像提取出影像的粗纹理;
6、利用预先建立的纹理库与所述粗纹理进行关联识别,得出关联纹理;
7、根据所述关联纹理和所述建筑外立面像元,对相应的建筑白模进行纹理匹配,自动赋予建筑外表材质。
8、优选的,所述得到正则化后的建筑纹理图像,并从所述建筑纹理图像提取出影像的粗纹理之后,还包括:
9、利用图像修复算法,根据所述建筑纹理图像中未缺失图像块对所述建筑纹理图像中待修复块进行修复。
10、优选的,所述利用图像修复算法,包括:
11、获取所述未缺失图像块的信息熵,并将所述信息熵引入优先权的计算过程,构建优先权因子,对所述待修复块的优先权进行计算;
12、引入角二阶矩模型,对图像的纹理结构进行描述,并根据所述建筑纹理图像的角二阶矩构建自适应模型,调整所述建筑纹理图像尺寸;
13、通过像素点的梯度特征,建立动态法则,用以调整最优匹配块搜索区域,利用结构相似度模型以及ssd模型建立似然约束法则,用以选取最优匹配块,对待修复块进行修复。
14、优选的,所述利用预先建立的纹理库与所述粗纹理进行关联识别,得出关联纹理,包括:
15、预先建立纹理库以及地域化城市特征库;
16、利用所述地域化城市特征库辅助所述纹理库进行粗纹理的关联识别,得出关联纹理。
17、优选的,所述对所述遥感影像中的各个建筑物进行立面提取,包括:
18、利用计算机视觉语义分割地类识别算法对所述遥感影像进行单体建筑物边界轮廓提取;
19、对提取后的单体建筑物进行建筑顶面与侧立面分割,得到初始的建筑外立面像元。
20、优选的,所述对所述遥感影像中的所述建筑侧立面纹理信息进行正则化,包括:
21、获取遥感影像中包含同一建筑的至少两个视图影像;
22、对所述至少两个视图影像进行重叠影像匹配,得到至少两个视图单应矩阵;
23、在所述单应矩阵的基础上,利用sub-harris算子结合特征点算法进行特征提取和匹配,找到均匀分布的对应点计算单应矩阵,得出立面四边形;
24、采用hough算法和迭代小二乘法优化所述立面四边形的四个锚定点,获得所述立面四边形的初始边界,得到正则化后的建筑纹理图像。
25、优选的,所述对相应的建筑白模进行纹理匹配,包括:
26、利用预先存储的建筑照片训练卷积神经网络模型,实现卷积神经网络模型对建筑风格的认知;
27、利用训练好的卷积神经网络模型对相应的建筑白模外立面材质进行精准映射;
28、利用基元模型绘制进行场景渲染生成建筑外表材质。
29、优选的,所述利用基元模型绘制进行场景渲染生成建筑外表材质,包括:
30、获取用于渲染着色的顶点数据;
31、将所述顶点数据通过绑定顶点缓存对象和顶点数组对象传递到顶点着色器中,以预设方式将所述顶点数据与预存的贴图或颜色进行组合;
32、将组合后的顶点数据进行光栅化,以片段的形式传输到片段着色器中,在片段着色器中定义一系列片段处理操作,生成并输出片段的颜色。
33、根据本专利技术实施例的第二方面,提供一种城市孪生模型建筑外表材质识别赋予装置,包括:
34、影像获取模块,用于获取包含建筑侧立面纹理信息的遥感影像;
35、立面提取模块,用于对所述遥感影像中的各个建筑物进行立面提取,得到初始的建筑外立面像元;
36、粗纹理提取模块,用于对所述遥感影像中的所述建筑侧立面纹理信息进行正则化,得到正则化后的建筑纹理图像,并从所述建筑纹理图像提取出影像的粗纹理;
37、纹理匹配模块,用于利用预先建立的纹理库与所述粗纹理进行关联识别,得出关联纹理;
38、纹理赋予模块,用于根据所述关联纹理和所述建筑外立面像元,对相应的建筑白模进行纹理匹配,自动赋予建筑外表材质。
39、根据本专利技术实施例的第三方面,提供一种城市孪生模型建筑外表材质识别赋予设备,包括:
40、主控器,及与所述主控器相连的存储器;
41、所述存储器,其中存储有程序指令;
<本文档来自技高网...【技术保护点】
1.一种城市孪生模型建筑外表材质识别赋予方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述得到正则化后的建筑纹理图像,并从所述建筑纹理图像提取出影像的粗纹理之后,还包括:
3.根据权利要求2所述的方法,其特征在于,所述利用图像修复算法,包括:
4.根据权利要求1所述的方法,其特征在于,所述利用预先建立的纹理库与所述粗纹理进行关联识别,得出关联纹理,包括:
5.根据权利要求1所述的方法,其特征在于,所述对所述遥感影像中的各个建筑物进行立面提取,包括:
6.根据权利要求1所述的方法,其特征在于,所述对所述遥感影像中的所述建筑侧立面纹理信息进行正则化,包括:
7.根据权利要求1所述的方法,其特征在于,所述对相应的建筑白模进行纹理匹配,包括:
8.根据权利要求7所述的方法,其特征在于,所述利用基元模型绘制进行场景渲染生成建筑外表材质,包括:
9.一种城市孪生模型建筑外表材质识别赋予装置,其特征在于,包括:
10.一种城市孪生模型建筑外表材质识别赋予设备,其特征
...【技术特征摘要】
1.一种城市孪生模型建筑外表材质识别赋予方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述得到正则化后的建筑纹理图像,并从所述建筑纹理图像提取出影像的粗纹理之后,还包括:
3.根据权利要求2所述的方法,其特征在于,所述利用图像修复算法,包括:
4.根据权利要求1所述的方法,其特征在于,所述利用预先建立的纹理库与所述粗纹理进行关联识别,得出关联纹理,包括:
5.根据权利要求1所述的方法,其特征在于,所述对所述遥感影像中的各个建筑物进...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。