[發明專利]一種基于三維建模的建筑物特征提取方法、系統及存儲介質

在審

• 申請號: 201910975930.1
• 申請日: 2019-10-15
• 公開（公告）號: CN110866531A
• 公開（公告）日: 2020-03-06
• 發明（設計）人: 周偉;周琛;鄭堯;周凱;劉磊
• 申請（專利權）人: 深圳新視達視訊工程有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/34;G06K9/62;G06T7/11;G06T7/155;G06T7/187
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 洪銘福

1.一種基于三維建模的建筑物特征提取方法，其特征在于，包括如下步驟：

S10：獲取正射影像和傾斜影像，對圖像進行預處理；

S20：對S10中獲取的影像進行三維建模；

S30：建筑物特征分割提取。

2.根據權利要求1所述的一種基于三維建模的建筑物特征提取方法，其特征在于，還包括：

S40:建筑物區域填充；

S50:建筑物特征點識別。

3.根據權利要求1所述的一種基于三維建模的建筑物特征提取方法，其特征在于，所述S20具體包括：

S21:無人機正攝影和傾斜攝影的影像輸入；

S22:影像幾何校正；

S23:區域整體聯合平差；

S24:多視角影像密集匹配；

S25:生成數字表面模型和/或三維不規則三角網；

S26：正射校正；

S27：生成三維數據庫。

4.根據權利要求3所述的一種基于三維建模的建筑物特征提取方法，其特征在于，所述S25之后還包括：

S28:三維不規則三角網建模；

S29:自主紋理映射；

S210：生成三維場景。

5.根據權利要求1所述的一種基于三維建模的建筑物特征提取方法，其特征在于，步驟S30具體包括:

S31:采用K-Means聚類算法對建筑物特征歸類提取；

S32：按照設定的搜索策略，對點云數據的三維坐標的縱向坐標數據進行K-Means聚類分割；

S33:將步驟S32中具有相近縱向坐標數據的目標歸為一類，將其作為建筑物的進一步提取的基礎。

6.根據權利要求2或5所述的一種基于三維建模的建筑物特征提取方法，其特征在于，步驟S40具體包括：

S41：采用數學形態學操作對聚類分割后的圖像進行腐蝕、膨脹去掉噪聲；

S42：對圖像中連通區域的孔洞進行填充。

7.根據權利要求2所述的一種基于三維建模的建筑物特征提取方法，其特征在于，步驟S50具體包括：

S51：采用貝葉斯網絡分類器提取輪廓特征點位置，進行建筑物特征點識別，得到建筑物的輪廓；

S52：在步驟S51的基礎上計算該建筑物區域的面積。

8.一種基于三維建模的建筑物特征提取系統，其特征在于，所述系統包括：

獲取單元，用于獲取正射影像和傾斜影像，對圖像進行預處理；

處理單元，用于對所述進行預處理的圖像進行三維建模、建筑物特征分割提取。

9.根據權利要求8所述的一種基于三維建模的建筑物特征提取系統，其特征在于，所述處理單元還用于建筑物區域填充，建筑物特征點識別。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如權利要求1至7任一項所述的方法。