[发明专利]使用机器学习、图像分析和/或计算机视觉自动限定计算机辅助设计文件的方法和装置

权利要求书

1.一种非暂态处理器可读介质，存储表示要由处理器执行的指令的代码，所述代码包括使得处理器执行以下操作的代码：

接收具有以图案布置的多个点的空中数据；

提供与来自所述多个点中的每个点相关联的指示作为机器学习模型的输入，以将来自所述多个点中的每个点分类到来自多个类别中的类别中；

对于来自所述多个点中的每个点，从所述多个点中识别在图案中与该点相邻并且具有来自所述多个类别中的与该点共同的类别的点的集合，以限定来自多个形状中的形状；

通过关于标准分析与来自所述多个形状中的每个形状的边界相关联的每个点的相对于与该形状的边界相关联的至少一个其它点的位置的位置，限定该形状的折线界线；

限定针对来自所述多个类别中的每个类别的层，针对来自所述多个类别中的类别的层包括与该类别相关联的来自所述多个形状中的每个形状；以及

使用来自所述多个形状中的每个形状的折线界线以及针对来自所述多个类别中的每个类别的层来生成计算机辅助设计文件。

2.如权利要求1所述的非暂态处理器可读介质，其中，空中数据来自由多个像素形成的空中正马赛克图像，来自所述多个点中的每个点与空中正马赛克图像中的来自所述多个像素中的像素相关联。

3.如权利要求1所述的非暂态处理器可读介质，其中，空中数据来自点云。

4.如权利要求1所述的非暂态处理器可读介质，其中，所述多个类别与人造结构或地质特征中的至少一个相关联。

5.如权利要求1所述的非暂态处理器可读介质，所述代码还包括使得处理器执行以下操作的代码：

基于预先限定的类别层级从类别的集合中选择针对来自所述多个点中的点的类别，来自类别的集合中的每个类别都来自所述多个类别，所述点由机器学习模型分类到类别的集合。

6.如权利要求1所述的非暂态处理器可读介质，其中，空中数据包括与来自所述多个点中的每个点相关联的高程数据。

7.如权利要求1所述的非暂态处理器可读介质，其中，所述机器学习模型包括神经网络、残差神经网络、全分辨率残差网络(FRRN)、决策树模型、随机森林模型、贝叶斯网络或聚类模型中的至少一个。

8.如权利要求1所述的非暂态处理器可读介质，其中，使得处理器限定折线界线的代码包括使得处理器执行以下操作的代码：将针对来自所述多个形状中的每个形状的折线界线限定为(1)包含该形状以及(2)与针对来自所述多个形状中的其余形状的折线界线不同。

9.如权利要求1所述的非暂态处理器可读介质，其中，使用地面控制点来验证空中数据。

10.如权利要求1所述的非暂态处理器可读介质，其中，标准是预定的偏差阈值，使得处理器限定折线界线的代码包括使得处理器执行以下操作的代码：当以其它方式在折线界线上的与边界相关联的每个点的位置的偏差小于预定的偏差阈值时，将针对来自所述多个形状中的该形状的折线界线限定为与边界相关联的第一点和与边界相关联的第二点之间的直线。

11.一种装置，包括：

存储器；以及

可操作地耦合到所述存储器的处理器，处理器被配置为接收具有以图案布置的多个点的空中数据，处理器被配置为提供与来自所述多个点中的每个点相关联的指示作为机器学习模型的输入，以将来自所述多个点中的每个点分类到来自多个类别中的类别的集合中，

处理器被配置为，对于来自所述多个点中的每个点，基于预先限定的类别层级选择针对该点的来自类别的集合中的类别，

处理器被配置为，对于来自所述多个点中的每个点，从所述多个点中识别在图案中与该点相邻并且具有来自所述多个类别中的与该点共同的类别的点的集合，以限定来自多个形状中的形状，

处理器被配置为使用来自所述多个形状中的每个形状来生成计算机辅助设计文件。