Un algoritmo de extracción de datos único para datos fotográficos oblicuos basado en U-Net

En el modelado automatizado generado por fotografía oblicua, varios terrenos no pueden ser físicamente distinguidos individualmente dentro de la red triangular irregular (TIN). Para utilizar los datos que representan características individuales, como un solo edificio, se requiere un proceso de construcción de monómeros para identificar y extraer estas partes distintas. Este enfoque ayuda a análisis posteriores al centrarse en entidades específicas, mitigando la interferencia de escenas complejas. Se construye una red neuronal convolucional profunda, combinando arquitecturas de U-Net y ResNeXt. La red toma como entrada tanto el mapa ortofoto digital (DOM) como los datos de fotografía oblicua, extrayendo efectivamente las huellas poligonales de los edificios. Se compara la precisión de extracción entre diferentes algoritmos, con resultados que indican que la red basada en ResNeXt logra la mayor intersección sobre unión (IOU) para la segmentación de edificios, alcanzando 0.8255. La técnica propuesta de "monómero virtual dinámico" une las huellas vectoriales extraídas dinámicamente a la superficie original de la fotografía oblicua a través de renderizado. Esto permite la representación selectiva y consulta de edificios individuales. La evidencia empírica demuestra la efectividad de esta técnica en consultas interactivas y análisis espacial. El alto nivel de automatización y la excelente precisión de este método pueden avanzar aún más la aplicación de datos de fotografía oblicua en modelado urbano 3D y análisis de sistemas de información geográfica (GIS).