公开(公告)号：CN118570485B

公开(公告)日：2025-03-18

申请号：CN202410722651.5

申请日：2024-06-05

Applicant: 南通大学

Inventor： 杨帆 ,  刘科举 ,  杨磊 ,  马玉 ,  章宇涵 ,  欧睿思 ,  车明亮 ,  钱鹏

IPC: G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06V20/64 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的建筑三维点云线特征提取方法，包括：首先使用地面固定站激光扫描仪获取测区内建筑激光点云数据，接着对获取的建筑三维点云做切片，将切片点云投影到二维占用概率图像，同时根据切片点云的密度计算每个像素基于权重中心分解的PCA1生成分图像；然后人工标注建筑轮廓线并制作训练样本数据集；接着构建线特征提取神经网络LALine‑Net，通过网络训练、模型评估获得神经网络模型参数；应用新的数据进行模型预测，提取测区建筑激光点云的线特征；最后对提取的线特征进重拟合和优化得到最终的建筑轮廓线特征。本发明可以快速从激光点云中提取城市建筑轮廓线，具有更好的完整性和几何精度，可以满足基于激光三维点云建筑制图的需要。

公开(公告)号：CN119091155A

公开(公告)日：2024-12-06

申请号：CN202411098693.2

申请日：2024-08-12

Applicant: 南通大学

Inventor： 杨帆 ,  欧睿思 ,  吕梁 ,  章宇涵 ,  刘科举 ,  杨磊 ,  钱鹏 ,  马玉 ,  唐嘉文

IPC: G06V10/44 ,  G06V20/10 ,  G06V20/17 ,  G06V10/26 ,  G06V10/764 ,  G06T17/00

Abstract: 本发明公开了一种基于深度学习和联合优化的建筑轮廓线提取方法，采集城区建筑的多视图照片，构建DOM和DSM；制作归一化数字表面模型nDSM和坡度图、标注建筑轮廓线和多边形；构建渔网分割栅格和矢量图层，建立训练样本影像和标注，代入线特征提取网络MFLine‑Net和语义分割网络Res‑UNet分别训练；利用线特性提取网络MFLine‑Net提取线特征；利用Res‑UNet网络提取建筑屋顶语义信息；利用运动空间剖分算法生成胞腔复形；采用图割优化算法关联胞腔单元和屋顶语义信息；将相同屋顶语义信息的胞腔单元合并得到建筑轮廓图。该方法可以快速构建城市建筑轮廓图，满足基于无人机进行摄影测量建筑制图的需要。

公开(公告)号：CN118570485A

公开(公告)日：2024-08-30

申请号：CN202410722651.5

申请日：2024-06-05

Applicant: 南通大学

Inventor： 杨帆 ,  刘科举 ,  杨磊 ,  马玉 ,  章宇涵 ,  欧睿思 ,  车明亮 ,  钱鹏

IPC: G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06V20/64 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的建筑三维点云线特征提取方法，包括：首先使用地面固定站激光扫描仪获取测区内建筑激光点云数据，接着对获取的建筑三维点云做切片，将切片点云投影到二维占用概率图像，同时根据切片点云的密度计算每个像素基于权重中心分解的PCA1生成分图像；然后人工标注建筑轮廓线并制作训练样本数据集；接着构建线特征提取神经网络LALine‑Net，通过网络训练、模型评估获得神经网络模型参数；应用新的数据进行模型预测，提取测区建筑激光点云的线特征；最后对提取的线特征进重拟合和优化得到最终的建筑轮廓线特征。本发明可以快速从激光点云中提取城市建筑轮廓线，具有更好的完整性和几何精度，可以满足基于激光三维点云建筑制图的需要。