(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 202210362614.9 (22)申请日 2022.04.08 (65)同一申请的已公布的文献号 申请公布号 CN 114510772 A (43)申请公布日 2022.05.17 (73)专利权人 北京飞渡科技有限公司 地址 102600 北京市大兴区欣雅 街15号院1 号楼6层6 08 (72)发明人 何文武　宋彬　朱旭平　 (74)专利代理 机构 北京艾格律诗专利代理有限 公司 11924 专利代理师 谢毅 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01)G06T 17/00(2006.01) G06T 19/00(2011.01) G06K 9/62(2022.01) G06V 10/762(2022.01) (56)对比文件 CN 112598796 A,2021.04.02 CN 114120149 A,202 2.03.01 WO 2021186067 A1,2021.09.23 杜建丽等.建筑点云几何模型重建方法研究 进展. 《遥感学报》 .2019,(第0 3期),全文. 张瑞菊等.建筑物立 面点云语义分割方法研 究. 《城市勘测》 .2017,(第0 5期),全文. 胡海瑛等.基于多基元 特征向量融合的机载 LiDAR点云 分类. 《中国激光》 .2020,(第08 期),全 文. 审查员 丁文勍 (54)发明名称 基于斜扫数据建 筑面轮廓的快速生成方法 (57)摘要 本发明涉及基于斜扫数据建筑面轮廓 的快 速生成方法， 属于数据处理技术领域。 该方法包 括以下步骤： 利用倾斜摄影技术得到目标建筑的 三维模型， 判断目标建筑中是否存在待修补层， 若存在， 则根据隶属度最大的设定个数的楼层得 到目标建筑的三维点云基元和建筑纹理基元； 将 目标建筑对应的特征描述符与数据库中各样本 建筑对应的特征描述符共同记为待聚类目标数 据， 并对所述待聚类目标数据进行聚类， 得到目 标建筑所属的类别， 并根据目标建筑所属类别中 样本建筑对应的三维点云基元和建筑纹理基元 对目标建筑的待修补层进行修补， 生成最终的目 标建筑。 本发 明解决了 现有建筑面轮廓生成方法 存在的精度不高的问题。 权利要求书2页 说明书9页 附图2页 CN 114510772 B 2022.06.17 CN 114510772 B 1.一种基于斜扫数据建筑面轮廓的快速生成方法， 其特 征在于， 包括以下步骤： 利用倾斜摄影技术得到目标建筑的三维模型， 基于深度神经网络对所述目标建筑的三 维模型进行楼层语义切片处理， 得到目标建筑的各层切片； 构建目标建筑各层切片对应的 语义向量， 根据目标建筑各层切片对应的语义向量得到目标建筑对应的基准语义向量； 根据目标建筑各层切片对应的三维点云数据得到目标建筑各层切片对应的平面轮廓； 根据目标建筑各层切片对应的平面轮廓得到目标建筑各层切片对应的点云异常变形度； 根 据目标建筑各层切片对应的点云异常变形度计算目标建筑各层与其它层之间的隶属度； 根据所述隶属度判断目标建筑中是否存在待修补层， 若存在， 则根据隶属度最大的设 定个数的楼层得到目标建筑的三 维点云基元和建筑纹理基元； 根据目标建筑对应的基准语 义向量、 三维点云基元和建筑纹理基元构建目标建筑对应的特征描述符； 将目标建筑对应 的特征描述符与数据库中各样本建筑对应的特征描述符共同记为待聚类目标数据， 并对所 述待聚类目标数据进行聚类， 得到目标建筑所属的类别， 并根据目标建筑所属类别中样本 建筑对应的三维点云基元和建筑纹理基元对目标建筑的待修补层进行修补， 生成最 终的目 标建筑。 2.根据权利要求1所述的基于斜扫数据建筑面轮廓的快速生成方法， 其特征在于， 所述 根据目标建筑所属类别中样本建筑对应的三维点云基元和建筑纹理基元对目标建筑的待 修补层进行修补， 包括： 将目标建筑所属类别中样本建筑对应的基元复制为关联建筑数据集， 从所述关联建筑 数据集中为待修补楼层选取最优的若干基元， 基元数量大于待修补楼层数量； 基元包括基 础语义向量、 三维点云和建筑纹 理信息； 使用Kuhn ‑Munkres实现最大分配： 对于若干基元和待替换的J个楼层模型中， 关联建筑 数据集的若干基元的第p个和待修补的楼层模型中某一层q， 匹配评价因子为： ， 其中q是修补楼层， 为第p个基元 到模型q层的L2差异值； 基于 得到目标建筑第q层待替换时， 夹层q ‑1和q+1的兼容 性S： 构建二分图， 一侧 为若干个大于J个基元， 一侧 为J个待替换楼层， 基于 得到邻 接矩阵， 再基于Kuhn ‑Munkres算法得到二分图的最优匹配结果； 基于最优匹配结果， 将最优匹配结果对应的基元替换至建筑的夹层q ‑1层和q+1层之 间。 3.根据权利要求1所述的基于斜扫数据建筑面轮廓的快速生成方法， 其特征在于， 所述 对所述待聚类目标 数据进行聚类， 得到目标建筑所属的类别， 包括： 计算任意两个建筑之间的距离， 得到编码距离邻接矩阵 ， 矩阵中第 个元素 表示建筑k和建筑j之间的距离， 表示 为： 权　利　要　求　书 1/2 页 2 CN 114510772 B 2其中， 为语义信息的汉明距离差异； 为点云的几何距离差 异； 是基元的纹 理的RGB直方图差异； 随机选择一个建筑k作为初始样本， 并且遍历所有未标记为已处理的建筑， 找出可以从 建筑k直接密度可达的建筑集合， 得到建筑k的eps ‑邻域 ， 为在建筑k的 eps半径内的所有建筑的集 合； 如果 ， 那么建筑k就是异常的建筑； 将该建筑标记 为已处理， 然后再从未 标记为已处 理的建筑中随机 选择下一个建筑； 如果 ， 那么建筑k就是边缘建筑， 不对建筑k进行任何 操作， 而是从未 标记为已处 理的建筑中随机 选择下一个建筑； 如果 ， 那么建筑k就是核心建筑， 开始一个组的聚类； 从核心 建筑k开始聚类一个组， 就是该组的一部分， 然后再从 中的所有建筑中找 核心建筑， 如果存在核心建筑q， 则将该核心建筑的eps ‑邻域的 中的所有建筑也 归到该组中， 将这些建筑都标记为已处 理， 并且从新加入的建筑中搜索核心建筑； 重复上述步骤， 不断聚类， 直到没有新的核心建筑为止， 所有加入该组的建筑组成一个 建筑组； 一个组聚类结束后， 再从未标记为已处理的建筑中随机选择一个建筑， 继续上述所 有的步骤， 直到所有建筑都被标记为已处理， 判定所有建筑或者是噪声建筑， 或者已经被分 好组， 到此为止， 建筑分组结束， 得到目标建筑所属的类别。 4.根据权利要求1所述的基于斜扫数据建筑面轮廓的快速生成方法， 其特征在于， 所述 深度神经网络为MaskR ‑CNN。 5.根据权利要求1所述的基于斜扫数据建筑面轮廓的快速生成方法， 其特征在于， 利用 如下公式计算目标建筑各层与其它层之间的隶属度： 其中， 为目标建筑第i层的点云， 为目标建筑第j层的点云， 为 和 的ICP平移解， 为目标建筑第i层与其它层 之间的隶属度， j为目标建筑中 除第i层之 外的其它层。 6.根据权利要求1所述的基于斜扫数据建筑面轮廓的快速生成方法， 其特征在于， 所述 根据所述隶属度判断目标建筑中是否存在待修补 层， 包括： 基于隶属度对建筑各层切片进行递增排序， 当最差的隶属度高于设定阈值时， 判定该 建筑无需修补； 当最差的隶属度不高于设定阈值时则判定存在待修补 层。权　利　要　求　书 2/2 页 3 CN 114510772 B 3