一种街景图像中建筑物高度估算方法

建筑物高度信息是城市三维建模的基础数据,但已有的建筑物高度估算研究多采用LiDAR和SAR等遥感影像。随着计算机和互联网的快速发展,街景数据因采集容易和成本低等特点成为了一种新兴的建筑物高度估算数据源。文章提出一种街景图像中建筑物高度估算方法,首先利用segment anything model实现图像中建筑物像素高度提取;然后利用图像元数据和电子地图数据获取建筑物与相机之间的距离、图像焦距,根据街景图像与建筑物实体的几何关系改进针孔相机模型,构建建筑物高度估算方法;最后选取北京、柏林的Mapillary街景图像开展实验验证。结果表明,与改进前相比,改进后针孔相机模型明显提升了高度估算准确度,RMSE降低了11.31 m,R^(2)提高了0.4,具备实用价值。

建筑物侧面轮廓线约束的高分辨率遥感影像建筑物高度估算方法

针对现有利用阴影长度法提取建筑物高度时存在的阴影间相互遮挡问题,提出了一种基于建筑物侧面轮廓线进行建筑物高度估算的新方法。首先,利用RPC模型计算建筑物像点位移的方向与卫星成像角度,再将遥感影像进行旋转,使建筑物像点位移沿水平方向;然后,利用Canny算法进行轮廓检测,并构建一定长度的矩形形态学结构元素,对轮廓图像进行形态学开运算,以提取侧面轮廓线,再利用Hough变换与建筑物角点约束,对所提取的轮廓线进一步筛选;最后,根据卫星侧视成像时建筑物高度与像点位移的几何关系进行建筑物的高度估算。利用实际的高分辨率卫星影像对本文方法进行了验证,并与阴影法估算建筑物高度进行了对比。试验结果证明,利用建筑物侧面轮廓线进行建筑物高度估算平均误差可以达到0.7m,且实际精度优于使用阴影法进行建筑物高度估算。

顾及侧面信息的建筑物高度估算

近年来通过提取建筑物阴影计算其高度有较多的研究,但这些方法对于密集建筑群或复杂地面等情况较难实现。针对这一问题,可以用建筑物侧面信息反演建筑物高的方式弥补其缺陷。文章分别采用Otsu算法和LVQ(learning vector quantization)神经网络提取实验区高分遥感影像中的建筑物侧面信息,并计算其长度,然后根据成像物理模型计算建筑物的高度。通过与实测建筑物的高度进行对比,表明该方法可以满足建筑物高度计算的精度要求,并且可以与阴影提取方法的结果互补,最终可获取研究区域绝大多数建筑物的高度信息。