(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 202211187675.2 (22)申请日 2022.09.28 (71)申请人 广西壮族自治区自然资源遥感院 地址 530201 广西壮 族自治区南宁市冬花 路21号 (72)发明人 陈瑞波　刘润东　梅树红　梁冬生　 潘婵玲　陈家兴　何丽娟　王朝厅　 吴帅　 (74)专利代理 机构 广西中知华誉知识产权代理 有限公司 45140 专利代理师 吴震辉 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/22(2022.01) G06V 10/26(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习的三维模型植被区域轻 量化处理方法 (57)摘要 本发明涉及地理信息系统数据处理领域， 其 具体公开了一种基于深度学习的三维模型植被 区域轻量化处理方法， 包括以下步骤： 步骤1、 训 练用于植被检测的深度学习网络模 型参数； 步骤 2、 读入实景三维模型数据生成真正射影像TDOM； 步骤3、 采用深度学习图像分割方法， 在TDOM上检 测出植被区域； 步骤4、 搜索三维模型所有三角形 的顶点， 判断顶点是否落在植被区域内并做标 记； 步骤5、 采用带标记的二次误差测度算法简化 三维模型的植被区域。 本发明的一种基于深度学 习的三维模 型植被区域轻量化处理方法， 能够精 准地对城市实景三维模型中植被区域进行模型 简化， 有效减小城市级实景三维模 型中的冗余数 据， 提高数据的调度处 理效率。 权利要求书1页 说明书5页 附图3页 CN 115482466 A 2022.12.16 CN 115482466 A 1.一种基于深度学习的三维模型植被区域轻量化处理方法， 其特征在于， 包括以下步 骤： 步骤1、 训练用于植被 检测的深度学习网络模型参数； 步骤2、 读入实景三维模型 数据生成真正 射影像TDOM； 步骤3、 利用步骤S1训练得到的用于植被检测的深度学习网络模型参数， 采用深度 学习 图像分割方法， 在真正 射影像TDOM上检测出植被区域； 步骤4、 搜索实景三维模型所有三角形的顶点， 判断顶点是否落在植被区域内并做标 记； 步骤5、 采用带 标记的二次误差测度算法简化实景三维模型的植被区域。 2.根据权利要求1所述的一种基于深度学习的三维模型植被区域轻量化处理方法， 其 特征在于， 所述 步骤1中， 训练用于植被 检测的深度学习网络模型参数包括以下步骤： (1)收集植被类地物的真正 射影像TDOM素 材切片并标注植被区域， 以制作训练集； (2)对训练集图像进行 数据增强处 理； (3)构建深度学习网络模型并进行迭代训练， 以得到模型参数。 3.根据权利要求2所述的一种基于深度学习的三维模型植被区域轻量化处理方法， 其 特征在于， 通过对训练集图像进 行随机亮度、 饱和度、 清晰度、 旋转、 剪切、 翻转、 加高斯噪声 的处理， 以进行 数据增强处 理。 4.根据权利要求1所述的一种基于深度学习的三维模型植被区域轻量化处理方法， 其 特征在于， 所述步骤2中生 成真正射影像TDOM的具体实现方式包括： 读入实景三 维模型进 行 数据加载， 将相机视点设置为模 型的中心 正上方， 然后 将相机视角设置为垂 直向下， 投影方 式为正射投影， 再进行离屏渲染并把 渲染结果保存为图片文件。 5.根据权利要求1所述的一种基于深度学习的三维模型植被区域轻量化处理方法， 其 特征在于， 所述步骤3中， 使用步骤1训练得到的深度学习网络模型参数检测步骤2中真正射 影像TDOM上的植被区域， 以对真正射影像TDOM进行分割， 然后对分割结果做 二值化处理， 植 被区域标记为1， 其它标记为0 。 6.根据权利要求1所述的一种基于深度学习的三维模型植被区域轻量化处理方法， 其 特征在于， 所述步骤4中， 实景三维模型中三角形的顶点坐标为(X,Y,Z)， 如果(X,Y)落在植 被区域内并且顶点所在边 为非边界边则标记该顶点 为1， 否则为标记0 。 7.根据权利要求1所述的一种基于深度学习的三维模型植被区域轻量化处理方法， 其 特征在于， 所述步骤5中， 如果三角形的边的两个顶 点均标记1， 则计算其折叠代 价Δ(e)， 否 则把该边的折叠代价Δ(e)设为最大值MAX， 根据折叠代价大小进行排序， 优先删减折叠代 价最小的边， 在删减边之后把新顶点的标记1， 然后更新局部模型 的拓扑信息， 迭代简化直 至设定简化 率或者折叠误差小于设定阈值， 最后输出简化模型。权　利　要　求　书 1/1 页 2 CN 115482466 A 2一种基于深度学习的三维模型植被区域轻量化处理 方法 技术领域 [0001]本发明涉及 地理信息系统数据处理领域， 尤其涉及一种基于深度学习的三维模型 植被区域轻量 化处理方法。 背景技术 [0002]基于倾斜摄影测量的三维重建技术通过海量的影像数据生成真三维模型， 真实地 还原地物信息， 已经成为城市级实景三维建设的重要手段之一。 为了保证视觉效果， 城市三 维场景的建模精度通常较高， 精细的城市级三 维模型往往达到了TB 级的数据量。 但是， 巨大 的数据量不仅降低了调度效率， 还给图形渲染造成了极大 的压力， 减小模型数据量已成为 三维可视化中亟 待解决的问题之一。 [0003]三维模型的主要数据为三维网格和二维纹理贴图， 目前构成三维网格的基本图元 主要是三角形。 通常使用简化算法删除一定的三角形来简化三维模 型， 其中Gar land等提出 的基于边折叠的QEM算法以高简化质量、 低复杂度得到广泛应用和改进。 但是在 进行简化处 理时， 目前的简化 算法难免造成三维模型的精度恶化， 甚至导 致模型的形状发生较大变化。 [0004]在城市实景三维模型中， 植被的重要性不高， 但是由于植被表面不平整， 实景三维 模型里有大量密集的三角形用于表达植被， 于是模型中存在大量无意义的三角形数据。 因 此， 精准地对植被区域进 行模型简化， 将会有效减小城市级实景三 维模型中的冗余数据， 提 高数据的调度处 理效率。 发明内容 [0005]本发明旨在至少解决上述所提及的技术问题 之一， 提供一种基于深度学习的三维 模型植被区域轻量化处理方法， 能够精准地对城市实景三维模型中植被区域进行模型简 化， 有效减小城市级实景三维模型中的冗余数据， 提高数据的调度处 理效率。 [0006]为了实现上述目的， 本发明采用的技术方案为： 一种基于深度学习的三维模型植 被区域轻量 化处理方法， 包括以下步骤： [0007]步骤1、 训练用于植被 检测的深度学习网络模型参数； [0008]步骤2、 读入实景三维模型 数据生成真正 射影像TDOM； [0009]步骤3、 利用步骤S1训练得到的用于植被检测的深度学习网络模型参数， 采用深度 学习图像分割方法， 在真正 射影像TDOM上检测出植被区域； [0010]步骤4、 搜索三维模型所有三角形的顶点， 判断顶点是否落在植被区域内并做标 记； [0011]步骤5、 采用带 标记的二次误差测度算法简化实景三维模型的植被区域。 [0012]优选的， 所述步骤1中， 训练用于植被检测的深度学习网络模型参数包括以下步 骤： [0013](1)收集植被类地物的真正 射影像TDOM素 材切片并标注植被区域， 以制作训练集； [0014](2)对训练集图像进行 数据增强处 理；说　明　书 1/5 页 3 CN 115482466 A 3