CN110163956A - 三维户型图生成方法、装置、设备和存储介质 - Google Patents
三维户型图生成方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110163956A CN110163956A CN201910297089.5A CN201910297089A CN110163956A CN 110163956 A CN110163956 A CN 110163956A CN 201910297089 A CN201910297089 A CN 201910297089A CN 110163956 A CN110163956 A CN 110163956A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- house type
- image
- floor plan
- type component
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000000926 separation method Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 32
- 238000004891 communication Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
本发明涉及图像处理领域,提供一种三维户型图生成方法,包括以下步骤:接收三维户型图生成请求,获取三维户型图生成请求对应的初始二维图像;利用预设图像识别模型检测初始二维图像,分离初始二维图像中的非户型组件,得到去除非户型组件之后的当前二维图像;将分离的非户型组件转化为三维非户型组件,将当前二维图像转化为三维基础户型图;将三维非户型组件按对应的相对位置信息添加到三维基础户型图中,生成三维户型图像。本发明还公开了一种三维户型图生成装置、设备和存储介质。本发明中通过对初始二维图像进行图像检测,识别初始二维图像中的非户型组件,生成对应的三维户型图像,实现了三维户型图像的自动生成。
Description
技术领域
本发明涉及图像处理领域,尤其涉及三维户型图生成方法、装置、设备和存储介质。
背景技术
三维建模为计算机图形技术领域的重要部分。以地产领域为例,使用三维建模技术建立的三维户型图相较于之前的二维户型图更为直观、真实。
目前市面上仅有通过实物模具、或者通过3D Studio Max(3D Studio Max简称为3ds Max或MAX,是Discreet公司开发的基于PC系统的三维动画渲染和制作软件)等其他三维建模软件构造三维户型图展现给用户的户型三维模型,但现有三维户型图的建造均是技术门槛高,产出小,且构建操作这些软件需要具有一定的设计基础,需要了解点、线面的建造。这种方式增加了户型的建造难度,如何更加方便准确地生成三维户型图成为了当前亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种三维户型图生成方法、装置、设备和存储介质,旨在解决当前三维户型图像生成困难的问题。
为实现上述目的,本发明提供三维户型图生成方法,所述三维户型图生成方法包括以下步骤:
接收三维户型图生成请求,获取所述三维户型图生成请求对应的初始二维图像;
利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像;
将分离的所述非户型组件转化为三维非户型组件,将所述当前二维图像转化为三维基础户型图;
将所述三维非户型组件按对应的相对位置信息添加到所述三维基础户型图中,生成三维户型图像。
可选地,所述利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像的步骤之前,包括:
分别采集不同类型的二维户型图像作为样本图像,将所述样本图像汇总得到样本图像集合;
从所述样本图像集合中抽取预设比例的样本图像,并通过预设比例的所述样本图像构建初始图像识别模型;
通过迭代算法训练初始图像识别模型,得到最优模型参数,并将训练得到最优模型参数对应的图像识别模型作为预设图像识别模型。
可选地,所述接收三维户型图生成请求,获取所述三维户型图生成请求对应的初始二维图像的步骤之后,包括:
通过预设图像识别模型对所述初始二维图像进行预处理,并识别经预处理之后所述初始二维图像中包含的线段;
将各线段按对应的倾斜角度分类为横线集合和竖线集合,判断所述横线集合和所述竖线集合中的线段是否相互垂直;
在所述横线集合和所述竖线集合中的线段相互垂直时,执行步骤:利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像。
可选地,所述将各线段按对应的倾斜角度分类为横线集合和竖线集合,判断所述横线集合和所述竖线集合中的线段是否相互垂直的步骤之后,包括:
在所述横线集合和所述竖线集合中的线段不相互垂直时,对所述横线集合和所述竖线集合中的线段进行矫正,使得所述横线集合和所述竖线集合中的线段相互垂直。
可选地,所述利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像的步骤,包括:
通过预设图像识别模型提取所述初始二维图像中的图像元素,将所述图像元素与预设组件集合中的预设非户型组件进行比较;
获取与所述预设非户型组件匹配的目标图像元素,并将所述目标图像元素作为非户型组件;
将所述非户型组件与所述初始二维图像进行分离,得到去除所述非户型组件之后的当前二维图像。
可选地,所述将分离的所述非户型组件转化为三维非户型组件,将所述当前二维图像转化为三维基础户型图的步骤,包括:
将所述非户型组件与预设组件标识库中的组件标识进行比对,获取与所述非户型组件匹配的第一组件标识;
获取所述非户型组件关联的尺寸数据,按所述尺寸数据调整对应的所述第一组件标识,将调整后的第一组件标识作为所述非户型组件对应的三维非户型组件;
识别所述当前二维图像,获取所述当前二维图像中的户型组件,将所述户型组件与预设组件标识库中的组件标识进行比对,获取与所述户型组件匹配的第二组件标识;
获取所述户型组件关联的尺寸数据,按所述尺寸数据调整对应的所述第二组件标识,将调整后的第二组件标识作为所述户型组件对应的三维户型组件;
将所述三维户型组件按对应的相对位置信息拼接,生成三维基础户型图。
可选地,所述将所述三维非户型组件按对应的相对位置信息添加到所述三维基础户型图中,生成三维户型图像的步骤之后,包括:
接收户型图显示请求,获取所述户型图显示请求中待显示的三维户型图和目标显示维度;
在所述目标显示维度为二维时,去除所述三维户型图中的高度信息,得到所述三维户型图对应的二维户型图并输出。
此外,为实现上述目的,本发明还提供一种三维户型图生成装置,所述三维户型图生成装置包括:
请求接收模块,用于接收三维户型图生成请求,获取所述三维户型图生成请求对应的初始二维图像;
组件分离模块,用于利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像;
组件转化模块,用于将分离的所述非户型组件转化为三维非户型组件,将所述当前二维图像转化为三维基础户型图;
图像生成模块,用于将所述三维非户型组件按对应的相对位置信息添加到所述三维基础户型图中,生成三维户型图像。
此外,为实现上述目的,本发明还提供一种三维户型图生成设备;
所述三维户型图生成设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如上所述的三维户型图生成方法的步骤。
此外,为实现上述目的,本发明还提供计算机存储介质;
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的三维户型图生成方法的步骤。
本发明实施例提出的一种三维户型图生成方法、装置、设备和存储介质,终端接收三维户型图生成请求,获取所述三维户型图生成请求对应的初始二维图像;利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像;将分离的所述非户型组件转化为三维非户型组件,将所述当前二维图像转化为三维基础户型图;将所述三维非户型组件按对应的相对位置信息添加到所述三维基础户型图中,生成三维户型图像。通过对初始二维户型图像进行识别,去除初始二维图像中的非户型组件,得到不包含非户型组件的当前二维图像,然后,终端分别将非户型组件和当前二维图像进行三维转化,得到对应的三维非户型组件和三维基础户型图,终端将三维非户型组件和三维基础户型图组合,生成初始二维图像对应的三维户型图像,实现了三维户型图像的自动生成,使得三维户型图像生成更加便捷准确。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明三维户型图生成方法第一实施例的流程示意图;
图3为本发明三维户型图生成装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端(又叫三维户型图生成设备,其中,三维户型图生成设备可以是由单独的三维户型图生成装置构成,也可以是由其他装置与三维户型图生成装置组合形成)结构示意图。
本发明实施例终端可以固定终端,也可以是移动终端,如,带联网功能的智能空调、智能电灯、智能电源、智能音箱、自动驾驶汽车、PC(personal computer)个人计算机、智能手机、平板电脑、电子书阅读器、便携计算机等。
如图1所示,该终端可以包括:处理器1001,例如,中央处理器Central ProcessingUnit,CPU),网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WIFI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如,磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块;输入单元,比显示屏,触摸屏;网络接口可选除无线接口中除WiFi外,蓝牙、探针等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,该计算机软件产品存储在一个存储介质(存储介质:又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等,存储介质可以是非易失性可读存储介质,如RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的计算机程序,并执行本发明以下实施例提供的三维户型图生成方法中的步骤。
本实施例提出一种三维户型图生成方法,应用于如图1所示的终端。
参照图2,在本发明三维户型图生成方法的第一实施例中,所述三维户型图生成方法包括:
步骤S10,接收三维户型图生成请求,获取所述三维户型图生成请求对应的初始二维图像。
终端接收三维户型图生成请求,在终端接收到三维户型图生成请求之后,终端获取三维户型图生成对应的初始二维图像;其中,终端接收到的三维户型图生成请求可以是不同的方式触发的,例如,用户上传拍照版二维户型图像,并基于上传的拍照版二维户型图像触发三维户型图生成请求,终端接收到三维户型图生成请求之后,终端将拍照版二维户型图像作为三维户型图生成请求对应的初始二维图像;再比如,用户选择一张二维户型图,并语音输入“三维转化”触发三维户型图生成请求,终端接收到三维户型图生成请求之后,终端将用户选择的二维户型图像作为三维户型图生成请求对应的初始二维图像。需要说明的是,初始二维图像数量可以是一张或者多张,本实施例中以一张初始二维图像为例进行说明。
步骤S20,利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像。
终端中预设有图像识别模型,在终端获取到初始二维图像之后,终端将初始二维图像输入至预设图像识别模型,通过预设图像识别模型检测获取到的初始二维图像,以去除初始二维图像中的非户型组件(非户型组件是指户型图中除门、墙之外的组件,例如,床、电视等家具),得到不包含非户型组件的当前二维图像,以最终生成初始二维图像对应的三维户型图像,具体地:
步骤a1,通过预设图像识别模型提取所述初始二维图像中的图像元素。
步骤a2,将所述图像元素与预设组件集合中的预设非户型组件进行比较,获取与所述预设非户型组件匹配的目标图像元素,并将所述目标图像元素作为非户型组件。
步骤a3,将所述非户型组件与所述初始二维图像进行分离,得到去除所述非户型组件之后的当前二维图像。
即,终端利用预设图像识别模型识别初始二维图像中的各个图像元素,然后,终端将识别得到的各个图像元素与预设组件集合中的预设非户型组件进行比较,其中,预设组件集合是指预先设置的非户型组件集合,终端获取与预设非户型组件匹配的目标图像元素,终端将目标图像元素作为非户型组件。然后,终端擦除初始二维图像中的非户型组件,实现将非户型组件与初始二维图像进行分离,得到去除非户型组件之后的当前二维图像。
即,通常情况下终端采用正向识别的方法,识别初始二维图像中的墙,门的户型组件,然后将二维户型图转化为对应的三维户型图,但是终端识别户型组件的识别效率较低,容易出现识别错误的情况,本发明中采用反向识别的方式,先将二维户型图像中的非户型元素进行识别,以进行三维图像的转化,提高了户型图像识别的准确性,以最终使得生成的三维户型图更加准确。
步骤S30,将分离的所述非户型组件转化为三维非户型组件,将所述当前二维图像转化为三维基础户型图。
在终端将初始二维图像分离得到当前户型图像之后,终端需要进行三维转化,具体地:
步骤b1,将所述非户型组件与预设组件标识库中的组件标识进行比对,获取与所述非户型组件匹配的第一组件标识;
步骤b2,获取所述非户型组件关联的尺寸数据,按所述尺寸数据调整对应的所述第一组件标识,将调整后的第一组件标识作为所述非户型组件对应的三维非户型组件;
步骤b3,识别所述当前二维图像,获取所述当前二维图像中的户型组件,将所述户型组件与预设组件标识库中的组件标识进行比对,获取与所述户型组件匹配的第二组件标识;
步骤b4,获取所述户型组件关联的尺寸数据,按所述尺寸数据调整对应的所述第二组件标识,将调整后的第二组件标识作为所述户型组件对应的三维户型组件;并将所述三维户型组件按对应的相对位置信息拼接,生成三维基础户型图。
即,终端将非户型组件与预设组件标识库中的组件标识进行比对,其中,预设组件标识库为预先设置的三维户型图生成相关的组件标记集合,预设组件标识库中既包括非户型组件对应的三维组件标识,又包括户型组件对应的三维组件标识;例如,预设组件标识库为中保存有桌子对应的标识为一个棕色长方体带四个脚,墙壁对应的标识为带砖图像的长方体,终端获取与非户型组件匹配的第一组件标识;然后,终端获取非户型组件关联的尺寸数据,其中,非户型组件的尺寸数据可以是由终端从初始二维图像中提取的,还可以是由终端根据初始二维图像的尺寸自动配置的,在获取到非户型组件关联的尺寸数据之后,终端按照尺寸数据调整对应的第一组件标识,然后,终端将调整后的第一组件标识作为非户型组件对应的三维非户型组件。
终端将当前二维图像进行三维转化,即,终端识别当前二维图像,获取当前二维图像中的户型组件,终端将户型组件与预设组件标识库中的组件标识进行比对,获取与户型组件匹配的第二组件标识,终端获取户型组件关联的尺寸数据,其中,户型组件关联的尺寸数据是终端从初始户型图像中检测获取的,终端按尺寸数据调整对应的第二组件标识,将调整后的第二组件标识作为户型组件对应的三维户型组件;然后,终端将三维户型组件按对应的相对位置信息拼接,生成三维基础户型图。
步骤S40,将所述三维非户型组件按对应的相对位置信息添加到所述三维基础户型图中,生成三维户型图像。
终端获取三维非户型组件,及三维非户型组件对应的相对位置信息,然后,终端将所有检测到的三维非户型组件添加到三维基础户型图中,生成了三维户型图;即,终端可以互相印证得到各个三维非户型组件的位置和方向(例如,终端识别三维非户型组件电视,在墙a的中部,面向三维非户型组件桌子),终端获取到三维非户型组件位置和方向后,通过搭积木的方式组合出三维户型图像。此外,终端还可以对三维户型图像进行后处理,例如,终端将生成的三维户型图像转化为虚拟现实、增强现实等对用户更友善的结果展现。
在本实施例中通过对初始二维户型图像进行识别,去除初始二维图像中的非户型组件,得到不包含非户型组件的当前二维图像,然后,终端分别将非户型组件和当前二维图像进行三维转化,得到对应的三维非户型组件和三维基础户型图,终端将三维非户型组件和三维基础户型图组合,生成初始二维图像对应的三维户型图像,实现了三维户型图像的自动生成,使得三维户型图像生成更加便捷准确。
进一步地,在本发明第一实施例的基础上,提出了本发明三维户型图生成方法的第二实施例。
本实施例是第一实施例步骤S20之前的步骤,在本发明中通过预设图像识别模型识别初始二维图像之前,终端需要先构建预设图像识别模式,本实施例中说明了预设图像识别模型的构建方法,具体地,预设图像识别模型的构建步骤,包括:
步骤S01,分别采集不同类型的二维户型图像作为样本图像,将所述样本图像汇总得到样本图像集合。
终端分别采集不同类型的二维户型图像作为样本图像,即,终端从网络上采集海量的二维户型图像,终端将采集的二维户型图像作为样本图像,终端将各个样本图像汇总得到样本图像集合。
步骤S02,从所述样本图像集合中抽取预设比例的样本图像,并通过预设比例的所述样本图像构建初始图像识别模型。
终端从样本图像集合中抽取预设比例(其中,预设比例是指预先设置的抽取比例,预设比例可以根据具体场景设置,例如,预设比例设置为0.1%)的样本图像,终端利用预设比例的样本图像构建初始图像识别模型,其中,该初始图像识别模型的本质是一个多分的分类器,即,用户首先在样本图像中标注窗户、墙,门等户型组件或者标准电视,床等非户型组件,然后,终端根据用户的标注信息拟合一个函数,终端根据该函数对图像中窗户、墙,门进行一个识别分类。
步骤S03,通过迭代算法训练初始图像识别模型,得到最优模型参数,并将训练得到最优模型参数对应的图像识别模型作为预设图像识别模型。
终端通过迭代算法训练初始图像识别模型,即,终端构建的初始图像识别模型可能存在识别错误等的情况,为了提高图像识别模型识别的准确性,终端利用该样本图像集合中的样本图像对初始图像识别模型进行训练。其中,对初始图像识别模型训练是一个机器学习的过程,该机器学习的过程可以是通过神经网络、遗传算法、支持向量机等多种方式实现,终端通过机器学习图像识别模型对应的得到最优模型参数,终端并将训练得到最优模型参数对应的图像识别模型作为预设图像识别模型。
本实施例中对初始图像识别模型的训练可以采用两种方式,方式一,设置识别参数,例如,识别准确率为98%,在终端训练到图像识别模型识别的准确率到达98%,终端停止训练;方式二,终端中设置训练次数:为1000次,然后,终端每次从样本图像集合中抽取0.1%的样本图像对初始图像识别模型进行训练,调整图像识别模型的参数,迭代1000次,终端将1000次之后的图像识别模型对应的参数作为最优模型参数,并终端将训练得到最优模型参数对应的图像识别模型作为预设图像识别模型。在本实施例中根据具体识别需求设置对应的图像识别模型,可以保证图像识别的准确性,提高图像处理效率。
进一步地,在本发明第一实施例的基础上,提出了本发明三维户型图生成方法的第三实施例。
本实施例是第一实施例中步骤S10之后的步骤,与本发明第一实施例的区别在于,本实施例中在终端获取到初始二维图像之后,终端先判断初始二维图像是否可以直接进行转化,具体地,三维户型图生成方法包括:
步骤S50,通过预设图像识别模型对所述初始二维图像进行预处理,并识别经预处理之后所述初始二维图像中包含的线段。
终端利用预设图像识别模型对初始二维图像进行预处理,即,预设图像识别模型去除初始二维图像中的冗余信息,其中,预处理过程可以有数字化、几何变换、归一化、平滑、复原和增强等步骤,对初始二图像进行预处理的其目是消除初始图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取、图像分割、匹配和识别的可靠性。
在初始二维图像预处理之后,终端提取识别经预处理之后,初始二维图像中包含的线段,即,终端在初始二维图纸中设置一个二维坐标系,并根据建立的二维坐标系确定初始二维图像中各个点的坐标,例如,点a(x1,y1)和b(x2,y2),然后,终端确定两个点对应线段的坐标(x1,y1,x2,y2)。
步骤S60,将各线段按对应的倾斜角度分类为横线集合和竖线集合,判断所述横线集合和所述竖线集合中的线段是否相互垂直。
在得到线段坐标之后,终端根据各个线段直接的倾斜角度,将各个线段分类至为横线集合和竖线集合,线段的分类条件如下:如果|x1-x2|>len并且|y1-y2|<len,线段l加入横线集合HLines;如果|y1-y2|>len并且|x1-x2|<len,线段l加入竖线集合VLines;其中,len为线段的倾斜阈值,通常设置len=5。
在线段分类之后,终端确定横线集合和竖线集合中的线段是否相互垂直,即,终端获取横线集合和竖线集合中端点值相同的两个线段,终端确定两个线段是否相互垂直,若横线集合和竖线集合中的线段不相互垂直,则终端需要对初始二维图像进行矫正;反之,若横线集合和竖线集合中的线段相互垂直,则终端可以直接对初始二维图像进行处理转化为三维户型图。即,在横线集合和竖线集合中的线段相互垂直时。终端执行第一实施例中步骤S20,利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像。
在本实施例中在进行三维户型图转化之前,终端先对初始二维图像进行识别,使得初始二维图像更加规范,从而有效地保证生成的三维图像的准确性。
进一步地,在本发明上述实施例的基础上,提出了本发明三维户型图生成方法的第四实施例。
本实施例是第三实施例中步骤S60之后的步骤,包括:
步骤S70,在所述横线集合和所述竖线集合中的线段不相互垂直时,对所述横线集合和所述竖线集合中的线段进行矫正,使得所述横线集合和所述竖线集合中的线段相互垂直。
在终端确定横线集合和竖线集合中的线段不相互垂直时,终端对横线集合和竖线集合中的线段进行矫正,例如,对于横线集合HLines中的任意线段hl(x1,y1,x2,y2),拉直后的新坐标为l'(x1',y1',x2',y2')。x1'=x1;y1'=(y1+y2)/2;x2'=x2;y2'=y1';对于竖线集合VLines中的任意线段vl(x1,y1,x2,y2),拉直后的新坐标为l'(x1',y1',x2',y2');x1'=(x1+x2)/2;y1'=y1;x2'=x1';y2'=y2。使得所述横线集合和所述竖线集合中的线段相互垂直。在本实施例中终端对初始二维图像进行矫正,使得生成的三维户型图更加准确。
进一步地,在上述实施例的基础上,提出了本发明三维户型图生成方法的第五实施例。
本实施例是第一实施中步骤S40之后的步骤,本实施中终端可以根据用户的需求对应显示户型图,具体地,三维户型图生成方法包括:
步骤S70,接收户型图显示请求,获取所述户型图显示请求中待显示的三维户型图和目标显示维度。
终端接收户型图显示请求,其中,终端接收到的户型图像显示请求可以是不同方式触发的,例如,用户输入:“xxx楼盘户型”并点击终端对应的显示按键,触发户型图显示请求,在终端接收到户型图显示请求之后,终端获取户型图显示请求中待显示的三维户型图和目标显示维度,即,终端根据显示请求确定对应的待显示的三维户型图和目标显示维度,其中,用户可以自己设置显示三维户型图或者显示二维户型图。在用户设置目标显示维度为三维时,终端输出对应的三维户型图像。
步骤S80,在所述目标显示维度为二维时,去除所述三维户型图中的高度信息,得到所述三维户型图对应的二维户型图并输出。
在目标显示维度为二维时,终端去除三维户型图中的高度信息,得到所述三维户型图对应的二维户型图并输出,本实施例中在用户需要显示二维户型图时,终端可以将三维户型图进行处理,去除三维户型图中的高度信息,得到三维户型图对应的二维户型图并输入,满足用户的查询需求。
此外,参照图3,本发明实施例还提出一种三维户型图生成装置,所述三维户型图生成装置包括:
请求接收模块10,用于接收三维户型图生成请求,获取所述三维户型图生成请求对应的初始二维图像;
组件分离模块20,用于利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像;
组件转化模块30,用于将分离的所述非户型组件转化为三维非户型组件,将所述当前二维图像转化为三维基础户型图;
图像生成模块40,用于将所述三维非户型组件按对应的相对位置信息添加到所述三维基础户型图中,生成三维户型图像。
可选地,所述的三维户型图生成装置,包括:
样本采集模块,用于分别采集不同类型的二维户型图像作为样本图像,将所述样本图像汇总得到样本图像集合;
初始模型构建模块,用于从所述样本图像集合中抽取预设比例的样本图像,并通过预设比例的所述样本图像构建初始图像识别模型;
模型生成模块,用于通过迭代算法训练初始图像识别模型,得到最优模型参数,并将训练得到最优模型参数对应的图像识别模型作为预设图像识别模型。
可选地,所述的三维户型图生成装置,包括:
线段识别模块,用于通过预设图像识别模型对所述初始二维图像进行预处理,并识别经预处理之后所述初始二维图像中包含的线段;
分类判断模块,用于将各线段按对应的倾斜角度分类为横线集合和竖线集合,判断所述横线集合和所述竖线集合中的线段是否相互垂直;
判定模块,用于在所述横线集合和所述竖线集合中的线段相互垂直时,执行组件分离模块20中的步骤:利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像。
可选地,所述的三维户型图生成装置,包括:
线段矫正模块,用于在所述横线集合和所述竖线集合中的线段不相互垂直时,对所述横线集合和所述竖线集合中的线段进行矫正,使得所述横线集合和所述竖线集合中的线段相互垂直。
可选地,所述组件分离模块20,包括:
提取比对单元,用于通过预设图像识别模型提取所述初始二维图像中的图像元素,将所述图像元素与预设组件集合中的预设非户型组件进行比较
非户型组件识别单元,用于获取与所述预设非户型组件匹配的目标图像元素,并将所述目标图像元素作为非户型组件;
组件分离单元,用于将所述非户型组件与所述初始二维图像进行分离,得到去除所述非户型组件之后的当前二维图像。
可选地,所述组件转化模块30,包括:
第一比对单元,用于将所述非户型组件与预设组件标识库中的组件标识进行比对,获取与所述非户型组件匹配的第一组件标识;
第一转化单元,用于获取所述非户型组件关联的尺寸数据,按所述尺寸数据调整对应的所述第一组件标识,将调整后的第一组件标识作为所述非户型组件对应的三维非户型组件;
第二比对单元,用于识别所述当前二维图像,获取所述当前二维图像中的户型组件,将所述户型组件与预设组件标识库中的组件标识进行比对,获取与所述户型组件匹配的第二组件标识;
第二转换单元,用于获取所述户型组件关联的尺寸数据,按所述尺寸数据调整对应的所述第二组件标识,将调整后的第二组件标识作为所述户型组件对应的三维户型组件;
拼接单元,用于将所述三维户型组件按对应的相对位置信息拼接,生成三维基础户型图。
可选地,所述的三维户型图生成装置,包括:
显示获取模块,用于接收户型图显示请求,获取所述户型图显示请求中待显示的三维户型图和目标显示维度;
调整输出模块,用于在所述目标显示维度为二维时,去除所述三维户型图中的高度信息,得到所述三维户型图对应的二维户型图并输出。
其中,三维户型图生成装置的各个功能模块实现的步骤可参照本发明三维户型图生成方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的三维户型图生成方法中的操作。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序;术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中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。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的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,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种三维户型图生成方法,其特征在于,所述三维户型图生成方法包括以下步骤:
接收三维户型图生成请求,获取所述三维户型图生成请求对应的初始二维图像;
利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像;
将分离的所述非户型组件转化为三维非户型组件,将所述当前二维图像转化为三维基础户型图;
将所述三维非户型组件按对应的相对位置信息添加到所述三维基础户型图中,生成三维户型图像。
2.如权利要求1所述的三维户型图生成方法,其特征在于,所述利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像的步骤之前,包括:
分别采集不同类型的二维户型图像作为样本图像,将所述样本图像汇总得到样本图像集合;
从所述样本图像集合中抽取预设比例的样本图像,并通过预设比例的所述样本图像构建初始图像识别模型;
通过迭代算法训练初始图像识别模型,得到最优模型参数,并将训练得到最优模型参数对应的图像识别模型作为预设图像识别模型。
3.如权利要求1所述的三维户型图生成方法,其特征在于,所述接收三维户型图生成请求,获取所述三维户型图生成请求对应的初始二维图像的步骤之后,包括:
通过预设图像识别模型对所述初始二维图像进行预处理,并识别经预处理之后所述初始二维图像中包含的线段;
将各线段按对应的倾斜角度分类为横线集合和竖线集合,判断所述横线集合和所述竖线集合中的线段是否相互垂直;
在所述横线集合和所述竖线集合中的线段相互垂直时,执行步骤:利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像。
4.如权利要求3所述的三维户型图生成方法,其特征在于,所述将各线段按对应的倾斜角度分类为横线集合和竖线集合,判断所述横线集合和所述竖线集合中的线段是否相互垂直的步骤之后,包括:
在所述横线集合和所述竖线集合中的线段不相互垂直时,对所述横线集合和所述竖线集合中的线段进行矫正,使得所述横线集合和所述竖线集合中的线段相互垂直。
5.如权利要求1所述的三维户型图生成方法,其特征在于,所述利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像的步骤,包括:
通过预设图像识别模型提取所述初始二维图像中的图像元素,将所述图像元素与预设组件集合中的预设非户型组件进行比较;
获取与所述预设非户型组件匹配的目标图像元素,并将所述目标图像元素作为非户型组件;
将所述非户型组件与所述初始二维图像进行分离,得到去除所述非户型组件之后的当前二维图像。
6.如权利要求1所述的三维户型图生成方法,其特征在于,所述将分离的所述非户型组件转化为三维非户型组件,将所述当前二维图像转化为三维基础户型图的步骤,包括:
将所述非户型组件与预设组件标识库中的组件标识进行比对,获取与所述非户型组件匹配的第一组件标识;
获取所述非户型组件关联的尺寸数据,按所述尺寸数据调整对应的所述第一组件标识,将调整后的第一组件标识作为所述非户型组件对应的三维非户型组件;
识别所述当前二维图像,获取所述当前二维图像中的户型组件,将所述户型组件与预设组件标识库中的组件标识进行比对,获取与所述户型组件匹配的第二组件标识;
获取所述户型组件关联的尺寸数据,按所述尺寸数据调整对应的所述第二组件标识,将调整后的第二组件标识作为所述户型组件对应的三维户型组件;
将所述三维户型组件按对应的相对位置信息拼接,生成三维基础户型图。
7.如权利要求1所述的三维户型图生成方法,其特征在于,所述将所述三维非户型组件按对应的相对位置信息添加到所述三维基础户型图中,生成三维户型图像的步骤之后,包括:
接收户型图显示请求,获取所述户型图显示请求中待显示的三维户型图和目标显示维度;
在所述目标显示维度为二维时,去除所述三维户型图中的高度信息,得到所述三维户型图对应的二维户型图并输出。
8.一种三维户型图生成装置,其特征在于,所述三维户型图生成装置包括:
请求接收模块,用于接收三维户型图生成请求,获取所述三维户型图生成请求对应的初始二维图像;
组件分离模块,用于利用预设图像识别模型检测所述初始二维图像,分离所述初始二维图像中的非户型组件,得到去除所述非户型组件之后的当前二维图像;
组件转化模块,用于将分离的所述非户型组件转化为三维非户型组件,将所述当前二维图像转化为三维基础户型图;
图像生成模块,用于将所述三维非户型组件按对应的相对位置信息添加到所述三维基础户型图中,生成三维户型图像。
9.一种三维户型图生成设备,其特征在于,所述三维户型图生成设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的三维户型图生成方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的三维户型图生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910297089.5A CN110163956A (zh) | 2019-04-12 | 2019-04-12 | 三维户型图生成方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910297089.5A CN110163956A (zh) | 2019-04-12 | 2019-04-12 | 三维户型图生成方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163956A true CN110163956A (zh) | 2019-08-23 |
Family
ID=67639352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910297089.5A Pending CN110163956A (zh) | 2019-04-12 | 2019-04-12 | 三维户型图生成方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163956A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781826A (zh) * | 2019-10-25 | 2020-02-11 | 珠海格力电器股份有限公司 | 三维立体图构建方法及系统、存储介质、处理器 |
CN111369424A (zh) * | 2020-02-10 | 2020-07-03 | 北京城市网邻信息技术有限公司 | 生成目标房屋的三维空间的方法、装置、设备、存储介质 |
CN111523167A (zh) * | 2020-04-17 | 2020-08-11 | 平安城市建设科技(深圳)有限公司 | Bim模型生成方法、装置、设备和存储介质 |
CN113392441A (zh) * | 2020-03-13 | 2021-09-14 | 广东博智林机器人有限公司 | 户型数据处理方法、装置、电子设备以及存储介质 |
CN115330936A (zh) * | 2022-08-02 | 2022-11-11 | 荣耀终端有限公司 | 合成三维图像的方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20170263050A1 (en) * | 2014-11-28 | 2017-09-14 | Urbanbase Inc. | Automatic three-dimensional solid modeling method and program based on two-dimensional drawing |
CN108717726A (zh) * | 2018-05-11 | 2018-10-30 | 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 |
CN109299510A (zh) * | 2018-08-27 | 2019-02-01 | 百度在线网络技术(北京)有限公司 | 三维模型确定方法、装置及设备 |
CN109408907A (zh) * | 2018-09-30 | 2019-03-01 | 夏阳 | 一种制造三维建筑实物模型的方法和装置 |
-
2019
- 2019-04-12 CN CN201910297089.5A patent/CN110163956A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170263050A1 (en) * | 2014-11-28 | 2017-09-14 | Urbanbase Inc. | Automatic three-dimensional solid modeling method and program based on two-dimensional drawing |
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 |
CN108717726A (zh) * | 2018-05-11 | 2018-10-30 | 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 |
CN109299510A (zh) * | 2018-08-27 | 2019-02-01 | 百度在线网络技术(北京)有限公司 | 三维模型确定方法、装置及设备 |
CN109408907A (zh) * | 2018-09-30 | 2019-03-01 | 夏阳 | 一种制造三维建筑实物模型的方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781826A (zh) * | 2019-10-25 | 2020-02-11 | 珠海格力电器股份有限公司 | 三维立体图构建方法及系统、存储介质、处理器 |
CN111369424A (zh) * | 2020-02-10 | 2020-07-03 | 北京城市网邻信息技术有限公司 | 生成目标房屋的三维空间的方法、装置、设备、存储介质 |
CN113392441A (zh) * | 2020-03-13 | 2021-09-14 | 广东博智林机器人有限公司 | 户型数据处理方法、装置、电子设备以及存储介质 |
CN113392441B (zh) * | 2020-03-13 | 2023-01-17 | 广东博智林机器人有限公司 | 户型数据处理方法、装置、电子设备以及存储介质 |
CN111523167A (zh) * | 2020-04-17 | 2020-08-11 | 平安城市建设科技(深圳)有限公司 | Bim模型生成方法、装置、设备和存储介质 |
CN115330936A (zh) * | 2022-08-02 | 2022-11-11 | 荣耀终端有限公司 | 合成三维图像的方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163956A (zh) | 三维户型图生成方法、装置、设备和存储介质 | |
WO2020010979A1 (zh) | 手部关键点的识别模型训练方法、识别方法及设备 | |
CN110458805B (zh) | 一种平面检测方法、计算设备以及电路系统 | |
CN102129290B (zh) | 图像处理设备和对象选择方法 | |
CN102708355B (zh) | 信息处理装置、信息处理方法 | |
US10762386B2 (en) | Method of determining a similarity transformation between first and second coordinates of 3D features | |
CN113874870A (zh) | 基于图像的定位 | |
US20220148279A1 (en) | Virtual object processing method and apparatus, and storage medium and electronic device | |
WO2020024569A1 (zh) | 动态生成人脸三维模型的方法、装置、电子设备 | |
CN112598780B (zh) | 实例对象模型构建方法及装置、可读介质和电子设备 | |
CN104781849A (zh) | 单眼视觉同时定位与建图(slam)的快速初始化 | |
CN103765479A (zh) | 基于图像的多视点3d脸部生成 | |
CN103252778A (zh) | 用于估计机器人位置的设备及其方法 | |
KR101181967B1 (ko) | 고유식별 정보를 이용한 3차원 실시간 거리뷰시스템 | |
CN104081307A (zh) | 图像处理装置、图像处理方法和程序 | |
Diakité et al. | First experiments with the tango tablet for indoor scanning | |
WO2022152001A1 (zh) | 手势识别方法和装置、电子设备、可读存储介质和芯片 | |
CN110189398A (zh) | 基于室内图像的户型图生成方法、装置、设备和存储介质 | |
CN111476894A (zh) | 三维语义地图构建方法、装置、存储介质及电子设备 | |
CN112101252B (zh) | 一种基于深度学习的图像处理方法、系统、设备及介质 | |
CN106446861A (zh) | 一种手语识别系统、装置及方法 | |
WO2019000464A1 (zh) | 一种图像显示方法、装置、存储介质和终端 | |
CN104635930A (zh) | 一种信息处理方法及电子设备 | |
CN115713616B (zh) | 一种房源空间模型生成方法、装置、终端设备及存储介质 | |
CN112818733A (zh) | 信息处理方法、装置、存储介质及终端 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190823 |
|
WD01 | Invention patent application deemed withdrawn after publication |