CN111461148A - 建筑物验收分析方法 - Google Patents

建筑物验收分析方法 Download PDF

Info

Publication number
CN111461148A
CN111461148A CN201910046262.4A CN201910046262A CN111461148A CN 111461148 A CN111461148 A CN 111461148A CN 201910046262 A CN201910046262 A CN 201910046262A CN 111461148 A CN111461148 A CN 111461148A
Authority
CN
China
Prior art keywords
image
processing
area
expansion
equipment
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.)
Withdrawn
Application number
CN201910046262.4A
Other languages
English (en)
Inventor
杜波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910046262.4A priority Critical patent/CN111461148A/zh
Publication of CN111461148A publication Critical patent/CN111461148A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种建筑物验收分析方法，该方法包括使用一种建筑物验收分析平台来分析建筑物的验收。本发明的建筑物验收分析平台具有一定的自动化水平和定制化程度。将针对性处理后的装修图像与装修效果图案进行匹配，以确定相应的高精度的装修验收分数，从而能够直观、可靠地给出与预期装修效果的匹配程度。

Description

建筑物验收分析方法
技术领域
本发明涉及建筑物领域，具体地说，本发明涉及一种建筑物验收分析方法。
背景技术
建筑是建筑物与构筑物的总称。是人们为了满足社会生活需要，利用所掌握的物质技术手段，并运用一定的科学规律、风水理念和美学法则创造的人工环境。有些分类为了明确表达使用性，会将建筑物与人们不长期占用的非建筑结构物区别，另外有些建筑学者也为了避免混淆，而刻意在其中把外型经过人们具有意识创作出来的建筑物细分为“建筑”(Architecture)。需注意的是，有时建筑物也可能会被扩展到包涵“非建筑构筑物”，诸如桥梁、电塔、隧道等。
发明内容
本发明的目的是提供一种建筑物验收分析方法，该方法包括使用一种建筑物验收分析平台来分析建筑物的验收，所述建筑物验收分析平台包括：
日夜捕获设备，设置在房间内，用于对装修后的房间场景进行拍摄，以获得并输出多帧装修场景图像；
分块滤波设备，与所述日夜捕获设备连接，用于接收时间上连续的多帧装修场景图像，对当前装修场景图像与上一帧装修场景图像进行匹配以获得图像整体抖动值，基于所述图像整体抖动值确定对所述当前装修场景图像进行平均分割的图像区域数量，所述图像整体抖动值越高，对所述当前装修场景图像进行平均分割的图像区域数量越多，对各个图像区域分别执行基于图像区域噪声幅值的滤波处理以获得各个滤波区域，图像区域噪声幅值越小，对图像区域执行的滤波处理强度越小，将各个滤波区域组合以获得分块滤波图像；
对象检测设备，与所述分块滤波设备连接，用于接收所述分块滤波图像，对所述分块滤波图像中的各个对象进行检测，以获得所述各个对象分别在所述分块滤波图像中的各个对象区域；
参数提取设备，与所述对象检测设备连接，用于接收所述分块滤波图像中的各个对象区域，并对所述分块滤波图像中每一个对象在所述分块滤波图像中的景深进行提取，并将景深最小的对象所对应的对象区域作为待处理区域输出；
信号分析设备，与所述参数提取设备连接，用于接收所述待处理区域，将所述待处理区域划分为对象轮廓子区域和对象内容子区域，所述对象内容子区域为所述待处理区域中分割出所述对象轮廓子区域后的剩余图案；
噪声测量设备，与所述信号分析设备连接，用于确定所述对象轮廓子区域中的各种噪声的各个幅值的最大值以作为轮廓噪声最大值，还用于所述对象内容子区域中的各种噪声的各个幅值的最大值以作为内容噪声最大值；
自适应处理设备，分别与所述对象检测设备和所述噪声测量设备连接，用于在所述轮廓噪声最大值大于所述内容噪声最大值时，对所述分块滤波图像执行先腐蚀膨胀处理后开闭处理的图像处理模式，以获得并输出自适应处理图像，还用于在所述轮廓噪声最大值小于等于所述内容噪声最大值时，对所述分块滤波图像执行先开闭处理后腐蚀膨胀处理的图像处理模式，以获得并输出自适应处理图像；
灰度扩大设备，与所述自适应处理设备连接，用于接收所述自适应处理图像，对所述自适应处理图像执行灰度分辨率扩大处理，以获得并输出对应的灰度扩大图像。
本发明具备以下三处关键的发明点：
(1)将针对性处理后的装修图像与装修效果图案进行匹配，以确定相应的高精度的装修验收分数；
(2)基于灰度扩大处理前后的图像的参数比对，确定是否对处理后的图像执行再次相同处理；
(3)对图像中的各个对象进行检测，确定其中景深最小的对象区域以作为图像信号处理的参考区域，从而实现基于图像内容和图像处理特性的自适应图像滤波操作。
本发明的建筑物验收分析平台具有一定的自动化水平和定制化程度。将针对性处理后的装修图像与装修效果图案进行匹配，以确定相应的高精度的装修验收分数，从而能够直观、可靠地给出与预期装修效果的匹配程度。
附图说明
图1为本发明的建筑物验收分析平台所使用的装修效果图案的示意图。
具体实施方式
装修又称装潢或装饰。是指在一定区域和范围内进行的，包括水电施工、墙体、地板、天花板、景观等所实现的，依据一定设计理念和美观规则形成的一整套施工方案和设计方案。
小到家具摆放和门的朝向，大到房间配饰和灯具的定制处理，都是装修的体现。装修和装饰不同，装饰是对生活用品或生活环境进行艺术加工的手法。加强审美效果，并提高其功能、经济价值和社会效益，并以环保为设计理念。完美的装饰应与客体的功能紧密结合，适应制作工艺，发挥物质材料的性能，并具有良好的艺术效果。
当前，装修公司给出的装修效果通常富丽堂皇，然而，真正装修后的效果与预期效果的匹配度很难直接给出结论或分数，导致后续装修款项缺乏给付的标准，同时，当前直接拍摄的图像在预期效果图比较之前也需要进行针对性的相关处理。
为了克服上述不足，本发明给出一种建筑物验收分析方法，该方法包括使用一种建筑物验收分析平台来分析建筑物的验收，所述建筑物验收分析平台能够有效地解决相应的技术问题。
以下实施例用于说明本发明，但不用来限制本发明的范围。
图1为本发明的建筑物验收分析平台所使用的装修效果图案的示意图。
建筑物验收分析平台包括：
日夜捕获设备，设置在房间内，用于对装修后的房间场景进行拍摄，以获得并输出多帧装修场景图像；
分块滤波设备，与所述日夜捕获设备连接，用于接收时间上连续的多帧装修场景图像，对当前装修场景图像与上一帧装修场景图像进行匹配以获得图像整体抖动值，基于所述图像整体抖动值确定对所述当前装修场景图像进行平均分割的图像区域数量，所述图像整体抖动值越高，对所述当前装修场景图像进行平均分割的图像区域数量越多，对各个图像区域分别执行基于图像区域噪声幅值的滤波处理以获得各个滤波区域，图像区域噪声幅值越小，对图像区域执行的滤波处理强度越小，将各个滤波区域组合以获得分块滤波图像；
对象检测设备，与所述分块滤波设备连接，用于接收所述分块滤波图像，对所述分块滤波图像中的各个对象进行检测，以获得所述各个对象分别在所述分块滤波图像中的各个对象区域；
参数提取设备，与所述对象检测设备连接，用于接收所述分块滤波图像中的各个对象区域，并对所述分块滤波图像中每一个对象在所述分块滤波图像中的景深进行提取，并将景深最小的对象所对应的对象区域作为待处理区域输出；
信号分析设备，与所述参数提取设备连接，用于接收所述待处理区域，将所述待处理区域划分为对象轮廓子区域和对象内容子区域，所述对象内容子区域为所述待处理区域中分割出所述对象轮廓子区域后的剩余图案；
噪声测量设备，与所述信号分析设备连接，用于确定所述对象轮廓子区域中的各种噪声的各个幅值的最大值以作为轮廓噪声最大值，还用于所述对象内容子区域中的各种噪声的各个幅值的最大值以作为内容噪声最大值；
自适应处理设备，分别与所述对象检测设备和所述噪声测量设备连接，用于在所述轮廓噪声最大值大于所述内容噪声最大值时，对所述分块滤波图像执行先腐蚀膨胀处理后开闭处理的图像处理模式，以获得并输出自适应处理图像，还用于在所述轮廓噪声最大值小于等于所述内容噪声最大值时，对所述分块滤波图像执行先开闭处理后腐蚀膨胀处理的图像处理模式，以获得并输出自适应处理图像；
灰度扩大设备，与所述自适应处理设备连接，用于接收所述自适应处理图像，对所述自适应处理图像执行灰度分辨率扩大处理，以获得并输出对应的灰度扩大图像；
双图像处理设备，与所述灰度扩大设备连接，用于接收所述灰度扩大图像，识别所述灰度扩大图像中的目标的数量，基于所述目标的数量执行对所述灰度扩大图像的均匀式区域分割，以获得各个第一图像区域，其中，所述目标的数量越多，获得的每一个第一图像区域所占据的像素点的数量越少；
所述双图像处理设备还用于接收所述自适应处理图像，对所述自适应处理图像执行与所述灰度扩大图像相同尺寸的均匀式区域分割，以获得各个第二图像区域；
明暗解析设备，与所述双图像处理设备连接，获得每一个第一图像区域的明暗程度倒数，获得每一个第二图像区域的明暗程度倒数，基于各个第一图像区域的各个明暗程度倒数确定所述灰度扩大图像的整体明暗程度倒数，基于各个第二图像区域的各个明暗程度倒数确定所述自适应处理图像的整体明暗程度倒数；
限量分析设备，分别与所述灰度扩大设备和所述明暗解析设备连接，用于在所述灰度扩大图像的整体明暗程度倒数和所述自适应处理图像的整体明暗程度倒数之差的绝对值小于等于限量时，对所述灰度扩大图像再次执行灰度扩大处理，以获得限量分析图像；
验收处理设备，与所述限量分析设备连接，用于接收所述限量分析图像，并基于限量分析图像与装修效果图案的匹配结果确定装修验收分数。
接着，继续对本发明的建筑物验收分析平台的具体结构进行进一步的说明。
所述建筑物验收分析平台中：
在所述验收处理设备中，基于限量分析图像与装修效果图案的匹配结果确定装修验收分数包括：限量分析图像与装修效果图案的匹配度越高，确定的装修验收分数越高。
所述建筑物验收分析平台中：
所述限量分析设备还用于在所述灰度扩大图像的整体明暗程度倒数和所述自适应处理图像的整体明暗程度倒数之差的绝对值大于限量时，将所述灰度扩大图像作为限量分析图像输出。
所述建筑物验收分析平台中：
所述明暗解析设备和所述限量分析设备之间设置有一个32位的数据暂存芯片。
所述建筑物验收分析平台中：
所述明暗解析设备和所述限量分析设备分别采用不同型号的GPU芯片来实现。
所述建筑物验收分析平台中：
所述自适应处理设备包括数值判断子设备、微控制器、腐蚀膨胀处理子设备和开闭处理子设备，所述微控制器分别与所述数值判断子设备、所述腐蚀膨胀处理子设备和所述开闭处理子设备连接。
所述建筑物验收分析平台中：
所述腐蚀膨胀处理子设备包括图像腐蚀单元和图像膨胀单元，所述图像腐蚀单元和所述图像膨胀单元连接，所述开闭处理子设备包括图像开处理单元和图像闭处理单元，所述图像开处理单元和所述图像闭处理单元连接。
所述建筑物验收分析平台中：
在所述自适应处理设备中，所述数值判断子设备用于对所述轮廓噪声最大值和所述内容噪声最大值进行数值大小判断。
所述建筑物验收分析平台中：
在所述自适应处理设备中，所述腐蚀膨胀处理子设备与所述开闭处理子设备连接。
所述建筑物验收分析平台中：
所述开闭处理子设备对接收的图像执行先开后闭的处理，所述腐蚀膨胀处理子设备对接收的图像执行先腐蚀后膨胀的处理。
另外，GPU在几个主要方面有别于DSP(Digital Signal Processing，简称DSP，数字信号处理)架构。其所有计算均使用浮点算法，而且此刻还没有位或整数运算指令。此外，由于GPU专为图像处理设计，因此存储系统实际上是一个二维的分段存储空间，包括一个区段号(从中读取图像)和二维地址(图像中的X、Y坐标)。此外，没有任何间接写指令。输出写地址由光栅处理器确定，而且不能由程序改变。这对于自然分布在存储器之中的算法而言是极大的挑战。最后一点，不同碎片的处理过程间不允许通信。实际上，碎片处理器是一个SIMD数据并行执行单元，在所有碎片中独立执行代码。
尽管有上述约束，但是GPU还是可以有效地执行多种运算，从线性代数和信号处理到数值仿真。虽然概念简单，但新用户在使用GPU计算时还是会感到迷惑，因为GPU需要专有的图形知识。这种情况下，一些软件工具可以提供帮助。两种高级描影语言CG和HLSL能够让用户编写类似C的代码，随后编译成碎片程序汇编语言。Brook是专为GPU计算设计，且不需要图形知识的高级语言。因此对第一次使用GPU进行开发的工作人员而言，他可以算是一个很好的起点。Brook是C语言的延伸，整合了可以直接映射到GPU的简单数据并行编程构造。经GPU存储和操作的数据被形象地比喻成“流”(stream)，类似于标准C中的数组。核心(Kernel)是在流上操作的函数。在一系列输入流上调用一个核心函数意味着在流元素上实施了隐含的循环，即对每一个流元素调用核心体。Brook还提供了约简机制，例如对一个流中所有的元素进行和、最大值或乘积计算。Brook还完全隐藏了图形API的所有细节，并把GPU中类似二维存储器系统这样许多用户不熟悉的部分进行了虚拟化处理。用Brook编写的应用程序包括线性代数子程序、快速傅立叶转换、光线追踪和图像处理。利用ATI的X800XT和Nvidia的GeForce 6800Ultra型GPU，在相同高速缓存、SSE汇编优化Pentium 4执行条件下，许多此类应用的速度提升高达7倍之多。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种建筑物验收分析方法，该方法包括使用一种建筑物验收分析平台来分析建筑物的验收，所述建筑物验收分析平台包括：
日夜捕获设备，设置在房间内，用于对装修后的房间场景进行拍摄，以获得并输出多帧装修场景图像；
分块滤波设备，与所述日夜捕获设备连接，用于接收时间上连续的多帧装修场景图像，对当前装修场景图像与上一帧装修场景图像进行匹配以获得图像整体抖动值，基于所述图像整体抖动值确定对所述当前装修场景图像进行平均分割的图像区域数量，所述图像整体抖动值越高，对所述当前装修场景图像进行平均分割的图像区域数量越多，对各个图像区域分别执行基于图像区域噪声幅值的滤波处理以获得各个滤波区域，图像区域噪声幅值越小，对图像区域执行的滤波处理强度越小，将各个滤波区域组合以获得分块滤波图像；
对象检测设备，与所述分块滤波设备连接，用于接收所述分块滤波图像，对所述分块滤波图像中的各个对象进行检测，以获得所述各个对象分别在所述分块滤波图像中的各个对象区域；
参数提取设备，与所述对象检测设备连接，用于接收所述分块滤波图像中的各个对象区域，并对所述分块滤波图像中每一个对象在所述分块滤波图像中的景深进行提取，并将景深最小的对象所对应的对象区域作为待处理区域输出；
信号分析设备，与所述参数提取设备连接，用于接收所述待处理区域，将所述待处理区域划分为对象轮廓子区域和对象内容子区域，所述对象内容子区域为所述待处理区域中分割出所述对象轮廓子区域后的剩余图案；
噪声测量设备，与所述信号分析设备连接，用于确定所述对象轮廓子区域中的各种噪声的各个幅值的最大值以作为轮廓噪声最大值，还用于所述对象内容子区域中的各种噪声的各个幅值的最大值以作为内容噪声最大值；
自适应处理设备，分别与所述对象检测设备和所述噪声测量设备连接，用于在所述轮廓噪声最大值大于所述内容噪声最大值时，对所述分块滤波图像执行先腐蚀膨胀处理后开闭处理的图像处理模式，以获得并输出自适应处理图像，还用于在所述轮廓噪声最大值小于等于所述内容噪声最大值时，对所述分块滤波图像执行先开闭处理后腐蚀膨胀处理的图像处理模式，以获得并输出自适应处理图像；
灰度扩大设备，与所述自适应处理设备连接，用于接收所述自适应处理图像，对所述自适应处理图像执行灰度分辨率扩大处理，以获得并输出对应的灰度扩大图像；
双图像处理设备，与所述灰度扩大设备连接，用于接收所述灰度扩大图像，识别所述灰度扩大图像中的目标的数量，基于所述目标的数量执行对所述灰度扩大图像的均匀式区域分割，以获得各个第一图像区域，其中，所述目标的数量越多，获得的每一个第一图像区域所占据的像素点的数量越少；
所述双图像处理设备还用于接收所述自适应处理图像，对所述自适应处理图像执行与所述灰度扩大图像相同尺寸的均匀式区域分割，以获得各个第二图像区域；
明暗解析设备，与所述双图像处理设备连接，获得每一个第一图像区域的明暗程度倒数，获得每一个第二图像区域的明暗程度倒数，基于各个第一图像区域的各个明暗程度倒数确定所述灰度扩大图像的整体明暗程度倒数，基于各个第二图像区域的各个明暗程度倒数确定所述自适应处理图像的整体明暗程度倒数；
限量分析设备，分别与所述灰度扩大设备和所述明暗解析设备连接，用于在所述灰度扩大图像的整体明暗程度倒数和所述自适应处理图像的整体明暗程度倒数之差的绝对值小于等于限量时，对所述灰度扩大图像再次执行灰度扩大处理，以获得限量分析图像；
验收处理设备，与所述限量分析设备连接，用于接收所述限量分析图像，并基于限量分析图像与装修效果图案的匹配结果确定装修验收分数。
2.如权利要求1所述的方法，其特征在于：
在所述验收处理设备中，基于限量分析图像与装修效果图案的匹配结果确定装修验收分数包括：限量分析图像与装修效果图案的匹配度越高，确定的装修验收分数越高。
3.如权利要求2所述的方法，其特征在于：
所述限量分析设备还用于在所述灰度扩大图像的整体明暗程度倒数和所述自适应处理图像的整体明暗程度倒数之差的绝对值大于限量时，将所述灰度扩大图像作为限量分析图像输出。
4.如权利要求3所述的方法，其特征在于：
所述明暗解析设备和所述限量分析设备之间设置有一个32位的数据暂存芯片。
5.如权利要求4所述的方法，其特征在于：
所述明暗解析设备和所述限量分析设备分别采用不同型号的GPU芯片来实现。
6.如权利要求5所述的方法，其特征在于：
所述自适应处理设备包括数值判断子设备、微控制器、腐蚀膨胀处理子设备和开闭处理子设备，所述微控制器分别与所述数值判断子设备、所述腐蚀膨胀处理子设备和所述开闭处理子设备连接。
7.如权利要求6所述的方法，其特征在于：
所述腐蚀膨胀处理子设备包括图像腐蚀单元和图像膨胀单元，所述图像腐蚀单元和所述图像膨胀单元连接，所述开闭处理子设备包括图像开处理单元和图像闭处理单元，所述图像开处理单元和所述图像闭处理单元连接。
8.如权利要求7所述的方法，其特征在于：
在所述自适应处理设备中，所述数值判断子设备用于对所述轮廓噪声最大值和所述内容噪声最大值进行数值大小判断。
9.如权利要求8所述的方法，其特征在于：
在所述自适应处理设备中，所述腐蚀膨胀处理子设备与所述开闭处理子设备连接。
10.如权利要求1-9任一所述的方法，其特征在于：
所述开闭处理子设备对接收的图像执行先开后闭的处理，所述腐蚀膨胀处理子设备对接收的图像执行先腐蚀后膨胀的处理。
CN201910046262.4A 2019-01-18 2019-01-18 建筑物验收分析方法 Withdrawn CN111461148A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910046262.4A CN111461148A (zh) 2019-01-18 2019-01-18 建筑物验收分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910046262.4A CN111461148A (zh) 2019-01-18 2019-01-18 建筑物验收分析方法

Publications (1)

Publication Number Publication Date
CN111461148A true CN111461148A (zh) 2020-07-28

Family

ID=71682118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910046262.4A Withdrawn CN111461148A (zh) 2019-01-18 2019-01-18 建筑物验收分析方法

Country Status (1)

Country Link
CN (1) CN111461148A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113108839A (zh) * 2021-04-13 2021-07-13 合肥轩丐智能科技有限公司 基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113108839A (zh) * 2021-04-13 2021-07-13 合肥轩丐智能科技有限公司 基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法
CN113108839B (zh) * 2021-04-13 2022-12-09 中建西南咨询顾问有限公司 基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法

Similar Documents

Publication Publication Date Title
CN110390267B (zh) 一种基于高分遥感影像的山地景观建筑提取方法和设备
US11410372B2 (en) Artificial intelligence based virtual object aging
CN107025457B (zh) 一种图像处理方法和装置
CN107004297B (zh) 基于二维平面图的三维自动立体建模方法及程序
JP7078735B2 (ja) ゲームシーンにおけるスタティックコンポーネントの処理方法、レンダリング方法および装置
KR102212075B1 (ko) 2차원 건축 도면에 표현된 벽체의 3차원 도면 모델링 방법 및 프로그램
CN100530243C (zh) 镜头呈现方法和装置
CN111461149A (zh) 建筑物验收分析平台
US8314797B1 (en) Method and apparatus for irradiance computation in 3-D computer graphics
US20180350028A1 (en) Compound Shader Object and Use Thereof
CN110917617A (zh) 水波纹图像的生成方法、装置、设备及存储介质
CN112989923A (zh) 一种cad立面图中立面窗有无遮挡的精准判断的方法
Liu et al. Image edge recognition of virtual reality scene based on multi-operator dynamic weight detection
CN113052923A (zh) 色调映射方法、装置、电子设备和存储介质
CN111461148A (zh) 建筑物验收分析方法
Ibrahim et al. A GAN-based blind inpainting method for masonry wall images
US9390551B2 (en) Method for estimation of information representative of a pixel of a virtual object
Wang et al. Automated detection of exterior cladding material in urban area from street view images using deep learning
CN115619924A (zh) 用于光估计的方法与装置
CN113096219A (zh) 一种灯光的控制方法及装置
CN109885783B (zh) 一种三维建筑模型的加载方法及其装置
CN106570869A (zh) 一种基于泊松方程与梯度的人体图像分割方法
CN110363827B (zh) 断层单双线转换方法及装置
WO2022098252A1 (ru) Способ трёхмерной визуализации объектов недвижимости на основе технологий виртуальной реальности
CN113850888A (zh) 一种图像处理方法、装置、电子设备和存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200728