基于无人机数据的城市要素语义分割与CFD就绪几何重建自动化框架

《Sustainable Cities and Society》：Automated Framework for Semantic Segmentation and CFD-Ready Geometric Reconstruction of Urban Elements from UAV Data

本文提出了一种基于无人机摄影测量的双核自动化框架，通过城市语义分割（USS）神经网络和多要素几何重建（EGR）引擎，实现了建筑、地形和植被的集成建模。该研究解决了当前CFD（计算流体动力学）模拟中几何模型重建效率低、植被表征不足等痛点，将人工预处理时间从数天缩短至数小时，为高精度城市微气候模拟提供了关键技术支撑。

　　

^框架意义

提出的双核框架推动了CFD就绪城市建模的自动化进程。它解决了从无人机衍生纹理网格中进行语义分割和几何重建的长期挑战。通过集成USS分割网络和EGR重建引擎，该框架实现了建筑、地形和植被的CFD就绪几何端到端生成，将人工干预从数天缩短至数小时，同时保持高形态保真度。

与现有研究相比，本框架具有三大突破：首创面向多要素（建筑+地形+植被）的集成重建流程；针对植被形态特殊性开发了平衡细节与成本的表征方法；基于点云转换的USS网络显著提升了对纹理网格的泛化能力。在墨尔本CBD案例中，建筑豪斯多夫距离中位数达0.66米，地形精度达0.43米，验证了其在复杂城市场景的适用性。

^研究结论

本研究引入了集成城市语义分割（USS）和要素几何重建（EGR）的自动化框架，可从无人机摄影测量生成CFD就绪城市模型。USS在SUM赫尔辛基数据集上达到领先水平，整体精度93.74%，平均类别精度80.78%，并在墨尔本CBD表现出强大泛化能力。通过将纹理网格特征映射至点云并利用点Transformer（Point Transformer），USS降低了对网格拓扑质量的依赖，而EGR则通过定制化算法为各要素生成水密表面网格。

^{数据与代码可用性声明}

数据与代码已开源：https://github.com/Xtian-hub/Automated-Integrated-Framework-for-Urban-Ventilation-Assessment

^{作者贡献声明}

耿晓天：原稿撰写、可视化、验证、软件、方法论、研究、形式分析、数据管理。苟中华：审稿编辑、督导、资源、项目管理、概念化。

^{利益冲突声明}

作者声明不存在可能影响研究结果的财务利益或个人关系。