CN107122528B - 一种户型图参数化可再编辑建模方法 - Google Patents
一种户型图参数化可再编辑建模方法 Download PDFInfo
- Publication number
- CN107122528B CN107122528B CN201710238490.2A CN201710238490A CN107122528B CN 107122528 B CN107122528 B CN 107122528B CN 201710238490 A CN201710238490 A CN 201710238490A CN 107122528 B CN107122528 B CN 107122528B
- Authority
- CN
- China
- Prior art keywords
- ray
- data
- house
- wall body
- house type
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 3
- 238000002203 pretreatment Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 239000000463 material Substances 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Mathematical Analysis (AREA)
- Civil Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像识别技术领域，尤其涉及一种户型图参数化可再编辑建模方法；具体包括以下步骤：对用户提供的户型图进行预处理；获取墙体中线起始两端坐标及墙体厚度数据；对特定区域门、窗、阳台进行切割处理；特征匹配识别，获取特征类型和起始两端坐标；根据用户要求是否对识别数据进行再编辑处理；三维重建户型图，多角度、多方位进行展示；本发明户型图参数化可再编辑建模方法是对户型基础特征，如：墙体、门、窗、阳台等的完整识别方法，并且支持对各个特征的再编辑功能，用户可随意更换特征类型、材质、尺寸，使最终展示效果更全面，更符合用户的实际需求。
Description
技术领域
本发明涉及图像识别技术领域，尤其涉及一种户型图参数化可再编辑建模方法。
背景技术
户型图参数化可再编辑建模方法可被运用于标准浏览器及移动终端，是基于图像识别技术将户型图中的墙体、门、窗、阳台等特征参数化，并支持在标准浏览器或手机终端可再编辑参数的方式建立三维展示模型，支持多角度观看户型的三维效果。
现有的户型图识别技术或方法中并没有对户型的基础特征,如:墙体、门、窗、阳台等有完整的识别方法，导致最终呈现出的展示效果缺乏大量的基础，展示效果不佳。此外，有些采用预先建立特征矢量数据库，与数据库匹配的方式进行处理，庞大的数据库将占据较多的内存，这在像手机这类内存较小的移动终端而言是不足支撑的。同时获取到的特征数据并不支持再编辑的功能，展示的三维模型中的特征的类型、材质、尺寸固化不可更改，展示效果单一，无法满足用户的实际需求。
发明内容
针对现有技术存在的不足，本发明提供了一种户型图参数化可再编辑建模方法，本发明户型图参数化可再编辑建模方法是对户型基础特征，如：墙体、门、窗、阳台等的完整识别方法，并且支持对各个特征的再编辑功能，用户可随意更换特征类型、材质、尺寸，使最终展示效果更全面，更符合用户的实际需求。
为了实现上述目的，本发明通过如下的技术方案来实现：
一种户型图参数化可再编辑建模方法，具体包括以下步骤：
步骤一：对用户提供的户型图进行预处理；
步骤二：获取墙体中线起始两端坐标及墙体厚度数据；
步骤三：对特定区域门、窗、阳台进行切割处理；
步骤四：特征匹配识别，获取特征类型和起始两端坐标；
步骤五：根据用户要求是否对识别数据进行再编辑处理；
步骤六：三维重建户型图，多角度、多方位进行展示。
进一步的，所述步骤一预处理方法包括以下步骤：
11)拷贝原图数据后对数据进行灰度化处理；
12)将灰度化数据进行二值化处理；
13)将图像进行膨胀化处理后再使用开运算处理；
14)使用高斯模糊处理图像；
15)对处理后的图像进行边缘检测，获取边缘检测图像。
进一步的，所述步骤二获取墙体中线起始两端坐标及墙体厚度数据的方法包括以下步骤：
21)使用快速检测直线检测方法检测出图像的所有直线两端坐标数据；
22)检测的直线为墙体的边缘数据，将其转换为墙体中线，并获取墙体厚度数据；
23)由于户型图图像与实际的户型存在比例关系，因此提供用户输入对应户型的准确比例值接口，使最终生成建立的户型模型与真实的户型尺寸一致；
24)墙体中线数据会存在不同墙中线重叠、过近、相同射线方向的墙体中线中断、基本拐角性质和T型角性质的两墙中线未闭合问题，对上述问题进行优化处理，获取最终的墙体中线起始点坐标及墙体厚度。
进一步的，所述步骤三对特定区域门、窗、阳台进行切割处理的方法包括以下步骤：
31)对优化后墙中线的两端数据做上下左右四个正方向的射线，如该射线方向上为原墙中线的端点到另一个端点的方向则不做该射线；
32)计算并获取端点各射线到其他墙中线的距离，保留并记录下最短射线的距离及起始点坐标信息；
33)射线数据会存在重叠、过近、与其他墙中线不相交情况，对上述情况进行优化处理，获取最终的射线起始点坐标及射线类型，射线类型包括水平或垂直；
34)对于一条射线，根据射线性质及射线长度确定两个特征感兴趣区域，对于水平射线会生成上方感兴趣区域与下方感兴趣区域，对于垂直射线会生成左方感兴趣区域与右方感兴趣区域，具体操作流程以水平方向射线为例进行说明，垂直方向射线同理；其中，水平方向射线上方区域确定方法：以水平射线向下移动5个偏移量单位确定底边位置，若射线的长度小于1500mm，则将原水平射线位置向上以射线的长度移动确定顶边位置，若大于1500mm，则射线以1500mm向上确定顶边位置，将底边和顶边向左右两边延伸1个偏移量，并对应连接，即可确定整个上方感兴趣区域；下方感兴趣区域与上方感兴趣区域只区别在水平射线向上移动5个偏移量单位确定顶边位置，向下移动射线长度单位确定底边位置；
35)根据比例值转换为对应图像的尺寸数据。
进一步的，所述步骤四特征匹配识别的方法包括以下步骤：
41)对特征进行训练生成XML训练集，对应轮廓走向大致相似但细节不一样的特征，只需训练较典型的特征即可，训练集的数据量不大，训练只需一次，后面只在有不同轮廓走向的特征才会重新训练，否则无需进行训练；
42)根据原图数据，按照感兴趣区域获取感兴趣特征小图，对特征小图进行图像预处理；
43)获取轮廓边缘数据集；
44)使用形状上下文方法比较匹配，确定感兴趣特征具体的类型、特征的起始坐标信息、特征的方向。
本发明的有益效果：
(1)本发明提出的图像预处理方法能去除家具物品、地板等干扰信息，有利于提高墙体识别的准确度；
(2)本发明将边缘数据简化到墙中线数据，简化了后期的数据运算量，大大提高了检测识别的速度；
(3)需要训练的特征类型少，只关注特征的轮廓走向，无需考虑特征的绘制细节，极大减少匹配的数据量；
(4)特征小图的生成、识别匹配采用并发操作处理，极大的提高了运算的效率；
(5)获取到的数据参数支持再次进行编辑，通过手动修改数据或直接拉伸、移动特征直线，使得因图像识别中可能存在的误差得到准确修正；
(6)支持对特征类型对应的模型数据的材质、长度、宽度等信息进行再编辑修改；
(7)支持生成2.5D、3D模型进行多方位、多角度及漫游方式展示及返回2D进行多次再编辑功能。
附图说明
图1为本发明的整体流程图。
具体实施方式
如图1所示，一种户型图参数化可再编辑建模方法，具体包括以下步骤：
步骤一：对用户提供的户型图进行预处理；
步骤二：获取墙体中线起始两端坐标及墙体厚度数据；
步骤三：对特定区域门、窗、阳台进行切割处理；
步骤四：特征匹配识别，获取特征类型和起始两端坐标；
步骤五：根据用户要求是否对识别数据进行再编辑处理；
步骤六：三维重建户型图，多角度、多方位进行展示。
所述步骤一预处理方法包括以下步骤：
11)拷贝原图数据后对数据进行灰度化处理；
12)将灰度化数据进行二值化处理；
13)将图像进行膨胀化处理后再使用开运算处理；
14)使用高斯模糊处理图像；
15)对处理后的图像进行边缘检测，获取边缘检测图像。
所述步骤二获取墙体中线起始两端坐标及墙体厚度数据的方法包括以下步骤：
21)使用快速检测直线检测方法检测出图像的所有直线两端坐标数据；
22)检测的直线为墙体的边缘数据，将其转换为墙体中线，并获取墙体厚度数据；
23)由于户型图图像与实际的户型存在比例关系，因此提供用户输入对应户型的准确比例值接口，使最终生成建立的户型模型与真实的户型尺寸一致；
24)墙体中线数据会存在不同墙中线重叠、过近、相同射线方向的墙体中线中断、基本拐角性质和T型角性质的两墙中线未闭合问题，对上述问题进行优化处理，获取最终的墙体中线起始点坐标及墙体厚度。
所述步骤三对特定区域门、窗、阳台进行切割处理的方法包括以下步骤：
31)对优化后墙中线的两端数据做上下左右四个正方向的射线，如该射线方向上为原墙中线的端点到另一个端点的方向则不做该射线；
32)计算并获取端点各射线到其他墙中线的距离，保留并记录下最短射线的距离及起始点坐标信息；
33)射线数据会存在重叠、过近、与其他墙中线不相交情况，对上述情况进行优化处理，获取最终的射线起始点坐标及射线类型，射线类型包括水平或垂直；
34)对于一条射线，根据射线性质及射线长度确定两个特征感兴趣区域，对于水平射线会生成上方感兴趣区域与下方感兴趣区域，对于垂直射线会生成左方感兴趣区域与右方感兴趣区域，具体操作流程以水平方向射线为例进行说明，垂直方向射线同理；其中，水平方向射线上方区域确定方法：以水平射线向下移动5个偏移量单位确定底边位置，若射线的长度小于1500mm，则将原水平射线位置向上以射线的长度移动确定顶边位置，若大于1500mm，则射线以1500mm向上确定顶边位置，将底边和顶边向左右两边延伸1个偏移量，并对应连接，即可确定整个上方感兴趣区域；下方感兴趣区域与上方感兴趣区域只区别在水平射线向上移动5个偏移量单位确定顶边位置，向下移动射线长度单位确定底边位置；
35)根据比例值转换为对应图像的尺寸数据。
所述步骤四特征匹配识别的方法包括以下步骤：
41)对特征进行训练生成XML训练集，对应轮廓走向大致相似但细节不一样的特征，只需训练较典型的特征即可，训练集的数据量不大，训练只需一次，后面只在有不同轮廓走向的特征才会重新训练，否则无需进行训练；
42)根据原图数据，按照感兴趣区域获取感兴趣特征小图，对特征小图进行图像预处理；
43)获取轮廓边缘数据集；
44)使用形状上下文方法比较匹配，确定感兴趣特征具体的类型、特征的起始坐标信息、特征的方向。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (1)
1.一种户型图参数化可再编辑建模方法，其特征在于：具体包括以下步骤：
步骤一：对用户提供的户型图进行预处理；
步骤二：获取墙体中线起始两端坐标及墙体厚度数据；
步骤三：对门、窗、阳台进行切割处理；
步骤四：特征匹配识别，获取特征类型和起始两端坐标；
步骤五：根据用户要求是否对识别数据进行再编辑处理；
步骤六：三维重建户型图，多角度、多方位进行展示；
步骤一预处理方法包括以下步骤：
11)拷贝原图数据后对数据进行灰度化处理；
12)将灰度化数据进行二值化处理；
13)将图像进行膨胀化处理后再使用开运算处理；
14)使用高斯模糊处理图像；
15)对处理后的图像进行边缘检测，获取边缘检测图像；
步骤二获取墙体中线起始两端坐标及墙体厚度数据的方法包括以下步骤：
21)使用快速检测直线检测方法检测出图像的所有直线两端坐标数据；
22)检测的直线为墙体的边缘数据，将其转换为墙体中线，并获取墙体厚度数据；
23)由于户型图图像与实际的户型存在比例关系，因此提供用户输入对应户型的准确比例值接口，使最终生成建立的户型模型与真实的户型尺寸一致；
24)墙体中线数据会存在不同墙中线重叠、过近、相同射线方向的墙体中线中断、基本拐角性质和T型角性质的两墙中线未闭合问题，对上述问题进行优化处理，获取最终的墙体中线起始点坐标及墙体厚度；
步骤三对门、窗、阳台进行切割处理的方法包括以下步骤：
31)对优化后墙中线的两端数据做上下左右四个正方向的射线，如该射线方向上为原墙中线的端点到另一个端点的方向则不做该射线；
32)计算并获取端点各射线到其他墙中线的距离，保留并记录下最短射线的距离及起始点坐标信息；
33)射线数据会存在重叠、过近、与其他墙中线不相交情况，对上述情况进行优化处理，获取最终的射线起始点坐标及射线类型，射线类型包括水平或垂直；
34)对于一条射线，根据射线性质及射线长度确定两个特征感兴趣区域，对于水平射线会生成上方感兴趣区域与下方感兴趣区域，对于垂直射线会生成左方感兴趣区域与右方感兴趣区域，其中，水平方向射线上方区域确定方法：以水平射线向下移动5个偏移量单位确定底边位置，若射线的长度小于1500mm，则将原水平射线位置向上以射线的长度移动确定顶边位置，若大于1500mm，则射线以1500mm向上确定顶边位置，将底边和顶边向左右两边延伸1个偏移量，并对应连接，即可确定整个上方感兴趣区域；下方感兴趣区域与上方感兴趣区域只区别在水平射线向上移动5个偏移量单位确定顶边位置，向下移动射线长度单位确定底边位置；
35)根据比例值转换为对应图像的尺寸数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710238490.2A CN107122528B (zh) | 2017-04-13 | 2017-04-13 | 一种户型图参数化可再编辑建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710238490.2A CN107122528B (zh) | 2017-04-13 | 2017-04-13 | 一种户型图参数化可再编辑建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107122528A CN107122528A (zh) | 2017-09-01 |
| CN107122528B true CN107122528B (zh) | 2021-11-19 |
Family
ID=59725585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710238490.2A Expired - Fee Related CN107122528B (zh) | 2017-04-13 | 2017-04-13 | 一种户型图参数化可再编辑建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107122528B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108133116B (zh) * | 2018-01-15 | 2021-08-24 | 躺平设计家(北京)科技有限公司 | Cad户型图墙厚自动识别方法及系统 |
| CN108388577A (zh) * | 2018-01-17 | 2018-08-10 | 链家网（北京）科技有限公司 | 一种自动生成房屋户型图语法树的方法及系统 |
| CN108717726B (zh) * | 2018-05-11 | 2023-04-28 | 北京家印互动科技有限公司 | 三维户型模型生成方法及装置 |
| CN108961417B (zh) * | 2018-05-30 | 2020-08-11 | 贝壳找房(北京)科技有限公司 | 在三维房屋模型中自动生成空间尺寸的方法和装置 |
| CN108804815B (zh) * | 2018-06-08 | 2023-04-07 | 杭州群核信息技术有限公司 | 一种基于深度学习辅助识别cad中墙体的方法和装置 |
| CN110008640A (zh) * | 2019-04-24 | 2019-07-12 | 远洋建筑设计院有限公司 | 一种标准户型模型调整方法及装置 |
| CN110197153B (zh) * | 2019-05-30 | 2023-05-02 | 南京维狸家智能科技有限公司 | 一种户型图中墙体自动识别方法 |
| CN110210377B (zh) * | 2019-05-30 | 2023-07-28 | 南京维狸家智能科技有限公司 | 一种用于三维户型重建的墙体及门窗信息获取方法 |
| CN112633188B (zh) * | 2020-12-24 | 2024-03-15 | 深圳市彬讯科技有限公司 | 户型图的墙体识别方法、装置、设备及介质 |
| CN115205418B (zh) * | 2022-09-15 | 2022-12-13 | 武汉智筑完美家居科技有限公司 | 户型图重构方法、装置及电子设备、存储介质 |
| CN116993462A (zh) * | 2023-09-26 | 2023-11-03 | 浙江小牛哥科技有限公司 | 一种基于数字化家装的在线自动报价系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930627A (zh) * | 2010-09-10 | 2010-12-29 | 西安新视角信息科技有限公司 | 一种基于二维户型图的三维户型建模方法 |
| CN104821011A (zh) * | 2015-05-20 | 2015-08-05 | 郭小虎 | 基于相机拍摄的2d户型照片生成3d户型模型的方法 |
| CN105279787A (zh) * | 2015-04-03 | 2016-01-27 | 北京明兰网络科技有限公司 | 基于拍照的户型图识别生成三维房型的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090092289A1 (en) * | 2007-10-08 | 2009-04-09 | Rye Jeffrey M | Method for generating 3D building models from a set of floor plans |
-
2017
- 2017-04-13 CN CN201710238490.2A patent/CN107122528B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930627A (zh) * | 2010-09-10 | 2010-12-29 | 西安新视角信息科技有限公司 | 一种基于二维户型图的三维户型建模方法 |
| CN105279787A (zh) * | 2015-04-03 | 2016-01-27 | 北京明兰网络科技有限公司 | 基于拍照的户型图识别生成三维房型的方法 |
| CN104821011A (zh) * | 2015-05-20 | 2015-08-05 | 郭小虎 | 基于相机拍摄的2d户型照片生成3d户型模型的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于结构构件识别的户型图三维重建算法研究;朱俊芳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140715;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107122528A (zh) | 2017-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107122528B (zh) | 一种户型图参数化可再编辑建模方法 | |
| CN108399649B (zh) | 一种基于级联回归网络的单张图片三维人脸重建方法 | |
| US10803208B2 (en) | Semantic understanding of 3D data | |
| CN106875381B (zh) | 一种基于深度学习的手机外壳缺陷检测方法 | |
| Salvi et al. | A review of recent range image registration methods with accuracy evaluation | |
| CN112785643A (zh) | 一种基于机器人平台的室内墙角二维语义地图构建方法 | |
| CN109580630B (zh) | 一种机械零部件缺陷的视觉检测方法 | |
| CN107424193B (zh) | 一种门窗信息提取方法及其装置 | |
| CN111062915A (zh) | 一种基于改进YOLOv3模型的实时钢管缺陷检测方法 | |
| CN110348368B (zh) | 一种户型图的人工智能解析方法、计算机可读介质及系统 | |
| CN108253941A (zh) | 深度传感器噪声 | |
| CN113139453A (zh) | 一种基于深度学习的正射影像高层建筑基底矢量提取方法 | |
| CN112613097A (zh) | 一种基于计算机视觉的bim快速化建模方法 | |
| CN111476242A (zh) | 一种激光点云语义分割方法及装置 | |
| CN112233249A (zh) | 基于密集点云的b样条曲面拟合方法及装置 | |
| CN106504317A (zh) | 一种三维模型的外观纹理提取方法及装置 | |
| CN111507357A (zh) | 一种缺陷检测语义分割模型建模方法、装置、介质及设备 | |
| Poullis | Large-scale urban reconstruction with tensor clustering and global boundary refinement | |
| CN110569712B (zh) | 一种检测平面图图像中狭长墙体的方法 | |
| CN115953604B (zh) | 一种不动产地理信息测绘数据采集方法 | |
| CN110781851A (zh) | 一种基于图片的装修户型图识别方法 | |
| CN111402256B (zh) | 一种基于模板的三维点云目标检测和姿态估计方法 | |
| CN113808192B (zh) | 一种户型图生成方法、装置、设备及存储介质 | |
| CN112231848A (zh) | 一种构建车辆喷涂模型的方法及系统 | |
| Wang et al. | Accurate extraction method for structural features of building facades through texture fusion |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211119 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |