[发明专利]一种基于建筑物剖面图深度学习的屋顶样式识别方法

权利要求书

1.一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，包括以下步骤：

步骤1、确定研究区内所有建筑物的外轮廓边界；

步骤2、对研究区内所有建筑物的外轮廓边界均生成外接矩形；

步骤3、对研究区内所有建筑物的外接矩形进一步生成对角线；

步骤4、用建筑物的外轮廓边界对建筑物的对角线进行裁剪，最终剪裁出的对角线记为剖面范围线；

步骤5、生成建筑物屋顶剖面线的两个端点；

步骤5.1、提取剖面范围线的两个端点的平面地理坐标值；

步骤5.2、基于研究区内的倾斜摄影模型，根据剖面范围线的两个端点的平面地理坐标值，分别提取出剖面范围线的两个端点的高度值；

步骤5.3、基于平面地理坐标值和高度值，生成建筑物屋顶剖面线的两个端点；

步骤6、基于研究区内的倾斜摄影模型，利用建筑物屋顶剖面线的两个端点，生成研究区内所有建筑物屋顶的剖面图；

步骤7、若建筑物屋顶的剖面图中的最高点与最低点之间高程差大于指定的高程差阈值，则该剖面图被认为是不合理的剖面图；否则认为是合理的剖面图；

步骤8、对所有建筑物屋顶的合理的剖面图进行图像深度学习分类，实现建筑物屋顶的不同样式提取。

2.根据权利要求1所述的一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，步骤1中外轮廓边界为二维多边形。

3.根据权利要求1所述的一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，步骤3中所生成的对角线为建筑物外接矩形的任意两个不相邻顶点的连线。

4.根据权利要求1所述的一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，步骤5.1中平面地理坐标值是指由地理经度和地理纬度值所组成的坐标对。

5.根据权利要求1所述的一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，步骤5.2中剖面范围线的两个端点的高度值是指剖面线的两个端点于研究区内倾斜摄影模型中的最高点的高度值。

6.根据权利要求1所述的一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，步骤5.3中建筑物屋顶剖面线的两个端点的坐标组织形式为：地理经度值、地理纬度值、高度值。

7.根据权利要求1所述的一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，步骤6中建筑物屋顶的剖面图生成方法包括2种方式：

第一种方式：直接基于剖面图生成专业软件，建筑物屋顶剖面线的两个端点和研究区内的倾斜摄影模型，直接生成每个建筑物的剖面图；

第二种方式：连接建筑物屋顶剖面线的两个端点，生成一条直线段；再按照等距离方式从一个端点开始，依次取所生成直线段上N个点，并计算得到这N个点在研究区内倾斜摄影模型中的相对应的高度值；同样地，这里的高度值是指要计算的点在研究区内倾斜摄影模型中的最高点的高度值；这N个点按照获取的先后顺序从1开始顺序编号；再在平面直角坐标系内，将上述N个点的编号作为横坐标值，以相对应的高度值为纵坐标值；最后，连接所有的纵坐标值形成一条曲线，该曲线即为建筑物的剖面图。

8.根据权利要求1所述的一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，步骤8中图像深度学习分类包括基于DNN的ResNet50模型。

9.根据权利要求1所述的一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，步骤8中图像深度学习分类采用研究区一定比例的样本进行训练。

10.根据权利要求1所述的一种基于建筑物剖面图深度学习的屋顶样式识别方法，其特征在于，步骤8中进行深度学习分类的图像按照一定的比例裁剪图像的外围部分。