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）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116563317B(45)授权公告日2025.07.11

(21)申请号202310499026.4

(22)申请日2023.04.26

(65)同一申请的已公布的文献号申请公布号CN116563317A

(43)申请公布日2023.08.08

(73)专利权人武汉大学

地址430072湖北省武汉市武昌区八一路

299号

(72)发明人张永军王森援刘欣怡

(74)专利代理机构武汉科皓知识产权代理事务所(特殊普通合伙)42222

专利代理师王琪

(51)Int.CI.

GO6T7/12(2017.01)

GO6T17/10(2006.01)

GO6T17/20(2006.01)

GO6T19/20(2011.01)

GO6N3/042(2023.01)

GO6N3/084(2023.01)

(56)对比文件

CN111815776A,2020.10.23

CN114202632A,2022.03.18审查员王齐强

权利要求书3页说明书7页附图2页

(54)发明名称

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

(57)摘要

CN116563317B本发明公开了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，该方法包括：步骤1、准备输入数据，即建筑物三角网模型；步骤2、利用渐进区域增长算法并考虑平面连通性提取建筑物模型的主体平面，仅将主体立面投影到二维空间获得线分割矢量图；步骤3、线分割通过自适应相交和拓扑规则化两种方式补充候选集，并分析线分割中元素关系；步骤4、基于候选集构建图结构，包括节点和节点特征，边与边特征；步骤5、构建基于消息传递的图神经网络框架对图中节点进行分类；步骤6、将提取的结构特征映射回几何空间，得到建筑物轮廓的矢量图。本

CN116563317B

问题。

开

开始

建筑物三角网模型

建筑物主体平面提取

投影主体立面获取二维线分割

拓扑规则化补充候选集

图神经网络的线分割初始化

基于消息传递的图神经网络的线分割分类

输出建筑物轮廓矢量图/

结束

线分割自适应相交

CN116563317B权利要求书1/3页

2

1.一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，其特征在于，包含如下步骤：

步骤1,建筑物三角网模型准备；

步骤2,利用渐进区域增长方法从三角面片中提取连通的主体平面基元，其中的立面基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)作为初始线分割，v是线分割的中点，e是节点之间的线段；

步骤3,将步骤2得到的初始线分割首先根据拓扑规则生成部分候选线分割，然后通过自适应地相交来进一步扩充候选线分割，得到最终候选线分割的矢量图；

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点，并且定义节点特征，构建邻接矩阵，表示线分割之间的连接关系，其中L是图的节点，E是图的边；

步骤5,构建基于消息传递的图神经网络框架用于线分割分类，准备训练数据和制定训练策略，得到线分割的分类结果；

步骤6,将线分割的分类结果映射回几何空间，获得最终建筑物轮廓矢量图。

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，其特征在于：步骤2的具体实现方式如下；

步骤2.1,建筑物单体三角网顶点加密后用于QTPS算法提取基于点云的初始平面基元；然后找到顶点落在同一个初始平面基元的三角面片构成平面支撑域，根据对立推理理论计算每个平面支撑域的平面方程；采用渐进的区域增长方式将未分配至已有平面基元的面片归类，当所有面片都被分配时，即为主体平面基元，

步骤2.2,将建筑物主体平面基元中的立面投影到二维空间，通过边缘检测算法获得粗略近似轮廓的线分割集，并将线分割集初始化为图g=(v,e)作为初始线分割，v是线分割的中点，e是节点之间的线段。

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，其特征在于：面片归类规则满足如下条件：

(1)当前面片Fs和相邻未标记面片Fc的法向量角度小于角度阈值，范围在最小角度阈值到π之间；

(2)相邻未标记面片Fc和当前面片Ts对应的超体素的平面的法向量角度小于角度阈值。

4.根据权利要求1所述的一种基