CN109887082A - 一种基于点云数据的室内建筑三维建模方法及装置 - Google Patents
一种基于点云数据的室内建筑三维建模方法及装置 Download PDFInfo
- Publication number
- CN109887082A CN109887082A CN201910058150.0A CN201910058150A CN109887082A CN 109887082 A CN109887082 A CN 109887082A CN 201910058150 A CN201910058150 A CN 201910058150A CN 109887082 A CN109887082 A CN 109887082A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- planar chip
- point cloud
- neighborhood
- planar
- 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
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种基于点云数据的室内建筑三维建模方法,首先获取三维点云数据并进行预处理,随后进行点云平面聚类提取平面片,根据平面片所包含的点集计算平面片的邻域,用于平面语义分类、合并处理、平面边界捕捉以及拓扑信息生成,最后输出由三维平面多边形构成的封闭的、包含语义和拓扑信息的室内建筑的三维面片模型。本发明克服了点云数据存在测量误差、密度分布不均匀、室内物体遮挡导致的数据不完整、缺乏语义信息等问题,提出了利用三维点云自动快速建立室内建筑三维面片模型的工作流程,能够处理不同来源的三维点云数据,为室内建筑自动快速建模提供新方法,为室内三维模型在测量、建筑装饰、物业管理等领域构建丰富的数据基础。
Description
技术领域
本发明涉及三维激光扫描技术应用和三维建模技术领域,具体涉及一种基于点云数据的室内建筑三维建模方法及装置。
背景技术
尽管人类的大部分活动都在室内(建筑物内部)进行,但由于人类对个人所处环境的思维惯性以及技术条件限制,室内建筑的三维结构一直以来均被忽略。
现有技术中,室内应用中通常采用二维地图的方式,如公共建筑内的消防图和常规室内导航图。近年来,随着测量和计算机等技术的发展,室内三维模型或三维地图,也越来越多地用在建筑装修规划、室内导航、室内设施管理维护运营、室内环境质量仿真等工作中。地面三维激光扫描仪、多视影像(密集)匹配、深度相机、集成激光-姿态传感器和摄像头的室内移动测量系统等设备和技术可以高速、高密度、高精度的以三维点云的方式获取室内房屋和物体的大量三维坐标信息,一般被称为“点云数据”,因而受到机器人、室内环境与规划和测量领域的关注。
本申请发明人在实施本发明的过程中,发现现有技术的方法,至少存在如下技术问题:
尽管采用了当前先进快速的三维点云获取设备和当前制图软件,但是目前的室内三维模型的构建工作中仍然以人工操作为主,极为耗时耗力,并且需要经验。
由此可知,现有技术的方法存在效率低的技术问题。因此,如何自动快速准确地建立室内三维模型成为当前机器人、室内环境和测量地理信息等领域的研究焦点。
发明内容
有鉴于此,本发明提供了一种基于点云数据的室内建筑三维建模方法及装置,用以解决或者至少部分解决现有技术的方法中存在的效率低的技术问题。
本发明第一方面提供了一种基于点云数据的室内建筑三维建模方法,包括:
步骤S1:获取室内建筑的三维点云数据;
步骤S2:对所述三维点云数据进行预处理;
步骤S3:对预处理后的三维点云数据进行平面聚类,提取聚类后的平面所包含的点,并根据提取出的点构建平面片方程;
步骤S4:计算每个平面片的邻域片面和几何信息;
步骤S5:根据平面片的几何信息和邻域关系,对平面片进行语义分类,获得平面片的语义类别信息;
步骤S6:对满足预设条件的相邻同类平面片进行合并处理;
步骤S7:对合并后的平面片进行边界计算,获得三维平面边界多边形;
步骤S8:输出所述三维语义平面边界多边形,将其作为室内建筑的三维面片模型,其中,所述三维平面边界多边形包含语义类别信息和邻域信息。
在一种实施方式中,步骤S2中对三维点云数据进行预处理的方法包括:点云平滑方法、法向量计算方法。
在一种实施方式中,步骤S3具体包括:
根据预处理后的三维点云数据的分布位置和法向,对三维点云数据进行平面聚类;
提取聚类后的平面所包含的点,并根据提取出的点,采用最小二乘或主成分分析方法,构建平面片方程。
在一种实施方式中,步骤S4中的邻域关系通过下述方式计算:
根据平面片所包含点的与另一个平面片所包含点的邻域数量情况,计算出每个平面片的邻域片面。
在一种实施方式中,平面片的几何信息包括:与垂直方向的角度、表面积、最小高度、最大高度、平均高度、线形性、平面性,邻域关系包括邻域之间的几何关系,具体包括垂直、平行、相邻和共面关系,步骤S5具体包括:
根据平面片的几何信息和邻域之间的几何关系,采用SVM或者MRF方法区分各平面片的类别,获得平面片的语义类别信息。
在一种实施方式中,平面片的语义类别信息包括:室内墙面、地面和天花板三类。
在一种实施方式中,骤S7具体包括:
根据合并处理后的平面片中包含的点云集合,提取出平面片的边界多边形;
将边界多边形中与邻域之间的距离符合预设值的节点捕捉至平面片与邻域的交线处;
对捕捉后的边界多边形进行简化处理。
基于同样的发明构思,本发明第二方面提供了一种基于点云数据的室内建筑三维建模装置,包括:
数据获取模块,用于获取室内建筑的三维点云数据;
预处理模块,用于对所述三维点云数据进行预处理;
聚类模块,用于对预处理后的三维点云数据进行平面聚类,提取聚类后的平面所包含的点,并根据提取出的点构建平面片方程;
邻域计算模块,用于计算每个平面片的邻域片面和几何信息;
语义分类模块,用于根据平面片的几何信息和邻域关系,对平面片进行语义分类,获得平面片的语义类别信息;
平面片合并模块,用于对满足预设条件的相邻同类平面片进行合并处理;
平面片边界捕捉模块,用于根据合并处理后的平面片中包含的点云集合,计算平面片的边界多边形,并将边界多边形中与邻域之间的距离符合预设值的节点捕捉至平面片与邻域的交线处,再对边界多边形进行简化;
模型输出模块,用于输出简化后的三维语义平面边界多边形,将其作为室内建筑的三维面片模型,其中,所述三维平面边界多边形包含语义类别信息和邻域信息。
在一种实施方式中,预处理模块具体通过下述方法进行预处理:点云平滑方法、法向量计算方法。
在一种实施方式中,聚类模块具体用于:
根据预处理后的三维点云数据的分布位置和法向,对三维点云数据进行平面聚类;
提取聚类后的平面所包含的点,并根据提取出的点,采用最小二乘或主成分分析方法,构建平面片方程。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明提供的一种基于点云数据的室内建筑三维建模方法,在获取室内建筑的三维点云数据后,对获取的数据进行预处理;然后进行平面聚类,提取聚类后的平面所包含的点,并根据提取出的点构建平面片方程;接下来计算每个平面片的邻域片面和几何信息;接着根据平面片的几何信息和邻域关系,对平面片进行语义分类,获得平面片的语义类别信息;然后对满足预设条件的相邻同类平面片进行合并处理;再进行平面片边界进行计算,最后输出三维平面多边形即构成封闭的包含语义和拓扑信息的室内建筑的三维面片模型。
相对于现有技术而言,本发明具有如下积极效果:
一方面,本发明提出了利用三维点云自动快速建立室内建筑三维面片模型的一种工作流程,为室内建筑自动快速建模提供新方法,实现了提高建模效率的技术效果。
另一方面,本发明能够处理不同来源的三维点云数据,能够处理多楼层三维点云数据,能够输出包含语义、拓扑信息的watertight室内三维模型,为室内三维模型在测量、建筑等领域构建丰富的数据基础。
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为本发明实施例中一种基于点云数据的室内建筑三维建模方法的流程图;
图2为本发明实施例中基于点云数据的室内建筑三维建模装置的结构框图。
具体实施方式
本发明的目的在于探寻一种利用室内三维激光扫描数据自动建立室内三维模型的方法,为了解决现有技术中的问题,研究三维激光扫描数据在室内成像的规律,并提出科学合理的室内结构三维建模方法,自动生成室内三维模型数据,为三维激光扫描技术应用于室内建模领域提供新的解决方案。
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作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。
实施例一
本实施例提供了一种基于点云数据的室内建筑三维建模方法,请参见图1,该方法包括:
首先执行步骤S1:获取室内建筑的三维点云数据。
具体来说,步骤S1中获取的室内建筑的三维点云数据包括:地面三维激光扫描仪单站或多站配准拼接的点云数据、多视影像(密集)匹配、深度相机及集成激光-姿态传感器和摄像头的室内移动测量系统获取的点云数据。
在具体的实施过程中,地面三维激光仪通常一次(一站)只能扫描室内的部分区域,例如一个房间等,具体实施时,可按本发明的方法计算出每个房间的三维模型,再按照室内空间布局将各房间三维模型拼合聚集至一个整体模型。
本申请发明人通过大量的实验和研究发现:现有的方法尽管采用当前先进快速的三维点云获取设备和当前制图软件,但是目前的室内三维模型的构建工作中仍然以人工操作为主,极为耗时耗力,并且需要经验。因此,如何自动快速准确地建立室内三维模型成为当前机器人、室内环境和测量地理信息等领域的研究焦点。由于获取方式的物理特性,点云数据存在测量误差、密度分布不均匀、室内物体遮挡导致的数据不完整、仅包含几何特性而缺乏语义信息等问题,导致室内建筑的自动三维建模工作困难重重。因而提出了一种基于点云数据的室内建筑三维建模方法。
具体地,首先由多站激光扫描点云数据配准拼接为一个整体点云数据,再由本发明所述方法进行处理得到室内建筑的三维模型。具体实施时,多视影像(密集)匹配可以得到室内建筑的整体点云数据。具体实施时,深度相机及室内移动测量系统获取的数据可采用SLAM算法等将各帧数据配准平差至一个坐标系下,形成一个整体坐标一致的点云数据,再由本发明所述方法处理得到三维模型。具体实施时,可以根据室内建筑的特点,因地制宜采用对应的设备或方法结合合理的采集处理策略,得到室内建筑的整体三维模型。
然后执行步骤S2:对所述三维点云数据进行预处理。
具体来说,为了为后续计算提供中间数据支持和优化处理结果,需要对三维点云数据进行预处理。包括对点云数据进行滤波、平滑、法向计算等预处理,以便于后续的平面片提取和平面特征计算等。
在一种实施方式中,步骤S2所述的预处理包括点云平滑方法、法向量计算方法。
再执行步骤S3:对预处理后的三维点云数据进行平面聚类,提取聚类后的平面所包含的点,并根据提取出的点构建平面片方程。
具体来说,平面聚类的方法可以采用区域增长、随机采样一致性方法(RANSAC)、基于优化的平面聚类等,三维平面方程参数PPlanei=(a,b,c,d)的计算可采用最小二乘或主成分分析等方法。
在一种实施方式中,步骤S3具体包括:
根据预处理后的三维点云数据的分布位置和法向,对三维点云数据进行平面聚类;
提取聚类后的平面所包含的点,并根据提取出的点,采用最小二乘或主成分分析方法,构建平面片方程。
具体来说,可以根据点云自身分布的位置、法向等,对点云进行平面聚类,再计算平面片的方程参数。
在具体的实施过程中,可利用区域增长、随机采样一致性方法(RANSAC)、基于优化的平面聚类等采用单一方式或按实际需求的方法组合进行平面聚类,再利用最小二乘、主成分分析(协方差特征分解)等方法得到平面片方程参数。
具体地,利用提取的点{Pointj}计算平面片方程,如公式(1)所示,其中;
Planei={Pointj|PPointj·PPlanei T<εp} (1)
其中Planei为平面,且εp为聚类容差。
接着执行步骤S4:计算每个平面片的邻域片面和几何信息。
具体来说,本步骤中计算的每个平面片的邻域片面平面即为平面片的邻域关系,可以为后续的平面语义分类、平面片合并、平面片边界捕捉和模型输出中的拓扑信息提供数据支持。
在一种实施方式中,步骤S4中的邻域关系通过下述方式计算:
根据平面片所包含点的与另一个平面片所包含点的邻域数量情况,计算出每个平面片的邻域片面。
在具体实施过程中,相邻平面片的计算可转化为点的邻域的计算,即一个平面片所包含点的在另一个平面片所包含点集的邻域数量情况满足设定的条件,即可认为两个平面片是相邻的。其中,设定的条件可以根据实际情况进行设置,例如为一个具体的值。
接着执行步骤S5:根据平面片的几何信息和邻域关系,对平面片进行语义分类,获得平面片的语义类别信息。
具体来说,对平面平进行语义分类:可利用平面片的几何信息(如与垂直方向的角度、表面积、最小高度、最大高度、平均高度、线形性、平面性、所包含点集的分布离散度、水平或垂直范围等特征)和邻域之间的几何关系(如垂直、平行、相邻和共面等关系),再采用SVM支持向量机(Support Vector Machine,SVM)及其改进算法区分各平面片的语义类别,或通过平面片的语义类别特征构建方程或最小/大化目标函数采用MRF优化、线性优化等方法计算各片面的语义类别。
其中,平面片的语义类别信息包括:室内墙面、地面和天花板三类。
后执行步骤S6:对满足预设条件的相邻同类平面片进行合并处理。
具体地,预设条件可以预先设置,例如合并的条件可为相邻面片的夹角较小、相邻平面片包含点集的交集中点数量较大等因素。
再执行步骤S7:对合并后的平面片进行边界计算,获得三维平面边界多边形。
具体来说,步骤7所述的三维点云平面边界提取工作可采用在三维点云投影的二维栅格中提取边界线后反投影至三维平面的方式、α-shape提取边界方法、点云构建的三角网中外部边连接提取等方法。
在一种实施方式中,步骤S7具体包括:
根据合并处理后的平面片中包含的点云集合,提取出平面片的边界多边形;
将边界多边形中与邻域之间的距离符合预设值的节点捕捉至平面片与邻域的交线处;
对捕捉后的边界多边形进行简化处理。
具体来说,根据平面片包含的点云集合计算合并处理后平面片的边界多边形,将边界多边形中距离邻域较近的节点捕捉至平面片与邻域的交线处,并对边界多边形进行简化。
具体实施时,由平面片包含的点集边界计算、捕捉与简化边界:三维点云平面边界提取工作可采用在三维点云投影的二维栅格中提取边界线后反投影至三维平面的方式、α-shape提取边界方法、点云构建的三角网中外部边连接提取等方法;边界捕捉则可以利用平面邻域的关系,将边界结点延伸至相邻平面片;边界简化可采用Douglas-Peucker简化算法、相邻边夹角或边斜率(方向)优化等方法。
最后执行步骤S8:输出所述三维平面边界多边形,将其作为室内建筑的三维面片模型,其中,所述三维平面边界多边形包含语义类别信息和邻域信息。
具体来说,输出包含语义、拓扑信息的watertight室内建筑三维模型:根据步骤S1~S8的处理,得到的三维面是三维平面多边形;由于采用了相应的处理(其中拓扑信息通过步骤4得到、语义信息通过步骤5得到),三维面片构建出封闭的、包含语义和拓扑信息的室内建筑三维模型;室内建筑三维模型可按obj、ply、3ds、IFC等不同格式存储和进行数据交换等。
需要说明的是,本申请中的步骤S3至步骤S8均以平面片作为处理的基元,相对于利用点投影至平面图像并从图像中提取墙面蓝图而言,本申请中采用平面片的集合描述室内建筑更为精确。另外,相对于从点云中提取的线所构建的建筑线框模型而言,本申请所构建的面片模型的语义信息和邻域拓扑信息更加丰富。
由于本发明所述的方法直接处理点云数据,所以能够处理不同来源的点云数据,包括地面三维激光扫描仪单站或多站配准拼接的点云数据、多视影像几何计算得到的点云数据、深度相机及集成激光-姿态传感器和摄像头的室内移动测量系统获取的点云数据等。
本发明具有如下积极效果:
1,本发明提出了利用三维点云自动快速建立室内建筑三维面片模型的一种工作流程,为室内建筑自动快速建模提供新方法。
2,本发明能够处理不同来源的三维点云数据,能够处理多楼层三维点云数据,能够输出包含语义、拓扑信息的watertight室内三维模型,为室内三维模型在测量、建筑等领域构建丰富的数据基础。
基于同一发明构思,本申请还提供了与实施例一中基于点云数据的室内建筑三维建模方法的装置,详见实施例二。
实施例二
本实施例提供了一种基于点云数据的室内建筑三维建模装置,请参见图2,包括:
数据获取模块201,用于获取室内建筑的三维点云数据;
预处理模块202,用于对所述三维点云数据进行预处理;
聚类模块203,用于对预处理后的三维点云数据进行平面聚类,提取聚类后的平面所包含的点,并根据提取出的点构建平面片方程;
邻域计算模块204,用于计算每个平面片的邻域片面和几何信息;
语义分类模块205,用于根据平面片的几何信息和邻域关系,对平面片进行语义分类,获得平面片的语义类别信息;
平面片合并模块206,用于对满足预设条件的相邻同类平面片进行合并处理;
平面片边界捕捉模块207,用于根据合并处理后的平面片中包含的点云集合,计算平面片的边界多边形,并将边界多边形中与邻域之间的距离符合预设值的节点捕捉至平面片与邻域的交线处,再对边界多边形进行简化;
模型输出模块208,用于输出简化后的三维平面边界多边形,将其作为室内建筑的三维面片模型,其中,所述三维平面边界多边形包含语义类别信息和邻域信息。
在一种实施方式中,预处理模块202具体通过下述方法进行预处理:点云平滑方法、法向量计算方法。
在一种实施方式中,聚类模块203具体用于:
根据预处理后的三维点云数据的分布位置和法向,对三维点云数据进行平面聚类;
提取聚类后的平面所包含的点,并根据提取出的点,采用最小二乘或主成分分析方法,构建平面片方程。
在一种实施方式中,邻域计算模块204的邻域关系通过下述方式计算:
根据平面片所包含点的与另一个平面片所包含点的邻域数量情况,计算出每个平面片的邻域片面。
在一种实施方式中,平面片的几何信息包括:与垂直方向的角度、表面积、最小高度、最大高度、平均高度、线形性、平面性,邻域关系包括邻域之间的几何关系,具体包括垂直、平行、相邻和共面关系,语义分类模块205具体用于:
根据平面片的几何信息和邻域之间的几何关系,采用SVM或者MRF方法区分各平面片的类别,获得平面片的语义类别信息。
在一种实施方式中,平面片的语义类别信息包括:室内墙面、地面和天花板三类。
在一种实施方式中,平面片边界捕捉模块207具体用于:
根据合并处理后的平面片中包含的点云集合,提取出平面片的边界多边形;
将边界多边形中与邻域之间的距离符合预设值的节点捕捉至平面片与邻域的交线处;
对捕捉后的边界多边形进行简化处理。
最后,通过模型输出模块208输出三维平面多边形即构成封闭的包含语义类别信息和拓扑信息(即邻域信息)的室内建筑的三维面片模型。
由于本发明实施例二所介绍的装置,为实施本发明实施例一中基于点云数据的室内建筑三维建模方法所采用的装置,故而基于本发明实施例一所介绍的方法,本领域所属人员能够了解该装置的具体结构及变形,故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于点云数据的室内建筑三维建模方法,其特征在于,包括:
步骤S1:获取室内建筑的三维点云数据;
步骤S2:对所述三维点云数据进行预处理;
步骤S3:对预处理后的三维点云数据进行平面聚类,提取聚类后的平面所包含的点,并根据提取出的点构建平面片方程;
步骤S4:计算每个平面片的邻域片面和几何信息;
步骤S5:根据平面片的几何信息和邻域关系,对平面片进行语义分类,获得平面片的语义类别信息;
步骤S6:对满足预设条件的相邻同类平面片进行合并处理;
步骤S7:对合并后的平面片进行边界计算和简化,获得三维平面边界多边形;
步骤S8:输出所述三维平面边界多边形,将其作为室内建筑的三维面片模型,其中,所述三维平面边界多边形包含语义类别信息和邻域信息。
2.如权利要求1所述的方法,其特征在于,步骤S2中对三维点云数据进行预处理的方法包括:点云平滑方法、法向量计算方法。
3.如权利要求1所述的方法,其特征在于,步骤S3具体包括:
根据预处理后的三维点云数据的分布位置和法向,对三维点云数据进行平面聚类;
提取聚类后的平面所包含的点,并根据提取出的点,采用最小二乘或主成分分析方法,构建平面片方程。
4.如权利要求1所述的方法,其特征在于,步骤S4中的邻域关系通过下述方式计算:
根据平面片所包含点的与另一个平面片所包含点的邻域数量情况,计算出每个平面片的邻域片面。
5.如权利要求1所述的方法,其特征在于,平面片的几何信息包括:与垂直方向的角度、表面积、最小高度、最大高度、平均高度、线形性、平面性,邻域关系包括邻域之间的几何关系,具体包括垂直、平行、相邻和共面关系,步骤S5具体包括:
根据平面片的几何信息和邻域之间的几何关系,采用SVM或者MRF方法区分各平面片的类别,获得平面片的语义类别信息。
6.如权利要求5所述的方法,其特征在于,平面片的语义类别信息包括:室内墙面、地面和天花板三类。
7.如权利要求1所述的方法,其特征在于,步骤S7具体包括:
根据合并处理后的平面片中包含的点云集合,提取出平面片的边界多边形;
将边界多边形中与邻域之间的距离符合预设值的节点捕捉至平面片与邻域的交线处;
对捕捉后的边界多边形进行简化处理。
8.一种基于点云数据的室内建筑三维建模装置,其特征在于,包括:
数据获取模块,用于获取室内建筑的三维点云数据;
预处理模块,用于对所述三维点云数据进行预处理;
聚类模块,用于对预处理后的三维点云数据进行平面聚类,提取聚类后的平面所包含的点,并根据提取出的点构建平面片方程;
邻域计算模块,用于计算每个平面片的邻域片面和几何信息;
语义分类模块,用于根据平面片的几何信息和邻域关系,对平面片进行语义分类,获得平面片的语义类别信息;
平面片合并模块,用于对满足预设条件的相邻同类平面片进行合并处理;
平面片边界捕捉模块,用于根据合并处理后的平面片中包含的点云集合,计算平面片的边界多边形,并将边界多边形中与邻域之间的距离符合预设值的节点捕捉至平面片与邻域的交线处,再对边界多边形进行简化;
模型输出模块,用于输出简化后的三维平面边界多边形及其语义和邻域信息,将其作为室内建筑的三维面片模型,其中,所述三维平面边界多边形包含语义类别信息和邻域信息。
9.如权利要求8所述的装置,其特征在于,预处理模块具体通过下述方法进行预处理:点云平滑方法、法向量计算方法。
10.如权利要求8所述的装置,其特征在于,聚类模块具体用于:
根据预处理后的三维点云数据的分布位置和法向,对三维点云数据进行平面聚类;
提取聚类后的平面所包含的点,并根据提取出的点,采用最小二乘或主成分分析方法,构建平面片方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058150.0A CN109887082A (zh) | 2019-01-22 | 2019-01-22 | 一种基于点云数据的室内建筑三维建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058150.0A CN109887082A (zh) | 2019-01-22 | 2019-01-22 | 一种基于点云数据的室内建筑三维建模方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109887082A true CN109887082A (zh) | 2019-06-14 |
Family
ID=66926534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910058150.0A Pending CN109887082A (zh) | 2019-01-22 | 2019-01-22 | 一种基于点云数据的室内建筑三维建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109887082A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427420A (zh) * | 2019-08-05 | 2019-11-08 | 中国地质大学(北京) | 一种可动态调节的数据管理系统与模型控制方法 |
CN110675323A (zh) * | 2019-10-14 | 2020-01-10 | 四川视慧智图空间信息技术有限公司 | 一种三维地图语义处理方法、系统、设备及计算机介质 |
CN111612886A (zh) * | 2020-04-21 | 2020-09-01 | 厦门大学 | 室内三维模型生成方法及系统 |
CN111915730A (zh) * | 2020-07-20 | 2020-11-10 | 北京建筑大学 | 一种顾及语义从点云自动生成室内三维模型的方法及系统 |
CN112417579A (zh) * | 2021-01-25 | 2021-02-26 | 深圳大学 | 一种语义约束的平面基元拓扑关系规则检测与恢复方法 |
CN112767551A (zh) * | 2021-01-18 | 2021-05-07 | 北京房江湖科技有限公司 | 三维模型构建方法、装置以及电子设备、存储介质 |
CN112884901A (zh) * | 2021-02-22 | 2021-06-01 | 武汉大学 | 半封闭空间场景的三维点云数据法向全局一致化方法 |
CN112907722A (zh) * | 2019-11-19 | 2021-06-04 | 广东博智林机器人有限公司 | 建筑信息模型生成方法、系统、设备和存储介质 |
CN113112600A (zh) * | 2021-04-02 | 2021-07-13 | 浙江大学 | 基于结构的室内场景三维建模方法 |
CN113379901A (zh) * | 2021-06-23 | 2021-09-10 | 武汉大学 | 利用大众自拍全景数据建立房屋实景三维的方法及系统 |
CN113446983A (zh) * | 2020-03-24 | 2021-09-28 | 广东博智林机器人有限公司 | 阴阳角的测量方法、装置、存储介质和处理器 |
CN113989376A (zh) * | 2021-12-23 | 2022-01-28 | 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 |
CN114140586A (zh) * | 2022-01-29 | 2022-03-04 | 苏州工业园区测绘地理信息有限公司 | 面向室内空间的三维建模方法、装置和存储介质 |
CN115273645A (zh) * | 2022-08-09 | 2022-11-01 | 南京大学 | 一种室内面要素自动聚类的地图制图方法 |
WO2023024482A1 (zh) * | 2021-08-23 | 2023-03-02 | 奥比中光科技集团股份有限公司 | 一种室内结构化重建方法、装置及计算机可读存储介质 |
CN115797551A (zh) * | 2022-11-14 | 2023-03-14 | 国网湖北省电力有限公司超高压公司 | 基于两步无监督聚类算法的激光点云数据自动建模方法 |
CN115830248A (zh) * | 2023-02-21 | 2023-03-21 | 济南市勘察测绘研究院 | 一种基于无人机环绕规划的超高精细三维模型建立方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969656A (zh) * | 2014-05-08 | 2014-08-06 | 北京数字绿土科技有限公司 | 基于机载激光雷达的建筑物建模方法和装置 |
CN106097311A (zh) * | 2016-05-31 | 2016-11-09 | 中国科学院遥感与数字地球研究所 | 机载激光雷达数据的建筑物三维重建方法 |
CN108133516A (zh) * | 2018-01-17 | 2018-06-08 | 视缘(上海)智能科技有限公司 | 一种3d城市场景自动重建方法 |
-
2019
- 2019-01-22 CN CN201910058150.0A patent/CN109887082A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969656A (zh) * | 2014-05-08 | 2014-08-06 | 北京数字绿土科技有限公司 | 基于机载激光雷达的建筑物建模方法和装置 |
CN106097311A (zh) * | 2016-05-31 | 2016-11-09 | 中国科学院遥感与数字地球研究所 | 机载激光雷达数据的建筑物三维重建方法 |
CN108133516A (zh) * | 2018-01-17 | 2018-06-08 | 视缘(上海)智能科技有限公司 | 一种3d城市场景自动重建方法 |
Non-Patent Citations (4)
Title |
---|
喻亮: "基于车载激光扫描数据的地物分类和快速建模技术研究", 《中国博士学位论文全文数据库信息科技辑》 * |
姚春静: "机载LiDAR点云数据与遥感影像配准的方法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
张志超: "融合机载与地面LIDAR数据的建筑物三维重建研究", 《中国博士学位论文全文数据库信息科技辑》 * |
李瑶: "基于多源LiDAR数据的LoD3城市建筑物模型自动重建研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427420A (zh) * | 2019-08-05 | 2019-11-08 | 中国地质大学(北京) | 一种可动态调节的数据管理系统与模型控制方法 |
CN110675323A (zh) * | 2019-10-14 | 2020-01-10 | 四川视慧智图空间信息技术有限公司 | 一种三维地图语义处理方法、系统、设备及计算机介质 |
CN110675323B (zh) * | 2019-10-14 | 2022-12-30 | 四川视慧智图空间信息技术有限公司 | 一种三维地图语义处理方法、系统、设备及计算机介质 |
CN112907722A (zh) * | 2019-11-19 | 2021-06-04 | 广东博智林机器人有限公司 | 建筑信息模型生成方法、系统、设备和存储介质 |
WO2021189968A1 (zh) * | 2020-03-24 | 2021-09-30 | 广东博智林机器人有限公司 | 阴阳角的测量方法、装置、存储介质和处理器 |
CN113446983A (zh) * | 2020-03-24 | 2021-09-28 | 广东博智林机器人有限公司 | 阴阳角的测量方法、装置、存储介质和处理器 |
CN111612886A (zh) * | 2020-04-21 | 2020-09-01 | 厦门大学 | 室内三维模型生成方法及系统 |
CN111612886B (zh) * | 2020-04-21 | 2022-07-19 | 厦门大学 | 室内三维模型生成方法及系统 |
CN111915730B (zh) * | 2020-07-20 | 2023-05-19 | 北京建筑大学 | 一种顾及语义从点云自动生成室内三维模型的方法及系统 |
CN111915730A (zh) * | 2020-07-20 | 2020-11-10 | 北京建筑大学 | 一种顾及语义从点云自动生成室内三维模型的方法及系统 |
CN112767551A (zh) * | 2021-01-18 | 2021-05-07 | 北京房江湖科技有限公司 | 三维模型构建方法、装置以及电子设备、存储介质 |
CN112417579B (zh) * | 2021-01-25 | 2021-05-18 | 深圳大学 | 一种语义约束的平面基元拓扑关系规则检测与恢复方法 |
CN112417579A (zh) * | 2021-01-25 | 2021-02-26 | 深圳大学 | 一种语义约束的平面基元拓扑关系规则检测与恢复方法 |
CN112884901B (zh) * | 2021-02-22 | 2022-04-15 | 武汉大学 | 半封闭空间场景的三维点云数据法向全局一致化方法 |
CN112884901A (zh) * | 2021-02-22 | 2021-06-01 | 武汉大学 | 半封闭空间场景的三维点云数据法向全局一致化方法 |
CN113112600B (zh) * | 2021-04-02 | 2023-03-03 | 浙江大学 | 基于结构的室内场景三维建模方法 |
CN113112600A (zh) * | 2021-04-02 | 2021-07-13 | 浙江大学 | 基于结构的室内场景三维建模方法 |
CN113379901A (zh) * | 2021-06-23 | 2021-09-10 | 武汉大学 | 利用大众自拍全景数据建立房屋实景三维的方法及系统 |
WO2023024482A1 (zh) * | 2021-08-23 | 2023-03-02 | 奥比中光科技集团股份有限公司 | 一种室内结构化重建方法、装置及计算机可读存储介质 |
CN113989376A (zh) * | 2021-12-23 | 2022-01-28 | 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 |
CN114140586B (zh) * | 2022-01-29 | 2022-05-17 | 苏州工业园区测绘地理信息有限公司 | 面向室内空间的三维建模方法、装置和存储介质 |
CN114140586A (zh) * | 2022-01-29 | 2022-03-04 | 苏州工业园区测绘地理信息有限公司 | 面向室内空间的三维建模方法、装置和存储介质 |
CN115273645A (zh) * | 2022-08-09 | 2022-11-01 | 南京大学 | 一种室内面要素自动聚类的地图制图方法 |
CN115273645B (zh) * | 2022-08-09 | 2024-04-09 | 南京大学 | 一种室内面要素自动聚类的地图制图方法 |
CN115797551A (zh) * | 2022-11-14 | 2023-03-14 | 国网湖北省电力有限公司超高压公司 | 基于两步无监督聚类算法的激光点云数据自动建模方法 |
CN115797551B (zh) * | 2022-11-14 | 2023-11-03 | 国网湖北省电力有限公司超高压公司 | 基于两步无监督聚类算法的激光点云数据自动建模方法 |
CN115830248A (zh) * | 2023-02-21 | 2023-03-21 | 济南市勘察测绘研究院 | 一种基于无人机环绕规划的超高精细三维模型建立方法 |
CN115830248B (zh) * | 2023-02-21 | 2023-05-02 | 济南市勘察测绘研究院 | 一种基于无人机环绕规划的超高精细三维模型建立方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887082A (zh) | 一种基于点云数据的室内建筑三维建模方法及装置 | |
US10755098B2 (en) | Evaluation method of solar energy utilization potential in urban high-density areas based on low-altitude photogrammetry | |
Sun et al. | Aerial 3D building detection and modeling from airborne LiDAR point clouds | |
Verma et al. | 3D building detection and modeling from aerial LIDAR data | |
Zhou et al. | 2.5 d dual contouring: A robust approach to creating building models from aerial lidar point clouds | |
Romero-Jarén et al. | Automatic segmentation and classification of BIM elements from point clouds | |
CN109544612A (zh) | 基于特征点几何表面描述的点云配准方法 | |
CN105389569B (zh) | 一种人体姿态估计方法 | |
CN105354883B (zh) | 基于点云的3ds Max快速精细三维建模方法及系统 | |
CN110363849A (zh) | 一种室内三维建模方法及系统 | |
CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
CN109163731A (zh) | 一种语义地图构建方法及系统 | |
CN102959946A (zh) | 基于相关3d点云数据来扩充图像数据的技术 | |
CN109272554A (zh) | 一种识别目标的坐标系定位和语义地图构建的方法及系统 | |
CN109410330A (zh) | 一种基于bim技术无人机航拍建模方法 | |
CN108154104A (zh) | 一种基于深度图像超像素联合特征的人体姿态估计方法 | |
CN110660125B (zh) | 用于电力配网系统的三维建模装置 | |
CN108986221A (zh) | 一种基于模板人脸逼近的不规范三维人脸网格纹理方法 | |
CN109493344A (zh) | 一种大规模城市三维场景的语义分割方法 | |
CN109472802A (zh) | 一种基于边缘特征自约束的表面网格模型构建方法 | |
CN116385420A (zh) | 区域尺寸的确定方法、系统、设备及存储介质 | |
CN106296650B (zh) | 一种激光点云配准方法和装置 | |
Kaushik et al. | Accelerated patch-based planar clustering of noisy range images in indoor environments for robot mapping | |
CN110516304A (zh) | 一种室内空间建模方法 | |
CN112906487B (zh) | 基于规则集的明清官式建筑物样式点云分类识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |