基于建筑信息化的無人機(jī)遙感測(cè)量關(guān)鍵建筑材料圖像識(shí)別淺析

楊 奔 王志豪

（1 北海職業(yè)學(xué)院；2 深圳市勘察測(cè)繪院（集團(tuán)）有限公司）

0 前言

無人機(jī)遙感測(cè)量是應(yīng)用遙測(cè)遙控技術(shù)、無人駕駛飛行器技術(shù)、遙感傳感器技術(shù)、遙感應(yīng)用技術(shù)、數(shù)據(jù)通訊及同步技術(shù)、差分定位技術(shù)等先進(jìn)技術(shù)進(jìn)行測(cè)量，它具有智能化、自動(dòng)化、便捷化等優(yōu)點(diǎn)。建筑信息化技術(shù)是利用建筑信息化軟件將建筑材料信息、建筑構(gòu)件尺寸信息、建筑物構(gòu)件關(guān)鍵點(diǎn)位置信息等參數(shù)建立建筑信息化模型，以便對(duì)建筑進(jìn)行相關(guān)模擬和分析。

基于建筑信息化的無人機(jī)遙感測(cè)量，是將帶有定位裝置的無人駕駛飛行器（無人機(jī)）飛臨建筑物周邊，通過無人機(jī)拍攝建筑物關(guān)鍵圖像，通過遙感傳感器技術(shù)測(cè)量建筑物構(gòu)件若干個(gè)關(guān)鍵點(diǎn)到無人機(jī)的距離，進(jìn)而通過差分定位技術(shù)確定建筑物構(gòu)件關(guān)鍵點(diǎn)的位置。通過基于建筑信息化的無人機(jī)遙感測(cè)量，能比較精確地測(cè)量出中高層建筑、超高層建筑以及一些不適宜用地面測(cè)量方法進(jìn)行測(cè)量的建筑的構(gòu)件關(guān)鍵點(diǎn)的位置。但是，基于建筑信息化的無人機(jī)遙感測(cè)量的其中一個(gè)關(guān)鍵技術(shù)點(diǎn)是通過圖像識(shí)別技術(shù)在無人機(jī)拍攝建筑物關(guān)鍵圖像識(shí)別出建筑物構(gòu)件關(guān)鍵點(diǎn)，進(jìn)而通過差分定位技術(shù)確定建筑物構(gòu)件關(guān)鍵點(diǎn)的位置。因此，本課題對(duì)利用圖像識(shí)別技術(shù)識(shí)別關(guān)鍵建筑材料及建筑物構(gòu)件關(guān)鍵點(diǎn)的應(yīng)用方法進(jìn)行分析研究。

1 基于建筑信息化的無人機(jī)遙感測(cè)量關(guān)鍵建筑材料圖像識(shí)別模型的建立、訓(xùn)練及應(yīng)用

關(guān)鍵建筑材料圖像識(shí)別模型采用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。首先，將一棟建筑的墻、門、窗等不同建筑構(gòu)件和混凝土、木、石等不同建筑材料的圖片通過語意分割存儲(chǔ)為不同種類的二進(jìn)制文件，以便軟件能迅速使用和重構(gòu)圖像。然后，從零開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)（CNN）。卷積神經(jīng)網(wǎng)絡(luò)（CNN）將一張圖前向傳輸通過網(wǎng)絡(luò)，然后輸出一個(gè)最終的分類結(jié)果。卷積神經(jīng)網(wǎng)絡(luò)由幾十層或者幾百層構(gòu)成，每一層都學(xué)習(xí)檢測(cè)不同的特征。從零開始構(gòu)建網(wǎng)絡(luò)時(shí)，一般采用常用層進(jìn)行簡(jiǎn)單組合的形式，以便降低復(fù)雜度將使調(diào)試更方便。如圖1 所示，通過讀取圖像二進(jìn)制文件和數(shù)據(jù)分層可完成訪問數(shù)據(jù)和配置網(wǎng)絡(luò)層。

圖1 數(shù)據(jù)的讀取與分層

接著，開始選擇訓(xùn)練方案來訓(xùn)練網(wǎng)絡(luò)。常用的訓(xùn)練方案主要有訓(xùn)練進(jìn)度圖、最大訓(xùn)練代數(shù)（Epoch）、最小批大小(Minibatch size)、學(xué)習(xí)速率等。如圖2 所示，本文主要采用進(jìn)度圖和最小批大小這兩個(gè)方案來運(yùn)行訓(xùn)練網(wǎng)絡(luò)并監(jiān)控其進(jìn)度。

圖2 運(yùn)行訓(xùn)練網(wǎng)絡(luò)

為了提高訓(xùn)練模型的準(zhǔn)確率，可采用數(shù)據(jù)增強(qiáng)技術(shù)。運(yùn)用數(shù)據(jù)增強(qiáng)技術(shù)，可通過添加改變版本的原始圖像可增加訓(xùn)練圖像中的變體數(shù)量。用得比較多的數(shù)據(jù)增強(qiáng)類型有旋轉(zhuǎn)、平移、縮放等圖像轉(zhuǎn)換。例如可以將原始圖像向左移動(dòng)10 個(gè)像素創(chuàng)建一個(gè)新圖像來進(jìn)行隨機(jī)平移。代碼如下：

雖然這種平移非常微小，但它可以使神經(jīng)網(wǎng)絡(luò)去學(xué)習(xí)和理解現(xiàn)實(shí)生活中的微小變化來增加深度學(xué)習(xí)網(wǎng)絡(luò)的兼容性。

接下來，運(yùn)行語義分割網(wǎng)絡(luò)，語義分割網(wǎng)絡(luò)由一個(gè)圖像分類網(wǎng)絡(luò)和創(chuàng)建最終像素分類的向上采樣部分組成，可以使用segnetLayers() 函數(shù)自動(dòng)創(chuàng)建網(wǎng)絡(luò)的向上采樣部分，從而形成一個(gè)有向無環(huán)圖(DAG) 網(wǎng)絡(luò)。在網(wǎng)絡(luò)訓(xùn)練中，可采用動(dòng)量隨機(jī)梯度下降(SGDM)、批大小等優(yōu)化算法。本課題使用的最小批大小為4，可以在訓(xùn)練過程減少內(nèi)存使用。當(dāng)然，批大小可以參照GPU 內(nèi)存可用量進(jìn)行提高或降低。

基于建筑信息化的無人機(jī)遙感測(cè)量關(guān)鍵建筑材料圖像識(shí)別模型深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)經(jīng)過一定時(shí)間的訓(xùn)練后，將建筑圖像導(dǎo)入模型中，可完成圖像識(shí)別，如圖3 所示。當(dāng)然，如果想要進(jìn)行更精細(xì)的圖像識(shí)別，還需采用更多數(shù)據(jù)集來訓(xùn)練網(wǎng)絡(luò)。

圖3 建筑圖像識(shí)別

2 結(jié)語

建筑信息化技術(shù)與無人機(jī)遙感測(cè)量的結(jié)合，能較好地測(cè)量出建筑的關(guān)鍵構(gòu)件信息，能為建筑進(jìn)行進(jìn)一步的模擬和分析提供參數(shù)。