CN107862738B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN107862738B CN107862738B CN201711218661.1A CN201711218661A CN107862738B CN 107862738 B CN107862738 B CN 107862738B CN 201711218661 A CN201711218661 A CN 201711218661A CN 107862738 B CN107862738 B CN 107862738B
- Authority
- CN
- China
- Prior art keywords
- room
- vector
- plane
- point cloud
- dimensional
- 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
Classifications
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了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,首先基于激光扫描点云证据栅格地图进行房间分割;然后基于矢量墙面投影线段进行空间划分;最后基于矢量和栅格叠加构建矢量房间平面图和室内三维模型。本发明充分利用室内空间的语义信息和结构化元素,将室内三维重建问题转化为房间分割和基于GIS的叠加分析问题,利用分割的房间作为先验知识解决建模过程中激光测量的遮挡和数据不完整的问题,可以快速高效的构建具有拓扑一致性的室内建筑物三维模型。同其他方法相比,本发明可以更好的处理室内复杂环境的点云数据,满足室内结构化三维重建的要求。
Description
技术领域
本发明属于地图制图技术领域,特别涉及一种基于点云进行室内结构化三维模型构建方法。
背景技术
随着城市化的快速发展,城市的空间范围不断扩大。人类大部分的活动发生在室内环境,人们对各种室内服务的需求也日益增长,如室内导航,应急逃生,服务机器人等。这些室内服务的需求都需要室内地图和建筑物三维模型。
基于激光点云技术进行城市三维模型构建具有速度快,精度高的优势,也成为室内三维重建的研究热点。然而点云数据处理面临一系列的挑战:点云数据存在噪声,由于室内设施产生的遮挡造成的点云数据的不完整。点云虽然包含丰富的几何信息,但是缺乏语义,不便于点云数据的使用,同时由于点云数据量巨大,处理十分费时。这些都给自动化的构建室内三维模型造成了很大困难。
发明内容
为了解决上述技术问题,本发明提供了一种利用复杂房间结构中获取的包含遮挡、噪声等情况的移动激光测量点云数据,实现室内场景的结构化三维模型构建方法。
本发明所采用的技术方案是: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,适用于室内大规模复杂场景的结构化三维模型构建,本发明的步骤如下:
步骤1,计算激光扫描点云证据栅格地图,基于自由空间证据栅格地图进行房间分割;
包括以下子步骤:
步骤1.1,根据输入的体素(Voxel)大小,将点云离散化为网格,采用体素(规则的小立方体)表达三维空间。根据激光扫描点和视点之间的关系,利用线转栅格算法,计算三维占用概率栅格,每个体素被赋予“占用”、“未占用”和“未知”三种值;当不存在视点信息时,生成包含“占用”和“未知”两种值的占用概率栅格,赋值规则如下面的公式所示;
步骤1.2,根据“未占用”值投影到XOY平面生成自由空间(Free Space Evidence)证据栅格地图;视点不存在时,将体素值为“占用”的栅格投影到XOY平面,生成证据栅格地图。前者利用的是房间的连通性,后者利用的是激光扫描天花板区域生成点云的完整性。
步骤1.3,将1.2步骤生成的证据栅格地图利用形态学方法进行房间分割,得到做了标记的房间分割栅格地图;
步骤2,基于矢量墙面投影线段进行空间划分(Space Partition);
包括以下子步骤:
步骤2.1,利用区域生长算法进行点云平面分割,利用迭代重权重最小二乘法(Iterative Reweighted Least Squares,IRLS)进行平面点云拟合,计算点云平面的法向量n;
步骤2.2,墙面选择,垂直平面作为备选的墙面,利用公式|n·v|<∈计算判断平面是否垂直。其中n为点云平面的法向量,v=(0,0,1)T,∈为角度阈值的余弦值。当角度阈值为90°±1°,∈=cos(90°±1°)。剔除垂直平面的高度h<1.5m的平面,之后得到满足条件的墙面。计算墙面与XOY平面的交线,得到投影到2D平面的矢量线图层;
步骤2.3,空间划分,是利用二维线段对二维平面空间的分割形成的多边形单元。本步骤将空间划分为矢量多边形单元;
步骤3,基于矢量和栅格叠加的矢量房间平面图构建(Room layoutconstruction),包括以下子步骤,
步骤3.1,根据2.3步骤生成的矢量多边形单元,随机生成采样点,采样点的数目为N;
步骤3.2,根据采样点的位置信息,获取每个采样点在步骤1.3中生成房间分割标记栅格地图的属性值;
步骤3.3,判断每个多边形单元的属性,利用蒙特卡罗算法,计算每个矢量多边形单元内采样点属性标记值labeli的比例,将比例最大的标记值作为多边形单元labelcell的属性;
labelcell=max(count(labeli)/N),i=1,2,3,…
步骤3.4,将3.3步骤中生成的具有相同属性的多边形单元进行合并,得到最终的房间平面图;
步骤3.5,利用3.4步骤中生成的矢量房间平面图数据,利用高度直方图,从点云中获取每个房间的地板和天花板高程信息;
步骤3.6,利用Delaunay三角化方法将每个房间的天花板、墙面和地板多边形三角化,构建最终的房间三维模型。构建的房间三维模型以矢量Mesh网格形式输出。
相对于现有技术,本发明的有益效果是:提供了一种简单实用的结构化三维重建方法,可以显著提高利用点云数据进行室内三维模型构建的效率。基于矢量和栅格叠加的矢量房间平面图构建,可以综合利用前者语义分类准确性高和后者矢量数据表达精度高的优势,提高建模的准确性和精度。本发明充分利用室内空间的语义信息和结构化元素,将室内三维重建问题转化为房间分割和基于GIS的叠加分析问题,利用分割的房间作为先验知识解决建模过程中激光测量的遮挡和数据不完整的问题,可以快速高效的构建具有拓扑一致性的室内建筑物三维模型。
附图说明
图1为本发明实施例的室内结构化三维重建时的流程图;
图2为本发明实施例中激光扫描过程中占用、遮挡示意图;
图3为本发明实施例中自由空间证据栅格地图(a)和房间分割结果图(b);
图4为本发明实施例中房间分割算法流程图;
图5为本发明实施例中墙面选择后投影到2D平面的线段图层(a)和平面空间划分结果图(b);
图6为本发明实施例中叠加分析生成房间平面图的流程;
图7为本发明实施例中房间信息提取的点云高度分布直方图;
图8为本发明实施例中房间平面图(a)和三维重建的室内模型图(b)。
具体实施方法
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
房间分割问题是机器人领域的研究热点之一,主要目的是为机器人的认知和任务规划服务,同时建筑物的三维重建问题在建筑工程领域得到广泛的关注。
在此背景下,本发明提供了一种适用于室内大规模场景的结构化三维重建方法,将基于点云数据的室内三维重建问题转化为房间分割和基于GIS的叠加分析问题。本发明借鉴了机器人领域和建筑工程领域的相关成果,实现了一种基于GIS的融合方法进行室内结构化三维重建。房间是一个近似封闭的区域,每个房间由墙面包围。一般情况下,每个房间内部是连通的,在同一个房间内具有很好的可视性,因此房间信息可以作为先验知识进行房间模型的构建,从而消除点云遮挡造成的墙面孔洞和不连续。通过自由空间证据地图进行房间分割,得到标记了房间属性的栅格图层。将墙面线分割2维平面空间得到矢量多边形单元。通过叠加分析最终得到房间平面图和三维模型。该方法充分利用室内空间的语义信息和结构化元素,利用分割的房间作为先验知识解决建模过程中激光测量的遮挡问题,可以快速高效的构建具有拓扑一致性室内建筑物三维模型。
请见图1,本发明提供的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,包括以下步骤:
步骤1,计算激光扫描点云证据栅格地图,基于自由空间证据栅格地图进行房间分割;
包括以下子步骤:
步骤1.1,根据激光扫描点和视点之间的关系,利用线转栅格算法,计算三维占用概率栅格。如图2所示,激光扫描过程中会产生自由空间,激光点会扫描在障碍物表面,在障碍物后方会形成遮挡区域。因此采用离散化网格对三维空间进行体素化表达的时候,每个体素相应的被赋予“占用”、“未占用”和“未知”三种值;当不存在视点信息时,生成包含“占用”和“未知”两种值的占用概率栅格,赋值规则如下面的公式所示;
步骤1.2,根据“未占用”值投影到XOY平面生成自由空间(Free Space Evidence)证据栅格地图,图3(a)展示了自由空间证据栅格地图的结果,该图是一个二值图,白色区域为在每一个视点可以观测的自由空间的综合;当视点不存在时,将体素值为“占用”的栅格投影到XOY平面,生成证据栅格地图。前者利用的是房间的连通性,后者利用的是激光扫描天花板区域生成点云的完整性。
步骤1.3,将1.2步骤生成的证据栅格地图利用形态学方法进行房间分割,得到做了标记的房间分割栅格地图;房间分割的结果如图3(b)所示,每个房间用不同的颜色进行区别显示,每个颜色对应不同的标记值。
步骤2,基于矢量墙面投影线段进行空间划分(Space Partition);
请见图4,包括以下子步骤:
步骤2.1,利用区域生长算法进行点云平面分割,利用迭代重权重最小二乘法进行平面点云拟合,计算点云平面的法向量n。由于点云数据存在噪声时,运用最小二乘方法进行平面拟合常常不够稳健。本发明采用迭代重权重最小二乘法进行平面拟合,基本原理:
已知一个平面的点云数据ri表示点云数据中第i个点到平面的距离。最小二乘方法通过计算点到平面的距离平方和∑iri 2最小得到最优的平面。但是当噪声存在时,平面拟合结果会产生大的偏差。M估计理论是用来解决噪声问题的有效方法。不同于最小二乘方法采用残差平方和函数表达目标函数,它采用残差的函数来表达目标函数,最终得到最优的估计平面。目标函数的形式如下:
其中,是一个对称、正定函数。平面拟合问题转化为求解迭代重权重最小二乘问题,目标函数变为:
其中通过拉格朗日乘数法求解。
步骤2.2,墙面选择,垂直平面作为备选的墙面,利用公式|n·v|<∈计算判断平面是否垂直。其中n为点云平面的法向量,v=(0,0,1)T,∈为角度阈值的余弦值,当角度阈值为90°±1°,∈=cos(90°±1°)。剔除垂直平面的高度h<1.5m的平面,之后得到满足条件的墙面。计算墙面与XOY平面的交线,得到投影到2D平面的矢量线图层,结果如图5(a)所示;
步骤2.3,空间划分,是利用二维线段对二维平面空间的分割形成的多边形单元。利用空间划分算法,本步骤得到将空间划分的矢量多边形单元,如图5(b)所示;
步骤3,基于矢量和栅格叠加的矢量房间平面图构建(Room layoutconstruction);
如图6所示,包括以下子步骤:
步骤3.1,根据2.3步骤生成的矢量多边形单元,随机生成采样点,采样点的数目为N;
步骤3.2,根据采样点的位置信息,获取每个采样点在步骤1.3中生成房间分割标记栅格地图的属性值;
步骤3.3,判断每个多边形单元的属性,利用蒙特卡罗算法,计算每个矢量多边形单元内采样点属性标记值labeli的比例,将比例最大的标记值作为多边形单元labelcell的属性;
labelcell=max(count(labeli)/N),i=1,2,3,…
步骤3.4,将3.3步骤中生成的具有相同属性的多边形单元进行合并,合并的结果即为每个房间的多边形,接着对房间多边形图层进行简化,剔除冗余的多边形节点,得到最终的房间平面图,如图8(a)所示;
步骤3.5,利用3.4步骤中生成的矢量房间平面图数据,使用高度直方图法,从点云中获取每个房间的地板和天花板高程信息,如图7所示,高程直方图的点云数目呈现为两个峰值,这两个高程值分别房间的地板和天花板的高程;
步骤3.6,利用Delaunay三角化方法将每个房间的天花板、墙面和地板多边形三角化,构建最终的房间三维模型。如图8(b)所示,构建的房间三维模型以矢量Mesh网格形式输出。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (1)
1.一种基于移动激光测量点云进行室内结构化三维重建方法,其特征在于,包括以下步骤:
步骤1:计算激光扫描点云证据栅格地图,基于自由空间证据栅格地图进行房间分割;
步骤1的具体实现包括以下子步骤:
步骤1.1:根据输入的体素Voxel大小,将点云离散化为网格,采用体素表达三维空间,所述体素Voxel对应规则网格中的小立方体;根据激光扫描点和视点之间的关系,利用线转栅格算法,计算三维占用概率格网,每个体素被赋予“占用”、“未占用”和“未知”三种值;当不存在视点信息时,生成包含“占用”和“未知”两种值的三维占用概率格网;
赋值规则如下面的公式所示;
步骤1.2:根据“未占用”值投影到XOY平面生成自由空间证据栅格地图;视点不存在时,将体素值为“占用”的栅格投影到XOY平面,生成证据栅格地图;
步骤1.3:将1.2步骤生成的证据栅格地图利用形态学方法进行房间分割,得到做了标记的房间分割栅格地图;
步骤2:基于矢量墙面投影线段进行空间划分;
步骤2的具体实现包括以下子步骤:
步骤2.1:利用区域生长算法进行点云平面分割,利用迭代重权重最小二乘法进行平面点云拟合,计算点云平面的法向量n;
步骤2.2:墙面选择;
垂直平面作为备选的墙面,利用公式|n·v|<∈计算判断平面是否垂直;其中n为点云平面的法向量,v=(0,0,1)T,∈为角度阈值的余弦值;剔除垂直平面的高度h<1.5m的平面,之后得到满足条件的墙面;计算墙面与XOY平面的交线,得到投影到2D平面的矢量线图层;
步骤2.3:空间划分;
利用二维线段对二维平面空间的分割形成的多边形单元,将空间划分的矢量多边形单元;
步骤3:基于矢量和栅格叠加的矢量房间平面图构建和室内三维模型构建;
步骤3的具体实现包括以下子步骤:
步骤3.1:根据2.3步骤生成的矢量多边形单元,随机生成采样点;
步骤3.2:根据采样点的位置信息,获取每个采样点在步骤1.3中生成房间分割标记栅格地图的属性值;
步骤3.3:判断每个多边形单元的属性,利用蒙特卡罗算法,计算每个矢量多边形单元内采样点属性标记值的比例,将比例最大的标记值作为多边形单元的属性;
步骤3.4:将3.3步骤中生成的具有相同属性的多边形单元进行合并,得到最终的房间平面图;
步骤3.5,利用3.4步骤中生成的矢量房间平面图数据,利用高度直方图,从点云中获取每个房间的地板和天花板高程信息;
步骤3.6:利用Delaunay三角化方法将每个房间的天花板、墙面和地板多边形三角化,构建最终的房间三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711218661.1A CN107862738B (zh) | 2017-11-28 | 2017-11-28 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711218661.1A CN107862738B (zh) | 2017-11-28 | 2017-11-28 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107862738A CN107862738A (zh) | 2018-03-30 |
CN107862738B true CN107862738B (zh) | 2019-10-11 |
Family
ID=61702817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711218661.1A Expired - Fee Related CN107862738B (zh) | 2017-11-28 | 2017-11-28 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107862738B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11270523B2 (en) | 2017-11-29 | 2022-03-08 | Sdc U.S. Smilepay Spv | Systems and methods for constructing a three-dimensional model from two-dimensional images |
US10916053B1 (en) | 2019-11-26 | 2021-02-09 | Sdc U.S. Smilepay Spv | Systems and methods for constructing a three-dimensional model from two-dimensional images |
US11403813B2 (en) | 2019-11-26 | 2022-08-02 | Sdc U.S. Smilepay Spv | Systems and methods for constructing a three-dimensional model from two-dimensional images |
CN108846175A (zh) * | 2018-05-30 | 2018-11-20 | 链家网(北京)科技有限公司 | 一种矢量户型图生成方法及装置 |
CN108801265A (zh) * | 2018-06-08 | 2018-11-13 | 武汉大学 | 多维信息同步采集、定位与位置服务装置及系统和方法 |
CN108876908A (zh) * | 2018-06-12 | 2018-11-23 | 哈尔滨工业大学 | 一种基于重建模型完整度的空间目标三维重建评估方法及应用 |
CN110631581B (zh) * | 2018-06-22 | 2023-08-04 | 华为技术有限公司 | 建立室内3d地图的方法和无人机 |
CN109190255B (zh) * | 2018-09-05 | 2023-04-07 | 武汉大学 | 一种面向城市三维产权空间立体重构方法 |
CN109325998B (zh) * | 2018-10-08 | 2023-06-30 | 香港理工大学 | 一种基于点云数据的室内3d建模方法、系统及相关装置 |
CN111462275B (zh) * | 2019-01-22 | 2024-03-05 | 北京京东乾石科技有限公司 | 一种基于激光点云的地图生产方法和装置 |
CN110009727B (zh) * | 2019-03-08 | 2023-04-18 | 深圳大学 | 一种具有结构语义的室内三维模型自动重构方法及系统 |
CN110189412B (zh) * | 2019-05-13 | 2023-01-03 | 武汉大学 | 基于激光点云的多楼层室内结构化三维建模方法及系统 |
US20210174585A1 (en) * | 2019-05-17 | 2021-06-10 | Standard Cyborg, Inc. | Three-dimensional modeling toolkit |
US11030801B2 (en) | 2019-05-17 | 2021-06-08 | Standard Cyborg, Inc. | Three-dimensional modeling toolkit |
CN110599575B (zh) * | 2019-08-15 | 2020-12-11 | 贝壳技术有限公司 | 三维空间中物体图像的呈现方法、装置及存储介质 |
CN110599569B (zh) * | 2019-09-16 | 2023-09-15 | 上海市刑事科学技术研究院 | 一种建筑物内部二维平面图的生成方法、存储设备及终端 |
CN111582140B (zh) * | 2020-04-30 | 2023-01-24 | 中国电子科技集团公司第五十四研究所 | 一种基于激光测量点云的室内物体提取方法 |
CN111598916A (zh) * | 2020-05-19 | 2020-08-28 | 金华航大北斗应用技术有限公司 | 一种基于rgb-d信息的室内占据栅格地图的制备方法 |
CN112070787B (zh) * | 2020-08-10 | 2022-06-07 | 武汉大学 | 基于对立推理理论的航空三维点云平面分割方法 |
CN112001972A (zh) * | 2020-09-25 | 2020-11-27 | 劢微机器人科技(深圳)有限公司 | 托盘位姿定位方法、装置、设备及存储介质 |
CN112365592B (zh) * | 2020-11-10 | 2022-09-20 | 大连理工大学 | 一种基于双向高程模型的局部环境特征描述方法 |
CN112632675A (zh) * | 2020-12-22 | 2021-04-09 | 上海市建工设计研究总院有限公司 | 一种建筑结构逆向轴线建模方法 |
CN112765709B (zh) * | 2021-01-15 | 2022-02-01 | 贝壳找房(北京)科技有限公司 | 基于点云数据的户型图重建方法及装置 |
CN112505723B (zh) * | 2021-02-03 | 2024-01-23 | 之江实验室 | 一种基于导航点选择的三维地图重建方法 |
CN113051357B (zh) * | 2021-03-08 | 2022-09-30 | 中国地质大学(武汉) | 一种基于博弈论的矢量地图最优化局部脱敏方法 |
CN113160235B (zh) * | 2021-05-31 | 2024-06-11 | 南通大学 | 一种基于内部圆和邻接图的房间分割方法 |
CN113589813A (zh) * | 2021-07-30 | 2021-11-02 | 珠海一微半导体股份有限公司 | 机器人构建房间户型图的控制方法 |
CN113989376B (zh) * | 2021-12-23 | 2022-04-26 | 贝壳技术有限公司 | 室内深度信息的获取方法、装置和可读存储介质 |
CN114509085B (zh) * | 2022-02-10 | 2022-11-01 | 中国电子科技集团公司第五十四研究所 | 一种结合栅格和拓扑地图的快速路径搜索方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056614A (zh) * | 2016-06-03 | 2016-10-26 | 武汉大学 | 一种地面激光点云数据的建筑物分割与轮廓线提取方法 |
CN107016725A (zh) * | 2017-02-27 | 2017-08-04 | 电子科技大学 | 一种顾及LiDAR点云数据分布差异的植被三维实景建模方法 |
-
2017
- 2017-11-28 CN CN201711218661.1A patent/CN107862738B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056614A (zh) * | 2016-06-03 | 2016-10-26 | 武汉大学 | 一种地面激光点云数据的建筑物分割与轮廓线提取方法 |
CN107016725A (zh) * | 2017-02-27 | 2017-08-04 | 电子科技大学 | 一种顾及LiDAR点云数据分布差异的植被三维实景建模方法 |
Non-Patent Citations (3)
Title |
---|
Semi-automated approach to indoor mapping for 3D as-built building information modeling;SungchulHong 等;《Computers, Environment and Urban Systems》;20150531;第34-36页 * |
基于激光扫描的室内环境三维重建系统;李霖;《中国优秀硕士学位论文全文数据库信息科技辑》;20160315;第I138-6901页 * |
基于移动机器人激光测距数据的物体三维重建;臧波;《万方数据库》;20050817;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107862738A (zh) | 2018-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN110189412B (zh) | 基于激光点云的多楼层室内结构化三维建模方法及系统 | |
CN106127857B (zh) | 综合数据驱动与模型驱动的机载LiDAR数据建模方法 | |
CN107025685B (zh) | 拓扑感知下的机载建筑屋顶点云建模方法 | |
CN106780735B (zh) | 一种语义地图构建方法、装置及一种机器人 | |
US10186080B2 (en) | Image processing | |
CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
CN106126816B (zh) | 重复建筑自动感知下的大规模als建筑点云建模方法 | |
CN113066162B (zh) | 一种用于电磁计算的城市环境快速建模方法 | |
US20240153123A1 (en) | Isogeometric Analysis Method Based on a Geometric Reconstruction Model | |
CN107657659A (zh) | 基于长方体拟合扫描三维点云的曼哈顿结构建筑物自动建模方法 | |
CN102629391A (zh) | 基于数字图形介质的三维空间结构图形切割及切片方法 | |
Sabri et al. | A multi-dimensional analytics platform to support planning and design for liveable and sustainable urban environment | |
Yang et al. | An efficient spatial representation for path planning of ground robots in 3D environments | |
Gal et al. | Fast and efficient visible trajectories planning for the Dubins UAV model in 3D built-up environments | |
Piepereit et al. | A sweep-plane algorithm for the simplification of 3D building models in the application scenario of wind simulations | |
CN105931297A (zh) | 三维地质表面模型中的数据处理方法 | |
Liu et al. | A localizability estimation method for mobile robots based on 3d point cloud feature | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
CN109035321A (zh) | 一种建筑物的体积估算方法 | |
Zhang et al. | Conformal adaptive hexahedral-dominant mesh generation for CFD simulation in architectural design applications | |
CN113239520A (zh) | 一种近水底三维水下地形环境建模方法 | |
Ridzuan et al. | Voxelization techniques: data segmentation and data modelling for 3d building models | |
Peters et al. | Generation and generalization of safe depth-contours for hydrographic charts using a surface-based approach | |
Osipov et al. | Algorithms of automation of 3D modeling of urban environment objects using attributive information from a digital map |
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: 20191011 Termination date: 20211128 |
|
CF01 | Termination of patent right due to non-payment of annual fee |