CN111127655A - 房屋户型图的构建方法及构建装置、存储介质 - Google Patents
房屋户型图的构建方法及构建装置、存储介质 Download PDFInfo
- Publication number
- CN111127655A CN111127655A CN201911311614.0A CN201911311614A CN111127655A CN 111127655 A CN111127655 A CN 111127655A CN 201911311614 A CN201911311614 A CN 201911311614A CN 111127655 A CN111127655 A CN 111127655A
- Authority
- CN
- China
- Prior art keywords
- room
- panoramic picture
- house
- plane
- floor plan
- 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
Images
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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
Abstract
一种房屋户型图的构建方法及构建装置、存储介质。该构建方法包括:获取待建模房屋的每个房间的至少一幅全景图片,并获取对应的相机位置及相机放置高度;对每个房间的至少一幅全景图片进行垂直校正;对每个房间的垂直校正后的至少一幅全景图片中的第一平面的各个墙角点进行检测;基于每个房间的相机放置高度,将每个房间的垂直校正后的至少一幅全景图片中的第一平面的各个墙角点投影到三维虚拟空间中,并基于投影到三维虚拟空间中的第一平面的各个墙角点,形成每个房间对应的平面户型图;以及基于每个房间的垂直校正后的至少一幅全景图片对应的相机位置的信息和每个房间对应的平面户型图,形成待建模房屋的平面户型图。
Description
技术领域
本公开的实施例涉及一种房屋户型图的构建方法及构建装置、存储介质。
背景技术
在房屋租赁、买卖及装修等领域,房屋户型图对于买卖双方而言均是一个很重要的信息来源。房屋户型图包括二维户型图(即平面户型图)和三维户型图。
二维户型图就是房屋的平面空间布局图,即对各个独立空间(即房间)的使用功能、相应位置、大小进行描述的图型,可以直观地看清房屋的走向布局。例如,户型图中包括的户型指标通常包括户型格局(几室几厅几卫等)、面积、朝向以及所在位置等,以便于客户对该住房进行直观地了解。例如,二维户型图可以应用于网上看房。三维户型图是二维户型图的一种升级,其在交待空间布局的同时,还可以将房间的装饰和使用状况等传递给用户,从而在细节上给用户提供更强的可信赖性。例如,三维户型图不仅可以应用于网上看房,还可以应用于VR(虚拟现实,Virtual Reality)看房等。
发明内容
本公开至少一实施例提供一种房屋户型图的构建方法,包括:获取待建模房屋的每个房间的至少一幅全景图片,并获取每个房间的拍摄全景图片的相机在对应的房间内的相机位置及相机放置高度,所述相机放置高度为所述相机在其对应的房间内相对于该对应的房间的第一平面的高度;对每个房间的所述至少一幅全景图片进行垂直校正;对每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点进行检测;基于每个房间的拍摄全景图片的相机在对应的房间内的相机放置高度,将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到三维虚拟空间中,并基于每个房间的垂直校正后的所述至少一幅全景图片的投影到所述三维虚拟空间中的所述第一平面的各个墙角点,形成所述每个房间对应的平面户型图;以及基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息和所述每个房间对应的平面户型图,形成所述待建模房屋的平面户型图。
例如,在本公开一些实施例提供的构建方法中,所述待建模房屋对应多幅全景图片,在基于每个房间的拍摄全景图片的相机在对应的房间内的相机放置高度,将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到三维虚拟空间中,并基于每个房间的垂直校正后的所述至少一幅全景图片的投影到所述三维虚拟空间中的所述第一平面的各个墙角点,形成所述每个房间对应的平面户型图之前,所述建模方法还包括:统一所述多幅全景图片对应的相机位置及相机放置高度的尺度。
例如,在本公开一些实施例提供的构建方法中,基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机放置高度的信息,将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到所述三维虚拟空间中,包括:采用等距柱状投影算法将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到所述三维虚拟空间中。
例如,在本公开一些实施例提供的构建方法中,基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息和所述每个房间对应的平面户型图,形成所述待建模房屋的平面户型图,包括:基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息,确定各个房间对应的平面户型图之间的相对位置关系,并根据所述相对位置关系,对每个房间对应的平面户型图进行摆放拼接,以形成所述待建模房屋的平面户型图。
例如,在本公开一些实施例提供的构建方法中,所述待建模房屋对应的所述多幅全景图片中的每一幅对应的相机位置的信息包括旋转参数矩阵和平移参数向量;基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息,确定各个房间对应的平面户型图之间的相对位置关系,包括:选择所述待建模房屋对应的所述多幅全景图片中的第i幅对应的相机位置作为参考坐标系;将所述待建模房屋对应的所述多幅全景图片中的第j幅对应的平面户型图,首先按照所述第j幅对应的平移参数向量的相反向量进行平移,接着按照所述第j幅对应的旋转参数矩阵的逆矩阵进行旋转,然后按照所述第i幅对应的旋转参数矩阵进行旋转,最后按照所述第i幅对应的平移参数向量进行平移,以将所述第j幅对应的平面户型图统一到所述参考坐标系中;其中,所述第j幅为所述待建模房屋对应的所述多幅全景图片中的除第i幅之外的任一幅,i、j均为正整数。
例如,本公开一些实施例提供的构建方法,还包括:对所述待建模房屋的平面户型图中的至少一个房间对应的平面户型图进行对齐拉伸操作,以形成所述待建模房屋的优化后的平面户型图。
例如,本公开一些实施例提供的构建方法,还包括:对每个房间的垂直校正后的所述至少一幅全景图片中的门窗进行检测,以确定每个房间的所述至少一幅全景图片中的门窗点;以及将每个房间的垂直校正后的所述至少一幅全景图片中的门窗点根据最近邻原则投影到所述待建模房屋的优化后的平面户型图中,以得到待建模房屋的目标平面户型图。
例如,本公开一些实施例提供的构建方法,还包括:对每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的墙角线和第二平面的墙角线进行检测,并确定每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的轮廓和所述第二平面的轮廓,其中,所述第二平面与所述第一平面相对;根据每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的轮廓与所述第二平面的轮廓的面积大小的比值以及每个房间的垂直校正后的所述至少一幅全景图片对应的相机放置高度的信息,计算每个房间的所述第一平面和所述第二平面之间的距离;以及基于所述待建模房屋的目标平面户型图和每个房间的所述第一平面和所述第二平面之间的距离,形成待建模房屋的三维户型图。
例如,本公开一些实施例提供的构建方法,还包括:
将每个房间的垂直校正后的所述至少一幅全景图片中的像素信息至少部分对应地投影到所述待建模房屋的三维户型图中形成纹理,以得到所述待建模房屋的目标三维户型图。
例如,在本公开一些实施例提供的构建方法中,在所述待建模房屋对应多幅全景图片的情况下,所述多幅全景图片对应的相机放置高度基本相等。
例如,在本公开一些实施例提供的构建方法中,每个房间的所述至少一幅全景图片对应的所述相机放置高度与该房间的所述第一平面和所述第二平面之间的距离的比值大于或等于第一阈值,且小于或等于第二阈值。
例如,在本公开一些实施例提供的构建方法中,所述垂直校正算法包括:基于每个房间的所述至少一幅全景图片中的每一幅,检测灭线;对检测到的灭线进行聚类,确定三个主方向,并基于所述三个主方向,确定该幅全景图片的旋转矩阵;将该幅全景图片上的像素点投影为球面坐标,并按照所述旋转矩阵的逆矩阵进行旋转;以及将旋转后的球面坐标投影到全景图片上,以得到该幅全景图片对应的垂直校正后的全景图片。
本公开至少一实施例还提供一种房屋户型图的构建装置,包括:获取单元,被配置为获取待建模房屋的每个房间的至少一幅全景图片以及每个房间的拍摄全景图片的相机在对应的房间内的相机位置和相机放置高度;垂直校正单元,被配置为对每个房间的至少一幅全景图片进行垂直校正;检测单元,被配置为对每个房间的垂直校正后的所述至少一幅全景图片中的第一平面的各个墙角点进行检测;计算单元,被配置为:基于每个房间的拍摄全景图片的相机在对应的房间内的相机放置高度,将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到三维虚拟空间中,并基于每个房间的垂直校正后的所述至少一幅全景图片的投影到所述三维虚拟空间中的所述第一平面的各个墙角点,形成所述每个房间对应的平面户型图;以及基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息和所述每个房间对应的平面户型图,形成所述待建模房屋的平面户型图。
本公开至少一实施例还提供一种房屋户型图的构建装置,包括:处理器;存储器;一个或多个计算机程序模块,其中,所述一个或多个计算机程序模块被存储在所述存储器中并被配置为由所述处理器执行,所述一个或多个计算机程序模块包括用于执行实现本公开任一实施例提供的构建方法的指令。
本公开至少一实施例还提供一种存储介质,非暂时性地存储计算机可读指令,其中,当所述计算机可读指令由计算机执行时,能够执行本公开任一实施例提供的构建方法。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例的附图作简单地介绍,显而易见地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本公开至少一实施例提供的一种房屋户型图的构建方法的示例性流程图;
图2为本公开至少一实施例提供的一种垂直校正算法的示例性流程图;
图3A为本公开至少一实施例提供的一种待建模房屋的各个房间的未经直角化处理的平面户型图的示意图;
图3B为本公开至少一实施例提供的一种待建模房屋的各个房间的经过直角化处理的平面户型图的示意图;
图3C为本公开至少一实施例提供的一种待建模房屋的各个房间的经过对其拉伸操作的平面户型图的示意图;
图4A为本公开至少一实施例提供的一种采用神经网络进行门窗检测的效果示意图;
图4B为本公开至少一实施例提供的一种采用神经网络进行墙角线检测的效果示意图;
图5为本公开至少一实施例提供的一种待建模房屋的目标三维户型图的示意图;
图6为本公开至少一实施例提供的一种构建装置的示意框图;
图7为本公开至少一实施例提供的另一种构建装置的示意框图;
图8为本公开至少一实施例提供的一种电子设备的结构示意图;以及
图9为本公开至少一实施例提供的一种存储介质的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例的附图,对本公开实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本公开的一部分实施例,而不是全部的实施例。基于所描述的本公开的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
除非另外定义,本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
下面通过几个具体的实施例对本公开进行说明。为了保持本公开实施例的以下说明清楚且简明,本公开省略了已知功能和已知部件的详细说明。当本公开实施例的任一部件在一个以上的附图中出现时,该部件在每个附图中由相同或类似的参考标号表示。
一种房屋户型图的建模方式为通过编辑软件由人工进行标记拼接,确定房间之间的连接关系,进而生成二维户型图和三维户型图。该建模方式需要人工编辑,编辑人员需要手工标记房间各组件及空间信息,耗时长且效率低。
另一种房屋户型图的建模方式为素材采集时,除了采集全景图像外,还采集深度信息,并基于全景图像和深度信息对房屋进行建模。该建模方式在拍摄时引入了深度信息,导致拍摄成本增加,拍摄时间变长,虽然提高了制作效率,但是降低了拍摄效率。
本公开至少一实施例提供一种房屋户型图的构建方法。该房屋户型图的构建方法包括:获取待建模房屋的每个房间的至少一幅全景图片,并获取每个房间的拍摄全景图片的相机在对应的房间内的相机位置及相机放置高度,相机放置高度为相机在其对应的房间内相对于该对应的房间的第一平面的高度;对每个房间的至少一幅全景图片进行垂直校正;对每个房间的垂直校正后的至少一幅全景图片中的第一平面的各个墙角点进行检测;基于每个房间的拍摄全景图片的相机在对应的房间内的相机放置高度,将每个房间的垂直校正后的至少一幅全景图片中的第一平面的各个墙角点投影到三维虚拟空间中,并基于每个房间的垂直校正后的至少一幅全景图片的投影到三维虚拟空间中的第一平面的各个墙角点,形成每个房间对应的平面户型图;以及基于每个房间的垂直校正后的至少一幅全景图片对应的相机位置的信息和每个房间对应的平面户型图,形成待建模房屋的平面户型图。
本公开的一些实施例还提供对应于上述房屋户型图的构建方法的构建装置和存储介质。
本公开的实施例提供的房屋户型图的构建方法可以基于全景图片以及拍摄点位置信息自动建模以得到房屋户型图,从而提高房屋户型图的构建效率,同时降低成本。
下面结合附图对本公开的一些实施例及其示例进行详细说明。
图1为本公开至少一实施例提供的一种房屋户型图的构建方法的示例性流程图。例如,如图1所示,该构建方法包括步骤S110至步骤S190。
步骤S110:获取待建模房屋的每个房间的至少一幅全景图片,并获取每个房间的拍摄全景图片的相机在对应的房间内的相机位置及相机放置高度。
例如,待建模房屋是指待构建户型图的房屋,例如,该户型图可以为平面户型图,也可以为三维户型图,本公开的实施例对此不作限制。
例如,在一些实施例中,每幅全景图片可以由多张普通照片或两张180度广角照片拼接而成,例如,每幅全景图片为长宽比为2:1的全景照片。需要说明的是,本公开的实施例对此不作限制。例如,也可以使用全景相机进行拍摄,但不限于此。例如,全景相机与普通相机的不同在于,普通相机通常只用一个镜头来拍摄,而全景相机用两个或者两个以上的镜头(例如,鱼眼镜头)来拍摄,所以全景相机可以实现360度或720度的拍摄。
例如,在一些实施例中,在拍摄任一房间的全景照片时,为了使该房间的各个方位(例如,前、后、左、右、上、下等多个方位)的场景都以合适的尺度(例如,便于观察和处理)呈现在拼接得到的全景图片中,相机(例如,全景相机)一般被设置在该房间的中央附近。应当理解的是,本公开的实施例对此不作限制。
例如,在本公开的实施例中,“相机位置”包括相机在平行于房间的地面或天花板的方向(即水平方向)上的位置,例如,相机位置包括平移参数向量(Tx,Ty);“相机放置高度”是指相机在垂直于房间的地面或天花板的方向(即垂直方向)上的位置,例如,相机放置高度可以用标量表示。例如,在拍摄时,相机一般设置在例如三脚架上,平移参数向量(Tx,Ty)可以用于标定相机的中心在地面上的投影的位置,而相机放置高度可以用于标定相机的中心到地面的距离。例如,在一些示例中,为了便于拍摄以及后续处理,在拍摄待建模房屋的各个房间的全景图片时,相机放置高度基本保持不变(即相等)。例如,在一些示例中,为了提供较好的显示效果,相机一般与房间的各个墙面保持一定距离,同时,相机放置高度与该房间的高度(即天花板到地面的距离)的比值可以大于或等于第一阈值而小于或等于第二阈值,也就是说该比值在一定的阈值范围内。应当理解的是第一阈值小于第二阈值。例如,在一些示例中,第一阈值可以为30%、35%、40%等,第二阈值可以为60%、65%、70%等。应当理解的是,本公开的实施例对此不作限制。
例如,在一些实施例中,待建模房屋的每个房间对应至少一幅全景图片,而每幅全景图片对应一个房间。例如,在一些示例中,在对每个房间进行拍摄时,将该房间与其相邻房间连通的房门打开(例如,完全打开),从而每个房间对应的全景图片包括与该房间连通的房门打开时透过该房门拍摄到的其相邻房间的部分图像信息,而且其相邻房间的部分图像信息根据相机的拍摄视角的不同而不同。例如,在一些示例中,可以在拍摄全景图片时添加约束:所有房门必须完全打开,以保证可以通过房门采集到连通的相邻房间的部分图像信息。需要说明的是,本公开的实施例包括但不限于此。
步骤S120:对每个房间的至少一幅全景图片进行垂直校正。
例如,在将相机设置在三脚架上进行拍摄时,可能存在由于三脚架放置不水平,导致拼接得到的全景图片相对于水平面出现图像歪斜的问题。因此,在本公开的实施例中,可以采用垂直校正算法对每个房间的至少一幅全景图片进行垂直校正。
图2为本公开至少一实施例提供的一种垂直校正算法的示例性流程图。例如,如图2所示,该垂直校正算法包括步骤S210至步骤S240。
步骤S210:基于每个房间的所述至少一幅全景图片中的每一幅,检测灭线;
步骤S220:对检测到的灭线进行聚类,确定三个主方向,并基于该三个主方向,确定该幅全景图片的旋转矩阵;
步骤S230:将该幅全景图片上的像素点投影为球面坐标,并按照旋转矩阵的逆矩阵进行旋转;
步骤S240:将旋转后的球面坐标投影到全景图片上,以得到该幅全景图片对应的垂直校正后的全景图片;
例如,在步骤S210中,“灭线”是指经过视点且平行于某一已知平面的平面与画面(例如,全景图片所在的平面)的交线。例如,对于每个房间而言,该已知平面可以是天花板或地面或任一墙面(垂直于天花板和地面)。
例如,在步骤S220中,可以将步骤S210中检测到的灭线按方向的不同进行聚类,得到分别代表x/y/z三个主方向(三维空间直角坐标系的三个坐标轴方向)的三类灭线,进而可以根据得到的x/y/z三个主方向,确定该幅全景图片的旋转矩阵。例如,在一些示例中,该幅全景图片的旋转矩阵为相对于该幅全景的图片的水平方向、竖直方向以及垂直于该幅全景图片所在平面的方向构成的三维坐标系而言的旋转矩阵。应当理解的是,各幅全景图片的旋转矩阵参考的上述三维坐标系是相同的。
例如,在步骤S230中,假定沿该幅全景图片的长度方向和宽度方向构建图像坐标系,则该幅全景图片上的任一像素点在图像坐标系下的图像坐标可以表示为(p,q)。由于全景图片是通过球面投影得到的,因此可以将其上的任一像素点投影到球面坐标系下,假设该像素点的球面坐标系下的球面坐标为(θ,φ)。例如,球面坐标(θ,φ)可以通过以下图像坐标到球面坐标的换算公式(1)计算得到。
在公式(1)中,θ表示球面坐标系下的经度,φ表示球面坐标系下的纬度,p表示该像素点在全景图片中的第p列,q表示该像素点在全景图片中的第q行,全景图片包括总共L列q行的像素点构成的像素点阵。
例如,在步骤S230中,可以将该幅全景图片上的各像素点的图像坐标
按上述公式(1)均投影为球面坐标,然后按照步骤S220中得到的旋转矩阵的逆矩阵进行旋转,得到旋转后的球面坐标。
例如,在步骤S240中,可以根据上述球面坐标的计算公式进行逆运算,将旋转后的球面坐标重新投影到全景图片上,以得到该幅全景图片对应的垂直校正后的全景图片。上述球面坐标的计算公式的逆运算(即将球面坐标换算为图像坐标系)通过简单的数学推导即可得到,在此不再赘述。
例如,通过上述垂直校正算法进行垂直校正,可以避免部分全景图片出现图像歪斜的问题,从而便于后续的进一步处理。
应当理解的是,在一些实施例中,可以在步骤S110中直接获取待建模房屋的经过垂直校正(例如,可以通过步骤S120中的垂直校正算法进行校正,也可以者通过人工采用图像编辑软件进行校正)的全景图片,从而可以省略步骤S120。
步骤S130:对每个房间的垂直校正后的至少一幅全景图片中的第一平面的各个墙角点进行检测。
例如,在一些实施例中,该第一平面为该房间的地面或天花板。
例如,在一些实施例中,可以通过一种神经网络执行步骤S130的操作。例如,在一些示例中,可以采用深度卷积神经网络对全景图片中的房间的各个墙角点进行检测。例如,该深度卷积神经网络的一个示例为LayoutNet,关于LayoutNet的结构、处理过程和细节可以参考下述文献,Chuhang Zou,Alex Colburn,Qi Shan,Derek Hoiem,LayoutNet:Reconstructing the 3D Room Layout from a Single RGB Image.arXiv:1803.08999v1[cs.CV]。当然,应当理解的是,为了实现墙角点检测的功能,只需要使用LayoutNet的与墙角点检测相关的网络结构,而不需要使用完整的LayoutNet。另外,还应当理解的是,在本公开的实施例中,还可以使用其他具备同样的墙角点检测功能的神经网络来执行步骤S130的操作。需要说明的是,本公开的实施例对此不作限制。
步骤S140:基于每个房间的拍摄全景图片的相机在对应的房间内的相机放置高度,将每个房间的垂直校正后的至少一幅全景图片中的第一平面的各个墙角点投影到三维虚拟空间中,并基于每个房间的垂直校正后的至少一幅全景图片的投影到三维虚拟空间中的第一平面的各个墙角点,形成每个房间对应的平面户型图。
例如,在一些实施例中,可以采用等距柱状投影算法(EquirectangularProjection)将每个房间的垂直校正后的至少一幅全景图片中的第一平面的各个墙角点投影到三维虚拟空间中。例如,在等距柱状投影算法中,可以先根据前述公式(1)将检测到的垂直校正后的至少一幅全景图片中的第一平面的各个墙角点(pc,qc)投影到球面坐标系,得到各个墙角点的球面坐标(θc,φc),再基于各个墙角点的球面坐标(θc,φc),将各个墙角点投影到三维虚拟空间(即构建模型的虚拟空间中的笛卡尔坐标系)中。例如,上述球面坐标系和虚拟空间中的笛卡尔坐标系具有同一原点。例如,各个墙角点在三维虚拟空间中的坐标可以通过以下换算公式(2)计算得到。
在公式(2)中,(xc,yc,zc)表示一个房间的第一平面的任一墙角点在三维虚拟空间中的坐标,hc表示在虚拟空间中该房间的第一平面到拍摄点(即三维虚拟空间的坐标原点)的距离,(θc,φc)表示该房间的第一平面的任一墙角点的球面坐标。
以第一平面为地面为例,假定在对房间进行拍摄时,相机放置高度为h1,即在现实空间中,拍摄点到地面的距离为h1(例如,正值)。应当理解的是,在第一平面为地面的情况下,对于各个房间而言,hc与h1的比例应当为同一个恒定值(例如,正值)。例如,在一些示例中,相机放置高度h1基本保持不变,从而,各个房间对应的hc通常可以取同一数值。
以第一平面为天花板为例,虽然在对房间进行拍摄时,拍摄点到天花板的距离h2通常是未知的,但是其可以基于全景图片中的天花板和地面的轮廓面积的比值与对应的相机放置高度h1计算得到(参考下述步骤S180中的相关描述)。应当理解的是,在第一平面为天花板的情况下,对于各个房间而言,hc与h2的比例应当为同一个恒定值(例如,负值)。例如,在一些示例中,由于各个房间的实际高度(即在现实空间中天花板到地面的距离)基本保持不变,同时相机放置高度h1基本保持不变,因此,拍摄点到天花板的距离h2也基本保持不变,从而,各个房间对应的hc通常可以取同一数值。
例如,进一步地,可以基于每个房间的垂直校正后的至少一幅全景图片的投影到三维虚拟空间中的第一平面的各个墙角点的坐标(xc,yc,zc),形成每个房间对应的平面户型图。例如,在一些示例中,可以将投影到三维虚拟空间中的第一平面的各个墙角点依次连接,以形成虚拟空间中的第一平面的二维轮廓图(即平面户型图)。例如,在一些示例中,对于形状为直角多边形的房间,可以对投影到三维虚拟空间中的第一平面的各个墙角点添加直角约束,并形成直角化后的虚拟空间中的第一平面的二维轮廓图(即平面户型图)。需要说明的是,本公开的实施例对此不作限制。
图3A为本公开至少一实施例提供的一种待建模房屋的各个房间的未经直角化处理的平面户型图的示意图,图3B为本公开至少一实施例提供的一种待建模房屋的各个房间的经过直角化处理的平面户型图的示意图。图3B与图3A对应于同一待建模房屋。例如,比较图3A和图3B可知,图3B中的经过直角化处理之后的待建模房屋的各个房间的平面户型图更符合现实中的房间的轮廓形状,因此也更合理。
步骤S150:基于每个房间的垂直校正后的至少一幅全景图片对应的相机位置的信息和每个房间对应的平面户型图,形成待建模房屋的平面户型图。
例如,在待建模房屋仅包括一个房间的情况下,通过步骤S140得到的房间的平面户型图,即为该待建模房屋的平面户型图。
例如,在一般情况下,待建模房屋通常包括多个房间,例如,该多个房间包括但不限于客厅、厨房、卧室、卫生间等等。在此情况下,可以先基于每个房间的垂直校正后的至少一幅全景图片对应的相机位置的信息,确定各个房间对应的平面户型图之间的相对位置关系,再根据确定的相对位置关系,对每个房间对应的平面户型图进行摆放拼接,以形成待建模房屋的平面户型图。
例如,待建模房屋对应的多幅全景图片中的每一幅对应的相机位置的信息不仅包括平移参数向量T=(Tx,Ty),还包括旋转参数矩阵R。例如,旋转参数矩阵R可以用于表征相机拍摄时的欧拉角。例如,在一些实施例中,可以使用一移动终端与相机配合工作,例如可以将移动终端也设置在三脚架上,且移动终端与相机的相对位置固定。例如,移动终端可以为手机、平板电脑等任意适用的设备,本公开的实施例对此不作限制。移动终端中运行有即时定位及建图软件,例如SLAM(Simultaneous Localization And Mapping),通过该软件即可得到拍摄点(即相机)的相机位置参数(包括平移参数向量T和旋转参数矩阵R)。
例如,在一些实施例中,基于每个房间的垂直校正后的至少一幅全景图片对应的相机位置的信息,确定各个房间对应的平面户型图之间的相对位置关系,可以包括:选择待建模房屋对应的多幅全景图片中的第i幅对应的相机位置作为参考坐标系;将待建模房屋对应的多幅全景图片中的第j幅对应的平面户型图,首先按照第j幅对应的平移参数向量的相反向量进行平移,接着按照第j幅对应的旋转参数矩阵的逆矩阵进行旋转,然后按照第i幅对应的旋转参数矩阵进行旋转,最后按照第i幅对应的平移参数向量进行平移,以将第j幅对应的平面户型图统一到参考坐标系中;其中,第j幅为待建模房屋对应的多幅全景图片中的除第i幅之外的任一幅,i、j均为正整数。例如,将第j幅对应的平面户型图统一到参考坐标系中可以通过以下公式(3)实现。
在公式(3)中,Xj表示第j幅对应的平面户型图中的任一点(例如,墙角点)在自身坐标系中的坐标,Xj→i表示第j幅对应的平面户型图中的该点在参考坐标系中的坐标,Ti和Ri分别表示第i幅对应的平移参数向量和旋转参数矩阵,Tj和Rj分别表示第j幅对应的平移参数向量和旋转参数矩阵,Rj -1表示旋转参数矩阵Rj的逆矩阵。
例如,在一些实施例中,可以根据各幅全景图片对应的平移参数向量在一个虚拟平面内确定各幅全景图片对应的拍摄点的位置。例如,可以在该虚拟平面内构建平面坐标系,假设任一幅全景图片对应的相机位置的平移参数向量为(Tx,Ty),则可以将该幅全景图片的拍摄点设置在该平面坐标系的点(tx,ty)处,其中,tx/Tx=ty/Ty。然后将前述统一到同一参考坐标系的各幅全景图片对应的平面户型图基于各自对应的拍摄点在该平面坐标系中进行方拼接,由此可以得到待建模房屋的平面户型图。
应当理解的是,在一个房间对应多幅全景图片的情况下,也可以采用上述方法将该多幅图片对应的平面户型图统一到同一参考坐标系中,再进行摆放拼接,从而可以得到该房间的平面户型图。
应当理解的是,为了使待建模房屋的平面户型图相当于待建模房屋的实际平面形状的等比例缩放,在执行步骤S140和步骤S150之前,通常需要统一待建模房屋对应的多幅全景图片对应的相机位置及相机放置高度的尺度。例如,在一些实施例中,统一待建模房屋对应的多幅全景图片对应的相机位置及相机放置高度的尺度,包括:(1)将在现实空间中获取的相机位置的平移参数向量和相机放置高度的单位统一为同一长度单位,例如包括但不限于米、厘米等;(2)使三维虚拟空间中的拍摄点到地面的距离hc与现实空间中获取的相机放置高度h1的比例的绝对值等于三维虚拟空间中的平移参数向量与现实空间中获取的平移参数向量的比例的绝对值,或者使三维虚拟空间中拍摄点相对于天花板的距离hc与现实空间中计算得到的拍摄点到天花板的距离h2(其单位与相机放置高度的单位相同)的比例的绝对值等于三维虚拟空间中的平移参数向量与现实空间中获取的平移参数向量的比例的绝对值。例如,上述比例的绝对值可以称为同一尺度变换参数。
步骤S160:对待建模房屋的平面户型图中的至少一个房间对应的平面户型图进行对齐拉伸操作,以形成待建模房屋的优化后的平面户型图。
例如,在一些实施例中,前述步骤S140中得到的房间的平面户型图可能存在边线不直和/或边与边不垂直的现象,前述步骤S150中得到的待建模房屋的平面户型图中可能存在相邻房间之间存在重叠或缝隙的现象,因此,可以通过对待建模房屋的平面户型图中的至少一个房间对应的平面户型图进行对齐拉伸操作,消除上述不合理的现象,以得到更合理的待建模房屋的优化后的平面户型图。
例如,图3A和图3B中示出了上述不合理的现象。图3C为本公开至少一实施例提供的一种待建模房屋的各个房间的经过对其拉伸操作的平面户型图的示意图。图3C与图3B对应于同一待建模房屋。例如,比较图3C和图3B可知,图3C中的待建模房屋的优化后的平面户型图消除了上述不合理的现象,因此也更合理。
应当理解的是,图3A、图3B和图3C中的待建模房屋的各个房间的平面户型图已经过步骤S150中的摆放拼接处理;另外,图3C中还示出了由下述步骤S170中得到的门窗点确定的各个房间的门窗(如图3C中的线条的缺口所示)。也就是说,在本公开的实施例中,各个步骤的顺序并不受限制。
步骤S170:对每个房间的垂直校正后的至少一幅全景图片中的门窗进行检测,以确定每个房间的至少一幅全景图片中的门窗点;将每个房间的垂直校正后的至少一幅全景图片中的门窗点根据最近邻原则投影到待建模房屋的优化后的平面户型图中,以得到待建模房屋的目标平面户型图。
例如,在本公开的实施例中,门窗点是指门窗的各个顶点。
例如,在一些实施例中,可以通过另一种神经网络(例如,不同于步骤S130中的神经网络)执行步骤S170的门窗检测操作。例如,在一些示例中,可以采用R-CNN(Region-based CNN)、SPP-net(Spatial Pyramid Pooling-net)、Fast R-CNN、Faster R-CNN、R-FCN(Region-based Fully Convolutional Networks)、YOLO等神经网络模型中的任一种对全景图片中的房间的门窗进行检测的功能。例如,在一些示例中,可以对上述神经网络模型进行从头训练(有监督的学习),而使其具备门窗检测功能。需要说明的是,本公开的实施例包括但不限于此。
图4A为本公开至少一实施例提供的一种采用神经网络进行门窗检测的效果示意图。例如,如图4A所示,采用神经网络可以快速而准确地检测出全景图片中的门窗。同时,应当理解的是,采用神经网络进行门窗检测具有处理速度快的优点,从而可以提高房屋户型图的构建效率。
例如,在一些实施例中,可以将检测到的每个房间的垂直校正后的至少一幅全景图片中的门窗点根据最近邻原则投影到待建模房屋的优化后的平面户型图中,以得到待建模房屋的目标平面户型图。例如,待建模房屋的目标平面户型图中呈现出了门窗,从而在目标平面户型图中可以向用户展现出待建模房屋的各个房间的连通状况,使用户获得更多的待建模房屋的信息。
步骤S180:对每个房间的垂直校正后的至少一幅全景图片中的第一平面的墙角线和第二平面的墙角线进行检测,并确定每个房间的垂直校正后的至少一幅全景图片中的第一平面的轮廓和第二平面的轮廓,其中,第二平面与第一平面相对;根据每个房间的垂直校正后的至少一幅全景图片中的第一平面的轮廓与第二平面的轮廓的面积大小的比值以及每个房间的垂直校正后的至少一幅全景图片对应的相机放置高度的信息,计算每个房间的所述第一平面和所述第二平面之间的距离;以及基于待建模房屋的目标平面户型图和每个房间的第一平面和第二平面之间的距离,形成待建模房屋的三维户型图。
例如,在一些实施例中,第一平面为房间的地面,而第二平面为房间的天花板;例如,在另一些实施例中,第一平面为房间的天花板,而第二平面为房间的地面。
例如,在一些实施例中,也可以通过一种神经网络(例如,不同于步骤S170中的神经网络模型)执行步骤S180的墙角线检测操作。例如,在一些示例中,可以采用深度卷积神经网络(例如LayoutNet)对全景图片中的房间的第一平面的墙角线和第二平面的墙角线进行检测的功能。当然,应当理解的是,为了实现墙角线检测的功能,只需要使用LayoutNet的与墙角线检测相关的网络结构,而不需要使用完整的LayoutNet。另外,还应当理解的是,在本公开的实施例中,还可以使用其他具备同样的墙角线检测功能的神经网络来执行步骤S170的操作。需要说明的是,在一些示例中,步骤S180中的神经网络与步骤S130中的神经网络可以为同一神经网络;在另一些示例中,步骤S180中的神经网络与步骤S130中的神经网络可以为不同的神经网络需要说明的是,本公开的实施例对此不作限制。
应当理解的是,采用神经网络进行墙角线检测具有处理速度快的优点,从而可以提高房屋户型图的构建效率。需要说明的是,本公开的实施例涉及到的各种神经网络等均可以采用软件、硬件、固件或其任意组合等方式实现,从而执行相应的处理过程。
图4B为本公开至少一实施例提供的一种采用神经网络进行墙角线检测的效果示意图。例如,如图4B所示,采用神经网络可以快速而准确地检测出全景图片中的天花板和地面的墙角线。例如,如图4B所示,在检测出全景图片中的天花板和地面的墙角线后,可以确定该全景图片中的天花板的轮廓和地面的轮廓;根据的天花板的轮廓与地面的轮廓的面积大小的比值以及对应的相机放置高度的信息,可以计算得到现实空间中的房间的高度。例如,可以先根据以下关系式(4)计算得到拍摄点到天花板的距离。
在关系式(4)中,S1表示全景图片中的地面的轮廓的面积大小,S2表示全景图片中的天花板的轮廓的面积大小,h1表示现实空间中的拍摄点到地面的距离(即相机放置高度),h2表示现实空间中的拍摄点到天花板的距离。
然后,只要将计算得到的拍摄点到天花板的距离与步骤S110中获得的拍摄点到地面的距离(即相机放置高度)相加,即可得到现实空间中的房间的高度(即第一平面到第二平面之间的距离)。
接着,只要将现实空间中的房间的高度乘以前述同一尺度变换参数,即可得到在三维虚拟空间中的房间的高度,从而,只要根据在三维虚拟空间中的各房间的高度将待建模房屋的目标平面户型图进行立体化,即可得到待建模房屋的三维户型图。应当理解的是,待建模房屋的各个房间的高度通常是一致的,因此,在一些实施例中,为了简化计算,可以仅计算一个房间的高度,并将其作为待建模房屋的各个房间的高度,本公开的实施例包括但不限于此。
例如,在一些实施例中,还可以将步骤S170中检测到的门窗点至少部分对应地投影到待建模房屋的三维户型图中,从而可以在三维户型图中向用户展现出待建模房屋的各个房间的连通状况,使用户获得更多的待建模房屋的信息。
步骤S190:将每个房间的垂直校正后的至少一幅全景图片中的像素信息至少部分对应地投影到待建模房屋的三维户型图中形成纹理,以得到待建模房屋的目标三维户型图。
例如,在一些实施例中,可以先将每个房间的垂直校正后的至少一幅全景图片中的像素信息至少部分地投影到球面坐标系中,再将球面坐标系中的像素信息投影到待建模房屋的三维户型图中以形成纹理。应当理解的是,全景图片中的像素点与三维户型图中的像素点可能并非一一对应的,在此情况下,可以在全景图片中的像素信息投影到待建模房屋的三维户型图中后,通过插值算法对三维户型图中的各像素点的像素值进行校正或补全。
例如,在另一些实施例中,可以先将待建模房屋的三维户型图中的任一像素点VP投影到相应的垂直校正后的全景图片中,如果在垂直校正后的全景图片中有一个像素点RP恰好与VP对应,则将像素点RP的像素值作为VP的像素值;如果在垂直校正后的全景图片中没有像素点恰好与VP对应,则可以基于垂直校正后的全景图片中的VP的投影点附近的像素点进行插值,得到VP的投影点的像素值,并将VP的投影点的像素值作为VP的像素值。由此,也可以在待建模房屋的三维户型图上形成纹理,从而得到待建模房屋的目标三维户型图。
图5为本公开至少一实施例提供的一种待建模房屋的目标三维户型图的示意图。例如,如图5所示,待建模房屋的目标三维户型图不仅示出了各个房间的空间布局,还提供了各个房间的纹理信息,从而可以向用户传递更多信息(包括各个房间的装饰和使用状况等)。该目标三维户型图可以应用于网上看房和VR看房等。应当理解的是,为了在平面图中示出待建模房屋的各个房间的内部信息,图5中省略了待建模房屋的房顶(即天花板)和部分墙面的信息。
本公开的至少一实施例提供的房屋户型图的构建方法,既可以构建平面户型图(包括步骤S150中得到的平面户型图、步骤S160中的优化后的平面户型图以及步骤S170中的目标平面户型图等),也可以构建三维户型图(包括步骤S180中得到的三维户型图以及步骤S190中的目标三维户型图等),这些平面户型图和三维户型图可以应用于网上看房等,其中,待建模房屋的目标三维户型图还可以应用于VR看房等。
需要说明的是,在本公开的实施例中,上述房屋户型图的构建方法的流程可以包括更多或更少的操作,这些操作可以顺序执行或并行执行。虽然上文描述的图像处理方法的流程包括特定顺序出现的多个操作,但是应该清楚地了解,多个操作的顺序并不受限制。上文描述的房屋户型图的构建方法可以执行一次,也可以按照预定条件执行多次。
本公开的上述实施例提供的房屋户型图的构建方法可以基于全景图片以及拍摄点位置信息自动建模以得到待建模房屋的平面户型图和/或三维户型图,从而提高房屋户型图的构建效率,同时降低成本。
本公开至少一实施例还提供一种房屋户型图的装置。图6为本公开至少一实施例提供的一种构建装置的示意框图。
例如,如图6所示,该房屋户型图的构建装置100包括获取单元110、垂直校正单元120、检测单元130和计算单元140。例如,这些单元可以通过硬件(例如电路)模块或软件模块等实现,以下是实施例与此相同,不再赘述。例如,可以通过中央处理单元(CPU)、图像处理器(GPU)、张量处理器(TPU)、现场可编程逻辑门阵列(FPGA)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元以及相应计算机指令来实现这些单元。
例如,获取单元110,被配置为获取待建模房屋的每个房间的至少一幅全景图片以及每个房间的拍摄全景图片的相机在对应的房间内的相机位置和相机放置高度。例如,该获取单元110可以实现步骤S110,其具体实过程和现方法可以参考步骤S110的相关描述,在此不再重复赘述。
例如,垂直校正单元120,被配置为对每个房间的至少一幅全景图片进行垂直校正。例如,该垂直校正单元120可以实现步骤S120,其具体实现过程和方法可以参考步骤S120的相关描述,在此不再重复赘述。
例如,检测单元130,被配置为对每个房间的垂直校正后的至少一幅全景图片中的第一平面的各个墙角点进行检测。例如,该检测单元130可以实现步骤S130,其具体实现过程和方法可以参考步骤S130的相关描述,在此不再重复赘述。
例如,计算单元140,被配置为:基于每个房间的拍摄全景图片的相机在对应的房间内的相机放置高度,将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到三维虚拟空间中,并基于每个房间的垂直校正后的所述至少一幅全景图片的投影到所述三维虚拟空间中的所述第一平面的各个墙角点,形成所述每个房间对应的平面户型图;以及基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息和所述每个房间对应的平面户型图,形成所述待建模房屋的平面户型图。例如,该计算单元140可以实现步骤S140和步骤S150,其具体实现过程和方法可以参考步骤S140和步骤S150的相关描述,在此不再重复赘述。
例如,在一些实施例中,该构建装置100还可以基于例如检测单元130、计算单元140或者另外的单元实现步骤S160至步骤S190。也就是说,该构建装置100可以实现前述房屋户型图的构建方法的步骤S110至步骤S190中的一个或多个步骤,本公开的实施例对此不作限制。
需要注意的是,在本公开的实施例中,该构建装置100可以包括更多或更少的电路或单元,并且各个电路或单元之间的连接关系不受限制,可以根据实际需求而定。各个电路的具体构成方式不受限制,可以根据电路原理由模拟器件构成,也可以由数字芯片构成,或者以其他适用的方式构成。
图7为本公开至少一实施例提供的另一种房屋户型图的构建装置的示意框图。例如,如图7所示,该构建装置200包括处理器210、存储器220以及一个或多个计算机程序模块221。
例如,处理器210与存储器220通过总线系统230连接。例如,一个或多个计算机程序模块221被存储在存储器220中。例如,一个或多个计算机程序模块221包括用于执行本公开任一实施例提供的房屋户型图的构建方法的指令。例如,一个或多个计算机程序模块221中的指令可以由处理器210执行。例如,总线系统230可以是常用的串行、并行通信总线等,本公开的实施例对此不作限制。
例如,该处理器210可以是中央处理单元(CPU)、数字信号处理器(DSP)、图像处理器(GPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,可以为通用处理器或专用处理器,并且可以控制构建装置200中的其它组件以执行期望的功能。
存储器220可以包括一个或多个计算机程序产品,该计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器210可以运行该程序指令,以实现本公开实施例中(由处理器210实现)的功能以及/或者其它期望的功能,例如房屋户型图的构建方法等。在该计算机可读存储介质中还可以存储各种应用程序和各种数据,例如检测到的墙角点和门窗点的坐标以及应用程序使用和/或产生的各种数据等。
需要说明的是,为表示清楚、简洁,本公开实施例并没有给出该构建装置200的全部组成单元。为实现构建装置200的必要功能,本领域技术人员可以根据具体需要提供、设置其他未示出的组成单元,本公开的实施例对此不作限制。
关于不同实施例中的房屋户型图的构建装置100和房屋户型图的构建装置200的技术效果可以参考本公开的实施例中提供的房屋户型图的构建方法的技术效果,在此不再赘述。
房屋户型图的构建装置100和房屋户型图的构建装置200可以用于各种适当的电子设备。图8为本公开至少一实施例提供的一种电子设备的结构示意图。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8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。
例如,如图8所示,在一些示例中,电子设备300包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有计算机系统操作所需的各种程序和数据。处理装置301、ROM302以及RAM303通过总线304被此相连。输入/输出(I/O)接口305也连接至总线304。
例如,以下部件可以连接至I/O接口305: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306;包括诸如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据,经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储装置309。虽然图8示出了包括各种装置的电子设备300,但是应理解的是,并不要求实施或包括所有示出的装置。可以替代地实施或包括更多或更少的装置。
例如,该电子设备300还可以进一步包括外设接口(图中未示出)等。该外设接口可以为各种类型的接口,例如为USB接口、闪电(lightning)接口等。该通信装置309可以通过无线通信来与网络和其他设备进行通信,该网络例如为因特网、内部网和/或诸如蜂窝电话网络之类的无线网络、无线局域网(LAN)和/或城域网(MAN)。无线通信可以使用多种通信标准、协议和技术中的任何一种,包括但不局限于全球移动通信系统(GSM)、增强型数据GSM环境(EDGE)、宽带码分多址(W-CDMA)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、Wi-Fi(例如基于IEEE 802.11a、IEEE 802.11b、IEEE 802.11g和/或IEEE 802.11n标准)、基于因特网协议的语音传输(VoIP)、Wi-MAX,用于电子邮件、即时消息传递和/或短消息服务(SMS)的协议,或任何其他合适的通信协议。
例如,电子设备可以为手机、平板电脑、笔记本电脑、电子书、游戏机、电视机、数码相框、导航仪等任何设备,也可以为任意的电子设备及硬件的组合,本公开的实施例对此不作限制。
例如,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309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述房屋户型图的构建功能。
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。在本公开的实施例中,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。而在本公开的实施例中,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:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,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:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;接收到的网际协议地址指示内容分发网络中的边缘节点。
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但不限于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)。
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。
在本公开的各个实施例中,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。
本公开至少一实施例还提供一种存储介质。图9为本公开至少一实施例提供的一种存储介质的示意图。例如,如图9所示,该存储介质400非暂时性地存储计算机可读指令401,当非暂时性计算机可读指令由计算机(包括处理器)执行时可以执行本公开任一实施例提供的房屋户型图的构建方法。
例如,该存储介质可以是一个或多个计算机可读存储介质的任意组合,例如一个计算机可读存储介质包含获取待建模房屋的每个房间的至少一幅全景图片以及每个房间的拍摄全景图片的相机在对应的房间内的相机位置和相机放置高度的计算机可读的程序代码,另一个计算机可读存储介质包含对每个房间的至少一幅全景图片进行垂直校正的计算机可读的程序代码,等等。例如,当该程序代码由计算机读取时,计算机可以执行该计算机存储介质中存储的程序代码,执行例如本公开任一实施例提供的房屋户型图的构建方法。
例如,存储介质可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、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)、便携式紧致盘只读存储器(CD-ROM)、闪存、或者上述存储介质的任意组合,也可以为其他适用的存储介质。
本公开的实施例提供的存储介质的技术效果可以参考上述实施例中关于房屋户型图的构建方法的相应描述,在此不再赘述。
对于本公开,有以下几点需要说明:
(1)本公开实施例附图中,只涉及到与本公开实施例涉及到的结构,其他结构可参考通常设计。
(2)在不冲突的情况下,本公开同一实施例及不同实施例中的特征可以相互组合。
以上,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (15)
1.一种房屋户型图的构建方法,包括:
获取待建模房屋的每个房间的至少一幅全景图片,并获取每个房间的拍摄全景图片的相机在对应的房间内的相机位置及相机放置高度,所述相机放置高度为所述相机在其对应的房间内相对于该对应的房间的第一平面的高度;
对每个房间的所述至少一幅全景图片进行垂直校正;
对每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点进行检测;
基于每个房间的拍摄全景图片的相机在对应的房间内的相机放置高度,将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到三维虚拟空间中,并基于每个房间的垂直校正后的所述至少一幅全景图片的投影到所述三维虚拟空间中的所述第一平面的各个墙角点,形成所述每个房间对应的平面户型图;以及
基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息和所述每个房间对应的平面户型图,形成所述待建模房屋的平面户型图。
2.根据权利要求1所述的构建方法,其中,所述待建模房屋对应多幅全景图片,
在基于每个房间的拍摄全景图片的相机在对应的房间内的相机放置高度,将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到三维虚拟空间中,并基于每个房间的垂直校正后的所述至少一幅全景图片的投影到所述三维虚拟空间中的所述第一平面的各个墙角点,形成所述每个房间对应的平面户型图之前,
所述建模方法还包括:
统一所述多幅全景图片对应的相机位置及相机放置高度的尺度。
3.根据权利要求2所述的构建方法,其中,
基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机放置高度的信息,将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到所述三维虚拟空间中,包括:
采用等距柱状投影算法将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到所述三维虚拟空间中。
4.根据权利要求2所述的构建方法,其中,基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息和所述每个房间对应的平面户型图,形成所述待建模房屋的平面户型图,包括:
基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息,确定各个房间对应的平面户型图之间的相对位置关系,并根据所述相对位置关系,对每个房间对应的平面户型图进行摆放拼接,以形成所述待建模房屋的平面户型图。
5.根据权利要求4所述的构建方法,其中,所述待建模房屋对应的所述多幅全景图片中的每一幅对应的相机位置的信息包括旋转参数矩阵和平移参数向量;
基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息,确定各个房间对应的平面户型图之间的相对位置关系,包括:
选择所述待建模房屋对应的所述多幅全景图片中的第i幅对应的相机位置作为参考坐标系;
将所述待建模房屋对应的所述多幅全景图片中的第j幅对应的平面户型图,首先按照所述第j幅对应的平移参数向量的相反向量进行平移,接着按照所述第j幅对应的旋转参数矩阵的逆矩阵进行旋转,然后按照所述第i幅对应的旋转参数矩阵进行旋转,最后按照所述第i幅对应的平移参数向量进行平移,以将所述第j幅对应的平面户型图统一到所述参考坐标系中;
其中,所述第j幅为所述待建模房屋对应的所述多幅全景图片中的除第i幅之外的任一幅,i、j均为正整数。
6.根据权利要求2所述的构建方法,还包括:
对所述待建模房屋的平面户型图中的至少一个房间对应的平面户型图进行对齐拉伸操作,以形成所述待建模房屋的优化后的平面户型图。
7.根据权利要求6所述的构建方法,还包括:
对每个房间的垂直校正后的所述至少一幅全景图片中的门窗进行检测,以确定每个房间的所述至少一幅全景图片中的门窗点;以及
将每个房间的垂直校正后的所述至少一幅全景图片中的门窗点根据最近邻原则投影到所述待建模房屋的优化后的平面户型图中,以得到待建模房屋的目标平面户型图。
8.根据权利要求7所述的构建方法,还包括:
对每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的墙角线和第二平面的墙角线进行检测,并确定每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的轮廓和所述第二平面的轮廓,其中,所述第二平面与所述第一平面相对;
根据每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的轮廓与所述第二平面的轮廓的面积大小的比值以及每个房间的垂直校正后的所述至少一幅全景图片对应的相机放置高度的信息,计算每个房间的所述第一平面和所述第二平面之间的距离;以及
基于所述待建模房屋的目标平面户型图和每个房间的所述第一平面和所述第二平面之间的距离,形成待建模房屋的三维户型图。
9.根据权利要求8所述的构建方法,还包括:
将每个房间的垂直校正后的所述至少一幅全景图片中的像素信息至少部分对应地投影到所述待建模房屋的三维户型图中形成纹理,以得到所述待建模房屋的目标三维户型图。
10.根据权利要求1-9任一项所述的构建方法,其中,在所述待建模房屋对应多幅全景图片的情况下,所述多幅全景图片对应的相机放置高度基本相等。
11.根据权利要求10所述的构建方法,其中,每个房间的所述至少一幅全景图片对应的所述相机放置高度与该房间的所述第一平面和所述第二平面之间的距离的比值大于或等于第一阈值,且小于或等于第二阈值。
12.根据权利要求1-9任一项所述的构建方法,其中,所述垂直校正算法包括:
基于每个房间的所述至少一幅全景图片中的每一幅,检测灭线;
对检测到的灭线进行聚类,确定三个主方向,并基于所述三个主方向,确定该幅全景图片的旋转矩阵;
将该幅全景图片上的像素点投影为球面坐标,并按照所述旋转矩阵的逆矩阵进行旋转;以及
将旋转后的球面坐标投影到全景图片上,以得到该幅全景图片对应的垂直校正后的全景图片。
13.一种房屋户型图的构建装置,包括:
获取单元,被配置为获取待建模房屋的每个房间的至少一幅全景图片以及每个房间的拍摄全景图片的相机在对应的房间内的相机位置和相机放置高度;
垂直校正单元,被配置为对每个房间的至少一幅全景图片进行垂直校正;
检测单元,被配置为对每个房间的垂直校正后的所述至少一幅全景图片中的第一平面的各个墙角点进行检测;
计算单元,被配置为:
基于每个房间的拍摄全景图片的相机在对应的房间内的相机放置高度,将每个房间的垂直校正后的所述至少一幅全景图片中的所述第一平面的各个墙角点投影到三维虚拟空间中,并基于每个房间的垂直校正后的所述至少一幅全景图片的投影到所述三维虚拟空间中的所述第一平面的各个墙角点,形成所述每个房间对应的平面户型图;以及
基于每个房间的垂直校正后的所述至少一幅全景图片对应的相机位置的信息和所述每个房间对应的平面户型图,形成所述待建模房屋的平面户型图。
14.一种房屋户型图的构建装置,包括:
处理器;
存储器;
一个或多个计算机程序模块,其中,所述一个或多个计算机程序模块被存储在所述存储器中并被配置为由所述处理器执行,所述一个或多个计算机程序模块包括用于执行实现权利要求1-12任一所述的构建方法的指令。
15.一种存储介质,非暂时性地存储计算机可读指令,其中,当所述计算机可读指令由计算机执行时,能够执行根据权利要求1-12任一项所述的构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311614.0A CN111127655B (zh) | 2019-12-18 | 2019-12-18 | 房屋户型图的构建方法及构建装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311614.0A CN111127655B (zh) | 2019-12-18 | 2019-12-18 | 房屋户型图的构建方法及构建装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127655A true CN111127655A (zh) | 2020-05-08 |
CN111127655B CN111127655B (zh) | 2021-10-12 |
Family
ID=70499754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911311614.0A Active CN111127655B (zh) | 2019-12-18 | 2019-12-18 | 房屋户型图的构建方法及构建装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127655B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882488A (zh) * | 2020-07-22 | 2020-11-03 | 浙江大学 | 一种室内管线位置记录及投影方法 |
CN111932666A (zh) * | 2020-07-17 | 2020-11-13 | 北京字节跳动网络技术有限公司 | 房屋三维虚拟图像的重建方法、装置和电子设备 |
CN111932681A (zh) * | 2020-07-17 | 2020-11-13 | 北京字节跳动网络技术有限公司 | 房屋信息显示方法、装置和电子设备 |
CN111968245A (zh) * | 2020-07-07 | 2020-11-20 | 北京城市网邻信息技术有限公司 | 三维空间的标线展示方法、装置、电子设备和存储介质 |
CN112055192A (zh) * | 2020-08-04 | 2020-12-08 | 北京城市网邻信息技术有限公司 | 图像处理方法、图像处理装置、电子设备及存储介质 |
CN112131640A (zh) * | 2020-09-14 | 2020-12-25 | 深圳移动互联研究院有限公司 | 一种基于svg的全景图像绘制方法、装置、计算机设备及存储介质 |
CN112200916A (zh) * | 2020-12-08 | 2021-01-08 | 深圳市房多多网络科技有限公司 | 房屋户型图的生成方法、装置、计算设备和存储介质 |
CN112424837A (zh) * | 2020-10-23 | 2021-02-26 | 上海亦我信息技术有限公司 | 模型修正方法、装置、设备 |
CN112668085A (zh) * | 2020-12-31 | 2021-04-16 | 杭州群核信息技术有限公司 | 一种家装平面自动设计方法和装置、计算机设备和存储介质 |
CN113140034A (zh) * | 2021-04-27 | 2021-07-20 | 上海科技大学 | 基于房间布局的全景新视角生成方法、装置、设备和介质 |
CN113297651A (zh) * | 2020-07-16 | 2021-08-24 | 躺平设计家(上海)科技有限公司 | 三维房型数据的生成方法、装置及设备 |
CN113345044A (zh) * | 2021-04-22 | 2021-09-03 | 北京房江湖科技有限公司 | 户型图生成方法及装置 |
CN113589813A (zh) * | 2021-07-30 | 2021-11-02 | 珠海一微半导体股份有限公司 | 机器人构建房间户型图的控制方法 |
CN114494487A (zh) * | 2021-12-30 | 2022-05-13 | 北京城市网邻信息技术有限公司 | 基于全景图语义拼接的户型图生成方法、设备及存储介质 |
CN114529566A (zh) * | 2021-12-30 | 2022-05-24 | 北京城市网邻信息技术有限公司 | 图像处理方法、装置、设备及存储介质 |
CN114529621A (zh) * | 2021-12-30 | 2022-05-24 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、电子设备及介质 |
CN114663618A (zh) * | 2022-03-03 | 2022-06-24 | 北京城市网邻信息技术有限公司 | 三维重建及校正方法、装置、设备及存储介质 |
CN114840901A (zh) * | 2022-05-20 | 2022-08-02 | 重庆宝图科技发展有限公司 | 一种基于ar的不动产测绘方法 |
CN115713616A (zh) * | 2022-11-18 | 2023-02-24 | 北京城市网邻信息技术有限公司 | 一种房源空间模型生成方法、装置、终端设备及存储介质 |
CN117037844A (zh) * | 2023-10-10 | 2023-11-10 | 中国传媒大学 | 基于全景视频的全景音频生成方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180075168A1 (en) * | 2015-03-24 | 2018-03-15 | Carrier Corporation | System and method for capturing and analyzing multidimensional building information |
CN108961395A (zh) * | 2018-07-03 | 2018-12-07 | 上海亦我信息技术有限公司 | 一种基于拍照重建三维空间场景的方法 |
CN109816768A (zh) * | 2017-11-21 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 一种室内重建方法、装置、设备和介质 |
CN109993783A (zh) * | 2019-03-25 | 2019-07-09 | 北京航空航天大学 | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 |
CN110059351A (zh) * | 2019-03-13 | 2019-07-26 | 平安城市建设科技(深圳)有限公司 | 房屋的测绘方法、装置、终端及计算机可读存储介质 |
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 |
CN110490916A (zh) * | 2019-04-12 | 2019-11-22 | 北京城市网邻信息技术有限公司 | 三维对象建模方法与设备、图像处理装置及介质 |
CN110490967A (zh) * | 2019-04-12 | 2019-11-22 | 北京城市网邻信息技术有限公司 | 图像处理和对象建模方法与设备、图像处理装置及介质 |
US20190378330A1 (en) * | 2018-06-06 | 2019-12-12 | Ke.Com (Beijing) Technology Co., Ltd. | Method for data collection and model generation of house |
-
2019
- 2019-12-18 CN CN201911311614.0A patent/CN111127655B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180075168A1 (en) * | 2015-03-24 | 2018-03-15 | Carrier Corporation | System and method for capturing and analyzing multidimensional building information |
CN109816768A (zh) * | 2017-11-21 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 一种室内重建方法、装置、设备和介质 |
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 |
US20190378330A1 (en) * | 2018-06-06 | 2019-12-12 | Ke.Com (Beijing) Technology Co., Ltd. | Method for data collection and model generation of house |
CN108961395A (zh) * | 2018-07-03 | 2018-12-07 | 上海亦我信息技术有限公司 | 一种基于拍照重建三维空间场景的方法 |
CN110059351A (zh) * | 2019-03-13 | 2019-07-26 | 平安城市建设科技(深圳)有限公司 | 房屋的测绘方法、装置、终端及计算机可读存储介质 |
CN109993783A (zh) * | 2019-03-25 | 2019-07-09 | 北京航空航天大学 | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 |
CN110490916A (zh) * | 2019-04-12 | 2019-11-22 | 北京城市网邻信息技术有限公司 | 三维对象建模方法与设备、图像处理装置及介质 |
CN110490967A (zh) * | 2019-04-12 | 2019-11-22 | 北京城市网邻信息技术有限公司 | 图像处理和对象建模方法与设备、图像处理装置及介质 |
Non-Patent Citations (4)
Title |
---|
CLARA FERNANDEZ-LABRADOR等: ""Layouts from Panoramic Images with Geometry and Deep Learning"", 《IEEE ROBOTICS AND AUTOMATION LETTERS》 * |
GIOVANNI PINTORE等: ""Automatic modeling of cluttered multi-room floor plans from panoramic images"", 《COMPUTER GRAPHICS FORUM》 * |
储珺等: ""单视未标定图像的正交灭点检测算法"", 《图学学报》 * |
刘丹等: "单像自标定的迭代优化方法", 《国防科技大学学报》 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111968245A (zh) * | 2020-07-07 | 2020-11-20 | 北京城市网邻信息技术有限公司 | 三维空间的标线展示方法、装置、电子设备和存储介质 |
CN113297651A (zh) * | 2020-07-16 | 2021-08-24 | 躺平设计家(上海)科技有限公司 | 三维房型数据的生成方法、装置及设备 |
CN111932666A (zh) * | 2020-07-17 | 2020-11-13 | 北京字节跳动网络技术有限公司 | 房屋三维虚拟图像的重建方法、装置和电子设备 |
CN111932681A (zh) * | 2020-07-17 | 2020-11-13 | 北京字节跳动网络技术有限公司 | 房屋信息显示方法、装置和电子设备 |
CN111932666B (zh) * | 2020-07-17 | 2024-04-26 | 北京字节跳动网络技术有限公司 | 房屋三维虚拟图像的重建方法、装置和电子设备 |
CN111882488B (zh) * | 2020-07-22 | 2022-07-19 | 浙江大学 | 一种室内管线位置记录及投影方法 |
CN111882488A (zh) * | 2020-07-22 | 2020-11-03 | 浙江大学 | 一种室内管线位置记录及投影方法 |
CN112055192A (zh) * | 2020-08-04 | 2020-12-08 | 北京城市网邻信息技术有限公司 | 图像处理方法、图像处理装置、电子设备及存储介质 |
CN112131640A (zh) * | 2020-09-14 | 2020-12-25 | 深圳移动互联研究院有限公司 | 一种基于svg的全景图像绘制方法、装置、计算机设备及存储介质 |
CN112424837A (zh) * | 2020-10-23 | 2021-02-26 | 上海亦我信息技术有限公司 | 模型修正方法、装置、设备 |
CN112424837B (zh) * | 2020-10-23 | 2021-09-28 | 上海亦我信息技术有限公司 | 模型修正方法、装置、设备 |
CN112200916B (zh) * | 2020-12-08 | 2021-03-19 | 深圳市房多多网络科技有限公司 | 房屋户型图的生成方法、装置、计算设备和存储介质 |
CN112200916A (zh) * | 2020-12-08 | 2021-01-08 | 深圳市房多多网络科技有限公司 | 房屋户型图的生成方法、装置、计算设备和存储介质 |
CN112668085A (zh) * | 2020-12-31 | 2021-04-16 | 杭州群核信息技术有限公司 | 一种家装平面自动设计方法和装置、计算机设备和存储介质 |
WO2022141887A1 (zh) * | 2020-12-31 | 2022-07-07 | 杭州群核信息技术有限公司 | 一种家装平面自动设计方法和装置、计算机设备和存储介质 |
CN113345044A (zh) * | 2021-04-22 | 2021-09-03 | 北京房江湖科技有限公司 | 户型图生成方法及装置 |
CN113140034A (zh) * | 2021-04-27 | 2021-07-20 | 上海科技大学 | 基于房间布局的全景新视角生成方法、装置、设备和介质 |
CN113140034B (zh) * | 2021-04-27 | 2023-08-22 | 上海科技大学 | 基于房间布局的全景新视角生成方法、装置、设备和介质 |
CN113589813A (zh) * | 2021-07-30 | 2021-11-02 | 珠海一微半导体股份有限公司 | 机器人构建房间户型图的控制方法 |
CN114529621A (zh) * | 2021-12-30 | 2022-05-24 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、电子设备及介质 |
CN114529621B (zh) * | 2021-12-30 | 2022-11-22 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、电子设备及介质 |
CN114494487B (zh) * | 2021-12-30 | 2022-11-22 | 北京城市网邻信息技术有限公司 | 基于全景图语义拼接的户型图生成方法、设备及存储介质 |
CN114529566A (zh) * | 2021-12-30 | 2022-05-24 | 北京城市网邻信息技术有限公司 | 图像处理方法、装置、设备及存储介质 |
CN114494487A (zh) * | 2021-12-30 | 2022-05-13 | 北京城市网邻信息技术有限公司 | 基于全景图语义拼接的户型图生成方法、设备及存储介质 |
CN114663618A (zh) * | 2022-03-03 | 2022-06-24 | 北京城市网邻信息技术有限公司 | 三维重建及校正方法、装置、设备及存储介质 |
CN114663618B (zh) * | 2022-03-03 | 2022-11-29 | 北京城市网邻信息技术有限公司 | 三维重建及校正方法、装置、设备及存储介质 |
CN114840901A (zh) * | 2022-05-20 | 2022-08-02 | 重庆宝图科技发展有限公司 | 一种基于ar的不动产测绘方法 |
CN115713616A (zh) * | 2022-11-18 | 2023-02-24 | 北京城市网邻信息技术有限公司 | 一种房源空间模型生成方法、装置、终端设备及存储介质 |
CN115713616B (zh) * | 2022-11-18 | 2023-10-31 | 北京城市网邻信息技术有限公司 | 一种房源空间模型生成方法、装置、终端设备及存储介质 |
CN117037844A (zh) * | 2023-10-10 | 2023-11-10 | 中国传媒大学 | 基于全景视频的全景音频生成方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111127655B (zh) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127655B (zh) | 房屋户型图的构建方法及构建装置、存储介质 | |
KR102580961B1 (ko) | 촬영을 기반으로 하는 3d 모델링 시스템 및 방법, 자동 3d 모델링 장치 및 방법 | |
US20200258302A1 (en) | Presenting Image Transition Sequences Between Viewing Locations | |
US11557083B2 (en) | Photography-based 3D modeling system and method, and automatic 3D modeling apparatus and method | |
US9189853B1 (en) | Automatic pose estimation from uncalibrated unordered spherical panoramas | |
CN111161336B (zh) | 三维重建方法、三维重建装置和计算机可读存储介质 | |
CN113823001A (zh) | 户型图生成方法、装置、设备及介质 | |
US20240029384A1 (en) | 3-D Reconstruction Using Augmented Reality Frameworks | |
CN113240769B (zh) | 空间链接关系识别方法及装置、存储介质 | |
CN111105473B (zh) | 二维户型图的构建方法及构建装置、存储介质 | |
US20230138762A1 (en) | Automated Building Floor Plan Generation Using Visual Data Of Multiple Building Images | |
US11783540B2 (en) | Method for generating roof outlines from lateral images | |
CN111932681A (zh) | 房屋信息显示方法、装置和电子设备 | |
CN109801354B (zh) | 全景处理方法和装置 | |
CN112733641A (zh) | 物体尺寸测量方法、装置、设备及存储介质 | |
US8509522B2 (en) | Camera translation using rotation from device | |
CN116109684B (zh) | 面向变电场站在线视频监测二三维数据映射方法及装置 | |
CN111091117B (zh) | 用于二维全景图像的目标检测方法、装置、设备、介质 | |
CN111161138B (zh) | 用于二维全景图像的目标检测方法、装置、设备、介质 | |
US9852542B1 (en) | Methods and apparatus related to georeferenced pose of 3D models | |
CN114882194A (zh) | 房间点云数据的处理方法和装置、电子设备和存储介质 | |
CA3102860C (en) | Photography-based 3d modeling system and method, and automatic 3d modeling apparatus and method | |
CN111178300B (zh) | 目标检测方法、装置、设备、介质 | |
CN115439331A (zh) | 角点的校正方法和元宇宙中三维模型的生成方法、装置 | |
CN117974743A (zh) | 图像处理方法及设备 |
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 |