拔地高耸的写字楼、推窗见景的别墅群、低矮宽阔的化工园区……作为衡量城市垂直结构的关键参数，建筑物的高度不仅影响着城市的“颜值”，还在城市规划、灾害防护、数字孪生等方面发挥着重要作用。
城市间建筑高度的差异与城市形态、建筑结构和人口密度等多种因素有关，而建筑高度也在一定程度上反映着城市的经济发展。
建筑物高度信息的精准与否，在城市化进程加快的当下变得越来越重要。
立体像对和激光雷达等传统的建筑物高度测量手段精度虽高，但数据获取难且成本高。
而基于遥感影像的高差法、阴影法等技术虽有一定的应用潜力，但计算繁琐且精度有限，实际应用也不广泛。
以上两种手段都难以满足城市发展对大范围、高时效、高精度的建筑物信息更新需求。
为了实现对建筑物的大范围、自动化快速提取和高度估计，星图地球智脑引擎（GEOVIS Earth Brain）近期上线了【建筑物高度估计】算法。
该算法针对建筑物屋顶在光学影像中的辨识难题和高度分布不均的特点，采用了20万张覆盖全国各地的多源高分影像作为自监督训练数据，基于深度学习全卷积架构双主干特征提取技术，构建了基于亚米级影像自监督训练的建筑物高度估计模型。
基于该算法模型，用户可以快速准确地提取出城市大范围建筑物的轮廓、高度和地理位置等关键信息，生成基于层次细节（Levels of Detail，LOD）技术的精细建筑物白模产品，助力大规模的城市级三维建模，推动城市实现更精准、更高效的管理与发展。
▼下面给大家介绍如何在星图地球智脑引擎里进行【建筑物高度估计】计算：