一种基于无人机图像识别的三维数字模型构建方法与系统技术方案

本发明专利技术提供了一种基于无人机图像识别的三维数字模型构建方法与系统，包括如下步骤：利用无人机采集图像信息；基于所述图像信息，获得融合特征；基于所述融合特征，构建三维几何模型；所述三维几何模型包括无人机采集的不同位置的融合后的图像信息；对所述三维几何模型各融合后的图像信息进行预处理，基于预处理后的所述各图像信息，构建三维数字模型。本发明专利技术通过对三维网格模型中全部网格所对应空间区域进行颜色重构，使得在所获得的三维数字模型中，可根据重构的颜色来准确展示属性的变化，由此便于研究人员准确分析。由此便于研究人员准确分析。由此便于研究人员准确分析。

【技术实现步骤摘要】
一种基于无人机图像识别的三维数字模型构建方法与系统


[0001]本专利技术属于图像处理
，尤其涉及一种基于无人机图像识别的三维数字模型构建方法与系统。

技术介绍

[0002]图像形状识别在公共安全、生物、工业、农业、交通、医疗等很多领域都有广泛的应用，能够帮助智能系统分类感兴趣区域的目标，提高工作效率、公共安全、产业效益。
[0003]全局特征和局部特征在图像形状分类中具有重要作用，这里的全局特征一般指拓扑特征。但是在认知心理学领域，关于人类视觉是先感知局部特征还是整体特征，一直是同一个热点问题，其中主要分为两派：一是局部优先，另一个是整体优先。前者主要以Marr的计算视觉理论为主，该理论认为视觉信息的获取首先来源于事物的局部特征，例如点、线、面及其组合等属性。成分识别理论认为通过把复杂对象的结构拆分为简单的部件形状，就可进行视觉识别。特征整合理论(Feature Integration)，认为视觉处理是一个以自下而上的加工为主要特征的、具有局部交互作用的过程。
[0004]目前的一些图像形状识别技术也更偏向于提取图像形状的局部信息，当前深度学习领域的卷积神经网络，先提取局部信息，随着层数的增加，提取更加抽象的高层信息。这种方法的鲁棒性差，不具有对抗攻击的能力。

技术实现思路

[0005]本专利技术提出了一种基于无人机图像识别的三维数字模型构建方法与系统，可以解决图像鲁棒性差的问题。
[0006]一方面为实现上述目的，本专利技术提供了一种基于无人机图像识别的三维数字模型构建方法，包括如下步骤：
[0007]利用无人机采集图像信息；
[0008]基于所述图像信息，获得融合特征；基于所述融合特征，构建三维几何模型；所述三维几何模型包括无人机采集的不同位置的融合后的图像信息；
[0009]对所述三维几何模型各融合后的图像信息进行预处理，基于预处理后的所述各图像信息，构建三维数字模型。
[0010]可选地，基于所述图像信息，获得融合特征的方法为：
[0011]提取所述图像信息的卷积特征，并利用持续同调方法提取所述图像信息的拓扑特征；
[0012]对所述拓扑特征进行矢量化，得到矢量化拓扑特征；
[0013]将所述卷积特征和所述矢量化拓扑特征进行自适应融合，得到融合特征。
[0014]可选地，利用持续同调方法提取所述图像信息的拓扑特征的方法为：
[0015]将所述图像信息进行灰度化处理，生成灰度化图像；对所述灰度化图像进行过滤；
[0016]提取过滤后的所述灰度化图像的拓扑特征。
[0017]可选地，所述灰度化图像，即每个像素点有一个元素，取值为0～255之间，白色为255,黑色为0。
[0018]可选地，基于所述融合特征，构建三维几何模型的方法为：
[0019]根据所述融合特征，构建三维框架模型；
[0020]按照图像信息所对应的位置信息，将在不同位置的融合后的图像信息嵌入所述三维框架模型中，获得三维几何模型。
[0021]可选地，对所述三维几何模型各融合后的图像信息进行预处理的过程为：
[0022]对所述三维几何模型中的各融合后的图像信息进行网格化处理，在各融合后的图像信息中生成等量的网格；
[0023]按照所述融合后的图像信息中所生成网格的网格信息，对所述三维几何模型所映射三维空间进行网格化处理，获得三维网格模型；
[0024]根据所述融合后的图像信息中每一网格所对应图像区域的灰度值，计算所述三维网格模型中其它网格所对应空间区域的灰度值；
[0025]根据所述三维网格模型中全部网格所对应的灰度值，对所述全部网格所对应的空间区域进行颜色重构，获得三维数字模型。
[0026]可选地，按照所述融合后的图像信息中所生成网格的网格信息，对所述三维几何模型所映射三维空间进行网格化处理，获得三维网格模型的方法为：
[0027]获取所述融合后的图像信息中单一网格的尺寸；
[0028]以所述单一网格的尺寸为单位，沿轴心平面所在方向和融合后的图像信息所在方向，将所述三维几何模型所映射的三维空间划分为若干网格化平面，获得三维网格模型。
[0029]另一方面为实现上述目的，本专利技术提供了一种基于无人机图像识别的三维数字模型构建系统，包括：采集模块、三维几何模型构建模块和三维数字模型构建模块；
[0030]所述采集模块用于利用无人机采集图像信息；
[0031]所述三维几何模型构建模块用于基于所述图像信息，获得融合特征；基于所述融合特征，构建三维几何模型；所述三维几何模型包括无人机采集的不同位置的融合后的图像信息；
[0032]所述三维数字模型构建模块用于对所述三维几何模型各融合后的图像信息进行预处理，基于预处理后的所述各图像信息，构建三维数字模型。
[0033]与现有技术相比，本专利技术具有如下优点和技术效果：
[0034]本专利技术公开了一种基于无人机图像识别的三维数字模型构建方法与系统，首先提取图像信息的卷积特征，并利用持续同调方法提取图像信息的拓扑特征，然后对拓扑特征进行矢量化，得到矢量化拓扑特征，并将卷积特征和矢量化拓扑特征进行自适应融合，得到融合特征，最后基于融合特征构建三维几何模型。持续同调方法可以提取图像的连通性、孔洞等全局拓扑特征，增强三维几何模型对噪声的鲁棒性，并且对旋转具有良好的不变性。通过将卷积特征和矢量化拓扑特征进行自适应融合，得到的融合特征能全面的实现对图像的表达，提高图像识别的精度。
[0035]此外，本专利技术在获得三维网格模型后，通过对三维网格模型中全部网格所对应空间区域进行颜色重构，使得在所获得的三维数字模型中，可根据重构的颜色来准确展示属性的变化，由此便于研究人员准确分析。
附图说明
[0036]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0037]图1为本专利技术实施例一的一种基于无人机图像识别的三维数字模型构建方法流程示意图；
[0038]图2为本专利技术实施例二的一种基于无人机图像识别的三维数字模型构建系统结构示意图。
具体实施方式
[0039]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0040]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0041]实施例一
[0042]如图1所示，本专利技术提供一种基于无人机图像识别的三维数字模型构建方法，包括如下步骤：
[0043]利用无人机采集图像信息；
[0044]基于图像信息，获得融合特征；基于融合特征，构建三维几何模型；三维几何模型包括无人机采集的不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机图像识别的三维数字模型构建方法，其特征在于，包括以下步骤：利用无人机采集图像信息；基于所述图像信息，获得融合特征；基于所述融合特征，构建三维几何模型；所述三维几何模型包括无人机采集的不同位置的融合后的图像信息；对所述三维几何模型各融合后的图像信息进行预处理，基于预处理后的所述各图像信息，构建三维数字模型。2.根据权利要求1所述的基于无人机图像识别的三维数字模型构建方法，其特征在于，基于所述图像信息，获得融合特征的方法为：提取所述图像信息的卷积特征，并利用持续同调方法提取所述图像信息的拓扑特征；对所述拓扑特征进行矢量化，得到矢量化拓扑特征；将所述卷积特征和所述矢量化拓扑特征进行自适应融合，得到融合特征。3.根据权利要求2所述的基于无人机图像识别的三维数字模型构建方法，其特征在于，利用持续同调方法提取所述图像信息的拓扑特征的方法为：将所述图像信息进行灰度化处理，生成灰度化图像；对所述灰度化图像进行过滤；提取过滤后的所述灰度化图像的拓扑特征。4.根据权利要求3所述的基于无人机图像识别的三维数字模型构建方法，其特征在于，所述灰度化图像，即每个像素点有一个元素，取值为0～255之间，白色为255,黑色为0。5.根据权利要求1所述的基于无人机图像识别的三维数字模型构建方法，其特征在于，基于所述融合特征，构建三维几何模型的方法为：根据所述融合特征，构建三维框架模型；按照图像信息所对应的位置信息，将在不同位置的融合后的图像信息嵌入所述三维框架模型中，获得三维几何模型。6.根据权利要求1所述的基于无人机图像识别的三维数字模型构建方法，...

【专利技术属性】
技术研发人员：姚吉顺，骆光锋，林云松，郭术军，陈小瀚，张雷，
申请(专利权)人：汇鲲化鹏海南科技有限公司，
类型：发明
国别省市：