[发明专利]一种基于高分七号卫星影像的建筑物LOD1模型构建方法

权利要求书

1.一种基于高分七号多视卫星影像的建筑物LOD1模型构建方法，该方法包括如下步骤：

步骤1)基于深度学习方法进行建筑物屋顶提取；

步骤2)基于多视卫星影像完成城市三维点云构建；

步骤3)采用形态学滤波算法对城市三维点云进行滤波，对三维点云中地面点和非地面点进行分类；采用反距离权重插值方法构建数字表面模型、数字高程模型以及归一化数字表面模型；

步骤4)将归一化数字表面模型和建筑物屋顶提取结果进行叠加，并对叠加后结果进行后处理操作，生成建筑物高度提取结果；

步骤5)根据建筑物高度信息对建筑物屋顶进行拉伸生成建筑物LOD1模型。

2.如权利要求1所述的方法，其特征在于，所述步骤1)的具体方法为：

基于深度学习的建筑物屋顶提取，首先我们对高分七号多光谱影像和全色影像全色融合，得到全色融合结果。由于建筑物复杂多变，为提高建筑物提取的精度和效率，我们主要完成了两个方面的改进：

a)数据集方面，由于缺少针对高分七号的建筑物训练数据集，我们首先自建数据集，选择代表性区域进行建筑物标注工作。之后对标注区域采用两种裁剪方式，随即尺度缩放裁剪以及无重叠的裁剪方式。随机尺度缩放裁剪为随机生成裁剪种子点并随机选择裁剪尺度大小，裁剪尺度保持在0.5-1.5之间，例如当训练图像大小为512×512时，裁剪大小应为256-768。再将图像缩放为512×512大小影像，裁剪数量多少保持在与无重叠的裁剪数量一样，再将两种裁剪方式结果混合作为训练数据，用以后续的神经网络模型训练过程。

b)网络结构方面，我们结合自注意力机制对传统的编解码网络框架进行修改，编码层采用ResNet34作为主干特征提取网络，跳跃连接部分加入通道维和空间维自注意力模块，并且针对通道维注意力计算量过大问题，加入空间金字塔池化模块，用以在提升训练精度的同时保证参数量和运算速度。

进一步，所述步骤2)的具体方法为：

由于多视卫星影像成像方式为推扫式成像，该成像方式决定了其极线表现为双曲线形式，在立体匹配过程中无法进行极线校正，无法将二维匹配问题缩减为一维匹配问题。因此，选择对原始影像进行分块处理，将块内影像近似认为为针孔式成像模型，并且当分块大小足够小时候，可以保证推扫式成像的双曲线形式的极线近似认为针孔式模型的直线极线。并且我们选择使用每个小区域内的特征点进行小区域内的仿射校正，以最大程度条件下消除卫星影像RPC参数误差以及上述近似产生的误差。在完成立体匹配后，我们得到了多视卫星影像的视差图，通过卫星影像RPC参数，将视差图结果转化为地面点三维坐标。