CN114241338A - 基于影像识别的建筑物测量方法、装置、设备及存储介质 - Google Patents

基于影像识别的建筑物测量方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114241338A
CN114241338A CN202210135087.8A CN202210135087A CN114241338A CN 114241338 A CN114241338 A CN 114241338A CN 202210135087 A CN202210135087 A CN 202210135087A CN 114241338 A CN114241338 A CN 114241338A
Authority
CN
China
Prior art keywords
building
remote sensing
sensing image
size
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210135087.8A
Other languages
English (en)
Inventor
伍倜
庄海华
袁立刚
刘百平
刘曲坚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhonghang Construction Engineering Co ltd
Original Assignee
Zhonghang Construction Engineering Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhonghang Construction Engineering Co ltd filed Critical Zhonghang Construction Engineering Co ltd
Priority to CN202210135087.8A priority Critical patent/CN114241338A/zh
Publication of CN114241338A publication Critical patent/CN114241338A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种基于影像识别的建筑物测量方法，包括：计算建筑物遥感影像中每个像素点的置信度；汇集置信度大于预设阈值的像素点为建筑物像素，并以中心像素点为原点构建像素坐标系；根据像素坐标系确定建筑物像素的边缘像素点坐标，并根据边缘像素点坐标计算目标建筑的影像尺寸；根据遥感图像的拍摄高度计算得到建筑尺寸；获取遥感影像的拍摄时间和气候状况，根据拍摄时间和气候状况查询遥感影像拍摄时的环境光角度和空气折射率；根据环境光角度和空气折射率对建筑尺寸进行修正，得到真实建筑尺寸。本发明还提出一种基于影像识别的建筑物测量装置、设备及介质。本发明可以提高进行建筑物尺寸测量的准确性。

Description

基于影像识别的建筑物测量方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于影像识别的建筑物测量方法、装置、电子设备及计算机可读存储介质。
背景技术
随着现代建筑水平的提升，越来越多的大型建筑出现在人们的生活中。由于安全、保险等需求，对于大型建筑的尺寸测量，成为了亟待解决的难题。
现有的建筑物测量方法多为拍摄建筑物的遥感影像，并依靠拍摄高度与影像中建筑物的尺寸对建筑物的等比例放大，以实现对建筑物尺寸的测量。但该方法中，仅依赖于拍摄高度对影像内建筑物的尺寸进行计算，忽略了拍摄时环境中其他因素对图像成像的影像，因此，仅根据拍摄高度计算出来的建筑物尺寸不够精确，尤其建筑物过大时，极小的误差也会导致最终测量出的结果的极大偏差，因此，如何提升建筑物尺寸测量的精确度，成为了亟待解决的难题。
发明内容
本发明提供一种基于影像识别的建筑物测量方法、装置及计算机可读存储介质，其主要目的在于解决进行建筑尺寸测量的准确性较低的问题。
为实现上述目的，本发明提供的一种基于影像识别的建筑物测量方法，包括：
获取目标建筑物的遥感影像，对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度；
汇集所述置信度大于预设阈值的像素点为建筑物像素，选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系；
根据所述像素坐标系确定所述建筑物像素的边缘像素点坐标，并根据所述边缘像素点坐标计算所述目标建筑的影像尺寸；
获取所述遥感图像的拍摄高度，根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸；
获取所述遥感影像的拍摄时间和气候状况，根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，根据所述气候状况查询所述遥感影像拍摄时的空气折射率；
根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸。
可选地，所述根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸，包括：
获取所述遥感影像的拍摄焦距，根据所述影像尺寸及所述拍摄焦距，得到缩放系数；
根据所述缩放系数及所述拍摄高度，得到建筑尺寸。
可选地，所述根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，包括：
获取光照角度时刻对照表，以时刻为目标数据构建所述关照角度时刻对照表的索引；
根据所述拍摄时间编译为时刻检索语句；
利用所述时刻检索语句在所述索引中进行检索，得到所述拍摄时间对应的环境光角度。
可选地，所述根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸，包括：
计算所述环境光角度与预设的第一权重系数的乘积，得到第一影响参数；
计算所述空气折射率与预设的第二权重系数的乘积，得到第二影响参数；
按照所述第一影响参数与所述第二影响参数之和对所述建筑尺寸进行缩放，得到真实建筑尺寸。
可选地，所述选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系，包括：
选取所述建筑像素点中最***像素点为轮廓像素点；
逐个从所述建筑像素点中选取除所述轮廓像素点之外的像素点为目标像素点；
分别计算所述目标像素点到每一个轮廓像素点之间的距离值；
计算所述距离值的均方差，并确定所述均方差最小的目标像素点为所述建筑物像素点的中心像素点；
以所述中心像素点为原点并以单位像素高度为单位长度构建像素坐标系。
可选地，所述对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度，包括：
统计所述遥感影像中所有像素点的像素值，得到所述遥感影像的像素矩阵；
利用预先训练的建筑物识别模型对所述像素矩阵进行卷积、池化以及激活处理，得到所述遥感影像中每一个像素点的置信度。
可选地，所述对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度，包括：
利用预构建的分割网络对所述遥感影像进行特征提取，得到所述遥感影像的多重图像特征；
从预设的分割框图中选择与所述多重图像特征对应的分割框图；
根据所述分割框图多次框选所述遥感影像，将框选得到的不同图像作为多个子图；
将所述遥感影像和所述多个子图压缩为预设尺寸，得到多个压缩图像，并对所述多个压缩图像进行灰度化；
通过计算所述多个压缩图像中每一个像素点的置信度，得到所述遥感影像中每个像素点的置信度。
为了解决上述问题，本发明还提供一种基于影像识别的建筑物测量装置，所述装置包括：
图像处理模块，用于获取目标建筑物的遥感影像，对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度，汇集所述置信度大于预设阈值的像素点为建筑物像素，选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系；
第一尺寸计算模块，用于根据所述像素坐标系确定所述建筑物像素的边缘像素点坐标，并根据所述边缘像素点坐标计算所述目标建筑的影像尺寸；
第二尺寸计算模块，用于获取所述遥感图像的拍摄高度，根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸；
参数查询模块，用于获取所述遥感影像的拍摄时间和气候状况，根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，根据所述气候状况查询所述遥感影像拍摄时的空气折射率；
第三尺寸计算模块，用于根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于影像识别的建筑物测量方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于影像识别的建筑物测量方法。
本发明实施例通过对目标建筑物的遥感图像进行分析，初步得到目标建筑物的建筑尺寸，同时，根据该遥感图像的拍摄高度、拍摄时间和拍摄时的气候状况进行查询，得到拍摄该遥感图像时的环境光角度和空气折射率，进而实现对原先计算得出的建筑尺寸进行进一步的修正，以提升最终计算出的真实建筑尺寸的精确度，考虑到了拍摄遥感图像时的多方环境因素。因此本发明提出的基于影像识别的建筑物测量方法、装置、电子设备及计算机可读存储介质，可以解决进行建筑物尺寸测量的准确性较低的问题。
附图说明
图1为本发明一实施例提供的基于影像识别的建筑物测量方法的流程示意图；
图2为本发明一实施例提供的构建像素坐标系的流程示意图；
图3为本发明一实施例提供的对建筑尺寸进行修正的流程示意图；
图4为本发明一实施例提供的基于影像识别的建筑物测量装置的功能模块图；
图5为本发明一实施例提供的实现所述基于影像识别的建筑物测量方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于影像识别的建筑物测量方法。所述基于影像识别的建筑物测量方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于影像识别的建筑物测量方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于影像识别的建筑物测量方法的流程示意图。在本实施例中，所述基于影像识别的建筑物测量方法包括：
S1、获取目标建筑物的遥感影像，利用预构建的建筑物识别模型对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度。
本发明实施例中，所述目标建筑包括任何具有一定轮廓的建筑设置，如写字楼、小区住宅楼、工厂厂房等。
详细地，可利用具有图像捕获功能的遥感设备对所述目标建筑的遥感影像进行捕捉，其中，所述遥感设备包括但不限于卫星、无人机、高空摄像头等。
本发明其中一个实际应用场景中，由于所述遥感影像中可能包含较多的背景画面，因此，为了实现对所述目标建筑物的尺寸的精确测量，可利用预构建的模型对所述遥感影像进行分析，便于后续从所述遥感图像中识别出所述目标建筑的像素。
本发明实施例中，所述对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度，包括：
统计所述遥感影像中所有像素点的像素值，得到所述遥感影像的像素矩阵；
利用预先训练的建筑物识别模型对所述像素矩阵进行卷积、池化以及激活处理，得到所述遥感影像中每一个像素点的置信度。
详细地，所述置信度是指该像素点属于所述目标建筑的概率值。
本发明实施例中，所述建筑物识别模型可以为UNet神经网络，该UNet神经网络采用全卷积神经网络，左边卷积网络为特征提取网络：使用卷积（conv）和池化（pooling），右边卷积网络为特征融合网络：右边卷积网络使用上采样产生的特征图与左侧卷积网络卷积得到的特征图进行跳层连接（concatenate）操作，这一网络有利于提高图像处理速度以及更好的保留图像特征。
具体地，利用UNet神经网络构建设备识别网络，避免了繁琐的锚点的和非极大值抑制(NMS)后的数据处理时间，快速高效，召回率高，误检率低。
详细地，利用所述建筑物识别模型对所述遥感影像进行分析，可提升对每个像素点进行识别的精确度，进而提升后续对所述目标建筑的尺寸进行测量的精确度。
本发明另一实施例中，所述对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度，包括：
利用预构建的分割网络对所述遥感影像进行特征提取，得到所述遥感影像的多重图像特征；
从预设的分割框图中选择与所述多重图像特征对应的分割框图；
根据所述分割框图多次框选所述遥感影像，将框选得到的不同图像作为多个子图；
将所述遥感影像和所述多个子图压缩为预设尺寸，得到多个压缩图像，并对所述多个压缩图像进行灰度化；
通过计算所述多个压缩图像中每一个像素点的置信度，得到所述遥感影像中每个像素点的置信度。
本发明实施例中，所述分割网络可采用具有特征提取功能的卷积神经网络，例如Segnet网络、E-net网络、V-net网络和ResNet50网络等。
本发明一实施例中，所述分割网络采用ResNet50网络，并在所述分割网络中添加了FPN特征金字塔结构，以实现对遥感影像的多重特征提取，得到遥感影像对应的多重图像特征。
例如，所述多重图像特征为五种尺寸的图像特征，则根据这五种尺寸的图像特征分别在预设的分割框图中选择对应的分割框图，再利用该对应的分割框图在所述遥感影像中逐一框选，则得到框选出的子图。
本发明实施例中，通过对遥感影像进行多重特征提取，可实现获取多种尺度的图像特征，有利于提高分割得到的子图的精确度。
本发明实施例中，所述置信度可以为灰度差异值、灰度平均值等；若置信度为灰度差异值，则计算所述压缩图像中相邻像素点的灰度的差异值，对所述差异值处理，即得到灰度差异值，分析所述灰度差异值（如正数或0记为1，负数记为0）得到遥感影像和所述多个子图中每个像素点的置信度；若置信度为灰度平均值，则计算所述压缩图像中所有像素点的灰度值的平均值，即为灰度平均值，根据所述灰度平均值进行分析（如大于或等于所述灰度平均值记为1，小于所述灰度平均值记为0），得到所述交互页面和所述多个子图中每个像素点的置信度。
本发明实施例中，通过对遥感影像的细化分块与多重特征提取，同样有利于提升计算得到的像素点的置信度的精确度，进而提升后续对所述目标建筑的尺寸进行测量的精确度。
S2、汇集所述置信度大于预设阈值的像素点为建筑物像素，选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系。
本发明实施例中，可选取所述遥感影像中置信度大于预设阈值的像素点为所述目标建筑的建筑像素点。
进一步地，为了实现对所述目标建筑尺寸的测量，可根据确定的建筑像素点构架坐标系，以实现对所述遥感图像中每个建筑像素点的数值化标记，便于后续对目标建筑的尺寸进行计算测量。
本发明实施例中，参图2所示，所述选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系，包括：
S21、选取所述建筑像素点中最***像素点为轮廓像素点；
S22、逐个从所述建筑像素点中选取除所述轮廓像素点之外的像素点为目标像素点；
S23、分别计算所述目标像素点到每一个轮廓像素点之间的距离值；
S24、计算所述距离值的均方差，并确定所述均方差最小的目标像素点为所述建筑物像素点的中心像素点；
S25、以所述中心像素点为原点并以单位像素高度为单位长度构建像素坐标系。
详细地，可按照勾股定理的原理分别静思园所述目标像素点到每一个轮廓像素点之间的距离值，进而计算每个像素点对于的所有距离值之间的均方差，并确定所述均方差最小的目标像素点为所述建筑物像素点的中心像素点。
具体地，根据目标像素点到每个轮廓像素点的距离值的均方差来确定中心像素点时，参考了每一个轮廓像素点，有利于提升确定的中心像素点的精确度，进而提升后续对目标建筑的尺寸进行测量计算的精确度。
S3、根据所述像素坐标系确定所述建筑物像素的边缘像素点坐标，并根据所述边缘像素点坐标计算所述目标建筑的影像尺寸。
本发明实施例中，当以所述中心像素点构建出所述像素坐标系后，可根据所述建筑物像素中边缘像素在所述像素坐标系中的位置，确定每个边缘像素点坐标，进而根据所述坐标测量得到所述目标建筑在所述遥感图像内的影像尺寸，其中，所述影像尺寸是指所述目标建筑在所述遥感影像内的尺寸大小。
S4、获取所述遥感图像的拍摄高度，根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸。
本发明其中一个实际应用场景中，由于所述遥感图像是通过摄像设备在高空中拍摄得到，因此，遥感图像中所述目标建筑的影像尺寸与该目标建筑的实际尺寸存在一定的比例关系。
详细地，获取所述遥感图像的拍摄高度，进而根据所述拍摄高度计算所述遥感图像中的目标建筑，与实际中所述目标建筑的尺寸之间的缩放比例，进而根据所述缩放比例对所述影像尺寸进行还原，得到建筑尺寸。
本发明实施例中，所述根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸，包括：
获取所述遥感影像的拍摄焦距，根据所述影像尺寸及所述拍摄焦距，得到缩放系数；
根据所述缩放系数及所述拍摄高度，得到建筑尺寸。
详细地，所述拍摄焦距为拍摄所述遥感影像的设备的焦距，可利用所述影像尺寸除以所述拍摄焦距，得到缩放系数，进而计算所述缩放系数与所述拍摄高度的乘积，的带建筑尺寸，实现将所述目标建筑从影像尺寸还原至真实的建筑尺寸。
S5、获取所述遥感影像的拍摄时间和气候状况，根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，根据所述气候状况查询所述遥感影像拍摄时的空气折射率。
本发明其中一个实际应用场景中，在对所述目标建筑机械拍摄生成所述遥感影像时，由于摄像设备是通过光成像原理生成所述遥感影像，但光在介质（此处为空气）中传播时，会收到当时气压、空气密度等气候状况，以及不同时刻日光照射角度不同的的影像，因此，拍摄获取的所述遥感影像中，可能存在着一定程度的畸变。
本发明实施例中，为了实现对所述目标建筑的尺寸进行精确测量，可获取所述遥感影像的拍摄时间和气候状况，进而结合该拍摄时间与气候状况进行分析，以对计算得到的建筑尺寸进行调整修正，以提升该建筑尺寸的精确度。
本发明实施例中，所述根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，包括：
获取光照角度时刻对照表，以时刻为目标数据构建所述关照角度时刻对照表的索引；
根据所述拍摄时间编译为时刻检索语句；
利用所述时刻检索语句在所述索引中进行检索，得到所述拍摄时间对应的环境光角度。
详细地，所述光照角度时刻对照表为预先获取的数据表，该光照角度时刻对照表中记录有多种不同的光照角度，以及每一种光照角度对应的时刻。
具体地，可利用SQL中的CREATR INDEX函数在所述光照角度时刻对照表中以时刻为目标数据构建所述光照角度时刻对照表的索引，进而可利用拍摄时间编译得到的时刻检索语句从该光照角度时刻对照表内检索到与所述拍摄时间相对应的环境光角度。
进一步地，所述空气折射率是指拍摄所述遥感影像时，环境内的空气对光线的折射率大小，所述根据所述气候状况查询所述遥感影像拍摄时的空气折射率的步骤，与根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度的步骤一致，即可按照根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度的步骤，从预先获取的包含多种气候状况，以及每种气候状况对应的空气折射率的数据表中中查询得到与所述气候状况对于的空气折射率，在此不做赘述。
S6、根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸。
本发明实施例中，可利用所述环境光角度与所述空气折射率对步骤S4中计算得到的建筑尺寸进行修正，以提升最终输出的真实建筑尺寸的精确度。
本发明实施例中，参图3所示，所述根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸，包括：
S31、计算所述环境光角度与预设的第一权重系数的乘积，得到第一影响参数；
S32、计算所述空气折射率与预设的第二权重系数的乘积，得到第二影响参数；
S33、按照所述第一影响参数与所述第二影响参数之和对所述建筑尺寸进行缩放，得到真实建筑尺寸。
详细地，所述第一权重系数与所述第二权重系数为预设的经验常数，可通过统计学统计获取。
具体地，可求取所述第一权重系数与所述第二权重系数之和，并将所述第一权重系数与所述第二权重系数之和作为缩放倍数对所述建筑尺寸进行缩放，即可计算得出真实建筑尺寸。
本发明实施例通过对目标建筑物的遥感图像进行分析，初步得到目标建筑物的建筑尺寸，同时，根据该遥感图像的拍摄高度、拍摄时间和拍摄时的气候状况进行查询，得到拍摄该遥感图像时的环境光角度和空气折射率，进而实现对原先计算得出的建筑尺寸进行进一步的修正，以提升最终计算出的真实建筑尺寸的精确度，考虑到了拍摄遥感图像时的多方环境因素。因此本发明提出的基于影像识别的建筑物测量方法、装置、电子设备及计算机可读存储介质，可以解决进行建筑物尺寸测量的准确性较低的问题。
如图4所示，是本发明一实施例提供的基于影像识别的建筑物测量装置的功能模块图。
本发明所述基于影像识别的建筑物测量装置100可以安装于电子设备中。根据实现的功能，所述基于影像识别的建筑物测量装置100可以包括图像处理模块101、第一尺寸计算模块102、第二尺寸计算模块103、参数查询模块104及第三尺寸计算模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述图像处理模块101，用于获取目标建筑物的遥感影像，对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度，汇集所述置信度大于预设阈值的像素点为建筑物像素，选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系；
所述第一尺寸计算模块102，用于根据所述像素坐标系确定所述建筑物像素的边缘像素点坐标，并根据所述边缘像素点坐标计算所述目标建筑的影像尺寸；
所述第二尺寸计算模块103，用于获取所述遥感图像的拍摄高度，根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸；
所述参数查询模块104，用于获取所述遥感影像的拍摄时间和气候状况，根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，根据所述气候状况查询所述遥感影像拍摄时的空气折射率；
所述第三尺寸计算模块105，用于根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸。
详细地，本发明实施例中所述基于影像识别的建筑物测量装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于影像识别的建筑物测量方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于影像识别的建筑物测量方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于影像识别的建筑物测量程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于影像识别的建筑物测量程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于影像识别的建筑物测量程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于影像识别的建筑物测量程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取目标建筑物的遥感影像，对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度；
汇集所述置信度大于预设阈值的像素点为建筑物像素，选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系；
根据所述像素坐标系确定所述建筑物像素的边缘像素点坐标，并根据所述边缘像素点坐标计算所述目标建筑的影像尺寸；
获取所述遥感图像的拍摄高度，根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸；
获取所述遥感影像的拍摄时间和气候状况，根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，根据所述气候状况查询所述遥感影像拍摄时的空气折射率；
根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取目标建筑物的遥感影像，对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度；
汇集所述置信度大于预设阈值的像素点为建筑物像素，选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系；
根据所述像素坐标系确定所述建筑物像素的边缘像素点坐标，并根据所述边缘像素点坐标计算所述目标建筑的影像尺寸；
获取所述遥感图像的拍摄高度，根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸；
获取所述遥感影像的拍摄时间和气候状况，根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，根据所述气候状况查询所述遥感影像拍摄时的空气折射率；
根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于影像识别的建筑物测量方法，其特征在于，所述方法包括：
获取目标建筑物的遥感影像，对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度；
汇集所述置信度大于预设阈值的像素点为建筑物像素，选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系；
根据所述像素坐标系确定所述建筑物像素的边缘像素点坐标，并根据所述边缘像素点坐标计算所述目标建筑的影像尺寸；
获取所述遥感图像的拍摄高度，根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸；
获取所述遥感影像的拍摄时间和气候状况，根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，根据所述气候状况查询所述遥感影像拍摄时的空气折射率；
根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸。
2.如权利要求1所述的基于影像识别的建筑物测量方法，其特征在于，所述根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸，包括：
获取所述遥感影像的拍摄焦距，根据所述影像尺寸及所述拍摄焦距，得到缩放系数；
根据所述缩放系数及所述拍摄高度，得到建筑尺寸。
3.如权利要求1所述的基于影像识别的建筑物测量方法，其特征在于，所述根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，包括：
获取光照角度时刻对照表，以时刻为目标数据构建所述关照角度时刻对照表的索引；
根据所述拍摄时间编译为时刻检索语句；
利用所述时刻检索语句在所述索引中进行检索，得到所述拍摄时间对应的环境光角度。
4.如权利要求1所述的基于影像识别的建筑物测量方法，其特征在于，所述根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸，包括：
计算所述环境光角度与预设的第一权重系数的乘积，得到第一影响参数；
计算所述空气折射率与预设的第二权重系数的乘积，得到第二影响参数；
按照所述第一影响参数与所述第二影响参数之和对所述建筑尺寸进行缩放，得到真实建筑尺寸。
5.如权利要求1所述的基于影像识别的建筑物测量方法，其特征在于，所述选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系，包括：
选取所述建筑像素点中最***像素点为轮廓像素点；
逐个从所述建筑像素点中选取除所述轮廓像素点之外的像素点为目标像素点；
分别计算所述目标像素点到每一个轮廓像素点之间的距离值；
计算所述距离值的均方差，并确定所述均方差最小的目标像素点为所述建筑物像素点的中心像素点；
以所述中心像素点为原点并以单位像素高度为单位长度构建像素坐标系。
6.如权利要求1至5中任一项所述的基于影像识别的建筑物测量方法，其特征在于，所述对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度，包括：
统计所述遥感影像中所有像素点的像素值，得到所述遥感影像的像素矩阵；
利用预先训练的建筑物识别模型对所述像素矩阵进行卷积、池化以及激活处理，得到所述遥感影像中每一个像素点的置信度。
7.如权利要求1至5中任一项所述的基于影像识别的建筑物测量方法，其特征在于，所述对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度，包括：
利用预构建的分割网络对所述遥感影像进行特征提取，得到所述遥感影像的多重图像特征；
从预设的分割框图中选择与所述多重图像特征对应的分割框图；
根据所述分割框图多次框选所述遥感影像，将框选得到的不同图像作为多个子图；
将所述遥感影像和所述多个子图压缩为预设尺寸，得到多个压缩图像，并对所述多个压缩图像进行灰度化；
通过计算所述多个压缩图像中每一个像素点的置信度，得到所述遥感影像中每个像素点的置信度。
8.一种基于影像识别的建筑物测量装置，其特征在于，所述装置包括：
图像处理模块，用于获取目标建筑物的遥感影像，对所述遥感影像进行建筑物像素检测，得到所述遥感影像中每个像素点的置信度，汇集所述置信度大于预设阈值的像素点为建筑物像素，选取所述建筑物像素点的中心像素点，并以所述中心像素点为原点构建像素坐标系；
第一尺寸计算模块，用于根据所述像素坐标系确定所述建筑物像素的边缘像素点坐标，并根据所述边缘像素点坐标计算所述目标建筑的影像尺寸；
第二尺寸计算模块，用于获取所述遥感图像的拍摄高度，根据所述拍摄高度对所述影像尺寸进行尺寸还原，得到建筑尺寸；
参数查询模块，用于获取所述遥感影像的拍摄时间和气候状况，根据所述拍摄时间查询所述遥感影像拍摄时的环境光角度，根据所述气候状况查询所述遥感影像拍摄时的空气折射率；
第三尺寸计算模块，用于根据所述环境光角度和所述空气折射率对所述建筑尺寸进行修正，得到真实建筑尺寸。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于影像识别的建筑物测量方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于影像识别的建筑物测量方法。
CN202210135087.8A 2022-02-15 2022-02-15 基于影像识别的建筑物测量方法、装置、设备及存储介质 Pending CN114241338A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210135087.8A CN114241338A (zh) 2022-02-15 2022-02-15 基于影像识别的建筑物测量方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210135087.8A CN114241338A (zh) 2022-02-15 2022-02-15 基于影像识别的建筑物测量方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114241338A true CN114241338A (zh) 2022-03-25

Family

ID=80747698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210135087.8A Pending CN114241338A (zh) 2022-02-15 2022-02-15 基于影像识别的建筑物测量方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114241338A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708230A (zh) * 2022-04-07 2022-07-05 深圳市精明检测设备有限公司 基于图像分析的车架质量检测方法、装置、设备及介质
CN115100536A (zh) * 2022-06-01 2022-09-23 中科星睿科技(北京)有限公司 建筑物识别方法、装置、电子设备和计算机可读介质
CN115620169A (zh) * 2022-12-15 2023-01-17 北京数慧时空信息技术有限公司 基于区域一致性的建筑物主角度修正方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708230A (zh) * 2022-04-07 2022-07-05 深圳市精明检测设备有限公司 基于图像分析的车架质量检测方法、装置、设备及介质
CN115100536A (zh) * 2022-06-01 2022-09-23 中科星睿科技(北京)有限公司 建筑物识别方法、装置、电子设备和计算机可读介质
CN115100536B (zh) * 2022-06-01 2023-03-28 中科星睿科技(北京)有限公司 建筑物识别方法、装置、电子设备和计算机可读介质
CN115620169A (zh) * 2022-12-15 2023-01-17 北京数慧时空信息技术有限公司 基于区域一致性的建筑物主角度修正方法

Similar Documents

Publication Publication Date Title
CN114241338A (zh) 基于影像识别的建筑物测量方法、装置、设备及存储介质
CN112446919B (zh) 物***姿估计方法、装置、电子设备及计算机存储介质
CN109801265B (zh) 一种基于卷积神经网络的实时输电设备异物检测***
CN116229007B (zh) 利用bim建模的四维数字图像构建方法、装置、设备及介质
CN114758249B (zh) 基于野外夜间环境的目标物监测方法、装置、设备及介质
CN115457451B (zh) 基于物联网的恒温恒湿试验箱的监控方法及装置
CN113705461A (zh) 人脸清晰度检测方法、装置、设备及存储介质
CN114511661A (zh) 图像渲染方法、装置、电子设备及存储介质
CN114565916A (zh) 目标检测模型训练方法、目标检测方法以及电子设备
CN117197388A (zh) 一种基于生成对抗神经网络和倾斜摄影的实景三维虚拟现实场景构建方法及***
CN115690615A (zh) 一种面向视频流的深度学习目标识别方法及***
CN115265545A (zh) 基于决策分析的地图匹配导航方法、装置、设备及存储介质
CN113887384B (zh) 基于多轨迹融合的行人轨迹分析方法、装置、设备及介质
CN115760990A (zh) 一种菠萝花蕊的识别定位方法、电子设备及存储介质
CN115880448A (zh) 基于双目成像的三维测量方法、装置、设备及存储介质
CN115601684A (zh) 突发事件预警方法、装置、电子设备及存储介质
CN114463685A (zh) 行为识别方法、装置、电子设备及存储介质
CN113792671A (zh) 人脸合成图像的检测方法、装置、电子设备及介质
CN113901898A (zh) 人脸识别场景下图像稳定采样方法、装置、设备及介质
CN112541436A (zh) 专注度分析方法、装置、电子设备及计算机存储介质
CN114240924A (zh) 一种基于数字化技术的电网设备质量评估方法
CN113888086A (zh) 基于图像识别的物品签收方法、装置、设备及存储介质
CN113869385A (zh) 基于目标检测的海报比对方法、装置、设备及存储介质
CN113255456A (zh) 非主动活体检测方法、装置、电子设备及存储介质
CN113850836A (zh) 基于行为轨迹的员工行为识别方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination