[发明专利]一种基于倾斜摄影的群体建筑物震害提取方法及系统在审
申请号: | 202010007988.X | 申请日: | 2020-01-06 |
公开(公告)号: | CN110796152A | 公开(公告)日: | 2020-02-14 |
发明(设计)人: | 张亮;宋杰;董梅;胡辉 | 申请(专利权)人: | 杭州鲁尔物联科技有限公司 |
主分类号: | G06K9/46 | 分类号: | G06K9/46;G06T17/00;G06N3/04;G06N3/08 |
代理公司: | 33261 杭州橙知果专利代理事务所(特殊普通合伙) | 代理人: | 贺龙萍 |
地址: | 310000 浙江省杭州市西*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 群体建筑物 纹理 卷积神经网络 信息提取模型 影像 基础影像 轮廓信息 地物 预处理 处理复杂度 单体建筑物 处理效率 方法提取 面向对象 三维模型 样本数据 影像数据 实景 摄影 判定 建筑物 地震 灾区 | ||
1.一种基于倾斜摄影的群体建筑物震害提取方法,其特征在于,包括步骤:
S1、通过无人机搭载的摄像机对地震灾后建筑物进行倾斜摄影,并对影像数据基于影像中心像点进行矫正,并对校正后图像进行去噪滤波处理,获得基础影像;
S2、将所述基础影像导入自动化建模软件,自动化建模软件经过对所述基础影像进行进一步几何校正、联合平差处理,生成基于真实影像的超高密度点云,基于点云构建三维不规则三角网,生成白模;基于纹理自动贴面技术,生成基于真实影像纹理的高分辨率的实景三维模型;
S3、将所述三维模型打散,实现纹理与三维建筑白模分离,获取三维建筑物对应的细节纹理图像;利用金字塔模型瓦片坐标范围和单体建筑物空间位置选取最优纹理影像;
S4、运用边缘检测算法获取地物轮廓信息,基于所述最优纹理影像与地物轮廓信息,采用面向对象方法提取纹理影像上单体建筑物震害信息;
S5、构建卷积神经网络,选取有震害信息的建筑物顶面和侧面影像作为样本,构建三类分类样本:完好建筑物面、破坏建筑物面和其他地物背景,通过样本数据对卷积神经网络进行训练,得到群体建筑物震害信息提取模型;
S6、对待提取的群体建筑物顶面和侧面分别进行面向对象多尺度分割,基于所述群体建筑物震害信息提取模型提取灾区群体建筑物震害信息,并判定群体建筑物破坏等级。
2.根据权利要求1所述的群体建筑物震害提取方法,其特征在于,所述对影像数据基于影像中心像点进行矫正具体为:
S11、基于仿射变换,计算影像中心像点的偏移量;
S12、基于所述偏移量计算正确的影像中心像点;
S13、基于正确的影像中心像点及影像数据与中心像点的相对位置校正影像数据。
3.根据权利要求1所述的群体建筑物震害提取方法,其特征在于,所述卷积神经网络包括震害信息提取通道、其他地物信息提取通道,震害信息提取通道用于提取建筑物影像中的震害信息,其他地物信息提取通道用于提取建筑物影像中除建筑物外的其他地物信息;所述震害信息提取通道、其他地物信息提取通道包括独立的卷积层、池化层、全连接层,共享一个输入层、输出层,输出层的结果是震害信息提取通道、其他地物信息提取通道的输出结果的整合;所述卷积神经网络的损失函数为:
其中,是震害信息提取通道的损失函数,是其他地物信息提取通道的损失函数。
4.根据权利要求3所述的群体建筑物震害提取方法,其特征在于,所述卷积神经网络输入的是需要进行震害信息提取的建筑物的顶面和侧面影像信息,输出的是标识有震害信息、其他地物信息的建筑物数据。
5.根据权利要求1所述的群体建筑物震害提取方法,其特征在于,所述步骤S5还包括:
对建筑物影像分别随机进行旋转、平移、错切变换、缩放等图像增强操作以扩充数据样例,其中旋转角度、缩放比例操作均随机选取对应数值以保证生成影像的随机性。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州鲁尔物联科技有限公司,未经杭州鲁尔物联科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010007988.X/1.html,转载请声明来源钻瓜专利网。