技术特征：
1.一种基于深度学习的建筑轮廓矫正方法，其特征在于，所述基于深度学习的建筑轮廓矫正方法包括：获取待矫正建筑图像；获取经过训练的建筑轮廓矫正模型；提取所述待矫正建筑图像的轮廓特征图；根据所述待矫正建筑图像的轮廓特征图以及经过训练的线连接模型获取矫正后的建筑图像。2.如权利要求1所述的基于深度学习的建筑轮廓矫正方法，其特征在于，所述提取所述待矫正建筑图像的轮廓特征图包括：获取堆叠沙漏网络；将所述待矫正建筑图像输入至所述堆叠沙漏网络，从而使所述待矫正建筑图像通过两个2跨步的卷积层以空间分辨率进行两次下采样，将学习到的特征图由多个类似沙漏模块进行逐步细化，并对每个模块的输出施加中间监督，进行计算得到图片的轮廓特征图。3.如权利要求2所述的基于深度学习的建筑轮廓矫正方法，其特征在于，所述根据所述待矫正建筑图像的轮廓特征图以及经过训练的线连接模型，从而获取矫正后的建筑图像包括：根据所述轮廓特征图获取预测连接点；将各个预测连接点输入至训练的线连接模型，从而获取预测的各个连接线；根据各个预测的连接线组成预测轮廓图；根据预测轮廓图以及所述轮廓特征图获取矫正后的建筑图像。4.如权利要求3所述的基于深度学习的建筑轮廓矫正方法，其特征在于，所述根据所述轮廓特征图获取预测连接点包括：通过调整轮廓特征图片大小并归一化处理，从而获取经过归一化的轮廓特征图；将经过归一化的轮廓特征图化为128*128个区域；为每个区域进行如下操作：判断区域中是否存在连接点，若是，则通过回归预测的方式计算该区域中的连接点的回归值。5.如权利要求4所述的基于深度学习的建筑轮廓矫正方法，其特征在于，所述根据预测轮廓图以及所述轮廓特征图获取矫正后的建筑图像包括：将所述预测轮廓图以及所述轮廓特征图进行线性插值匹配，通过线的验证网络验证线是否为正确连接线框，若是，则保留正确连接线框；判断各个正确连接线框是否重叠，若是，则去除重叠的正确连接线框，从而获取最终连接线框，各个所述最终连接线框组成所述矫正后的建筑图像。6.如权利要求5所述的基于深度学习的建筑轮廓矫正方法，其特征在于，所述通过线的验证网络验证线是否为正确连接线框包括：计算每个线框的回归值是否满足阈值，若是，则将满足阈值的线框作为正确连接线框。7.如权利要求6所述的基于深度学习的建筑轮廓矫正方法，其特征在于，所述根据所述轮廓特征图获取预测连接点包括：获取预设的预测交叉点位置排名列表；
为每个连接点进行如下操作：根据预测交叉点位置排名列表以及各个连接点的回归值判断该连接点与其最近的真实点之间是否低于2.0，且是最小的距离值，若是，则认为该交叉点是预测连接点。8.如权利要求7所述的基于深度学习的建筑轮廓矫正方法，其特征在于，所述通过线的验证网络验证线是否为正确连接线框包括：将预测连接点通过loipooling特征回归计算每个点的特征值，再和所述轮廓特征图进行线性插值和双线性插值的计算，得出对应特征向量，再通过最大池化层减少特征向量的大小得到特征向量图，得到的特征向量图传递给两个全连接层来获得分类结果，得到线的损失logit，通过logit和这条线的标签之间的sigmoid二元交叉熵损失，判断属于正负样本中的哪个样本最接近，与正样本接近则为正确的线匹配工作，将扭曲的线矫正为正确的线从而获取正确连接线框。9.如权利要求8所述的基于深度学习的建筑轮廓矫正方法，其特征在于，所述根据预测轮廓图以及所述轮廓特征图获取矫正后的建筑图像进一步包括：通过建筑轮廓的成对数据集对所述线的验证网络进行训练；其中，所述建筑轮廓的成对数据集采用如下方式获取：生成基本图形；对基本图形进行多次随机变换从而形成不同的样本图像，其中部分样本图像组成正样本集，另一部分样本图像组成负样本集，所述正样本集的数量多于所述负样本集。10.一种基于深度学习的建筑轮廓矫正装置，其特征在于，所述基于深度学习的建筑轮廓矫正装置包括：图像获取模块，所述图像获取模块用于获取待矫正建筑图像；建筑轮廓矫正模型获取模块，所述建筑轮廓矫正模型获取模块用于获取经过训练的建筑轮廓矫正模型；特征提取模块，所述特征提取模块用于提取所述待矫正建筑图像的轮廓特征图；矫正模块，所述矫正模块用于根据所述待矫正建筑图像的轮廓特征图以及经过训练的线连接模型获取矫正后的建筑图像。
技术总结
本申请公开了一种基于深度学习的建筑轮廓矫正方法及装置。所述基于深度学习的建筑轮廓矫正方法包括：获取待矫正建筑图像；获取经过训练的建筑轮廓矫正模型；提取所述待矫正建筑图像的轮廓特征图；根据待矫正建筑图像的轮廓特征图以及经过训练的线连接模型获取矫正后的建筑图像。本申请的基于深度学习的建筑轮廓矫正方法可以有效地将复杂场景中扭曲的线框矫正为横平竖直的线框，最后将得到的线框结果作为建筑地面轮廓，应用到建筑重构工作中去。去。去。
技术研发人员：张宇 李景瑞 朱旭平 宋彬 何文武
受保护的技术使用者：北京飞渡科技有限公司
技术研发日：2022.11.18
技术公布日：2023/1/19