(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211134316.0 (22)申请日 2022.09.16 (66)本国优先权数据 202111087308.0 2021.09.16 CN (71)申请人 清华大学 地址 100084 北京市海淀区清华园1号 (72)发明人 周政旭　孟城玉　宋雨薇　季家琦　 贾子玉　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 杨静 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06T 3/40(2006.01)G06T 17/00(2006.01) (54)发明名称 村镇建筑的识别方法、 分类方法、 装置、 电子 设备和介质 (57)摘要 本公开提供了一种村镇建筑的识别方法、 分 类方法、 装置、 电子设备和介质。 该村镇 建筑的识 别方法包括： 基于样本倾斜摄影数据， 构建村镇 建筑区域的区域三维图像， 区域三维图像包括多 个单体村镇建筑三维子图像； 从区域三维图像 中， 分别提取多个单体村镇建筑三维子图像的立 面图像数据； 对多个立面图像数据的每个立面图 像数据标注多个标签， 得到多个单体村镇建筑三 维子图像的标识数据， 多个标签分别表征单体村 镇建筑三维子图像的多个类型的建筑特点； 根据 多个单体村镇建筑三维子图像的标识数据， 生成 目标识别模型； 以及利用目标识别模型， 识别目 标区域内的多个单体 村镇建筑的建筑特点。 权利要求书3页 说明书21页 附图10页 CN 115409069 A 2022.11.29 CN 115409069 A 1.一种村镇建筑的识别方法， 包括： 基于样本倾斜摄影数据， 构建村镇建筑区域的区域三维图像， 所述区域三维图像包括 多个单体村镇建筑三维子图像； 从所述区域三维图像中， 分别提取所述多个单体村镇建筑三维子图像的立面图像数 据； 对多个所述立面图像数据的每个立面图像数据标注多个标签， 得到所述多个单体村镇 建筑三维子图像的标识数据， 所述多个标签分别表征所述单体村镇建筑三维子图像的多个 类型的建筑特点； 根据所述多个单体村镇建筑三维子图像的标识数据， 生成目标识别模型； 以及 利用所述目标识别模型， 识别目标区域内的多个单体村镇建筑的建筑特点。 2.根据权利要求1所述的识别方法， 其中， 所述从所述区域三维图像中， 分别提取所述 多个单体村镇建筑三维子图像的立 面图像数据， 包括： 获取所述区域 三维图像的三维点云数据和俯视图像； 将所述俯视图像投影至所述三维点云数据 上， 以从所述三维点云数据中分别 筛选出所 述多个单体村镇建筑三 维子图像的第一点云数据和 第二点云数据， 所述第一点云数据 表征 单体村镇建筑三维子图像的边界， 所述第二点云数据表征单体村镇建筑三维子图像的纹 理； 根据所述第 一点云数据， 从所述区域三维图像中分别分割得到所述多个单体村镇建筑 三维子图像的空间结构； 根据所述第 二点云数据， 对所述多个单体村镇建筑三维子图像的空间结构分别进行纹 理贴图， 得到所述多个单体村镇建筑三维子图像； 以及分别提取所述多个单体村镇建筑三 维子图像的立 面图像数据。 3.根据权利要求1所述的识别方法， 其中， 所述对多个所述立面图像数据的每个立面图 像数据标注多个标签， 得到所述多个单体村镇建筑三维子图像的标识数据， 包括： 采用多个标注模型对所述立面图像数据的每个立面数据标注多个标签， 所述多个标注 模型分别用于标注多个 类型的标签； 采用所述多个标注模型对标注后的立 面图像数据进行交叉验证； 以及 在确定对所述标注后的立面图像数据验证通过的情况下， 根据所述多个标签， 为所述 多个立面图像数据的每个立面图像数据设置多个离散变量， 得到所述多个单体村镇建筑三 维子图像的标识数据。 4.根据权利要求1所述的识别方法， 其中， 所述多个单体村镇建筑三维子图像的标识数 据包括训练集数据、 验证集数据和测试集数据； 所述根据所述多个单体村镇建筑三维子图 像的标识数据， 生成目标识别模型， 包括： 针对多个候选识别模型中的每 个候选识别模型， 执 行以下操作， 得到多个测试 结果： 利用所述训练集数据对所述 候选识别模型进行训练， 得到训练后的候选识别模型； 利用所述验证集数据对所述训练后的候选识别模型进行验证， 得到验证结果； 以及 在确定所述验证结果为通过的情况下， 利用所述测试集数据对训练后的候选识别模型 进行测试， 得到针对所述 候选识别模型的测试 结果。 5.根据权利要求4所述的识别方法， 其中， 所述根据 所述多个单体村镇建筑三维子图像权　利　要　求　书 1/3 页 2 CN 115409069 A 2的标识数据， 生成目标识别模型， 还 包括： 根据所述多个测试结果中的最优测试结果， 从所述多个候选识别模型中确定所述目标 识别模型。 6.根据权利要求4或5所述的识别方法， 其中， 所述根据所述多个单体村镇建筑三维子 图像的标识数据， 生成目标识别模型， 还 包括： 通过目标检测器， 从多个所述三维子 图像中， 分别提取所述多个单体村镇建筑的门数 据、 窗数据和立 面图像数据； 以及 结合所述多个标签， 通过所述门数据、 所述窗数据和所述立面图像数据， 对所述目标识 别模型进行迭代训练， 以得到优化后的目标识别模型。 7.根据权利要求6所述的识别方法， 其中， 所述目标检测器包括卷积层、 目标检测层和 筛选层， 所述通过目标检测器， 从多个所述三 维子图像中， 分别提取所述多个单体村镇建筑 的门数据、 窗数据和立 面图像数据， 包括： 通过所述卷积层从多个所述 三维子图像中提取多个初始特 征数据； 通过所述目标检测层对所述多个初始特征数据进行特征检测， 得到初始门数据、 初始 窗数据和初始立 面图像数据； 以及 通过所述筛选层从所述初始门数据、 初始窗数据和初始立面图像数据中， 分别筛选出 所述门数据、 所述窗数据和所述 立面图像数据。 8.根据权利要求1所述的识别方法， 其中， 所述利用所述目标识别模型， 识别目标区域 内的单体村镇建筑， 包括： 获取所述目标区域的倾 斜摄影数据； 基于所述目标区域的倾 斜摄影数据， 构建所述目标区域的区域 三维图像； 从所述区域 三维图像中提取多个单体村镇建筑的立 面图像数据； 以及 将所述立面数据输入至所述目标识别模型， 得到所述目标区域内的多个单体村镇建筑 的建筑特点。 9.根据权利要求1所述的识别方法， 还 包括： 获取所述单体村镇建筑的立面图像数据和与所述单体村镇建筑相关联的多个标签； 以 及 根据所述立面图像数据和所述多个标签， 生成可视化图像， 所述可视化图像表征所述 单体村镇建筑的建筑特点。 10.一种基于三维遥感影 像进行村镇建筑性质自动分类方法， 其中， 包括以下步骤： 获取研究区域内建筑的图像数据； 根据村镇建筑性质对所述图像数据进行分类及标注， 得到标注数据库； 根据图像识别算法构建图像识别模型， 并通过所述标注数据库对所述图像识别模型进 行训练； 通过训练后的所述图像识别模型识别待分类区域内的建筑图像， 得到所述待分类区域 的建筑分类结果。 11.根据权利要求10所述的方法， 其中， 获取研究区域内建筑的图像数据包括： 通过无人机倾斜摄影采集所述研究区域的视频数据， 对所述视频数据进行超分辨率重 建、 三维模型生成以及建筑立 面的提取， 获取 所述研究区域内建筑的图像数据。权　利　要　求　书 2/3 页 3 CN 115409069 A 3