基于倾斜摄影与深度学习的城市绿地自动识别技术研究

城市绿地的数字化是城市数字化建设的重要组成,传统的实地调研和人工识别的处理方式耗时长,工作量大,无法满足现有城市发展的需求。针对这一问题,文章提出了一种基于倾斜摄影和深度学习的城市绿地自动识别和高程信息提取方法,并研究比较了U-Net,DeepLab v3+,Mask R-CNN三种不同的深度学习模型的识别效果。该方法首先通过倾斜摄影采集城市绿地高质量高分辨的影像,并对影像进行标注建立训练数据集,利用该训练数据集生成深度学习模型,从而实现城市绿地的快速自动识别。在此基础上,利用Python语言,引入GDAL包提取图像的DSM数据,实现了绿地边缘的轮廓坐标与高程信息的自动提取。该方法为快速获得城市绿地的数字化三维信息提供了一种有效的途径,具有良好的应用前景。