[發明專利]一種實景三維城市中門牌號自動賦值的方法

在審

• 申請號: 202211225438.0
• 申請日: 2022-10-09
• 公開（公告）號: CN115482348A
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 王勇軍;張劍峰;王鵬;薛道義;梁曉鶴;張勇;李其順;雒建艷;康永泰;曾成強;張清彥
• 申請（專利權）人: 蘭州市勘察測繪研究院
• 主分類號: G06T17/10
• 分類號: G06T17/10;G06T17/05;G06F30/13;G06F111/20
• 代理公司: 南通市集優專利代理事務所(普通合伙) 32651
• 代理人: 褚淑杰

1.一種實景三維城市中門牌號自動賦值的方法，其特征在于，該方法包括以下步驟：

S1、通過移動終端獲取建筑的近景照片、遠景照片及位置信息，其中將計次器T設置為0；步驟S1包括如下子步驟：S11、使用移動終端在建筑正前方拍攝僅含有單個門牌號的近景照片；

S12、獲取并保存所述近景照片拍攝位置的經緯度；

S13、獲取并保存所述近景照片拍攝時的朝向，記作真方位角；

S14、拍攝最大程度覆蓋所述建筑外立面的遠景照片；

其中，所述位置信息包括經緯度與真方位角；

S2、利用基于深度學習的門牌號識別模型提取所述近景照片中門牌號；

S3、將所述位置信息與三維城市模型進行匹配，確定對應的目標建筑；

S4、將所述目標建筑的外立面圖像與所述遠景照片進行紋理匹配；步驟S4包括以下步驟：

S41、獲取三維城市模型中所述目標建筑的外立面圖像；

S42、將所述外立面圖像與所述遠景圖像均進行灰度處理，并統一兩者的灰度級與圖像尺寸，分別得到外立面灰度圖像與遠景灰度圖像；

S43、利用離散傅里葉變換將所述外立面灰度圖像與所述遠景灰度圖像均分解為頻域組件；

S44、分別計算所述外立面灰度圖像與所述遠景灰度圖像的灰度共生矩陣，并計算兩者各自的特征值；其中，步驟S44包括如下子步驟：

S441、所述外立面灰度圖像與所述遠景灰度圖像的頻域組件包括若干頻譜圖，每個所述頻譜圖均選取四個方向構建共生矩陣；

S442、分別計算每個所述頻譜圖內每個共生矩陣的紋理參數；

S443、計算所有所述頻譜圖同一方向、同一紋理參數的平均值代表所述頻譜組件四個方向的灰度共生矩陣，并作為所述外立面灰度圖像與所述遠景灰度圖像兩者的特征值；

S45、利用歐式距離計算所述外立面灰度圖像的特征值與所述遠景灰度圖像的特征值之間的相似度；

S46、將所述外立面灰度圖像與所述遠景灰度圖像之間的相似度值與預設閾值進行對比得到紋理匹配結果；

S5、根據匹配結果確認是否將所述門牌號對所述目標建筑自動賦值，其中包括以下步驟：

S51、若匹配成功，且將所述門牌號與所述目標建筑周邊的建筑的門牌號進行標準校驗，當校驗成功后，則將所述門牌號自動添加至所述目標建筑屬性列表；若校驗不成功，則將人工進行檢查并核實最終的門牌號，并將核實后的門牌號自動添加至所述目標建筑屬性列表；

S52、若匹配失敗，計次器T=T+1，當T3時，返回步驟S2；當T=3時，則通過人工進行檢查，手動進行門牌號賦值，并將所述門牌號自動添加至所述目標建筑屬性列表。

2.根據權利要求1所述的一種實景三維城市中門牌號自動賦值的方法，其特征在于，所述利用基于深度學習的門牌號識別模型提取所述近景照片中門牌號，包括以下步驟：

S21、利用Haar級聯分類器檢測、定位與提取出所述近景照片中門牌的位置，并將所述近景照片裁剪為門牌圖像；

S22、對所述門牌圖像進行預處理得到高清的字符圖像；

S23、將所述字符圖像輸入訓練完成后的基于深度學習的門牌號識別模型中進行識別與提取，并輸出字符格式的門牌號。

3.根據權利要求2所述的一種實景三維城市中門牌號自動賦值的方法，其特征在于，所述對所述門牌圖像進行預處理得到高清的字符圖像，包括以下步驟：

S221、將所述門牌圖像進行灰度處理得到灰度圖像；

S222、利用均值自適應的二值分割法對所述灰度圖像進行閾值化處理；

S223、將閾值化處理后的所述灰度圖像進行圖像腐蝕，去除圖像中門牌的邊框；

S224、將腐蝕后的所述灰度圖像進行膨脹處理，得到字符圖像。

4.根據權利要求3所述的一種實景三維城市中門牌號自動賦值的方法，其特征在于，所述將所述位置信息與三維城市模型進行匹配，確定對應的目標建筑，包括以下步驟：

S31、將所述經緯度的數值轉換為三維城市模型的坐標數據；

S32、將所述真方位角轉換為所述三維城市模型坐標的北方位角；

S33、以所述坐標數據為起點，以所述北方位角為方向，在所述三維城市模型中，基于空間相對位置關系搜索第一個相交的單體建筑，作為目標建筑。