CN102654918A - 在建筑物中确定楼层数 - Google Patents
在建筑物中确定楼层数 Download PDFInfo
- Publication number
- CN102654918A CN102654918A CN2012100525180A CN201210052518A CN102654918A CN 102654918 A CN102654918 A CN 102654918A CN 2012100525180 A CN2012100525180 A CN 2012100525180A CN 201210052518 A CN201210052518 A CN 201210052518A CN 102654918 A CN102654918 A CN 102654918A
- Authority
- CN
- China
- Prior art keywords
- buildings
- deviation
- predefine
- vertical
- average
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Abstract
本发明涉及用于基于建筑物的图像数据确定该建筑物的楼层数的方法,该方法包括以下步骤:确定在该图像数据中显示的该建筑物正面的背景颜色,检测与该建筑物正面的背景颜色的预定义偏差,确定在该建筑物正面的垂直方向上预定义偏差的平均数,并基于所确定的预定义偏差的平均数,推导出该建筑物的楼层数,其中,楼层数与所确定的平均数对应。
Description
技术领域
本发明涉及用于确定建筑物的楼层数的方法,并涉及确定该楼层数的模块。
背景技术
向车辆的驾驶员提供驾驶建议的导航系统已经被熟知多年。这些导航系统可通过简单地指示出指示驾驶方向的箭头来提供驾驶建议。此外,可将示出道路网络的地图数据在鸟瞰立体图上向驾驶员显示。然后,在显示器上与驾驶建议一起示出的道路网络上,可将所建议的路线加亮。
近几年来,所显示的导航信息变得让使用者越来越容易掌握,并且其被熟知为可在显示器上将景观的三维立体图显示成正如驾驶员所看见的那样。在这种背景下,除道路以外,与道路相邻的建筑物也被显示出来。
目前存在包括道路网络的图像数据的数据库,该道路网络包括车辆的周围环境。在这些图像数据中,示出了正如从道路上所看到的那些建筑物或其它地标。提供在较大的地理区域中的周围环境的图像所需的数据量是相当大的,因为通常示出建筑物正面(facade)的建筑物图片包括大约2兆像素(megapixel)。这些详细的图片数据不能结合被并入车辆中的包括整个国家或整个大陆地图数据的导航系统使用。同时,车辆周围环境的三维表示是必需的,将该三维表示向地图数据的使用者示出,在该三维表示中,当该地图数据的使用者望向窗外,将被显示的建筑物与实物比较时,至少能够在车辆周围环境中辨认出所示出的被显示的建筑物。当被显示的建筑物的楼层数与现实中该建筑物的楼层数相对应时,这是有可能的。
发明内容
据此,目前存在需要提供有效地并可靠地确定在图像数据上示出的建筑物的楼层数的可能性。
这种需求通过在独立权利要求中描述的特征来满足。在从属权利要求中描述了本发明的优选实施例。
依据本发明的第一方面,提供了一种用于基于建筑物的图像数据来确定建筑物楼层数的方法,该方法包括确定在图像数据中显示的建筑物正面的背景颜色的步骤。此外,在该建筑物的正面上检测与该背景颜色的预定义偏差,并且,基于所检测出的预定义偏差,确定在该建筑正面的垂直方向上预定义偏差的平均数(mean number)。基于所确定的预定义偏差的平均数,可推导出建筑物的楼层数,该楼层数与所确定的平均数对应。正面的背景颜色、纹理可容易地被确定出来。与正面相比,在该正面上的窗户或门具有不同的颜色。当检测出在正面的背景颜色中具有窗户或门形状的预定义偏差时,则检测出了在该正面上的窗户或门。根据在垂直方向上的窗户/门的个数,可计算出一个平均值(平均数),其对应于该楼层数的可能性非常高。当已知建筑物的楼层数以及楼层平面图时,可生成该建筑物的示意图,该图与现实中该建筑物的外观相似。
依据一个实施例,预定义偏差可通过将建筑物的正面划分成多个垂直分区来确定。然后,可针对每个垂直分区,确定与背景颜色的预定义偏差,并且,可基于针对不同垂直分区确定的各个预定义偏差,确定预定义偏差的平均数。通过确定正面的若干个分区中预定义偏差的个数,进一步增加了所确定的平均数对应于楼层数的可能性。
确定平均数的一种额外的可能性是在多个垂直分区中确定出没有预定义偏差的第一垂直分区,在其中未检测到预定义偏差。然后,可从对平均偏差的确定中排除这些无预定义偏差的第一垂直分区。在这些第一垂直分区中,没有窗户或门被检测出来。这样的垂直分区主要显示没有窗户的正面。如果将在这种分区中的预定义偏差个数包括在对平均偏差的确定中,则所计算出的平均数将不对应于楼层数。
进一步改进对平均数的确定的另一种可能性如下:在多个垂直分区内确定第二垂直分区,其中,预定义偏差的个数与在其它垂直分区中确定的预定义偏差的个数差异超过阈值。对于确定在其它垂直分区中确定的预定义偏差的个数,无偏差的第一垂直分区已经被排除了。然后,这些第二垂直分区也可从对平均数的确定中被排除。排除这些第二垂直分区有助于进一步改善确定楼层数的可靠性。通过示例的方式,正面可包括一个分区,在该分区中,在垂直方向上只提供了一个窗户,该建筑物具有四个或五个楼层。如果对于平均数的确定,将该垂直分区考虑在内,则结果将是错误的。因此,当从对平均数的确定中排除这些第二垂直分区时,确定该楼层数的准确性被进一步改善。
为了确定正面的颜色中的偏差是否对应于检测出的窗户,可确定预定义形状,并且,可将这些被检测出的偏差与预定义偏差进行比较。通过示例的方式,当一个偏差基本上为宽高比在预定义范围内的矩形时,该偏差可被认为是预定义偏差。通过确定该范围,在对窗户的检测中可包括不同的窗户形式。
当已经确定出楼层数时,可以将该楼层数与该建筑物的其它信息一起进行存储,使得能够生成该建筑物的图形表示。当图形表示的楼层数与实物对应时,向使用者显示该图形表示,则该使用者可容易地辨认出所显示的建筑物。
用于存储建筑物数据以使得该建筑物的真实表示能够具有减小的存储容量的一种可能性是,将楼层数存储成与该建筑物的楼层平面图链接。基于楼层平面图和楼层数,可生成该建筑物的真实表示。
此外,当已知楼层数时,可以基于垂直相邻的预定义偏差之间的距离,并基于楼层数,确定出在该建筑物正面上的不同楼层。通过这种认知,该建筑物的显示图像可被生成为,该建筑物的各个楼层具有不同的纹理。当所显示的信息被用于导航目的时,并且,当由使用者指出的目的地的位于某一楼层时,该目的地的位置所处的楼层可在显示上被指示出来。
确定不同楼层的一种可能性是通过确定两个垂直相邻的偏差之间的距离,以确定出两个楼层之间的分界,其中,该分界被确定为位于两个垂直相邻的偏差之间的距离的一半处。
本发明还涉及一种用于基于建筑物的图像数据确定该建筑物的楼层数的模块,该模块包括处理单元,其被配置成,确定在图像数据中示出的建筑物正面的背景颜色。该处理单元进一步被配置成,检测与该建筑物正面的背景颜色的预定义偏差,并被配置成,确定该建筑物正面的垂直方向上预定义偏差的平均数。而且,该处理单元被设计成,基于所确定的平均数,推导出该建筑物的楼层数,其中,该楼层数与所确定的平均数对应。该处理单元可像在上面和下面更详细地讨论的那样确定出平均数。
附图说明
现将参考附图更详细地描述本发明,其中
图1示出了能够使用建筑物的图像数据确定楼层数的模块的示意图;
图2示出了包括由图1的模块执行以确定楼层数的主要步骤的流程图;
图3示出了建筑物的正面并示出如何确定与正面的背景颜色的平均偏差的示意图;
图4是所显示建筑物的示意图,其中显示出了不同的楼层;以及
图5示出了已知背景颜色和窗户的情况下可如何生成正面图像的示意图。
具体实施方式
在图1中示意性地示出了模块10,通过该模块,可以高度精确地确定在图像数据中示出的建筑物的楼层数。该模块被连接到包括建筑物的图像数据的数据库12。这些图像数据可能已经由在街道网络上驾驶同时从周围环境中获取图像的车辆生成。可以使用飞机或其它飞行交通工具来进一步生成图像数据。包括图像数据的数据库可被直接连接到模块10。在另一个实施例中,数据库12可位于远离模块10处,并可被分成多个部分发送到模块10。
而且,模块还被连接到包括地图信息的地图数据13,这些地图信息当前由导航系统使用以引导使用者去往预定义的目的地。该地图数据包括道路网络并可额外地包含关于道路周围环境的信息,道路周围的环境尤其包括建筑物。通过示例的方式,除了道路网络外,数据库13可包括建筑物的楼层平面图(floor plan)。模块10包括处理单元11,处理单元11被配置成使用在数据库12中包括的图像数据来确定建筑物的楼层数。现将参考图2至图5进一步详细讨论建筑物的楼层数的确定。当处理单元已经确定出楼层数时,建筑物的楼层数可被添加到数据库13中包括的地图数据中。然后,包括街道网络、建筑物楼层平面图和相应的楼层数的地图数据可与导航系统结合使用。在图1中示出的系统可以是导航系统的一部分。然而,也可以将地图数据或由模块10确定的楼层数据提供给导航系统以用于进一步的应用。
下面将更加详细地参考图2和图3进一步详细讨论用于确定楼层数的方法。在图3中更加详细地示出了在数据库12中存储的图像的一个示例。该图像示出了外壳300,其具有正面31。在所示出的实施例中,该建筑物具有三层不同的楼层,并具有矩形的楼层平面图。
结合图2,更加详细地讨论了基于图像数据确定楼层数所执行的步骤。该方法从步骤S20开始,并且,在第一步骤中,从该建筑物中识别出正面。正如可从图3所见的,通过使用能够检测出图像数据中的边缘的已知的后处理算法(例如,Canny过滤法或Gaussian过滤法),在该图像中能够确定出外壳的正面31。通过示例的方式,通过通常为水平线的檐沟(eaves-gutter)33,可沿着屋顶32划分出前方的正面31。使用本领域中已知的边缘检测算法,可以这样的方式处理图像,即,可检测出该正面的边界,如,左边界34和右边界35。这些边界与檐沟一起形成了该正面(步骤21)。在下一个步骤中,通过确定对应于该正面的纹理的该正面的RGB值(步骤S22),确定出该正面的背景颜色。这样,通过检测矩形边界中的单色表面,可在图像中检测出该正面。在其它示例中,对一致的纹理进行检测,因为正面不必须具有一致的颜色,而且还可以具有不同颜色的一致的图案。在城市区域中,相邻建筑物经常彼此连接。为了能够区别出两个相邻的建筑物,可将以下因素考虑在内:建筑物的高度、正面的不同颜色、窗户的不同形状和布置,和/或这些建筑物与街道的不同距离。
正如在图3中所见,该正面被划分成不同的垂直分区36,诸如,不同分区36a至36h(步骤S23)。然后,这些不同分区被进一步处理,以便检测与背景颜色的偏差。在图像中示出的窗户37或门38将具有与背景不同的颜色。确定颜色的一种可能性是使用具有立方体形式的编码空间。在该空间中,颜色由三个参数L、a、b描述。L描述一个点的亮度,值Lmax代表白色,最小值Lmin描述黑色。参数a和b不具有边界,并且正的a指示红色,而负的a指示绿色。正的b值指示黄色,负的b值指示蓝色。在分区36a中,将检测用虚线示出的表面。然后对所检测出的偏差进行分类,并且,如果所检测出的偏差具有与预定义形状相对应的形状,则该偏差被归类为预定义偏差,其被用于确定建筑物的楼层数。通过示例的方式,如果在正面上找出的偏差基本上具有矩形形状,则该偏差被认为是预定义偏差。此外,可确定宽高比的一定范围。例如,每一个成矩形并具有在2∶1至8∶1之间宽高比的偏差可被归类为窗户或者门。然而,应该理解,当检测出其它形状,诸如圆形或者除顶部外为矩形的形状时,该偏差可被认为是预定义偏差,因为可能是像在图3所示出的门那样的情况,在此处门38的顶部部分不是矩形(步骤S24)。
针对每一个垂直分区36a至36h,检测偏差的个数。正如从图3可见的,在分区36c和36g中无法找到符合预定义偏差的定义的偏差。
在所示出的实施例中,针对每一个分区所找出的预定义偏差的个数如下:
针对分区36a、36b和36f,在垂直方向上检测出三个预定义偏差,在分区36c和36g中无预定义偏差,在分区36d中有四个预定义偏差,并且在分区36e和36h中有一个预定义偏差。基于在每一个分区中找到的预定义偏差的个数,可估计出楼层数。为了这个目的,未检测出预定义偏差的那些垂直分区(在所示出的实施例中为分区36c和36g)被识别出来,并且从计算中排除这些分区(步骤S25)。此外,找到两个分区,在此为分区36e和36h,仅找出一个偏差,而在其余分区中找出了三个或四个偏差。在步骤S25排除无偏差的分区之后,再排除偏差个数与在其它分区中找出的偏差个数差别较大的分区。进行该比较时,那些没有找到偏差的分区已经被排除。因此,将已经找出预定义偏差的这些垂直分区互相比较,并且,如果所找出的偏差个数与其它分区中找出的个数差别大于预定义阈值(在此为2),则也排除该相应的分区(步骤S26)。因此,在所示出的实施例中,分区36a和36h从计算中被排除。然后,剩余分区(分区36a、36b、36d和36f)被用于确定预定义偏差的平均数。在所示出的实施例中,在剩余分区中预定义偏差的个数如下:3、3、4、3。于是在所示出的实施例中,剩余分区的平均偏差为3.25。基于通过将该平均值取为邻近整数,则现在计算出平均数,在所示出的实施例中为3。如果所计算出的平均值为3.8或3.9,则平均偏差将被确定为4。因此,更接近所确定的平均值的邻近整数被用作平均数(步骤S27)。在所示出的示例中,所计算出的预定义偏差的个数(窗户或者门)为3。在下一步骤中,可从确定出的平均数推导出楼层数,在所示出的实施例中,楼层数简单地对应于该平均数3(步骤S28)。当在步骤S28中确定的计算与图3所示出的附图比较时,可推导出,正确的楼层数是从图像处理中推导出来的。在步骤S29中,楼层数可与其它信息(例如,楼层平面图)一起被存储在地图数据库13中。该方法在步骤S30结束。在所示出的实施例中,平均偏差是通过将所确定的平均值四舍五入到邻近整数来确定的。
结合图4,该图示出了一个实施例,其中示出了具有已知楼层平面图41的建筑物40。假设如以上结合图2和图3的解释,已经确定出楼层的个数。在所示出的实施例中,所确定的楼层数为4。而且,在图1中示出的处理单元可被配置成,使用底层信息和关于楼层数的信息生成图像数据。使用这两条信息,获得关于建筑物看起来如何的真实表示。
而且,处理单元11可被配置成,使用对所确定的楼层数的知识,并使用所检测出的预定义偏差,确定出建筑物中的不同楼层。在图4示出的实施例中,示出了两个窗户42和43。如以上所讨论的那样,这两个窗户被检测为预定义偏差。当在垂直方向上识别出两个相邻的窗户时,可在图像数据上确定出这两个相邻的窗户之间的距离。通过这种认知,可通过取这两个窗户42和43之间距离的一半,确定出两个楼层之间的分界。垂直分区可被用于这种对两个楼层之间的分界的确定,其中,预定义偏差的个数对应于确定出的楼层数或平均偏差。这有助于避免针对一幢建筑物确定出不同分界或错误的分界。已知两个楼层之间的分界,可以用不同纹理显示不同楼层。这使得对于使用者来说,区分不同的楼层是很容易的。如果所显示的建筑物的图像结合导航系统被使用,并且,如果已知所期望目的地的楼层数,则详细地指示出该期望目的地所位于的楼层是有可能的。
关于所确定的楼层数的信息以及背景颜色的信息还可被用于以以下方式存储图像数据:已知背景颜色、正面的颜色,则具有正面尺寸的第一层可被生成为具有所确定的背景颜色。在图5示出的实施例中,该层,背景纹理以参考数字51示出。而且,使用对预定义偏差的检测,已经确定了窗户或门。第二数据层可被生成为包括所检测出的窗户。在图5的右上部分,通过参考数字52示出了窗户层。然后可将这两个层合并,以生成如在图5下部的图像53中示出的有色的表示。然后可将该表示显示给使用者。
当在正面上检测出预定义偏差时,可以检测出不同形状的窗户和门。这些不同的形状然后可被存储在库中,并且该库可被用于通过将在正面上找出的偏差与在该库中存储的已知预定义偏差进行比较,来识别出预定义偏差。如果所检测出的形状符合预定义偏差,但尚未被包括在形状库中,则新找到的该偏差的形状可被添加到该库中,并且被归类为预定义偏差。
综上所述,本发明能够以高可靠性和准确性确定出在图像上示出的建筑物的楼层数。
Claims (11)
1.一种用于基于建筑物的图像数据确定该建筑物的楼层数的方法,该方法包括以下步骤:
确定在所述图像数据中显示的所述建筑物的正面的背景颜色,
检测与所述建筑物的所述正面的所述背景颜色的预定义偏差,
基于所检测出的预定义偏差,确定在所述建筑物的所述正面的垂直方向上预定义偏差的平均数,
基于所确定的预定义偏差的平均数,推导所述建筑物的楼层数,其中,所述楼层数对应于所述确定的平均数。
2.如权利要求1所述的方法,其中,所述预定义偏差是通过将所述建筑物的所述正面划分成多个垂直分区来确定的,其中,针对每个垂直分区,确定与所述背景颜色的所述预定义偏差,其中,所述预定义偏差的平均数是基于针对不同的垂直分区确定的相应的预定义偏差来确定的。
3.如权利要求2所述的方法,其中,执行以下步骤来确定所述预定义偏差的平均数:
在所述多个垂直分区中确定没有预定义偏差的第一垂直分区,在所述第一垂直分区中没有检测到预定义偏差,以及
从所述确定所述预定义偏差的平均数的步骤中,排除没有预定义偏差的所述第一垂直分区。
4.如权利要求2或3所述的方法,其中,执行以下步骤来确定所述预定义偏差的平均数:
在所述多个垂直分区中确定第二垂直分区,其中预定义偏差的个数与在其它垂直分区中确定的所述预定义偏差的个数的差异超过阈值,
从所述确定所述预定义偏差的平均数的步骤中排除所述第二垂直分区。
5.如前述权利要求中任一项所述的方法,其中,当在所述正面上的偏差基本上为宽高比在预定义范围内的矩形时,该偏差被认为是预定义偏差。
6.如前述权利要求中的任一项所述的方法,其中,所述楼层数被存储成与所述建筑物的其它信息链接,使得所述建筑物的图形表示能够被生成。
7.如权利要求6所述的方法,其中,所述楼层数被存储成与所述建筑物的楼层平面图链接。
8.如前述权利要求中的任一项所述的方法,进一步包括,使用所述建筑物的楼层平面图和所述确定出的楼层数,生成所述建筑物的显示图像的步骤。
9.如前述权利要求中的任一项所述的方法,进一步包括以下步骤:
基于垂直相邻的预定义偏差之间的垂直距离,并基于所推导出的楼层数,确定所述建筑物的所述正面的不同楼层,以及
生成所述建筑物的显示图像,使用不同纹理来用于所述建筑物的相应的不同楼层。
10.如权利要求9所述的方法,其中,通过确定两个垂直相邻的预定义偏差之间的距离,确定两个楼层之间的分界,其中,所述分界被确定成位于两个垂直相邻的偏差之间的所述距离的一半处。
11.一种基于建筑物的图像数据来确定所述建筑物的楼层数的模块,该模块包括:处理单元,其被配置成确定所述图像数据中显示的所述建筑物的正面的背景颜色,被配置成检测与所述建筑物的所述正面的所述背景颜色的预定义偏差,其中,所述处理单元还被配置成确定在所述建筑物的所述正面的垂直方向上预定义偏差的平均数,并被配置成,基于所确定出的预定义偏差的平均数,推导所述建筑物的楼层数,其中,所述楼层数对应于所述确定出的平均数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP11156653A EP2495688A1 (en) | 2011-03-02 | 2011-03-02 | Floor Number Determination in Buildings |
EP11156653.5 | 2011-03-02 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102654918A true CN102654918A (zh) | 2012-09-05 |
Family
ID=44721175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100525180A Pending CN102654918A (zh) | 2011-03-02 | 2012-03-02 | 在建筑物中确定楼层数 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8666158B2 (zh) |
EP (1) | EP2495688A1 (zh) |
JP (1) | JP2012181829A (zh) |
KR (1) | KR20120100737A (zh) |
CN (1) | CN102654918A (zh) |
CA (1) | CA2765326A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783211A (zh) * | 2020-07-08 | 2020-10-16 | 武汉市测绘研究院 | 一种竣工单体建筑分层平面图自动化生成方法及生成系统 |
CN112183301A (zh) * | 2020-09-23 | 2021-01-05 | 武汉大势智慧科技有限公司 | 一种建筑物楼层智能识别方法及装置 |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8145578B2 (en) | 2007-04-17 | 2012-03-27 | Eagel View Technologies, Inc. | Aerial roof estimation system and method |
US8078436B2 (en) | 2007-04-17 | 2011-12-13 | Eagle View Technologies, Inc. | Aerial roof estimation systems and methods |
US8209152B2 (en) | 2008-10-31 | 2012-06-26 | Eagleview Technologies, Inc. | Concurrent display systems and methods for aerial roof estimation |
US8170840B2 (en) | 2008-10-31 | 2012-05-01 | Eagle View Technologies, Inc. | Pitch determination systems and methods for aerial roof estimation |
CA2801486C (en) | 2010-02-01 | 2018-12-11 | Eagle View Technologies, Inc. | Geometric correction of rough wireframe models derived from photographs |
EP2495688A1 (en) * | 2011-03-02 | 2012-09-05 | Harman Becker Automotive Systems GmbH | Floor Number Determination in Buildings |
US10515414B2 (en) | 2012-02-03 | 2019-12-24 | Eagle View Technologies, Inc. | Systems and methods for performing a risk management assessment of a property |
US8774525B2 (en) * | 2012-02-03 | 2014-07-08 | Eagle View Technologies, Inc. | Systems and methods for estimation of building floor area |
US9599466B2 (en) | 2012-02-03 | 2017-03-21 | Eagle View Technologies, Inc. | Systems and methods for estimation of building wall area |
US9933257B2 (en) | 2012-02-03 | 2018-04-03 | Eagle View Technologies, Inc. | Systems and methods for estimation of building wall area |
US10663294B2 (en) | 2012-02-03 | 2020-05-26 | Eagle View Technologies, Inc. | Systems and methods for estimation of building wall area and producing a wall estimation report |
JP2013231634A (ja) * | 2012-04-27 | 2013-11-14 | Hitachi Consumer Electronics Co Ltd | 位置情報提供システム、ナビゲーションシステム、及び端末装置 |
US10909482B2 (en) | 2013-03-15 | 2021-02-02 | Pictometry International Corp. | Building materials estimation |
US9959581B2 (en) | 2013-03-15 | 2018-05-01 | Eagle View Technologies, Inc. | Property management on a smartphone |
US11670046B2 (en) | 2013-07-23 | 2023-06-06 | Hover Inc. | 3D building analyzer |
US10861224B2 (en) | 2013-07-23 | 2020-12-08 | Hover Inc. | 3D building analyzer |
US10127721B2 (en) | 2013-07-25 | 2018-11-13 | Hover Inc. | Method and system for displaying and navigating an optimal multi-dimensional building model |
US9830681B2 (en) | 2014-01-31 | 2017-11-28 | Hover Inc. | Multi-dimensional model dimensioning and scale error correction |
US9235775B2 (en) | 2014-06-08 | 2016-01-12 | Uber Technologies, Inc. | Entrance detection from street-level imagery |
US10133830B2 (en) * | 2015-01-30 | 2018-11-20 | Hover Inc. | Scaling in a multi-dimensional building model |
US10068336B1 (en) | 2015-04-20 | 2018-09-04 | Hrl Laboratories, Llc | Generic frontal and side doorway detection with line tracking and vanishing point based verification |
US9978149B1 (en) * | 2015-04-20 | 2018-05-22 | Hrl Laboratories, Llc | System and method for door detection for corridor exploration |
US11248908B2 (en) * | 2017-02-24 | 2022-02-15 | Here Global B.V. | Precise altitude estimation for indoor positioning |
US10503843B2 (en) | 2017-12-19 | 2019-12-10 | Eagle View Technologies, Inc. | Supervised automatic roof modeling |
KR102640871B1 (ko) | 2018-10-30 | 2024-02-27 | 삼성전자주식회사 | 증강 현실을 이용한 영상 데이터를 제공하는 전자 장치 및 그 제어 방법 |
US11496860B2 (en) | 2020-04-22 | 2022-11-08 | T-Mobile Usa, Inc. | Developing a fingerprint map for determining an indoor location of a wireless device |
US11758361B2 (en) * | 2020-04-22 | 2023-09-12 | T-Mobile Usa, Inc. | Indoor localization based on acceleration events |
US11832147B2 (en) | 2020-04-22 | 2023-11-28 | T-Mobile Usa, Inc. | Profiling location information and network traffic density from telemetry data |
KR102416820B1 (ko) * | 2020-05-11 | 2022-07-05 | 아주대학교 산학협력단 | 건물 이미지를 이용한 창문 검출 방법 및 장치 |
KR102328105B1 (ko) * | 2021-03-17 | 2021-11-18 | 주식회사 텐일레븐 | 건축물의 설계 방법 |
CN117332102B (zh) * | 2023-11-30 | 2024-02-06 | 陕西建一建设有限公司 | 一种基于bim的建筑数据优化存储方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3547947B2 (ja) * | 1997-08-11 | 2004-07-28 | アルパイン株式会社 | ナビゲーション装置における所在階数表示方法 |
JP4486175B2 (ja) * | 1999-01-29 | 2010-06-23 | 株式会社日立製作所 | 立体地図表示装置および方法 |
JP4559555B2 (ja) * | 1999-03-16 | 2010-10-06 | 株式会社日立製作所 | 立体地図表示方法およびナビゲーション装置 |
JP4094219B2 (ja) * | 2000-09-19 | 2008-06-04 | アルパイン株式会社 | 車載用ナビゲーション装置の立体地図表示方法 |
WO2006092853A1 (ja) * | 2005-03-02 | 2006-09-08 | Navitime Japan Co., Ltd. | 地図表示装置および地図表示方法 |
EP1938043A1 (en) * | 2005-10-17 | 2008-07-02 | Tele Atlas North America, Inc. | Method for generating an enhanced map |
DE102007030781A1 (de) * | 2006-10-11 | 2008-04-17 | Gta Geoinformatik Gmbh | Verfahren zur Texturierung virtueller dreidimensionaler Objekte |
WO2008044913A1 (en) * | 2006-10-13 | 2008-04-17 | Tele Atlas B.V. | System for and method of processing laser scan samples and digital photographic images relating to building façade |
WO2009015501A1 (en) * | 2007-07-27 | 2009-02-05 | ETH Zürich | Computer system and method for generating a 3d geometric model |
US8531472B2 (en) * | 2007-12-03 | 2013-09-10 | Pictometry International Corp. | Systems and methods for rapid three-dimensional modeling with real façade texture |
WO2009080034A2 (en) * | 2007-12-20 | 2009-07-02 | 3Djam Aps | System and method for conversion and distribution of graphical objects |
WO2010088840A1 (en) * | 2009-02-06 | 2010-08-12 | The Hong Kong University Of Science And Technology | Generating three-dimensional models from images |
US9098926B2 (en) * | 2009-02-06 | 2015-08-04 | The Hong Kong University Of Science And Technology | Generating three-dimensional façade models from images |
US9129432B2 (en) * | 2010-01-28 | 2015-09-08 | The Hong Kong University Of Science And Technology | Image-based procedural remodeling of buildings |
WO2011091717A1 (en) * | 2010-01-29 | 2011-08-04 | The Hong Kong University Of Science And Technology | Architectural pattern detection and modeling in images |
US8990049B2 (en) * | 2010-05-03 | 2015-03-24 | Honeywell International Inc. | Building structure discovery and display from various data artifacts at scene |
US9317133B2 (en) * | 2010-10-08 | 2016-04-19 | Nokia Technologies Oy | Method and apparatus for generating augmented reality content |
EP2495688A1 (en) * | 2011-03-02 | 2012-09-05 | Harman Becker Automotive Systems GmbH | Floor Number Determination in Buildings |
-
2011
- 2011-03-02 EP EP11156653A patent/EP2495688A1/en not_active Withdrawn
-
2012
- 2012-01-23 CA CA2765326A patent/CA2765326A1/en not_active Abandoned
- 2012-01-30 JP JP2012016366A patent/JP2012181829A/ja active Pending
- 2012-02-17 KR KR1020120016235A patent/KR20120100737A/ko not_active Application Discontinuation
- 2012-02-28 US US13/407,092 patent/US8666158B2/en active Active
- 2012-03-02 CN CN2012100525180A patent/CN102654918A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783211A (zh) * | 2020-07-08 | 2020-10-16 | 武汉市测绘研究院 | 一种竣工单体建筑分层平面图自动化生成方法及生成系统 |
CN112183301A (zh) * | 2020-09-23 | 2021-01-05 | 武汉大势智慧科技有限公司 | 一种建筑物楼层智能识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2012181829A (ja) | 2012-09-20 |
EP2495688A1 (en) | 2012-09-05 |
CA2765326A1 (en) | 2012-09-02 |
KR20120100737A (ko) | 2012-09-12 |
US8666158B2 (en) | 2014-03-04 |
US20120224770A1 (en) | 2012-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102654918A (zh) | 在建筑物中确定楼层数 | |
US10198805B2 (en) | Method for detecting objects in a warehouse and/or for spatial orientation in a warehouse | |
CN105551016B (zh) | 一种基于激光点云的路沿识别方法及装置 | |
CN110155053A (zh) | 提供用于驾驶车辆的信息的方法和设备 | |
CN107843267A (zh) | 施工路段无人驾驶车辆的路径生成方法及装置 | |
CN109991984A (zh) | 用于生成高精细地图的方法、装置和计算机存储介质 | |
Guo et al. | Graph-based 2D road representation of 3D point clouds for intelligent vehicles | |
CN108845569A (zh) | 生成三维高清道路图水平弯道行车线的半自动点云方法 | |
CN103793452A (zh) | 地图浏览器和方法 | |
CN109635737B (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
JP2007235950A (ja) | 車両位置検出方法及び装置 | |
CN105046198A (zh) | 一种车道检测方法 | |
CN103366179A (zh) | 畅通路径检测中的俯视图分类 | |
CN101334836A (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
CN102183262A (zh) | 个人化和情境感应的3d路线引导 | |
Chong et al. | Integrated real-time vision-based preceding vehicle detection in urban roads | |
JP2013054522A (ja) | 道路付属物検出装置、道路付属物検出方法、及びプログラム | |
JP5188429B2 (ja) | 環境認識装置 | |
Rieken et al. | Benefits of using explicit ground-plane information for grid-based urban environment modeling | |
CN107644538A (zh) | 交通信号灯的识别方法及装置 | |
CN113759391A (zh) | 一种基于激光雷达的可通行区域检测方法 | |
CN103020613A (zh) | 一种基于视频的信号灯识别方法及装置 | |
Janda et al. | Road boundary detection for run-off road prevention based on the fusion of video and radar | |
CN109992873B (zh) | 车站导向标识的安装设计方法 | |
CN117073664B (zh) | 一种露天矿山道路地形建图方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120905 |