本发明属于数字城市建设，具体涉及一种城市道路及路灯场景自动生成的方法、装置和设备。
背景技术：
1、在数字城市的建设中，会大量用到地理信息技术和三维建模技术，通常都会使用三维软件进行手工建模或点云数据建模。
2、目前，主流的三维软件，如revit、blender，都可以通过二次开发的方式实现将二维矢量图或位图转化为三维场景的功能，但此方案对非开发人员并不友好，对专业人员的依赖无形中增加了项目的开发成本。国内外也有一些三维引擎或gis软件，可根据建筑物底部轮廓线和建筑物高度进行三维重建，一般用来进行大范围城市三维重建，如supermap8c、skyline或citymaker等三维平台；autocad、3dmax、sketchup或cityengine等三维建模软件。国内早期出现的iclient for 3d，其建立的模型在细节表现上较一般，对于复杂和无规律的建筑物用此方法实现较难。当建设对象为小规模场景时尚可接受，但遇到城市级的场景建设，工作量巨大且时效上不如人意。
3、通过车载激光雷达点云数据也可对道路附属设施或路灯进行三维重建，道路附属设施三维数据精度高，但点云处理的过程复杂，仍需要大量的人工交互，且数据量大。
4、近年来，无人机航测技术的爆发和普及，使得高分辨率(厘米、分米级)数字正射影像图对地观测数据的获取日益容易，这种高精度空间信息采集手段也被越来越多地应用数字城市的建设中。数字正射影像图，即dom(digital ortho map)，是对航空航天相片进行数字微分纠正和镶嵌，按一定图幅范围裁剪生成的数字正射影像集。它是同时具有地图几何精度和影像特征的图像，有精度高、信息丰富、直观逼真、获取快捷等优点，可作为地图分析背景控制信息和用于提取自然资源和社会经济发展的历史信息或最新信息。
5、而此类应用，仍然需要在建设项目的整个过程中通过大量人工去修正完成，效率低，并未充分挖掘利用高精度dom的潜在价值。
技术实现思路
1、为此，本发明提供一种城市道路及路灯场景自动生成的方法、装置和设备，有助于帮助解决在进行城市道路和路灯场景的模型建设中，存在着需要大量人工来修正而导致建设效率低的问题。
2、为实现以上目的，本发明采用如下技术方案：
3、第一方面，本发明提供一种城市道路及路灯场景自动生成的方法，包括：
4、获取待建设城市道路及路灯场景的原始影像图；
5、对所述原始影像图进行地类分割提取，得到语义化城市道路场景模型；
6、基于预设的基础模型组件库和路灯零部件模型组件，生成对应的路灯模型；
7、将所述路灯模型与所述语义化城市道路场景模型进行模型点位匹配，自动生成对应的目标建设城市道路及路灯场景模型。
8、进一步地，所述对所述原始影像图进行地类分割提取，得到语义化城市道路场景模型，包括：
9、对所述原始影像图进行地类分割提取，得到预处理后的dom区块图；
10、基于深度学习模型对所述dom区块图中的道路进行分类识别，得到对应的道路识别dom栅格图；其中，所述道路识别dom栅格图包括车道划分识别dom栅格图和道路节点识别dom栅格图；
11、对所述道路识别dom栅格图进行语义赋值，并通过潜在语义分析进行lda模型训练，得到所述语义化城市道路场景模型。
12、进一步地，所述对所述原始影像图进行地类分割提取，得到预处理后的dom区块图，包括：
13、基于均匀网格划分法，将所述原始影像图划分成多个像素瓦片；
14、将多个所述像素瓦片进行预处理，并进行标准化拼接，得到所述预处理后的dom区块图。
15、进一步地，所述基于深度学习模型对所述dom区块图中的道路进行分类识别，得到对应的道路识别dom栅格图，包括：
16、通过所述深度学习模型，识别所述dom区块图中的道路预设标记，确定车道数量和位置，得到所述车道划分识别dom栅格图；其中，所述道路预设标记至少包括以下一项：车道线、虚实线；
17、通过所述深度学习模型，识别所述dom区块图中交叉路口、转角的道路节点特征，得到所述道路节点识别dom栅格图；
18、基于所述车道划分识别dom栅格图和所述道路节点识别dom栅格图，得到对应的道路识别dom栅格图。
19、进一步地，所述对所述道路识别dom栅格图进行语义赋值，并通过潜在语义分析进行lda模型训练，得到所述语义化城市道路场景模型，包括：
20、通过预设的城市道路词汇表和预设的主题，进行lda训练实现潜在语义分析，生成对应的lda模型；其中，所述预设的主题包括城市道路的识别和路灯的识别；
21、基于所述lda模型和所述预设的主题的分布，得到所述语义化城市道路场景模型。
22、进一步地，所述基于预设的基础模型组件库和路灯零部件模型组件，生成对应的路灯模型，包括：
23、基于路灯设计厂商提供的三维模型，结合生产厂商提供的产品型号说明，生成对应的路灯零部件模型组件；
24、利用自动聚合技术，将所述预设的基础模型组件库和所述路灯零部件模型组件进行合并连接，生成所述路灯模型。
25、进一步地，所述将所述路灯模型与所述语义化城市道路场景模型进行模型点位匹配，自动生成对应的目标建设城市道路及路灯场景模型，包括：
26、根据预设的点位对应匹配规则，将所述路灯模型与所述语义化城市道路场景模型进行模型点位匹配，自动生成对应的目标建设城市道路及路灯场景模型。
27、进一步地，所述将所述路灯模型与所述语义化城市道路场景模型进行模型点位匹配，自动生成对应的目标建设城市道路及路灯场景模型，包括：
28、通过对所述语义化城市道路场景模型的检索，对所述路灯模型的gis信息进行提取，生成对应的shp格式数据；
29、根据预设的点位对应匹配规则，将所述语义化城市道路场景模型的坐标系与所述路灯模型的gis投影坐标系进行重合，使所述路灯模型自动匹配到所述语义化城市道路场景模型中，生成所述目标建设城市道路及路灯场景模型。
30、第二方面，本发明提供一种城市道路及路灯场景自动生成装置，包括：
31、原始影像图获取模块，用于获取待建设城市道路及路灯场景的原始影像图；
32、城市道路场景模型生成模块，用于对所述原始影像图进行地类分割提取，得到语义化城市道路场景模型；
33、路灯模型生成模块，用于基于预设的基础模型组件库和路灯零部件模型组件，生成对应的路灯模型；
34、目标建设城市道路及路灯场景模型生成模块，用于将所述路灯模型与所述语义化城市道路场景模型进行模型点位匹配，自动生成对应的目标建设城市道路及路灯场景模型。
35、第三方面，本发明提供一种城市道路及路灯场景自动生成的设备，包括：
36、一个或者多个存储器，其上存储有可执行程序；
37、一个或者多个处理器，用于执行所述存储器中的所述可执行程序，以实现上述任一项所述方法的步骤。
38、本发明采用以上技术方案，至少具备以下有益效果：
39、本发明通过获取待建设城市道路及路灯场景的原始影像图；对原始影像图进行地类分割提取，得到语义化城市道路场景模型；基于预设的基础模型组件库和路灯零部件模型组件，生成对应的路灯模型；将路灯模型与语义化城市道路场景模型进行模型点位匹配，自动生成对应的目标建设城市道路及路灯场景模型。通过语义化城市道路场景模型和路灯模型的模型点位匹配，自动生成对应的目标建设城市道路及路灯场景模型，从而降低人工参与修正的比重，提高数字城市的建设效率。
40、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
1.一种城市道路及路灯场景自动生成的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述原始影像图进行地类分割提取，得到语义化城市道路场景模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述原始影像图进行地类分割提取，得到预处理后的dom区块图，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于深度学习模型对所述dom区块图中的道路进行分类识别，得到对应的道路识别dom栅格图，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述道路识别dom栅格图进行语义赋值，并通过潜在语义分析进行lda模型训练，得到所述语义化城市道路场景模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于预设的基础模型组件库和路灯零部件模型组件，生成对应的路灯模型，包括：
7.根据权利要求1所述的方法，其特征在于，所述将所述路灯模型与所述语义化城市道路场景模型进行模型点位匹配，自动生成对应的目标建设城市道路及路灯场景模型，包括：
8.根据权利要求7所述的方法，其特征在于，所述将所述路灯模型与所述语义化城市道路场景模型进行模型点位匹配，自动生成对应的目标建设城市道路及路灯场景模型，包括：
9.一种城市道路及路灯场景自动生成的装置，其特征在于，包括：
10.一种城市道路及路灯场景自动生成的设备，其特征在于，包括：
