[发明专利]一种基于深度学习的三维建模阴影识别系统

说明书

本发明公开了一种基于深度学习的三维建模阴影识别系统，具体涉及阴影识别领域，包括采集图像模块、预处理模块、点云计算模块、点云配准模块、数据融合模块、纹理映射模块、阴影识别模块，所述图像采集模块通过无人机倾斜摄影技术采集图像，将采集到的图像通过工业计算机传输到图像预处理模块，所述图像预处理模块对采集到的图像进行预处理。本发明通过无人机倾斜摄影，能对图像数据深度挖掘，能高效率，低成本的获得精确的数据，减少人工干预，提升工作效率，缩短测绘外业的协同工作，节省测量人员的劳动时间，降低了外业劳动强度，解决了天气等外因造成的传统人工作业延误。

技术领域

本发明涉及三维建模技术领域，更具体地说，本发明涉及一种基于深度学习的三维建模阴影识别系统。

背景技术

现有的获取三维信息的方法大致有以下几种：使用航空影像、地面摄影、激光雷达、激光扫描仪和基于规划图纸二维数据资料的城市三维建模对建筑物的特征线进行自动提取能快速的获取三维模型的位置、形状和高度信息，通过激光扫描仪测距求算获取，这种方式获取的几何信息相当精确，激光雷达能快速的获取城市建筑模型及地表模型，这些获取模式大多只有地物顶部的信息特征，缺乏地物侧面的详细的轮廓。

现有的获取三维信息的方法不利于全方位的模型重建和场景感知，并且这些影像上建筑物容易产生墙面倾斜、屋顶位移和遮挡压盖的问题，航空影像获取物体的几何信息不够完整，需要外业采集建筑物的侧面纹理，激光雷达这种方式获取的数据量非常庞大，在此种方法下建立的三维立体模型没有建筑物的色彩纹理，基于规划图纸二维数据资料的城市三维建模数据时效性存在不确定性，对于建筑物顶部纹理存在盲区，高程数据的获取工作量比较大，这些方法不利于后续的几何纠正，处理方式比较复杂，不能满足日常城市三维信息的时效性要求。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种基于深度学习的三维建模阴影识别系统，通过无人机倾斜摄影技术，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：包括采集图像模块、预处理模块、点云计算模块、点云配准模块、数据融合模块、纹理映射模块，以及阴影识别模块，所述图像采集模块得到工业计算机的指令通过无人机倾斜摄影技术多角度采集地面影像，将采集到的图像通过工业计算机传输到图像预处理模块，所述图像预处理模块通过图像几何变换单元、图像镶嵌与裁剪单元、畸变差校正单元，以及图像增强单元对采集到的图像进行预处理，所述点云计算模块对预处理过的图像进行坐标系和图像像素坐标系的转换计算，所述点云配准模块把图像中不同时间、角度，以及照度获取的多帧图像叠加匹配到统一的坐标系中，所述数据融合是将配准过的图像数据进行融合处理将融合处理过的图像信息传输到纹理映射模块，所述纹理映射模块是将图形绘制到表面，生成三维图像，将得到的图像数据进行阴影识别。

在一个优选的实施方式中，所述图像采集模块运用无人机倾斜摄影技术，所述无人机倾斜摄影技术是通过在同一无人机上搭载多台传感器，多角度采集影像，获取地面物体更为完整准确的信息，所述无人机倾斜摄影技术能快速采集影像数据，实现全自动化三维建模能真实地反映地物的外观、位置，以及高度，通过无人机倾斜摄影进行地形测绘，能减少人工干预，提升工作效率，能缩短测绘外业的协同共作，节省测量人员的劳动时间，降低了外业劳动强度，能提供丰富的地理信息。

在一个优选的实施方式中，所述图像预处理模块包括图像几何变换、图像镶嵌与裁剪、畸变差校正，以及图像增强处理，所述图像几何变换通过平移、转置、镜像、旋转，以及缩放几何变换对采集的图像进行处理，用于改正图像采集的仪器位置随机误差，所述图像镶嵌与裁剪将多幅图拼接起来形成一幅覆盖全区的图像，在进行图像的镶嵌时，要确定一幅参考图像，参考图像作为输出镶嵌图像的基准，决定镶嵌图像的对比度匹配和输出图像的像元大小和数据类型，镶嵌的多幅图像选择相近的成像时间，使得图像的色调保持一致，裁剪的目的是将研究之外的区域去除，所述畸变差校正由于透镜制造精度和组装工艺的偏差，导致原始图像失真，畸变系数根据x轴和y轴旋转的角度计算出变换矩阵，公式如下：