摘要
对大范围城市场景而言，快速、准确、高效地构建三维城市模型是“智慧城市”建设的重点之一。建筑物是城市场景中最重要的地物，是人类活动的主要场所。建筑物三维模型是建筑物几何、纹理、属性信息的集成，在城市空间信息管理、城市规划建设等众多应用中潜力巨大。 无人机倾斜摄影具有数据采集简单、建模成本低、建模速度快等优势，是城市场景数据获取、高精度三维模型构建的重要方式，其可以快速地生成整体场景的三维地理信息模型。构建的三维模型真实感强且纹理丰富，是大场景城市三维建模的理想方式。 但是通过倾斜摄影软件对无人机倾斜摄影影像自动处理后生成的三维模型是整个场景的几何模型，无法区分不同的地物，无法对建筑物等地物进行分析管理。当前无人机倾斜摄影建筑物单体化建模方法工作量大、效率低，难以得到具有高细节层级的建筑物精细三维模型，无法运用于大范围城市场景的建筑物三维模型构建。 基于以上的问题，本文以基于倾斜摄影软件获取的场景数字正射影像与多视密集匹配点云为实验数据，目标是使用图像分割卷积神经网络从场景正射影像快速、准确地提取建筑物对象；基于提取的建筑物对象对建筑物轮廓线进行优化；基于优化建筑物轮廓线从场景整体点云中提取纯净单体建筑物点云；基于单体建筑物点云构建建筑物三维精细模型。基于本文目标开展了相关的研究，主要研究内容有： （1）基于卷积神经网络的数字正射影像建筑物对象提取 将卷积神经网络中的图像分割网络引入倾斜摄影影像建筑物提取，对卷积神经网络层级与图像分割网络模型进行分析研究，对场景数字正射影像裁剪后通过数据标注工具构建建筑物提取数据集。基于本文构建的数据集，在相同的实验环境对四种图像分割网络（UNet、SegNet、ENet、ERFNet）进行对比实验，选择出倾斜摄影影像建筑物提取结果最佳的网络模型。基于训练获取的最佳网络的最佳模型参数，完成目标区域数字正射影像建筑物的自动提取。 （2）建筑物轮廓线的特征优化 基于图像分割网络获取的建筑物对象边界由不规则折线构成，直角化程度低，不符合真实场景中的建筑物轮廓。本文使用数学形态法中的闭运算进行空洞填充并平滑建筑物边界；通过Canny算子提取建筑物对象的轮廓线；通过使用连通域处理函数与轮廓检测函数进行无关建筑物轮廓线的删除；使用Douglas–Peucker算法进行轮廓线冗余点删除。本文提出一种基于建筑物主方向与建筑物轮廓重心的建筑物轮廓线优化方法进行轮廓线冗余点删除与特征边直角化处理，生成了更加符合真实场景与地理认知的建筑物轮廓线。 （3）基于纯净单体建筑物点云的精细模型构建 利用多层次细节（LevelofDetails，简称LOD）技术可以对建筑物几何模型的不同精细级别进行表达。基于获取的优化建筑物轮廓线，从整体场景点云中提取出纯净单体建筑物点云。基于RANSAC点云分割，将建筑物点云分为屋顶、立面等主体结构；基于主体结构，提取建筑物屋檐、女儿墙、阳台等细部结构。基于RANSAC点云分割获得的立面位置参数，重新获得建筑物归一化立面点云。基于Delaunay三角网将建筑物主体结构与细部结构生成三角网几何模型，将不同部分的几何模型拼接，得到建筑物LOD2级精细三维模型。 通过本文方法的处理，可以基于倾斜摄影软件生成的场景数字正射影像与多视密集匹配点云数据，构建建筑物精细化三维模型，为“智慧城市”的精细化管理提供支持。
NETL