[发明专利]基于广义点云的三维建筑物信息模型构建与自动更新的方法

权利要求书

1.基于广义点云的三维建筑物信息模型构建与自动更新的方法，其特征在于，包括以下步骤：

S1：基于语义分割和信息增强创建三维建筑物信息模型，具体包括以下步骤：

S101：不同数据源的特征提取；

S102：将激光点云与倾斜影像进行特征融合，通过形状预测和视觉填充实现对象的语义信息增强；

S103：基于语义分割和信息增强创建三维建筑物信息模型；

S2：对三维建筑物信息模型自动更新，具体包括以下步骤：

S201：基于深度学习提取要素；

S202：建立建筑物的实体对象构件库；

S203：基于神经网络的更新策略判断模型，实现三维建筑物信息模型自动更新。

2.根据权利要求1所述的基于广义点云的三维建筑物信息模型构建与自动更新的方法，其特征在于，所述S102过程中，激光点云与倾斜影像进行特征融合具体包括以下步骤：

T1：基于颜色分割提取倾斜影像特征，获得三维信息、纹理信息和灰度信息，给定一个颜色信息数据集{C_i(R_i,G_i,B_i)}，通过深度学习得到一组分割块S{Sk|Sk(Ck1,Ck2,…Ckn)}，在每个分割块中提取特征；

T2：基于激光强度提取点云特征，利用顾及八领域强度变化阈值的改进中值滤波的方法提取点云特征；

T3：基于特征建立点云与影像的关联关系，通过特征建立结构关系，在结构关系约束下建立视觉匹配模型；

T4：在有时间基准源条件下，将时间信息归算到统一的时间轴下。

3.根据权利要求2所述的基于广义点云的三维建筑物信息模型构建与自动更新的方法，其特征在于，所述T1过程中，在每个分割块中提取特征的过程中，当出现高相似度的特征时，通过距离、方向和领域信息，进一步对特征进行提取。

4.根据权利要求2所述的基于广义点云的三维建筑物信息模型构建与自动更新的方法，其特征在于，所述T2过程中，在特征提取之前进行激光强度的校正，通过距离、反射率和角度数据驱动下，进行激光强度一致性的校正。

5.根据权利要求1所述的基于广义点云的三维建筑物信息模型构建与自动更新的方法，其特征在于，所述S103过程具体包括以下步骤：

K1：对对象进行素化表达，建立自编码的预学习层，对形状进行预测，通过估计深度学习层进行视觉填充以增强语义信息；

K2：进行语义分割，采用基于小尺寸上的聚类和大尺寸上的分组的双重尺度的语义分割；

K3：在分割的基础上提取基本的几何位置特征，并进行分类识别，建立三维建筑物信息模型。

6.根据权利要求1所述的基于广义点云的三维建筑物信息模型构建与自动更新的方法，其特征在于，所述S3过程中，具体包括以下步骤：

利用语义信息增强的不同时相的三维建筑物信息模型进行深度学习提取要素，将提取的要素建立建筑物构件库，将每个构件变更类型及更新行为过程均设计成一个神经元，同类神经元组成一个网络层，所有网络层采用全连接方式构成一个多层感知更新策略判断模型。

7.根据权利要求1所述的基于广义点云的三维建筑物信息模型构建与自动更新的方法，其特征在于，方法还包括以下步骤：

S3：建筑物全生命周期的实时跟踪，具体包括以下步骤：

S301：利用时空基态修正模型，推导出变化参数计算表达式；

S302：根据变化类型，对建筑物进行全生命周期管理。

8.根据权利要求7所述的基于广义点云的三维建筑物信息模型构建与自动更新的方法，其特征在于，所述S301具体包括以下步骤：

基于不同时相的语义模型基于时空基态修正模型研究建筑物的变化信息，推导变化参数计算表达式，判断类型包括未变化、新增、销毁、扩建和重建建筑物。