[发明专利]一种基于神经网络模型的目标违建点获取方法和获取系统

说明书

本发明提供一种基于神经网络模型的目标违建点获取方法和获取系统，其中，所述获取方法包括：获取目标区域的第一点云数据；在预设的周期后获取目标区域的第二点云数据；根据第一点云数据与第二点云数据的高度比对结果，获得第二点云数据相对于第一点云数据的各点的高度变化值；将高度变化值大于预设的高度变化阈值的点确定为可疑违建点，获得可疑违建点集合；将可疑违建点集合输入到预构建的神经网络筛选模型中，以获取可疑违建点集合中非建筑对象对应的干扰违建点；从可疑违建点集合中排除干扰违建点，将可疑违建点集合中剩余的点确定为目标违建点。本发明可以避免受到动物、车辆等非建筑对象的影响，以提高违建排查的准确性。

技术领域

本发明涉及违建检测的技术领域，具体涉及一种基于神经网络模型的目标违建点获取方法和获取系统。

背景技术

违建排查工作是一项传统且人力资源消耗大且不易展开工作的问题，传统手段完全只能依赖熟悉当地地理因素的人员，存在死角多、频率低、效率及主观性大等诸多问题。而采用点云数据进行违建排查，容易受到动物、车辆等非建筑对象的影响，导致违建排查的准确性大大降低。

发明内容

本发明的目的在于克服现有技术中的缺点与不足，提供一种基于神经网络模型的目标违建点获取方法和获取系统，可以避免受到动物、车辆等非建筑对象的影响，从而提高违建排查的准确性。

本发明的一个实施例提供一种基于神经网络模型的目标违建点获取方法，包括以下步骤：

获取目标区域的第一点云数据；

在预设的周期后获取所述目标区域的第二点云数据；

根据所述第一点云数据与所述第二点云数据的高度比对结果，获得所述第二点云数据相对于所述第一点云数据的各点的高度变化值；

将所述高度变化值大于预设的高度变化阈值的点确定为可疑违建点，获得可疑违建点集合；

将所述可疑违建点集合输入到预构建的神经网络筛选模型中，以获取所述可疑违建点集合中非建筑对象对应的干扰违建点；

从所述可疑违建点集合中排除所述干扰违建点，将所述可疑违建点集合中剩余的点确定为目标违建点。

相对于现有技术，本发明的基于神经网络模型的目标违建点获取方法，可以将不同时期获取的待检测区域的点云数据进行比对，从而获取点云数据中各点的高度变化值，并通过所述高度变化值获得可疑违建点集合，再通过预构建的神经网络筛选模型从所述可疑违建点集合中选出非建筑对象对应的干扰违建点，然后从所述可疑违建点集合中排除所述干扰违建点，以获得剩余的目标违建点。本发明可以避免受到动物、车辆等非建筑对象的影响，从而提高违建排查的准确性。

进一步，所述神经网络筛选模型的构建包括以下步骤：

获取所述非建筑对象的点云数据集；

将所述非建筑对象的点云数据集输入到神经网络初始模型，以获取对应的损失函数；

根据所述损失函数更新所述神经网络初始模型的权重，以获得用于筛选所述非建筑对象的所述神经网络筛选模型。构建用于筛选非建筑对象的神经网络筛选模型，以用于筛选出待检测样本中的非建筑对象的点云数据。

进一步，所述将所述非建筑对象的点云数据集输入到神经网络初始模型，以获取损失函数的过程中，还包括以下步骤：

对所述非建筑对象的点云数据集进行多次卷积操作，以得到所述非建筑对象的点云数据集的至少1024维的向量表征；

对所述非建筑对象的点云数据集的向量表征进行最大池化，以获取所述非建筑对象的点云数据集的全局特征，根据所述全局特征，计算出所述网络模型的损失函数。通过计算出网络模型的损失函数，可应用于根据所述损失函数更新所述神经网络初始模型的权重。