本發(fā)明涉及人工智能、遙感科學(xué)與，具體涉及一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法。

背景技術(shù)：

1、隨著無人機(jī)技術(shù)的快速發(fā)展，無人機(jī)攝影測(cè)量由于價(jià)格低廉，其應(yīng)用也越來越普及。無人機(jī)傾斜攝影測(cè)量作為一種新型測(cè)繪技術(shù)，搭載相機(jī)傳感器從多個(gè)視角同步采集影像，通過數(shù)據(jù)處理和分析可以生成具有高真實(shí)感的實(shí)景三維模型。無人機(jī)傾斜攝影測(cè)量具有高分辨率、高精度、大數(shù)據(jù)量和低成本的優(yōu)勢(shì)。通過攝影測(cè)量三維重建生成的表面模型可以看成是一張表面覆蓋了高分影像的連續(xù)的tin三角網(wǎng)。在gis管理和應(yīng)用中，這種連續(xù)的表面模型無法滿足對(duì)象的查詢和量算的需要，只能和影像一樣作為底圖瀏覽，限制了其進(jìn)一步深入應(yīng)用，因此通常需要進(jìn)行建筑對(duì)象的識(shí)別和單體化。

2、在現(xiàn)有的基于無人機(jī)影像的生產(chǎn)任務(wù)中，通常主要依靠人工勾繪得到二維建筑平面圖，進(jìn)而構(gòu)建建筑三維模型，工作效率低。通過深度學(xué)習(xí)方法雖然已經(jīng)能夠以較高的準(zhǔn)確率識(shí)別建筑實(shí)例，但是提取的邊緣通常需要規(guī)則化，這樣識(shí)別的建筑輪廓多邊形與其真實(shí)邊界相差甚遠(yuǎn)，無法滿足精確建筑制圖的需要。目前通過深度神經(jīng)網(wǎng)絡(luò)具有的強(qiáng)大特征描述能力，能夠有效提取建筑場(chǎng)景圖像線特征，可以保證較高的幾何精度和完整性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明目的：在于提供一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，以滿足基于無人機(jī)圖像的建筑輪廓線提取，提高構(gòu)建建筑模型的工作效率，使所構(gòu)建的建筑模型具備更高的幾何精度和完整性。

2、為實(shí)現(xiàn)以上功能，本發(fā)明設(shè)計(jì)一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，針對(duì)城區(qū)建筑，執(zhí)行如下步驟s1-步驟s3，完成城區(qū)建筑輪廓圖的構(gòu)建：

3、步驟s1：采集城區(qū)建筑的影像，構(gòu)建城區(qū)建筑的dom和dsm；利用dsm制作歸一化數(shù)字表面模型ndsm，同時(shí)生成坡度圖；基于dom和坡度圖標(biāo)注城區(qū)建筑的輪廓線和多邊形；構(gòu)建用于影像切割的漁網(wǎng)，通過漁網(wǎng)分割柵格和矢量圖層，建立訓(xùn)練樣本影像和標(biāo)注；

4、步驟s2：將訓(xùn)練樣本影像和標(biāo)注進(jìn)行預(yù)處理，生成距離和角度場(chǎng)訓(xùn)練樣本文件；將訓(xùn)練樣本文件代入建筑輪廓線提取模型進(jìn)行訓(xùn)練，建筑輪廓線提取模型包括線特征提取網(wǎng)絡(luò)mfline-net和語義分割網(wǎng)絡(luò)res-unet，得到訓(xùn)練好的建筑輪廓線提取模型；

5、步驟s3：利用線特性提取網(wǎng)絡(luò)mfline-net提取城區(qū)建筑的線特征；接著利用語義分割網(wǎng)絡(luò)res-unet提取城區(qū)建筑的屋頂語義信息；將提取的線特征利用運(yùn)動(dòng)空間剖分算法生成胞腔復(fù)形；采用圖割優(yōu)化算法關(guān)聯(lián)胞腔復(fù)形中的胞腔單元和屋頂語義信息；將具有相同語義類別的胞腔單元合并得到城區(qū)建筑的輪廓多邊形，完成城區(qū)建筑輪廓圖的構(gòu)建。

6、有益效果：相對(duì)于現(xiàn)有技術(shù)，本發(fā)明的優(yōu)點(diǎn)包括：

7、本發(fā)明提出了一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，相比單純通過語義分割和規(guī)則化實(shí)現(xiàn)建筑輪廓提取的方法，本發(fā)明能夠以更高的幾何精度和完整性提取建筑輪廓多邊形，建筑三維模型重建具有重要意義，并且可以滿足基于無人機(jī)圖像的建筑輪廓線提取。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，其特征在于，針對(duì)城區(qū)建筑，執(zhí)行如下步驟s1-步驟s3，完成城區(qū)建筑輪廓圖的構(gòu)建：

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，其特征在于，步驟s1的具體步驟如下：

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，其特征在于，步驟s2的具體步驟如下：

4.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，其特征在于，主干網(wǎng)絡(luò)包括編碼路徑和解碼路徑，編碼路徑和解碼路徑各有三個(gè)殘差單元，每個(gè)殘差單元由兩個(gè)3×3卷積塊和一個(gè)恒等映射組成；每個(gè)卷積塊包括一個(gè)批量歸一化bn層、一個(gè)relu激活層和一個(gè)卷積層；恒等映射連接殘差單元的輸入和輸出；在每個(gè)殘差單元中，對(duì)第一個(gè)卷積塊應(yīng)用步幅為2的卷積操作將特征圖尺寸減少一半；每個(gè)殘差單元的輸入，都通過對(duì)低級(jí)別的特征圖上采樣，并與來自相應(yīng)編碼路徑的特征圖連接起來。

5.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，其特征在于，兩個(gè)分支網(wǎng)絡(luò)所進(jìn)行的距離場(chǎng)和角度場(chǎng)的計(jì)算如下式：

6.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，其特征在于，步驟s3的具體步驟如下：

技術(shù)總結(jié)
本發(fā)明公開了一種基于深度學(xué)習(xí)和聯(lián)合優(yōu)化的建筑輪廓線提取方法，采集城區(qū)建筑的多視圖照片，構(gòu)建DOM和DSM；制作歸一化數(shù)字表面模型nDSM和坡度圖、標(biāo)注建筑輪廓線和多邊形；構(gòu)建漁網(wǎng)分割柵格和矢量圖層，建立訓(xùn)練樣本影像和標(biāo)注，代入線特征提取網(wǎng)絡(luò)MFLine?Net和語義分割網(wǎng)絡(luò)Res?UNet分別訓(xùn)練；利用線特性提取網(wǎng)絡(luò)MFLine?Net提取線特征；利用Res?UNet網(wǎng)絡(luò)提取建筑屋頂語義信息；利用運(yùn)動(dòng)空間剖分算法生成胞腔復(fù)形；采用圖割優(yōu)化算法關(guān)聯(lián)胞腔單元和屋頂語義信息；將相同屋頂語義信息的胞腔單元合并得到建筑輪廓圖。該方法可以快速構(gòu)建城市建筑輪廓圖，滿足基于無人機(jī)進(jìn)行攝影測(cè)量建筑制圖的需要。

技術(shù)研發(fā)人員：楊帆,歐睿思,呂梁,章宇涵,劉科舉,楊磊,錢鵬,馬玉,唐嘉文
受保護(hù)的技術(shù)使用者：南通大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10