当前位置: 首页 > 专利查询>东南大学专利>正文

一种基于建筑几何深度学习的城市三维实景智能生成方法技术

技术编号:44699427 阅读:25 留言:0更新日期:2025-03-19 20:50
本发明专利技术公开了一种基于建筑几何深度学习的城市三维实景智能生成方法,包括采用手持扫描仪和无人机航拍设备收集目标街区及其所在城市其他街区所有建筑的倾斜摄影数据;利用获得的建筑五维立面数据构建建筑几何体量与建筑立面图像成组的样本集;通过图像语义分割算法对建筑几何构件与建筑立面细部进行分割,获得成组的样本集;通过训练建筑立面构件图像生成模型,对判别器的似然函数是否最大化进行判别,生成成组的建筑立面图像,建立建筑几何深度学习模型生成城市三维实景;将目标街区的建筑三维实景方案输出至空间全息沙盘,通过AR混合现实眼镜进行街区三维方案展示与交互优化,最终输出智能生成的建筑立面图像方案及城市三维实景可视化方案。

【技术实现步骤摘要】

本专利技术涉及城市规划领域,具体的是一种基于建筑几何深度学习的城市三维实景智能生成方法


技术介绍

1、随着城市化进程的加快和三维城市建模技术的发展,基于真实场景的三维实景重建在城市规划、建筑设计、交通管理等领域发挥着越来越重要的作用。三维实景模型不仅能够直观地反映城市的空间布局和建筑物形态,还可以为城市的未来发展提供可靠的数据基础。

2、然而,现有的的城市三维建模方法大多依赖人工操作,数据采集、模型构建及精细化处理过程复杂繁琐,耗费大量的人力物力。随着城市快速发展和建筑形态日益复杂,传统方法难以应对大量且多样的建筑数据生成需求,严重制约了城市规划和建筑管理的效率。基于深度学习的几何建模技术通过算法训练,不仅能够自动化处理庞大的建筑数据,还能有效提升三维实景的生成效率和准确性,减少人工干预,降低出错率。


技术实现思路

1、为解决上述
技术介绍
中提到的不足,本专利技术的目的在于提供一种基于建筑几何深度学习的城市三维实景智能生成方法,本专利技术能够通过深度学习算法对现状城市建筑几何特征进行学习和分析,然本文档来自技高网...

【技术保护点】

1.一种基于建筑几何深度学习的城市三维实景智能生成方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于建筑几何深度学习的城市三维实景智能生成方法,其特征在于,所述步骤(1)中采集目标街区及其所在城市其他街区的所有建筑的倾斜摄影数据,根据《汽车驾驶员前方视野要求及测量方法》标准,确定人眼水平视角范围约为120度,垂直视角范围约为60度的范围,设定采集点距离与建筑面宽的比例为1:1.2,采集点距离与建筑高度的比例为1:1.5,并通过手持扫描仪和无人机航拍设备进行采集拍摄,得到建筑的倾斜摄影数据。

3.根据权利要求2所述的一种基于建筑几何深度学习的城市三维...

【技术特征摘要】

1.一种基于建筑几何深度学习的城市三维实景智能生成方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于建筑几何深度学习的城市三维实景智能生成方法,其特征在于,所述步骤(1)中采集目标街区及其所在城市其他街区的所有建筑的倾斜摄影数据,根据《汽车驾驶员前方视野要求及测量方法》标准,确定人眼水平视角范围约为120度,垂直视角范围约为60度的范围,设定采集点距离与建筑面宽的比例为1:1.2,采集点距离与建筑高度的比例为1:1.5,并通过手持扫描仪和无人机航拍设备进行采集拍摄,得到建筑的倾斜摄影数据。

3.根据权利要求2所述的一种基于建筑几何深度学习的城市三维实景智能生成方法,其特征在于,所述步骤(1)中提取目标街区及其所在城市其他街区的建筑五维立面数据,对建筑的倾斜摄影数据采用faro focuss 350型号激光扫描仪进行处理,所述处理方法:使用激光扫描仪逐一提取建筑的正视图、右视图、左视图、后视图和顶视图,依次将五个视图按照顺序进行拼接获得建筑案例的立面图轮廓,得到建筑五维立面数据。

4.根据权利要求3所述的一种基于建筑几何深度学习的城市三维实景智能生成方法,其特征在于,所述步骤(2)中构建建筑几何体量与建筑立面图像成组的样本集,针对步骤(1)中所获得的建筑五维立面数据,通过图像语义分割提取出建筑的长、宽、高并相乘计算出建筑几何体量,并为建筑几何体量和立面图像生成唯一标识符作为数据标签;通过数据标签将建筑几何体量与立面图像的一一匹配,构建建筑几何体量与建筑立面图像成组的...

【专利技术属性】
技术研发人员:邵典杨俊宴郑屹孙昊成陈喜龙秦齐崔澳
申请(专利权)人:东南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1