С помощью инструментов обработки и классификации изображений envi вы можете получить крыши из изображений с некоторым спектральным значением, а затем преобразовать их в векторные данные для своего приложения.
в Python с OpenCV , разработанным Intel (имеет множество алгоритмов обнаружения объектов), вы можете обнаруживать лица по изображениям.
Пример OpenCV:
Мой вопрос заключается в том, можем ли мы обнаружить крышу или что-либо из скоординированных или нескоординированных спутниковых изображений с помощью инструментов с открытым исходным кодом как python?
Пример спутникового изображения:
python
remote-sensing
satellite
envi
Арагон
источник
источник
Я боюсь, что удовлетворительное обнаружение крыши не может быть достигнуто только с одним единственным спутниковым изображением. Вы должны попытаться использовать другие источники информации.
В следующей статье описывается метод с использованием матрицы высот + пары аэрофотоснимков + кадастровые данные:
М. Дюрупт, Ф. Тайландье. Автоматическая реконструкция здания по цифровой модели рельефа и кадастровым данным: оперативный подход. Международный архив фотограмметрии, дистанционного зондирования и наук о пространственной информации. Том 36 (часть 3), Бонн, Германия, сентябрь 2006 г.
Смотрите также другие статьи в разделе библиографии (например, этот ).
Я подозреваю, что такие методы не реализованы в программах с открытым исходным кодом Python.
источник
Вы пробовали набор инструментов Orfeo ?
источник
Хорошо только из одного изображения, вы можете сделать контролируемую или неконтролируемую классификацию. Попробуйте несколько раз и посмотрите, если результаты хорошие.
Лучше, как я, делал ортофотопланы из изображений. Затем у меня был след здания, поэтому я отфильтровал ландшафт от изображения. Затем я сделал классификацию пикселей и создал векторные объекты.
Если у вас есть ЦМР или стереопары, вы можете их создать. Тогда вы можете обнаружить крыши.
Кроме того, на вашем изображении изображение полно теней. Удачи в общении с ними. Таким образом, в Python я ничего не видел. Я использовал ArcGis для классификации. Но так как вы упомянули OpenSource, QGIS можно попробовать.
Последнее замечание: то, что вы спросили, является основной темой исследования, и вы должны улучшить базу данных, чтобы получить хорошие результаты. В этом случае сложно разобраться с одиночными изображениями.
источник
Point Cloud Library - это новая библиотека с открытым исходным кодом, ее можно использовать для распознавания объектов на основе DEM или Orthophoto, хотелось бы, чтобы это помогло, но я никогда не использовал ее.
источник