CN116563317B 一种基于分割优化的建筑物三角网模型的轮廓自动提取方法 （武汉大学）

一种基于分割优化的建筑物三角网模型的本发明公开了一种基于分割优化的建筑物骤2、利用渐进区域增长算法并考虑平面连通性过自适应相交和拓扑规则化两种方式补充候选发明解决了建筑物三维空间中由于遮挡和边界模糊导致的边界轮廓结构不完整和轮廓矢量化2元投影到二维空间得到线分割矢量集，并将线分割集初始化为图g＝(v,e)作为初始线分步骤3，将步骤2得到的初始线分割首先根据拓扑规则步骤4，将候选线分割矢量图初始化为图结构G＝(L,E)，每一个候选线分割是图的节2.如权利要求1所述的一种基于分割优化的建筑物三角网模型的轮廓自动提取方法，3.如权利要求2所述的一种基于分割优化的建筑物三角网模型的轮廓自动提取方法，(2)相邻未标记面片FC和当前面片FS对应的超体素的平面的法向量角度小于角度阈4.根据权利要求1所述的一种基于分割优化的建筑物三角网模型的轮廓自动提取方在零度的线分割集合中查询初始线分割的拓扑关系集，当两个线分割l1和l2具有平行35.根据权利要求1所述的一种基于分割优化的建筑物三角网模型的轮廓自动提取方ij定义如下：6.根据权利要求5所述的一种基于分割优化的建筑物三角网模型的轮廓自动提取方7.根据权利要求1所述的一种基于分割优化的建筑物三角网模型的轮廓自动提取方4其中，update和aggregate分别表示更新和聚合，表示节点v第k层的节点特征，ueN(v)表示节点u是节点v的邻居节点，是邻居节点的聚合函步骤5.3，边界分类任务中使用交叉熵损失衡量模型预测的类别概率分布与真实类别8.根据权利要求7所述的一种基于分割优化的建筑物三角网模型的轮廓自动提取方9.根据权利要求7所述的一种基于分割优化的建筑物三角网模型的轮廓自动提取方10.根据权利要求1所述的一种基于分割优化的建筑物三角网模型的轮廓自动提取方步骤6.1，根据线分割的分类结果按照类别概率得分选出类别为最终建筑物轮廓的线5[0002]建筑物边界足迹信息是许多地理应用中最重要的数据基础，广泛应用在地图绘中恢复被遮挡的轮廓并提取分离于周围环境的完整矢量化轮廓是建筑物边界足迹自动化提取出的拟合边界直线进行分类和分析是直观的提取思想。现有的技术主要采用三种技术：基于边缘检测的方法利用边缘检测算法从原始数据中提取出边缘特征进行直线拟合；基于分割的方法将建筑物图像或三维数据分割成若干个区域并根据区域内的特征信息进[0004]本发明要解决的技术问题在于规避现有方法难以从遮挡或边界不明确的三维数6[0014]步骤2.1，建筑物单体三角网顶点加密后用[0022]在零度的线分割集合中查询初始线分割的拓扑关系集，当两个线集合{li|i＝0,1,2…n}延线段的两个端点匀速向外延伸直到与别的线分割发生碰撞，其7ij[0036]其中，update和aggregate分别表示更新和聚合，,"表示节点v在第k层的节点特[0038]步骤5.3，边界分类任务中使用交8[0045]步骤6.1，根据线分割的分类结果按[0048](1)本发明利用拓扑规则和基于先验的自适应方式生成线分割的候选集，可以弥[0049](2)将线分割的候选集初始化为图神经网络的图结构，利用图神经网络对特征的[0050](3)基于建筑物三角网数据提取边界轮廓矢量多边形，可以充分利用原始数据的[0054]图3为本发明实施例的图神经网络对线分割分类生成最终建筑物边界轮廓矢量图9[0058]如图1所示，本发明实施例的一种基于分割优化的建筑物三角网模型的轮廓自动[0061]步骤2.1、建筑物单体三角网顶点加密后用planesegmentationfromairbornepointcloudsbasedonquasi_a_contrariotheory[J].IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2021,2分别表2)＝0；[0069]在零度的线分割集合中查询初始线分割的拓扑关系集，当两个线集合{li|i＝0,1,2…n}延线段的两个端点匀速向外延伸直到与别的线分割发生碰撞，其ij入并输出变换后的图G′，即G'=F(G)。经过变换F后图的特征甚至拓扑能够被学习和更特征向量后，特征的更新将邻域节点的特征聚合当前节点的特征来更新当前节点的特征，[0085]步骤