[發明專利]建筑物高度及占地面積計算方法、裝置、設備及存儲介質

在審

• 申請號: 202211030943.X
• 申請日: 2022-08-26
• 公開（公告）號: CN115376018A
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 張宏韜;劉華杰;楊曉誠;許政偉
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V20/10;G06V10/82;G06V10/25;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 吳會英;黃健

1.一種建筑物高度及占地面積計算方法，其特征在于，包括：

獲取目標建筑物的目標圖片和目標衛星信息；

將目標圖片和目標衛星信息輸入已訓練識別模型，并采用已訓練識別模型輸出目標建筑物的目標位置相關信息、目標屋頂分割圖像和目標偏移角度向量；所述已訓練識別模型采用訓練數據集對預設識別模型進行訓練得到，所述訓練數據集包括至少一個訓練樣本，訓練樣本包括樣本建筑物的樣本圖片、樣本衛星信息、位置相關信息標簽、屋頂分割圖像標簽和偏移角度向量標簽；

根據所述目標衛星信息、所述目標位置相關信息、所述目標屋頂分割圖像和所述目標偏移角度向量計算目標建筑物高度；

根據所述目標衛星信息和所述目標屋頂分割圖像計算目標建筑物占地面積。

2.根據權利要求1所述的方法，其特征在于，所述預設識別模型包括圖像分割模型、定位網絡、屋頂分割網和角度分析網絡，所述圖像分割模型分別與定位網絡、屋頂分割網絡和角度分析網絡連接；

所述將目標圖片和目標衛星信息輸入已訓練識別模型，并采用已訓練識別模型輸出目標建筑物的位置相關信息、屋頂分割圖像和偏移角度向量之前，還包括：

將各訓練樣本的樣本圖片輸入圖像分割模型，采用圖像分割模型提取并輸出各訓練樣本的樣本圖片特征圖和至少一個感興趣區域ROI矩陣；

將各訓練樣本的位置相關信息標簽、樣本圖片特征圖和各ROI矩陣輸入定位網絡，對定位網絡進行訓練，將各訓練樣本的屋頂分割圖像標簽、樣本圖片特征圖和各ROI矩陣輸入屋頂分割網絡，對屋頂分割網絡進行訓練，將各訓練樣本的偏移角度向量標簽、樣本衛星信息、樣本圖片特征圖和各ROI矩陣輸入角度分析網絡，對角度分析網絡進行訓練，獲得已訓練識別模型。

3.根據權利要求2所述的方法，其特征在于，所述將各訓練樣本的位置相關信息標簽、樣本圖片特征圖和各ROI矩陣輸入定位網絡，對定位網絡進行訓練，包括：

采用定位網絡確定并輸出各訓練樣本的樣本位置相關信息，并根據各訓練樣本的位置相關信息標簽確定定位網絡的定位準確率；

若確定所述定位準確率大于或等于預設定位準確率，則將定位網絡的參數確定為已訓練識別模型中定位網絡的參數；

若確定所述定位準確率小于預設定位準確率，則調整定位網絡的參數，并重復執行所述采用定位網絡確定并輸出各訓練樣本的樣本位置相關信息，并根據各訓練樣本的位置相關信息標簽確定定位網絡的定位準確率步驟，直至所述定位準確率大于或等于預設定位準確率。

4.根據權利要求3所述的方法，其特征在于，所述定位網絡包括卷積層和全連接層；

所述采用定位網絡確定并輸出各訓練樣本的樣本位置相關信息，包括：

采用卷積層對各訓練樣本的各ROI矩陣對應在樣本圖片特征圖中的特征矩陣進行卷積操作，獲得各訓練樣本的樣本位置相關信息。

5.根據權利要求2所述的方法，其特征在于，所述將各訓練樣本的屋頂分割圖像標簽、樣本圖片特征圖和各ROI矩陣輸入屋頂分割網絡，對屋頂分割網絡進行訓練，包括：

采用屋頂分割網絡確定并輸出各訓練樣本的樣本屋頂分割圖像，并根據各訓練樣本的屋頂分割圖像標簽確定屋頂分割網絡的分割準確率；

若確定所述分割準確率大于或等于分割準確率，則將屋頂分割網絡的參數確定為已訓練識別模型中屋頂分割網絡的參數；

若確定所述分割準確率小于預設分割準確率，則調整屋頂分割網絡的參數，并重復執行所述采用屋頂分割網絡確定并輸出各訓練樣本的樣本屋頂分割圖像，并根據各訓練樣本的屋頂分割圖像標簽確定屋頂分割網絡的分割準確率步驟，直至所述分割準確率大于或等于預設分割準確率。

6.根據權利要求5所述的方法，其特征在于，所述屋頂分割網絡包括反卷積層；

所述采用屋頂分割網絡確定并輸出各訓練樣本的樣本屋頂分割圖像，包括：

采用反卷積層對各訓練樣本的至少一個ROI矩陣對應在樣本圖片特征圖中的特征矩陣進行反卷積操作，獲得并輸出各訓練樣本的樣本屋頂分割圖像。