摘要
本发明公开了一种基于实景三维的图像单体化方法,包括步骤:S1、获取倾斜摄影数据,对其进行预处理,得到预处理后的倾斜摄影数据;S2、通过AI图像识别技术对预处理后的倾斜摄影数据进行分割训练,得到分割掩膜图;S3、对分割掩膜图中分割后的目标物体进行几何调整与拓扑修复,建立单体模型;S4、绑定单体模型的空间属性和几何特征;S5、构建单体模型的树形结构,适应多场景业务需求,完成基于实景三维的图像单体化方法。本发明适用于建筑设计、城市规划、城市管理等多领域需求,具有较高的实用价值和经济效益,解决了现有技术中数据质量不足、分割精度不足、模型优化不足和属性组织能力弱的问题,提升了模型的适用性与实用价值。
技术关键词
单体化方法
倾斜摄影数据
深度学习网络
贝塞尔曲线插值
三角形面片
表达式
AI图像识别
顶点
掩膜
多场景
树形结构组织
控制点
滤波算法
节点
模型预测值
坐标
方程
系统为您推荐了相关专利信息
轨迹预测方法
监控视频画面
深度学习网络模型
坐标
线性
深度学习网络模型
迁移学习模型
血压分析方法
联合损失函数
数据
电力预测方法
新能源发电设备
深度学习网络模型
负荷传感器
电力系统
电力负荷预测方法
交叉注意力机制
多层感知器
序列
线性变换矩阵
三维点云配准方法
特征描述符
多层感知机层
解码器
点对特征