[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

说明书

针对大范围建筑物LOD1模型构建困难，建筑物三维信息提取成本较高问题，本发明公开了一种基于高分七号卫星影像的建筑物LOD1模型构建方法，用以大范围高分辨率建筑物三维信息提取并完成建筑物LOD1模型构建工作。该方法的主要步骤为：步骤1)基于深度学习方法的建筑物屋顶提取工作；步骤2)基于多视卫星影像的城市三维点云构建；步骤3)城市三维点云点云滤波处理，并进行归一化数字表面模型构建；步骤4)归一化数字表面模型与建筑物屋顶提取结果进行叠加，并进行叠加结果进行后处理操作，完成建筑物高度提取；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。

技术领域

本发明涉及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，根据高分七号多光谱影像以及多视全色影像进行城市大范围高分辨率建筑物三维信息提取，并根据建筑物三维信息提取结果进行建筑物LOD1模型构建。

背景技术

近年来，随着国产多视卫星的不断发展，为城市建筑物LOD1模型的构建提供了新思路新方法。高分七号卫星作为我国首颗民用亚米级立体测绘卫星，其能够提供多视角、多光谱卫星影像，主要服务于自然资源调查、基础测绘、城市三维建筑物模型生成等众多应用需求。建筑物LOD1模型刻画了城市水平和垂直方向形态特征以及分布规律，能够为城市规划、绿色城市建设提供参考，建筑物LOD1模型构建需建筑物三维信息作为基础。传统的基于光学遥感影像进行建筑物三维信息提取一般采用机器学习方法进行建筑物以及建筑物阴影信息提取，之后利用建筑物阴影开展建筑物高度估算研究，但该方法容易受建筑物高度、阴影效果以及视角等诸多限制，并且建筑物高度估计精度依赖于阴影提取效果。本专利采用深度学习的方法对高分七号多光谱卫星影像进行建筑物屋顶提取，通过多光谱影像构建地物三维点云以及归一化数字表面模型；结合建筑物边界提取结果与归一化数字表面模型生成建筑物三维信息产品，最终得到建筑物LOD1模型。

发明内容

高分七号卫星搭载0.65m分辨率的后视全色相机、2.6m分辨率的后视多光谱相机(相机倾角为-5°)以及0.8m的前视全色相机(相机倾角+26°)；本专利通过深度学习的方法对高分七号多光谱卫星影像进行建筑物屋顶提取，基于推扫式多光谱影像构建地物三维点云，再经过点云滤波等操作得到归一化数字表面模型；将建筑物边界提取结果与归一化数字表面模型叠加生成建筑物三维信息，最终得到建筑物LOD1模型。

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，将城市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。

进一步，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，我们分别主要工作如下所示：

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，再将两种裁剪方式混合作为训练数据，用以后续的神经网络模型训练过程。