基于实景三维智慧园区管理平台建设研究

齐雪鹏．可视化智慧园区管理系统建设研究［J］．软件开发与应用，2021(15):92－94；

余冬苹，林涛，梁峥．园区信息化发展趋势探讨［Ｊ］．广东通信技术，2011,31（7）：15-17,22；

李青山，潘俊涛，靳莉，等．基于物联网技术的新型智慧园区管理系统［J］．河南科技，2020，39(28):19－21；

陈柳钦.智慧城市：全球城市发展新热点[J].青岛科技大学学报：社会科学版，2011(01)：8-16；

肖建华，李海亭，李鹏鹏，等.实景三维的内涵与分类分级［J］.城市勘测，2021（5）：5-10；

陈军 .多维动态地理空间框架数据的构建［J］. 地球信息科学， 2002，4（1）：7-13；

席敏哲．基于无人机倾斜影像的精细化三维模型构建及智慧园区应用研究［Ｄ］．西安：西安科技大学，2022。Automatic Extraction Method of Building Contour in Real 3D ModelXiaolong Xie Jin SuHunan Geological Engineering Survey Institute Co., Ltd., Zhuzhou, Hunan,

, ChinaAbsrtactAiming at the requirement of automatic extraction of building contour in real 3D model, this paper starts from three aspec

ts: multi-source data fusion, deep feature learning and geometric post-processing. Firstly, dense point clouds are generated by dense matching of oblique images, and building monomer segmentation is realized by combining semantic segmentation network. Then the graph convolution network is constructed to identify the contour candidate points, which are regularized by topological connection and principal direction constraint to generate closed contour polygons. Finally, a multi index evaluation system including integrity, accuracy, position accuracy and shape similarity is established, and suppression strategies for the main error sources are proposed. In the test area covering 85 buildings, the F1 score of contour extraction reached 0.942, and the position accuracy was better than 0.08 M. The whole process does not need manual intervention, and the output contour has both geometric accuracy and regularization characteristics, which can be directly used for urban 3D modeling.Keywordsreal scene 3D model; building contour extraction; point cloud segmentation; graph convolution network; contour regularization实景三维模型中建筑物轮廓自动提取方法谢小龙苏进湖南省地质工程勘察院有限公司，中国·湖南株洲 412007摘要针对实景三维模型中建筑物轮廓自动化提取的需求，本文从多源数据融合、深度特征学习与几何后处理三个环节展开。首先通过倾斜影像密集匹配生成稠密点云，结合语义分割网络实现建筑物单体化分割。然后构建图卷积网络识别轮廓候选点，经拓扑连接与主方向约束规则化，生成闭合轮廓多边形。最后建立了包含完整度、正确率、位置精度和形状相似度的多指标评价体系，并对主要误差来源提出抑制策略。在覆盖85栋建筑的测试区，该方法轮廓提取F1分数达到0.942，位置精度优于0.08米。整个过程无需人工干预，输出轮廓兼具几何精确性与规则化特征，可直接用于城市三维建模。关键词实景三维模型；建筑物轮廓提取；点云分割；图卷积网络；轮廓规则化【作者简介】谢小龙（1981-），男，中国湖南株洲人，本科，工程师，从事测绘地理信息研究。1 引言实景三维模型作为新型基础测绘的核心成果，在城市规划、不动产管理和数字孪生领域应用广泛。传统轮廓采集依赖人工依据正射影像或点云进行勾绘，单栋建筑处理时间通常在几分钟到十几分钟，难以应对大面积快速更新的要求

。随着多视角倾斜摄影和激光扫描技术的普及，基于高密度三维点云自动提取建筑物轮廓逐渐成为主流方向。然而，由于建筑形态多样、点云噪声、邻近地物遮挡以及屋顶结构复杂等因素，从离散点云中直接获得位置精确且边界规整的轮廓仍存在若干技术难点。近年来，深度学习方法在点云语义分割和几何特征识别方面表现出强大能力，为实现端到端轮廓提取提供了新的技术路径。本文将建筑物轮廓自动提取分解为数据预处理、轮廓线段检测与规则化、精度评价三个紧密衔接的部分，逐项说明具体实现方式、关键参数和定量实验结果，避免泛泛而谈，旨在给出一套可复现的技术流程。