[发明专利]一种基于实景三维模型的建筑基底轮廓精细化提取方法

说明书

本发明涉及一种基于实景三维模型的建筑基底轮廓精细化提取方法，基于实景三维模型进行建筑基底轮廓提取，首先通过深度学习算法提取植被图斑来对建筑图斑进行精化，有效地区分高度接近的植被和建筑，生成初始建筑矢量面，然后基于初始建筑矢量面与实景三维模型生成侧面影像图，并通过侧面影像图生成第一侧面影像图，利用深度学习算法对第一侧面影像图进行分类，从而能够有效剔除建筑侧面的附属物，避免造成干扰；然后，从第二侧面影像图提取窗户，得到楼层信息，从而能够有效地剔除建筑屋檐、违章搭建等突出结构，实现屋檐自动化矫正，进而能够提取精确的建筑基底轮廓。

技术领域

本发明涉及建筑基底轮廓提取技术领域，具体而言，涉及一种基于实景三维模型的建筑基底轮廓精细化提取方法。

背景技术

在智慧城市建设中，建筑基底轮廓发挥着极其重要的作用，它可以用于城市规划、灾害评估、宅基地调查等领域。现有的建筑基底轮廓提取方法主要分为以下两类：

（1）基于实地测绘的方法：作业人员通过高精度的测绘仪器，如全站仪等，测量建筑基底轮廓；该方法精度高，但是工作量大，不适用于大面积、需要快速相应的调查任务；

（2）基于遥感影像的（半）自动提取方法：该方法受限于遥感影像的自身缺陷，如场景遮挡、建筑投影差等，提取的结果并非真正意义上的建筑基底轮廓，从而影响后续的定量化应用。例如，公开号为“CN113011288A”的专利中 公开了一种基于Mask R-CNN算法的遥感建筑检测方法，该方法通过修改RPN网络、改进mask掩膜方向，得到一种适合不规则遥感建筑的检测网络模型，加强了对不规则建筑的检测分割能力，但是无法解决建筑之间的遮挡、投影差等问题。

再有公开号为CN113011288A的专利中 公开了融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法，通过高度阈值分割、植被信息滤除、后处理等步骤，优化建筑提取结果，实现建筑信息的自动提取，但其在对植被信息进行滤除以后，直接通过去除面积小的噪声对象，填充内部小孔洞，其中间过滤会出现底层的噪声和高层信息混合的情况，同时，也没有解决建筑之间的遮挡、投影差等问题。

发明内容

本发明解决的问题是如何解决建筑之间遮挡、投影差对建筑基底轮廓的影响，提升建筑基底轮廓提取精度和自动化程度。

为解决上述问题，本发明提供一种基于实景三维模型的建筑基底轮廓精细化提取方法，包括如下：

S1、基于实景三维模型，采用RTT技术从所述实景三维模型中提取DSM和DOM；

S2、使用布料模拟滤波算法从所述DSM中提取出DTM，通过差值运算得到nDSM，nDSM=DSM-DTM；

S3、使用轮廓提取算法从所述nDSM中提取初始建筑轮廓，进而得到初始建筑图斑；

S4、使用深度学习算法从所述DOM中提取出植被图斑；

S5、从所述初始建筑图斑中过滤所述植被图斑对应的区域，再采用形态学方法进行图斑优化，并使用图斑矢量化算法得到初始建筑矢量面；

S6、使用Monotone剖分算法将初始建筑矢量面分割成多个凸多边形，基于所述凸多边形从实景三维模型中提取得到待处理模型；使用Cycles渲染引擎的光线追踪算法从待处理模型上生成对应的侧面影像图；然后基于侧面影像图生成第一侧面影像图、第一建筑模型以及第一侧面影像图与第一建筑模型之间的几何映射关系；

S7、使用语义分割算法从所述第一侧面影像图中分离出建筑像素区域和非建筑像素区域，所述第一侧面影像图过滤非建筑像素区域得到第二侧面影像图，然后根据几何映射关系和第二侧面影像图从第一建筑模型中提取精化的建筑模型；

S8、使用目标检测算法从所述第二侧面影像图中提取窗户位置，基于窗户左下角坐标的高程进行聚类，得到楼层的高度区间；