本發(fā)明涉及建筑物識(shí)別領(lǐng)域，特別是涉及基于建筑三維模型的移動(dòng)智能終端建筑物快速識(shí)別方法。

背景技術(shù)：

現(xiàn)有技術(shù)一般采集建筑物的正北、正東、正南、正西四個(gè)方位的建筑物圖像作為候選建筑物庫，在直方圖識(shí)別時(shí)，分別將拍攝圖像與候選建筑物中的每個(gè)方位進(jìn)行比對(duì)來識(shí)別建筑物。一方面，用戶拍攝方位與上述四個(gè)方位存在夾角，造成了拍攝圖像與建筑物庫中的圖像因拍攝角度不同，造成直方圖差異變大，此時(shí)，直方圖識(shí)別的閾值變低，后續(xù)采用其他特征進(jìn)一步識(shí)別建筑物，計(jì)算量呈幾何增長(zhǎng)。另一方面，現(xiàn)有技術(shù)從差距較大的四個(gè)方位進(jìn)行建筑識(shí)別，針對(duì)性弱，效率較低。

此外，現(xiàn)有技術(shù)是通過采集建筑物照片，來獲得構(gòu)建建筑物特征庫，而實(shí)際上，城市建筑物數(shù)量眾多，通過采集照片獲得建筑物特征庫工作量大，難以實(shí)現(xiàn)。

綜上，現(xiàn)有技術(shù)直方圖識(shí)別建筑物的精確度低，篩選出的樣本量大，后續(xù)采用其他特征識(shí)別進(jìn)一步識(shí)別目標(biāo)建筑物，帶來更大的計(jì)算量，并且針對(duì)性弱，效率低，并且存在照片采集工作量大的問題。

技術(shù)實(shí)現(xiàn)要素：

有鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明所要解決的技術(shù)問題是提供基于建筑三維模型的移動(dòng)智能終端建筑物快速識(shí)別方法。在該方法中，與目標(biāo)建筑物拍攝圖像比對(duì)的候選建筑物庫圖像的方位差異小，提高直方圖識(shí)別精度，設(shè)置較優(yōu)的直方圖識(shí)別閾值，減少候選建筑物的數(shù)量，降低后續(xù)識(shí)別的計(jì)算量。本發(fā)明直方圖識(shí)別精度高，整體建筑物識(shí)別效率高、速度快。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了基于建筑三維模型的移動(dòng)智能終端建筑物快速識(shí)別方法，包括如下步驟：

步驟S1、從N個(gè)預(yù)設(shè)方位獲取的建筑三維模型的圖像F_i，獲取所述圖像F_i的直方圖信息His_i，并提取所述圖像F_i的特征信息，獲取所述建筑物三維模型的地理位置信息；所述N為自然數(shù)且N≥8，所述i＝1,2,3,...,N，所述為預(yù)設(shè)方位的方位角，所述θ_i為預(yù)設(shè)方位的俯仰角；

步驟S2、獲取智能終端相機(jī)的拍攝圖像，獲取智能終端的拍攝方位獲取智能終端的地理位置信息；所述為方位角，所述θ_photo為俯仰角；

步驟S3、篩選出基于所述地理位置信息的預(yù)定區(qū)域內(nèi)的候選建筑物；

步驟S4、根據(jù)所述拍攝方位V，提取每個(gè)所述候選建筑物的M個(gè)相鄰預(yù)設(shè)方位的直方圖信息His_j；提取所述拍攝圖像的直方圖信息His_photo，獲取His_photo和His_j的相似度DH_j，并求解所述候選建筑物的加權(quán)直方相似度DH；其中，所述所述M為正整數(shù)且M≥3，所述j＝1,2,...,M；所述S(1，2，...,j-1,j,j+1,...,M)為M個(gè)所述預(yù)設(shè)方位構(gòu)成的幾何面積，所述S(1，2，...,j-1,j+1,...,M,P)為將第j所述預(yù)設(shè)方位替換為拍攝方位V構(gòu)成的幾何面積；

步驟S5、篩選出DH大于設(shè)定閾值DH_TH的所述候選建筑物，進(jìn)行特征匹配；若存在特征匹配值TZ大于設(shè)定閾值TZ_TH的所述候選建筑物，則識(shí)別特征匹配值TZ最大的候選建筑物為目標(biāo)建筑物，所述TZ為特征匹配數(shù)據(jù)與特征總數(shù)的比值，所述TZ滿足0≤TZ≤1，所述TZ_TH滿足0≤TZ_TH≤1。

在該技術(shù)方案中，每個(gè)候選建筑均包含多個(gè)預(yù)設(shè)方位的圖像信息，根據(jù)拍攝圖像的拍攝方位V提取相應(yīng)的預(yù)設(shè)方位進(jìn)行比對(duì)直方圖信息，有效提高直方圖的識(shí)別精度，有利于精確篩選出待候選建筑物，有利于降低后續(xù)特征匹配計(jì)算量，提高建筑物識(shí)別速度。此外，在步驟S4中，根據(jù)相鄰預(yù)設(shè)方位與拍攝方位V構(gòu)成的幾何形狀，對(duì)各個(gè)直方圖相似度DH_j確定加權(quán)，獲得加權(quán)相似度DH。在該方案中，DH_j的加權(quán)值設(shè)計(jì)滿足物理規(guī)律，所獲得的加權(quán)相似度DH能夠很好地滿足直方相似度判定，同時(shí)，計(jì)算簡(jiǎn)單、快速。此外，在該技術(shù)方案中，結(jié)合各個(gè)城市建設(shè)的城市三維模型，并作為建筑物圖像識(shí)別的基礎(chǔ)圖庫，進(jìn)行建筑物圖像識(shí)別節(jié)約實(shí)地對(duì)各個(gè)圖像進(jìn)行拍攝采集所耗費(fèi)的時(shí)間和費(fèi)用。

此外，現(xiàn)有技術(shù)采用照片來構(gòu)建建筑物特征庫，還不存在通過三維模型提取建筑物特征信息，然而，采用照片構(gòu)建建筑物特征庫數(shù)據(jù)量大，構(gòu)建一個(gè)城市的建筑物比對(duì)圖庫工作量是非常大的?，F(xiàn)有技術(shù)并沒有通過城市三維模型進(jìn)行特征物識(shí)別的相關(guān)技術(shù)。而采用城市三維模型來構(gòu)建特征庫，操作簡(jiǎn)單，只需對(duì)三維模型庫的建筑物進(jìn)行特征提取獲得建筑物特征庫即可。同時(shí)，在本發(fā)明中，從模型庫中可以直接提取任意一個(gè)建筑的方位圖像作為建筑物識(shí)別的基礎(chǔ)圖庫。

進(jìn)一步而言，所述步驟S1包括：

步驟S11、構(gòu)建建筑物列表，每個(gè)建筑物保存唯一標(biāo)識(shí)等信息，表示為：

Bi{ID，Info，Img，His，F(xiàn)eat，P}

其中：ID為一標(biāo)識(shí)符，每個(gè)建筑具有一個(gè)唯一的ID；Info代表建筑相關(guān)信息，為一列表，包括建筑名稱、樓層數(shù)、高度、使用性質(zhì)等；Img代表建筑的N個(gè)預(yù)設(shè)方位的圖像；His代表建筑圖像直方圖信息；Feat代表建筑圖像特征信息；P代表建筑物的地理位置信息，表示為P(x，y)，x、y為正整數(shù)；

步驟S12、對(duì)建筑列表中的每個(gè)建筑物，采集并保存其名稱、樓層數(shù)、高度、使用性質(zhì)等相關(guān)信息；

步驟S13、對(duì)建筑列表中的每個(gè)建筑物，提取其三維模型，從N個(gè)預(yù)設(shè)方位獲取的建筑三維模型的圖像F，并進(jìn)行保存；所述N為自然數(shù)且N≥8，所述i＝1,2,3,...,N，所述為預(yù)設(shè)方位的方位角，所述θ_i為預(yù)設(shè)方位的俯仰角；

步驟S14、提取并保存建筑圖像F_i的直方圖信息His_i，表達(dá)為：

His_i[V0,V1,......,V255]

其中，His_i為一維數(shù)組，共256個(gè)元素，V_i代表圖像中灰度值為i的像素占圖像總像素的比例；

步驟S15、提取并保存建筑影像的特征信息Feat，F(xiàn)eat表達(dá)為：

Feat{kp1,kp2,……,kpn}

其中，kp表示圖像特征信息中的一個(gè)關(guān)鍵點(diǎn)，表達(dá)為：

kp{σ,Loc,Hes}

其中，σ表示關(guān)鍵點(diǎn)所處的尺度空間尺度，為一自然數(shù)；Loc表示關(guān)鍵點(diǎn)在圖像中的位置，用(x,y)表示，x為不大于圖像寬度像素?cái)?shù)的自然數(shù)，y為不大于圖像長(zhǎng)度像素?cái)?shù)的自然數(shù)；Hes表示使用SURF算法計(jì)算得到的圖像在尺度空間σ下某一點(diǎn)Loc對(duì)應(yīng)的Hessian矩陣；

步驟S16、獲取并保存建筑地理物位置信息P(x,y)。

在該技術(shù)方案中，步驟S1實(shí)現(xiàn)了對(duì)三維模型建筑地理位置信息以及建筑本身信息的提取和保存，并提取和保存建筑物在各個(gè)預(yù)設(shè)方位的直方圖信息、特征信息，為后續(xù)建筑物識(shí)別處理提供數(shù)據(jù)。

進(jìn)一步而言，所示步驟S2具體包括：

步驟S21、通過智能終端的相機(jī)，按一定的間隔采集圖像；

步驟S22、通過智能終端的三維姿態(tài)傳感器、三維磁場(chǎng)傳感器，獲得拍攝的方位角和俯仰角，并表示為拍攝方位

步驟S23、通過智能終端的定位系統(tǒng)，獲得智能終端當(dāng)前地理位置信息，并表示為P(x，y)。

在該技術(shù)方案中，通過智能終端的傳感器獲得智能終端的指向信息，并獲得拍攝方位，通過該拍攝方位，即可與建筑物重點(diǎn)預(yù)設(shè)方位進(jìn)行對(duì)比識(shí)別。由于拍攝方位與預(yù)設(shè)方位的指向較傳統(tǒng)建筑物識(shí)別方法要相近，故而其圖像識(shí)別的精度更高、針對(duì)性更強(qiáng)，選取的候選建筑物容量越小，減少后續(xù)其它特征識(shí)別的耗損時(shí)間。同時(shí),在該技術(shù)方式中,也提取了智能終端的地理位置信息，以確認(rèn)目標(biāo)建筑物的大概位置，減少候選庫容量。

進(jìn)一步而言，所述步驟S3包括：

以所述地理位置信息為圓心，以R為半徑，形成圓形的所述預(yù)定區(qū)域，確定所述預(yù)定區(qū)域內(nèi)的建筑物為候選建筑物；所述R滿足0＜R≤10000m，所述R初始值為R₀，所述R₀滿足0＜R₀≤10000m。

在該技術(shù)方案中，候選建筑物的預(yù)定區(qū)域是具有范圍的，可以預(yù)見的是，地理位置識(shí)別具有一定精度，地理位置精度誤差具有上限。在該技術(shù)方案中，預(yù)定區(qū)域半徑上限為0＜R₀≤10000。

進(jìn)一步而言，在所述步驟S5中，若所述DH小于設(shè)定閾值DH_TH或所述特征匹配值TZ小于設(shè)定閾值TZ_TH，則擴(kuò)大所述預(yù)定區(qū)域半徑R，并執(zhí)行步驟S3，所述擴(kuò)大所述預(yù)定區(qū)域半徑R≤10000m。

在該技術(shù)方案中，若DH、TZ小于其相應(yīng)閾值，則可判定預(yù)設(shè)區(qū)域內(nèi)的建筑物均不識(shí)別為目標(biāo)建筑物，故而需提高預(yù)定區(qū)域半徑。采用該技術(shù)方案，可以節(jié)省圖像識(shí)別整體速度，其原因在于，地理位置信息測(cè)量中，正確位置在測(cè)量值中心的概率越大，可以將預(yù)設(shè)區(qū)域逐步增大來識(shí)別目標(biāo)建筑物。在該技術(shù)方案中，當(dāng)未匹配到候選建筑物時(shí)，需擴(kuò)大檢測(cè)范圍，以達(dá)到找尋最優(yōu)匹配的候選建筑物。

進(jìn)一步而言，所述步驟S4包括：

步驟S41、依據(jù)位置信息，從建筑圖像特征庫中提取距離R米的建筑物，構(gòu)建待匹配建筑物列表L1(bui，DH,r)，其中bui代表建筑信息，DH代表加權(quán)直方相似度,0＜DH≤1，r代表特征點(diǎn)匹配數(shù)且為自然數(shù)；距離半徑R計(jì)算方法為：

其中：Px、Py代表建筑Bui的x、y坐標(biāo)；Pcx、Pcy代表智能終端當(dāng)前位置的x、y坐標(biāo)；

步驟S42、若L1中建筑物數(shù)量為0，則R加倍，轉(zhuǎn)到步驟S41；否則判斷R是否大于10000m，若R大于10000m，則轉(zhuǎn)到步驟S54；若R小于等于10000m，則轉(zhuǎn)到步驟S43；

步驟S43、提取相機(jī)圖像直方圖信息His_photo；

步驟S44、依次取出L1每個(gè)建筑物與所述拍攝方位V相鄰的M個(gè)相鄰預(yù)設(shè)方位的直方圖信息His_j，對(duì)比His_photo和His_j的直方相似度DH_j；

步驟S45、求解所述候選建筑物的加權(quán)直方相似度DH,并保存到列表L1中；

其中：His_j[k]、His_photo[k]表示灰度值為k所對(duì)應(yīng)的像素比例值；分別為His_j[k]、His_photo[k]均值。

在該技術(shù)方案中給出了加權(quán)直方相似度的求解方案，在其步驟S45中，根據(jù)相鄰預(yù)設(shè)方位與拍攝方位構(gòu)成的幾何形狀，對(duì)各個(gè)直方圖相似度DH_j確定加權(quán)，獲得加權(quán)相似度DH。有益之處在于，計(jì)算多個(gè)相鄰預(yù)設(shè)方位與拍攝方位的的直方相似度，一方面這些預(yù)設(shè)方位與拍攝方位指向方向相近，匹配度高，可識(shí)別精確的直方相似度信息；另一方面對(duì)相鄰預(yù)設(shè)方位進(jìn)行加權(quán)獲取加權(quán)直方相似度，可以進(jìn)一步提高建筑物識(shí)別的精準(zhǔn)。

進(jìn)一步而言，所述步驟5包括：

步驟S51、清除列表L1中，DH值小于DH_TH的建筑物；若L1中建筑物數(shù)量為0，R加倍，轉(zhuǎn)到步驟S41；

步驟S52、提取相機(jī)圖像的特征信息Featb；

步驟S53、依次取出L1每個(gè)建筑物的圖像特征Feat，利用SURF特征點(diǎn)匹配原理，計(jì)算Feat與Featb中特征點(diǎn)的匹配數(shù)r，并保存到列表L1中；

步驟S54、對(duì)L1中的每個(gè)建筑物，取出特征點(diǎn)匹配數(shù)r最大的一個(gè)建筑物，求解特征匹配值TZ，若所述TZ大于設(shè)定閾值TZ_TH，則所述建筑物即是目標(biāo)建筑物；所述所述r_all為該建筑bui對(duì)應(yīng)的特征點(diǎn)總數(shù)量，所述r_all為正整數(shù)。

在該技術(shù)方案中，提取圖像特征進(jìn)行比對(duì)，若最大圖像的特征匹配值大于設(shè)定閾值，則識(shí)別候選建筑物為目標(biāo)建筑物。

本發(fā)明的有益效果是：本發(fā)明通過為每個(gè)候選建筑設(shè)置多個(gè)預(yù)設(shè)方位的圖像信息，根據(jù)拍攝圖像的拍攝方位提取相應(yīng)的預(yù)設(shè)方位圖像信息進(jìn)行比對(duì)，并識(shí)別目標(biāo)建筑物，其有益之處在于，針對(duì)性的對(duì)候選建筑物特定指向方位的圖像進(jìn)行比對(duì)，識(shí)別精度，有利于精確篩選出待候選建筑物，有利于降低后續(xù)特征匹配計(jì)算量，提高建筑物識(shí)別速度。同時(shí)，本發(fā)明根據(jù)相鄰預(yù)設(shè)方位與拍攝方位構(gòu)成的幾何形狀，對(duì)各個(gè)直方圖相似度DH_j確定加權(quán)，獲得加權(quán)相似度DH。在該方案中，DH_j的加權(quán)值設(shè)計(jì)滿足物理規(guī)律，所獲得的加權(quán)相似度DH能夠很好地滿足直方相似度判定，同時(shí)，計(jì)算簡(jiǎn)單、快速。

附圖說明

圖1是本發(fā)明一具體實(shí)施方式的流程示意圖；

圖2是本發(fā)明一具體實(shí)施方式的幾何坐標(biāo)示意圖；

圖3是本發(fā)明一具體實(shí)施方式的建筑物圖像的預(yù)設(shè)方位分布圖；

圖4是本發(fā)明另一具體實(shí)施方式建筑物圖像的預(yù)設(shè)方位分布圖；

圖5是本發(fā)明另一具體實(shí)施方式建筑物圖像的預(yù)設(shè)方位分布圖；

圖6是本發(fā)明一具體實(shí)施方式的預(yù)設(shè)方位與拍攝方位位置關(guān)系圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明：

如圖1所示，本發(fā)明提供基于建筑三維模型的移動(dòng)智能終端建筑物快速識(shí)別方法，包括如下步驟：

步驟S1、從N個(gè)預(yù)設(shè)方位獲取的建筑三維模型的圖像F_i，獲取所述圖像F_i的直方圖信息His_i，并提取所述圖像F_i的特征信息，獲取所述建筑物三維模型的地理位置信息；

步驟S2、獲取智能終端相機(jī)的拍攝圖像，獲取智能終端的拍攝方位獲取智能終端的地理位置信息；所述為方位角，所述θ_photo為俯仰角；

步驟S3、篩選出基于所述地理位置信息的預(yù)定區(qū)域內(nèi)的候選建筑物；

步驟S4、根據(jù)所述拍攝方位V，提取每個(gè)所述候選建筑物的M個(gè)相鄰預(yù)設(shè)方位的直方圖信息His_j；提取所述拍攝圖像的直方圖信息His_photo，獲取His_photo和His_j的相似度DH_j，并求解所述候選建筑物的加權(quán)直方相似度DH；

步驟S5、篩選出DH大于設(shè)定閾值DH_TH的所述候選建筑物，進(jìn)行特征匹配；若存在特征匹配值TZ大于設(shè)定閾值TZ_TH的所述候選建筑物，則識(shí)別特征匹配值TZ最大的候選建筑物為目標(biāo)建筑物。

現(xiàn)有技術(shù)采用照片來構(gòu)建建筑物特征庫，還不存在通過三維模型提取建筑物特征信息，然而，采用照片構(gòu)建建筑物特征庫數(shù)據(jù)量大，構(gòu)建一個(gè)城市的建筑物比對(duì)圖庫工作量是非常大的，基本不可能實(shí)現(xiàn)大規(guī)模的應(yīng)用?，F(xiàn)有技術(shù)并沒有通過城市三維模型進(jìn)行特征物識(shí)別的相關(guān)技術(shù)。而采用城市三維模型來構(gòu)建特征庫，操作簡(jiǎn)單，只需對(duì)三維模型庫的建筑物進(jìn)行特征提取獲得建筑物特征庫即可。同時(shí)，在本發(fā)明中，從模型庫中可以直接提取任意一個(gè)建筑的方位圖像作為建筑物識(shí)別的基礎(chǔ)圖庫。

在本發(fā)明第一實(shí)施例中，提供基于建筑三維模型的移動(dòng)智能終端建筑物快速識(shí)別方法。首先對(duì)本實(shí)施例中的幾何坐標(biāo)和預(yù)設(shè)方位相關(guān)信息進(jìn)行說明。

(1)幾何坐標(biāo)說明

首先，對(duì)本實(shí)施例中提供的建筑物識(shí)別進(jìn)行數(shù)學(xué)建模。當(dāng)相機(jī)攝像頭對(duì)建筑物進(jìn)行拍攝圖像時(shí)，如圖2所示，相機(jī)與建筑物關(guān)系包括：距離R、方位角以及俯仰角θ。顯然，相機(jī)可以從地面以上的各個(gè)位置對(duì)建筑物進(jìn)行拍攝識(shí)別，包括：道路、臨近建筑物樓層、空中飛行器以及其它形式對(duì)建筑物進(jìn)行拍攝識(shí)別。方位角為0-360°，俯仰角為-90°至90°，其中俯角為正，仰角為負(fù)。值得一提的是，在本實(shí)施例中，取建筑物中心的水平面的俯仰角為0°，由于實(shí)際拍攝中，是在地面上拍攝的，故而俯仰角可取為-60°至90°，當(dāng)俯仰角為90°時(shí)，是在建筑物頂部進(jìn)行拍攝。此外，可以采用歐拉角來定義本實(shí)施例中的方位，即采用分別為偏航角、俯仰角和滾轉(zhuǎn)角。其中，偏航角即為方位角，其中，滾轉(zhuǎn)角可省略。

(2)預(yù)設(shè)方位構(gòu)建說明

在本實(shí)施例中，對(duì)空間進(jìn)行劃分成多個(gè)預(yù)設(shè)方位。

可選地，預(yù)設(shè)方位采用經(jīng)緯線進(jìn)行劃分，經(jīng)緯線交點(diǎn)為預(yù)設(shè)方位點(diǎn)，拍攝方位落入經(jīng)緯線構(gòu)成的網(wǎng)格中。如圖3所示，以經(jīng)緯線做網(wǎng)格，經(jīng)緯線交點(diǎn)為預(yù)設(shè)方位點(diǎn)。其中，拍照南北極方位的拍攝方位相鄰的預(yù)設(shè)方位點(diǎn)位三個(gè)，分布為。如圖3中，拍攝方位P2相鄰的預(yù)設(shè)方位點(diǎn)位分別為E、F、G。而其它拍攝方位相鄰的預(yù)設(shè)方位點(diǎn)有四個(gè)，如拍攝方位P1相鄰的預(yù)設(shè)方位點(diǎn)位分別為A1、A2、A3、A4。

值得一提的是，采用經(jīng)緯線的網(wǎng)格求解，會(huì)呈現(xiàn)各個(gè)預(yù)設(shè)方位分布不均，造成各個(gè)區(qū)域的精度也不同。一種優(yōu)選的方案是將預(yù)設(shè)方位分布均勻。

可選的，預(yù)設(shè)方位的形式可以采用正四面體、正八面體、正二十面體、正六面體、正十二面體以及它們的細(xì)分多面體。如圖4所示，提供一種正二十面體細(xì)分的八十面體，八十面體上的80個(gè)頂點(diǎn)構(gòu)成建筑庫特征采集的80個(gè)預(yù)設(shè)方位。優(yōu)點(diǎn)在于，可以提高預(yù)設(shè)方位分布的均勻性，提高數(shù)據(jù)處理精度，提高建筑物識(shí)別精度和效率。示意性地，在圖4中，拍攝方位P3相鄰的預(yù)設(shè)方位為B1、B2、B3。如圖5所示，圖5左側(cè)為正二十面體，圖五右側(cè)為正二十面體細(xì)分的三百二十多面體。

可選的，預(yù)設(shè)方位可以采用其它形式，包含但不限于，足球狀、C60狀等。這里不再贅述。

值得一提的是，根據(jù)幾何結(jié)構(gòu)關(guān)系，需將各個(gè)預(yù)設(shè)方位的方位角和俯仰角θ_i求解出來，并以表示，可以通過常規(guī)的幾何求解出來，也可以采用計(jì)算機(jī)統(tǒng)計(jì)求解，這里不再贅述。

下面通過實(shí)施例來對(duì)本發(fā)明進(jìn)行說明。

本發(fā)明第一實(shí)施例提供基于建筑三維模型的移動(dòng)智能終端建筑物快速識(shí)別方法，包括如下步驟：

步驟S1、從N個(gè)預(yù)設(shè)方位獲取的建筑三維模型的圖像F_i，獲取所述圖像F_i的直方圖信息His_i，并提取所述圖像F_i的特征信息，獲取所述建筑物三維模型的地理位置信息；所述N為自然數(shù)且N≥8，所述i＝1,2,3,...,N，所述為預(yù)設(shè)方位的方位角，所述θ_i為預(yù)設(shè)方位的俯仰角；

可以理解的是，從N個(gè)預(yù)設(shè)方位獲取的建筑三維模型的圖像F_i是指在三維模型軟件中，從預(yù)設(shè)方位處觀測(cè)建筑三維模型所獲得的圖像。

具體而言，所述步驟S1包括：

步驟S11、構(gòu)建建筑物列表，每個(gè)建筑物保存唯一標(biāo)識(shí)等信息，表示為：

Bi{ID，Info，Img，His，F(xiàn)eat，P}

其中：ID為一標(biāo)識(shí)符，每個(gè)建筑具有一個(gè)唯一的ID；Info代表建筑相關(guān)信息，為一列表，包括建筑名稱、樓層數(shù)、高度、使用性質(zhì)等；Img代表建筑的N個(gè)預(yù)設(shè)方位的圖像；His代表建筑圖像直方圖信息；Feat代表建筑圖像特征信息；P代表建筑物的地理位置信息，表示為P(x，y)，x、y為正整數(shù)；

步驟S12、對(duì)建筑列表中的每個(gè)建筑物，采集并保存其名稱、樓層數(shù)、高度、使用性質(zhì)等相關(guān)信息；

步驟S13、對(duì)建筑列表中的每個(gè)建筑物，提取其三維模型，從N個(gè)預(yù)設(shè)方位獲取的建筑三維模型的圖像F_i，并進(jìn)行保存；所述N為自然數(shù)且N≥8，所述i＝1,2,3,...,N，所述為預(yù)設(shè)方位的方位角，所述θ_i為預(yù)設(shè)方位的俯仰角；示意性地，正北方向的預(yù)設(shè)方位為(0,0)，正東方向且仰角30°是的預(yù)設(shè)方位為(90°,-30°)。

步驟S14、提取并保存建筑圖像F_i的直方圖信息His_i，表達(dá)為：

His_i[V0,V1,......,V255]

其中，His_i為一維數(shù)組，共256個(gè)元素，V_i代表圖像中灰度值為i的像素占圖像總像素的比例；

步驟S15、提取并保存建筑影像的特征信息Feat，F(xiàn)eat表達(dá)為：

Feat{kp1,kp2,……,kpn}

其中，kp表示圖像特征信息中的一個(gè)關(guān)鍵點(diǎn)，表達(dá)為：

kp{σ,Loc,Hes}

其中，σ表示關(guān)鍵點(diǎn)所處的尺度空間尺度，為一自然數(shù)；Loc表示關(guān)鍵點(diǎn)在圖像中的位置，用(x,y)表示，x為不大于圖像寬度像素?cái)?shù)的自然數(shù)，y為不大于圖像長(zhǎng)度像素?cái)?shù)的自然數(shù)；Hes表示使用SURF算法計(jì)算得到的圖像在尺度空間σ下某一點(diǎn)Loc對(duì)應(yīng)的Hessian矩陣；

步驟S16、獲取并保存建筑地理物位置信息P(x,y)。

步驟S2、獲取智能終端相機(jī)的拍攝圖像，獲取智能終端的拍攝方位獲取智能終端的地理位置信息；所述為方位角，所述θ_photo為俯仰角；

智能終端需要采集目標(biāo)建筑物的圖像、目標(biāo)建筑物的地理位置信息以及拍攝方位。其中，目標(biāo)建筑圖像是通過智能終端上的相機(jī)采集獲得的，目標(biāo)建筑物的地理位置信息獲取方式包括但不限于：通過GPS、2G/3G/4G網(wǎng)絡(luò)、wifi網(wǎng)絡(luò)獲得地理位置信息。拍攝方位包括拍攝方位角、俯仰角；其中，方位角由北點(diǎn)開始按順時(shí)針方向計(jì)量。方位的大小變化范圍為0°～360°，北點(diǎn)為0°，東點(diǎn)為90°，南點(diǎn)為180°，西點(diǎn)為270°，俯仰角為智能終端相機(jī)軸線與地平線的夾角。拍攝方位的獲取是通過三維姿態(tài)傳感器、三維磁場(chǎng)傳感器傳送的數(shù)據(jù)，并計(jì)算指向軸的方位角和俯仰角，此為現(xiàn)有技術(shù)，這里不再贅述。

具體而言，在本實(shí)施例中，步驟S2具體包括：

步驟S21、通過智能終端的相機(jī)，按一定的間隔采集圖像；

步驟S22、通過智能終端的三維姿態(tài)傳感器、三維磁場(chǎng)傳感器，獲得拍攝的方位角和俯仰角，并表示為拍攝方位

步驟S23、通過智能終端的定位系統(tǒng)，獲得智能終端當(dāng)前地理位置信息，并表示為P(x，y)。優(yōu)選的，在本實(shí)施例中，定位系統(tǒng)為GPS定位系統(tǒng)。

步驟S3、篩選出基于所述地理位置信息的預(yù)定區(qū)域內(nèi)的候選建筑物；

具體而言，步驟S3包括：

以所述地理位置信息為圓心，以R為半徑，形成圓形的所述預(yù)定區(qū)域，確定所述預(yù)定區(qū)域內(nèi)的建筑物為候選建筑物；所述R滿足0＜R≤10000m，所述R初始值為R₀，所述R₀滿足0＜R₀≤10000m。

步驟S4、根據(jù)所述拍攝方位V，提取每個(gè)所述候選建筑物的M個(gè)相鄰預(yù)設(shè)方位的直方圖信息His_j；提取所述拍攝圖像的直方圖信息His_photo，獲取His_photo和His_j的相似度DH_j，并求解所述候選建筑物的加權(quán)直方相似度DH；其中，所述所述M為正整數(shù)且M≥3，所述j＝1,2,...,M；所述S(1，2，...,j-1,j,j+1,...,M)為M個(gè)所述預(yù)設(shè)方位構(gòu)成的幾何面積，所述S(1，2，...,j-1,j+1,...,M,V)為將第j所述預(yù)設(shè)方位替換為拍攝方位V構(gòu)成的幾何面積；

值得一提的是，在本實(shí)施例中，由預(yù)設(shè)方位構(gòu)成的網(wǎng)格狀空間，拍攝方位根據(jù)自身所處的網(wǎng)格，確定其相鄰的M個(gè)預(yù)設(shè)方位。示意性的，在圖4中，拍攝方位P3處于預(yù)設(shè)方位B1、B2、B3構(gòu)成的網(wǎng)格內(nèi)，預(yù)設(shè)方位B1、B2、B3即為拍攝方位P3相鄰的預(yù)設(shè)方位。

此外，在本發(fā)明中，根據(jù)預(yù)設(shè)方位的設(shè)定方式，與拍攝方位相鄰的預(yù)設(shè)方位個(gè)數(shù)為3以上。在本實(shí)施例中，拍攝方位需分別與其相鄰的預(yù)設(shè)方位對(duì)比，獲得直方相似度DH_j，并求解加權(quán)直方相似度DH，下面以相鄰預(yù)設(shè)方位個(gè)數(shù)3為例。

可以理解的是，當(dāng)拍攝方位與預(yù)設(shè)方位越接近時(shí)，該預(yù)設(shè)方位的相似度加權(quán)值應(yīng)該越大。在本實(shí)施例中需設(shè)置一加權(quán)參量，該參量需滿足兩個(gè)條件：(1)當(dāng)距離預(yù)設(shè)方位越接近，則該預(yù)設(shè)方位的加權(quán)參量越大；(2)相鄰的3個(gè)預(yù)設(shè)方位的加權(quán)值總和恒等于1。

如圖6所示，基于上述兩個(gè)條件，設(shè)定加權(quán)參量α₁、α₂、α₃分別作為3個(gè)預(yù)設(shè)方位的加權(quán)值。其中，

其中，S(C1,C2,C3)為點(diǎn)C1、C2、C3構(gòu)成的面積，S(C2,C3,P4)為點(diǎn)C2、C3、P4構(gòu)成的面積。值得一提的是，該面積可以為曲面面積，也可以為平面面積，為簡(jiǎn)便計(jì)算，在本實(shí)施例中，采用平面面積計(jì)算。在本發(fā)明的其它實(shí)施例，采用曲面面積計(jì)算，此為幾何常規(guī)計(jì)算，這里不再贅述。

當(dāng)S(C2,C3,P4)越大時(shí)，α₁越大，當(dāng)P4與C1重合時(shí)，α₁＝1。

同理，

加權(quán)直方相似度DH＝α₁DH₁+α₂DH₂+α₃DH₃。

相應(yīng)的，相鄰預(yù)設(shè)方位個(gè)數(shù)為M情況下，α_j、DH滿足：

步驟S5、篩選出DH大于設(shè)定閾值DH_TH的所述候選建筑物，進(jìn)行特征匹配；若存在特征匹配值TZ大于設(shè)定閾值TZ_TH的所述候選建筑物，則識(shí)別特征匹配值TZ最大的候選建筑物為目標(biāo)建筑物，所述TZ為特征匹配數(shù)據(jù)與特征總數(shù)的比值，所述TZ滿足0≤TZ≤1，所述TZ_TH滿足0≤TZ_TH≤1。

在所述步驟S5中，若所述DH小于設(shè)定閾值DH_TH或所述特征匹配值TZ小于設(shè)定閾值TZ_TH，則擴(kuò)大所述預(yù)定區(qū)域半徑R，并執(zhí)行步驟S3，所述擴(kuò)大所述預(yù)定區(qū)域半徑R≤10000m。

在一可能的實(shí)施例中，基于建筑三維模型的移動(dòng)智能終端建筑物快速識(shí)別方法，包括如下步驟：

步驟S3、設(shè)定一個(gè)距離R，R初始化為100m；

步驟S41、依據(jù)位置信息，從建筑圖像特征庫中提取距離R米的建筑物，構(gòu)建待匹配建筑物列表L1(bui，DH,r)，其中bui代表建筑信息，DH代表加權(quán)直方相似度,0＜DH≤1，r代表特征點(diǎn)匹配數(shù)且為自然數(shù)；距離半徑R計(jì)算方法為：

其中：Px、Py代表建筑Bui的x、y坐標(biāo)；Pcx、Pcy代表智能終端當(dāng)前位置的x、y坐標(biāo)；

步驟S42、若L1中建筑物數(shù)量為0，則R加倍，轉(zhuǎn)到步驟S41；否則判斷R是否大于10000m，若R大于10000m，則轉(zhuǎn)到步驟S54；若R小于等于10000m，則轉(zhuǎn)到步驟S43；

步驟S43、提取相機(jī)圖像直方圖信息His_photo；

步驟S44、依次取出L1每個(gè)建筑物與所述拍攝方位V相鄰的M個(gè)相鄰預(yù)設(shè)方位的直方圖信息His_j，對(duì)比His_photo和His_j的直方相似度DH_j；

步驟S45、求解所述候選建筑物的加權(quán)直方相似度DH,并保存到列表L1中；

其中：His_j[k]、His_photo[k]表示灰度值為k所對(duì)應(yīng)的像素比例值；分別為His_j[k]、His_photo[k]均值。

步驟S51、清除列表L1中，DH值小于DH_TH的建筑物；若L1中建筑物數(shù)量為0，R加倍，轉(zhuǎn)到步驟S41；

步驟S52、提取相機(jī)圖像的特征信息Featb；

步驟S53、依次取出L1每個(gè)建筑物的圖像特征Feat，利用SURF特征點(diǎn)匹配原理，計(jì)算Feat與Featb中特征點(diǎn)的匹配數(shù)r，并保存到列表L1中；

步驟S54、對(duì)L1中的每個(gè)建筑物，取出特征點(diǎn)匹配數(shù)r最大的一個(gè)建筑物，求解特征匹配值TZ，若所述TZ大于設(shè)定閾值TZ_TH，則所述建筑物即是目標(biāo)建筑物；所述所述r_all為該建筑bui對(duì)應(yīng)的特征點(diǎn)總數(shù)量，所述r_all為正整數(shù)。在本實(shí)施例中，TZ_TH取50％。

本實(shí)施例工作原理：本實(shí)施例首先從各個(gè)預(yù)設(shè)方位獲取候選建筑物的圖像信息、灰度直方圖信息、位置信息、以及特征信息并保存；然后，智能終端提取目標(biāo)建筑物圖像、移動(dòng)終端地理位置以及拍攝的方位信息，并通過地理位置、灰度直方圖以及特征信息對(duì)候選建筑物進(jìn)行篩選，并標(biāo)識(shí)目標(biāo)建筑物為特征信息最接近的候選建筑物。

以上詳細(xì)描述了本發(fā)明的較佳具體實(shí)施例。應(yīng)當(dāng)理解，本領(lǐng)域的普通技術(shù)人員無需創(chuàng)造性勞動(dòng)就可以根據(jù)本發(fā)明的構(gòu)思作出諸多修改和變化。因此，凡本技術(shù)領(lǐng)域中技術(shù)人員依本發(fā)明的構(gòu)思在現(xiàn)有技術(shù)的基礎(chǔ)上通過邏輯分析、推理或者有限的實(shí)驗(yàn)可以得到的技術(shù)方案，皆應(yīng)在由權(quán)利要求書所確定的保護(hù)范圍內(nèi)。