本发明专利技术公开了一种实景三维城市中门牌号自动赋值的方法，该方法包括以下步骤：S1、通过移动终端获取建筑的近景照片、远景照片及位置信息；S2、利用基于深度学习的门牌号识别模型提取所述近景照片中门牌号；S3、将所述位置信息与三维城市模型进行匹配，确定对应的目标建筑；S4、将所述目标建筑的外立面图像与所述远景照片进行纹理匹配；S5、根据匹配结果确认是否将所述门牌号对所述目标建筑自动赋值。通过构建基于智能移动终端的门牌号采集系统，可在对门牌号拍照时，自动记录拍照地点的位置信息，实现一键、批量、自动完成门牌号字符识别，并对识别的门牌号进行了二次校验，保证了识别的门牌号的可靠性，实现自动赋值。实现自动赋值。实现自动赋值。
【技术实现步骤摘要】
一种实景三维城市中门牌号自动赋值的方法
[0001]本专利技术涉及实景三维城市建模领域，具体来说，涉及一种实景三维城市中门牌号自动赋值的方法。
技术介绍
[0002]门牌号是建筑物的法律标志和地址代码，是建筑物的一种重要属性，亦是政府实施公共管理的基础。实景三维城市建模过程中，需要对单体建筑进行门牌号赋值，即将现实中某单体建筑的门牌号添加到该单体建筑对应的三维模型中。现有技术一般采用人工方法，实地调查+室内人工录入的方式进行赋值。
[0003]现有技术方案采用实地调查+室内人工录入的方式，如图1所示，包括：1）工作底图制作阶段：先从实景三维城市模型中导出二维地图，打印成纸质地图，作为实地调查的工作底图。
[0004]2）实地调查阶段：调查员在实地将现实中建筑物的与工作底图中的建筑物进行一一对应，并将门牌号登记在工作底图上。
[0005]3）室内录入阶段：将工作底图中的建筑物和三维模型中的单体建筑一一对应，并将门牌号人工录入到单体建筑的属性列表中。
[0006]但是该方法存在出多缺陷，例如：
①
工作底图制作阶段，打印纸质地图，需要大量的纸张，造成浪费，不环保。
[0007]②
实地调查阶段，调查员需要携带多幅纸质地图到实地，调查时需要频繁取用、展开、折叠、整理，需要将现实中建筑物的与工作底图中的建筑物进行一一对应、登记；室内录入阶段，需要将工作底图中的建筑物和三维模型中的单体建筑一一对应，并门牌号人工录入到单体建筑的属性列表中，需要输入大量的字符。这些因素加大了工作强度、降低了工作效率。
[0008]CN110598681A公开一种自然街景门牌号识别的方法，包括以下步骤：S1:获取待识别的门牌号图像；S2:对所述门牌号图像进行像素压缩处理后，再将所述门牌号图像输入至已训练的卷积神经网络中，识别出门牌号；S3:输出所述门牌号；但是其只公开了单纯的门牌号图像识别，算法较为简单，且未公开报错时的人工介入；CN106296815A公开了一种交互式三维数字城市的构建和显示方法。由2种途径实现，第一种是实景化三维数字城市的构建和显示，第二种是模型化三维数字城市的构建和显示。第一种是利用相机拍摄制作的全景图，将全景图贴图到一个三维球面上，按空间顺序模拟人的运动轨迹，实时更换球面上对应坐标位置的全景图，显示给用户；第二种是利用预先编制好的CAD标准图块，绘制现有建筑及新建建筑的二维CAD竣工图，为相应的图块赋值，输出建筑的二维图形和三维模型，按坐标集成在一个二维空间和三维空间中，显示给用户；其需要预先编制好的标准图块，且未考虑门牌号的识别与校验；针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
[0009]针对相关技术中的问题，本专利技术提出一种实景三维城市中门牌号自动赋值的方法，以克服现有相关技术所存在的上述技术问题。
[0010]为此，本专利技术采用的具体技术方案如下：一种实景三维城市中门牌号自动赋值的方法，该方法包括以下步骤：S1、通过移动终端获取建筑的近景照片、远景照片及位置信息；其中将计次器T设置为0；S2、利用基于深度学习的门牌号识别模型提取所述近景照片中门牌号；S3、将所述位置信息与三维城市模型进行匹配，确定对应的目标建筑；S4、将所述目标建筑的外立面图像与所述远景照片进行纹理匹配；S5、根据匹配结果确认是否将所述门牌号对所述目标建筑自动赋值。
[0011]进一步的，所述通过移动终端获取建筑的近景照片、远景照片及位置信息，包括以下步骤：S11、使用移动终端在建筑正前方拍摄仅含有单个门牌号的近景照片；S12、获取并保存所述近景照片拍摄位置的经纬度；S13、获取并保存所述近景照片拍摄时的朝向，记作真方位角；S14、拍摄最大程度覆盖所述建筑外立面的远景照片；其中，所述位置信息包括经纬度与真方位角。
[0012]进一步的，所述利用基于深度学习的门牌号识别模型提取所述近景照片中门牌号，包括以下步骤：S21、利用Haar级联分类器检测、定位与提取出所述近景照片中门牌的位置，并将所述近景照片裁剪为门牌图像；S22、对所述门牌图像进行预处理得到高清的字符图像；S23、将所述字符图像输入训练完成后的基于深度学习的门牌号识别模型中进行识别与提取，并输出字符格式的门牌号。
[0013]进一步的，所述对所述门牌图像进行预处理得到高清的字符图像，包括以下步骤：S221、将所述门牌图像进行灰度处理得到灰度图像；S222、利用均值自适应的二值分割法对所述灰度图像进行阈值化处理；S223、将阈值化处理后的所述灰度图像进行图像腐蚀，去除图像中门牌的边框；S224、将腐蚀后的所述灰度图像进行膨胀处理，得到字符图像。
[0014]进一步的，所述将所述位置信息与三维城市模型进行匹配，确定对应的目标建筑，包括以下步骤：S31、将所述经纬度的数值转换为三维城市模型的坐标数据；S32、将所述真方位角转换为所述三维城市模型坐标的北方位角；S33、以所述坐标数据为起点，以所述北方位角为方向，在所述三维城市模型中，基于空间相对位置关系搜索第一个相交的单体建筑，作为目标建筑。
[0015]进一步的，将所述目标建筑的外立面图像与所述远景照片进行纹理匹配，包括以下步骤：S41、获取三维城市模型中所述目标建筑的外立面图像；
S42、将所述外立面图像与所述远景图像均进行灰度处理，并统一两者的灰度级与图像尺寸，分别得到外立面灰度图像与远景灰度图像；S43、利用离散傅里叶变换将所述外立面灰度图像与所述远景灰度图像均分解为频域组件；S44、分别计算所述外立面灰度图像与所述远景灰度图像的灰度共生矩阵，并计算两者各自的特征值；S45、利用欧式距离计算所述外立面灰度图像的特征值与所述远景灰度图像的特征值之间的相似度；S46、将所述外立面灰度图像与所述远景灰度图像之间的相似度值与预设阈值进行对比得到纹理匹配结果。
[0016]进一步的，所述分别计算所述外立面灰度图像与所述远景灰度图像的灰度共生矩阵，并计算两者各自的特征值，包括以下步骤：S441、所述外立面灰度图像与所述远景灰度图像的频域组件包括若干频谱图，每个所述频谱图均选取四个方向构建共生矩阵；S442、分别计算每个所述频谱图内每个共生矩阵的纹理参数；S443、计算所有所述频谱图同一方向、同一纹理参数的平均值代表所述频谱组件四个方向的灰度共生矩阵，并作为所述外立面灰度图像与所述远景灰度图像两者的特征值。
[0017]进一步的，所述分别计算每个所述频谱图内每个共生矩阵的纹理参数，包括以下步骤：S4421、计算频谱图内单个方向共生矩阵的主对角线惯性矩，公式为：式中，表示主对角线惯性矩；h、k分别表示共生矩阵M（h，k）的坐标值；表示位于（h，k）的元素值；S4422、计算频谱图内单个方向共生矩阵的角二阶矩，公式为：式中，表示角二阶矩；S4423、计算频谱图内单个方向共生矩阵的熵，公式为：式中，表示熵；S4424、计算频谱图内单个方向共生矩阵的相关性，公式为：式中，表示相关性；、分别表示、的均值；、分别表示、的标准差本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种实景三维城市中门牌号自动赋值的方法，其特征在于，该方法包括以下步骤：S1、通过移动终端获取建筑的近景照片、远景照片及位置信息，其中将计次器T设置为0；步骤S1包括如下子步骤：S11、使用移动终端在建筑正前方拍摄仅含有单个门牌号的近景照片；S12、获取并保存所述近景照片拍摄位置的经纬度；S13、获取并保存所述近景照片拍摄时的朝向，记作真方位角；S14、拍摄最大程度覆盖所述建筑外立面的远景照片；其中，所述位置信息包括经纬度与真方位角；S2、利用基于深度学习的门牌号识别模型提取所述近景照片中门牌号；S3、将所述位置信息与三维城市模型进行匹配，确定对应的目标建筑；S4、将所述目标建筑的外立面图像与所述远景照片进行纹理匹配；步骤S4包括以下步骤：S41、获取三维城市模型中所述目标建筑的外立面图像；S42、将所述外立面图像与所述远景图像均进行灰度处理，并统一两者的灰度级与图像尺寸，分别得到外立面灰度图像与远景灰度图像；S43、利用离散傅里叶变换将所述外立面灰度图像与所述远景灰度图像均分解为频域组件；S44、分别计算所述外立面灰度图像与所述远景灰度图像的灰度共生矩阵，并计算两者各自的特征值；其中，步骤S44包括如下子步骤：S441、所述外立面灰度图像与所述远景灰度图像的频域组件包括若干频谱图，每个所述频谱图均选取四个方向构建共生矩阵；S442、分别计算每个所述频谱图内每个共生矩阵的纹理参数；S443、计算所有所述频谱图同一方向、同一纹理参数的平均值代表所述频谱组件四个方向的灰度共生矩阵，并作为所述外立面灰度图像与所述远景灰度图像两者的特征值；S45、利用欧式距离计算所述外立面灰度图像的特征值与所述远景灰度图像的特征值之间的相似度；S46、将所述外立面灰度图像与所述远景灰度图像之间的相似度值与预设阈值进行对比得到纹理匹配结果；S5、根据匹配结果确认是否将所述门牌号对所述目标建筑自动赋值，其中包括以下步骤：S51、若匹配成功，且将所述门牌号与所述目标建筑周边的建筑的门牌号进行标准校验，当校验成功后，则将所述门牌号自动添加至所述目标建筑属性列表；若校验不成功，则将人工进行检查并核实最终的门牌号，并将核实后的门牌号自动添加至所述目标建筑属性列表；S52、若匹配失败，计次器T=T+1，当T<3时，返回步骤S2；当T=3时，则通过人工进行检查，手动进行门牌号赋值，并将所述门牌号自动添加至所述目标建筑属性列表。2.根据权利要求1所述的一种实景三维城市中门牌号自动赋值的方法，其特征在于，所述利用基于深度学习的门牌号识别模型提取所述近景照片中门牌号，包括以下步骤：S21、利用Haar级联分类器检测、定位与提取出所述近景照片中门牌的位置，并将所述
近景照片裁剪为门牌图像；S22、对所述门牌图像进行预处理得到高清的字符图像...
【专利技术属性】
技术研发人员：王勇军，张剑峰，王鹏，薛道义，梁晓鹤，张勇，李其顺，雒建艳，康永泰，曾成强，张清彦，
申请(专利权)人：兰州市勘察测绘研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。