一种面向三维GIS的地理对象的要素识别方法与系统与流程

本发明涉及三维地理信息系统，主要涉及一种面向三维gis的地理对象的要素识别方法与系统。

背景技术：

1、三维地理信息系统（三维 gis）已成为空间规划、应急指挥、资源巡检、地形分析等领域的核心基础平台。传统三维gis依托 arcgis、cesium等引擎实现三维场景渲染、视角漫游、单点地理拾取等基础功能，但在智能化交互层面仍存在明显短板；与此同时，大语言模型、多模态视觉模型、通用图像分割模型等人工智能技术飞速发展，为 gis 从传统手动操作向自然语言驱动、视觉智能交互转型提供了技术基础。目前，业内已尝试将各类ai模型与三维gis结合，但现有技术方案均存在架构缺陷、场景适配不足、性能低下、链路割裂等问题，无法满足实景三维场景下开放词汇查询、像素级目标分割、矢量要素自动化入库等实际业务需求。

2、在公开号为cn120339399a的中国发明专利申请公开了一种增强多模态大模型空间感知能力的方法及装置。该技术方案包括利用多模态大模型提取目标图像和/或目标视频中至少一个物体的特征描述信息，并根据所述特征描述信息生成所述至少一个物体的初始结构化数据；对所述目标图像和/或所述目标视频进行网格化处理，并在所述目标图像和/或所述目标视频的多个网格中添加包含位置信息的视觉提示，以结合所述视觉提示和所述初始结构化数据生成包含所述至少一个物体的坐标信息和描述信息的结构化数据；基于所述结构化数据，在所述目标图像和/或所述目标视频中定位所述至少一个物体对应的目标区域，并通过所述目标区域优化所述坐标信息，以得到所述至少一个物体的实际物体坐标；将所述实际物体坐标映射回所述目标图像和/或所述目标视频的系统坐标，以得到所述至少一个物体在空间中的实际定位结果；但是，上述技术方案仅对普通图像/视频做网格化，网格携带的位置信息只是图像自身像素索引、模板虚拟坐标，无法建立屏幕像素与真实地理坐标的映射；仅适用于普通二维平面图像，无法输出真实地理坐标，仅能得到图像系统虚拟坐标，不能直接用于gis空间业务；同时，上述技术方案仅粗定位目标区域、优化基础坐标，未引入sam/sam2等编码器-解码器分离的两阶段分割模型，不能提取目标像素级轮廓；仅能得到矩形框类粗略坐标，无法生成多边形矢量要素，精细化地物边界提取能力缺失；此外，上述技术方案仅完成粗定位坐标优化，不存在将多模态模型输出归一化框自动转换为分割模型点/框提示、自适应裁剪、坐标回贴的完整流程，需要人工介入生成分割提示，无法实现自然语言到检测再到精细分割全自动流转。

3、因此，亟需一种能够适配三维gis场景、可精准完成地理配准与精细地物分割并自动生成可分析矢量要素的智能视觉交互方法。

技术实现思路

1、为了解决上述现有技术中存在的问题，本发明提出了一种面向三维gis的地理对象的要素识别方法与系统。

2、本发明的技术方案如下：

3、一方面，本发明提出一种面向三维gis的地理对象的要素识别方法，所述方法包括：

4、s1、截取目标地理对象的视觉截图；在视觉截图上选取多个网格点，获取选取的各网格点像素坐标对应的地理坐标；基于像素坐标与地理坐标构成稀疏控制点对，并序列化为稀疏文本；

5、s2、获得目标地理对象的高程值，基于高程值计算高程值统计量，并序列化为高程文本；输入目标地理对象的视觉描述文本，并输入预设的大语言模型生成视觉特征描述文本；

6、s3、将稀疏文本、高程文本和视觉特征描述文本进行拼接，得到拼接先验向量；将拼接先验向量和视觉截图输入多模态视觉模型进行识别，输出目标地理对象的归一化像素坐标；将视觉截图和归一化像素坐标输入分离式两阶段视觉分割模型中，提取目标地理对象的像素坐标序列并进行归一化，得到归一化像素坐标序列；

7、s4、将归一化像素坐标序列序列回贴至视觉截图，得到全图归一化坐标序列；将全图归一化坐标序列转化为地理坐标下的目标地理对象对应的矢量要素，得到目标地理对象的识别结果。

8、优选的，步骤s1-s4均基于同一时刻的同一视口状态下执行，其中视口状态由视口范围和视角方向唯一确定。

9、优选的，将拼接先验向量和视觉截图输入多模态视觉模型，具体步骤为：

10、对所述视觉截图进行标准化，得到标准化截图；

11、将拼接先验向量和预设的坐标参考锚定指令拼接为提示文本，所述坐标参考锚定指令用于指示所述多模态视觉模型输出的几何结果以归一化坐标形式表示；

12、将提示文本和标准化截图按照多模态视觉模型的接口规范组合成多模态输入载荷；

13、将多模态输入载荷提交至多模态视觉模型的推理引擎，生成原始归一化坐标结果；

14、对所述原始归一化坐标结果的各坐标值执行钳位处理，将各坐标值约束至[0,1]区间内，得到目标地理对象归一化后的像素结果。

15、优选的，将各坐标值约束至[0,1]区间内，其中0对应所述标准化图像的左边界或下边界，1对应所述标准化图像的右边界或上边界，具体为：

16、若当前坐标值小于0，则将当前坐标值强制赋值为0；

17、若当前坐标值大于1，则将当前坐标值强制赋值为1；

18、若当前坐标值位于0和1之间，则保持当前坐标值不变。

19、优选的，所述分离式两阶段视觉分割模型包括预加载的图像编码器和懒加载的提示解码器，其中：

20、所述图像编码器用于接收输入的视觉截图并输出密集特征嵌入张量；

21、所述提示解码器用于接收输入的密集特征嵌入张量和坐标提示，并基于密集特征嵌入张量和坐标提示生成概率掩码图。

22、优选的，所述基于分离式两阶段视觉分割模型对坐标结果进行分割，具体步骤为：

23、将坐标结果中的归一化边界框转换为分离式两阶段视觉分割模型的坐标提示，所述坐标提示包括归一化边界框的中心点、左上角点和右下角点；

24、基于归一化边界框的中心点驱动预设的裁剪窗口，从视觉截图中裁剪出与图像编码器的输入分辨率相匹配的视觉子图；

25、将视觉子图输入图像编码器得到裁剪子图对应的密集特征嵌入张量；

26、将坐标提示和密集特征嵌入张量输入提示解码器，得到裁剪子图的概率掩码图，并进行二值化处理，得到二值掩码图；

27、对二值掩码图中值为1的连通区域执行轮廓追踪算法，提取目标地理对象在裁剪子图中的像素坐标序列，并进行归一化，得到归一化像素坐标序列。

28、优选的，所述将矢量要素存储至三维gis的矢量业务图层中，具体步骤为：

29、判断三维gis中是否存在持久化分割图层；

30、若不存在，则创建持久化分割图层；

31、若存在，则将矢量要素作为新要素自动追加至持久化分割图层。

32、另一方面，本发明还提供一种面向三维gis的地理对象的要素识别系统，所述系统包括：

33、图像获取模块，截取目标地理对象的视觉截图；

34、文本生成模块，在视觉截图上按固定间隔选取多个网格点，获取选取的各网格点像素坐标对应的地理坐标；基于像素坐标与地理坐标构成稀疏控制点对，并序列化为稀疏文本；输入目标地理对象的视觉描述文本，并输入预设的大语言模型生成视觉特征描述文本；

35、坐标分割模块，将稀疏文本、高程文本和视觉特征描述文本进行拼接，得到拼接先验向量；将拼接先验向量和视觉截图输入多模态视觉模型进行识别，输出目标地理对象的归一化像素坐标；将视觉截图和归一化像素坐标输入分离式两阶段视觉分割模型中，提取目标地理对象的像素坐标序列并进行归一化，得到归一化像素坐标序列；

36、坐标转化模块，将归一化像素坐标序列序列回贴至视觉截图，得到全图归一化坐标序列；将全图归一化坐标序列转化为地理坐标下的目标地理对象对应的矢量要素，得到目标地理对象的识别结果。

37、再一方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明所述的方法。

38、再一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明所述的方法。

39、本发明具有如下有益效果：

40、1、本发明利用三维gis引擎射线投射原理实时建立像素与真实地理坐标的稀疏控制点对，通过文本序列化软配准方式注入多模态模型，无需对多模态视觉模型做训练微调，实现任意三维斜视、地形起伏场景下目标精准地理定位，提升像素转地理坐标的映射精度，增强方案的模型兼容性与部署便捷性；

41、2、本发明运用分离式两阶段视觉分割模型编码器预加载、解码器懒加载及特征嵌入缓存的运行原理，将多模态模型输出归一化检测框自动转化为分割点框提示并搭配自适应裁剪、坐标回贴逻辑，实现地物像素级精细轮廓提取，提高目标边界提取完整度与精细度，提升三维场景下人机交互响应速度；

42、3、本发明将分割像素坐标批量转化为标准矢量要素并自动持久化存储至gis矢量业务图层，实现视觉识别成果资产化管理，提升三维 gis 空间查询、面积统计、缓冲区分析、拓扑运算等专业业务的落地效率，打通自然语言看图到空间分析的全业务闭环。