技術特征：

1.基于建筑三維模型的移動智能終端建筑物快速識別方法，其特征在于，包括如下步驟：

步驟S1、利用建筑三維模型構建建筑圖像特征庫：從N個預設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為自然數且N≥8，所述i＝1,2,3,...,N，所述為預設方位的方位角，所述θ_i為預設方位的俯仰角；

步驟S2、獲取智能終端相機的拍攝圖像，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定區(qū)域內的候選建筑物；

步驟S4、根據所述拍攝方位V，提取每個所述候選建筑物的M個相鄰預設方位的直方圖信息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直方相似度DH；其中，所述所述M為正整數且M≥3，所述j＝1,2,...,M；所述S(1，2，...,j-1,j,j+1,...,M)為M個所述預設方位構成的幾何面積，所述S(1，2，...,j-1,j+1,...,M,V)為將第j所述預設方位替換為拍攝方位V構成的幾何面積；

步驟S5、篩選出DH大于設定閾值DH_TH的所述候選建筑物，進行特征匹配；若存在特征匹配值TZ大于設定閾值TZ_TH的所述候選建筑物，則識別特征匹配值TZ最大的候選建筑物為目標建筑物，所述TZ為特征匹配數據與特征總數的比值，所述TZ滿足0≤TZ≤1，所述TZ_TH滿足0≤TZ_TH≤1。

2.如權利要求1所述的基于建筑三維模型的移動智能終端建筑物快速識別方法，其特征在于，所述步驟S1包括：

步驟S11、構建建筑物列表，每個建筑物保存唯一標識等信息，表示為：

Bi{ID，Info，Img，His，Feat，P}

其中：ID為一標識符，每個建筑具有一個唯一的ID；Info代表建筑相關信息，為一列表，包括建筑名稱、樓層數、高度、使用性質等；Img代表建筑的N個預設方位的圖像；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；

步驟S12、對建筑列表中的每個建筑物，采集并保存其名稱、樓層數、高度、使用性質等相關信息；

步驟S13、對建筑列表中的每個建筑物，提取其三維模型，從N個預設方位獲取的建筑三維模型的圖像F_i，并進行保存；所述N為自然數且N≥8，所述i＝1,2,3,...,N，所述為預設方位的方位角，所述θ_i為預設方位的俯仰角；

步驟S14、提取并保存建筑圖像F_i的直方圖信息His_i，表達為：

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

其中，His_i為一維數組，共256個元素，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，Feat表達為：

Feat{kp1,kp2,……,kpn}

其中，kp表示圖像特征信息中的一個關鍵點，表達為：

kp{σ,Loc,Hes}

其中，σ表示關鍵點所處的尺度空間尺度，為一自然數；Loc表示關鍵點在圖像中的位置，用(x,y)表示，x為不大于圖像寬度像素數的自然數，y為不大于圖像長度像素數的自然數；Hes表示使用SURF算法計算得到的圖像在尺度空間σ下某一點Loc對應的Hessian矩陣；

步驟S16、獲取并保存建筑地理物位置信息P(x,y)。

3.如權利要求1所述的基于建筑三維模型的移動智能終端建筑物快速識別方法，其特征在于，所示步驟S2具體包括：

步驟S21、通過智能終端的相機，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)，獲得智能終端當前地理位置信息，并表示為P(x，y)。

4.如權利要求1所述的基于建筑三維模型的移動智能終端建筑物快速識別方法，其特征在于，所述步驟S3包括：

以所述地理位置信息為圓心，以R為半徑，形成圓形的所述預定區(qū)域，確定所述預定區(qū)域內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。

5.如權利要求4所述的基于建筑三維模型的移動智能終端建筑物快速識別方法，其特征在于：在所述步驟S5中，若所述DH小于設定閾值DH_TH或所述特征匹配值TZ小于設定閾值TZ_TH，則擴大所述預定區(qū)域半徑R，并執(zhí)行步驟S3，所述擴大所述預定區(qū)域半徑R≤10000m。

6.如權利要求4所述的基于建筑三維模型的移動智能終端建筑物快速識別方法，其特征在于，所述步驟S4包括：

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

$R=\sqrt{{(P_x-P_{cx})}^2+{(P_y-P_{cy})}^2}$

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

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

步驟S43、提取相機圖像直方圖信息His_photo；

步驟S44、依次取出L1每個建筑物與所述拍攝方位V相鄰的M個相鄰預設方位的直方圖信息His_j，對比His_photo和His_j的直方相似度DH_j；

${\mathrm{DH}}_j=\frac{\underset{k=0}{\overset{k=255}{\Σ}}({\mathrm{His}}_i\[k\]-\stackrel{\‾}{{\mathrm{His}}_i})*({\mathrm{His}}_{photo}\[k\]-\stackrel{\‾}{{\mathrm{His}}_{photo}})}{\sqrt{\underset{k=0}{\overset{255}{\Σ}}{({\mathrm{His}}_i\[k\]-\stackrel{\‾}{{\mathrm{His}}_i})}^2*\underset{k=0}{\overset{k=255}{\Σ}}{({\mathrm{His}}_{photo}\[k\]-\stackrel{\‾}{{\mathrm{His}}_{photo}})}^2}}$

步驟S45、求解所述候選建筑物的加權直方相似度DH,并保存到列表L1中；

$DH=\frac{1}{M-2}\underset{j=1}{\overset{M}{\Σ}}\frac{S(1,2,...,j-1,j+1,...,M,V){\mathrm{DH}}_j}{S(1,2,...,j-1,j,j+1,...,M)}$

其中：His_j[k]、His_photo[k]表示灰度值為k所對應的像素比例值；分別為His_j[k]、His_photo[k]均值。

7.如權利要求6所述的基于建筑三維模型的移動智能終端建筑物快速識別方法，其特征在于，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中建筑物數量為0，R加倍，轉到步驟S41；

步驟S52、提取相機圖像的特征信息Featb；

步驟S53、依次取出L1每個建筑物的圖像特征Feat，利用SURF特征點匹配原理，計算Feat與Featb中特征點的匹配數r，并保存到列表L1中；

步驟S54、對L1中的每個建筑物，取出特征點匹配數r最大的一個建筑物，求解特征匹配值TZ，若所述TZ大于設定閾值TZ_TH，則所述建筑物即是目標建筑物；所述所述r_all為該建筑bui對應的特征點總數量，所述r_all為正整數。