[发明专利]房屋外部的空间照片到屋顶CAD图纸的自动化转换方法

权利要求书

1.一种房屋外部的空间照片到屋顶CAD图纸的自动化转换方法，其特征在于，无人机拍摄一组房屋外部照片，将获取的照片导入自动处理软件，得到数字表面高程图，进行数据算法处理后，得到光伏电站有效区域轮廓的点集和有效区域轮廓内障碍物轮廓点集坐标信息传递到CAD软件中，，进行自动化绘制，输出CAD图纸；

数据算法处理的具体步骤如下：

数字表面高程图中含有由点(X_m,Y_n,H(X_m,Y_n))组成的点集，X_m为地理横坐标，Y_m为地理纵坐标，H(X_m,Y_n)为高程数据，单位为米；同时，数字表面高程图中像素点为(X_m,Y_n)，像素点的高程值为H(X_m,Y_n)，m∈(1,M)n∈(1,N)，M和N为数字表面高程图中横纵像素点的个数；

1)刺点确定：

对图片间隔进行像素阵列选点，进行了图像降采样，选择降采集倍数k，(X_m,Y_n)变化为(X_ki,Y_kj)，

遍历判断H(X_ki,Y_kj)值，当高程H(X_ki,Y_kj)≤X米，判断为无效点，X为屋顶有效高度设定值，即屋顶高度在X米以上，X米以下的点都舍弃，当高程H(X_ki,Y_kj)X米，保留这些点作为刺点进入下一步；

2)拟合平面：

循环开始，以步骤1)中传递的每个有效刺点为一次循环，确定刺点的拟合平面；对步骤1)传递下来有效刺点中的任意一点(X_ki,Y_kj)进行该刺点的拟合平面，以(X_ki,Y_kj)为中心加上与其距离Y米的最近周围8个像素点，其中图像分辨率为a米/像素，Y/a值向上取整，则产生8个像素点(X_ki-Y/a,Y_kj-Y/a)，(X_ki-Y/a,Y_kj)，(X_ki-Y/a,Y_kj+Y/a)……(X_ki+Y/a,Y_kj+Y/a)，共9点空间点，进行平面拟合，获得平面K_ij，计算得平面K_ij与水平面倾角α，其中α90°；

对于在刺点周围领域选点中的距离Y的设定，取决于图像分辨率和模型质量，较差的模型质量需要扩大Y值来减小误差；

3)共面点标记：

以(X_ki,Y_kj)为中心，领域进行像素点外扩，第一圈周围有8个点((X_ki-1,Y_kj-1)，(X_ki-1,Y_kj)，(X_ki-1,Y_kj+1)……(X_ki+1,Y_kj+1))，第二圈有16个点，第Q圈有8Q个点；像素点外扩遇到边界值的处理方式：从中心点外扩，依次遇到图像的右边界，上边界，下边界，左边界；每次遇到边界后，该方向停止外扩，其余方向继续外扩；

共面点标记：按步骤2)确认得到拟合平面K_ij，以及外扩点后，计算外扩点真实高程值，与代入平面K_ij后的高程值之差；以第Q圈某一像素点(X_ki-Q,Y_kj-Q)为例，H(X_ki-Q,Y_kj-Q)为该像素点的真实高程值，HK_ij(X_ki-Q,Y_kj-Q)为该像素点代入平面K_ij的高程值，

当|H(X_ki-Q,Y_kj-Q)-HK_ij(X_ki-Q,Y_kj-Q)|Z，即实际高程与拟合平面K_ij的高程差小于Z米，判定实际点落在了拟合平面内，是共面点，标记该像素点灰度值为255，F(X_ki-Q,Y_kj-Q)＝255；

当|H(X_ki-Q,Y_kj-Q)-HK_ij(X_ki-Q,Y_kj-Q)|≥Z，即实际高程与拟合高程差大于等于Z米，认为实际点落在了拟合平面外，非共面点，标记该像素点灰度值为0，F(X_ki-Q,Y_kj-Q)＝0；

外扩结束判断和标记：当外扩到所扩的一圈上所有像素点灰度值都为0时，则停止此循环外扩；

若外扩中有一侧遇到边界值后，该侧所有像素灰度值均为0，不必进行共平面点的判断；

实际高程与拟合平面K_ij的高程差Z值的选定取决于模型质量与障碍物高度判定；

共面点标记结束后得到二值化图像；

4)轮廓确定：

引入机器视觉库OpenCV中的cvFindContours()函数，对得到二值化图像进行内部轮廓搜寻，得到最外侧轮廓像素点集Roof_ij，作为有效区域轮廓，在有效区域轮廓内，得到内部孔的轮廓点集inRoof_{ij_1}，inRoof_{ij_2}……，而内部孔轮廓点集即作为障碍物轮廓；

5)有效轮廓筛选与储存：

有效区域判断，计算点集Roof_ij包裹范围内的区域面积S′ij，为地理正投影面积值，此面积值再投影到K_ij平面后，对应真实区域面积为Sij＝S′ij/cos(α)；当平面面积Sij大于等于Sx平方米时，记为有效区域轮廓，若Sij小于Sx平方米时，舍弃该区域轮廓；

将有效轮廓的点集Roof_ij存储，供图纸生成使用，当存储库中存有有效轮廓时，设定标志位Flag＝1，当存储库中的有效轮廓为空时，设定标志位Flag＝0；

有效区域面积判定值Sx是自定义值，取决于该光伏电站项目工程中可接受的最小光伏组件排布面积；

6)至此，基于点(X_ki,Y_kj)完成了一次完整的有效区域轮廓和对应障碍物轮廓搜寻；对剩下的刺点进行判断，如刺点在有效轮廓中则对下一个刺点进行判断，如选择刺点不在有效轮廓内，则重复步骤2)～5)过程，完成轮廓搜寻，得到所有有效轮廓及障碍物轮廓。

2.根据权利要求1所述房屋外部的空间照片到屋顶CAD图纸的自动化转换方法，其特征在于，所述步骤4)轮廓确定中的障碍物轮廓可通过自定义障碍物进行筛选，具体方法如下：

对步骤4)中得到的二值图片进行再处理，遍历轮廓点集Roof_ij包裹内所有像素点，计算其实际高程与代入平面K_ij后的高程差：

以某一像素点(X_ki-n,Y_kj-n)为例，H(X_ki-Q,Y_kj-Q)为该像素点的真实高程值，HK_ij(X_ki-Q,Y_kj-Q)为该像素点代入平面K_ij的高程值，

当|H(X_ki-Q,Y_kj-Q)-HK_ij(X_ki-Q,Y_kj-Q)|height，

标记该点灰度值为0，F(X_ki-Q,Y_kj-Q)＝0；

当|H(X_ki-Q,Y_kj-Q)-HK_ij(X_ki-Q,Y_kj-Q)|≤height，

标记该点灰度值为255，F(X_ki-Q,Y_kj-Q)＝255，height≠Z，

得到更新版二值图像；

对更新版二值图像重新获取轮廓，获得更新版内部孔轮廓点集inRoof′_{ij_1}，inRoof′_{ij_2}……，作为轮廓Roof_ij中的障碍物轮廓点集。