共查询到20条相似文献，搜索用时 15 毫秒
1.
2D地图的建筑物场景结构提取方法及其在城市增强现实中的应用 总被引：1，自引：0，他引：1
城市AR中,场景结构的自动获取,对自适应信息表达具有重要意义,是解决“层叠式”信息表现形式引发的信息指示不明、场景感知混乱等问题的关键步骤。然而,场景结构信息隐藏在场景图像中,直接提取十分困难。2D地图描述了地理实体的位置、轮廓和空间布局,可作为场景结构提取的先验信息。针对城市AR中场景结构获取难、效率低的问题,本文提出一种基于2D地图的建筑物场景结构自动化提取方法。在地理配准的基础上,首先根据2D地图中建筑物的轮廓和属性信息,构建场景图像语义分割的结构线索;然后将其作为过分割处理后场景图像合并的依据,生成多个包含语义信息的图像区域;最后根据图像区域与2D地图中建筑物轮廓之间的映射关系,提取出场景图像中的区域轮廓、场景深度和平面朝向等场景结构信息。试验选取了格拉茨地区32个建筑物场景进行测试。结果表明本文方法能实时地提取建筑物场景结构,且建筑物立面提取的质量明显优于对比方法。提取的场景结构能应用于城市AR多种自适应信息表达方法中,使信息标注更明确,遮挡关系更清晰。 相似文献
2.
针对城市侧视地图上建筑物轮廓线主要依靠人工交互提取,成本高昂、效率低下且精细度和准确度有限的问题,提出了一种任意视角侧视地图中建筑物轮廓线的自动提取方法。采用深度缓冲区分割算法获取单个建筑物对象的颜色缓冲区,顾及了存在建筑群的情况和建筑物密集区域的遮挡问题,再基于颜色缓冲区追踪建筑物轮廓线。为了保持遮挡一致性且便于匹配提取出的矢量轮廓线与栅格侧视地图,本文还提出了基于投影空间分块加载三维城市模型的方法。最后,以武汉市典型三维城市模型数据为例,证明了该方法的有效性和可靠性。 相似文献
3.
处理三维激光扫描仪获取的城市竣工测绘点云场景数据的传统方法存在较多局限性,无法适应信息化社会对产品高效处理的需求。基于此,本文分析了城市竣工测绘点云场景分类需求,研究了利用深度学习网络模型对点云场景进行自动化处理的方法。首先,对输入的城市竣工测绘数据进行预处理,以实现点云降采样、去噪、地面点与非地面点分割;然后,人工标注5个区域场景数据毫米级标签,进行数据增强;最后,测试PointNet++网络在城市竣工测绘点云场景下的语义分割性能和效果。测试结果表明,在少量样本下,PointNet++网络可以较好地实现城市竣工测绘点云场景的激光点云语义分割,总体mIoU达73.06%,能够满足城市竣工测绘点云语义自动化分割需求,为城市竣工测绘点云数据处理提供了新思路。 相似文献
4.
以WebGIS技术和移动GIS技术为基础的侧视地图服务逐渐成为GIS行业的主流,高效直观侧视地图在"互联网+"时代的应用日益普及。针对目前提取侧视地图建筑物轮廓人工交互效率低下和轮廓精度差等问题,提出一种任意视角侧视地图建筑物轮廓线的自动提取方法。在顾及建筑物之间存在遮挡的情况,利用颜色缓冲区和深度缓冲区进行渲染,解决建筑物之间的遮挡,获取单个建筑模型,同时采用形态学算子对获取的单个模型轮廓进行处理,再基于提出的改进测地轮廓线模型(GAC)追踪和拟合建筑模型轮廓线,得到建筑物轮廓线;最后,以武汉市三维模型数据为例,证明本文方法可行性和有效性。 相似文献
5.
建筑物的三维建模是城市三维建模和可视化的重要组成部分。本文提出一种基于点云数据与遥感图像的建筑物三维模型快速建模方法。首先,运用改进的RANSAC法从点云数据中提取建筑立面,根据立面区分平顶建筑与人字形屋顶建筑;在此基础上,进一步对建筑物的高度进行提取;之后,利用区域增长法从遥感图像中提取建筑物屋顶轮廓,利用形态学方法对提取出的轮廓进行规则化处理,并基于Freeman链码提取轮廓角点,得到规整的轮廓;最后,根据提取出的建筑高度属性对屋顶轮廓拉伸并进行纹理映射,实现对建筑物的三维重建。通过实例证明,提出的方法能快速、高效地实现建筑物三维模型的重建。 相似文献
6.
针对当前矢量地图导航缺乏真实环境信息,而视觉地理定位依赖海量图像标注数据的问题,提出了一种面向虚实融合的单体建筑物实时识别与定位方法。该方法以智能手机为载体,利用轻量级深度网络SSD(single shot detector)实时检测手机视频流中的建筑物对象类别,通过调用手机内置传感器获取当前定位信息与拍摄视角,并以矢量地图信息为辅助,在仅需识别出建筑物类别的情况中,准确获得单个建筑物的属性与定位信息,并与矢量地图进行叠加可视化,最终达到真实地理环境与矢量地图融合的增强导航。随机采集了550张建筑物图像,经过处理标注后作为训练标签,在计算机上训练SSD的建筑检测功能并且进行验证;将训练好的SSD网络模型迁移到移动端,结合地理围栏方法与手机传感器开发可识别建筑单体信息的增强导航系统,将系统部署在手机上进行测试。实验结果表明,该方法可充分利用矢量地图与实景图片的互补信息,在仅需少量建筑物标注样本的情况下,实现单体建筑物信息增强的手机端地图导航,有效缓解了矢量地图定位不够直观的问题。 相似文献
7.
获取光伏电池板的空间分布及动态变化信息对于国土调查、资源环境监测和能源结构评估具有重要意义,然而,传统的光伏电池板的识别依赖于人工设计的中低层次特征,无法克服对象光谱不确定性、空间结构类型复杂等难题,算法普遍存在稳健性不强、效率不高等问题。目前,基于场景单元从遥感影像中提取空间信息,多数算法仅建立在少数标准数据集上,未考虑实际应用中遥感图像质量、空间分辨率等因素对图像场景深度特征表达的影响,制约了遥感技术在城市结构、经济社会知识挖掘方面的深入应用。针对以上情况,本文基于卷积神经网络（CNN）采用迁移学习和模型微调的策略,在中等分辨率的Landsat影像上进行光伏电池板场景识别。结果表明,本文方法能够提取电站场景的多层次特征,在形态结构复杂的电站场景中取得了较好的识别效果。 相似文献
8.
智慧城市建设需要以城市全面感知与三维建模作为空间基础,而建筑物轮廓的自动提取和规则化则是建筑物三维建模的关键。现有的规则化方法由于只利用了轮廓的局部信息,存在拐点位置极难准确判断且容易漏判误判,规则化之后的轮廓并非规范正交等问题。提出一种基于栅格填充的规则化方法,利用轮廓的整体信息进行规则化,并利用图像处理中的腐蚀、膨胀算法进行优化,无需定位拐点且规则化结果规范正交。实验分析,该算法对噪声点的抑制力强,规则化结果与实际轮廓相似性高,尤其适用于从激光雷达扫描点云、倾斜摄影密集匹配点云中提取的直角多边形建筑物轮廓的规则化。 相似文献
9.
10.
针对经典深度学习语义分割网络对建筑物提取存在精度较低、边界模糊和小目标识别困难的问题,本文提出一种增强注意力门控的U型网络(advanced attention gate U-Net,AA＿UNet)用于改善建筑物提取的效果,该网络改进经典U-Net的结构,使用VGG16作为主干特征提取网络、注意力门控模块参与跳跃连接、双线性插值法代替反卷积进行上采样.实验采用武汉大学建筑物数据集(WHU building dataset,WHD)对比提出的网络与部分经典语义分割网络的提取效果,并探究网络改进的各个模块对提取效果的影响.结果显示：该网络对建筑物提取的总精度、交并比、查准率、召回率和F1分数分别为98.78%、89.71%、93.30%、95.89%、94.58%,各项评价指标均优于经典语义分割网络,且改进的各个模块有效提高了提取精度,改善了建筑物轮廓不清晰和小目标建筑物破碎的问题,可用于精准提取高分辨率遥感影像中的建筑物信息,对城市规划、土地利用、生产生活、军事侦察等具有指导意义. 相似文献
11.
重复纹理是立面中极为常见的特征之一,从立面图像中自动检测重复纹理结构是建筑物立面分析的一个重要环节。本文提出了一种基准线约束的纹理检测方法,以自动检测重复对象的位置和尺寸。该方法首先采用贝叶斯自适应超像素分割算法构建出超像素邻接图,计算色差后,对墙体进行分离获得候选对象;然后,计算得到候选对象的外接矩形,并从原图中提取出直线段对外接矩形进行约束;最后,基于建筑物立面结构的先验知识对建筑物立面纹理进行修复。试验结果表明,本文方法在检测几何形状为矩形纹理时,可实现对纹理位置和尺寸信息的准确检测,以及被遮挡重复对象的有效修复。 相似文献
12.
谢延东 《测绘与空间地理信息》2023,(12):181-184
由于建筑物立面测量过程中建筑物点云数据存在噪声,致使建筑物立面测量效果较差。使用无人机搭载三维激光扫描仪全方位采集建筑物点云数据,在此基础上,运用奇异值分解法完成建筑物点云数据配准,依据配准结果,使用逐点内插方法得到建筑物深度图像,利用双边滤波Canny算法提取深度图像内建筑物轮廓线,并通过自动计算机辅助设计软件将提取的建筑物轮廓线测制成二维建筑物立面图形,实现建筑物立面测量。实验结果表明：该方法能够精确采集规则和不规则的建筑物点云数据,并且建筑物点云数据配准和建筑物轮廓线提取效果较优良,获得的规则和不规则建筑物立面测量结果均符合工程测量规范要求。 相似文献
13.
随着测绘制图与通讯技术的发展,公众能够借助各种平台和工具实时地自由创建、发布、编辑和共享地图图像大数据资源和产品,地图图像在地图内容、绘图标准等方面具有了显著的泛在性,导致难以创建大规模、高质量的地图图像标注数据。因此,尽管现有深度学习方法在识别标准地图的内容中取得了突破性的进展,但受制于地图图像标注数据的局限,依然无法有效应对地图图像的识别和理解。根据目前国内外的相关研究进展与挑战,结合地理空间人工智能技术,探讨支持泛源地图图像大数据识别的理论与技术框架。首先,提出既能够表达地图图像内容,又能够为模型或算法表征的地图特征;然后,探讨面向地图图像内容识别的地理空间人工智能技术,以及面向地图图像理解的语义分析方法;最后,总结和展望基于地图图像大数据的相关应用及潜在价值。需要进一步研究支持地图图像表征的理论与方法,且集成地图图像显式内容的识别（地图感知）和地图图像潜在语义的分析（地图认知）才可充分挖掘地图图像大数据的价值。希望能够从数据表征和地理空间人工智能的角度为地图图像的研究提供新思路。 相似文献
14.
建筑物是城市的重要组成部分,从三维点云数据中精细化地提取建筑物特征是当前研究的热点。本文提出了一种顾及局部特征的三维点云建筑物轮廓精确化提取方法。首先,采用基于统计学的滤波预处理方法,分离地面点与非地面点,去除离群点,降低点云数量;然后,通过基于改进3D Hough变换的建筑物立面提取方法,提取点云数据的多立面,提高立面提取的精度和效率;最后,采用基于降维边界索引的点云轮廓精准提取方法,获取局部特征和外部轮廓特征。结果表明,该方法能够充分兼顾建筑物的整体外部轮廓及局部细节特征,高效准确地实现建筑物的精确化提取,为城市规划、城市更新等相关应用提供技术支持。 相似文献
15.
针对应用倾斜航空影像进行自动化建模所创建的建筑物建模存在诸如模型细节缺失,难以获取语义信息的问题,该文提出了一种采用基于语义的建模方式构建建筑物模型的方法;首先对密集图像匹配(DIM)点云进行建筑物类提取,实现场景中建筑和其它地物的分离;然后进行基于点云分割和建筑物验证的建筑物单体标注,以保证对单体建筑物的有效标记;最后利用倾斜航空影像和DIM点云的建筑物各组件的语义识别和提取算法,实现以单体建筑物为建模对象的模型重建;同时,设计适用于建筑物重建的语义建模框架,对单体语义模型进行自动化纹理映射,构建出语义化的建筑物模型。该文提出的建模关键技术方法将有助于减少城市建模成本,提高建模效率,为智慧城市基础数据的建设提供关键技术储备,并发挥相应的的社会和经济效益。 相似文献
16.
针对已分割出建筑物立面的点云数据,采用结合主成分分析(PCA)的区域增长法提取建筑物立面的平面特征,并利用结合凸壳算法的三角网轮廓提取算法实现建筑物立面几何特征轮廓边的提取。实验结果表明,该方法可以有效地从密度不均匀的点云数据中提取出建筑物立面几何特征。 相似文献
17.
道路信息自动化提取已经成为遥感领域热门的研究方向,而基于深度学习的遥感影像道路信息提取方法已经取得了许多成果。但由于受到网络中卷积和池化等操作的影响,基于深度学习的道路提取方法存在着空间特征和地物细节信息丢失等问题,造成许多误提现象。针对此问题,本文设计了一种改进的道路提取语义分割网络模型,该网络以改进的ResNet网络为主体,并引入坐标卷积和全局信息增强模块,用于增强空间信息和全局上下文信息的感知能力,突出道路边缘特征进而确保道路分类的精确性。本文方法在公开道路数据集和高分数据集上获得了显著的提取效果,与其它方法相比取得了明显提高;并且,在一定程度上减少了树木、建筑阴影等自然场景因素遮挡的影响,可以完整准确地提取出道路;此外,模型对多尺度道路也可以实现有效地提取。 相似文献
18.
针对现有视障行人出行辅助方法缺乏对环境感知和路径动态优化的有效结合，视障导航缺乏有效动态避障手段的问题，该文提出一种场景语义感知的视障行人导航路径优化方法。该方法根据双目视觉感知周边障碍物的位置及特征，结合场景语义信息和三维坐标建立视障人群与环境的局部感知地图模型，利用改进的人工势场算法动态规划视障行人安全路径。实验结果表明，该文构建的感知地图模型在10 m内的平均坐标误差为2.49%。相比A*算法，改进人工势场算法的路径盲道利用率从7.85%提高到58.39%,最高路径碰撞系数从0.55降低到了0.24,具有更高的安全性和导航辅助能力。该方法能够有效增加视障行人导航方法的场景语义感知能力，提高视障导航路径规划的安全性。 相似文献
19.
变化检测旨在观测地物在不同时序中的表达差异。深度学习已成为实现这一任务的主流手段,现有基于深度学习的遥感变化检测方法中,普遍更专注于对图像中的深度特征进行学习,而忽略了不同层级特征之间语义优势及差距,从而导致检测性能不足。为此,本文提出了一种联合空间约束与差异特征聚合的变化检测网络,通过控制特征信息在网络中的流动,消除检测对象底层特征和高层语义信息之间差异性,提高预测结果的质量。首先,利用孪生网络并结合特征金字塔结构生成多尺度差异特征;然后,使用所提出的坐标自注意力机制(CSAM)对低层特征进行空间约束,强化对变化区域边缘结构及精确位置的学习,并结合经典的卷积注意力模块充分捕捉上下文变化信息;最后,使用门控融合机制提取通道关系,控制多尺度特征的融合,以生成边界清晰、内部完整的变化图像。在变化检测数据集CDD和LEVIR-CD上对本文方法进行了试验,与已有变化检测网络模型进行比较,本文方法在不同场景下均表现出最佳的检测效果。 相似文献
20.
Landsat影像冰川提取的上下文感知语义分割网络法 总被引：1，自引：0，他引：1
针对冰川提取存在云阴影、山体阴影、结冰湖泊等同物异谱、同谱异物导致难以有效区分的问题,设计了一种用于冰川提取的上下文感知深度学习语义分割网络。首先引入resnet50作为基准编码网络,以实现冰川特征提取的精度和效率平衡,其次针对现有语义分割网络存在上下文信息学习不足方面,设计了包括空洞卷积组块和最大池化组块的上下文信息提取层,以便更好地提取冰川的上下文信息。选择多景样本数据和验证数据的多源遥感影像进行试验,与现有基于特征指数的冰川提取方法、其他深度学习语义分割网络方法进行定性和定量对比,结果表明本文网络方法在结冰湖面等误提取,阴影的漏提取,以及提取结果完整性等方面,具有较好的效果,验证了本文方法的有效性与稳健性。 相似文献