CN110969701B - 对房屋进行建模的方法、装置以及存储介质 - Google Patents
对房屋进行建模的方法、装置以及存储介质 Download PDFInfo
- Publication number
- CN110969701B CN110969701B CN201911202353.9A CN201911202353A CN110969701B CN 110969701 B CN110969701 B CN 110969701B CN 201911202353 A CN201911202353 A CN 201911202353A CN 110969701 B CN110969701 B CN 110969701B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- house
- image data
- cloud data
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000011218 segmentation Effects 0.000 claims description 63
- 239000013598 vector Substances 0.000 claims description 30
- 230000003190 augmentative effect Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 13
- 238000013480 data collection Methods 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 47
- 238000005516 engineering process Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 230000003993 interaction Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Geometry (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种对房屋进行建模的方法、装置以及存储介质。其中，一种对房屋进行建模的方法，包括：获取房屋的第一图像数据以及第一点云数据；从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中附属物为附着在墙壁上的物品；根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型；以及将墙壁模型和附属物模型进行融合，生成房屋的第一房屋模型。
Description
技术领域
本申请涉及互联网家装技术领域，特别是涉及一种对房屋进行建模的方法、装置以及存储介质。
背景技术
目前，随着人们生活水平日益提高，对“家”的要求也越来越高，对装修越来越重视。并且用户为了使房屋达到最好的装修效果，都会自己动手或聘请设计师设计装修方案，有的甚至会在电脑上重建房屋的三维全景图。但是在设计装修方案之前，用户必须对毛坯房进行测量以得到户型图或三维模型图。在现有的毛坯房测量方案中，绝大部分都是手持测量仪器人工测量的方式进行，还有极少量用三维激光扫描仪采集数据，然后用人工建模的方式进行房屋建模。但是手工测量数据较少而且测量精度低、激光点云扫描测量价格昂贵而且缺少房屋的语义信息以及SLAM室内建模技术具有较少的语义信息并且需要人为识别室内的物体然后进行测量。
针对上述的现有技术中存在的房屋测量技术中手工测量数据较少而且测量精度低、激光点云扫描测量价格昂贵而且缺少房屋的语义信息以及SLAM室内建模技术具有较少的语义信息并且需要人为识别室内的物体然后进行测量的技术问题，目前尚未提出有效的解决方案。
发明内容
本公开的实施例提供了一种对房屋进行建模的方法、装置以及存储介质，以至少解决现有技术中存在的房屋测量技术中手工测量数据较少而且测量精度低、激光点云扫描测量价格昂贵而且缺少房屋的语义信息以及SLAM室内建模技术具有较少的语义信息并且需要人为识别室内的物体然后进行测量的技术问题。
根据本公开实施例的一个方面，提供了一种对房屋进行建模的方法，包括：获取房屋的第一图像数据以及第一点云数据；从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中附属物为附着在墙壁上的物品；根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型；以及将墙壁模型和附属物模型进行融合，生成房屋的第一房屋模型。
根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。
根据本公开实施例的另一个方面，还提供了一种对房屋进行建模的装置，包括：数据获取模块，用于获取房屋的第一图像数据以及第一点云数据；数据分离模块，用于从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中附属物为附着在墙壁上的物品；模型生成模块，用于根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型；以及第一房屋模型生成模块，用于将墙壁模型和附属物模型进行融合，生成房屋的第一房屋模型。
根据本公开实施例的另一个方面，还提供了一种对房屋进行建模的装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取房屋的第一图像数据以及第一点云数据；从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中附属物为附着在墙壁上的物品；根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型；以及将墙壁模型和附属物模型进行融合，生成房屋的第一房屋模型。
从而本申请发明的技术方案，用户通过基于增强现实的数据采集设备采集房屋数据，然后通过终端设备实时建模完成房屋的全部数据的采集。然后服务器通过获取基于增强现实的数据采集设备的采集的第一图像数据和第一点云数据。然后服务器通过语义分割算法将第一图像数据和第一点云数据分割成房屋墙壁的第二图像数据和第二点云数据以及附属物的第三图像数据和第三点云数据。然后服务器分别对墙壁和附属物进行精细建模得到房屋的墙壁模型和附属物模型。最后服务器将房屋的墙壁模型和附属物模型进行融合，生成最终的第一房屋模型。从而不需要人为进行交互，服务器通过将采集的房屋数据进行语义分割后，然后对房屋的墙壁和附属物进行精细建模，最后融合成最终的第一房屋模型。进而解决了现有技术中存在的房屋测量技术中手工测量数据较少而且测量精度低、激光点云扫描测量价格昂贵而且缺少房屋的语义信息以及SLAM室内建模技术具有较少的语义信息并且需要人为识别室内的物体然后进行测量的技术问题。
附图说明
此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1是用于实现根据本公开实施例1所述的方法的计算设备的硬件结构框图；
图2是根据本公开实施例1所述的对房屋进行建模的系统的示意图；
图3是根据本公开实施例1的第一个方面所述的对房屋进行建模的方法的流程示意图；
图4A是根据本公开实施例1的第一个方面所述的对房屋进行建模的方法的流程示意图；
图4B是根据本公开实施例1的第一个方面所述的表面重建算法的示意图；
图4C是根据本公开实施例1的第一个方面所述的对房屋进行建模的方法的整体流程示意图；
图4D是根据本公开实施例1的第一个方面所述的房屋建模算法的流程示意图；
图5是根据本公开实施例2所述的对房屋进行建模的装置的示意图；以及
图6是根据本公开实施例3所述的对房屋进行建模的装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开的技术方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本实施例，还提供了一种对房屋进行建模的方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的计算设备中执行。图1示出了一种用于实现对房屋进行建模的方法的计算设备的硬件结构框图。如图1所示，计算设备可以包括一个或多个处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算设备中的其他元件中的任意一个内。如本公开实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器可用于存储应用软件的软件程序以及模块，如本公开实施例中的对房屋进行建模的方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的对房屋进行建模的方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算设备的用户界面进行交互。
此处需要说明的是，在一些可选实施例中，上述图1所示的计算设备可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算设备中的部件的类型。
图2是根据本实施例所述的对房屋进行建模的系统的示意图。参照图2所示，该系统包括：数据采集设备100、终端设备200以及服务器300。并且其中数据采集设备100通过网络与终端设备200连接，用于向终端设备200发送采集的图像和点云数据。并且终端设备200通过网络与服务器300连接，用于向服务器300发送图像和点云数据。需要说明的是，系统中的服务器300均可适用上面所述的硬件结构。
在上述运行环境下，根据本实施例的第一个方面，提供了一种对房屋进行建模的方法，该方法由图2中所示的服务器300实现。图3示出了该方法的流程示意图，参考图3所示，该方法包括：
S302：获取房屋的第一图像数据以及第一点云数据；
S304：从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中附属物为附着在墙壁上的物品；
S306：根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型；以及
S308：将墙壁模型和附属物模型进行融合，生成房屋的第一房屋模型。
正如背景技术中所述的，在现有的毛坯房测量方案中，绝大部分都是手持测量仪器人工测量的方式进行，还有极少量用三维激光扫描仪采集数据，然后用人工建模的方式进行房屋建模。但是手工测量数据较少而且测量精度低、激光点云扫描测量价格昂贵而且缺少房屋的语义信息以及SLAM室内建模技术具有较少的语义信息并且需要人为识别室内的物体然后进行测量。
针对上述问题，根据本实施例的技术方案，在用户400具有测量房屋的需求的情况下，用户400通过数据采集设备100采集房屋的图像数据和点云数据。然后数据采集设备100将采集的图像数据和点云数据发送至终端设备200上进行实时建模，其中用户400通过实时建模查看数据采集设备100是否采集了房屋的全部数据。然后在数据采集设备100采集了房屋的所有数据之后，用户400可以通过终端设备200将采集的数据发送至服务器300。其中数据采集设备100可以是增强现实的AR采集设备，例如可以是AR眼镜等，并且其中终端设备200可以是用户400的便携式终端设备，例如可以是手机、电脑以及平板等。
进一步地，服务器300获取到终端设备200发送的房屋的第一图像数据以及第一点云数据(S302)。其中第一图像数据可以代表的是房屋的颜色图像以及第一点云书可以代表的是房屋的深度图像。
进一步地，服务器300从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中附属物为附着在墙壁上的物品(S304)。其中附属物可以是附着在墙壁上的开关、水管、窗户、暖气片以及水龙头等物品。并且服务器300分离墙壁和附属物的数据主要是因为对墙壁和附属物的模型精度要求不同，其中对墙壁的建模精度要求比较高。
进一步地，服务器300可以根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型(S306)。其中墙壁模型和附属物模型与房屋的墙壁和附属物相对应。
进一步地，服务器300将墙壁模型和附属物模型进行融合，生成房屋的第一房屋模型(S308)，即服务器300将墙壁模型和附属物模型融合到一起，生成原始的房屋模型。
从而，根据本实施例的技术方案，服务器300通过获取基于增强现实的数据采集设备100采集的第一图像数据和第一点云数据，然后通过语义分割算法将第一图像数据和第一点云数据分割成房屋墙壁的第二图像数据和第二点云数据以及附属物的第三图像数据和第三点云数据。然后服务器300分别对墙壁和附属物进行精细建模得到房屋的墙壁模型和附属物模型。最后服务器300将房屋的墙壁模型和附属物模型进行融合，生成最终的第一房屋模型。从而不需要人为进行交互，服务器300通过将采集的房屋数据进行语义分割后，然后对房屋的墙壁和附属物进行精细建模，最后融合成最终的第一房屋模型。进而解决了现有技术中存在的房屋测量技术中手工测量数据较少而且测量精度低、激光点云扫描测量价格昂贵而且缺少房屋的语义信息以及SLAM室内建模技术具有较少的语义信息并且需要人为识别室内的物体然后进行测量的技术问题。
可选地，从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据的操作，包括：利用预先设置的语义分割算法从第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据。
具体地，参考图2所示，服务器300可以利用预先设置的语义分割算法从第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，从而服务器300通过语义分割算法对房屋的墙壁和附属物信息进行分离，进而可以分别对墙面和附属物进行精细建模。
可选地，利用预先设置的语义分割算法从第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据的操作，包括：利用预先设置的点云检测分割算法对第一点云数据进行识别和分割，确定第一分割结果，其中第一分割结果用于确定墙壁的第二点云数据以及附属物的第三点云数据；利用预先设置的图像检测分割算法对第一图像数据进行识别和分割，确定第二分割结果，其中第二分割结果用于确定墙壁的第二图像数据以及附属物的第三图像数据；以及对第一分割结果和第二分割结果进行相互校验，确定与墙壁对应的第二点云数据和第二图像数据以及与附属物对应的第三点云数据和第三图像数据。
具体地，参考图4A所示，服务器300利用预先设置的点云检测分割算法对第一点云数据进行识别和分割，确定第一分割结果，其中第一分割结果用于确定墙壁的第二点云数据以及附属物的第三点云数据。例如服务器300可以利用Point RCNN机器学习算法对第一点云数据进行分割。进一步地，服务器300可以利用预先设置的图像检测分割算法对第一图像数据进行识别和分割，确定第二分割结果，其中第二分割结果用于确定墙壁的第二图像数据以及附属物的第三图像数据。例如服务器300可以利用Mask RCNN机器学习算法对第一图像数据进行分割，其中Mask RCNN算法可以确定第一图像数据中各个目标的位置和类别，即可以标注出目标物品在第一图像数据中的像素位置。进一步地，服务器300可以对第一分割结果和第二分割结果进行相互校验，即通过墙壁的第二点云数据和第二图像数据互相校验，确定与墙壁对应的第二点云数据和第二图像数据以及与通过附属物对应的第三点云数据和第三图像数据相互校验，确定附属物对应的第三点云数据和第三图像数据。从而通过这种方式，服务器300利用点云数据和图像数据相互校验，得到准确的墙壁的第二点云数据和第二图像数据以及附属物的第三点云数据和第三图像数据。
可选地，根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型的操作，还包括：通过第二点云数据、第三点云数据、第二点云数据的第一点云法向量和第三点云数据的第二点云法向量，生成墙壁模型和附属物模型，其中第一点云法向量和第二点云法向量用于指示第二点云数据和第三点云数据的方向。
具体地，图4B示出了通过点云数据和点云数据的法向量进行表面重建的示意图，参考图4B所示，服务器300通过第二点云数据和第三点云数据以及第二点云数据的第一点云法向量和第三点云数据的第二点云法向量，生成墙壁模型和附属物模型，其中第一点云法向量和第二点云法向量用于指示第二点云数据和第三点云数据的方向。例如服务器300可以采用Possion表面重建算法对墙壁和附属物进行表面重建，步骤为通过点云的指示方向，得出点云的指示梯度，然后根据指示方程得到最终的重建的表面。从而服务器300根据墙壁和附属物的点云数据和其法向量对墙壁和附属物进行表面重建，进而得到墙壁模型和附属物模型。
此外，参考图4B所示，给定一个区域M及其边界指示函数χM定义为
其中当χ在区域M内的情况下，将χM(χ)赋值为1。当χ不在区域M内的情况下，则将χM(χ)赋值为0，从而可以估算一个平滑的物体表面。并且其中由于点云数据的法向量代表点云数据的方向，因此区域M由点云数据的法向量确定。
可选地，通过第二点云数据、第三点云数据、第二点云数据的第一点云法向量和第三点云数据的第二点云法向量，生成墙壁模型和附属物模型的操作，还包括：通过第二图像数据校验墙壁模型和/或通过第三图像数据校验附属物模型。
具体地，参考图4A所示，在服务器300根据点云数据生成墙壁模型和附属物模型的情况下，服务器300可以通过墙壁的第二图像数据校验生成的墙壁模型，并且可以通过附属物的第三图像数据校验生成的附属物模型，从而保证了生成的墙壁模型和附属物模型的准确性。
可选地，将墙壁模型和附属物模型融合，生成房屋的第一房屋模型的操作，包括：根据墙壁模型和附属物模型，生成第二房屋模型，其中第二房屋模型与房屋相比存在墙壁和附属物的重合和遗漏部分；以及对第二房屋模型的重合部分进行裁剪以及对第二房屋模型的遗漏部分进行填充，生成第一房屋模型。
具体地，参考图4A所示，服务器300根据墙壁模型和附属物模型，确定第二房屋模型，其中第二房屋模型与房屋相比存在墙壁和附属物的重合和遗漏部分，例如墙壁模型和附属物模型融合后存在墙壁和附属物之间重合的部分以及和真实的房屋相比缺少的部分。然后服务器300对第二房屋模型的重合部分进行裁剪以及对第二房屋模型的遗漏部分进行添加，生成第一房屋模型，其中服务器300可以通过选取原始数据中质量稍微差一点的数据对遗漏部分进行添加。从而通过这种方式，将融合后的第一房屋模型的重合部分进行裁剪以及对遗漏部分进行添加，进而生成真实的房屋模型。
可选地，获取房屋的第一图像数据以及第一点云数据的操作，还包括：利用基于增强现实的数据采集设备采集房屋的第一图像数据以及第一点云数据。
具体地，参考图2所示，利用基于增强现实的数据采集设备100采集房屋的第一图像数据以及第一点云数据。其中增强现实的数据采集设备100例如可以是AR眼镜等。从而通过增强现实的数据采集设备100可以采集到房屋的真实图像和点云数据。
可选地，利用基于增强现实的数据采集设备采集房屋的第一图像数据以及第一点云数据的操作之后，还包括：利用预先设置的房屋建模算法，生成房屋的第三房屋模型；以及将第一图像数据和第一点云数据发送至远程服务器。
具体地，参考图4C所示，在数据采集设备100将采集的第一图像数据和第一点云数据发送至用户400的终端设备200的情况下，用户400的终端设备200可以利用预先设置的房屋建模算法，生成房屋的第三房屋模型，其中第三房屋模型是对房屋进行实时建模生成的初步房屋模型，并且第三房屋模型是为了用户400查看房屋的实时建模情况，方便用户400查看数据采集设备100是否采集了房屋的所有数据。然后终端设备200在数据采集设备采集到房屋的所有数据的情况下，将第一图像数据和第一点云数据发送至远程服务器。其中终端设备200可以是手机、电脑以及平板等便携式终端设备。从而通过这种方式，使得用户400可以实时查看房屋的数据采集情况，进而将采集的房屋的全部数据发送至远程服务器。
可选地，利用预先设置的房屋建模算法，生成房屋的第三房屋模型的操作，包括：确定第一图像数据中的关键帧；根据关键帧构建房屋的局部地图；利用预先设置的闭环检测方法检测局部地图中是否存在闭环；以及在局部地图中存在闭环的情况下，确定第三房屋模型，其中第三房屋模型包含房屋的所有数据。
具体地，参考图4D所示，终端设备200可以利用预先设置的房屋建模算法，生成房屋的第三房屋模型的操作，例如终端设备200可以根据第一图像数据确定关键帧，例如终端设备200可以根据接收到的第一图像数据和第一点云数据，对房屋的附属物进行识别，然后根据附属物的位置和方向等参数确定关键帧。然后终端设备200根据关键帧构建房屋的局部地图，其中终端设备200将关键帧加入局部地图的地图点，然后可以根据光速平差对地图点进行调整以及对关键帧进行重新选取。然后计算设备200利用预先设置的闭环检测方法检测局部地图中是否存在闭环，在生成的局部地图中存在闭环的情况下，说明数据采集设备100采集了房屋的所有数据。最后终端设备200在局部地图中存在闭环的情况下，确定第三房屋模型，其中第三房屋模型包含房屋的全部数据。从而通过这种方式，利用终端设备200实时建模方便用户400实时查看数据采集设备100是否完成房屋的全部数据的采集。
此外，参考图1所示，根据本实施例的第二个方面，提供了一种存储介质104。所述存储介质104包括存储的程序，其中，在所述程序运行时由处理器执行以上任意一项所述的方法。
从而根据本实施例的技术方案，用户400通过基于增强现实的数据采集设备100采集房屋数据，然后通过终端设备200实时建模完成房屋的全部数据的采集。然后服务器300通过获取基于增强现实的数据采集设备100的采集的第一图像数据和第一点云数据。然后服务器300通过语义分割算法将第一图像数据和第一点云数据分割成房屋墙壁的第二图像数据和第二点云数据以及附属物的第三图像数据和第三点云数据。然后服务器300分别对墙壁和附属物进行精细建模得到房屋的墙壁模型和附属物模型。最后服务器300将房屋的墙壁模型和附属物模型进行融合，生成最终的第一房屋模型。从而不需要人为进行交互，服务器300通过将采集的房屋数据进行语义分割后，然后对房屋的墙壁和附属物进行精细建模，最后融合成最终的第一房屋模型。进而解决了现有技术中存在的房屋测量技术中手工测量数据较少而且测量精度低、激光点云扫描测量价格昂贵而且缺少房屋的语义信息以及SLAM室内建模技术具有较少的语义信息并且需要人为识别室内的物体然后进行测量的技术问题。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
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根据上述实施例的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，或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
图5示出了根据本实施例的第一个方面所述的对房屋进行建模的装置500，该装置500与根据实施例1的第一个方面所述的方法相对应。参考图5所示，该装置500包括：数据获取模块510，用于获取房屋的第一图像数据以及第一点云数据；数据分离模块520，用于从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中附属物为附着在墙壁上的物品；模型生成模块530，用于根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型；以及第一房屋模型生成模块540，用于将墙壁模型和附属物模型进行融合，生成房屋的第一房屋模型。
可选地，数据分离模块520，包括：数据分离子模块，用于利用预先设置的语义分割算法从第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据。
可选地，数据分离子模块，包括：第一数据分离子单元，用于利用预先设置的点云检测分割算法对第一点云数据进行识别和分割，确定第一分割结果，其中第一分割结果用于确定墙壁的第二点云数据以及附属物的第三点云数据；第二数据分离子单元，用于利用预先设置的图像检测分割算法对第一图像数据进行识别和分割，确定第二分割结果，其中第二分割结果用于确定墙壁的第二图像数据以及附属物的第三图像数据；以及数据校验单元，用于对第一分割结果和第二分割结果进行相互校验，确定与墙壁对应的第二点云数据和第二图像数据以及与附属物对应的第三点云数据和第三图像数据。
可选地，模型生成模块530，还包括：模型生成子模块，用于通过第二点云数据、第三点云数据、第二点云数据的第一点云法向量和第三点云数据的第二点云法向量，生成墙壁模型和附属物模型，其中第一点云法向量和第二点云法向量用于指示第二点云数据和第三点云数据的方向。
可选地，模型生成子模块还包括：模型校验子单元，用于通过第二图像数据校验墙壁模型和/或通过第三图像数据校验附属物模型。
可选地，第一房屋模型生成模块540包括：第二房屋模型生成模块，用于根据墙壁模型和附属物模型，生成第二房屋模型，其中第二房屋模型与房屋相比存在墙壁和附属物的重合和遗漏部分；以及第二房屋模型校验模块，用于对第二房屋模型的重合部分进行裁剪以及对第二房屋模型的遗漏部分进行填充，生成第一房屋模型。
可选地，数据获取模块510，还包括：数据采集模块，用于利用基于增强现实的数据采集设备采集房屋的第一图像数据以及第一点云数据。
可选地，利用基于增强现实的数据采集设备采集房屋的第一图像数据以及第一点云数据的操作之后，还包括：第三房屋模型生成模块，用于利用预先设置的房屋建模算法，生成房屋的第三房屋模型；以及数据发送模块，用于在数据采集设备采集到房屋的所有数据的情况下，将第一图像数据和第一点云数据发送至远程服务器。
可选地，第三房屋模型生成模块包括：关键帧确定模块，用于确定第一图像数据中的关键帧；局部地图构建模块，用于根据关键帧构建房屋的局部地图；闭环检测模块，用于利用预先设置的闭环检测方法检测局部地图中是否存在闭环；以及第三房屋模型确定子模块，用于在局部地图中存在闭环的情况下，确定第三房屋模型，其中第三房屋模型包含房屋的所有数据。
从而根据本实施例的技术方案，用户通过基于增强现实的数据采集设备采集房屋数据，然后通过终端设备实时建模完成房屋的全部数据的采集。然后服务器通过获取基于增强现实的数据采集设备的采集的第一图像数据和第一点云数据。然后服务器通过语义分割算法将第一图像数据和第一点云数据分割成房屋墙壁的第二图像数据和第二点云数据以及附属物的第三图像数据和第三点云数据。然后服务器分别对墙壁和附属物进行精细建模得到房屋的墙壁模型和附属物模型。最后服务器将房屋的墙壁模型和附属物模型进行融合，生成最终的第一房屋模型。从而不需要人为进行交互，服务器通过将采集的房屋数据进行语义分割后，然后对房屋的墙壁和附属物进行精细建模，最后融合成最终的第一房屋模型。进而解决了现有技术中存在的房屋测量技术中手工测量数据较少而且测量精度低、激光点云扫描测量价格昂贵而且缺少房屋的语义信息以及SLAM室内建模技术具有较少的语义信息并且需要人为识别室内的物体然后进行测量的技术问题。
实施例3
图6示出了根据本实施例的第一个方面所述的对房屋进行建模的装置600，该装置600与根据实施例1的第一个方面所述的方法相对应。参考图6所示，该装置600包括：处理器610；以及存储器620，与处理器610连接，用于为处理器610提供处理以下处理步骤的指令：获取房屋的第一图像数据以及第一点云数据；从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中附属物为附着在墙壁上的物品；根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型；以及将墙壁模型和附属物模型进行融合，生成房屋的第一房屋模型。
可选地，从房屋的第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据的操作，包括：利用预先设置的语义分割算法从第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据。
可选地，利用预先设置的语义分割算法从第一图像数据和第一点云数据中分离出与房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据的操作，包括：利用预先设置的点云检测分割算法对第一点云数据进行识别和分割，确定第一分割结果，其中第一分割结果用于确定墙壁的第二点云数据以及附属物的第三点云数据；利用预先设置的图像检测分割算法对第一图像数据进行识别和分割，确定第二分割结果，其中第二分割结果用于确定墙壁的第二图像数据以及附属物的第三图像数据；以及对第一分割结果和第二分割结果进行相互校验，确定与墙壁对应的第二点云数据和第二图像数据以及与附属物对应的第三点云数据和第三图像数据。
可选地，根据第二图像数据和第二点云数据生成与墙壁对应的墙壁模型和/或根据第三图像数据和第三点云数据生成与附属物对应的附属物模型的操作，还包括：通过第二点云数据、第三点云数据、第二点云数据的第一点云法向量和第三点云数据的第二点云法向量，生成墙壁模型和附属物模型，其中第一点云法向量和第二点云法向量用于指示第二点云数据和第三点云数据的方向。
可选地，通过第二点云数据、第三点云数据、第二点云数据的第一点云法向量和第三点云数据的第二点云法向量，生成墙壁模型和附属物模型的操作，还包括：通过第二图像数据校验墙壁模型和/或通过第三图像数据校验附属物模型。
可选地，将墙壁模型和附属物模型融合，生成房屋的第一房屋模型的操作，包括：根据墙壁模型和附属物模型，生成第二房屋模型，其中第二房屋模型与房屋相比存在墙壁和附属物的重合和遗漏部分；以及对第二房屋模型的重合部分进行裁剪以及对第二房屋模型的遗漏部分进行填充，生成第一房屋模型。
可选地，获取房屋的第一图像数据以及第一点云数据的操作，还包括：利用基于增强现实的数据采集设备采集房屋的第一图像数据以及第一点云数据。
可选地，利用基于增强现实的数据采集设备采集房屋的第一图像数据以及第一点云数据的操作之后，还包括：利用预先设置的房屋建模算法，生成房屋的第三房屋模型；以及将第一图像数据和第一点云数据发送至远程服务器。
可选地，利用预先设置的房屋建模算法，生成房屋的第三房屋模型的操作，包括：确定第一图像数据中的关键帧；根据关键帧构建房屋的局部地图；利用预先设置的闭环检测方法检测局部地图中是否存在闭环；以及在局部地图中存在闭环的情况下，确定第三房屋模型，其中第三房屋模型包含房屋的所有数据。
从而根据本实施例的技术方案，用户通过基于增强现实的数据采集设备采集房屋数据，然后通过终端设备实时建模完成房屋的全部数据的采集。然后服务器通过获取基于增强现实的数据采集设备的采集的第一图像数据和第一点云数据。然后服务器通过语义分割算法将第一图像数据和第一点云数据分割成房屋墙壁的第二图像数据和第二点云数据以及附属物的第三图像数据和第三点云数据。然后服务器分别对墙壁和附属物进行精细建模得到房屋的墙壁模型和附属物模型。最后服务器将房屋的墙壁模型和附属物模型进行融合，生成最终的第一房屋模型。从而不需要人为进行交互，服务器通过将采集的房屋数据进行语义分割后，然后对房屋的墙壁和附属物进行精细建模，最后融合成最终的第一房屋模型。进而解决了现有技术中存在的房屋测量技术中手工测量数据较少而且测量精度低、激光点云扫描测量价格昂贵而且缺少房屋的语义信息以及SLAM室内建模技术具有较少的语义信息并且需要人为识别室内的物体然后进行测量的技术问题。
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。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述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，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种对房屋进行建模的方法，其特征在于：
获取房屋的第一图像数据以及第一点云数据；
从房屋的所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和分离出与附属物对应的第三图像数据和第三点云数据，其中所述附属物为附着在所述墙壁上的物品；
从房屋的所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和分离出与附属物对应的第三图像数据和第三点云数据的操作，包括：
利用预先设置的语义分割算法从所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和分离出与所述附属物对应的第三图像数据和第三点云数据；
利用预先设置的语义分割算法从所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和分离出与所述附属物对应的第三图像数据和第三点云数据的操作，包括：
利用预先设置的点云检测分割算法对所述第一点云数据进行识别和分割，确定第一分割结果，其中第一分割结果用于确定所述墙壁的第二点云数据以及所述附属物的第三点云数据；
利用预先设置的图像检测分割算法对所述第一图像数据进行识别和分割，确定第二分割结果，其中所述第二分割结果用于确定所述墙壁的第二图像数据以及所述附属物的第三图像数据；以及
对所述第一分割结果和所述第二分割结果进行相互校验，确定与所述墙壁对应的第二点云数据和第二图像数据以及与所述附属物对应的第三点云数据和第三图像数据；
根据所述第二图像数据和所述第二点云数据生成与所述墙壁对应的墙壁模型和/或根据所述第三图像数据和第三点云数据生成与所述附属物对应的附属物模型；以及
将所述墙壁模型和所述附属物模型进行融合，生成所述房屋的第一房屋模型。
2.根据权利要求1所述的方法，其特征在于，根据所述第二图像数据和所述第二点云数据生成与所述墙壁对应的墙壁模型和/或根据所述第三图像数据和第三点云数据生成与所述附属物对应的附属物模型的操作，还包括：
通过所述第二点云数据、所述第三点云数据、所述第二点云数据的第一点云法向量和所述第三点云数据的第二点云法向量，生成所述墙壁模型和所述附属物模型，其中所述第一点云法向量和所述第二点云法向量用于指示所述第二点云数据和所述第三点云数据的方向。
3.根绝权利要求2所述的方法，其特征在于，通过所述第二点云数据、所述第三点云数据、所述第二点云数据的第一点云法向量和所述第三点云数据的第二点云法向量，生成所述墙壁模型和所述附属物模型的操作，还包括：
通过所述第二图像数据校验所述墙壁模型和/或通过所述第三图像数据校验所述附属物模型。
4.根据权利要求1所述的方法，其特征在于，将所述墙壁模型和所述附属物模型进行融合，生成所述房屋的第一房屋模型的操作，包括：
将所述墙壁模型和附属物模型融合，生成第二房屋模型，其中所述第二房屋模型与所述房屋相比存在墙壁和附属物的重合和遗漏部分；以及
对所述第二房屋模型的重合部分进行裁剪以及对所述第二房屋模型的遗漏部分进行填充，生成所述第一房屋模型。
5.根据权利要求1所述的方法，其特征在于，获取房屋的第一图像数据以及第一点云数据的操作，还包括：
利用基于增强现实的数据采集设备采集所述房屋的第一图像数据以及第一点云数据。
6.根据权利要求5所述的方法，其特征在于，利用基于增强现实的数据采集设备采集所述房屋的第一图像数据以及第一点云数据的操作之后，还包括：
利用预先设置的房屋建模算法，生成所述房屋的第三房屋模型；以及
将所述第一图像数据和所述第一点云数据发送至远程服务器。
7.根据权利要求6所述的方法，其特征在于，利用预先设置的房屋建模算法，生成所述房屋的第三房屋模型的操作，包括：
确定所述第一图像数据中的关键帧；
根据所述关键帧构建所述房屋的局部地图；
利用预先设置的闭环检测方法检测所述局部地图中是否存在闭环；以及
在所述局部地图中存在闭环的情况下，确定所述第三房屋模型。
8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至7中任意一项所述的方法。
9.一种对房屋进行建模的装置，其特征在于，包括：
数据获取模块，用于获取房屋的第一图像数据以及第一点云数据；
数据分离模块，用于从房屋的所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中所述附属物为附着在所述墙壁上的物品；
从房屋的所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据的操作，包括：
利用预先设置的语义分割算法从所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与所述附属物对应的第三图像数据和第三点云数据；
利用预先设置的语义分割算法从所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与所述附属物对应的第三图像数据和第三点云数据的操作，包括：
利用预先设置的点云检测分割算法对所述第一点云数据进行识别和分割，确定第一分割结果，其中第一分割结果用于确定所述墙壁的第二点云数据以及所述附属物的第三点云数据；
利用预先设置的图像检测分割算法对所述第一图像数据进行识别和分割，确定第二分割结果，其中所述第二分割结果用于确定所述墙壁的第二图像数据以及所述附属物的第三图像数据；以及
对所述第一分割结果和所述第二分割结果进行相互校验，确定与所述墙壁对应的第二点云数据和第二图像数据以及与所述附属物对应的第三点云数据和第三图像数据；
模型生成模块，用于根据所述第二图像数据和所述第二点云数据生成与所述墙壁对应的墙壁模型和/或根据所述第三图像数据和第三点云数据生成与所述附属物对应的附属物模型；以及
第一房屋模型生成模块，用于将所述墙壁模型和所述附属物模型进行融合，生成所述房屋的第一房屋模型。
10.一种对房屋进行建模的装置，其特征在于，包括：
处理器；以及
存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：
获取房屋的第一图像数据以及第一点云数据；
从房屋的所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据，其中所述附属物为附着在所述墙壁上的物品；
从房屋的所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与附属物对应的第三图像数据和第三点云数据的操作，包括：
利用预先设置的语义分割算法从所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与所述附属物对应的第三图像数据和第三点云数据；
利用预先设置的语义分割算法从所述第一图像数据和所述第一点云数据中分离出与所述房屋的墙壁对应的第二图像数据和第二点云数据和/或分离出与所述附属物对应的第三图像数据和第三点云数据的操作，包括：
利用预先设置的点云检测分割算法对所述第一点云数据进行识别和分割，确定第一分割结果，其中第一分割结果用于确定所述墙壁的第二点云数据以及所述附属物的第三点云数据；
利用预先设置的图像检测分割算法对所述第一图像数据进行识别和分割，确定第二分割结果，其中所述第二分割结果用于确定所述墙壁的第二图像数据以及所述附属物的第三图像数据；以及
对所述第一分割结果和所述第二分割结果进行相互校验，确定与所述墙壁对应的第二点云数据和第二图像数据以及与所述附属物对应的第三点云数据和第三图像数据；
根据所述第二图像数据和所述第二点云数据生成与所述墙壁对应的墙壁模型和/或根据所述第三图像数据和第三点云数据生成与所述附属物对应的附属物模型；以及
将所述墙壁模型和所述附属物模型进行融合，生成所述房屋的第一房屋模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911202353.9A CN110969701B (zh) | 2019-11-29 | 2019-11-29 | 对房屋进行建模的方法、装置以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911202353.9A CN110969701B (zh) | 2019-11-29 | 2019-11-29 | 对房屋进行建模的方法、装置以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110969701A CN110969701A (zh) | 2020-04-07 |
| CN110969701B true CN110969701B (zh) | 2023-12-29 |
Family
ID=70032199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911202353.9A Active CN110969701B (zh) | 2019-11-29 | 2019-11-29 | 对房屋进行建模的方法、装置以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110969701B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288331B (zh) * | 2020-11-24 | 2022-04-12 | 哈尔滨工业大学 | 一种基于语义识别的建筑改建评估系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901501A (zh) * | 2010-07-22 | 2010-12-01 | 首都师范大学 | 一种生成激光彩色云图的方法 |
| CN103914875A (zh) * | 2014-04-17 | 2014-07-09 | 中国科学院深圳先进技术研究院 | 室内场景的功能性建模方法 |
| 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 |
| CN109978931A (zh) * | 2019-04-04 | 2019-07-05 | 北京悉见科技有限公司 | 三维场景重建方法及设备、存储介质 |
| CN110009727A (zh) * | 2019-03-08 | 2019-07-12 | 深圳大学 | 一种具有结构语义的室内三维模型自动重构方法及系统 |
| CN110189399A (zh) * | 2019-04-26 | 2019-08-30 | 浙江大学 | 一种室内三维布局重建的方法及系统 |
| CN110363849A (zh) * | 2018-04-11 | 2019-10-22 | 株式会社日立制作所 | 一种室内三维建模方法及系统 |
-
2019
- 2019-11-29 CN CN201911202353.9A patent/CN110969701B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901501A (zh) * | 2010-07-22 | 2010-12-01 | 首都师范大学 | 一种生成激光彩色云图的方法 |
| CN103914875A (zh) * | 2014-04-17 | 2014-07-09 | 中国科学院深圳先进技术研究院 | 室内场景的功能性建模方法 |
| CN110363849A (zh) * | 2018-04-11 | 2019-10-22 | 株式会社日立制作所 | 一种室内三维建模方法及系统 |
| 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 |
| CN110009727A (zh) * | 2019-03-08 | 2019-07-12 | 深圳大学 | 一种具有结构语义的室内三维模型自动重构方法及系统 |
| CN109978931A (zh) * | 2019-04-04 | 2019-07-05 | 北京悉见科技有限公司 | 三维场景重建方法及设备、存储介质 |
| CN110189399A (zh) * | 2019-04-26 | 2019-08-30 | 浙江大学 | 一种室内三维布局重建的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110969701A (zh) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110383274B (zh) | 识别设备的方法、装置、系统、存储介质、处理器和终端 | |
| CN110249291A (zh) | 用于在预捕获环境中的增强现实内容递送的系统和方法 | |
| CN103745452B (zh) | 相机外参评估方法、装置、相机外参标定方法和装置 | |
| CN106920279A (zh) | 三维地图构建方法和装置 | |
| CN109840376B (zh) | 户型图的读取方法，装置以及存储介质 | |
| CN108478184A (zh) | 基于vr的视力测量方法及装置、vr设备 | |
| CN107683498B (zh) | 利用视觉特征进行图像的自动连接 | |
| US20120194513A1 (en) | Image processing apparatus and method with three-dimensional model creation capability, and recording medium | |
| CN108345907A (zh) | 识别方法、增强现实设备及存储介质 | |
| US10147240B2 (en) | Product image processing method, and apparatus and system thereof | |
| CN103871099A (zh) | 一种基于移动终端进行3d模拟搭配处理方法及系统 | |
| CN110232707A (zh) | 一种测距方法及装置 | |
| CN110969701B (zh) | 对房屋进行建模的方法、装置以及存储介质 | |
| Traumann et al. | Accurate 3D measurement using optical depth information | |
| CN105096335A (zh) | 一种传输评价信息的方法及装置 | |
| CN104077768A (zh) | 一种鱼眼镜头径向畸变的标定方法及标定装置 | |
| CN112413827A (zh) | 智能空调及其信息的显示方法和装置 | |
| CN112508778A (zh) | 一种3d人脸道具贴图方法、终端及存储介质 | |
| CN113568735B (zh) | 数据处理方法及系统 | |
| CN109214482A (zh) | 一种室内定位方法、装置、终端设备及存储介质 | |
| CN114945090A (zh) | 视频生成方法、装置、计算机可读存储介质及计算机设备 | |
| CN111678519B (zh) | 智能导航方法、装置及存储介质 | |
| CN114187416A (zh) | 一种会议室预定的方法和装置 | |
| CN114204680A (zh) | 多类型自动化检测设备融合远程诊断系统及方法 | |
| CN114399526A (zh) | 位姿确定方法、装置以及存储介质 |
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 |