Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜同济大学游田获国家专利权

恭喜同济大学游田获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜同济大学申请的专利一种基于虚拟遥感影像的建筑高度智能识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114743095B

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210273569.X,技术领域涉及:G06V20/10;该发明授权一种基于虚拟遥感影像的建筑高度智能识别方法是由游田;王伟设计研发完成,并于2022-03-19向国家知识产权局提交的专利申请。

一种基于虚拟遥感影像的建筑高度智能识别方法在说明书摘要公布了:本发明公开了一种基于虚拟遥感影像的建筑高度智能识别方法,包括推算遥感图像的方位角和高度角、生成随机参数的建筑轮廓、生成虚拟卫星遥感影像、训练卷积神经网络、自动化提取建筑高度信息等五个交替运行的步骤。本发明的识别方法可以生成大量的参数随机的虚拟遥感图像,训练得到的卷积神经网络具有良好的泛化性能和自动化能力,能够综合利用建筑阴影、建筑边缘等信息进行建筑高度信息提取,提高了识别精度;采用一边生成训练集虚拟图像、一边训练卷积神经网络的策略进一步提高了卷积神经网络的训练效率。

本发明授权一种基于虚拟遥感影像的建筑高度智能识别方法在权利要求书中公布了:1.一种基于虚拟遥感影像的建筑高度智能识别方法,其特征在于,包括以下步骤:S1、当遥感影像中的方位角和高度角未知时,推算遥感图像的方位角和高度角;包括以下具体流程:S11、估计太阳和卫星方位角:找出合适的阴影线段和建筑边缘线段分别反推太阳和卫星方位角;S12、估计太阳高度角hso:当影像拍摄日期和建筑经纬度确定时,当天的任意时刻的太阳高度角和方位角是已知的,由于一天之内太阳方位角是唯一的,根据步骤S11已经得到的太阳方位角可以查出对应的太阳高度角hso;S13、估计卫星高度角hsa:建筑高度H=Lobtanhsa,其中Lob为建筑阴影长度,然后卫星高度角的正切值即为tanhsa=HLob,从而得到了卫星高度角;S14、估计一张卫星图像中其他建筑的建筑高度:由于步骤S12和S13已经得到卫星高度角和太阳高度角,根据建筑阴影长度Lob或者建筑转角边长度Loa可推算其他建筑的高度;S2、生成随机参数的建筑轮廓;建立建筑模型时,先采用一种算法随机生成一个建筑轮廓,然后随机生成建筑高度,从而得到一个随机的建筑三维模型;所述算法生成具有以下特点的建筑轮廓:特点1:轮廓构成一个单连通多边形区域;特点2:具有类似矩形的长短轴;特点3:轮廓每条边与边之间的角度均为90°;随机生成一个建筑轮廓的算法包括以下步骤:S21、随机生成一个半径为R的圆,作为目标轮廓的外接圆,所述半径是表征轮廓大小的参数,半径的范围是可以设置的参数,取决于要识别的建筑的轮廓的大小范围;S22、随机生成一个圆的内接矩形;随机选择短长轴比值η,η是一个随机变量,数值介于0与1之间,得到一个步骤S21生成的圆的内接矩形,所述矩形的长为a,宽为b;S23、对矩形的长短边进行分段:随机生成一个正整数NL≤5,作为长边的分段数量,然后定义长度l1=aNL,l2=aNL-1,按照随机数均匀分布的区间(l1,l2),对5个小段长边进行分段;同理,按照短边分段数量Ns=[NLba],其中[·]为向上取整函数;S24、每个分段进行上下随机移动,移动距离取随机数0.5·0,bNs,使分段发生移动是为了使建筑轮廓在矩形的基础上具有一定的随机调整;S25、最后将轮廓随机旋转0-360°;S3、生成虚拟卫星遥感影像;首先建立建筑、建筑周围的环境、光照模型,然后用摄像头模拟卫星的位置进行拍照截图,输出正交投影的图片,再对截图以地面为参考坐标系进行投影变换,得到虚拟遥感影像;将所述虚拟遥感影像进行旋转使太阳方位角调整到45°得到分辨率为0.4米的第一灰度图片,再将所述虚拟遥感影像进行旋转使卫星方位角调整到45°得到分辨率为0.4米的第二灰度图片;S4、训练卷积神经网络;卷积神经网络输入层的信息包括:用于提取建筑阴影信息的所述第一灰度图片、用于提取建筑边缘信息的所述第二灰度图片以及太阳高度角和卫星高度角信息;所述卷积神经网络卷积层的卷积核大小为3×3,通过卷积-激活-池化逐步提取图像中的特征信息,图像的尺寸大小会逐渐减小,深度信息会逐渐增加;采用小批次梯度下降法进行训练,每个批次包含20张图像;每次生成信息的图像训练集包含1000张图像,800张图像用于作为训练集,剩下200张用于作为验证集;每批训练集训练10轮也即400个批次,训练完10轮之后返回步骤S3更新训练集和验证集,生成新的1000张图像,再进行训练10轮,一直循环直至训练集的均方根误差趋于稳定停止;S5、自动化提取建筑高度信息;将卫星遥感影像按照要求输入到步骤S4已经训练好的的卷积神经网络中,就可以自动化地对图像进行处理,并提取出建筑高度。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人同济大学,其通讯地址为:200092 上海市杨浦区四平路1239号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。