[发明专利]一种损毁建筑物深度学习样本集的构建方法及系统有效
申请号: | 202310423262.8 | 申请日: | 2023-04-19 |
公开(公告)号: | CN116434009B | 公开(公告)日: | 2023-10-24 |
发明(设计)人: | 董喆;武志宏;王薇;李苓苓;罗伟儿 | 申请(专利权)人: | 应急管理部国家减灾中心(应急管理部卫星减灾应用中心) |
主分类号: | G06V10/774 | 分类号: | G06V10/774;G06T15/00;G06T17/10 |
代理公司: | 北京东方盛凡知识产权代理有限公司 11562 | 代理人: | 王宁宁 |
地址: | 100124*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 损毁 建筑物 深度 学习 样本 构建 方法 系统 | ||
1.一种损毁建筑物深度学习样本集的构建方法,其特征在于,包括:
创建若干项目并分别命名,其中,所述项目包括用于显示二维影像的第一项目、用于显示三维模型的第二项目及用于显示标签属性的第三项目;
分别基于所述第一项目和所述第二项目加载同一地区相同投影坐标系的灾后二维影像与灾后三维模型,对所述灾后二维影像与所述灾后三维模型进行检测,获取检测结果;
若所述检测结果与预设规则一致,则通过所有项目打开并加载二维样本矢量,并进行标绘与编辑,获取标签矢量;
根据所述标签矢量与所述灾后二维影像生成损毁建筑物深度学习样本集。
2.根据权利要求1所述的损毁建筑物深度学习样本集的构建方法,其特征在于,对所述灾后二维影像与所述灾后三维模型进行检测,包括:
分别检测所述灾后二维影像与所述灾后三维模型所用投影坐标系是否一致,以及检测所述灾后二维影像与所述灾后三维模型数据覆盖的地理范围是否有重叠。
3.根据权利要求2所述的损毁建筑物深度学习样本集的构建方法,其特征在于,所述预设规则包括:
若所述灾后二维影像与所述灾后三维模型所用投影坐标系一致,且所述灾后二维影像与所述灾后三维模型数据覆盖的地理范围无重叠,则继续进行后续步骤,若不一致,则终止;
当所述检测结果与预设规则一致时,在所述第一项目和所述第二项目窗口中分别加载并渲染灾后二维影像与灾后三维模型。
4.根据权利要求1所述的损毁建筑物深度学习样本集的构建方法,其特征在于,通过所述所有项目打开并加载二维样本矢量,包括:
调用深度学习模型,读取所述灾后二维影像进行损毁建筑物轮廓检测与损毁识别,输出带有损毁类别的建筑物轮廓矢量,并将所述带有损毁类别的建筑物轮廓矢量作为待修改的标签矢量;
若不调用所述深度学习模型,则新建与所述灾后二维影像具有相同地理和投影坐标系的空白面矢量,并为所述空白面矢量添加损毁类别字段,作为待标绘的标签矢量;
通过所述第一项目与所述第二项目的窗口中叠加渲染标签矢量,并通过所述第三项目窗口中打开标签属性列表。
5.根据权利要求1所述的损毁建筑物深度学习样本集的构建方法,其特征在于,获取所述标签矢量,包括:
在所述第一项目窗口中定位待标注区域,选定、标绘或删改矢量要素;
结合所述第二项目,通过所述第三项目进行矢量要素属性编辑;
保存并导出标签矢量文件。
6.根据权利要求1所述的损毁建筑物深度学习样本集的构建方法,其特征在于,根据所述标签矢量与所述灾后二维影像生成损毁建筑物深度学习样本集,包括:
将所述标签矢量转成与所述灾后二维影像相同图幅的标签影像;
将所述灾后二维影像与所述标签影像按照固定的大小和重叠度依次进行截取,获取样本集一;
对所述样本集一进行随机旋转,形成样本集二;
对所述样本集二进行随机翻折,获取样本集三;
对所述样本集一随机添加高斯噪声,形成样本集四;
将所述样本集一随机进行对比度增强,获取样本集五;
所述样本集一、所述样本集二、所述样本集三、所述样本集四和所述样本集五构成所述损毁建筑物深度学习样本集。
7.应用于权利要求1-6任一项所述的损毁建筑物深度学习样本集的构建方法的系统,其特征在于,包括:
二三维地图加载模块:用于在不同窗口中同时加载并渲染统一坐标系的二维影像和三维模型,叠加标签矢量图层以及设置渲染模式;
二三维视口单向联动模块:用于通过第一项目中的视口变换操作驱动第二项目视口发生相对应的变换;
标签矢量标绘模块:用于通过所述第一项目进行面要素标绘,同时基于所述第二项目进行同步展示;
标签属性编辑模块:用于通过第三项目在矢量属性表中对单个面要素的属性字段进行修改和保存;
样本集生成模块:用于根据二维影像和标签矢量,生成损毁建筑物深度学习样本集。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于应急管理部国家减灾中心(应急管理部卫星减灾应用中心),未经应急管理部国家减灾中心(应急管理部卫星减灾应用中心)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310423262.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于边缘计算的运动质量评价系统
- 下一篇:一种波浪发电装置