CN110322545A - 校园三维数字化建模方法、系统、装置及存储介质 - Google Patents

Abstract

本发明公开了一种校园三维数字化建模方法、系统、装置及存储介质，方法包括获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传；将得到的三维模型数据进行整合处理，构建得到校园三维模型。本发明通过在前端同时完成扫描采集和建模计算，从而大大减少后期云端服务器的建模时间，有效提升了校园三维模型的建模速度和效率。本发明可广泛应用于校园建模中。

Description

校园三维数字化建模方法、系统、装置及存储介质

技术领域

本发明涉及三维建模技术领域，尤其涉及一种校园三维数字化建模方法、系统、装置及存储介质。

背景技术

在我国，随着教育制度的完善和高校的发展，进入高校深造的学生越来越多。教学、生活等设施也随着学生数量的增加而不断增加，这就增加了校园的管理难度。因此，校园三维模型应运而生，迅速发展了起来。传统的校园三维模型的生成方法主要是通过人工使用专业的3D建模软件去修复修饰采集的校园三维数据，这需要专业技术人员花费大量时间和精力才能完成，而且这种方式建模的耗时较长，效率较低。

发明内容

为了解决上述技术问题，本发明的目的是提供一种能提高建模效率的校园三维数字化建模方法、系统、装置及存储介质。

本发明所采取的技术方案是：

一种校园三维数字化建模方法，包括以下步骤：

获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传；

将得到的三维模型数据进行整合处理，构建得到校园三维模型。

作为所述的一种校园三维数字化建模方法的进一步改进，所述获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传，这一步骤具体包括：

通过扫描设备对校园进行扫描，得到三维数据，所述三维数据包括校园图像和深度信息；

通过人工智能算法对三维数据进行处理，得到三维模型数据并上传。

作为所述的一种校园三维数字化建模方法的进一步改进，所述校园图像包括校园教室图像、教室内的教学设备图像、室外设施图像和教育实时场景图像。

作为所述的一种校园三维数字化建模方法的进一步改进，所述的通过人工智能算法对三维数据进行处理，得到三维模型数据并上传，这一步骤具体包括：

根据三维数据执行第一处理操作，所述第一处理操作包括去噪、UV优化和去锯齿处理；

根据第一处理操作的结果执行第二处理操作，得到原始三维模型数据，所述第二处理操作包括锐化、去噪点、饱和度优化、图片HDR优化、着色、模型修复和渲染优化，所述第二处理操作还采用人工智能算法和超像素算法进行图像处理；

对原始三维模型数据进行压缩，得到压缩后的三维模型数据并上传。

作为所述的一种校园三维数字化建模方法的进一步改进，所述的将得到的三维模型数据进行整合处理，构建得到校园三维模型，这一步骤具体包括：

通过人工智能算法对得到的三维模型数据进行进一步处理，得到二次处理后的三维模型数据；

将所有二次处理后的三维模型数据进行整合，构建得出校园三维模型。

作为所述的一种校园三维数字化建模方法的进一步改进，还包括以下步骤：

将校园三维模型进行展示，以通过智能显示屏、AR设备、VR设备和浏览器中的至少一种来展示校园三维模型，所述智能显示屏包括空气成像装置、空气屏、移动终端、平板电脑端、PC电脑端、LED显示屏、LCD显示屏、OLED显示屏和点阵显示屏。

作为所述的一种校园三维数字化建模方法的进一步改进，所述人工智能算法包括深度学习算法，所述深度学习算法采用生成对抗网络模型。

本发明所采用另一个技术方案是：

一种校园三维数字化建模系统，包括：

图像采集处理单元，用于获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传；

云端服务器，用于将得到的三维模型数据进行整合处理，构建得到校园三维模型。

本发明所采用的再一个技术方案是：

一种校园三维数字化建模装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的校园三维数字化建模方法。

本发明所采用的再一个技术方案是：

一种计算机可读存储介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述的校园三维数字化建模方法被执行。

本发明的有益效果是：

本发明校园三维数字化建模方法、系统、装置及存储介质通过在前端同时完成扫描采集和建模计算，从而大大减少后期云端服务器的建模时间，有效提升了校园三维模型的建模速度和效率。

附图说明

图1是本发明校园三维数字化建模方法一个实施例的步骤流程图；

图2是本发明校园三维数字化建模系统一个实施例的模块方框图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明：

需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。

参考图1，本发明实施例提供了一种校园三维数字化建模方法，包括以下步骤：

S1、获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传；

本实施例中，校园中的三维数据包括校园教室图像、教室内的教学设备图像、室外设施图像(如运动场、小卖部等图像)和教育实时场景图像，其可通过各手动或自动的扫描设备(如相机、航拍无人机、自动扫描机器人等)来采集。

模型修复，主要是修复生成的模型中所存在的孔洞等影响展示效果的结构。贴图处理，主要是进行UV优化，并根据扫描设备等获取的二维图片和深度信息等进行图片贴合，以将二维图片按照深度信息贴合在三维模型上。超分辨率处理，主要通过超分辨率算法来提升图片的分辨率。语义分割是为了符合人工智能算法的要求。

本实施例中采用搭载有GPU的摄像头进行图像采集，因此在采集图像的同时还能采用人工智能算法对得到的三维数据进行处理，大大提高了建模的速度。

S2、将得到的三维模型数据进行整合处理，构建得到校园三维模型。

本实施例中采用搭载有GPU的摄像头进行图像采集，因此在采集图像的同时还能采用人工智能算法对得到的三维数据进行处理，这样在前端时已经对三维数据进行了大部分的处理，大大减轻了云端服务器的负担，而且也有效缩短了建模的时间，大大提高了建模速度和效率。

校园三维模型是虚拟的3D模型，可供用户通过浏览器链接(如URL链接)访问的方式进行360度无死角的浏览或观看，而且可以通过空气成像装置、空气屏、移动终端、平板电脑端、PC电脑端、LED显示屏、LCD显示屏、OLED显示屏和点阵显示屏等与用户的交互实现模型的放大、缩小、颜色变换和视觉切换，满足了不同观看者的个性化需求。本发明支持空气成像装置、空气屏、移动终端、平板电脑端、PC电脑端、LED显示屏、LCD显示屏、OLED显示屏和点阵显示屏等不同的智能终端、设备来进行三维模型访问与展示，功能更加丰富。

进一步作为优选的实施方式，所述获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传，这一步骤具体包括：

S11、通过扫描设备对校园进行扫描，得到三维数据，所述三维数据包括校园图像和深度信息；

本实施例中，所述扫描设备包括航拍扫描仪、室内扫描仪、室外扫描模仪、物体扫描仪和人体扫描仪中的至少一种；而且本实施例中的扫描设备搭载有GPU，能在采集图像的同时还能采用人工智能算法对得到的三维数据进行处理。

具体地，航拍扫描仪可采用带有摄像头的无人机或其他空中扫描设备，其能通过航拍扫描的方式获取某个校园中特定区域的扫描数据。

室内扫描仪，可以是手持扫描设备(如带支撑架的相机)或其他自动扫描设备(如自动扫描机器人)，能扫描校园室内的空间数据。

室外扫描仪，可以是手持扫描设备(如带支撑架的相机)或其他自动扫描设备(如自动扫描机器人)，能扫描校园室外的空间数据。

物体扫描仪，可以是手持的扫描设备(如带支撑架的RGB-D摄像机等)，能扫描校园中设备仪器的结构数据。

人体扫描仪，可以是现有专门针对人体建模的人体扫描仪，能扫描人体的三维数据。

上述扫描设备都具备边缘计算的能力，均集成有GPU芯片，能在本地对采集的二维图片等数据进行人工智能算法的处理，这样在前端时已经对三维数据进行了大部分的处理，不仅大大减轻了云端服务器的负担，而且也有效缩短了建模的时间，大大提高了建模速度和效率。所述扫描设备应用光学原理，使用RGB或深度相机、激光雷达、结构光等方式对物体、室内外空间、航测地理信息等进行测距，并对物体结构进行数据模型采集，边扫描边计算，然后上传给云端服务器智能优化和数据还原。

S12、通过人工智能算法对三维数据进行处理，得到三维模型数据并上传。

进一步作为优选的实施方式，所述的通过人工智能算法对三维数据进行处理，得到三维模型数据并上传，这一步骤具体包括

S111、根据三维数据执行第一处理操作，所述第一处理操作包括去噪、UV优化和去锯齿处理；

S112、根据第一处理操作的结果执行第二处理操作，得到原始三维模型数据，所述第二处理操作包括锐化、去噪点、饱和度优化、图片HDR优化、着色、模型修复和渲染优化，所述第二处理操作还采用人工智能算法和超像素算法进行图像处理；

S23、对原始三维模型数据进行压缩，得到压缩后的三维模型数据并上传。

本实施例中，扫描设备采集的校园图像和深度信息同时采用人工智能算法和超像素算法进行处理。

其中，扫描设备可采用GPU，配合人工智能算法和图形图像算法来实现快速计算、全自动的三维建模与优化，无需人工干预。

模型数据(如点云数据和照片)被采集后，扫描设备会为模型数据进行如下处理：

1)模型(主要是点云数据)去噪Denoise；

2)模型UV优化；

3)模型去锯齿Remove Compression Artefacts。

模型经上述处理后，对采集的照片还要做以下处理：

1)图片锐化；

2)图片去噪点；

3)图片Saturation(饱和度)优化；

4)图片HDR+优化；

5)AI(人工智能)+超像素算法处理。

一个模型的展示效果关键在于模型质量还有图片质量，传统的方式一般通过人工去修复修饰，本实施例通过用AI+算法来升级模型和图片的质量，用最少的计算能力，来达到最高质量的展示效果，完全不需要用人工，全部通过人工智能结合图形图像算法来实现AI+3D自动化智能建模。

进一步作为优选的实施方式，所述的将得到的三维模型数据进行整合处理，构建得到校园三维模型，这一步骤具体包括：

S21、通过人工智能算法对得到的三维模型数据进行进一步处理，得到二次处理后的三维模型数据；

本实施例中，前端中已经对三维模型数据进行了大部分的处理，因此云端只需要通过人工智能算法对三维模型数据进行后续处理即可得到二次处理后的三维模型数据。例如，前端已经通过人工智能算法生成校园三分之二的三维模型，这样云端只需采用与前端相同的人工智能算法生成校园余下三分之一的三维模型即可。

S22、将所有二次处理后的三维模型数据进行整合，构建得出校园三维模型。

本实施例中，前端才有多种扫描设备针对校园的各个部分进行扫描，因此云端可以从前端得到关于校园各个部分的三维模型数据，云端在对三维模型数据进行二次处理后，将关于校园各个部分的三维模型数据进行整合，从而能构建出完整的校园三维模型。

进一步作为优选的实施方式，还包括以下步骤：

S3、将校园三维模型进行展示，以通过智能显示屏、AR设备、VR设备和浏览器中的至少一种来展示校园三维模型，所述智能显示屏包括空气成像装置、空气屏、移动终端、平板电脑端、PC电脑端、LED显示屏、LCD显示屏、OLED显示屏和点阵显示屏。

具体地，本实施例校园三维模型可支持线上线下各种屏的展示或跨平台展示，如可展示在空气成像装置、空气屏、移动终端、平板电脑端、PC电脑端、LED显示屏、LCD显示屏、OLED显示屏和点阵显示屏上，用户只需通过相应的链接(如URL链接)进行访问即可，省去了装载APP的过程，效率更高且更加方便。

进一步作为优选的实施方式，所述人工智能算法包括深度学习算法，所述深度学习算法采用生成对抗网络模型。

具体地，本实施例应用GANs(生成对抗网络)模型来进行图片生成、图像修补、图片去噪、图片超分辨、草稿图复原、图片上色等，实现无需人工，完全自动化的智能模型和图片优化。生成对抗网络模型是非监督学习中重要的方法之一，其相对于自动编码器和自回归模型等非监督学习方法具有能充分拟合数据、速度较快、生成样本更锐利等优点。

参考图2，一种校园三维数字化建模系统，包括：

图像采集处理单元，用于获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传；

云端服务器，用于将得到的三维模型数据进行整合处理，构建得到校园三维模型。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

进一步作为优选的实施方式，所述图像采集处理单元具体包括：

扫描单元，用于通过扫描设备对校园进行扫描，得到三维数据，所述三维数据包括校园图像和深度信息；

三维处理单元，用于通过人工智能算法对三维数据进行处理，得到三维模型数据并上传。

进一步作为优选的实施方式，所述三维处理单元包括：

第一处理单元，用于根据三维数据执行第一处理操作，所述第一处理操作包括去噪、UV优化和去锯齿处理；

第二处理单元，用于根据第一处理操作的结果执行第二处理操作，得到原始三维模型数据，所述第二处理操作包括锐化、去噪点、饱和度优化、图片HDR优化、着色、模型修复和渲染优化，所述第二处理操作还采用人工智能算法和超像素算法进行图像处理；

压缩单元，用于对原始三维模型数据进行压缩，得到压缩后的三维模型数据并上传。

本发明还提供了一种校园三维数字化建模装置，其包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的校园三维数字化建模方法。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

本发明还提供了一种计算机可读存储介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述的校园三维数字化建模方法被执行。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

综上所述，本发明校园三维数字化建模方法、系统、装置及存储介质通过在前端同时完成扫描采集和建模计算，从而大大减少后期云端服务器的建模时间，有效提升了校园三维模型的建模速度和效率。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。

计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种校园三维数字化建模方法，其特征在于，包括以下步骤：

获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传；

将得到的三维模型数据进行整合处理，构建得到校园三维模型。

2.根据权利要求1所述的一种校园三维数字化建模方法，其特征在于：所述获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传，这一步骤具体包括：

通过扫描设备对校园进行扫描，得到三维数据，所述三维数据包括校园图像和深度信息；

通过人工智能算法对三维数据进行处理，得到三维模型数据并上传。

3.根据权利要求2所述的一种校园三维数字化建模方法，其特征在于：所述校园图像包括校园教室图像、教室内的教学设备图像、室外设施图像和教育实时场景图像。

4.根据权利要求2所述的一种校园三维数字化建模方法，其特征在于：所述的通过人工智能算法对三维数据进行处理，得到三维模型数据并上传，这一步骤具体包括：

根据三维数据执行第一处理操作，所述第一处理操作包括去噪、UV优化和去锯齿处理；

根据第一处理操作的结果执行第二处理操作，得到原始三维模型数据，所述第二处理操作包括锐化、去噪点、饱和度优化、图片HDR优化、着色、模型修复和渲染优化，所述第二处理操作还采用人工智能算法和超像素算法进行图像处理；

对原始三维模型数据进行压缩，得到压缩后的三维模型数据并上传。

5.根据权利要求1所述的一种校园三维数字化建模方法，其特征在于：所述的将得到的三维模型数据进行整合处理，构建得到校园三维模型，这一步骤具体包括：

通过人工智能算法对得到的三维模型数据进行进一步处理，得到二次处理后的三维模型数据；

将所有二次处理后的三维模型数据进行整合，构建得出校园三维模型。

6.根据权利要求1所述的一种校园三维数字化建模方法，其特征在于：还包括以下步骤：

将校园三维模型进行展示，以通过智能显示屏、AR设备、VR设备和浏览器中的至少一种来展示校园三维模型，所述智能显示屏包括空气成像装置、空气屏、移动终端、平板电脑端、PC电脑端、LED显示屏、LCD显示屏、OLED显示屏和点阵显示屏。

7.根据权利要求1所述的一种校园三维数字化建模方法，其特征在于：所述人工智能算法包括深度学习算法，所述深度学习算法采用生成对抗网络模型。

8.一种校园三维数字化建模系统，其特征在于，包括：

图像采集处理单元，用于获取校园中的三维数据并同时通过人工智能算法对三维数据进行处理，得到三维模型数据并上传；

云端服务器，用于将得到的三维模型数据进行整合处理，构建得到校园三维模型。

9.一种校园三维数字化建模装置，其特征在于：包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6任一项所述的校园三维数字化建模方法。

10.一种计算机可读存储介质，其特征在于，包括计算机程序，当所述计算机程序在计算机上运行时，使得如权利要求1～7任一项所述的校园三维数字化建模方法被执行。