CN113160235A - 一种基于内部圆和邻接图的房间分割方法 - Google Patents

一种基于内部圆和邻接图的房间分割方法 Download PDF

Info

Publication number
CN113160235A
CN113160235A CN202110598912.3A CN202110598912A CN113160235A CN 113160235 A CN113160235 A CN 113160235A CN 202110598912 A CN202110598912 A CN 202110598912A CN 113160235 A CN113160235 A CN 113160235A
Authority
CN
China
Prior art keywords
circle
subgraph
adjacency
distance
room
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110598912.3A
Other languages
English (en)
Inventor
杨帆
张驰
张季一
车明亮
王英利
曹鑫亮
陆佩华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong University
Original Assignee
Nantong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nantong University filed Critical Nantong University
Priority to CN202110598912.3A priority Critical patent/CN113160235A/zh
Publication of CN113160235A publication Critical patent/CN113160235A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于内部圆和邻接图的房间分割方法,该方法首先对激光扫描得到的二维占用概率栅格地图进行距离变换，计算每个像素其最近邻占用点的距离值；接着采用内部圆填充自由空间，构建室内自由空间的内部圆逼近；基于内部圆的邻接关系构建室内拓扑网络，采用带权重无向邻接图构建内部圆之间的关联关系；基于规则对无向图边进行增加和删除，实现图的连通子图分割；通过对内部圆连通子图进行合并，得到不同的邻接圆聚类，赋予邻接圆聚类不同的房间语义信息，最终实现室内自由空间（即房间）的语义分割。该方法可以应用于移动机器人激光扫描过程中对室内空间的房间分割和任务规划。

Description

一种基于内部圆和邻接图的房间分割方法
技术领域
本发明涉及一种基于内部圆和邻接图的房间分割方法，属于移动机器人和激光测量技术领域。
背景技术
在机器人领域，利用激光扫描数据建立未知环境的环境地图具有重要意义。随着技术的发展，服务机器人变的日益普及，如扫地机器人、导游服务机器人、餐饮服务机器人等，在其工作的过程中都依赖同时定位与建图技术（SLAM）来实现自己位置估计和环境感知，进而实现路径规划和任务规划。在建筑工程领域，对于大多数新建筑，最新的国家规范要求提供建筑信息模型（BIM），但这些模型在建筑竣工后就不再适用了。在建筑物竣工后，每一次设计装修都会带来室内环境的变化，需要审核这些变化是否符合安全标准，因此保持建筑物数据的现势性十分必要。目前利用移动激光扫描（MLS）系统构建的室内地图通常是栅格地图，在表达室内空间语义和拓扑结构方面存在不足。如何利用移动激光扫描技术快速生成用户所需的房间语义信息和拓扑结构，对机器人和人类用户的室内外一体化导航都具有重要意义。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于内部圆和邻接图的房间分割方法，从而实现从激光扫描点云数据中提取室内空间语义和拓扑网络。
为了实现上述目的，本发明采用的技术方案是：一种基于内部圆和邻接图的房间分割方法，其特征在于，包括如下步骤；
步骤一：距离变换，对激光扫描得到的二维占用概率栅格地图进行距离变换，计算每个像素的最近邻占用点的距离值；
步骤二：内部圆填充，使用内部圆表达室内自由空间，构建室内自由空间的内部圆逼近；
步骤三：拓扑邻接图构建，利用带权重无向图构建内部圆之间的关联关系，根据内部圆之间的邻接关系，构建内部圆的无向图表达，无向图的每个节点对应着一个内部圆，无向图的边连接相切的两个内部圆，权重值为切点的初次距离变换值；
步骤四：连通子图分割，基于规则对无向邻接图的边进行增加和删除；
步骤五：连通子图合并与房间语义赋值，通过合并内部连通子图得到室内自由空间的空间结构。
进一步的，所述步骤二中内部圆填充的具体步骤为：
2.1、对给定的室内激光扫描点云，根据其占用的空间范围细分为网格，得到一系列像素
Figure DEST_PATH_IMAGE002
，查找每个像素中心的最近邻点和最近邻距离
Figure DEST_PATH_IMAGE004
，定义每个像素的距离变换集合为
Figure DEST_PATH_IMAGE006
2.2、选择距离变换值最大的像素为圆心，最大近邻距离为半径进行填充；设该像元中心为
Figure DEST_PATH_IMAGE008
，其最近邻距离为
Figure DEST_PATH_IMAGE010
，则初次填充圆定义为
Figure DEST_PATH_IMAGE012
；
2.3、对未被内部圆填充区域进行距离变换值更新，对比未被填充区域的像素中心距离最近邻点的距离dB与像素中心到填充圆边界的距离dS，更新该像素的距离变换值
Figure DEST_PATH_IMAGE014
；
2.4、从距离变换更新后的填充圆外部像素集合中选取最大近邻距离的像素中心作为新的填充圆圆心，填充新的内部圆；
2.5、依次迭代，直至所有像素都被填充完毕，得到非相交填充内部圆集合
Figure DEST_PATH_IMAGE016
。
进一步的，所述步骤三中拓扑邻接图构建的具体实现步骤为：
3.1、初始化邻接图G<V, E>；所有内部圆的中心点作为邻接图的节点V；根据所有内部圆的中心点构成集合P，对点集P构建KD树；
3.2、遍历每一个内部圆的圆心点p，搜索其2
Figure DEST_PATH_IMAGE018
半径范围的近邻圆心点；
3.3、判断近邻圆
Figure DEST_PATH_IMAGE020
与当前圆
Figure DEST_PATH_IMAGE022
是否相切，如果是，向邻接图G中添加边
Figure DEST_PATH_IMAGE024
；
3.4、依次迭代，直至所有内部圆的圆心点遍历完毕。
进一步的，所述步骤四中的连通子图分割的具体实现步骤为：
4.1、设置门的宽度阈值
Figure DEST_PATH_IMAGE026
，最小房间面积阈值
Figure DEST_PATH_IMAGE028
；
4.2、遍历邻接图G中的每一条边e，当边e连接的两个内部圆的面积足够大且相邻两个内部圆的权重小于给定阈值
Figure DEST_PATH_IMAGE030
时，移除该边e；
4.3、遍历每一个邻接图G中每一个内接圆节点v，如果其相邻的两个内部圆面积足够大，且中心点的距离变换值大于
Figure 592709DEST_PATH_IMAGE030
，增加一条边；如果中心点的距离变换值小于等于
Figure 835471DEST_PATH_IMAGE030
，移除权重较小的一条边；得到新的邻接图G’；
4.4、对图G’进行连通子图分割，得到连通域集合
Figure DEST_PATH_IMAGE032
。为连通域赋予初始房间语义标记ID。
进一步的，所述步骤五中的连通子图合并与房间语义赋值的具体实现步骤为：
5.1、遍历连通域集合C每一个连通子图
Figure DEST_PATH_IMAGE034
，基于初始的无向图G构建
Figure 808981DEST_PATH_IMAGE034
的近邻子图列表，同时统计
Figure 478997DEST_PATH_IMAGE034
与近邻子图的邻接度，即邻接的边数；
5.2、遍历每一个
Figure 344316DEST_PATH_IMAGE034
，判断与其它连通子图
Figure DEST_PATH_IMAGE036
的邻接度，根据邻接度降序排列，取邻接度最大的子图
Figure DEST_PATH_IMAGE038
，如果子图
Figure 187507DEST_PATH_IMAGE038
的面积小于最小房间面积阈值
Figure 218786DEST_PATH_IMAGE028
且通达度大于3，则合并两个连通子图；更新
Figure 59703DEST_PATH_IMAGE034
的节点集合，更新
Figure 661586DEST_PATH_IMAGE034
的近邻子图列表和邻接度统计信息；
5.3、删除子图
Figure 246151DEST_PATH_IMAGE038
，更新所有其它但不包括
Figure 367822DEST_PATH_IMAGE034
的子图的近邻和邻接度统计信息，更新集合
Figure DEST_PATH_IMAGE040
；
5.4、对于更新后的
Figure 910798DEST_PATH_IMAGE040
集合，依次迭代，直到所有的连通子图都已经合并；
5.5、将C根据子图的面积降序排列；遍历每一个
Figure 734398DEST_PATH_IMAGE034
，判断与其连通的子图
Figure 637501DEST_PATH_IMAGE038
，根据面积降序排列，如果子图
Figure 862946DEST_PATH_IMAGE038
的面积小于最小房间面积阈值，则合并两个连通子图；更新的节点集合，更新
Figure 45665DEST_PATH_IMAGE034
的近邻子图列表和邻接度统计信息；
5.6、删除子图
Figure 372873DEST_PATH_IMAGE038
，更新所有其它但不包括
Figure 299240DEST_PATH_IMAGE034
的子图的近邻和邻接度统计信息，更新集合
Figure 379192DEST_PATH_IMAGE040
；
5.7、对于更新后的
Figure 998392DEST_PATH_IMAGE040
集合，依次迭代，直到所有的连通子图都已经合并；
5.8、输出房间语义信息到每一个内部圆节点。
本发明的有益效果是：该方法中房间被定义为墙面包围的有界空间，房间是最基本的室内自由空间类型，实现房间语义分割关键是室内自由空间的内在结构表达和关联。基于内部圆的室内三维空间表达，实现了建筑内部空间，即室内自由空间的表达，可以有效描述室内空间的连通特性。由于室内自由空间受到室内占据空间的隔离和约束，基于内部圆填充的每个房间呈现出不同的聚类，因此可以实现房间的分割。同时，非相交内部圆相互之间紧密排列，相邻的内部圆相切，形成了一种带权重无向邻接图，可以表达室内空间的拓扑结构。本发明可以实现基于移动激光扫描快速构建室内房间语义和拓扑网络。
附图说明
图1为本发明的技术流程示意图；
图2为本发明的占用概率栅格地图距离变换和内部圆填充示意图；
图3为本发明的内自由空间及对应的内部圆邻接示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。
除非另有定义，本文所使用的所有的技术术语和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同，本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
如图1、图2和图3所示，本发明提供一种基于内部圆和邻接图的房间分割方法，适用于机器人领域、建筑工程领域建筑室内环境制图过程中自动化房间语义分割。
步骤一：距离变换，利用激光扫描得到二维占用概率栅格地图，其中，占用栅格为每个单元s存储了被障碍物占用的概率
Figure DEST_PATH_IMAGE042
。当栅格单元被障碍物占用时，用
Figure DEST_PATH_IMAGE044
来表示，占用概率为
Figure DEST_PATH_IMAGE046
；当栅格单元为空闲状态是用
Figure DEST_PATH_IMAGE048
来表示，概率表示为
Figure DEST_PATH_IMAGE050
，两者的概率和为1。接着进行距离变换，计算每个像素的最近邻占用点的距离值。
步骤二：内部圆填充，使用内部圆填充室内自由空间，构建室内自由空间的内部圆逼近；
2.1对给定的室内激光扫描点云P，根据其占用的空间范围细分为网格，得到一系列像素
Figure DEST_PATH_IMAGE052
，查找每个像素中心的最近邻点
Figure DEST_PATH_IMAGE054
和最近邻距离
Figure 774413DEST_PATH_IMAGE004
，定义每个像素的距离变换集合为。
2.2为尽可能减少节点个数，保证每次填充的内部圆面积最大，首先选择距离变换值最大的像素为圆心，最大近邻距离为半径进行填充；设该像元中心为
Figure 753739DEST_PATH_IMAGE008
，其最近邻距离为
Figure 688197DEST_PATH_IMAGE010
，则初次填充圆定义为
Figure 743878DEST_PATH_IMAGE012
。
2.3接着对未被内部圆填充区域进行距离变换值更新。对比未被填充区域的像素中心距离最近邻点的距离dB与像素中心到填充圆边界的距离dS，更新该像素的距离变换值
Figure 780098DEST_PATH_IMAGE014
。
2.4从距离变换更新后的填充圆外部像素集合中选取最大近邻距离的像素中心作为新的填充圆圆心，填充新的内部圆。由于每次选择的是最近点距离值最大的像素，每次填充之后只会影响该填充圆2倍半径区域的距离变换值，因此可以通过限定搜索区域为当前填充圆2倍半径区域来提高距离变换更新效率。
2.5依次迭代，直至所有像素都被填充完毕，得到非相交填充内部圆集合
Figure 48268DEST_PATH_IMAGE016
。
步骤三：拓扑邻接图构建，利用带权重无向图构建内部圆之间的关联关系。根据内部圆之间的邻接关系，构建内部圆的无向图表达，无向图的每个节点对应着一个内部圆，无向图的边为相切的内部圆切点的初次距离变换值；
3.1初始化邻接图G<V, E>；所有内部圆的中心点作为邻接图的节点V；根据所有内部圆的中心点构成集合P，对点集P构建KD树。
3.2遍历每一个内部圆的圆心点p，搜索其2R半径范围的近邻圆心点。
3.3判断近邻圆
Figure 102812DEST_PATH_IMAGE020
与当前圆
Figure 63815DEST_PATH_IMAGE022
是否相切，如果是，向邻接图G中添加边
Figure 85866DEST_PATH_IMAGE024
。
3.4依次迭代，直至所有内部圆的圆心点遍历完毕。
步骤四：连通子图分割，基于规则对无向图边进行增加和删除，实现图的连通域分割；
4.1 设置门的宽度阈值
Figure 157727DEST_PATH_IMAGE026
，最小房间面积阈值
Figure 332357DEST_PATH_IMAGE028
；
4.2遍历邻接图G中的每一条边e，当边e连接的两个内部圆的面积足够大且相邻两个内部圆的权重小于给定阈值
Figure 198681DEST_PATH_IMAGE030
时，移除该边e；
4.3遍历每一个邻接图G中每一个内接圆节点v，如果其相邻的两个内部圆面积足够大，且中心点的距离变换值大于
Figure 209494DEST_PATH_IMAGE030
，增加一条边；如果中心点的距离变换值小于等于
Figure 819467DEST_PATH_IMAGE030
，移除权重较小的一条边；得到新的邻接图G’。
4.3 对图G’进行连通子图分割，得到连通域集合
Figure 114182DEST_PATH_IMAGE032
。为连通域赋予初始房间语义标记ID。
步骤五：连通子图合并与房间语义赋值，通过对内部圆聚类来得到室内自由空间（即房间）的层次结构。
5.1 遍历连通域集合C每一个连通子图
Figure 400676DEST_PATH_IMAGE034
，构建
Figure 148052DEST_PATH_IMAGE034
的近邻子图列表，同时统计
Figure 561716DEST_PATH_IMAGE034
与近邻子图的邻接度，即邻接的边数。
5.2遍历每一个，判断与其它连通子图
Figure 445358DEST_PATH_IMAGE036
的邻接度，根据邻接度降序排列，取邻接度最大的子图
Figure 669797DEST_PATH_IMAGE038
，如果子图
Figure 638890DEST_PATH_IMAGE038
的面积小于最小房间面积阈值
Figure 590666DEST_PATH_IMAGE028
且通达度大于3，则合并两个连通子图；更新
Figure 594394DEST_PATH_IMAGE034
的节点集合，更新
Figure 494129DEST_PATH_IMAGE034
的近邻子图列表和邻接度统计信息；
5.3 删除子图
Figure 950518DEST_PATH_IMAGE038
，更新所有其它（不包括
Figure 440405DEST_PATH_IMAGE034
）子图的近邻和邻接度统计信息，更新集合
Figure 564219DEST_PATH_IMAGE040
；
5.4 对于更新后的
Figure 130460DEST_PATH_IMAGE040
集合，依次迭代，直到所有的连通子图都已经合并；
5.5将C根据子图的面积降序排列；遍历每一个
Figure 74146DEST_PATH_IMAGE034
，判断与其连通的子图
Figure 367724DEST_PATH_IMAGE038
，根据面积降序排列，如果子图
Figure 80465DEST_PATH_IMAGE038
的面积小于最小房间面积阈值，则合并两个连通子图；更新
Figure 316143DEST_PATH_IMAGE034
的节点集合，更新
Figure 12703DEST_PATH_IMAGE034
的近邻子图列表和邻接度统计信息；
5.6 删除子图
Figure 109972DEST_PATH_IMAGE038
，更新所有其它（不包括
Figure 427952DEST_PATH_IMAGE034
）子图的近邻和邻接度统计信息，更新集合
Figure 585264DEST_PATH_IMAGE040
；
5.7 对于更新后的
Figure 503542DEST_PATH_IMAGE040
集合，依次迭代，直到所有的连通子图都已经合并；
5.8 输出房间语义信息到每一个内部圆节点。
实施例：
本发明实现的基于内部圆和邻接图的房间分割方法，包含以下步骤：
步骤一：利用二维激光扫描得到的二维占用概率栅格地图（如图3（a））进行距离变换，计算每个像素的最近邻占用点的距离值（如图3（b））；
步骤二：内部圆填充，如图3（c）所示，使用内部圆填充室内自由空间，构建室内自由空间的内部圆逼近；
步骤三：拓扑邻接图构建，如图3（d）所示，利用带权重无向图构建内部圆之间的关联关系该方法；根据内部圆之间的邻接关系，构建内部圆的无向图表达，无向图的每个节点对应着一个内部圆，无向图的边为相切的内部圆切点的初次距离变换值；
步骤四：连通子图分割，基于规则对无向图边进行增加和删除，实现图的连通域分割；
步骤五：连通子图合并与房间语义赋值，如图3（e）所示，通过对内部圆聚类来得到室内自由空间（即房间）的空间结构。
该方法中房间被定义为墙面包围的有界空间，房间是最基本的室内自由空间类型，实现房间语义分割关键是室内自由空间的内在结构表达和关联。基于内部圆的室内三维空间表达，实现了建筑内部空间，即室内自由空间的表达，可以有效描述室内空间的连通特性。由于室内自由空间受到室内占据空间的隔离和约束，基于内部圆填充的每个房间呈现出不同的聚类，因此可以实现房间的分割。同时，非相交内部圆相互之间紧密排列，相邻的内部圆相切，形成了一种带权重无向邻接图，可以表达室内空间的拓扑结构。本发明可以实现基于移动激光扫描快速构建室内房间语义和拓扑网络。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于内部圆和邻接图的房间分割方法，其特征在于，包括如下步骤；
步骤一：距离变换，对激光扫描得到的二维占用概率栅格地图进行距离变换，计算每个像素的最近邻占用点的距离值；
步骤二：内部圆填充，使用内部圆表达室内自由空间，构建室内自由空间的内部圆逼近；
步骤三：拓扑邻接图构建，利用带权重无向图构建内部圆之间的关联关系，根据内部圆之间的邻接关系，构建内部圆的无向图表达，无向图的每个节点对应着一个内部圆，无向图的边连接相切的两个内部圆，权重值为切点的初次距离变换值；
步骤四：连通子图分割，基于规则对无向邻接图的边进行增加和删除；
步骤五：连通子图合并与房间语义赋值，通过合并内部连通子图得到室内自由空间的空间结构。
2.根据权利要求1所述的一种基于内部圆和邻接图的房间分割方法，其特征在于，所述步骤二中内部圆填充的具体步骤为：
2.1、对给定的室内激光扫描点云，根据其占用的空间范围细分为网格，得到一系列像 素
Figure DEST_PATH_IMAGE001
，查找每个像素中心的最近邻点
Figure 313000DEST_PATH_IMAGE002
和最近邻距离
Figure DEST_PATH_IMAGE003
，定义每个像素 的距离变换集合为
Figure 22330DEST_PATH_IMAGE004
2.2、选择距离变换值最大的像素为圆心，最大近邻距离为半径进行填充；设该像元中 心为
Figure DEST_PATH_IMAGE005
，其最近邻距离为
Figure 894340DEST_PATH_IMAGE006
，则初次填充圆定义为
Figure DEST_PATH_IMAGE007
；
2.3、对未被内部圆填充区域进行距离变换值更新，对比未被填充区域的像素中心距离 最近邻点的距离dB与像素中心到填充圆边界的距离dS，更新该像素的距离变换值
Figure 714529DEST_PATH_IMAGE008
；
2.4、从距离变换更新后的填充圆外部像素集合中选取最大近邻距离的像素中心作为新的填充圆圆心，填充新的内部圆；
2.5、依次迭代，直至所有像素都被填充完毕，得到非相交填充内部圆集合
Figure DEST_PATH_IMAGE009
。
3.根据权利要求1所述的一种基于内部圆和邻接图的房间分割方法，其特征在于，所述步骤三中拓扑邻接图构建的具体实现步骤为：
3.1、初始化邻接图G<V, E>；所有内部圆的中心点作为邻接图的节点V；根据所有内部圆的中心点构成集合P，对点集P构建KD树；
3.2、遍历每一个内部圆的圆心点p，搜索其2
Figure 253963DEST_PATH_IMAGE010
半径范围的近邻圆心点；
3.3、判断近邻圆
Figure DEST_PATH_IMAGE011
与当前圆
Figure 868615DEST_PATH_IMAGE012
是否相切，如果是，向邻接图G中添加边
Figure DEST_PATH_IMAGE013
；
3.4、依次迭代，直至所有内部圆的圆心点遍历完毕。
4.根据权利要求1所述的一种基于内部圆和邻接图的房间分割方法，其特征在于，所述步骤四中的连通子图分割的具体实现步骤为：
4.1、设置门的宽度阈值
Figure 499360DEST_PATH_IMAGE014
，最小房间面积阈值
Figure DEST_PATH_IMAGE015
；
4.2、遍历邻接图G中的每一条边e，当边e连接的两个内部圆的面积足够大且相邻两个 内部圆的权重小于给定阈值
Figure 592081DEST_PATH_IMAGE016
时，移除该边e；
4.3、遍历每一个邻接图G中每一个内接圆节点v，如果其相邻的两个内部圆面积足够 大，且中心点的距离变换值大于
Figure 782760DEST_PATH_IMAGE016
，增加一条边；如果中心点的距离变换值小于 等于
Figure 365051DEST_PATH_IMAGE016
，移除权重较小的一条边；得到新的邻接图G’；
4.4、对图G’进行连通子图分割，得到连通域集合
Figure DEST_PATH_IMAGE017
；
为连通域赋予初始房间语义标记ID。
5.根据权利要求1所述的一种基于内部圆和邻接图的房间分割方法，其特征在于，所述步骤五中的连通子图合并与房间语义赋值的具体实现步骤为：
5.1、遍历连通域集合C每一个连通子图
Figure 211653DEST_PATH_IMAGE018
，基于初始的无向图G构建
Figure 904802DEST_PATH_IMAGE018
的近邻子图列 表，同时统计
Figure 169562DEST_PATH_IMAGE018
与近邻子图的邻接度，即邻接的边数；
5.2、遍历每一个
Figure 906442DEST_PATH_IMAGE018
，判断与其它连通子图
Figure DEST_PATH_IMAGE019
的邻接度，根据邻接度降序排列，取邻接度 最大的子图
Figure 256652DEST_PATH_IMAGE020
，如果子图
Figure 753493DEST_PATH_IMAGE020
的面积小于最小房间面积阈值
Figure 653184DEST_PATH_IMAGE015
且通达度大于3，则合并两个连 通子图；更新
Figure 311699DEST_PATH_IMAGE018
的节点集合，更新
Figure 680363DEST_PATH_IMAGE018
的近邻子图列表和邻接度统计信息；
5.3、删除子图，更新所有其它但不包括
Figure 715315DEST_PATH_IMAGE018
的子图的近邻和邻接度统计信息，更新集合
Figure DEST_PATH_IMAGE021
；
5.4、对于更新后的
Figure 203934DEST_PATH_IMAGE021
集合，依次迭代，直到所有的连通子图都已经合并；
5.5、将C根据子图的面积降序排列；遍历每一个
Figure 33350DEST_PATH_IMAGE018
，判断与其连通的子图
Figure 889311DEST_PATH_IMAGE020
，根据面积 降序排列，如果子图
Figure 977221DEST_PATH_IMAGE020
的面积小于最小房间面积阈值，则合并两个连通子图；更新
Figure 71079DEST_PATH_IMAGE018
的节点 集合，更新
Figure 336975DEST_PATH_IMAGE018
的近邻子图列表和邻接度统计信息；
5.6、删除子图
Figure 414653DEST_PATH_IMAGE020
，更新所有其它但不包括
Figure 306254DEST_PATH_IMAGE018
的子图的近邻和邻接度统计信息，更新集 合
Figure 785777DEST_PATH_IMAGE021
；
5.7、对于更新后的
Figure 222575DEST_PATH_IMAGE021
集合，依次迭代，直到所有的连通子图都已经合并；
5.8、输出房间语义信息到每一个内部圆节点。
CN202110598912.3A 2021-05-31 2021-05-31 一种基于内部圆和邻接图的房间分割方法 Pending CN113160235A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110598912.3A CN113160235A (zh) 2021-05-31 2021-05-31 一种基于内部圆和邻接图的房间分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110598912.3A CN113160235A (zh) 2021-05-31 2021-05-31 一种基于内部圆和邻接图的房间分割方法

Publications (1)

Publication Number Publication Date
CN113160235A true CN113160235A (zh) 2021-07-23

Family

ID=76875350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110598912.3A Pending CN113160235A (zh) 2021-05-31 2021-05-31 一种基于内部圆和邻接图的房间分割方法

Country Status (1)

Country Link
CN (1) CN113160235A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628224A (zh) * 2021-08-09 2021-11-09 南通大学 一种基于三维欧式距离变换的房间分割方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306188A (zh) * 2011-08-31 2012-01-04 无敌科技(西安)有限公司 数据提供方法、系统、计算机程序产品及计算机可读取记录媒体
CN103268729A (zh) * 2013-05-22 2013-08-28 北京工业大学 基于混合特征的移动机器人级联式地图创建方法
CN104898660A (zh) * 2015-03-27 2015-09-09 中国科学技术大学 一种提高机器人路径规划效率的室内地图构建方法
CN106931975A (zh) * 2017-04-14 2017-07-07 北京航空航天大学 一种基于语义地图的移动机器人多策略路径规划方法
CN107862738A (zh) * 2017-11-28 2018-03-30 武汉大学 一种基于移动激光测量点云进行室内结构化三维重建方法
CN108536923A (zh) * 2018-03-20 2018-09-14 金华航大北斗应用技术有限公司 一种基于建筑cad图的室内拓扑地图生成方法及系统
CN108898605A (zh) * 2018-07-25 2018-11-27 电子科技大学 一种基于图的栅格地图分割方法
CN110120097A (zh) * 2019-05-14 2019-08-13 南京林业大学 大场景机载点云语义建模方法
CN110532602A (zh) * 2019-07-19 2019-12-03 中国地质大学（武汉） 一种基于平面图图像的室内自动制图与建模方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306188A (zh) * 2011-08-31 2012-01-04 无敌科技(西安)有限公司 数据提供方法、系统、计算机程序产品及计算机可读取记录媒体
CN103268729A (zh) * 2013-05-22 2013-08-28 北京工业大学 基于混合特征的移动机器人级联式地图创建方法
CN104898660A (zh) * 2015-03-27 2015-09-09 中国科学技术大学 一种提高机器人路径规划效率的室内地图构建方法
CN106931975A (zh) * 2017-04-14 2017-07-07 北京航空航天大学 一种基于语义地图的移动机器人多策略路径规划方法
CN107862738A (zh) * 2017-11-28 2018-03-30 武汉大学 一种基于移动激光测量点云进行室内结构化三维重建方法
CN108536923A (zh) * 2018-03-20 2018-09-14 金华航大北斗应用技术有限公司 一种基于建筑cad图的室内拓扑地图生成方法及系统
CN108898605A (zh) * 2018-07-25 2018-11-27 电子科技大学 一种基于图的栅格地图分割方法
CN110120097A (zh) * 2019-05-14 2019-08-13 南京林业大学 大场景机载点云语义建模方法
CN110532602A (zh) * 2019-07-19 2019-12-03 中国地质大学（武汉） 一种基于平面图图像的室内自动制图与建模方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CH I ZHANG ETAL: ""Constraints for Improving Information Integrity in Information Conversion From CAD Building Drawings to BIM Model"", 《IEEE ACCESS》, pages 81190 - 81208 *
LIN LI ETAL: ""Reconstruction of Three-Dimensional (3D) Indoor Interiors with Multiple Stories via Comprehensive Segmentation"", 《REMOTE SENSING》, pages 1 - 30 *
尹鹏程 等: ""新型地理实体数据关键技术研究及应用"", 《北京测绘》, pages 881 - 885 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628224A (zh) * 2021-08-09 2021-11-09 南通大学 一种基于三维欧式距离变换的房间分割方法
CN113628224B (zh) * 2021-08-09 2023-12-19 南通大学 一种基于三维欧式距离变换的房间分割方法

Similar Documents

Publication Publication Date Title
CN111504325B (zh) 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法
CN107862738B (zh) 一种基于移动激光测量点云进行室内结构化三维重建方法
CN107025685B (zh) 拓扑感知下的机载建筑屋顶点云建模方法
CN108664022B (zh) 一种基于拓扑地图的机器人路径规划方法及系统
CN105512344B (zh) 一种室内移动对象相对位置的查询方法
CN112802204B (zh) 未知环境下三维空间场景先验的目标语义导航方法及系统
CN107895031B (zh) 建筑信息模型在三维数字城市场景中自适应动态调度方法
CN113776534B (zh) 一种基于立体剖分网格的无人机三维时变空域导航方法
CN111090712A (zh) 一种数据处理方法、装置、设备及计算机存储介质
CN108882172A (zh) 一种基于hmm模型的室内移动轨迹数据的预测方法
CN106204719A (zh) 基于二维邻域检索的三维场景中海量模型实时调度方法
CN111179374A (zh) 一种室内导航网络结构图构建方法、系统及电子设备
Magillo et al. Algorithms for parallel terrain modelling and visualisation
CN107818338B (zh) 一种面向地图综合的建筑物群组模式识别的方法及系统
CN116416366A (zh) 3d模型构建方法、装置和电子设备
CN113160235A (zh) 一种基于内部圆和邻接图的房间分割方法
CN113868816A (zh) 一种室内路径拓扑的构建方法、系统、设备及终端
CN114205831A (zh) 一种优化方案的确定方法、装置、存储介质及设备
CN111709102B (zh) 一种基于层次聚类的供水管网分区方法
CN111536973A (zh) 一种室内导航网络提取方法
CN108074253B (zh) 一种基于Delaunay三角剖分的多层级矢量道路网匹配方法
CN111080080A (zh) 一种村镇地质灾害风险预估方法及系统
CN113628224B (zh) 一种基于三维欧式距离变换的房间分割方法
CN109345638A (zh) 一种基于Snake模型多基元融合的点云滤波方法
CN116152451A (zh) 多维参数化城市信息模型构建方法、系统及计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination