[发明专利]智慧社区的城市三维模型协同管理方法与系统

权利要求书

1.一种智慧社区的城市三维模型协同管理方法，其特征在于，包括如下步骤：

S1智慧社区站点中设立服务器S以及监控中心C，设立总监控中心CC并设立总监控中心CC的服务器SS，建立城市智慧社区城市三维模型；

S2 智慧社区站点中人员以及站点外用户配备安装有智慧社区的城市三维模型协同管理应用程序app的移动终端；在智慧社区站点中配备能够记录所述人员当前是否位于智慧社区站点中的装置，用于表示该站点是否处于可提供服务的人员充足的状态；

S3 建立寻找城市智慧社区站点的人工智能AI模型；

S4 利用步骤S3建立的AI模型与步骤S2的app实现在步骤S1建立的三维模型中的实时定点寻找智慧社区站点，并在所述三维模型中标记；

所述的三维模型是基于遥感影像图的模型，或者语义化的模型；

所述S1具体包括：

S1-1各智慧社区站点中设立单独的服务器S以及单独的监控中心C，设立总监控中心CC对所述单独的服务器S以及单独的监控中心C的数据进行实时的处理分析，以及对各智慧社区站点进行协同管理，总监控中心CC的服务器SS用于三维模型建模和AI模型建模；

S1-2人工智能网络的城市道路网模型建立；

S1-3人工智能网络的城市建筑网模型的建立；

S1-4将步骤S1-2和S1-3建立的模型融合，形成城市道路和建筑的二维模型Mod_2D；

S1-5基于步骤S1-4的城市道路和建筑的二维模型Mod_2D构建联合三维模型Mod_3D；

其中，步骤S1-2具体包括：

S1-2-1建立城市地理坐标系E，XOY平面代表地面，基于城市遥感图像，利用RNN循环神经网络算法，通过包括编码器以及解码器的节点生成器生成道路连续节点，并在生成过程中连接生成前后的两个节点，将新的生成节点输入节点生成器不断产生新的节点，而继续连接产生的新节点，如此循环而连接成道路网；其中，定义步长以及矢量方向作为属性矢量，将每个起始节点以及K条入射路经方向的点作为输入点，K个点与对应的起始点之间对应了K个初始属性矢量；将K+1个输入点以及属性矢量输入编码器，由解码器生成新节点；

S1-2-2将道路网中的所有线条按照预设的宽度w进行扩宽，形成具有一定宽度的道路宽线条，从而获得城市道路网模型，其中w按照所述遥感图像中对应的道路宽度进行扩宽；

步骤S1-3具体包括：

S1-3-1基于步骤S1-2-1中的城市遥感图像，使用无添加层的VGG-16算法作为CNN主干网络提取一系列不同卷积层获得的特征图，特征图是输入图像尺寸的1/2-1/10；

同时，通过图像金字塔算法FPN利用CNN主干网络不同层来构建特征金字塔，并预测多个建筑的边框，

S1-3-2对于多个建筑中的每一建筑，都对所述一系列不同卷积层获得的特征图和对应的建筑的边框利用RoIAlign算法获得建筑的本地特征图F；对于每个建筑的所述本地特征图F采用卷积层处理形成多边形边界罩M，再利用卷积层处理形成边界罩M的多个预测顶点P；其中多边形边界罩M具体是指描述建筑在E中的XOY平面的垂直投影；

S1-3-3选取P中概率最大的点作为起始点，利用卷积长短期记忆ConvLSTM的多层RNN算法进行多步预测，得到多个预测点封闭的建筑边界多边形，形成城市建筑网模型；t为步序数；

S1-3-4对每一个多边形边界中最长和次长的对角线交点代表该建筑的标引点，并将道路路网每隔预设距离设置一个道路标引点，将建筑标引点和道路标引点整合成标引库K。

2.根据权利要求1的所述方法，其特征在于，步骤S4之后还包括：

S5 当寻找到城市智慧社区站点J时，即可通过步骤S1建立的三维模型通讯联系到J，以让所述人员赶赴所述定点进行服务。

3.根据权利要求2的所述方法，其特征在于，

S1-2-2中w为所述遥感图像中所有道路宽度平均值的0.5-1.5倍。