RoboSat_geoc

从标准WMTS影像中提取建筑物的深度学习框架

forked by mapbox/robosat & Robosat.pink

简介：

RoboSat.geoc 由 mapbox/robosat 及 Robosat.pink fork 而来。

利用深度学习工具，可以很方便的使用标准 WMTS 影像对建筑物轮廓提取进行训练和预测。

目的：

• Mapbox/Robosat 是非常不错的建筑物提取工具，Robosat.pink 对其做了重构和改造，使其易用性得到了提升。
• Robosat.geoc 在 Robosat.pink 的基础上，做了自动化和工程化改造，并可以结合 rs_buildings_extraction ，使用可视化界面和接口的方式进行训练和预测，很方便的用于生产环境。

主要功能：

• 继承了RoboSat.pink 的所有功能：
  • 提供了命令行工具，可以很方便的进行批处理
  • 遵循了 WMTS 服务标准，方便遥感影像数据的准备
  • 内置了最先进的计算机视觉模型，并可以自行拓展
  • 支持 RGB 和多波段影像，并允许数据融合
  • 提供了 Web 界面工具，可以轻松的显示、对比、选择训练结果
  • 高性能
  • 很轻松的能够拓展
  • 等等
• 将深度学习训练标注（label) 数据以 PostGIS 的方式存储，对 GISer 极其友好
• 提供了 WMTS 瓦片服务代理工具，可将天地图、谷歌影像等作为影像数据源（Robosat 不支持类似 http://this_is_host?x={x}&y={y}&z={z} 形式的 URL，仅支持类似 http://this_is_host/z/x/y
• 对 RoboSat.pink 做了自动化改造，无需手动逐个输入命令行，一键式训练或预测
• 简化调试方式，仅需提供待训练或预测的范围（extent）
• 自动化训练限定为 PostgreSQL + PostGIS 数据源作为深度学习标注

说明文档:

训练数据准备：

• 安装 PostgreSQL + PostGIS，创建数据库，添加 PostGIS 扩展 create extension postgis;
• 使用 shp2pgsql 等工具将已有的建筑物轮廓数据导入 PostGIS 作为深度学习标注数据，或者使用 QGIS 等工具连接 PostGIS 并加载遥感影像底图进行绘制建筑物轮廓

如何安装：

• 对于 MacOS 或 Linux： 见docs/linux安装指南
• 对于 Windows：
  • 在 Windows 安装依赖时会报 GLAL 相关错误，目前没有比较好的解决办法
  • 建议使用 WSL，在 Windows 中安装 Ubuntu SubLinux
  • 配合 Windows Terminal ，使用 Ubuntu 命令行工具
  • 使用上述 MacOS 或 Linux 安装方式进行部署

如何运行：

• 设置已有的建筑物轮廓标注数据
  • 设置 PostGIS 连接： robosat_pink/geoc/config.py 中的 POSTGRESQL
  • 设置已有建筑物轮廓数据表：robosat_pink/geoc/config.py 中的 BUILDING_TABLE
• 后台运行 WMTS 代理工具：python xyz_proxy.py &
• 设置训练或预测范围：./test.py 中的 extent
• 开始训练或预测：python test.py

Windows 中如何开发：

• 使用 VSCode：
  • 使用 Remote-WSL 拓展连接 WSL 的 Ubuntu，连接该项目文件夹进行开发
• 使用 PyCharm：
  • 在 PyCharm 的Settings 中配置 Project Interpreter 的 WSL 参数。

如何作为 Packages：

• 构建：python setup.py build
• 安装：python setup.py install
• 在工程中调用：from robosat_pink.geoc import RSPtrain & from robosat_pink.geoc import RSPpredict
• Shapely安装：pip install shapely==1.7.0 -U pip install shapely==1.6.4.post2 -U

RoboSat.pink 使用教程

必读教程:

• RoboSat.pink 101
• How to use plain OpenData to create a decent training OpenDataSet
• How to extend RoboSat.pink features, and use it as a Framework

Tools:

• rsp cover Generate a tiles covering, in csv format: X,Y,Z
• rsp download Downloads tiles from a remote server (XYZ, WMS, or TMS)
• rsp extract Extracts GeoJSON features from OpenStreetMap .pbf
• rsp rasterize Rasterize vector features (GeoJSON or PostGIS), to raster tiles
• rsp subset Filter images in a slippy map dir using a csv tiles cover
• rsp tile Tile raster coverage
• rsp train Trains a model on a dataset
• rsp export Export a model to ONNX or Torch JIT
• rsp predict Predict masks, from given inputs and an already trained model
• rsp compare Compute composite images and/or metrics to compare several XYZ dirs
• rsp vectorize Extract simplified GeoJSON features from segmentation masks
• rsp info Print RoboSat.pink version informations

模型优化

• 利用 robosat.merge 和 features 对预测结果进行规范化，参数调整包括：
• merge：
  • threshold=1（融合阈值，单位：像素）
• features：
  • denoise=10（除噪，对要素预处理，单位：像素）
  • grow=20（填坑，作用类似除噪，单位：像素）
  • simplify=0.01（新要素与原要素的简化比）
• 优化效果：

  

本项目作者:

• 吴灿 https://github.com/wucangeo
• Liii18 https://github.com/liii18

欢迎 Issues

欢迎提一个 Issue