本發明涉及建筑物建模，具體涉及一種基于多源衛星的建筑物三維白模自動生成方法及系統。
背景技術：
1、目前，主流的城市三維建模技術主要依賴于航空攝影測量與機載激光雷達，航空攝影測量通過從不同角度拍攝的重疊影像來恢復三維信息，而機載激光雷達則通過主動發射激光脈沖直接獲取高精度三維點云，隨著我國高分七號、資源三號等國產立體測繪衛星星座的發展，其具備的雙線陣立體相機和激光測高儀，為從太空獲取全球范圍、全天候的立體觀測數據提供了可能，現有技術通常利用這類衛星數據生產大范圍的地形級數字表面模型產品，然而，在建筑物密集、結構復雜的城市區域，現有基于衛星的自動化處理技術存在明顯不足：
2、（1）建筑物輪廓的自動化提取精度和完整性不高，易受陰影、植被及復雜屋頂結構的干擾；
3、（2）建筑物高度的自動化反演精度不足，難以從衛星立體影像中穩定、準確地分離出建筑物的頂部高程與底部高程；
4、（3）整體處理流程的自動化與智能化程度有限，難以將多源衛星數據進行有效融合以發揮各自優勢，導致最終生成的建筑物三維白模在精度、效率和可靠性上，均難以滿足智慧低空管理等新興應用對城市級三維數據底座快速構建與更新的迫切需求。
技術實現思路
1、本發明的目的在于提供一種基于多源衛星的建筑物三維白模自動生成方法及系統，以解決現有技術中數據獲取成本高、效率低、受限多，衛星數據自動化處理精度不足以及多源衛星數據融合利用不充分的技術問題。
2、為解決上述技術問題，本發明具體提供下述技術方案：
3、本發明的第一個方面，提供了一種基于多源衛星的建筑物三維白模自動生成方法，包括以下步驟：
4、獲取目標區域的雙線陣立體影像數據和激光測高數據，對獲取的原始數據進行輻射校正、幾何校正及聯合平差處理，形成具有統一地理參考的高精度立體觀測數據集；
5、融合處理后的所述雙線陣立體影像數據與所述激光測高數據，通過立體匹配與激光點云插值，生成覆蓋目標區域的的數字表面模型，所述激光測高數據用于校正和增強由立體影像生成的初始dsm的高程精度；
6、將所述數字表面模型及相關多光譜影像作為輸入，利用深度學習語義分割模型，自動識別并精細化提取所述目標區域內每一棟建筑物的屋頂輪廓，并輸出為矢量多邊形數據，所述深度學習語義分割模型針對衛星影像中建筑物頂部的光譜、紋理及高程特征進行優化；
7、提取每一個建筑物矢量輪廓，在所述數字表面模型上進行空間分析，計算該建筑物輪廓范圍內數字表面模型高程值的統計特征值，將表征屋頂主體的高程值確定為該建筑物的頂部高程，通過分析建筑物輪廓邊緣鄰近區域的高程，確定建筑物與地面接觸的基底高程，作為該建筑物的底部高程；
8、將每一棟建筑物的矢量輪廓作為底面，依據其對應的所述頂部高程與所述底部高程的差值作為建筑高度，進行垂直拉伸，生成具有真實平面位置與高度的三維體塊模型，形成所述目標區域的建筑物三維白模數據集。
9、作為本發明的一種優選方案，獲取目標區域的雙線陣立體影像數據和激光測高數據，對獲取的原始數據進行輻射校正、幾何校正及聯合平差處理，形成具有統一地理參考的立體觀測數據集，包括：
10、調度立體測繪衛星星座，對所述目標區域進行準同步觀測，獲取由前視、后視及正視相機組成的雙線陣立體影像對，以及由星載激光測高儀獲取的離散激光點云數據；
11、基于衛星精密軌道與姿態數據，將所述雙線陣立體影像對與所述激光點云進行初步地理配準，確保其覆蓋同一地理區域；
12、對所述雙線陣立體影像對進行輻射校正，并將雙線陣立體影像與激光點云進行一體化幾何校正；
13、將地面控制點與所述激光點云作為高精度控制基準，通過區域網平差方法，對影像的內方位元素與外方位元素進行聯合優化，獲取立體觀測數據集。
14、作為本發明的一種優選方案，采用區域網平差方法對影像的內方位元素與外方位元素進行聯合優化，包括：
15、構建以光束法區域網平差為核心的聯合平差模型，將所述雙線陣立體影像中的每個像點、所述激光點云中的每個激光腳點，均視為源自空間物方點的觀測值；
16、在所述聯合平差模型中，以所述激光點云的三維坐標作為強約束條件，并以稀疏分布的地面控制點作為絕對控制基準，建立統一的誤差方程，其表達式為：
17、
18、其中，表示觀測值殘差向量，表示對應像點觀測值的設計矩陣，其未知數為所述相機參數精化值及衛星姿態軌道系統誤差改正數，表示相機及軌道姿態參數的改正數向量，表示對應物坐標點的設計矩陣，表示連接點及激光點云數據坐標的改正數向量，表示觀測值減去相應計算值的常數項向量；
19、基于所述誤差方程與權矩陣，采用加權最小二乘準則進行迭代解算，其表達式為：
20、
21、其中，表示根據觀測值先驗精度確定的權矩陣，所述權矩陣的設定原則為：對激光點云三維坐標觀測值賦予較高的權值，對地面控制點坐標觀測值賦予最高的固定權值；
22、迭代解算所述立體影像的相機參數精化值、衛星姿態軌道系統誤差改正數，以及所有連接點的優化三維坐標，將多源觀測數據在幾何上高精度對齊。
23、作為本發明的一種優選方案，融合處理后的所述雙線陣立體影像數據與所述激光測高數據，通過立體匹配與激光點云插值，生成覆蓋目標區域的的數字表面模型，所述激光測高數據用于校正和增強由立體影像生成的初始dsm的高程精度，包括：
24、對所述雙線陣立體影像對，采用半全局立體匹配算法，逐像素計算視差，生成初始數字表面模型；
25、對所述立體觀測數據集中的激光點云進行濾波，將濾波后的激光點云格網化，生成規則格網形式的激光高程控制面；
26、將所述初始數字表面模型與所述激光高程控制面在空間上進行精確配準，計算同一平面位置處兩個dsm的高程差值，形成高程殘差場；
27、基于所述高程殘差場，采用趨勢面擬合方法，建立所述初始在所述目標區域內的高程系統誤差模型；
28、利用所述高程系統誤差模型，對所述初始進行全域性校正，將校正后的數字表面模型與激光高程控制面進行融合，對全區域進行插值和平滑處理生成數字表面模型。
29、作為本發明的一種優選方案，將校正后的數字表面模型與激光高程控制面進行融合，所述融合策略為：
30、在激光點云覆蓋的區域，以激光高程控制面的高程值為主導，將校正后的數字表面模型中對應位置的高程值向值進行自適應逼近，以保留激光的高精度并平滑光學dsm的局部噪聲；
31、在激光點云未覆蓋的區域，直接使用校正后的數字表面模型的高程值進行填充。
32、作為本發明的一種優選方案，將所述數字表面模型及相關多光譜影像作為輸入，利用深度學習語義分割模型，自動識別并精細化提取所述目標區域內每一棟建筑物的屋頂輪廓，并輸出為矢量多邊形數據，所述深度學習語義分割模型針對衛星影像中建筑物頂部的光譜、紋理及高程特征進行優化，包括：
33、創建用于模型訓練與推理的多通道輸入特征影像，所述多通道輸入特征影像包括來自多光譜影像的紅、綠、藍及近紅外波段，提供光譜與植被指數信息，以及由所述數字表面模型衍生出的歸一化高程通道與坡度通道；
34、將所述多通道輸入特征影像輸入所述深度學習語義分割模型中，學習并構建從高程特征到建筑物的映射關系，保存最優模型權重，獲得初始的建筑物二值分割掩膜；
35、對所述二值分割掩膜進行后處理，使用邊緣細化算法優化建筑物邊界，獲取優化后的二值分割掩膜；
36、對優化后的二值掩膜進行多邊形矢量化，生成每個建筑物獨立的矢量輪廓，并賦予唯一標識符，輸出為結構化矢量數據。
37、作為本發明的一種優選方案，提取每一個建筑物矢量輪廓，在所述數字表面模型上進行空間分析，計算該建筑物輪廓范圍內數字表面模型高程值的統計特征值，包括：
38、提取的每一個建筑物矢量輪廓，在所述數字表面模型上進行空間分析，提取頂部高程和底部高程分為兩個并行執行的子過程；
39、將計算得到的每個建筑物的頂部高程與底部高程，作為屬性字段關聯存儲至對應的建筑物矢量輪廓數據中。
40、作為本發明的一種優選方案，將表征屋頂主體的高程值確定為該建筑物的頂部高程，通過分析建筑物輪廓邊緣鄰近區域的高程，確定建筑物與地面接觸的基底高程，作為該建筑物的底部高程，包括：
41、建筑物頂部高程自動提取，具體為：
42、針對當前建筑物矢量輪廓，在所述數字表面模型上提取其內部所有像素的高程值，構成該建筑的屋頂高程樣本集；
43、計算所述屋頂高程樣本集的統計分布，基于所述統計分布識別并剔除樣本中的明顯異常低值點，所述異常低值點對應于屋頂上的天窗、通風口或植被所造成的凹陷；
44、對過濾后的有效屋頂高程樣本集，計算其統計特征值，并將該特征值確定為該建筑物的頂部高程；
45、建筑物底部高程自動提取，具體為：
46、沿當前建筑物矢量輪廓的邊界，向外側創建一個寬度為d的環狀緩沖區，所述寬度d根據建筑規模自適應設定，以確保緩沖區落入建筑物周邊的地面區域；
47、在所述環狀緩沖區內，從所述數字表面模型上提取所有像素的高程值，構成候選地面高程樣本集；
48、計算所述候選地面高程樣本集的統計特征，將候選樣本集中低于所述統計特征值加上一個閾值th的所有點，判定為可靠地面點；
49、計算所有可靠地面點的高程平均值，將其確定為該建筑物與地面接觸的基底高程。
50、作為本發明的一種優選方案，將每一棟建筑物的矢量輪廓作為底面，依據其對應的所述頂部高程與所述底部高程的差值作為建筑高度，進行垂直拉伸，生成具有真實平面位置與高度的三維體塊模型，形成所述目標區域的建筑物三維白模數據集，包括：
51、對每一個附帶頂部高程h_top與底部高程h_base屬性的建筑物矢量輪廓進行幾何檢查與修復，確保其為一個閉合、無自相交的平面多邊形；
52、以所述矢量輪廓多邊形作為底面，以其平面坐標定義幾何形狀，以所述底部高程h_base作為底面所在的基準高程面；
53、以頂部高程與底部高程的差值作為拉伸高度，沿垂直方向進行拉伸，生成一個以該底面為底、頂面平行于底面的三維棱柱體，作為該建筑物的基礎白模；
54、將生成的每一個三維棱柱體，依據其底面多邊形的投影坐標及底部高程，精確放置到三維空間坐標系中；
55、將所述建筑物的唯一標識符、輪廓面積、計算得到的高度值作為屬性，關聯存儲至該三維體塊模型；
56、將所述目標區域內所有建筑物的三維體塊模型進行空間集成，剔除幾何沖突或重疊部分，生成覆蓋整個目標區域的、連續的建筑物三維白模數據集。
57、一種基于多源衛星的建筑物三維白模自動生成系統，用于實現權利要求1-9任意一項所述的一種基于多源衛星的建筑物三維白模自動生成方法，系統包括：
58、數據獲取與預處理模塊，對多源衛星數據進行輻射校正、幾何校正及聯合平差處理，形成高精度立體觀測數據集；
59、數字表面模型生成模塊，融合所述高精度立體觀測數據集中的雙線陣立體影像與激光測高數據，生成具有亞米級精度的數字表面模型；
60、建筑物輪廓自動化提取模塊，將所述數字表面模型及相關多光譜影像作為輸入，利用優化后的深度學習語義分割模型，自動識別并提取建筑物屋頂輪廓，輸出為矢量多邊形數據；
61、建筑物高程提取模塊，針對每一個建筑物矢量輪廓，在所述數字表面模型上進行空間分析，自動計算其頂部高程與底部高程，并將高程值關聯至所述矢量輪廓數據；
62、三維白模自動構建模塊，依據所述帶有高程屬性的建筑物矢量輪廓，自動生成三維體塊模型，并集成為目標區域的建筑物三維白模數據集。
63、本發明與現有技術相比較具有如下有益效果：
64、本發明通過雙線陣立體影像與激光測高數據的聯合平差與系統校正，解決了衛星光學立體測高中城市區域高程精度不足的核心技術瓶頸；采用融合光譜、紋理與高程特征的深度學習模型及抗干擾的統計空間分析方法，實現了建筑物輪廓與高度的自動化、高精度、高魯棒性提取；最終基于精確的幾何與屬性數據，自動化生成結構完整、語義豐富的城市級三維白模，克服了傳統航空測量成本高、周期長以及現有衛星技術自動化程度與精度不足的缺點，能夠以更低成本、更高效率生產滿足低空經濟、數字城市等應用需求的高質量三維數據底座，實現了大范圍城市三維信息的快速、精準、規模化獲取。