随着空间技术的不断发展和人工智能技术的崛起兴盛，基于高分辨率遥感影像的建筑物提取能力不断提升，这极大地推动了城市建筑的快速自动化检测识别与更新，为城市规划建设和监测管理提供了一种高效的新技术手段。
案例1丨智脑引擎的建筑物提取前后对比
然而，由于复杂场景中其空间的复杂性、建筑物的差异性和多样性以及投影差导致的影像上几何偏移和影像间位置差异，实际应用中主要还是依靠人机交互判读解译。尤其是面对海量遥感数据的建筑物提取时，受人力、财力、计算资源等的限制，解译效率较低，难以满足城市建筑物信息快速获取的需求。
星图地球智脑引擎(GEOVISEarthBrain)基于自主遥感智能大模型，深度融合地球大数据、分析解译算法与超级计算机构建的可计算数字地球核心引擎，通过密集型“智能计算”为用户提供地球数据智能处理、地球信息智能感知、地球场景智能重建能力，并向互联网用户开放各类计算能力接口，便以快速构建云上应用，为地球科学研究、遥感行业应用、大众日常生活等提供高质量的时空内容服务。
在建筑物提取方面，星图地球智脑引擎（以下简称“智脑引擎”）针对建筑物屋顶在光学影像上具有纹理多变、边缘特征不稳定、难以被完整提取的特点，利用20万张覆盖全国各地的多源高分影像作为自监督训练数据，基于深度学习全卷积架构，构建了基于亚米级影像自监督训练的复杂场景建筑物智能提取技术。
案例2丨智脑引擎的建筑物提取前后对比
同时，基于强大的算力资源和混合时空调度引擎，星图地球智脑引擎可实现复杂场景中建筑物的在线即时解译和分析，准确率优于90%，所提取的建筑物轮廓边界线分明、规整，无需人工二次编辑，大大提高了提取效率。以全国0.8米高分数据建筑物提取为参照，星图地球智脑引擎能够在6小时之内完成智能计算（包括栅格推理、全国矢量合并等），为城市建筑物信息迅速更新提供重要保障。
场景一大多数建筑物都比较规则，属于矩形、L等形状。场景二
建筑物具备较多形态，材质、颜色、纹理、形状不尽相同，且材质与道路相近，易受干扰。
场景三建筑物形状不规则，屋顶轮廓与基底多边形存在差异。
场景四左侧为分布规律、屋顶不规则的高层建筑物，右侧为分散低矮建筑物。
场景五存在矩形元素干扰。
城市建筑物提取时会遇到多种场景，无论是正常场景还是复杂场景，智脑引擎都可以高效且精确地完成建筑物的信息提取。▼
了解完智脑引擎的建筑物提取功能后，大家想必比较关心如何提取的问题。具体步骤如下：建筑物提取步骤
1、进入星图地球智脑引擎
转载请注明：http://www.0431gb208.com/sjszlfa/7751.html
