CN110657760B - 基于人工智能的测量空间面积的方法、装置及存储介质 - Google Patents
基于人工智能的测量空间面积的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110657760B CN110657760B CN201910502043.2A CN201910502043A CN110657760B CN 110657760 B CN110657760 B CN 110657760B CN 201910502043 A CN201910502043 A CN 201910502043A CN 110657760 B CN110657760 B CN 110657760B
- Authority
- CN
- China
- Prior art keywords
- artificial intelligence
- scale
- area
- drawing tool
- target
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开涉及图像处理领域,具体提供一种基于人工智能的测量空间面积的方法、装置及存储介质。该方法中,首先获取包含目标空间的图像,图像为目标空间的照片;其次,创建区域绘制工具,并计算其通过基准点绘制的目标区域的像素个数,目标区域由区域绘制工具的基准点确定;创建标尺绘制工具,并计算其绘制的标尺的像素个数,标尺由标尺绘制工具的基准点确定;进而利用人工智能识别标尺覆盖的物品并获取物品的维度数据;最后,根据上述目标区域的像素个数、标尺的像素个数和物品的维度数据,计算目标区域的面积。可见,本公开提供的基于人工智能的测量空间面积的方法,无需用户提前准备已知长度的标尺,降低了测量难度,提升了用户体验。
Description
技术领域
本公开涉及图像处理领域,具体涉及一种基于人工智能的测量空间面积的方法、装置及存储介质。
背景技术
目前,虽然通过计算图像的像素测量物体的面积已经有许多很成熟的方法,但是现有的技术方案均需要预先准备已知长度的标尺放置在待测物体旁,并且要求相机尽可能垂直、近距离的拍摄待测物体,测量难度较高,也无法满足对大面积区域的测量需求,用户体验不好。
发明内容
为解决上述问题,本公开提供了一种基于人工智能的测量空间面积的方法、装置及存储介质,具体技术方案如下:
第一方面,本公开提供了一种基于人工智能的测量空间面积的方法,方法包括:
获取包含目标空间的图像,图像为目标空间的照片;
创建区域绘制工具,并计算由区域绘制工具在图像上绘制的目标区域的像素个数,目标区域由区域绘制工具的基准点确定;
创建标尺绘制工具,并计算由标尺绘制工具在图像上绘制的标尺的像素个数,标尺由标尺绘制工具的基准点确定;
利用人工智能识别标尺覆盖的物品并获取物品的维度数据;
根据目标区域的像素个数、标尺的像素个数和物品的维度数据,计算目标区域的面积。
另一方面,本公开提供一种基于人工智能的测量空间面积的装置,装置包括:
图像获取单元,用于获取包含目标空间的图像,图像为目标空间的照片;
区域绘制单元,用于创建区域绘制工具,并计算由区域绘制工具在图像上绘制的目标区域的像素个数,目标区域由区域绘制工具的基准点确定;
标尺绘制单元,创建标尺绘制工具,并计算由标尺绘制工具在图像上绘制的标尺的像素个数,标尺由标尺绘制工具的基准点确定;
人工智能单元,用于利用人工智能识别标尺覆盖的物品并获取物品的维度数据;
面积计算单元,用于根据目标区域的像素个数、标尺的像素个数和物品的维度数据,计算目标区域的面积。
另一方面,本公开提供一种计算机存储介质,计算机存储介质存储有计算机程序,计算机程序包括程序指令,当处理器执行程序指令时执行上述任一项的方法。
在本公开提供的基于人工智能的测量空间面积的方法中,首先,获取包含目标空间的照片;其次,创建区域绘制工具,并计算其通过基准点绘制的目标区域的像素个数,目标区域由区域绘制工具的基准点确定;创建标尺绘制工具,并计算其绘制的标尺的像素个数,标尺由标尺绘制工具的基准点确定;进而利用人工智能识别标尺覆盖的物品并获取物品的维度数据;最后,根据上述目标区域的像素个数、标尺的像素个数和物品的维度数据,计算目标区域的面积。可见,本公开提供的基于人工智能的测量空间面积的方法,无需用户提前准备已知长度的标尺,而是运用人工智能识别分析技术,识别空间中的物体并获取该物体的维度数据,进而计算出目标区域的面积,降低了测量难度,并有效提升了用户体验。
附图说明
为了更清楚地说明本公开实施例中的方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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为本公开实施例提供的基于人工智能的测量空间面积的方法的流程图;
图2A为本公开实施例提供的基于人工智能的测量空间面积的方法的绘制目标区域的示意图;
图2B为本公开实施例提供的基于人工智能的测量空间面积的方法的绘制目标区域的另一示意图;
图3为本公开实施例提供的基于人工智能的测量空间面积的方法的绘制标尺的示意图;
图4为本公开实施例提供的基于人工智能的测量空间面积的装置的结构示意图;
图5为本公开实施例提供的另一种基于人工智能的测量空间面积的装置的结构示意图;
图6为用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
基于背景技术部分可知,现有的通过测量面积的技术方案需要准备已知长度的标尺,并且要求相机尽可能垂直、近距离的拍摄待测物体,测量难度较高,也无法满足对大面积区域的测量需求,用户体验不好。为解决该问题,本公开提供的基于人工智能的测量空间面积的方法中,所述空间包括房间、场地、厂房等任何具有二维平面面积的对象。首先,获取包含目标空间的照片;其次,创建区域绘制工具,并计算其通过基准点绘制的目标区域的像素个数;创建标尺绘制工具,并计算其绘制的标尺的像素个数,标尺由标尺绘制工具的基准点确定;进而利用人工智能识别标尺覆盖的物品并获取物品的维度数据;最后,根据上述目标区域的像素个数、标尺的像素个数和物品的维度数据,计算目标区域的面积。可见,本公开提供的基于人工智能的测量空间面积的方法,无需用户提前准备已知长度的标尺,而是运用人工智能识别分析技术,识别空间中的物体并获取该物体的维度数据,进而计算出目标区域的面积,降低了测量难度,并有效提升了用户体验。
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
参见图1,本实施例提供了一种基于人工智能的测量空间面积的方法,包括以下步骤:
S101:获取包含目标空间的图像,该图像为目标空间的照片。
需要说明的是,在本实施例中,该照片可以是用户实时拍摄的空间照片,也可以是预先存储与电子相册中的照片。即当用户需要测量目标空间的面积时,可以当场对该目标空间进行拍照或者从电子相册中选取包含该目标空间的照片。
S102:创建区域绘制工具,并计算由区域绘制工具在图像上绘制的目标区域的像素个数,目标区域由区域绘制工具的基准点确定。
参见图2A,图像10内包含目标空间12,目标空间12具有4个地面顶点A、B、C、D,四边形ABCD的面积即为目标空间12的面积。四边形ABCD的实际形状通常为矩形,但是因为拍摄角度,其在图像10上通常为不规则的四边形。区域绘制工具20包括4个基准点a、b、c、d,通过移动该4个基准点确定目标区域的形状。如图3所示,用户通过在图像10上分别移动区域绘制工具20的基准点a、b、c、d使其与空间顶点A、B、C、D重合,便可确定最终目标区域,即四边形abcd。此时在图像10上,目标区域的面积和像素个数即为目标空间12的面积和像素个数。在某些情况下,如图2B所示,因为照相角度的问题,导致实际照片中只显示空间顶点A、B、C,此时,用户也可以通过分别移动区域绘制工具的基准点a、b、c使其与A、B、C重合,再通过移动基准点d使边ad与边AE重合,边cd与边CF重合,此时基准点d的位置即为未摄入照片的目标空间顶点D的位置。区域绘制工具的基准点a、b、c、d的移动互不相影响。
关于计算目标区域的像素个数,特别是四边形区域的像素个数,本领域有许多成熟的技术方案。例如,利用CorelDraw计算像素个数。鉴于计算四边形区域的像素个数属于成熟的研究领域,这里不再一一列举具体的方式。
S103:创建标尺绘制工具,并计算由标尺绘制工具在图像上绘制的标尺的像素个数,标尺由标尺绘制工具的基准点确定。
如图3所示,区域绘制工具20的基准点a、b、c、d已经与空间顶点A、B、C、D重合,目标空间12还包括物品16。与步骤S102类似,创建标尺绘制工具30,通过移动标尺绘制工具30的基准点m、n、o、p确定标尺的形状,使其覆盖物品16,标尺的形状即为四边形mnop。
当标尺的形状确定后,同样,关于计算标尺的像素个数,特别是四边形标尺的像素个数,本领域有许多成熟的技术方案,这里不再一一列举具体的方式。
S104:利用人工智能识别标尺覆盖的物品并获取物品的维度数据。
利用人工智能识别标尺覆盖的物品并获取物品的维度数据,例如,利用深度学习技术进行图像识别和数据获取。深度学习包括人工神经网络技术,具体包括深度神经网络、卷积神经网络、深度置信网络、递归神经网络等。图像往往以像素矩阵的形式作为原始输入,那么神经网络中第一层的学习功能通常是检测特定方向和形状的边缘的存在与否,以及这些边缘在图像中的位置。第二层往往会检测多种边缘的特定布局,同时忽略边缘位置的微小变化。第三层可以把特定的边缘布局组合成为实际物体的某个部分。后续的层次将会把这些部分组合起来,实现物体的识别,这往往通过全连接层来完成。对于深度学习而言,这些特征和层次并不需要通过人工设计,它们都可以通过深度学习过程得到。
本公开的优点之一在于不需要用户提前准备已知长度标尺,其实现方式在于利用空间照片通常包含许多常见物品的特性,即将空间照片中的常见物品作为标尺。譬如,空间内通常包含A4纸、书刊杂志、床,门窗等等。用户通过标尺绘制工具在照片上确定空间内已知物品即标尺的形状。
在另一优选地实施例中,所述区域绘制工具的基准点的初始位置和/或所述标尺绘制工具的基准点的初始位置由所述人工智能确定。如前所述,利用人工智能技术自动识别目标空间轮廓和目标空间内的标尺轮廓,由此确定区域绘制工具和标尺绘制工具的基准点的初始位置。基准点的初始位置是区域绘制工具和标尺绘制工具创建后基准点所在的位置,通过利用人工智能图像识别技术确定基准点的初始位置,可以更方便用户使用区域绘制工具和标尺绘制工具。用户可以在初始位置基础上对各基准点的位置进行调整,调整后的结果反过来可以对对人工智能进行训练和升级。例如,以神经网络为例,在神经网络模型中每个连接都有一个权重,神经网络的训练算法就是根据调整后的结果让权重的值调整到最佳,以使得整个网络的预测效果最好。
物品的维度数据包括物品的长、宽或面积。如上,空间内通常包含A4纸、书刊杂志、床,门窗等物品,这些物品具有标准和统一的尺寸。例如,图书和杂志开本及其幅面尺寸、住宅窗台设计高度、房门设计宽度等均属于国家标准。获取的物品的维度数据的性质取决于被识别的物品,当物品具有标准幅面面积时,获取的维度数据优选地为面积数据,例如,A4纸幅面的面积为0.06237平方米、杂志幅面的面积为0.05985平方米等;当物品具有标准的长度或宽度时,获取的维度数据为长度或宽度,例如,住宅室内门的宽度通常为0.8m或0.9m,窗台高度为0.9m等。
在另一优选的实施例中,标尺绘制工具至少包括三个基准点,物品的维度数据为物品的面积数据。标尺绘制工具至少包括三个基准点保证了标尺工具覆盖的物品具有一定的幅面。例如在图3中,物品16具有面积一定的幅面,用户通过移动标尺绘制工具30的基准点m、n、o、p使标尺准确覆盖物品16的幅面,此时,在图像10上,标尺的像素个数即为物品16幅面的像素个数,物品的维度数据即为标尺的面积或长度。用户在拍摄空间照片时,因拍摄设备的高度、拍照的角度,导致最终照片中的原本为矩形的空间地面形状呈不规则的四边形,因此依据该照片计算的空间面积会有较大误差,如存在形变系数T。但是,同一张照片内空间内摆放的物品的幅面,特别是在空间地面上摆放的物品的朝上上的幅面,具有与空间地面接近或相同的形变系数t,由于会在后续的面积计算步骤中T与t互相抵消,从而最终消除计算的空间实际面积的误差。因此,本实施例的技术方案无需拍照时尽可能的靠近垂直空间,降低了拍摄难度。
在另一优选的实施例中,物品的维度数据从预先设置的数据库中获取,预先设置的数据库预先存储常见物品的维度数据。例如,当识别出标尺覆盖的物品为A4纸时,即从数据库读取A4纸的面积数据0.06237平方米。
在另一优选的实施例中,利用人工智能识别标尺覆盖的物品并获取所述物品的维度数据,包括:利用人工智能识别标尺覆盖的物品,生成候选物品列表;根据用户的选择确定物品,或根据用户输入的物品名称确定物品;自动查询并获取所述物品的维度数据。即利用人工智能识别标尺覆盖的物品后,生成候选物品列表供用户选择,将用户的选择作为物品最终识别结果,如果候选物品列表中不存在最终识别结果,用户可以直接输入该物品,此时则将用户输入的物品名称最为最终识别结果,并根据最终识别结果联网或本地查询物品的维度数据。
在另一优选的实施例中,如果所述候选物品列表不包括所述用户输入的物品名称,则将所述用户输入的物品名称输入到人工智能数据库中,所述人工智能数据库用以训练和升级所述人工智能。在本实施例中,以人工神经网络为例,如果用户输入的物品不在以前人工智能识别的范围之内,则表示人工神经网络训练得不够充分,这时将新的输入结果输入数据文件中,重新对人工神经网络进行训练和升级。在神经网络模型中每个连接都有一个权重,神经网络的训练算法就是让权重的值调整到最佳,以使得整个网络的预测效果最好。
S105:根据目标区域的像素个数、标尺的像素个数和物品的维度数据,计算目标区域的面积。
如图3所示,设目标区域的像素个数为P、标尺的像素个数为p、目标区域的面积为S,则根据面积与像素的比例关系S/s=P/p,得到S=s*P/p。
如果标尺为线段型标尺(线段的厚度所占的像素忽略不计),即该线段的像素对应的是物品的长度、高度或宽度上的像素,设物品的对应的长度、高度或宽度为l,则S=l^2*P/(p^2)。
本领域普通技术人员可以理解的是,上式把标尺的像素个数作为物品所占的像素个数,因此需要用户在使用标尺绘制工具时通过移动基准点尽可能准确地覆盖物品的幅面面积。例如在图3中,用户通过移动标尺绘制工具的基准点m、n、o、p使标尺准确覆盖物品16的幅面,此时在图像10上,标尺的像素个数和面积即为物品16幅面的像素个数和面积。
虽然附图未示出,但本领域普通技术人员可以理解,如果标尺是房门宽度或窗台高度时,则要求线段型标尺的两端的基准点尽可能恰好位于房门门框两端或窗台上下两端,此时线段型标尺的像素个数即为图像中的窗台在高度方向上的像素个数。
在另一优选的实施例中,上述基于人工智能的测量空间面积的方法应用于移动终端,照片由移动终端拍摄,该方法还包括一下步骤:获取照片的拍摄的地点,并根据拍摄地点确定目标空间所在的小区;查询小区的各户型的空间面积;从这些空间面积中,选择最接近目标区域的面积的空间面积进行显示。需要说明的是,本实施例中,移动终端可以是任何具有拍照和定位功能的移动或便携式电子设备,包括但不限于智能手机、移动电脑、平板电脑等。在本实施例中,用户可以通过移动终端拍摄包含目标空间的照片,移动终端通过GPS、网络数据等定位照片拍摄地所在小区,并查询该小区的各户型的空间面积;从这些空间面积中,选择最接近目标区域的面积的空间面积进行显示。例如,该小区的各户型的空间面积卧室:15、14、12、10平方米,客厅:15、14平方米,厨卫:4、3平方米等,如果计算得到的目标区域的面积为9平方米,则选择选择10平方米作为结果或结果之一进行显示。
由上可知,本公开提供的基于人工智能的测量空间面积的方法中,首先,获取包含目标空间的照片;其次,创建区域绘制工具,并计算其通过基准点绘制的目标区域的像素个数;创建标尺绘制工具,并计算其绘制的标尺的像素个数;进而利用人工智能识别标尺覆盖的物品并获取物品的维度数据;最后,根据上述目标区域的像素个数、标尺的像素个数和物品的维度数据,计算目标区域的面积。可见,本公开提供的基于人工智能的测量空间面积的方法,无需用户提前准备已知长度的标尺,而是运用人工智能识别分析技术,识别空间中的物体获取该物体的维度数据,进而计算出目标区域的面积,降低了测量难度,并有效提升了用户体验。
对应上述实施例提供的基于人工智能的测量空间面积的方法,本公开还提供一种基于人工智能的测量空间面积的装置,如图4所示,装置包括:图像获取单元401,用于获取包含目标空间的图像,图像为目标空间的照片;区域绘制单元402,用于创建区域绘制工具,并计算由区域绘制工具在图像上绘制的目标区域的像素个数,目标区域由区域绘制工具的基准点确定;标尺绘制单元403,创建标尺绘制工具,并计算由标尺绘制工具在图像上绘制的标尺的像素个数,标尺由标尺绘制工具的基准点确定;人工智能单元404,用于利用人工智能识别标尺覆盖的物品并获取物品的维度数据;面积计算单元405,用于根据目标区域的像素个数、标尺的像素个数和物品的维度数据,计算目标区域的面积。
如图5所示,本公开提供的装置应用于移动终端500,照片由移动终端拍摄,装置还包括:定位单元501,用于获取照片的拍摄的地点,并根据拍摄地点确定目标空间所在的小区;查询单元502,用于查询小区的各户型的空间面积;显示单元503,从空间面积中,选择最接近目标区域的面积的空间面积作为结果或结果之一进行显示。
由上可知,本公开提供的基于人工智能的测量空间面积的装置中,首先,获取包含目标空间的照片;其次,创建区域绘制工具,并计算其通过基准点绘制的目标区域的像素个数;创建标尺绘制工具,并计算其绘制的标尺的像素个数;进而利用人工智能识别标尺覆盖的物品并获取物品的维度数据;最后,根据上述目标区域的像素个数、标尺的像素个数和物品的维度数据,计算目标区域的面积。可见,本公开提供的基于人工智能的测量空间面积的方法,无需用户提前准备已知长度的标尺,而是通过运用人工智能识别分析技术,识别空间中的物体获取该物体的维度数据,进而计算出目标区域的面积,降低了测量难度,并有效提升了用户体验。
相应地,本公开还提供了一种存储有计算机程序的非临时性计算机可读存储介质,上述程序包含的操作指令可由处理器执行,以完成上述实施例提供的基于人工智能的测量空间面积的方法。所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置606加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置606;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置606被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取包含目标空间的图像,所述图像为所述目标空间的照片;创建区域绘制工具,并计算由所述区域绘制工具在所述图像上绘制的目标区域的像素个数,所述目标区域由所述区域绘制工具的基准点确定;创建标尺绘制工具,并计算由所述标尺绘制工具在所述图像上绘制的标尺的像素个数,所述标尺由所述标尺绘制工具的基准点确定;利用人工智能识别所述标尺覆盖的物品并获取所述物品的维度数据;根据所述目标区域的像素个数、所述标尺的像素个数和所述物品的维度数据,计算所述目标区域的面积。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,区域绘制单元还可以被描述为“用于创建区域绘制工具,并计算由所述区域绘制工具在所述图像上绘制的目标区域的像素个数的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,本公开提供的基于人工智能的测量空间面积的方法,所述方法包括:获取包含目标空间的图像,所述图像为所述目标空间的照片;创建区域绘制工具,并计算由所述区域绘制工具在所述图像上绘制的目标区域的像素个数,所述目标区域由所述区域绘制工具的基准点确定;创建标尺绘制工具,并计算由所述标尺绘制工具在所述图像上绘制的标尺的像素个数,所述标尺由所述标尺绘制工具的基准点确定;利用人工智能识别所述标尺覆盖的物品并获取所述物品的维度数据;根据所述目标区域的像素个数、所述标尺的像素个数和所述物品的维度数据,计算所述目标区域的面积。
根据本公开的一个或多个实施例,本公开提供的基于人工智能的测量空间面积的方法,所述方法应用于移动终端,所述照片由所述移动终端拍摄,所述方法还包括:获取所述照片的拍摄地点,并根据所述拍摄地点确定目标空间所在的小区;查询所述小区的各户型的空间面积;从所述空间面积中,选择最接近所述目标区域的面积的空间面积进行显示。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的方法,所述区域绘制工具的基准点的初始位置和/或所述标尺绘制工具的基准点的初始位置由所述人工智能确定。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的方法,所述标尺绘制工具至少包括三个所述基准点,所述物品的维度数据为物品的面积数据。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的方法,所述物品的维度数据从预先设置的数据库中获取。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的方法,所述利用人工智能识别所述标尺覆盖的物品并获取所述物品的维度数据,包括:利用人工智能识别所述标尺覆盖的物品,生成候选物品列表;根据用户的选择确定所述物品,或根据用户输入的物品名称确定所述物品;自动查询并获取所述物品的维度数据。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的方法,如果所述候选物品列表不包括所述用户输入的物品名称,则将所述用户输入的物品名称输入到人工智能数据库中,所述人工智能数据库用以训练和升级所述人工智能。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的装置,所述装置包括:图像获取单元,用于获取包含目标空间的图像,所述图像为所述目标空间的照片;区域绘制单元,用于创建区域绘制工具,并计算由所述区域绘制工具在所述图像上绘制的目标区域的像素个数,所述目标区域由所述区域绘制工具的基准点确定;标尺绘制单元,创建标尺绘制工具,并计算由所述标尺绘制工具在所述图像上绘制的标尺的像素个数,所述标尺由所述标尺绘制工具的基准点确定;人工智能单元,用于利用人工智能识别所述标尺覆盖的物品并获取所述物品的维度数据;面积计算单元,用于根据所述目标区域的像素个数、所述标尺的像素个数和所述物品的维度数据,计算所述目标区域的面积。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的装置,所述装置应用于移动终端,所述照片由所述移动终端拍摄,所述装置还包括:定位单元,用于获取所述照片的拍摄地点,并根据所述拍摄地点确定目标空间所在的小区;查询单元,用于查询所述小区的各户型的空间面积;显示单元,从所述空间面积中,选择最接近所述目标区域的面积的空间面积进行显示。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的装置,所述区域绘制工具的基准点的初始位置和/或所述标尺绘制工具的基准点的初始位置由所述人工智能确定。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的装置,所述人工智能单元包括:识别单元,用于利用人工智能识别所述标尺覆盖的物品,生成候选物品列表;物品确定单元,用于根据用户的选择确定所述物品,或根据用户输入的物品名称确定所述物品;数据查询单元,用于自动查询并获取所述物品的维度数据。
根据本公开的一个或多个实施例,提供了一种基于人工智能的测量空间面积的装置,所述人工智能单元还包括:训练输入单元,用于如果所述候选物品列表不包括所述用户输入的物品名称,则将所述用户输入的物品名称输入到人工智能数据库中,所述人工智能数据库用于训练和升级所述人工智能单元。
根据本公开的一个或多个实施例,提供了一种移动终端,包括:至少一个存储器和至少一个处理器;其中,所述存储器用于存储程序代码,所述处理器用于调用所述存储器所存储的程序代码以执行上述基于人工智能的测量空间面积的方法。
根据本公开的一个或多个实施例,提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,当处理器执行所述程序指令时执行上述基于人工智能的测量空间面积的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (13)
1.一种基于人工智能的测量空间面积的方法,其特征在于,所述方法包括:
获取包含目标空间的图像,所述图像为所述目标空间的照片;
创建区域绘制工具,并计算由所述区域绘制工具在所述图像上绘制的目标区域的像素个数,所述目标区域由所述区域绘制工具的基准点确定;
创建标尺绘制工具,并计算由所述标尺绘制工具在所述图像上绘制的标尺的像素个数,所述标尺由所述标尺绘制工具的基准点确定;
利用人工智能识别所述标尺覆盖的物品并获取所述物品的维度数据;
根据所述目标区域的像素个数、所述标尺的像素个数和所述物品的维度数据,计算所述目标区域的面积;
其中,所述标尺绘制工具至少包括三个所述基准点,所述物品的维度数据包括所述物品的面积数据。
2.如权利要求1所述的基于人工智能的测量空间面积的方法,其特征在于,所述方法应用于移动终端,所述照片由所述移动终端拍摄,所述方法还包括:
获取所述照片的拍摄地点,并根据所述拍摄地点确定目标空间所在的小区;
查询所述小区的各户型的空间面积;
从所述空间面积中,选择最接近所述目标区域的面积的空间面积进行显示。
3.如权利要求1所述的基于人工智能的测量空间面积的方法,其特征在于,所述区域绘制工具的基准点的初始位置和/或所述标尺绘制工具的基准点的初始位置由所述人工智能确定。
4.如权利要求1所述的基于人工智能的测量空间面积的方法,其特征在于,所述物品的维度数据从预先设置的数据库中获取。
5.如权利要求1所述的基于人工智能的测量空间面积的方法,其特征在于,所述利用人工智能识别所述标尺覆盖的物品并获取所述物品的维度数据,包括:
利用人工智能识别所述标尺覆盖的物品,生成候选物品列表;
根据用户的选择确定所述物品,或根据用户输入的物品名称确定所述物品;
自动查询并获取所述物品的维度数据。
6.如权利要求5所述的基于人工智能的测量空间面积的方法,其特征在于,如果所述候选物品列表不包括所述用户输入的物品名称,则将所述用户输入的物品名称输入到人工智能数据库中,所述人工智能数据库用以训练和升级所述人工智能。
7.一种基于人工智能的测量空间面积的装置,其特征在于,所述装置包括:
图像获取单元,用于获取包含目标空间的图像,所述图像为所述目标空间的照片;
区域绘制单元,用于创建区域绘制工具,并计算由所述区域绘制工具在所述图像上绘制的目标区域的像素个数,所述目标区域由所述区域绘制工具的基准点确定;
标尺绘制单元,创建标尺绘制工具,并计算由所述标尺绘制工具在所述图像上绘制的标尺的像素个数,所述标尺由所述标尺绘制工具的基准点确定;
人工智能单元,用于利用人工智能识别所述标尺覆盖的物品并获取所述物品的维度数据;
面积计算单元,用于根据所述目标区域的像素个数、所述标尺的像素个数和所述物品的维度数据,计算所述目标区域的面积;
其中,所述标尺绘制工具至少包括三个所述基准点,所述物品的维度数据包括所述物品的面积数据。
8.如权利要求7所述的基于人工智能的测量空间面积的装置,其特征在于,所述装置应用于移动终端,所述照片由所述移动终端拍摄,所述装置还包括:
定位单元,用于获取所述照片的拍摄地点,并根据所述拍摄地点确定目标空间所在的小区;
查询单元,用于查询所述小区的各户型的空间面积;
显示单元,从所述空间面积中,选择最接近所述目标区域的面积的空间面积进行显示。
9.如权利要求7所述的基于人工智能的测量空间面积的装置,其特征在于,所述区域绘制工具的基准点的初始位置和/或所述标尺绘制工具的基准点的初始位置由所述人工智能确定。
10.如权利要求7所述的基于人工智能的测量空间面积的装置,其特征在于,所述人工智能单元包括:
识别单元,用于利用人工智能识别所述标尺覆盖的物品,生成候选物品列表;
物品确定单元,用于根据用户的选择确定所述物品,或根据用户输入的物品名称确定所述物品;
数据查询单元,用于自动查询并获取所述物品的维度数据。
11.如权利要求10所述的基于人工智能的测量空间面积的装置,其特征在于,所述人工智能单元还包括:
训练输入单元,用于如果所述候选物品列表不包括所述用户输入的物品名称,则将所述用户输入的物品名称输入到人工智能数据库中,所述人工智能数据库用于训练和升级所述人工智能单元。
12.一种移动终端,其特征在于,
包括:至少一个存储器和至少一个处理器;
其中,所述存储器用于存储程序代码,所述处理器用于调用所述存储器所存储的程序代码以执行权利要求1至6的任一项所述的方法。
13.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,当处理器执行所述程序指令时执行权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910502043.2A CN110657760B (zh) | 2019-06-11 | 2019-06-11 | 基于人工智能的测量空间面积的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910502043.2A CN110657760B (zh) | 2019-06-11 | 2019-06-11 | 基于人工智能的测量空间面积的方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110657760A CN110657760A (zh) | 2020-01-07 |
CN110657760B true CN110657760B (zh) | 2021-07-23 |
Family
ID=69028797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910502043.2A Active CN110657760B (zh) | 2019-06-11 | 2019-06-11 | 基于人工智能的测量空间面积的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110657760B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184795A (zh) * | 2020-09-18 | 2021-01-05 | 上海微亿智造科技有限公司 | 一种移动标尺构建及函数调用方法、装置及存储介质 |
CN113792585B (zh) * | 2021-08-03 | 2023-06-27 | 重庆兆光科技股份有限公司 | 一种管道振动信号监测方法、系统、电子设备及介质 |
CN114882098B (zh) * | 2021-09-26 | 2023-04-07 | 上海交通大学医学院附属第九人民医院 | 生物体的特定区域的面积测量方法、系统和可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105403146A (zh) * | 2015-11-05 | 2016-03-16 | 上海卓易科技股份有限公司 | 一种测量物体尺寸的方法、系统及智能终端 |
CN105865326A (zh) * | 2015-01-21 | 2016-08-17 | 成都理想境界科技有限公司 | 实物尺寸测量方法及图像数据库数据采集方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001004345A (ja) * | 1999-06-18 | 2001-01-12 | Hitachi Koki Co Ltd | 画像測定装置 |
CN101770145B (zh) * | 2010-01-12 | 2011-06-22 | 圆展科技股份有限公司 | 物体实际尺寸估计方法及实物投影仪 |
CN104457627A (zh) * | 2014-12-18 | 2015-03-25 | 云南省农业科学院蚕桑蜜蜂研究所 | 一种利用Photoshop精准测量不规则物体平面面积的方法 |
CN106018411A (zh) * | 2016-05-09 | 2016-10-12 | 广州市九州旗建筑科技有限公司 | 一种裂缝宽度的测量计算方法及测量装置 |
CN106949830A (zh) * | 2016-06-24 | 2017-07-14 | 广州市九州旗建筑科技有限公司 | 一种成像系统内置标尺的测试技术及其计算方法与应用 |
CN106996757A (zh) * | 2017-04-18 | 2017-08-01 | 广西壮族自治区农业科学院农业资源与环境研究所 | 一种基于数码相机图像的叶面积测量方法 |
CN107218887B (zh) * | 2017-04-24 | 2020-04-17 | 亮风台(上海)信息科技有限公司 | 一种用于测量物体尺寸的方法与设备 |
CN107230228A (zh) * | 2017-06-06 | 2017-10-03 | 深圳天珑无线科技有限公司 | 图形面积计算方法、终端及计算机可读存储介质 |
CN108151679A (zh) * | 2017-12-29 | 2018-06-12 | 深圳市智物联网络有限公司 | 一种土地面积测量的方法及系统 |
-
2019
- 2019-06-11 CN CN201910502043.2A patent/CN110657760B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105865326A (zh) * | 2015-01-21 | 2016-08-17 | 成都理想境界科技有限公司 | 实物尺寸测量方法及图像数据库数据采集方法 |
CN105403146A (zh) * | 2015-11-05 | 2016-03-16 | 上海卓易科技股份有限公司 | 一种测量物体尺寸的方法、系统及智能终端 |
Also Published As
Publication number | Publication date |
---|---|
CN110657760A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110657760B (zh) | 基于人工智能的测量空间面积的方法、装置及存储介质 | |
US11557083B2 (en) | Photography-based 3D modeling system and method, and automatic 3D modeling apparatus and method | |
CN110619807B (zh) | 生成全局热力图的方法和装置 | |
CN111028358B (zh) | 室内环境的增强现实显示方法、装置及终端设备 | |
CN110086988A (zh) | 拍摄角度调整方法、装置、设备及其存储介质 | |
US20170039450A1 (en) | Identifying Entities to be Investigated Using Storefront Recognition | |
CN111932681A (zh) | 房屋信息显示方法、装置和电子设备 | |
CN116182878B (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
CN115769260A (zh) | 基于光度测量的3d对象建模 | |
CN112733641A (zh) | 物体尺寸测量方法、装置、设备及存储介质 | |
CN109949414A (zh) | 室内地图的构建方法及装置 | |
CN112801907A (zh) | 深度图像的处理方法、装置、设备和存储介质 | |
CN113610702B (zh) | 一种建图方法、装置、电子设备及存储介质 | |
Díaz et al. | An algorithm to estimate building heights from Google street-view imagery using single view metrology across a representational state transfer system | |
CN107766476B (zh) | 基于楼块数据的众包数据处理方法、装置、设备及存储介质 | |
CN111583417B (zh) | 一种图像语义和场景几何联合约束的室内vr场景构建的方法、装置、电子设备和介质 | |
CN117237681A (zh) | 图像处理方法、装置及相关设备 | |
CN114494486B (zh) | 户型图生成方法、设备及存储介质 | |
CN115063473A (zh) | 物体高度的检测方法、装置、计算机设备、存储介质 | |
CN110390717B (zh) | 3d模型重建方法、装置及电子设备 | |
CN112037280A (zh) | 物体距离测量方法及装置 | |
CN113256808A (zh) | 空间关系计算方法、设备及存储介质 | |
WO2023103884A1 (zh) | 对象模型建立方法、装置、电子设备及存储介质 | |
CN112880675B (zh) | 用于视觉定位的位姿平滑方法、装置、终端和移动机器人 | |
CA3102860C (en) | Photography-based 3d modeling system and method, and automatic 3d modeling apparatus and method |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230427 Address after: Room 802, Information Building, 13 Linyin North Street, Pinggu District, Beijing, 101299 Patentee after: Beijing youzhuju Network Technology Co.,Ltd. Address before: No. 715, 7th floor, building 3, 52 Zhongguancun South Street, Haidian District, Beijing 100081 Patentee before: Beijing infinite light field technology Co.,Ltd. |
|
TR01 | Transfer of patent right |