[发明专利]一种针对影像中移动车辆的判定方法及系统

说明书

本发明涉及一种针对影像中移动车辆的判定方法及系统，该方法包括：训练得到车辆的深度学习模型，根据深度学习模型得到各张影像中的车辆信息标记；统计得到第i个三角面fsubgt;i/subgt;的可视影像集合I(fsubgt;i/subgt;)；统计可视影像集合I(fsubgt;i/subgt;)中标记为车辆的影像的数量nsubgt;1/subgt;，根据数量nsubgt;1/subgt;是否超过设定值判断该三角面fsubgt;i/subgt;在各个影像的投影位置处是否为车辆；统计nsubgt;1/subgt;个标记为车辆的车辆颜色中每种颜色出现的次数，得到次数中的最大值nsubgt;2/subgt;，根据数量nsubgt;k/subgt;、数量nsubgt;1/subgt;以及数量nsubgt;2/subgt;确定该三角面fsubgt;i/subgt;对应的为停留移动车辆、未停留移动车辆或未移动车辆；基于多视图约束进行该时间段内的车辆的移动状态的判定，为后续对该影像中的移动车辆进行相应的处理提供准确的依据，且无需人工干预，自动化程度高。

技术领域

本发明涉及测绘技术领域，尤其涉及一种针对影像中移动车辆的判定方法及系统。

背景技术

基于影像的三维场景重建一直是计算机视觉中的热门研究话题，并且涌现出了一大批表现优异的算法成果。基于多视影像的三维建模方法，不仅可以恢复目标对象的三维结构，还可以获取三维模型表面的纹理信息。近几年，随着无人机技术的日益成熟，我们获取影像数据的成本也大大降低。因此，基于多视倾斜影像的城市级三维场景的构建就变得更加的广泛。

车辆作为城市中的重要交通工具，会出现在城市场景中的各个角落。然而，由于城市场景中大部分车辆可能处于移动状态，这样就会给三维重建过程带来一些问题。一方面，如图1(a)和图1(b)所示分别为移动车辆在场景一的三维场景重建过程示意图和重建结果示意图，该场景一为移动车辆在斑马线上，斑马线上存在车辆的几何结构，导致映射后的纹理出现扭曲变形现象，由图1(a)和图1(b)可知，移动过的车辆会导致重建出的三维场景存在几何结构上的失真，从而对后续三维模型表面的纹理映射产生影响；另一方面，如图2(a)和图2(b)所示分别为移动车辆在场景二的三维场景重建过程示意图和重建结果示意图，该场景二为交通繁忙的十字路口附近，由图2(a)和图2(b)可知，在纹理映射过程中，移动的车辆会对正确纹理信息的选取造成干扰，从而出现纹理选取错误的问题。

不能准确判定影像中的移动车辆的话，后续也没有办法对该影像中的移动车辆进行相应的处理，重建后的三维场景看起来很杂乱，视觉效果大打折扣。

发明内容

本发明针对现有技术中存在的技术问题，提供一种针对影像中移动车辆的判定方法及系统，解决现有技术中不能准确判定影像中移动车辆的问题。

本发明解决上述技术问题的技术方案如下：一种针对影像中移动车辆的判定方法，包括：步骤1，训练得到车辆的深度学习模型，根据所述深度学习模型得到各张影像中的车辆信息标记，所述车辆信息标记包括车辆位置和车辆颜色；

步骤2，对于三维场景模型的各个三角面，统计得到第i个三角面f_i的可视影像集合I(f_i)，其中集合I(f_i)中包含的影像的数量为n_k；

步骤3，统计所述可视影像集合I(f_i)中标记为车辆的影像的数量n₁，根据所述数量n₁是否超过设定值判断该三角面f_i在各个影像的投影位置处是否为车辆；

步骤4，判定该三角面f_i所述投影位置处为车辆时，统计所述n₁个标记为车辆的车辆颜色中每种颜色出现的次数，得到所述次数中的最大值n₂，根据所述数量n_k、数量n₁以及数量n₂确定该三角面f_i对应的为停留移动车辆、未停留移动车辆或未移动车辆。