(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111652936.9 (22)申请日 2021.12.3 0 (71)申请人 深圳高速 工程顾问有限公司 地址 518000 广东省深圳市福田区梅坳八 路深燃大厦B座6层 (72)发明人 陈柏松　刘忠伟　张永军　吴陶冶　 杨维国　 (51)Int.Cl. G06T 7/12(2017.01) G06T 7/187(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于UNet的半自动化的倾斜摄影实景模型 建筑物单体化方法、 系统、 设备和存 储介质 (57)摘要 本发明揭露一种基于UNet的半自动化的倾 斜摄影实景模型建筑物单体化方法、 系统、 设备 和存储介质， 方法包括如下步骤： 用UNet模型对 正射影像进行分割， 得到建筑物轮廓； 将建筑物 轮廓叠加到三维实景模型中； 以建筑物轮廓作边 界从三维实景模型中分离出对应建筑物的独立 模型。 本发明由于采用了UNet模型， 实现了半自 动化建筑物单体化建模， 建筑物单体化的效率更 高； 同时， 基于UNet模型深度学习的图像分割任 务， 只要参数设置得当， 就可以自主地学习到数 据中的各种浅层、 深层特征， 非常容易扩展到道 路、 水体、 植被等其他地物类型的识别上， 具有高 精度、 高效率和识别广等优点。 权利要求书2页 说明书7页 附图6页 CN 114549562 A 2022.05.27 CN 114549562 A 1.一种基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法， 其特征在于， 包 括如下步骤： 用UNet模型对正 射影像进行分割， 得到建筑物轮廓； 将所述建筑物轮廓叠加到三维 实景模型中； 以所述建筑物轮廓作边界从所述 三维实景模型中分离出对应建筑物的独立模型。 2.根据权利要求1所述的方法， 其特征在于， 在用所述UNet模型对所述正射影像进行分 割， 得到建筑物轮廓的步骤前， 还 包括如下步骤： 训练所述UNet模型。 3.根据权利要求2所述的方法， 其特征在于， 在训练所述UNet模型的步骤中， 还包括如 下步骤： 构建所述UNet模型； 训练所述UNet模型； 验证所述UNet模型。 4.根据权利要求3所述的方法， 其特征在于， 在构建所述UNet模型的步骤中， 包括： 用5 层模型构建所述UNet模型， 输入层是3通道RGB图像， 经过5层卷积编码器进行下采样， 得到 一个1024层的特征图谱， 所述特征图谱 再经过5层反卷积解码 器进行上采样， 还原出与输入 图像分辨 率一致的二值化RGB图像， 0表示非建筑物像素， 1表示建筑物像素。 5.根据权利要求3所述的方法， 其特 征在于， 在训练所述UNet模型的步骤中， 包括： 初始化所述UNet模型,设置学习率、 循环次数、 批大小相关参数， 将经过随机反转、 平 移、 旋转、 缩放的数据增广处理后的训练样 本分批次输入 所述UNet模 型进行训练， 所述UNet 模型中采用BC E作为损失函数， 其计算公式如下： 其中 是损失值， y是真值， 是预测 概率。 6.根据权利要求5所述的方法， 其特 征在于， 还 包括： 设置平均交并比 作为建筑物图 像分 割精度衡量指标 ， 其计算公式 如下 ： 其中K是分类数， 在建筑物分割案例中K＝2， 即分为建筑物与非建筑物两类， P是被预测 为建筑物的像素， G则是真实的建筑物像素。 7.根据权利 要求3所述的方法， 其特征在于， 在验证所述UNet模型的步骤中， 包括： 使用 精度验证样本对所述UNet模型进行 连续训练并调整参数。 8.根据权利要求3所述的方法， 其特 征在于， 还 包括准备所述训练样本 。 9.根据权利要求8所述的方法， 其特征在于， 准备所述训练样本包括： 随机地准备若干 建筑物正射影像， 勾画出其中的建筑物， 随机裁剪成很多小图像作为所述训练样本， 取其中 20％作为所述精度验证样本 。 10.根据权利要求1或2所述的方法， 其特征在于， 在将所述建筑物轮廓叠加到三维实景 模型中的步骤前， 还 包括如下步骤： 对分割不 准确的所述建筑物轮廓进行调整。 11.一种基于UNet的半自动化的倾斜摄影实景模型建筑物单体化系统， 其特征在于， 包 括： 轮廓分割模块， 用UNet模型对正 射影像进行分割， 得到建筑物轮廓；权　利　要　求　书 1/2 页 2 CN 114549562 A 2叠加模块， 用于将所述建筑物轮廓叠加到三维 实景模型中； 模型分离模块， 用于以所述建筑物轮廓作边界从所述三维实景模型中分离出对应建筑 物的独立模型。 12.根据权利要求11所述的系统， 其特征在于， 还包括模型训练模块， 用于训练所述 UNet模型。 13.根据权利要求12所述的系统， 其特 征在于， 所述模型训练模块包括： 构建模块， 用于构建所述UNet模型； 训练模块， 用于训练所述UNet模型； 验证模块， 用于验证所述UNet模型。 14.根据权利要求13所述的系统， 其特征在于， 所述构建模块包括： 用5层模型构建所述 UNet模型， 输入层是3通道RGB图像， 经过5层卷积编码器进行下采样， 得到一个1024层的特 征图谱， 所述特征图谱再经过5层反卷积解码 器进行上采样， 还原出与输入图像分辨率一致 的二值化RGB图像， 0表示非建筑物像素， 1表示建筑物像素。 15.根据权利要求13所述的系统， 其特征在于， 所述训练模块包括： 初始化所述UNet模 型,设置学习率、 循环次数、 批大小相关参数， 将经过随机反转、 平移、 旋转、 缩放的数据增广 处理后的训练样本分批次输入所述UNet模型进行训练， 所述UNet模型中采用BCE作为损失 函数， 其计算公式如下： 其中 是损 失值， y是真值， 是预测概率。 16.根据权利要求15所述的系统， 其特 征在于， 还 包括： 设置平均交并比 作为建筑物图 像分 割精度衡量指标 ， 其计算公式 如下 ： 其中K是分类数， 在建筑物分割案例中K＝2， 即分为建筑物与非建筑物两类， P是被预测 为建筑物的像素， G则是真实的建筑物像素。 17.根据权利要求13所述的系统， 其特征在于， 所述验证模块包括： 使用精度验证样本 对所述UNet模型进行 连续训练并调整参数。 18.根据权利要求11所述的系统， 其特征在于， 还包括： 调整模块， 用于对分割不准确的 所述建筑物轮廓进行调整。 19.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时， 实现权利要求 1至10中任一项所述的基于UNet的半 自动化的倾 斜摄影实景模型建筑物单体化方法的步骤。 20.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时， 实现权利要求1至10中任一项所述的基于UNet的半自动化的倾斜摄影实 景模型建筑物单体化方法的步骤。权　利　要　求　书 2/2 页 3 CN 114549562 A 3