(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 202210801312.7 (22)申请日 2022.07.08 (71)申请人 北京相数 科技有限公司 地址 100193 北京市海淀区天秀路10号中 国农大国际创业园3号楼6层6 063 (72)发明人 黎涛　周旺　雷奇奇　郑月玲　 莫洪源　 (74)专利代理 机构 北京知呱 呱知识产权代理有 限公司 1 1577 专利代理师 胡乐 (51)Int.Cl. G06T 17/00(2006.01) G06F 30/13(2020.01) G06T 19/20(2011.01) G06V 10/75(2022.01)G06V 20/17(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01) (54)发明名称 基于多源数据融合的城市三维模型生成及 更新方法 (57)摘要 本发明公开了一种基于多源数据融合的城 市三维模型生成及更新方法， 充分利用目前已覆 盖范围更广、 空间精度更好、 更新频度更快、 获取 成本更低， 同时更容易获取的遥感影像为基底， 结合遍布城市的高清摄像头图像数据为主要的 数据源， 进一步基于遥感影像、 结合城市摄像头 视频识别图像进行城市局部空间和细节空间要 素动态识别， 对空间要素的新增、 消失、 形态颜色 变化进行特征识别， 从而动态更新城市三维模 型。 一方面大幅度降低了构建成本， 另一方面， 支 持城市三维模 型的实时动态增量更新， 还能够全 生命周期记录城市变迁过程， 使得高精度、 高时 效性的城市三维模型可以普遍应用到大量的数 字孪生和智慧城市数字化项目中。 权利要求书3页 说明书11页 附图3页 CN 115147549 A 2022.10.04 CN 115147549 A 1.一种基于多源数据融合的城市三维模型生成及更新方法， 其特征在于， 所述方法包 括： 城市三维模型生成： 收集第一城市高清遥感影像和第一城市视频监控图像； 其中， 所述第一城市为待生成 三维模型城市； 采用深度神经网络对所述城市高清遥感影像和城市视频监控图像进行模式识别， 提取 第一城市空间要 素及形态特征； 基于所述第一城市高清遥感影像和第一城市视频监控图像 的地理空间属性得到第一城市三维空间模型； 基于预先获取的第 二城市空间要素作为样本， 构建具有多维时空特征标签的城市空间 要素资产库； 其中， 所述时空特征包括： 时间特征、 空间特征、 方位特征、 形状特征、 结构特 征、 色彩特征、 关联特征； 所述空间要素资产库包括： 建筑物资产、 植被 资产、 道路资产、 水体 资产； 将所述第一城市空间要素与 所述城市空间要素资产库的空间资产进行特征匹配， 并将 其融合至第一城市三维空间模型中， 得到第二城市三维空间模型； 对所述第二城市三维空间模型进行人工复检和手工修正， 生成第三城市三维空间模 型； 城市三维模型 更新： 当第一城市高清遥感影像的变化率达到第一阈值时或者第一城市空间要素的变化率 达到第二阈值时执 行以下城市三维模型 更新流程； 基于预先获取的第 二城市空间要素作为样本， 通过深度神经网络算法对所述第 一城市 高清遥感影 像和城市视频监控图像中的空间要素进行识别和特 征提取； 并根据识别出空间要素的时间、 空间位置、 朝向、 形状、 结构、 色彩和空间关系特征生成 空间要素 特定标签； 基于空间要素的特 征标签， 建立空间要素 特征图谱； 根据所述第一城市高清遥感影像和第一城市视频监控图像的拍摄位置和地理空间信 息计算识别出的第一城市空间要 素的空间分布， 基于空间要 素特征图谱生成第四城市三 维 空间模型； 构建第四城市三维空间模型城市空间要素资产库， 根据空间要素资产的空间位置、 朝 向、 形状、 结构、 色彩及空间关系对资产进行特征标注； 将所述进行特征标注后的空间要素 与所述城市空间要素资产库的空间资产进 行特征匹配， 并将其融合至第四城市三 维空间模 型中， 得到第五城市三维空间模型； 对所述第五城市三维空间模型进行人工复检和手工修正， 生成第六城市三维空间模 型； 基于城市三维模型修正记录， 对比修改前后城市空间要素的特征标签差异， 重新修正 空间要素 特征图谱和空间要素样本 。 2.根据权利要求1所述的方法， 其特征在于， 所述收集第 一城市高清遥感影像和第 一城 市视频监控图像具体为： 在线服务订阅特定城市的特定区域高分辨率遥感影像， 依据订 阅服务实时获取最新的 影像作为所述第一城市高清遥感影 像；权　利　要　求　书 1/3 页 2 CN 115147549 A 2获取城市监控视频图像或者对于第一城市区域安装并实时连接监控摄像头获取视频 监控图像作为第一城市视频监控图像。 3.根据权利要求1所述的方法， 其特征在于， 所述提取第一城市空间要素及形态特征 中， 空间要 素包括： 道路、 植被、 建筑物、 水体； 所述形态特征为所述空间要 素的空间特征、 方 位特征、 形状特 征、 结构特 征、 色彩特 征和关联 特征。 4.根据权利要求1所述的方法， 其特征在于， 所述预先获取的第二城市空间要素具体 为： 采集现有城市的历史遥感影像、 监控图像和现有的三 维场景， 采用人工标注方式制作现 有城市空间要素样本库 作为第二城市空间要素。 5.根据权利要求1所述的方法， 其特征在于， 所述对所述第 二城市三维空间模型进行人 工复检和手工修 正， 生成第三城市三维空间模型 具体为： 采用城市三维模型修改工具在高精度城市三维场景中选取各类空间要素， 对比真实情 况对其特 征、 位置、 方向、 大小、 样式进行修改； 其中， 所述第三城市三维空间模型为城市三维模型生成的最终城市三维空间模型。 6.根据权利要求1所述的方法， 其特征在于， 所述当第 一城市高清遥感影像的变化率达 到第一阈值时或者第一城市空间要素的变化率达到第二阈值时启动城市三维模型更新流 程具体为： 通过影像识别算法模型对所述城市高清遥感影像进行变化检测， 当变化率达到第 一阈 值时启动城市三维模型 更新流程； 基于所述城市视频监控图像， 识别出城市空间要素的变化， 当变化率达到第二阈值时 启动城市三维模型 更新流程。 7.根据权利要求1所述的方法， 其特征在于， 所述对所述第五城市三维空间模型进行人 工复检和手工修正， 生成第六城市三维空间模型具体为： 采用城市三维模型修改工具在高 精度城市三 维场景中选取各类空间要 素， 对比真实情况对其特征、 位置、 方向、 大小、 样式进 行修改， 得到修改后的第六城市三维空间模型； 其中， 所述六城市三维空间模型为城市三维模型 更新后的最终城市三维空间模型。 8.一种基于多源数据融合的城市三维模型生成及更新装置， 其特征在于， 所述装置包 括： 城市三维模型生成模块： 用于收集第一城市高清遥感影像和第一城市视频监控图像； 其中， 所述第一城市为待 生成三维模型城市； 采用深度神经网络对所述城市高清遥感影像和城市视频监控图像进行模式识别， 提取 第一城市空间要 素及形态特征； 基于所述第一城市高清遥感影像和第一城市视频监控图像 的地理空间属性得到第一城市三维空间模型； 基于预先获取的第 二城市空间要素作为样本， 构建具有多维时空特征标签的城市空间 要素资产库； 其中， 所述时空特征包括： 时间特征、 空间特征、 方位特征、 形状特征、 结构特 征、 色彩特征、 关联特征； 所述空间要素资产库包括： 建筑物资产、 植被 资产、 道路资产、 水体 资产； 将所述第一城市空间要素与 所述城市空间要素资产库的空间资产进行特征匹配， 并将 其融合至第一城市三维空间模型中， 得到第二城市三维空间模型；权　利　要　求　书 2/3 页 3 CN 115147549 A 3