CN108876906A - 基于点云的全局平面优化建立虚拟三维模型的方法及装置 - Google Patents
基于点云的全局平面优化建立虚拟三维模型的方法及装置 Download PDFInfo
- Publication number
- CN108876906A CN108876906A CN201810574382.7A CN201810574382A CN108876906A CN 108876906 A CN108876906 A CN 108876906A CN 201810574382 A CN201810574382 A CN 201810574382A CN 108876906 A CN108876906 A CN 108876906A
- Authority
- CN
- China
- Prior art keywords
- plane
- sample point
- point
- normal vector
- point cloud
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
本发明的实施例公开了一种基于点云的全局平面优化建立虚拟三维模型的方法及装置,该方法对获取的房屋的点云图像进行点云位置的优化,将本该属于同一平面的点投影到同一平面上,由投影到平面上的投影点和点云图像中不属于任一平面的点组成新的点云图像,根据新的点云图像生成虚拟三维模型。该方法对原始点云图像进行合理的整合和位置的调整,使得点云图像中各点位置与实际房屋结构更为吻合,使得创建出的三维虚拟模型具有更好的显示效果。
Description
技术领域
本发明实施例涉及虚拟三维模型创建的技术领域,尤其是涉及一种基于点云的全局平面优化建立虚拟三维模型的方法及装置。
背景技术
在创建房屋的虚拟三维模型时,通常是通过深度相机对房屋进行扫描,得到点云图像,根据点云图像进行虚拟三维模型的合成。然而,由于拍摄设备的误差以及实际场景的干扰,拍摄得到的点云图像中各个点的位置与实际房屋中各个点的位置存在偏差。例如,室内这种有大量如天花板,地面墙,桌子等大面积平面地方的点云并不是以的平面的方式展示出来,基本是离平面上下有一定误差。基于这种存在误差的点云创建的虚拟三维图像往往显示效果较差。
在实现本发明实施例的过程中,发明人发现现有的直接基于深度相机对房屋进行扫描的点云图像创建的虚拟三维图像,由于点云图像存在误差导致创建的虚拟三维图像显示效果较差。
发明内容
本发明所要解决的技术问题是如何解决现有的直接基于深度相机对房屋进行扫描的点云图像创建的虚拟三维图像,由于点云图像存在误差导致创建的虚拟三维图像显示效果较差的问题。
针对以上技术问题,本发明的实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的方法,包括:
对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,获取所述抽样点云中的各抽样点的法向量;
根据各抽样点的法向量和位置关系确定至少一个第一平面,根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面;
对每一第二平面,获取属于所述第二平面的第一目标抽样点,将所述第一目标抽样点投影到所述第二平面上,得到第一目标投影点,对每一未进行合并的第一平面,获取属于该第一平面的第二目标抽样点,将所述第二目标抽样点投影到该第一平面上,得到第二目标投影点;
获取由对应于每一第二平面的第一目标投影点、对应于每一未进行合并的第一平面的第二目标投影点和所述抽样点云中不属于任一平面的点组成的点云图像,作为目标点云图像,根据所述目标点云图像建立所述预设房屋的虚拟三维模型。
本实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的装置,包括:
抽样模块,用于对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,获取所述抽样点云中的各抽样点的法向量;
平面生成模块,用于根据各抽样点的法向量和位置关系确定至少一个第一平面,根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面;
投影模块,用于对每一第二平面,获取属于所述第二平面的第一目标抽样点,将所述第一目标抽样点投影到所述第二平面上,得到第一目标投影点,对每一未进行合并的第一平面,获取属于该第一平面的第二目标抽样点,将所述第二目标抽样点投影到该第一平面上,得到第二目标投影点;
创建模块,用于获取由对应于每一第二平面的第一目标投影点、对应于每一未进行合并的第一平面的第二目标投影点和所述抽样点云中不属于任一平面的点组成的点云图像,作为目标点云图像,根据所述目标点云图像建立所述预设房屋的虚拟三维模型。
可选地,所述平面生成模块还用于循环执行第一平面生成操作,直到遍历每一抽样点,得到至少一个第一平面和属于每一第一平面的抽样点;其中,所述第一平面生成操作包括:获取所述抽样点云中的任一抽样点,作为第一抽样点,若所述第一抽样点不属于任一平面,则根据所述第一抽样点的法向量生成一个第一平面,并标记所述第一抽样点属于该第一平面;从所述抽样点云中获取不属于任一平面、法向量与所述第一抽样点法向量之间的夹角小于第一预设夹角且与属于所述第一平面的抽样点的最小距离小于第一预设距离的点,作为第二抽样点,标记每一第二抽样点属于该第一平面;判断被标记属于该第一平面的抽样点的数量是否小于预设数量,若是,丢弃该第一平面,将属于该第一平面的点标记为不属于任一平面。
可选地,所述平面生成模块还用于将所述第一抽样点加入搜索队列,循环执行广度优先搜索,直到所述搜索队列为空;其中,所述广度优先搜索包括:从所述搜索队列中获取任一抽样点,作为第三抽样点,以所述第三抽样点为球心,生成半径为所述第一预设距离的球体,获取在所述球体内或在所述球体上的所有抽样点,作为第四抽样点;针对每一第四抽样点,判断所述第四抽样点的法向量与所述第一抽样点法向量之间的夹角是否小于所述第一预设夹角且所述第四抽样点不属于任一平面,若是,则标记所述第四抽样点属于该第一平面,将所述第四抽样点加入所述搜索队列并将所述第三抽样点从所述搜索队列中移除。
可选地,所述平面生成模块还用于对确定出的每一第一平面,计算属于该第一平面的所有抽样点对应的法向量的加权平均,得到修正法向量,将该修正法向量作为该第一平面的法向量;获取所述抽样点云中不属于任一平面的点,作为第五抽样点,针对每一第五抽样点,判断确定的第一平面中是否存在能纳入所述第五抽样点的平面,若存在,在标记所述第五抽样点属于该第一平面;其中,若所述第五抽样点到某一第一平面的距离小于第二预设距离、该第一平面中存在与所述第五抽样点的距离小于第三预设距离的抽样点且该第一抽样点的法向量和该第一平面的修正法向量的夹角小于所述第一预设夹角,则该第一平面为能纳入所述第五抽样点的平面。
可选地,所述平面生成模块还用于循环执行平面合并操作,直到遍历所有由第一平面形成的两两组合;其中,所述平面合并操作包括:获取任一两个第一平面的组合,若该组合中的两个第一平面对应的修正法向量的夹角小于第二预设夹角且该组合中存在分别属于不同的平面且距离小于第四预设距离的一组抽样点,则将该组合中的两个第一平面合并为一个第二平面,该第二平面的法向量等于属于该组合中的第一平面的所有点的法向量的加权平均。
可选地,所述抽样模块还用于获取预设房屋的原始点云图像,按照每立方厘米一个点的规则对所述原始点云图像进行抽样,得到所述抽样点云。
可选地,所述第一预设距离为5cm,所述第二预设距离为5cm,所述第三预设距离为10cm,所述第四预设距离为5cm,所述第一预设夹角为20度,所述第二预设夹角为10度。
本实施例提供了一种电子设备,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述通信接口用于该电子设备和其它电子设备的通信设备之间的信息传输;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行以上任一项所述的对应于终端的方法。
本实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行以上所述的对应于终端的方法。
本发明的实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的方法及装置,该方法对获取的房屋的点云图像进行点云位置的优化,将本该属于同一平面的点投影到同一平面上,由投影到平面上的投影点和点云图像中不属于任一平面的点组成新的点云图像,根据新的点云图像生成虚拟三维模型。该方法对原始点云图像进行合理的整合和位置的调整,使得点云图像中各点位置与实际房屋结构更为吻合,使得创建出的三维虚拟模型具有更好的显示效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的基于点云的全局平面优化建立虚拟三维模型的方法的流程示意图;
图2是本发明另一个实施例提供的基于点云的全局平面优化建立虚拟三维模型的装置的结构框图;
图3是本发明另一个实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本实施例提供的基于点云的全局平面优化建立虚拟三维模型的方法的流程示意图,参见图1,该方法包括:
101:对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,获取所述抽样点云中的各抽样点的法向量;
102:根据各抽样点的法向量和位置关系确定至少一个第一平面,根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面;
103:对每一第二平面,获取属于所述第二平面的第一目标抽样点,将所述第一目标抽样点投影到所述第二平面上,得到第一目标投影点,对每一未进行合并的第一平面,获取属于该第一平面的第二目标抽样点,将所述第二目标抽样点投影到该第一平面上,得到第二目标投影点;
104:获取由对应于每一第二平面的第一目标投影点、对应于每一未进行合并的第一平面的第二目标投影点和所述抽样点云中不属于任一平面的点组成的点云图像,作为目标点云图像,根据所述目标点云图像建立所述预设房屋的虚拟三维模型。
本实施例提供的方法由能够执行上述方法的设备执行,例如,服务器或者计算机,本实施例对此不做具体限制。本实施例提供的方法旨在消除因相机本身原因或者环境因素导致的扫描的各扫描点的位置上的偏差,以得到能够创建具有更好显示效果的点云图像。
原始点云图像为通过深度相机对房屋的各功能间或整体进行扫描得到的点云图像。抽样点云由从原始点云图像中抽取的若干点组成的点云。各抽样点的法向量为根据扫描过程中各点的位置生成的向量,例如,该点为天花板上的点,则法向量垂直天花板。其中,抽样后的抽样点需保证模型的形状。
通过各抽样点的法向量和位置关系,对各抽样点所属的平面进行归类,将归类好的平面投影到其所属的平面上,得到投影点,最后由各投影点和不属于任一平面的点组成新的点云,由新的点云创建房屋模型。
本实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的方法,该方法对获取的房屋的点云图像进行点云位置的优化,将本该属于同一平面的点投影到同一平面上,由投影到平面上的投影点和点云图像中不属于任一平面的点组成新的点云图像,根据新的点云图像生成虚拟三维模型。该方法对原始点云图像进行合理的整合和位置的调整,使得点云图像中各点位置与实际房屋结构更为吻合,使得创建出的三维虚拟模型具有更好的显示效果。
进一步地,在上述实施例的基础上,所述根据各抽样点的法向量和位置关系确定至少一个第一平面,包括:
循环执行第一平面生成操作,直到遍历每一抽样点,得到至少一个第一平面和属于每一第一平面的抽样点;其中,所述第一平面生成操作包括:
获取所述抽样点云中的任一抽样点,作为第一抽样点,若所述第一抽样点不属于任一平面,则根据所述第一抽样点的法向量生成一个第一平面,并标记所述第一抽样点属于该第一平面;
从所述抽样点云中获取不属于任一平面、法向量与所述第一抽样点法向量之间的夹角小于第一预设夹角且与属于所述第一平面的抽样点的最小距离小于第一预设距离的点,作为第二抽样点,标记每一第二抽样点属于该第一平面;
判断被标记属于该第一平面的抽样点的数量是否小于预设数量,若是,丢弃该第一平面,将属于该第一平面的点标记为不属于任一平面。
进一步,若所述第一抽样点属于某一平面,则重新选取抽样点作为所述第一抽样点。
进一步,若被标记属于该第一平面的抽样点的数量大于或等于所述预设数量,则保留对属于该第一平面的抽样点进行的标记。
其中,预设数量为根据点云密度设定的数值,本实施例对此不做具体限制。丢弃该第一平面指的是当做该第一平面不存在,抽样点中不存在属于该第一平面的点。
本实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的方法,以某个不属于任一平面的点作为第一平面的起点,从抽样点中搜索在该第一平面上的点,若在该平面上的点满足数量要求,则由这些点确定的第一平面有效。该方法通过法向量和位置关系确定出第一平面,再通过数量对第一平面是否有效进行筛选,避免了将原本不再同一平面的点误划分为同一平面的情况发生。
进一步地,在上述各实施例的基础上,所述从所述抽样点云中获取不属于任一平面、法向量与所述第一抽样点法向量之间的夹角小于第一预设夹角且与属于所述第一平面的抽样点的最小距离小于第一预设距离的点,作为第二抽样点,标记每一第二抽样点属于该第一平面,包括:
将所述第一抽样点加入搜索队列,循环执行广度优先搜索,直到所述搜索队列为空;其中,所述广度优先搜索包括:
从所述搜索队列中获取任一抽样点,作为第三抽样点,以所述第三抽样点为球心,生成半径为所述第一预设距离的球体,获取在所述球体内或在所述球体上的所有抽样点,作为第四抽样点;
针对每一第四抽样点,判断所述第四抽样点的法向量与所述第一抽样点法向量之间的夹角是否小于所述第一预设夹角且所述第四抽样点不属于任一平面,若是,则标记所述第四抽样点属于该第一平面,将所述第四抽样点加入所述搜索队列并将所述第三抽样点从所述搜索队列中移除。
进一步地,所述判断所述第四抽样点的法向量与所述第一抽样点法向量之间的夹角是否小于所述第一预设夹角且所述第四抽样点不属于任一平面,还包括:
若不满足判断所述第四抽样点的法向量与所述第一抽样点法向量之间的夹角是否小于所述第一预设夹角且所述第四抽样点不属于任一平面小于所述第一预设夹角且所述第四抽样点不属于任一平面,则不对所述第四抽样点进行处理。
本实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的方法,通过生成球体的方法进行搜索,球体的半径限定了抽样点的位置关系。通过球体能够高效全面的搜索到所有距离上符合要求的抽样点,进一步通过夹角和是否被标记过属于某个平面进行筛选,提高了对点云进行优化的效率。
进一步地,在上述各实施例的基础上,还包括:
对确定出的每一第一平面,计算属于该第一平面的所有抽样点对应的法向量的加权平均,得到修正法向量,将该修正法向量作为该第一平面的法向量;
获取所述抽样点云中不属于任一平面的点,作为第五抽样点,针对每一第五抽样点,判断确定的第一平面中是否存在能纳入所述第五抽样点的平面,若存在,在标记所述第五抽样点属于该第一平面;
其中,若所述第五抽样点到某一第一平面的距离小于第二预设距离、该第一平面中存在与所述第五抽样点的距离小于第三预设距离的抽样点且该第一抽样点的法向量和该第一平面的修正法向量的夹角小于所述第一预设夹角,则该第一平面为能纳入所述第五抽样点的平面。
进一步,所述判断确定的第一平面中是否存在能纳入所述第五抽样点的平面,包括:
若第一平面中不存在能纳入所述第五抽样点的平面,则不对第五抽样点进行处理。
重新计算第一平面的法向量,是为了对第一平面进行适当的调整,以从拍摄的各个点的位置上寻求中间位置的平面,使得确定的平面与实际更为吻合。
本实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的方法,通过重新将抽样点纳入平面避免了通过广度优先搜索遗漏某个点的情况发生。
进一步地,在上述各实施例的基础上,所述根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面,包括:
循环执行平面合并操作,直到遍历所有由第一平面形成的两两组合;其中,所述平面合并操作包括:
获取任一两个第一平面的组合,若该组合中的两个第一平面对应的修正法向量的夹角小于第二预设夹角且该组合中存在分别属于不同的平面且距离小于第四预设距离的一组抽样点,则将该组合中的两个第一平面合并为一个第二平面,该第二平面的法向量等于属于该组合中的第一平面的所有点的法向量的加权平均。
进一步地,若该组合中的两个第一平面不满足“两个第一平面对应的修正法向量的夹角小于第二预设夹角且该组合中存在分别属于不同的平面且距离小于第四预设距离的一组抽样点”这一条件,则保留这两个第一平面(即不对这两个第一平面进行合并)。经过平面合并中,抽样点云中的点分为三类,一类为标记了属于某一第二平面的点,一类是标记了属于某一第一平面的点,另一类是不属于任一平面的点。针对属于第二平面或者第一平面的点,在目标点云图像中,用其在所属平面上的投影点来代替。
本实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的方法,对第一平面进行合并处理,将位置关系和法向量相近的平面划分为同一平面,消除了平面划分时断层的产生,使得结果更为贴近事实。
进一步地,在上述各实施例的基础上,对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,包括:
获取预设房屋的原始点云图像,按照每立方厘米一个点的规则对所述原始点云图像进行抽样,得到所述抽样点云。
进一步地,在上述各实施例的基础上,所述第一预设距离为5cm,所述第二预设距离为5cm,所述第三预设距离为10cm,所述第四预设距离为5cm,所述第一预设夹角为20度,所述第二预设夹角为10度。
本实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的方法,抽样过程中可以依据需要规定抽样的规则,本实施例对此不做具体限制,只要能够保证抽取的抽样点能够保证模型的形状不变即可。
作为一种具体的实施例,本实施例提供的方法包括:
(1)对房屋三维点云的点做抽样,每1立方厘米一个点,降低程序运行的复杂度,同时能够尽量保证模型的形状。
(2)对抽样以后的点,判断是否在已有平面中,如果不在任何平面中,把当前点当中一个新平面第一个点,加入平面Plane,把这个点的法向量方向作为平面的法向量方向,获得平面方程ax+by+cz+d=0,然后把点加入搜索队列Queue。
(3)然后基于KDTree,以5cm为半径搜索这个点周围的所有点,如果点的法向量方向和平面Plane的法向量方向夹角小于20度,并且这个点不在任何平面中,把这个点加入到平面Plane,并把这个点也加入到搜索队列Queue。
(4)重复(3),直到搜索队列为空,如果这个在同一平面的点的总数小于一定阈值,丢去所有点。
(5)重复(2),直到所有点都搜索完成。
(6)重新计算所有平面的法向量方向,用平面上的所有点的法向量方向做加权平均,设置为平面新的法向量方向获得新的平面方程ax+by+cz+d=0。
(7)对所有不在任何平面中的点,再和所有已经得到的平面做一次匹配,如果点离平面最近点的距离小于10cm,点的法向量方向和平面Plane的法向量方向夹角小于20度,并且到平面的垂直距离小于5cm,把这个点加入到平面中。
(8)对所有平面,两两比较,是否是同一平面如果垂直距离小于5cm,并且平面法向量方向小于10度,合并平面,重新按每个点的法向量加权平均计算法向量方向,并获得新的平面方程ax+by+cz+d=0。
(9)对每个平面的所有点,获得点在平面上的投影,作为新的点的坐标。
(10)遍历所有平面,导出所有点,加上未被归类为平面的点,生成新的点云。
本实施例提供的方法通过对原始点云的处理,成功抽取了平面信息,使房屋的三维模型有了更好的展示效果。
图2为本本实施例提供的基于点云的全局平面优化建立虚拟三维模型的装置的结构框图,参见图2,该装置包括抽样模块201、平面生成模块202、投影模块203和创建模块204,其中,
抽样模块201,用于对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,获取所述抽样点云中的各抽样点的法向量;
平面生成模块202,用于根据各抽样点的法向量和位置关系确定至少一个第一平面,根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面;
投影模块203,用于对每一第二平面,获取属于所述第二平面的第一目标抽样点,将所述第一目标抽样点投影到所述第二平面上,得到第一目标投影点,对每一未进行合并的第一平面,获取属于该第一平面的第二目标抽样点,将所述第二目标抽样点投影到该第一平面上,得到第二目标投影点;
创建模块204,用于获取由对应于每一第二平面的第一目标投影点、对应于每一未进行合并的第一平面的第二目标投影点和所述抽样点云中不属于任一平面的点组成的点云图像,作为目标点云图像,根据所述目标点云图像建立所述预设房屋的虚拟三维模型。
本实施例提供的基于点云的全局平面优化建立虚拟三维模型的装置适用于上述实施例中的基于点云的全局平面优化建立虚拟三维模型的方法,在此不再赘述。
本实施例提供了一种基于点云的全局平面优化建立虚拟三维模型的装置,该装置对获取的房屋的点云图像进行点云位置的优化,将本该属于同一平面的点投影到同一平面上,由投影到平面上的投影点和点云图像中不属于任一平面的点组成新的点云图像,根据新的点云图像生成虚拟三维模型。该方法对原始点云图像进行合理的整合和位置的调整,使得点云图像中各点位置与实际房屋结构更为吻合,使得创建出的三维虚拟模型具有更好的显示效果。
图3是示出本实施例提供的电子设备的结构框图。
参照图3,所述电子设备包括:处理器(processor)301、存储器(memory)302、通信接口(Communications Interface)303和总线304;
其中,
所述处理器301、存储器302、通信接口303通过所述总线304完成相互间的通信;
所述通信接口303用于该电子设备和其他电子设备的通信设备之间的信息传输;
所述处理器301用于调用所述存储器302中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,获取所述抽样点云中的各抽样点的法向量;根据各抽样点的法向量和位置关系确定至少一个第一平面,根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面;对每一第二平面,获取属于所述第二平面的第一目标抽样点,将所述第一目标抽样点投影到所述第二平面上,得到第一目标投影点,对每一未进行合并的第一平面,获取属于该第一平面的第二目标抽样点,将所述第二目标抽样点投影到该第一平面上,得到第二目标投影点;获取由对应于每一第二平面的第一目标投影点、对应于每一未进行合并的第一平面的第二目标投影点和所述抽样点云中不属于任一平面的点组成的点云图像,作为目标点云图像,根据所述目标点云图像建立所述预设房屋的虚拟三维模型。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,获取所述抽样点云中的各抽样点的法向量;根据各抽样点的法向量和位置关系确定至少一个第一平面,根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面;对每一第二平面,获取属于所述第二平面的第一目标抽样点,将所述第一目标抽样点投影到所述第二平面上,得到第一目标投影点,对每一未进行合并的第一平面,获取属于该第一平面的第二目标抽样点,将所述第二目标抽样点投影到该第一平面上,得到第二目标投影点;获取由对应于每一第二平面的第一目标投影点、对应于每一未进行合并的第一平面的第二目标投影点和所述抽样点云中不属于任一平面的点组成的点云图像,作为目标点云图像,根据所述目标点云图像建立所述预设房屋的虚拟三维模型。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如,包括:对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,获取所述抽样点云中的各抽样点的法向量;根据各抽样点的法向量和位置关系确定至少一个第一平面,根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面;对每一第二平面,获取属于所述第二平面的第一目标抽样点,将所述第一目标抽样点投影到所述第二平面上,得到第一目标投影点,对每一未进行合并的第一平面,获取属于该第一平面的第二目标抽样点,将所述第二目标抽样点投影到该第一平面上,得到第二目标投影点;获取由对应于每一第二平面的第一目标投影点、对应于每一未进行合并的第一平面的第二目标投影点和所述抽样点云中不属于任一平面的点组成的点云图像,作为目标点云图像,根据所述目标点云图像建立所述预设房屋的虚拟三维模型
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上各实施例仅用以说明本发明的实施例的技术方案,而非对其限制;尽管参照前述各实施例对本发明的实施例进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。
Claims (10)
1.一种基于点云的全局平面优化建立虚拟三维模型的方法,其特征在于,包括:
对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,获取所述抽样点云中的各抽样点的法向量;
根据各抽样点的法向量和位置关系确定至少一个第一平面,根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面;
对每一第二平面,获取属于所述第二平面的第一目标抽样点,将所述第一目标抽样点投影到所述第二平面上,得到第一目标投影点,对每一未进行合并的第一平面,获取属于该第一平面的第二目标抽样点,将所述第二目标抽样点投影到该第一平面上,得到第二目标投影点;
获取由对应于每一第二平面的第一目标投影点、对应于每一未进行合并的第一平面的第二目标投影点和所述抽样点云中不属于任一平面的点组成的点云图像,作为目标点云图像,根据所述目标点云图像建立所述预设房屋的虚拟三维模型。
2.根据权利要求1所述的方法,其特征在于,所述根据各抽样点的法向量和位置关系确定至少一个第一平面,包括:
循环执行第一平面生成操作,直到遍历每一抽样点,得到至少一个第一平面和属于每一第一平面的抽样点;其中,所述第一平面生成操作包括:
获取所述抽样点云中的任一抽样点,作为第一抽样点,若所述第一抽样点不属于任一平面,则根据所述第一抽样点的法向量生成一个第一平面,并标记所述第一抽样点属于该第一平面;
从所述抽样点云中获取不属于任一平面、法向量与所述第一抽样点法向量之间的夹角小于第一预设夹角且与属于所述第一平面的抽样点的最小距离小于第一预设距离的点,作为第二抽样点,标记每一第二抽样点属于该第一平面;
判断被标记属于该第一平面的抽样点的数量是否小于预设数量,若是,丢弃该第一平面,将属于该第一平面的点标记为不属于任一平面。
3.根据权利要求2所述的方法,其特征在于,所述从所述抽样点云中获取不属于任一平面、法向量与所述第一抽样点法向量之间的夹角小于第一预设夹角且与属于所述第一平面的抽样点的最小距离小于第一预设距离的点,作为第二抽样点,标记每一第二抽样点属于该第一平面,包括:
将所述第一抽样点加入搜索队列,循环执行广度优先搜索,直到所述搜索队列为空;其中,所述广度优先搜索包括:
从所述搜索队列中获取任一抽样点,作为第三抽样点,以所述第三抽样点为球心,生成半径为所述第一预设距离的球体,获取在所述球体内或在所述球体上的所有抽样点,作为第四抽样点;
针对每一第四抽样点,判断所述第四抽样点的法向量与所述第一抽样点法向量之间的夹角是否小于所述第一预设夹角且所述第四抽样点不属于任一平面,若是,则标记所述第四抽样点属于该第一平面,将所述第四抽样点加入所述搜索队列并将所述第三抽样点从所述搜索队列中移除。
4.根据权利要求2所述的方法,其特征在于,还包括:
对确定出的每一第一平面,计算属于该第一平面的所有抽样点对应的法向量的加权平均,得到修正法向量,将该修正法向量作为该第一平面的法向量;
获取所述抽样点云中不属于任一平面的点,作为第五抽样点,针对每一第五抽样点,判断确定的第一平面中是否存在能纳入所述第五抽样点的平面,若存在,在标记所述第五抽样点属于该第一平面;
其中,若所述第五抽样点到某一第一平面的距离小于第二预设距离、该第一平面中存在与所述第五抽样点的距离小于第三预设距离的抽样点且该第一抽样点的法向量和该第一平面的修正法向量的夹角小于所述第一预设夹角,则该第一平面为能纳入所述第五抽样点的平面。
5.根据权利要求4所述的方法,其特征在于,所述根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面,包括:
循环执行平面合并操作,直到遍历所有由第一平面形成的两两组合;其中,所述平面合并操作包括:
获取任一两个第一平面的组合,若该组合中的两个第一平面对应的修正法向量的夹角小于第二预设夹角且该组合中存在分别属于不同的平面且距离小于第四预设距离的一组抽样点,则将该组合中的两个第一平面合并为一个第二平面,该第二平面的法向量等于属于该组合中的第一平面的所有点的法向量的加权平均。
6.根据权利要求1所述的方法,其特征在于,对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,包括:
获取预设房屋的原始点云图像,按照每立方厘米一个点的规则对所述原始点云图像进行抽样,得到所述抽样点云。
7.根据权利要求5所述的方法,其特征在于,所述第一预设距离为5cm,所述第二预设距离为5cm,所述第三预设距离为10cm,所述第四预设距离为5cm,所述第一预设夹角为20度,所述第二预设夹角为10度。
8.一种基于点云的全局平面优化建立虚拟三维模型的装置,其特征在于,包括:
抽样模块,用于对获取的预设房屋的原始点云图像进行抽样,得到抽样点云,获取所述抽样点云中的各抽样点的法向量;
平面生成模块,用于根据各抽样点的法向量和位置关系确定至少一个第一平面,根据各第一平面的位置关系对第一平面进行合并,得到至少一个第二平面;
投影模块,用于对每一第二平面,获取属于所述第二平面的第一目标抽样点,将所述第一目标抽样点投影到所述第二平面上,得到第一目标投影点,对每一未进行合并的第一平面,获取属于该第一平面的第二目标抽样点,将所述第二目标抽样点投影到该第一平面上,得到第二目标投影点;
创建模块,用于获取由对应于每一第二平面的第一目标投影点、对应于每一未进行合并的第一平面的第二目标投影点和所述抽样点云中不属于任一平面的点组成的点云图像,作为目标点云图像,根据所述目标点云图像建立所述预设房屋的虚拟三维模型。
9.一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述通信接口用于该电子设备和其它电子设备的通信设备之间的信息传输;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7中任一项所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810574382.7A CN108876906A (zh) | 2018-06-06 | 2018-06-06 | 基于点云的全局平面优化建立虚拟三维模型的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810574382.7A CN108876906A (zh) | 2018-06-06 | 2018-06-06 | 基于点云的全局平面优化建立虚拟三维模型的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108876906A true CN108876906A (zh) | 2018-11-23 |
Family
ID=64337193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810574382.7A Pending CN108876906A (zh) | 2018-06-06 | 2018-06-06 | 基于点云的全局平面优化建立虚拟三维模型的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876906A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310818A (zh) * | 2020-02-10 | 2020-06-19 | 贝壳技术有限公司 | 特征描述子确定方法、装置及计算机可读存储介质 |
CN113051986A (zh) * | 2019-12-27 | 2021-06-29 | 财团法人工业技术研究院 | 基于2d图像标记信息的3d图像标记方法及3d图像标记装置 |
CN113435465A (zh) * | 2020-03-20 | 2021-09-24 | 阿里巴巴集团控股有限公司 | 图像处理、智能控制方法及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050709A (zh) * | 2014-06-06 | 2014-09-17 | 联想(北京)有限公司 | 一种三维图像处理方法及电子设备 |
CN105184855A (zh) * | 2015-08-25 | 2015-12-23 | 广州市城市规划勘测设计研究院 | 基于三维点云的特征面构建方法及装置 |
CN105913489A (zh) * | 2016-04-19 | 2016-08-31 | 东北大学 | 一种利用平面特征的室内三维场景重构方法 |
CN107194962A (zh) * | 2017-04-01 | 2017-09-22 | 深圳市速腾聚创科技有限公司 | 点云与平面图像融合方法及装置 |
CN107341804A (zh) * | 2016-04-29 | 2017-11-10 | 成都理想境界科技有限公司 | 点云数据中平面的确定方法及装置、图像叠加方法及设备 |
CN107481313A (zh) * | 2017-08-18 | 2017-12-15 | 深圳市唯特视科技有限公司 | 一种基于学习有效点云生成的密集三维物体重建方法 |
US20180075285A1 (en) * | 2013-08-28 | 2018-03-15 | Autodesk, Inc. | Building datum extraction from laser scanning data |
-
2018
- 2018-06-06 CN CN201810574382.7A patent/CN108876906A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180075285A1 (en) * | 2013-08-28 | 2018-03-15 | Autodesk, Inc. | Building datum extraction from laser scanning data |
CN104050709A (zh) * | 2014-06-06 | 2014-09-17 | 联想(北京)有限公司 | 一种三维图像处理方法及电子设备 |
CN105184855A (zh) * | 2015-08-25 | 2015-12-23 | 广州市城市规划勘测设计研究院 | 基于三维点云的特征面构建方法及装置 |
CN105913489A (zh) * | 2016-04-19 | 2016-08-31 | 东北大学 | 一种利用平面特征的室内三维场景重构方法 |
CN107341804A (zh) * | 2016-04-29 | 2017-11-10 | 成都理想境界科技有限公司 | 点云数据中平面的确定方法及装置、图像叠加方法及设备 |
CN107194962A (zh) * | 2017-04-01 | 2017-09-22 | 深圳市速腾聚创科技有限公司 | 点云与平面图像融合方法及装置 |
CN107481313A (zh) * | 2017-08-18 | 2017-12-15 | 深圳市唯特视科技有限公司 | 一种基于学习有效点云生成的密集三维物体重建方法 |
Non-Patent Citations (2)
Title |
---|
刘振鹏等著: "《数据结构》", 29 February 2016, 中国铁道出版社 * |
毛纲源著: "《高等数学解题方法技巧归纳 下册》", 28 February 2017 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051986A (zh) * | 2019-12-27 | 2021-06-29 | 财团法人工业技术研究院 | 基于2d图像标记信息的3d图像标记方法及3d图像标记装置 |
CN111310818A (zh) * | 2020-02-10 | 2020-06-19 | 贝壳技术有限公司 | 特征描述子确定方法、装置及计算机可读存储介质 |
CN113435465A (zh) * | 2020-03-20 | 2021-09-24 | 阿里巴巴集团控股有限公司 | 图像处理、智能控制方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537876B (zh) | 三维重建方法、装置、设备及存储介质 | |
EP3570253B1 (en) | Method and device for reconstructing three-dimensional point cloud | |
CN110135455A (zh) | 影像匹配方法、装置及计算机可读存储介质 | |
CN111401146A (zh) | 一种无人机电力巡检方法、设备及存储介质 | |
CN110276826A (zh) | 一种电网作业环境地图的构建方法及系统 | |
CN108876906A (zh) | 基于点云的全局平面优化建立虚拟三维模型的方法及装置 | |
EP2272050A1 (en) | Using photo collections for three dimensional modeling | |
CN104050709B (zh) | 一种三维图像处理方法及电子设备 | |
WO2023093217A1 (zh) | 数据标注方法、装置、计算机设备、存储介质和程序 | |
CN111968218A (zh) | 基于gpu集群的三维重建算法并行化方法 | |
CN109816730A (zh) | 工件抓取方法、装置、计算机设备和存储介质 | |
CN110838129A (zh) | 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法 | |
CN110378942A (zh) | 基于双目相机的障碍物标识方法、系统、设备和存储介质 | |
CN110648397A (zh) | 场景地图生成方法、装置、存储介质及电子设备 | |
CN110413282A (zh) | 一种冗余资源处理方法、装置、设备及存储介质 | |
CN110111413A (zh) | 一种基于水陆共存场景的稀疏点云三维模型建立方法 | |
CN115424265A (zh) | 一种点云语义分割标注方法及系统 | |
CN115563732B (zh) | 基于虚拟现实的喷涂轨迹仿真优化方法及装置 | |
CN116051747A (zh) | 一种基于缺失点云数据的房屋三维模型重建方法及设备、介质 | |
KR20220114619A (ko) | 소포 검사 방법, 장치, 컴퓨팅 장비, 물류 시스템 및 저장 매체 | |
CN116244805A (zh) | 一种住宅建筑规划设计方案自动生成系统及生成方法 | |
CN110457054A (zh) | 一种UnityNGUI控件锚点更新模式优化方法及装置 | |
CN109754463A (zh) | 三维建模融合方法及装置 | |
CN115546221B (zh) | 一种钢筋计数方法、装置、设备及存储介质 | |
CN114627262B (zh) | 基于倾斜网格数据的图像生成方法及系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100085 Floor 101 102-1, No. 35 Building, No. 2 Hospital, Xierqi West Road, Haidian District, Beijing Applicant after: Seashell Housing (Beijing) Technology Co., Ltd. Address before: 100085 Floor 101 102-1, No. 35 Building, No. 2 Hospital, Xierqi West Road, Haidian District, Beijing Applicant before: Chain home network (Beijing) Technology Co., Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |