基于数字征迁的区域数字填图系统及方法与流程

本发明涉及数字征迁，具体涉及基于数字征迁的区域数字填图系统及方法。

背景技术：

1、征地工作直接涉及被征地群众切身利益，关系到社会和谐稳定，征地信息要让被征地群众充分知晓。一直以来，自然资源部坚持把征地信息公开作为强化征地全程管理的重要环节，坚持以群众需求为导向，以制度化、信息化推动征地管理工作公开化、规范化。做好农村集体土地征收基层政务公开工作，对于增强工作透明度，维护被征地农民的合法权益，从源头上防范和化解征地矛盾纠纷；对于规范土地征收行为，促进土地征收顺利实施，为各项建设提供合理用地保障。

2、数字征迁系统的建设有效改变征地信息公开不规范、不彻底、不全面的情况，减少依申请公开征迁信息的差错和不足，能够充分维护被征地群众切身利益，促进社会的和谐稳定。

3、在数字征迁的通过区域数字填图方法可直观的展示更多的建筑物信息，而现有的数字征迁的区域数字填图技术，往往难以展示区域内的建筑物的高度信息，通过逐个建筑物依次派遣工作人员去测量，效率较低，且存在危险，难以高效的测算区域内众多建筑物的高度。

技术实现思路

1、本发明的目的在于提供基于数字征迁的区域数字填图系统及方法，解决以下技术问题：

2、现有的数字征迁的区域数字填图技术，难以展示区域内的建筑物的高度信息，难以高效的测算区域内众多建筑物的高度。

3、本发明的目的可以通过以下技术方案实现：

4、基于数字征迁的区域数字填图系统及方法，包括以下步骤：

5、s1：获取卫星地图信息数据，并采集建筑物侧立面和顶面的图像信息，记录每个图像拍摄时的卫星定位信息；

6、s2：将已知的建筑物高度信息及对应建筑物的位置信息与无人机采集图像信息时的卫星定位信息进行对比，得到与已知的建筑物高度信息对应的图像信息；

7、s3：通过卷积神经网络对建筑物高度信息和对应的图像信息中的建筑物侧立面的图像信息进行模型训练，将无人机采集所有建筑物侧立面的图像信息送入训练好的模型进行建筑物高度预测；

8、s4：将无人机采集的图像信息和预测的对应建筑物高度信息匹配到卫星地图中对应的建筑物，并进行标记和填图；

9、s5：在进行标记和填图后的卫星地图上进行征迁方案规划。

10、作为本发明进一步的方案：所述步骤s1中采集建筑物侧立面和顶面的图像信息，记录每个图像拍摄时的卫星定位信息，包括以下步骤：

11、通过无人机对区域内建筑物进行航拍，分别采集建筑物侧立面和顶面的图像信息，同时，通过无人机上的卫星定位系统记录下每个图像拍摄时的卫星定位信息。

12、作为本发明进一步的方案：所述步骤s2包括以下步骤：

13、采集已知的建筑物高度信息和对应建筑物的位置信息；

14、将已知的建筑物高度信息和对应建筑物的位置信息与无人机采集图像信息时的卫星定位信息进行对比；

15、若建筑物的位置信息与卫星定位信息存在重合区域，则判定建筑物高度信息为无人机采集的图像信息中建筑物高度，得到与已知的建筑物高度信息对应的图像信息。

16、作为本发明进一步的方案：所述步骤s4包括以下步骤：

17、s401：获取无人机采集的图像信息和预测的对应建筑物高度信息；

18、s402：对卫星地图进行网格划分，获取各个网格区域的位置范围，获取无人机采集图像信息时的卫星定位信息；

19、s403：将网格区域的位置范围与无人机采集图像信息时的卫星定位信息相匹配，将无人机采集的图像信息和预测的对应建筑物高度信息分配到对应的网格分组内，对的网格分组内的卫星地图中的建筑物图像进行提取；

20、s404：将无人机采集的图像信息中的建筑物顶面图像与网格内的卫星地图中的建筑物图像进行特征匹配，获取无人机采集的图像信息在网格内的卫星地图的建筑物定位信息；

21、s405：根据无人机采集的图像信息和预测的对应建筑物高度信息，在卫星地图中对提取的建筑物图像进行高度标记和轮廓标记，未进行高度标记的建筑物图像，采用建筑物图像对应网格区域内平均建筑物高度进行标记，并通过不同颜色对不同高度范围的卫星地图中的建筑物进行填图；

22、s406：将进行标记和填图后的卫星地图传输至规划设计模块。

23、作为本发明进一步的方案：所述步骤s402中对卫星地图进行网格划分，获取各个网格区域的位置范围，包括以下步骤：

24、对卫星地图数据进行预处理，预处理包括：数据格式转换、数据筛选和数据清洗；

25、根据卫星地图上有无建筑物和建筑物密度设置分类标准，无建筑物区域不进行网格处理；

26、根据建筑物密度的大小，将进行网格处理的区域划分为：密集区、中等密度区和低密度区；

27、分别对密集区、中等密度区和低密度区采用不同大小的网格，进行网格处理，得到各个网格区域的位置范围；

28、对生成的相邻网格的边界进行平滑和融合处理。

29、作为本发明进一步的方案：所述步骤s404包括以下步骤：

30、通过检测建筑物顶面图像与网格内的卫星地图中的建筑物图像中具有强鲁棒性和稳定性的特征点，并将两幅图像中的特征点进行匹配，在卫星图像上定位出与建筑物顶面图像匹配的建筑物位置。

31、作为本发明进一步的方案：通过特征点检测算法检测建筑物顶面图像与网格内的卫星地图中的建筑物图像中具有强鲁棒性和稳定性的特征点，所述特征点检测算法采用sift、surf或orb。

32、作为本发明进一步的方案：所述步骤s404中将无人机采集的图像信息中的建筑物顶面图像与网格内的卫星地图中的建筑物图像进行特征匹配，包括以下步骤：

33、s4041：在建筑物顶面照片和卫星图像中，通过sift算法检测出具有鲁棒性和稳定性的关键点；sift算法是一种基于图像局部特征的算法，通过检测图像中的高斯拉普拉斯变换的极值点，得到具有不变性的关键点；

34、s4042：在检测出关键点之后，通过sift算法采用局部图像梯度的方式，计算每个关键点周围的图像梯度方向直方图，并将直方图转换为特征向量，并对每个关键点进行特征描述；

35、s4043：通过sift算法采用基于最小距离的匹配方法，将建筑物顶面照片中待匹配的特征向量与卫星图像中的特征向量进行比较，将建筑物顶面照片和卫星图像中的特征向量进行匹配，并通过ransac算法剔除匹配错误的特征向量。

36、基于数字征迁的区域数字填图系统，包括：

37、基础地图模块：用于获取卫星地图信息数据，并将卫星地图信息数据传输至地图填图模块；

38、数据采集模块：用于采集建筑物侧立面和顶面的图像信息，记录下每个图像拍摄时的卫星定位信息；并采集已知的建筑物高度信息和对应建筑物的位置信息，并将采集的信息传输至数据处理模块和地图填图模块；

39、数据处理模块：用于将已知的建筑物高度信息及对应建筑物的位置信息与无人机采集图像信息时的卫星定位信息进行对比，并将无人机采集的图像信息和对应的建筑物高度信息传输至建筑物高度预测模块；

40、建筑物高度预测模块：用于通过卷积神经网络对获取的建筑物高度信息和对应的图像信息中的建筑物侧立面的图像信息进行模型训练，将无人机采集所有建筑物侧立面的图像信息送入训练好的模型进行建筑物高度预测，将无人机采集的图像信息和预测的对应建筑物高度信息传输至地图填图模块；

41、地图填图模块：用于将无人机采集的图像信息和预测的对应建筑物高度信息匹配到卫星地图中对应的建筑物，并进行标记和填图，将标记和填图后的卫星地图发送至征迁数据管理模块。

42、作为本发明进一步的方案：还包括：

43、征迁数据管理模块：用于管理征迁过程中的相关数据，包括建筑物的定位信息、被征收人信息、土地使用情况和评估价值；

44、规划设计模块：获取进行标记和填图后的卫星地图，在进行标记和填图后的卫星地图上进行征迁方案规划。

45、本发明的有益效果：

46、本发明通过地图填图的方式在卫星地图中标注建筑物高度，可以为数字征迁提供重要的基础设施信息，帮助数字征迁人员对城市资源进行有效规划和管理，为城市发展提供科学决策支持。通过采集建筑物图像信息，与已知的建筑物高度信息对应的图像信息，基于深度学习的建立模型，可对所有拍摄到的建筑物进行高度预测，便于快速获取区域内的建筑物进行高度，通过采集建筑物侧立面和顶面的图像信息，可更好将采集到的图像信息与地图上的建筑物相匹配，更准确的对地图上的建筑物的高度进行填图标记。