(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210321035.X (22)申请日 2022.03.30 (65)同一申请的已公布的文献号 申请公布号 CN 114417489 A (43)申请公布日 2022.04.29 (73)专利权人 宝略科技 （浙江） 有限公司 地址 315000 浙江省宁波市 鄞州区学士 路 655号E楼9层912、 913室 (72)发明人 应良中　高广　周鑫　赵珏晶　 吴敦　王世熿　孙华　费佳宁　 (74)专利代理 机构 宁波甬致专利代理有限公司 33228 专利代理师 袁波 (51)Int.Cl. G06F 30/13(2020.01) G06K 9/62(2022.01) G06N 3/08(2006.01) G06T 5/50(2006.01) G06T 7/155(2017.01) G06T 17/10(2006.01)G06V 10/774(2022.01) G06V 10/44(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 113362359 A,2021.09.07 CN 110378293 A,2019.10.25 CN 107967 713 A,2018.04.27 CN 110866531 A,2020.0 3.06 CN 10862 9742 A,2018.10.09 CN 106652024 A,2017.0 5.10 CN 106871864 A,2017.0 6.20 WO 2022041119 A1,202 2.03.03 JP 2004038514 A,20 04.02.05 余柏蒗等.一种应用机载L iDAR数据和高分 辨率遥感影 像提取城市绿地信息的方法. 《中国 图象图形 学报》 .2010,(第0 5期), 王旭科等.基 于机载LiDAR和倾 斜影像的城 市三维建模方法. 《北京测绘》 .2021, (续) 审查员 杜琳琳 (54)发明名称 一种基于实景三维模型的建筑基底轮廓精 细化提取方法 (57)摘要 本发明涉及一种基于实景三维模型的建筑 基底轮廓精细化提取方法， 基于实景三维模型进 行建筑基底轮廓提取， 首先通过深度学习算法提 取植被图斑来对建筑图斑进行精 化， 有效地区分 高度接近的植被和建筑， 生成初始建筑矢量面， 然后基于初始建筑矢量面与实景三维模型生成 侧面影像图， 并通过侧面影像图生成第一侧面影 像图， 利用深度学习算法对第一侧面影像图进行 分类， 从而能够有效剔除建筑侧面的附属物， 避 免造成干扰； 然后， 从第二侧面影像图提取窗户， 得到楼层信息， 从而能够有效地剔除建筑屋檐、 违章搭建等突出结构， 实现屋檐自动化矫正， 进而能够提取精确的建筑基底轮廓。 [转续页] 权利要求书3页 说明书7页 附图4页 CN 114417489 B 2022.07.19 CN 114417489 B (56)对比文件 Noraain Mohamed Saraf等.Ac curacy assessment of 3 -dimensi onal LiDAR building extraction. 《IEEE》 .2018,Peng-hui Tian 等.Building Contours Extracti on from L ight Detect and Rangi ng Data. 《IE EE》 .2011,2/2 页 2[接上页] CN 114417489 B1.一种基于实景三维模型的建筑基底轮廓精细化 提取方法， 其特 征在于， 包括如下： S1、 基于实景三维模型， 采用RT T技术从所述实景三维模型中提取D SM和DOM； S2、 使用布料模拟滤波算法从所述DSM中提取出DTM， 通过差值运算得到nDSM， nDSM= DSM‑DTM； S3、 使用轮廓提取算法从所述 nDSM中提取初始建筑轮廓， 进 而得到初始建筑图斑； S4、 使用深度学习算法从所述DOM中提取 出植被图斑； S5、 从所述初始建筑图斑中过滤所述植被 图斑对应的区域， 再采用形态学方法进行图 斑优化， 并使用图斑矢量 化算法得到初始建筑矢量 面； S6、 使用Monotone剖分算法将初始建筑矢量面分割成多个凸多边形， 基于所述凸多边 形从实景三 维模型中提取得到待处理模 型； 使用Cycles渲 染引擎的光线追踪算法从待处理 模型上生成对应的侧面影像图； 然后 将隶属于同一个初始建筑矢量面的侧面影像图合并成 为第一侧面影像图， 再将隶属于同一个初始建筑矢量面的待处理模型合并成为第一建筑模 型， 同时得到所述第一侧面影 像图与第一建筑模型的几何映射关系； S7、 使用语义分割算法从所述第 一侧面影像图中分离出建筑像素区域和非建筑像素区 域， 所述第一侧 面影像图过滤非建筑像素区域得到第二侧 面影像图， 然后根据几何映射关 系和第二侧面影 像图从第一建筑模型中提取精化的建筑模型； S8、 使用目标检测算法从所述第二侧面影像 图中提取窗户位置， 然后基于窗户左下角 坐标的高程进行聚类， 得到楼层的高度区间； S9、 基于所述楼层的高度区间， 对所述精化的建筑模型进行分割， 得到多个单层 建筑模 型， 将多个所述单层建筑模型分别进行正射投影并栅格化到二维投影图上， 得到多张二维 投影图， 并将多张所述 二维投影图融合， 生成高精度的建筑基底轮廓。 2.根据权利要求1所述的一种基于实景三维模型的建筑基底轮廓精细化提取方法， 其 特征在于， 所述S1具体包括： S101、 设置RTT技术的光学分辨率为res， 对所述实景三维模型进行分块处理， 得到实景 三维模型块； S102、 利用RTT技术将每块所述实景三维模型块渲染生成含高程信息的DSM ´和含纹理 信息的DOM ´； 将所述D SM´进行拼接得到 完整的DSM， 将所述DOM ´进行拼接得到 完整的DOM 。 3.根据权利要求1所述的一种基于实景三维模型的建筑基底轮廓精细化提取方法， 其 特征在于， 所述S3具体包括： S301、 预设高程信息的过 滤阈值S， nD SM´为初始的nD SM； S302、 判断过滤阈值S是否大于nDSM ´中高程信息的最小值， 若是， 则进入S303， 否则， 进 入S4； S303、 在nDSM´上过滤小于过滤 阈值S的单元， 得到filtered ‑nDSM； 接着， 并采用轮廓提 取算法从fi ltered‑nDSM中提取初始建筑轮廓， 再将初始建筑轮廓栅格化 为初始建筑图斑； S304、 nDSM ´= nDSM´ ‑ filtered ‑nDSM对应的初始建筑图斑； 且S=S ‑Q， Q为S的预设降低 值， 并返回S3 02。 4.根据权利要求1所述的一种基于实景三维模型的建筑基底轮廓精细化提取方法， 其 特征在于， 所述S4具体包括： S401、 使用Label Img制作植被的样本数据集， 训练用于植被提取的第一语义分割模型；权　利　要　求　书 1/3 页 2 CN 114417489 B 3