[发明专利]一种基于空三并行计算算法的城市实景三维模型的构建方法

权利要求书

1.一种基于空三并行计算算法的城市实景三维模型的构建方法， 包括如下步骤：

（1）获取城市多视角影像；获取至少一组在多个不同预设位置的包含场景目标的连续的、不同角度的原始影像及各原始影像对应的空间位置姿态信息和相机参数，通过机器学习对所述的连续的、不同角度的原始影像进行图像识别，并进行多视角影像的样本训练，准确识别并提取二维语义特征信息；

（2）利用获取的城市多视角影像，进行基于深度学习和分布式并行算法的空中三角测量，其中，将该空中三角测量分为任务分解、任务执行和任务融合三个阶段实施任务调度策略，

在所述任务分解阶段：通过加载一个参考地形，将整个生产范围内包含的相片投射到参考地形上，按照地理坐标对空中三角测量任务进行自动拆分；

在所述任务执行阶段：执行基于深度学习的快速特征提取和匹配任务、以及相机内外方位元素解算任务；

在所述任务融合阶段：通过自动匹配稠密点云、联合平差，实现空中三角测量结果自动融合；

（3）网格化步骤：根据所述稠密点云的图像，利用检测算法，计算得到三维网格模型；

（4）纹理映射步骤：纹理映射所述三维网格模型，得到三维实景模型；

在所述任务执行阶段，基于卷积神经网络稠密特征提取的SfM算法进行解算；

输入图像后，首先基于卷积神经网络进行稠密特征提取和初步特征匹配，利用VGG-16卷积神经网络提取最大池化层作为稠密特征，初步特征匹配使用上层最大池化层来建立初始对应；然后对空三连接点进行纠正和重定位，对于当前层的每个连接点，检索对应的K×K像素s1中较低层的描述符，连接点重新定位在K×K像素中描述符范数最大的像素位置，重复这个重定位，直到它到达与输入图像具有相同分辨率的conv1_2层。

2.如权利要求1所述的基于空三并行计算算法的城市实景三维模型的构建方法，其特征在于，最后采用RANSAC算法删除匹配异常值，和PMVS算法对稀疏点云进行加密，完成相机内外方位元素解算任务。

3.如权利要求2所述的基于空三并行计算算法的城市实景三维模型的构建方法，其特征在于，在整个计算过程中，交替使用Incremental增量式和Global全局式策略，以快速遍历识别所有影像空间位置姿态信息和相机参数。

4.如权利要求1所述的基于空三并行计算算法的城市实景三维模型的构建方法，其特征在于，在空中三角测量过程中，所述二维语义特征信息作为特征点参与空三解算，在密集匹配过程中，将其作为输入条件，约束稠密点云构建过程，得到准确的稠密点云。

5.如权利要求1所述的基于空三并行计算算法的城市实景三维模型的构建方法，其特征在于，通过分析该二维语义特征信息的类别属性，控制密集点云匹配精度。

6.如权利要求1所述的基于空三并行计算算法的城市实景三维模型的构建方法，其特征在于，通过将整个工程区域自动划分为多个空三分块，并利用多个计算节点分别进行计算，然后对解算完成的全部空三分块实现快速合并从而进行整体区域网平差计算。

7.如权利要求1所述的基于空三并行计算算法的城市实景三维模型的构建方法，其特征在于，通过上述并行处理，大数据项目工程不需要拆分，同时，也可以在并行处理过程中查看空中三角测量前后的图像坐标及姿态。

8.如权利要求1所述的基于空三并行计算算法的城市实景三维模型的构建方法，其特征在于，所述联合平差指的是根据所获取的激光点云、原始影像、定位定向数据而对不同的成像模型进行的联测和平差。