CN110189412A - 基于激光点云的多楼层室内结构化三维建模方法及系统 - Google Patents
基于激光点云的多楼层室内结构化三维建模方法及系统 Download PDFInfo
- Publication number
- CN110189412A CN110189412A CN201910395243.2A CN201910395243A CN110189412A CN 110189412 A CN110189412 A CN 110189412A CN 201910395243 A CN201910395243 A CN 201910395243A CN 110189412 A CN110189412 A CN 110189412A
- Authority
- CN
- China
- Prior art keywords
- floor
- point cloud
- vector
- room
- grid
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000011218 segmentation Effects 0.000 claims abstract description 30
- 238000010586 diagram Methods 0.000 claims description 7
- 239000012466 permeate Substances 0.000 claims description 4
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 claims description 3
- 239000012141 concentrate Substances 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 8
- 239000010410 layer Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013316 zoning Methods 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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于激光点云的多楼层室内结构化三维建模方法及系统,包括输入多楼层点云后,基于竖直方向上的点云高程直方图,进行楼层与楼层间连接区域分割;对每一楼层分别进行单楼层房间分割,基于矢量墙面线进行单楼层室内空间单元划分,进行基于矢量和栅格叠加的矢量室内平面图构建;根据布尔求交,删除楼层与连通区域之间的重叠面,建立多楼层三维模型。本发明通过“峰值‑低谷‑峰值”策略的直方图分割,将多楼层室内结构重建问题转化为单楼层室内重建与楼层间连通空间重建问题;通过“先分割后局部重建”的手段,可以快速高效的构建多楼层的建筑物室内三维模型,更好的处理室内复杂环境下的点云数据,满足室内结构化建模需求。
Description
技术领域
本发明属于地图制图技术领域,特别涉及一种通过点云进行多楼层室内结构化三维建模方法及。
背景技术
随着经济活动的快速发展,建筑物的数量大幅增加,人类的室内活动显著增长。与此同时,建筑物内部结构也呈现大型化、复杂化趋势。因此,人们对室内环境的了解和认知需求也随之不断提升,室内三维建模引发了广泛的关注。
而通过传统测量方法直接对室内三维场景建模,费时费力。基于激光点云进行三维模型构建具有速度快,精度高等优势,成为室内三维场景重建的研究热点。然而,通过室内三维点云进行三维建模还存在若干问题,如由于室内设施相互遮挡导致的墙面数据大面积缺失,由于室内的窗户、玻璃等强反射面导致的噪声,室内多楼层空间划分方法不稳定,以及室内多楼层模型重建等问题。这些都给多楼层室内三维模型的自动化重建造成极大困难。
发明内容
为了解决上述技术问题,本发明提供了一种在多楼层室内场景中,以含噪声、遮挡的移动测量点云数据为输入数据,实现结构化三维模型构建的方法。
本发明所采用的技术方案是一种基于激光点云的多楼层室内结构化三维建模方法,包括以下步骤:
步骤1,输入多楼层点云后,首先基于竖直方向上的点云高程直方图,进行楼层与楼层间连接区域分割;
步骤2,对每一楼层,分别基于投影到XOY平面的栅格图进行单楼层房间分割,所述XOY平面与地板保持平行;
步骤3,对每一楼层,分别基于矢量墙面线进行单楼层室内空间单元划分,包括以下子步骤:
步骤3.1,对分离的楼层点云数据,将每一楼层点云数据,根据设置的切片数目,切分为多片点云数据;
步骤3.2,对每一点云切片,利用区域生长算法对点云进行线分割,利用迭代重权重最小二乘法进行线拟合;并将拟合出的矢量线投影到XOY平面,计算每条线段的方向向量;
步骤3.3,对所有投影的矢量线段做线融合处理,将线长小于阈值的滤除,将共线的线段融合为一条线段;
步骤3.4,所有融合后的矢量线延长为直线,通过延长线将同一楼层内空间划分为矢量多边形单元,并根据步骤2.3生成的房间分割图的边界范围,对生成的矢量图以同样的边界范围进行切割,得到切割后的矢量图;
步骤4,对每一楼层,分别进行基于矢量和栅格叠加的矢量室内平面图构建;
步骤5,根据布尔求交,删除楼层与连通区域之间的重叠面,建立多楼层三维模型。
而且,步骤1包括以下子步骤,
步骤1.1,根据输入的高程间隔binsize大小,统计点云数据在Z轴上,每一高程间隔内的点数,形成基于竖直方向上的点云高程直方图;
步骤1.2,根据统计的直方图,获取直方图内的峰值与两近邻峰值之间的低谷区域,若低谷区域高度h<hthreshold,则低谷区域为楼层间连通区域,hthreshold代表楼层之间的楼板厚度。
而且,步骤2包括以下子步骤,
步骤2.1,将单楼层点云数据投影到XOY平面,再根据输入的栅格大小,将点云离散化为网格,每个栅格的值表示栅格内部的点数量;然后再将栅格图二值化,图内栅格值大于1的标记为可通过空间,栅格值为0的标记为不可通过空间;
步骤2.2,将门高至墙高之间的区域,投影到二维平面上,化为不可通过区域;
步骤2.3,对步骤2.2生成的可通过区域,利用形态学房间分割方法进行室内房间分割,得到单楼层栅格房间分割图,每个房间设置不同的标签值label。
而且,步骤4包括以下子步骤,
步骤4.1,在步骤3.4生成的矢量图边界范围内,生成大量随机点与每个矢量多边形单元中心点,生成的所有随机点和中心点构成点集,点集中每个点根据自身位置,提取步骤2.3生成的房间分割图中的标签值label,标签值的集合为Ωlabel;
步骤4.2,矢量图中每个多边形单元的值由范围内的点的标签值确定;
步骤4.3,将同一标签值的多边形单元合并,并剔除所有标签值为非房间区域单元,得到室内平面图,生成矢量室内平面图数据。
而且,步骤5包括以下子步骤,
步骤5.1,对每一楼层,分别利用步骤4.3中生成的矢量室内平面图数据,对每一个房间区域内点云数据,通过竖直方向的点云高程直方图求取每个房间的高度;根据室内平面图,计算相邻房间之间的最近邻墙面,若两墙面平行且距离不超过墙面厚度,则在两墙面之间标记门的位置;
步骤5.2,对每一楼层,分别利用约束Delaunay三角化方法将楼层内的天花板、墙面、门和地板多边形三角化,构建最终的房间三维模型,并以矢量Mesh网格形式输出;
步骤5.3,利用Delaunay三角化方法将楼层间连通区域重建,并以矢量Mesh网格形式输出;
步骤5.4,将所有楼层模型与楼层间连通区域模型置于同一模型中,通过布尔求交,检测所有相交面并删除,完成多楼层室内三维模型重建,并以矢量Mesh网格形式输出最终结果。
而且,用于室内定位。
本发明还提供一种基于激光点云的多楼层室内结构化三维建模系统,用于执行上述方法。
相对于现有技术,本发明的有益效果是:提供了一种简单有效的多楼层室内三维模型重建的技术方案,可以增强点云进行多楼层室内三维建模的效果,保证室内长走廊部分建模精确性。通过点云进行室内快速三维模型重建一直以来都是研究的热点,而室内空间的划分以及多楼层室内结构重建一致是研究的难点。本发明通过楼层分割方法,将原有多楼层室内结构重建问题划分为单楼层室内重建与楼层间连通空间重建问题。而后,本发明充分利用室内空间的结构特征,将原本单楼层的室内重建问题化为室内平面图的重建问题,并用房间分割方法处理单楼层室内空间划分,从而解决单楼层室内平面图的重建问题。通过“先分割后局部重建”的手段,可以快速高效的构建多楼层的建筑物室内模型,可以用于室内定位和室内测图等。
附图说明
图1为本发明实施例的室内建筑物三维模型构建的流程图;
图2为本发明实施例中单楼层点云投影至XOY平面生成的栅格图二值化后结果图;
图3为本发明实施例中门高至墙高之间偏移区域投影到XOY平面后的栅格图;
图4为本发明实施例中形态学房间分割方法流程图。
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。
通过点云进行室内场景重建一直以来都是研究的热点,而室内空间的划分以及多楼层室内结构重建一直是点云建模研究的难点。
在此背景下,本发明提供了一种适用于多楼层室内三维建模方法,通过楼层分割与房间分割方法,将多楼层的模型重建问题转换为多楼层划分与单楼层平面图重建问题,也即单楼层室内重建与楼层间连通空间重建问题。本发明提出,借鉴人工智能领域与建筑信息模型领域相关成果,实现基于楼层分割与房间分割的多楼层室内三维模型重建。一般情况下,室内天花板和地板都是水平的,而所有墙面都是竖直的,而房间是由墙面、天花板、地板围合而成的封闭区域,房间与房间(包括走廊)之间是由墙面上的门连接而成的。在竖直方向上(即Z轴上)的点云高程直方图中,水平结构呈现峰值,而非水平结构呈现低谷。天花板、地板在分布直方图往往呈现峰值;由于楼层间连接区域夹在低楼层的天花板与高楼层的地板之间,而楼层间连通区域内具有很少的水平结构,因此,楼层间的连通区域往往呈现低谷。通过“峰值-低谷-峰值”策略,可以抽取每一楼层与楼层间连通区域。房间空间本是封闭区域,而门打破了这种封闭性,导致直接对每一楼层内进行房间分割,效果较差。因此,通过投影门高至房间墙面高度之间的偏移区域,切断房间之间的联系,以提高房间分割图的精度。通过叠加墙面线分割的多边形单元与房间分割图,获取每一楼层的室内平面图,同时顾及了房间空间的划分精度与房间内结构的几何精度。最终,通过布尔求交,楼层与楼层间连通区域的相交面,完成水密的多楼层室内内表面模型重建。
本发明要求输入点云数据中的天花板与地板应该是水平的,墙面应与天花板和地板垂直。本发明所述XOY平面与地板保持平行,Z轴表示与XOY平面垂直的坐标轴。
请见图1,本发明实施例提供的一种基于激光点云进行多楼层室内结构化三维建模方法,包括以下步骤:
步骤1,输入多楼层点云后,首先基于竖直方向上的点云高程直方图,进行楼层与楼层间连接区域分割(Story Segmentation),包括以下子步骤:
步骤1.1,根据输入的高程间隔binsize大小,统计点云数据在Z轴上,每一高程间隔内的点数,形成基于竖直方向上的点云高程直方图。Binsize可预先设置,其值优选选取5-10em左右,代表在高程直方图的高程间隔。
步骤1.2,根据统计的直方图,获取直方图内的峰值与两近邻峰值之间的低谷区域,若低谷区域高度h<hthreshold,则低谷区域为楼层间连通区域;否则不然。hthreshold代表楼层之间的楼板厚度(如第一层楼的天花板到第二层楼的地板之间的厚度),一般在0.2-1m的范围内。通过这种“峰值-低谷-峰值”策略,将所有楼层间连通区域分离,同时,分离出剩余的每一楼层。
根据楼层分割后的点云,后续将对每一楼层分别依次执行步骤2、步骤3、步骤4、步骤5.1与步骤5.2,对楼层间的连通区域直接执行步骤5.3。
步骤2,对每一楼层,分别基于投影到XOY平面的栅格图进行单楼层房间分割(Room-Space Segmentation),包括以下子步骤:
步骤2.1,将单楼层点云数据投影到XOY平面,再根据输入的栅格大小,将点云离散化为网格,每个栅格的值表示栅格内部的点数量。如果栅格内不含任何点,则这个栅格被标为黑色,栅格颜色越接近白色,代表栅格内点越多。然后再将栅格图二值化,图内栅格值大于1的标记为可通过空间,栅格值为0的标记为不可通过空间,如图2所示。
步骤2.2,房间是由墙面、天花板、地板围合而成的封闭区域,而门打破了这种封闭性,导致直接对每一楼层的栅格图(如图2所示)进行房间空间划分,效果较差。往往会出现欠分割的情况,房间与走廊没有分开。在上述情况下建立的室内三维模型往往是不可靠的。如果每个房间区域是封闭的,会使上述问题大大减少。为了提高房间空间划分精度,将门高至墙高之间的区域,投影到二维平面上,化为不可通过区域(栅格值为0),即封闭房间与房间之间的联系,改进后栅格图如图3所示。图2中可见,房间与走廊之间有开口,而图3中,开口部分的栅格由白色变成了黑色,这样便于房间分割。
步骤2.3,对步骤2.2生成的可通过区域,利用形态学房间分割方法进行室内房间分割,得到单楼层栅格房间分割图,房间分割的结果如图3所示,具体实施时,每个房间可用不同的颜色进行区别显示,每个颜色对应不同的标签值,即每个房间设置不同的标签值label。
实施例采用的形态学分割方法流程图如图4所示:
1)输入P、lt、ht、cell_size,其中,P为输入的二值栅格图,lt为楼层内最大房间面积,ht为楼层内最小房间面积,cell_size为一个栅格代表实际面积大小;
2)将P复制为二值栅格图R,将R中非0区域的栅格值设置为-1;
3)对P做侵蚀操作,记为P=erode(P),每次迭代侵蚀1个栅格;
4)通过边缘检测,检测栅格图侵蚀后分离开的每个区域,记检测结果a=边缘检测(P),可用ai表示分离开的第i区域;
5)对边缘检测中每个区域,计算区域内面积R_area=area(ai)*ce]l_size,area(ai)表示ai的栅格图中面积,R_area表示ai的实际面积;
6)若R_area满足lt<R_area<ht,则将R中ai区域的栅格值设置为t,初始t设置为1,即令R(ai)=t;
7)t++,即令t=t+1,并进入步骤5),直至所有分离的区域均经过步骤5)与步骤6),则进入步骤8);
8)若所有栅格图所有非零区域都被侵蚀,即count(P>0)==0,count()表示栅格图中满足要求值的数量,则结束迭代,进入步骤9),否则返回步骤3)继续迭代;
9)对R做膨胀操作,记为P=erode(P),每次迭代膨胀1个栅格;
10)若所有栅格图所有栅格值为-1的区域都被膨胀,即count(P==-1)==0,则结束迭代,进入步骤11),否则返回步骤9),继续迭代;
11)输出R,此时R为输出的二值栅格图,相同标签的栅格代表相同房间,不同标签的栅格代表不同房间。
采用以上形态学分割方法流程的优点是:一、该方法选取的参数简单,以其他房间分割方法相比,使用更为方便;二、在步骤2.2化简后的可通过区域使用该方法,可以较好的保留建筑内长走廊、大面积房间的完整性;三、该方法实现简单,效率较高。
步骤3,对每一楼层,分别基于矢量墙面线进行单楼层室内空间单元划分(CellDecomposition),包括以下子步骤:
步骤3.1,对分离的楼层点云数据,将每一楼层点云数据,根据设置的切片数目numslice,切分为多片点云数据。对每一点云切片,执行步骤3.2。对楼层点云进行切片可以保证楼层内提取的墙面线尽量全面。numslice受输入单楼层的高度和点云的密度影响,numslice应保证切片后的点云具有足够的点来执行步骤3.2。一般来说,若输入点云的密度相对均匀,单层楼房高度为2m左右,numslice取7-12之间都是可以的。
步骤3.2,对每一点云切片,利用区域生长算法对点云进行线分割,利用迭代重权重最小二乘法进行线拟合;并将拟合出的矢量线投影到XOY平面,并计算每条线段的方向向量n。
具体实施时,区域生长算法金可参见[1],迭代重权重最小二乘法进行线拟合的算法可参见[2]。
[1]Rabbani,T.;Heuvel,F.A.V.D.;Vosselman,G.Segmentation of pointclouds using smoothness constraint.Int.Arch.Photogramm.RemoteSens.Spat.Inf.Sci.2006,36,248-253
[2]Li,L.;Yang,F.;Zhu,H.;Li,D.;Li,Y.;Tang,L.An Improved RANSAC for 3DPoint Cloud Plane SegmentationBased on Normal Distribution TransformationCells.Remote Sens.2017,9,433.
步骤3.3,对所有投影的矢量线段做线融合处理,将线长小于阈值的滤除。将共线的线段融合为一条线段。
若相邻线段lp和ls,相应方向向量分别为np和ns,符合||np·ns||≥cos(θth)且dis(p,s)≤disth。,则求取lp和ls的外接矩形,根据外接矩形将lp和ls融合为一条线段。获取线融合后的矢量线图层;
其中,||np·ns||表示方向向量夹脚的余弦值,θth表示两条线段lp和ls方向向量的夹角阈值,如果两线段夹角小于此阈值,则认为两线段为平行,一般选择1°-2°。
dis(p,s)表示两条线段之间的欧式距离,disth表示两线段欧式距离的阈值,若两线段平行,且两线段欧式距离小于等于阈值,则认为两条线段可被融合,disth的取值受房间内墙面厚度影响,disth大致与墙面厚度相同,一般选择0.05m-0.2m左右。
步骤3.4,所有融合后的矢量线延长为直线,通过延长线将同一楼层内空间划分为矢量多边形单元,并根据步骤2.3生成的房间分割图的边界范围,对生成的矢量图以同样的边界范围进行切割,得到切割后的矢量图。
步骤4,对每一楼层,分别进行基于矢量和栅格叠加的矢量室内平面图构建(FloorPlanReconstruction),包括以下子步骤:
步骤4.1,在步骤3.4生成的矢量图边界范围内,生成大量随机点与每个矢量多边形单元中心点,生成的所有随机点和中心点构成点集,点集中每个点根据自身位置,提取步骤2.3生成的房间分割图中的标签值label,标签值的集合为Ωlabel。随机点的个数受楼层平面的面积影响,一般保证每平方米内具备至少具有20个点。如室内单楼层内面积为200m2,则随机点数至少为200*20=4000。
步骤4.2,矢量图中每个多边形单元的值由其范围内的点的标签值确定。针对多边形单元Cellx,y,先计算Cellx,y内标签值label为t的数量numt。那么Cellx,y的标签值为
表示Cellx,y内的标签值。Ωlabel表示标签值集合,描述该矢量图中所有的标签,即所有房间标签。表示在Cellx,y中,具有同一标签值的点数量的最大值。如果在Cellx,y内,label为t的点的数量最多,则将设置为t。
若多边形单元Cellx,y的邻域Cellnei皆为其他标签值,则
表示Cellx,y的邻域Cellnei的标签值。Cellx,y的邻域表示八邻域,即Cellx-1,y-1,Cellx-1,y,Cellx-1,y+1,Cellx,y-1,Cellx,y,Cellx,y+1,Cellx+1,y-1,Cellx+1,y,Cellx+1,y+1。如果Cellx,y的八邻域Cellnei的label均为t,则将设置为t。
步骤4.3,将同一标签值的多边形单元合并,并剔除所有标签值为非房间区域(一般为0)单元,得到室内平面图,生成矢量室内平面图数据。
步骤5,根据布尔求交,删除楼层与连通区域之间的重叠面,建立多楼层三维模型(IndoorInteriorReconstruction),包括以下子步骤:
步骤5.1,对每一楼层,分别利用步骤4.3中生成的矢量室内平面图数据,对每一个房间区域内点云数据,通过竖直方向的点云高程直方图求取每个房间的高度。根据室内平面图,计算相邻房间之间的最近邻墙面,若两墙面平行且距离不超过墙面厚度,则在两墙面之间标记门的位置。
步骤5.2,对每一楼层,分别利用约束Delaunay三角化方法将楼层内的天花板、墙面、门和地板多边形三角化,构建最终的房间三维模型,并以矢量Mesh网格形式输出。
步骤5.3,利用Delaunay三角化方法将楼层间连通区域重建,并以矢量Mesh网格形式输出。
步骤5.4,将所有楼层模型与楼层间连通区域模型置于同一模型中,通过布尔求交,检测所有相交面并删除,完成多楼层室内三维模型重建,并以矢量Mesh网格形式输出最终结果。最终所得多楼层的建筑物室内模型,可以用于室内定位和室内测图等。
具体实施时,以上方法可采用计算机软件技术实现自动运行,运行本发明方法的系统装置也应当在保护范围内。
以上所述仅为本发明中的一个实施例,并不用于限制本发明。凡在本发明的精神与原则之内,所做的任何修改,改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于激光点云的多楼层室内结构化三维建模方法,其特征在于,包括以下步骤:
步骤1,输入多楼层点云后,首先基于竖直方向上的点云高程直方图,进行楼层与楼层间连接区域分割;
步骤2,对每一楼层,分别基于投影到XOY平面的栅格图进行单楼层房间分割,所述XOY平面与地板保持平行;
步骤3,对每一楼层,分别基于矢量墙面线进行单楼层室内空间单元划分,包括以下子步骤:
步骤3.1,对分离的楼层点云数据,将每一楼层点云数据,根据设置的切片数目,切分为多片点云数据;
步骤3.2,对每一点云切片,利用区域生长算法对点云进行线分割,利用迭代重权重最小二乘法进行线拟合;并将拟合出的矢量线投影到XOY平面,计算每条线段的方向向量;
步骤3.3,对所有投影的矢量线段做线融合处理,将线长小于阈值的滤除,将共线的线段融合为一条线段;
步骤3.4,所有融合后的矢量线延长为直线,通过延长线将同一楼层内空间划分为矢量多边形单元,并根据步骤2.3生成的房间分割图的边界范围,对生成的矢量图以同样的边界范围进行切割,得到切割后的矢量图;
步骤4,对每一楼层,分别进行基于矢量和栅格叠加的矢量室内平面图构建;
步骤5,根据布尔求交,删除楼层与连通区域之间的重叠面,建立多楼层三维模型。
2.根据权利要求1所述基于激光点云的多楼层室内结构化三维建模方法,其特征在于:步骤1包括以下子步骤,
步骤1.1,根据输入的高程间隔binsize大小,统计点云数据在Z轴上,每一高程间隔内的点数,形成基于竖直方向上的点云高程直方图;
步骤1.2,根据统计的直方图,获取直方图内的峰值与两近邻峰值之间的低谷区域,若低谷区域高度h<hthreshold,则低谷区域为楼层间连通区域,hthreshold代表楼层之间的楼板厚度。
3.根据权利要求1所述基于激光点云的多楼层室内结构化三维建模方法,其特征在于:步骤2包括以下子步骤,
步骤2.1,将单楼层点云数据投影到XOY平面,再根据输入的栅格大小,将点云离散化为网格,每个栅格的值表示栅格内部的点数量;然后再将栅格图二值化,图内栅格值大于1的标记为可通过空间,栅格值为0的标记为不可通过空间;
步骤2.2,将门高至墙高之间的区域,投影到二维平面上,化为不可通过区域;
步骤2.3,对步骤2.2生成的可通过区域,利用形态学房间分割方法进行室内房间分割,得到单楼层栅格房间分割图,每个房间设置不同的标签值label。
4.根据权利要求3所述基于激光点云的多楼层室内结构化三维建模方法,其特征在于:步骤4包括以下子步骤,
步骤4.1,在步骤3.4生成的矢量图边界范围内,生成大量随机点与每个矢量多边形单元中心点,生成的所有随机点和中心点构成点集,点集中每个点根据自身位置,提取步骤2.3生成的房间分割图中的标签值label,标签值的集合为Ωlabel;
步骤4.2,矢量图中每个多边形单元的值由范围内的点的标签值确定;
步骤4.3,将同一标签值的多边形单元合并,并剔除所有标签值为非房间区域单元,得到室内平面图,生成矢量室内平面图数据。
5.根据权利要求4所述基于激光点云的多楼层室内结构化三维建模方法,其特征在于:步骤5包括以下子步骤,
步骤5.1,对每一楼层,分别利用步骤4.3中生成的矢量室内平面图数据,对每一个房间区域内点云数据,通过竖直方向的点云高程直方图求取每个房间的高度;根据室内平面图,计算相邻房间之间的最近邻墙面,若两墙面平行且距离不超过墙面厚度,则在两墙面之间标记门的位置;
步骤5.2,对每一楼层,分别利用约束Delaunay三角化方法将楼层内的天花板、墙面、门和地板多边形三角化,构建最终的房间三维模型,并以矢量Mesh网格形式输出;
步骤5.3,利用Delaunay三角化方法将楼层间连通区域重建,并以矢量Mesh网格形式输出;
步骤5.4,将所有楼层模型与楼层间连通区域模型置于同一模型中,通过布尔求交,检测所有相交面并删除,完成多楼层室内三维模型重建,并以矢量Mesh网格形式输出最终结果。
6.根据1或2或3或4或5基于激光点云的多楼层室内结构化三维建模方法,其特征在于:用于室内定位。
7.一种基于激光点云的多楼层室内结构化三维建模系统,其特征在于:用于执行权利要求1至6所述方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910395243.2A CN110189412B (zh) | 2019-05-13 | 2019-05-13 | 基于激光点云的多楼层室内结构化三维建模方法及系统 |
US16/854,937 US11282270B2 (en) | 2019-05-13 | 2020-04-22 | Multi-story indoor structured three-dimensional modeling method and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910395243.2A CN110189412B (zh) | 2019-05-13 | 2019-05-13 | 基于激光点云的多楼层室内结构化三维建模方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110189412A true CN110189412A (zh) | 2019-08-30 |
CN110189412B CN110189412B (zh) | 2023-01-03 |
Family
ID=67716122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910395243.2A Expired - Fee Related CN110189412B (zh) | 2019-05-13 | 2019-05-13 | 基于激光点云的多楼层室内结构化三维建模方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11282270B2 (zh) |
CN (1) | CN110189412B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779527A (zh) * | 2019-10-29 | 2020-02-11 | 无锡汉咏科技股份有限公司 | 一种基于多源数据融合和视觉深度学习的室内定位方法 |
CN111061729A (zh) * | 2019-11-29 | 2020-04-24 | 武汉大学 | 顾及粒度的矢量瓦片组织方法 |
CN111177817A (zh) * | 2019-11-22 | 2020-05-19 | 久瓴(上海)智能科技有限公司 | 楼承板生成方法、装置、计算机设备和存储介质 |
CN111192366A (zh) * | 2019-12-30 | 2020-05-22 | 重庆市勘测院 | 用于建筑高度三维控制的方法及装置、服务器 |
CN111928839A (zh) * | 2020-08-07 | 2020-11-13 | 北京星天地信息科技有限公司 | 一种通行路线规划方法、装置及计算机设备 |
CN112017199A (zh) * | 2020-10-26 | 2020-12-01 | 广东博智林机器人有限公司 | 一种楼层边界检测方法、装置、设备及存储介质 |
WO2021062645A1 (en) * | 2019-09-30 | 2021-04-08 | Zte Corporation | File format for point cloud data |
CN112767424A (zh) * | 2021-04-08 | 2021-05-07 | 深圳大学 | 一种基于室内三维点云空间自动剖分方法 |
CN112884903A (zh) * | 2021-03-22 | 2021-06-01 | 浙江浙能兴源节能科技有限公司 | 一种行车三维建模系统及其方法 |
CN112967384A (zh) * | 2021-03-24 | 2021-06-15 | 扆亮海 | 识别建筑测绘构件的点云智能化切分方法 |
CN112989470A (zh) * | 2021-03-26 | 2021-06-18 | 武汉大学 | 一种基于点云数据的室内空间布局提取方法 |
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 |
CN113378270A (zh) * | 2021-06-10 | 2021-09-10 | 北京千丁互联科技有限公司 | 房屋结构解析方法、装置、终端设备和可读存储介质 |
CN113450461A (zh) * | 2021-07-23 | 2021-09-28 | 中国有色金属长沙勘察设计研究院有限公司 | 一种排泥库土工布点云提取方法 |
CN113487723A (zh) * | 2021-06-23 | 2021-10-08 | 武汉微景易绘科技有限公司 | 基于可量测全景三维模型的房屋在线展示方法及系统 |
CN113724395A (zh) * | 2021-09-07 | 2021-11-30 | 北京有竹居网络技术有限公司 | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
CN114119904A (zh) * | 2021-12-03 | 2022-03-01 | 苏州工业园区测绘地理信息有限公司 | 室内路网构建方法、装置和存储介质 |
CN115033972A (zh) * | 2022-08-09 | 2022-09-09 | 武汉易米景科技有限公司 | 一种建筑主体结构批量单体化方法、系统及可读存储介质 |
CN115903797A (zh) * | 2022-11-09 | 2023-04-04 | 硕能(上海)自动化科技有限公司 | 一种针对变电站多楼层建模自主巡检方法 |
CN116128886A (zh) * | 2023-04-18 | 2023-05-16 | 深圳市其域创新科技有限公司 | 一种点云数据分割方法、装置、电子设备及存储介质 |
WO2023164933A1 (zh) * | 2022-03-04 | 2023-09-07 | 华为技术有限公司 | 一种建筑物建模方法以及相关装置 |
WO2023178727A1 (zh) * | 2022-03-24 | 2023-09-28 | 香港大学深圳研究院 | 基于LiDAR点云和BIM碰撞模拟的室内三维无障碍地图生成方法 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734651A (zh) * | 2020-12-17 | 2021-04-30 | 浙江静远电力实业有限公司 | 一种大坝廊道扫描点云成果数据快速建模的方法 |
CN112687006B (zh) * | 2020-12-22 | 2023-09-08 | 北斗伏羲信息技术有限公司 | 一种快速的建筑物立体网格数据图生成方法 |
CN112815951B (zh) * | 2020-12-22 | 2023-02-28 | 北京旋极伏羲科技有限公司 | 一种基于建筑物3d模型的网格路径规划方法 |
CN112948919B (zh) * | 2021-02-02 | 2022-04-19 | 盈嘉互联(北京)科技有限公司 | 一种基于图像细化的bim模型跨楼层路网提取方法 |
JP7164652B2 (ja) * | 2021-03-17 | 2022-11-01 | 株式会社構造計画研究所 | モデル生成装置、モデル生成方法、及びモデル生成プログラム |
CN113139982B (zh) * | 2021-04-21 | 2023-03-14 | 香港理工大学深圳研究院 | 一种室内房间点云的自动分割方法 |
CN113239785A (zh) * | 2021-05-11 | 2021-08-10 | 百安居信息技术(上海)有限公司 | 一种基于卷积神经网络的户型自动识别的方法、系统、存储介质及电子设备 |
CN113096246B (zh) * | 2021-05-12 | 2022-04-12 | 泰瑞数创科技(北京)有限公司 | 一种三维地图数据更新方法 |
CN113284245B (zh) * | 2021-05-14 | 2023-06-30 | 矿冶科技集团有限公司 | 巷道三维模型构建方法、装置和电子设备 |
CN113284228B (zh) * | 2021-05-27 | 2023-04-14 | 西安理工大学 | 一种基于点云的室内场景房间布局划分方法 |
CN113436223B (zh) * | 2021-07-14 | 2022-05-24 | 北京市测绘设计研究院 | 点云数据的分割方法、装置、计算机设备和存储介质 |
CN113538562B (zh) * | 2021-07-16 | 2022-05-13 | 贝壳找房(北京)科技有限公司 | 室内面积确定方法、装置以及电子设备、存储介质 |
CN113628330B (zh) * | 2021-08-23 | 2024-04-12 | 北京京东乾石科技有限公司 | 一种有限空间的三维模型构建方法及系统 |
CN113791400B (zh) * | 2021-09-07 | 2023-10-13 | 大连理工大学 | 一种基于激光雷达的楼梯参数自主检测方法 |
CN115131656B (zh) * | 2022-09-01 | 2022-12-13 | 深圳鹏行智能研究有限公司 | 空间识别方法、装置、电子设备及计算机可读存储介质 |
CN115577606B (zh) * | 2022-12-09 | 2023-03-14 | 浙江中浩应用工程技术研究院有限公司 | 一种建筑物室内环境检测系统及检测方法 |
CN115828397B (zh) * | 2023-01-10 | 2023-04-25 | 三一筑工科技股份有限公司 | 墙体拆分方法及系统、电子设备、墙体 |
CN116740303B (zh) * | 2023-06-07 | 2023-11-07 | 中国人民解放军91977部队 | 水下目标的离散网格生成方法 |
CN117496086B (zh) * | 2023-10-12 | 2024-05-07 | 南京林业大学 | 一种语义感知的室内几何重建方法 |
CN117371106A (zh) * | 2023-11-01 | 2024-01-09 | 河南省云鹏实业有限公司 | 一种建筑物室内语义模型的构建方法及系统 |
CN117422810B (zh) * | 2023-12-19 | 2024-05-17 | 深圳大学 | 结构与参数引导的室内要素规则化与关系推理方法及终端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150063683A1 (en) * | 2013-08-28 | 2015-03-05 | Autodesk, Inc. | Building datum extraction from laser scanning data |
CN107862738A (zh) * | 2017-11-28 | 2018-03-30 | 武汉大学 | 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 |
CN109325998A (zh) * | 2018-10-08 | 2019-02-12 | 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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10539676B2 (en) * | 2017-03-22 | 2020-01-21 | Here Global B.V. | Method, apparatus and computer program product for mapping and modeling a three dimensional structure |
EP3506211B1 (en) * | 2017-12-28 | 2021-02-24 | Dassault Systèmes | Generating 3d models representing buildings |
US10846511B2 (en) * | 2018-12-20 | 2020-11-24 | Here Global B.V. | Automatic detection and positioning of pole-like objects in 3D |
-
2019
- 2019-05-13 CN CN201910395243.2A patent/CN110189412B/zh not_active Expired - Fee Related
-
2020
- 2020-04-22 US US16/854,937 patent/US11282270B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150063683A1 (en) * | 2013-08-28 | 2015-03-05 | Autodesk, Inc. | Building datum extraction from laser scanning data |
CN107862738A (zh) * | 2017-11-28 | 2018-03-30 | 武汉大学 | 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 |
CN109325998A (zh) * | 2018-10-08 | 2019-02-12 | 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 |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021062645A1 (en) * | 2019-09-30 | 2021-04-08 | Zte Corporation | File format for point cloud data |
CN110779527A (zh) * | 2019-10-29 | 2020-02-11 | 无锡汉咏科技股份有限公司 | 一种基于多源数据融合和视觉深度学习的室内定位方法 |
CN111177817A (zh) * | 2019-11-22 | 2020-05-19 | 久瓴(上海)智能科技有限公司 | 楼承板生成方法、装置、计算机设备和存储介质 |
CN111177817B (zh) * | 2019-11-22 | 2023-02-21 | 久瓴(江苏)数字智能科技有限公司 | 楼承板生成方法、装置、计算机设备和存储介质 |
CN111061729A (zh) * | 2019-11-29 | 2020-04-24 | 武汉大学 | 顾及粒度的矢量瓦片组织方法 |
CN111192366A (zh) * | 2019-12-30 | 2020-05-22 | 重庆市勘测院 | 用于建筑高度三维控制的方法及装置、服务器 |
CN111192366B (zh) * | 2019-12-30 | 2023-04-07 | 重庆市勘测院 | 用于建筑高度三维控制的方法及装置、服务器 |
CN111928839A (zh) * | 2020-08-07 | 2020-11-13 | 北京星天地信息科技有限公司 | 一种通行路线规划方法、装置及计算机设备 |
CN112017199A (zh) * | 2020-10-26 | 2020-12-01 | 广东博智林机器人有限公司 | 一种楼层边界检测方法、装置、设备及存储介质 |
CN112017199B (zh) * | 2020-10-26 | 2021-02-12 | 广东博智林机器人有限公司 | 一种楼层边界检测方法、装置、设备及存储介质 |
CN112884903A (zh) * | 2021-03-22 | 2021-06-01 | 浙江浙能兴源节能科技有限公司 | 一种行车三维建模系统及其方法 |
CN112967384A (zh) * | 2021-03-24 | 2021-06-15 | 扆亮海 | 识别建筑测绘构件的点云智能化切分方法 |
CN112989470A (zh) * | 2021-03-26 | 2021-06-18 | 武汉大学 | 一种基于点云数据的室内空间布局提取方法 |
CN112989470B (zh) * | 2021-03-26 | 2022-06-07 | 武汉大学 | 一种基于点云数据的室内空间布局提取方法 |
CN112767424A (zh) * | 2021-04-08 | 2021-05-07 | 深圳大学 | 一种基于室内三维点云空间自动剖分方法 |
CN113378270A (zh) * | 2021-06-10 | 2021-09-10 | 北京千丁互联科技有限公司 | 房屋结构解析方法、装置、终端设备和可读存储介质 |
CN113378270B (zh) * | 2021-06-10 | 2023-07-28 | 北京千丁互联科技有限公司 | 房屋结构解析方法、装置、终端设备和可读存储介质 |
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 |
CN113487723A (zh) * | 2021-06-23 | 2021-10-08 | 武汉微景易绘科技有限公司 | 基于可量测全景三维模型的房屋在线展示方法及系统 |
CN113487723B (zh) * | 2021-06-23 | 2023-04-18 | 武汉微景易绘科技有限公司 | 基于可量测全景三维模型的房屋在线展示方法及系统 |
CN113450461A (zh) * | 2021-07-23 | 2021-09-28 | 中国有色金属长沙勘察设计研究院有限公司 | 一种排泥库土工布点云提取方法 |
CN113450461B (zh) * | 2021-07-23 | 2022-07-08 | 中国有色金属长沙勘察设计研究院有限公司 | 一种排泥库土工布点云提取方法 |
CN113724395B (zh) * | 2021-09-07 | 2023-01-10 | 北京有竹居网络技术有限公司 | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
CN113724395A (zh) * | 2021-09-07 | 2021-11-30 | 北京有竹居网络技术有限公司 | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
CN114119904A (zh) * | 2021-12-03 | 2022-03-01 | 苏州工业园区测绘地理信息有限公司 | 室内路网构建方法、装置和存储介质 |
WO2023164933A1 (zh) * | 2022-03-04 | 2023-09-07 | 华为技术有限公司 | 一种建筑物建模方法以及相关装置 |
WO2023178727A1 (zh) * | 2022-03-24 | 2023-09-28 | 香港大学深圳研究院 | 基于LiDAR点云和BIM碰撞模拟的室内三维无障碍地图生成方法 |
CN115033972B (zh) * | 2022-08-09 | 2022-11-08 | 武汉易米景科技有限公司 | 一种建筑主体结构批量单体化方法、系统及可读存储介质 |
CN115033972A (zh) * | 2022-08-09 | 2022-09-09 | 武汉易米景科技有限公司 | 一种建筑主体结构批量单体化方法、系统及可读存储介质 |
CN115903797A (zh) * | 2022-11-09 | 2023-04-04 | 硕能(上海)自动化科技有限公司 | 一种针对变电站多楼层建模自主巡检方法 |
CN116128886A (zh) * | 2023-04-18 | 2023-05-16 | 深圳市其域创新科技有限公司 | 一种点云数据分割方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20200364929A1 (en) | 2020-11-19 |
US11282270B2 (en) | 2022-03-22 |
CN110189412B (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110189412A (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 | |
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 | |
Zhou et al. | 2.5 d dual contouring: A robust approach to creating building models from aerial lidar point clouds | |
Verma et al. | 3D building detection and modeling from aerial LIDAR data | |
CN109446691B (zh) | 基于激光点云与空气动力学的活立木抗风性能分析方法 | |
Lien et al. | Approximate convex decomposition of polyhedra | |
CN111986322B (zh) | 一种基于结构分析的点云室内场景布局重建方法 | |
CN104851126B (zh) | 基于广义圆柱体的三维模型分割方法及装置 | |
van Kreveld | Geographic information systems | |
US20240153123A1 (en) | Isogeometric Analysis Method Based on a Geometric Reconstruction Model | |
Poullis et al. | Photorealistic large-scale urban city model reconstruction | |
CN110458764A (zh) | 一种基于形态学图形处理的点云数据平滑方法 | |
CN104156997A (zh) | 一种基于渲染的快速体数据骨架提取方法 | |
Hu et al. | Geometric feature enhanced line segment extraction from large-scale point clouds with hierarchical topological optimization | |
Han et al. | Urban scene LOD vectorized modeling from photogrammetry meshes | |
Yang et al. | Semantic decomposition and recognition of indoor spaces with structural constraints for 3D indoor modelling | |
CN109215112A (zh) | 一种单侧点云模型的标注方法 | |
CN113345089A (zh) | 一种基于电力塔点云的规则化建模方法 | |
Gourguechon et al. | Automation of as-built bim creation from point cloud: An overview of research works focused on indoor environment | |
CN113239520B (zh) | 一种近水底三维水下地形环境建模方法 | |
CN107767458B (zh) | 不规则三角网曲面几何拓扑一致分析方法及系统 | |
CN110162903A (zh) | 一种基于格网并行的城市建筑迎风面密度计算方法及系统 | |
Tripodi et al. | Brightearth: Pipeline for on-the-fly 3D reconstruction of urban and rural scenes from one satellite image | |
Xiong et al. | Knowledge-driven inference for automatic reconstruction of indoor detailed as-built BIMs from laser scanning data | |
Xiong | Reconstructing and correcting 3d building models using roof topology graphs |
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: 20230103 |