[发明专利]一种城市建筑物施工进度的遥感识别方法和系统有效
申请号: | 201911097311.3 | 申请日: | 2019-11-11 |
公开(公告)号: | CN110929607B | 公开(公告)日: | 2022-05-31 |
发明(设计)人: | 李百寿;刘聪娜;张越 | 申请(专利权)人: | 桂林理工大学 |
主分类号: | G06V20/10 | 分类号: | G06V20/10;G06V10/764;G06V10/80;G06K9/62 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 541004 广西壮*** | 国省代码: | 广西;45 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 城市 建筑物 施工进度 遥感 识别 方法 系统 | ||
1.一种城市建筑物施工进度的遥感识别方法,其特征在于,具体包括以下步骤:
(1)城市高分遥感影像获取:通过高分遥感卫星、飞机对城市建筑物进行观测获得需要判定建筑物施工进度的高空间分辨率遥感影像;
(2)影像预处理:对获取的高分影像进行大气校正和辐射纠正预处理;
(3)不同施工阶段划分与影像特征提取:将施工阶段划分为地基阶段、建中阶段、封顶阶段、建成阶段四个阶段;依据不同阶段的建筑物识别特征不同,地基阶段的建筑物采用图像光谱变换特征提取;建中、封顶阶段建筑物利用纹理特征提取;建成阶段建筑物结合角点特征提取并与光谱特征融合;
(4)样本集创建及划分:通过目视解译和感兴趣区工具绘制出不同建设阶段建筑物的边界,分别创建不同施工阶段影像样本集和标签数据;针对每个阶段,利用OpenCV工具将不同施工阶段影像样本集和标签数据划分为训练集、验证集和测试集;
(5)建筑物深度学习样本数据库建立:建立用于存储地基阶段、建中阶段、封顶阶段、建成阶段特征影像及深度学习训练集、验证集和测试集的深度学习样本数据库;
(6)网络模型及参数设计:依据不同施工阶段建筑物的主要影像特征设计不同施工阶段建筑物识别和提取的深度网络模型及参数;
(7)训练网络、获取最佳网络模型:利用样本集训练网络并调节网络参数,找到不同施工阶段的最佳网络模型;
(8)计算精度并保存训练好的网络:利用不同施工阶段最佳网络模型对不同施工阶段特征影像进行分类,计算精度;判断精度是否达到用户设定阈值,若是,则保存对应施工阶段训练好的网络,反之返回步骤(7);
(9)建筑物施工位置及边界轮廓提取:利用不同施工阶段建筑物样本及不同施工阶段训练好的网络对城市影像进行卷积网络分类识别,提取不同施工阶段建筑物空间位置、边界轮廓;
(10)建筑施工数量及面积统计:统计城市不同施工阶段建筑物的数量、总面积;
步骤(3)所述不同施工阶段影像特征提取,其中对于地基阶段,图像光谱变换采用灰度线性变换和主成分分析获得地基阶段特征影像;对于建中阶段、封顶阶段建筑物,在灰度线性变换、灰度共生矩阵计算的基础上,提取图像熵和对比度纹理特征图像;对于建成阶段的建筑物,通过灰度线性变换增强原始图像,然后采用Canny算子和Harris算法提取角点特征,将角点特征与原始光谱图像进行融合处理,获得建成阶段建筑物特征影像;
步骤(5)所述的建筑物深度学习样本数据库建立,采用栅格数据结构,利用空间数据库引擎和数据库管理系统建立影像数据库,建立用于存储地基阶段、建中阶段、封顶阶段、建成阶段特征影像,及深度学习训练集、验证集和测试集,存于深度学习样本数据库;
步骤(6)所述不同施工阶段建筑物识别和提取深度网络模型及参数:地基阶段卷积核采用5*5大小;建中、封顶、建成阶段卷积核采用3*3大小;最大池化层卷积核大小采用2*2大小,滑动步长采用1个像素;深度卷积网络层数采用35~40层,其中地基阶段、建成阶段卷积层采用20层,池化层采用10层,全连接层采用3层,输入和输出层各采用1层;建中阶段、封顶阶段网络卷积层采用25层,池化层采用10层,全连接层采用3层,输入和输出层各采用1层。
2.如权利要求1所述的城市建筑物施工进度的遥感识别方法,其特征在于:步骤(8)所述在判断精度是否达到用户设定阈值过程中,精度采用值进行判定;所述地基阶段值阈值为80%,建中和封顶阶段值阈值为85%,建成阶段值阈值为90%,提取精度高于相应阶段值阈值则保存对应施工阶段训练好的网络,反之返回步骤(7)重新训练网络。
3.一种实现如权利要求1所述的一种城市建筑物施工进度的遥感识别方法的系统,其特征在于,所述系统包括:空间数据库、数据处理模块、GIS云服务平台、GIS卷积网络云计算模块、GIS统计分析云计算模块、建筑物施工进度类型图输出模块;其中空间数据库与数据处理模块双向连接,数据处理模块通过有线网络与云服务平台连接;GIS卷积网络云计算模块、GIS统计分析云计算模块、建筑物施工进度类型图输出模块分别与GIS云服务平台双向连接;
所述空间数据库的数据输入模块用于导入深度学习样本数据,数据存储模块用于存储地基阶段、建中阶段、封顶阶段、建成阶段影像集的建筑物深度学习样本;所述数据处理模块,包括影像特征提取模块和样本数据处理模块;影像特征提取模块用于建筑物不同施工阶段影像特征提取,样本数据处理模块用于样本集创建及划分;
所述GIS云服务平台与GIS卷积网络云计算模块、GIS统计分析云计算模块、建筑物施工阶段类型图输出模块一起构成云端功能系统;所述GIS云服务平台,以云计算平台服务层-PaaS提供的数据及处理服务接口为基础;
所述GIS卷积网络云计算模块,用于卷积网络与参数设计,网络训练,最佳网络模型获取;所述GIS统计分析云计算模块,用于快速统计不同施工阶段建筑物数量及面积;所述建筑物施工进度类型图输出模块,用于把四种施工阶段建筑物分布、面积和数量输出到纸质和电子介质上。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林理工大学,未经桂林理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911097311.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种混凝土预制箱梁快速起吊吊具
- 下一篇:资信数据存储的方法和装置