CN111860625B - 一种古木建筑斗栱自动化类别识别方法及系统 - Google Patents

一种古木建筑斗栱自动化类别识别方法及系统 Download PDF

Info

Publication number
CN111860625B
CN111860625B CN202010635899.XA CN202010635899A CN111860625B CN 111860625 B CN111860625 B CN 111860625B CN 202010635899 A CN202010635899 A CN 202010635899A CN 111860625 B CN111860625 B CN 111860625B
Authority
CN
China
Prior art keywords
bracket
class
skeleton
point cloud
category
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
Application number
CN202010635899.XA
Other languages
English (en)
Other versions
CN111860625A (zh
Inventor
解琳琳
李爱群
侯妙乐
刘浩宇
蒋永慧
曾德民
杨参天
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.)
Beijing University of Civil Engineering and Architecture
Original Assignee
Beijing University of Civil Engineering and Architecture
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 Beijing University of Civil Engineering and Architecture filed Critical Beijing University of Civil Engineering and Architecture
Priority to CN202010635899.XA priority Critical patent/CN111860625B/zh
Publication of CN111860625A publication Critical patent/CN111860625A/zh
Application granted granted Critical
Publication of CN111860625B publication Critical patent/CN111860625B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明实施例提供一种古木建筑斗栱自动化类别识别方法及系统。该方法包括：开发基于点云数据的斗栱骨架生成方法；开发面向自动化的斗栱多级分类类别，以及骨架识别特征；基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果。本发明实施例通过面向自动化类别识别需求，开发自动化斗栱多级分类类别及其骨架特征，结合点云数据特征，开发斗栱骨架生成方法，基于点云数据生成斗栱的骨架线，以斗栱骨架为基础，以类别特征为目标，开发斗栱自动化类别特征逐级识别方法，高效而可靠地进行斗栱类别识别，为古木建筑遗产保护提供重要参考。

Description

一种古木建筑斗栱自动化类别识别方法及系统
技术领域
本发明涉及古建筑识别技术领域，尤其涉及一种古木建筑斗栱自动化类别识别方法及系统。
背景技术
古木建筑是重要的一类不可移动文物，高效留存全生命周期信息并数字化是其可持续保护的核心基础。斗栱是古木建筑中的关键构件，其品类繁多，外观多样。精细测绘可留取高精度信息，但如何基于高精度数据自动、高效识别其种类是该类建筑遗产数字化保护所面临的首要难题。
现有的对古木建筑斗栱进行分类识别，大体分为以下两种方案：
方案一：参考建筑遗产历史知识对斗栱类别进行判定。如图1所示，通过对建筑遗产历史知识的梳理，利用传统的遗产信息留存技术对斗栱进行信息留取，然后人工对其特征进行提取和识别，与法式规则中的特征进行比对，完成对斗栱类别的识别。
方案二：对斗栱点云数据分析、提取特征实现类别识别。如图2所示，通过对获取的三维激光点云斗栱数据进行半自动的人工辅助特征识别，提取其中的特征属性和形状信息，与法式中类别的特征信息进行比对，完成对斗栱类别的识别。
上述两种方案存在如下缺陷：
方案一：
(1)对建筑遗产知识的梳理需要相关专业人士辅助；
(2)传统的建筑遗产信息留取手段获取信息较为不便，且操作繁杂；
(3)需要留取哪些信息这一判断需要具有相应的经验，减少返工的可能。
背景技术二存在的不足：
(1)三维激光点云数据体量庞大，对计算设备的要求较高；
(2)点云数据中普遍存在冗余信息，会增加处理的难度和花费的时间；
(3)点云数据对斗栱的整体结构特征的表达较为隐晦，增加类别判定的难度；
(4)对斗栱的法式特征整理需要相关专业人士辅助进行。
因此，需要提出一种针对古木建筑斗栱进行高效而准确分类的方法。
发明内容
本发明实施例提供一种古木建筑斗栱自动化类别识别方法及系统，用以解决现有技术中存在的问题。
第一方面，本发明实施例提供一种古木建筑斗栱自动化类别识别方法，包括：
开发基于点云数据的斗栱骨架生成方法；
开发面向自动化的斗栱多级分类类别，以及骨架识别特征；
基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果。
进一步地，所述开发基于点云数据的斗栱骨架生成方法，具体包括：
对所述待识别斗栱的点云数据进行三维坐标系三方向切片，得到点云切片数据；
基于区域生长算法，对所述点云切片数据进行分割，记录为若干子点云；
计算所述若干子点云的骨架节点，将所述骨架节点添加进所述点云数据，采用单源最短路径算法对添加所述骨架节点的所述点云数据进行计算，得到斗栱骨架线。
进一步地，所述开发面向自动化的斗栱多级分类类别，以及骨架识别特征，具体包括：
根据斗栱的承担功能和空间位置关系，基于预设类别命名规则，得到所述斗栱多级分类类别；
基于斗栱骨架线和所述斗栱多级分类类别，得到所述骨架识别特征。
进一步地，所述基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果，具体包括：
采用斗栱一级类别识别方法，对所述待识别斗栱进行一级类别识别，得到一级类别识别结果；
采用斗栱二级类别识别方法，对所述待识别斗栱进行二级类别识别，得到二级类别识别结果；
采用斗栱三级类别识别方法，对所述待识别斗栱进行三级类别识别，得到三级类别识别结果。
进一步地，所述采用斗栱一级类别识别方法，对所述待识别斗栱进行一级类别识别，得到一级类别识别结果，具体包括：
采用平面对称性检测方法，分别检测所述待识别斗栱三个投影面的二维骨架点云的对称性，若判断获知所述对称性符合转角铺作特征，则判定输入点云一级分类类别为转角铺作；
进一步对非转角铺作类，采用柱形检测方法，对所述待识别斗栱进行圆柱形特征检测，若检测到圆柱形点云块符合柱头铺作识别特征，则判定所述输入点云一级分类类别为柱头铺作，否则为补间铺作。
进一步地，所述采用斗栱二级类别识别方法，对所述待识别斗栱进行二级类别识别，得到二级类别识别结果，具体包括：
针对一级类别为补间铺作类别的，采用交叉特征角度识别方法，提取补间铺作类别的二维骨架点云中的交叉特征，计算所述交叉特征的特征角度值，将所述特征角度值与法式规定值进行比对，判定输入点云二级分类类别所属的类别；
针对一级类别为转角或柱头铺作类别的，采用圆形特征检测方法，通过识别多片切片点云中是否存在圆形特征，识别所述多片切片点云是否存在叉柱造构件，判定所述输入点云二级分类类别是否属于叉柱造类铺作。
进一步地，所述采用斗栱三级类别识别方法，对所述待识别斗栱进行三级类别识别，得到三级类别识别结果，具体包括：
针对二级类别为非叉柱造类铺作及十字形补间铺作类别的，采用斜昂类识别方法，通过识别十字形补间辅作及非叉柱造类铺作存在斜昂构件的可能性，判定输入点云三级分类类别是否属于含斜昂类辅作。
第二方面，本发明实施例提供一种古木建筑斗栱自动化类别识别系统，包括：
生成模块，用于开发基于点云数据的斗栱骨架生成方法；
分类模块，用于开发面向自动化的斗栱多级分类类别，以及骨架识别特征；
识别模块，用于基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果。
第三方面，本发明实施例提供一种电子设备，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述古木建筑斗栱自动化类别识别方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述古木建筑斗栱自动化类别识别方法的步骤。
本发明实施例提供的古木建筑斗栱自动化类别识别方法及系统，通过面向自动化类别识别需求，开发自动化斗栱多级分类类别及其骨架特征，结合点云数据特征，开发斗栱骨架生成方法，基于点云数据生成斗栱的骨架线，以斗栱骨架为基础，以类别特征为目标，开发斗栱自动化类别特征逐级识别方法，高效而可靠地进行斗栱类别识别，为古木建筑遗产保护提供重要参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为现有技术中提供的方案一的技术流程图；
图2为现有技术中提供的方案二的技术流程图；
图3为本发明实施例提供的一种古木建筑斗栱自动化类别识别方法流程图；
图4为本发明实施例提供的总体技术流程图；
图5为本发明实施例提供的自动化斗栱类别识别的技术流程图；
图6为本发明实施例提供的案例一的骨架线实验结果图；
图7为本发明实施例提供的案例二的骨架线实验结果图；
图8为本发明实施例提供的案例一的二维骨架投影点云图；
图9为本发明实施例提供的案例二的二维骨架投影点云图；
图10为本发明实施例提供的案例一的平面对称性检测结果图；
图11为本发明实施例提供的案例二的平面对称性检测结果图；
图12为本发明实施例提供的案例一的柱形检测结果图；
图13为本发明实施例提供的案例二的柱形检测结果图；
图14为本发明实施例提供的案例一的柱头铺作二级分类类别识别结果图；
图15为本发明实施例提供的案例二的柱头铺作二级分类类别识别结果图；
图16为本发明实施例提供的案例二的斜昂类铺作三级分类类别识别结果图；
图17为本发明实施例提供的一种古木建筑斗栱自动化类别识别系统结构图；
图18为本发明实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明实施例针对现有技术中存在的不足，旨在提供一种古木建筑遗产斗栱自动化类别识别方法，能根据获取的斗栱点云数据，自动化地识别其归属类别。
图3为本发明实施例提供的一种古木建筑斗栱自动化类别识别方法流程图，如图3所示，包括：
S1，开发基于点云数据的斗栱骨架生成方法；
S2，开发面向自动化的斗栱多级分类类别，以及骨架识别特征；
S3，基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果。
具体地，如图4所示，首先是开发基于点云数据的斗栱骨架生成方法，再开发面向自动化的斗栱多级类别，及其骨架识别特征，最后以前述生成的骨架为基础，以开发的斗栱多级类别识别特征为目标，开发自动化的斗栱逐级特征识别方法，完成对斗栱的类别识别。
本发明实施例通过面向自动化类别识别需求，开发自动化斗栱多级分类类别及其骨架特征，结合点云数据特征，开发斗栱骨架生成方法，基于点云数据生成斗栱的骨架线，以斗栱骨架为基础，以类别特征为目标，开发斗栱自动化类别特征逐级识别方法，高效而可靠地进行斗栱类别识别，为古木建筑遗产保护提供重要参考。
基于上述实施例，该方法中步骤S1具体包括：
对所述待识别斗栱的点云数据进行三维坐标系三方向切片，得到点云切片数据；
基于区域生长算法，对所述点云切片数据进行分割，记录为若干子点云；
计算所述若干子点云的骨架节点，将所述骨架节点添加进所述点云数据，采用单源最短路径算法对添加所述骨架节点的所述点云数据进行计算，得到斗栱骨架线。
具体地，首先进行开发的基于点云数据的斗栱骨架生成方法具体包括：
1)点云切片：对待识别斗栱的点云数据进行三方向切片，为骨架节点的获取提供保障；
2)骨架节点识别：由于切片点云内会存在多个分支的子点云，而生成骨架节点则需要对每个分支进行分别计算，故在此对片状点云采用区域生长算法，对其进行分割操作，将其分别记录为多个子点云，以分别计算其骨架节点；
3)骨架线生成：对各子点云计算骨架节点，并添加进骨架点云中留存，对骨架节点点云采用单源最短路径算法生成骨架线。
基于上述任一实施例，该方法中步骤S2具体包括：
根据斗栱的承担功能和空间位置关系，基于预设类别命名规则，得到所述斗栱多级分类类别；
基于斗栱骨架线和所述斗栱多级分类类别，得到所述骨架识别特征。
具体地，开发的面向自动化的斗栱多级别类别，及其骨架识别特征具体包括：
1)斗栱多级类别：根据斗栱所承担的功能和空间位置关系，并根据建筑学古籍著作《营造法式》中类别命名的逻辑关系，将其划分为三大类七小类共十个类别；
2)类别骨架特征：基于前述实施例获取的斗栱骨架和斗栱类别，总结得到其各个类别的关键特征。
基于上述任一实施例，该方法中步骤S3具体包括：
采用斗栱一级类别识别方法，对所述待识别斗栱进行一级类别识别，得到一级类别识别结果；
采用斗栱二级类别识别方法，对所述待识别斗栱进行二级类别识别，得到二级类别识别结果；
采用斗栱三级类别识别方法，对所述待识别斗栱进行三级类别识别，得到三级类别识别结果。
具体地，如图5所示，开发的自动化的斗栱逐级特征识别方法按照三级逐级进行识别，分别为采用斗栱一级类别识别方法、斗栱二级类别识别方法和斗栱三级类别识别方法。
基于上述任一实施例，所述采用斗栱一级类别识别方法，对所述待识别斗栱进行一级类别识别，得到一级类别识别结果，具体包括：
采用平面对称性检测方法，分别检测所述待识别斗栱三个投影面的二维骨架点云的对称性，若判断获知所述对称性符合转角铺作特征，则判定输入点云一级分类类别为转角铺作；
进一步对非转角铺作类，采用柱形检测方法，对所述待识别斗栱进行圆柱形特征检测，若检测到圆柱形点云块符合柱头铺作识别特征，则判定所述输入点云一级分类类别为柱头铺作，否则为补间铺作。
具体地，采用平面对称性检测方法：分别检测三个投影面的二维骨架点云的对称性，若符合转角铺作特征则判定该输入点云一级分类类别为转角铺作；
采用柱形检测方法：对其进行圆柱形特征检测，若检测到圆柱形点云块即符合柱头铺作识别特征，则认定其一级分类类别为柱头铺作，否则为补间铺作。
此处，在平面对称性特征中，本发明实施例通过总结大量斗栱实例，将其在空间中的xyz三投影方向上二维骨架对称性组合为平面对称性特征向量，Ct＝{Sx，Sy，Sz}。总结得到转角类铺作其平面对称性特征向量值为{0,0,1}，而其余两类一级类别的平面对称性特征向量值均不为{0,0,1}。
在平面对称性检测中，由于点云数据的特性，导致对称性判定中可能存在误判定的问题，通过设定1倍点云密度为阈值，提高了判定准确性和可靠性。
基于上述任一实施例，所述采用斗栱二级类别识别方法，对所述待识别斗栱进行二级类别识别，得到二级类别识别结果，具体包括：
针对一级类别为补间铺作类别的，采用交叉特征角度识别方法，提取补间铺作类别的二维骨架点云中的交叉特征，计算所述交叉特征的特征角度值，将所述特征角度值与法式规定值进行比对，判定输入点云二级分类类别所属的类别；
针对一级类别为转角或柱头铺作类别的，采用圆形特征检测方法，通过识别多片切片点云中是否存在圆形特征，识别所述多片切片点云是否存在叉柱造构件，判定所述输入点云二级分类类别是否属于叉柱造类铺作。
具体地，采用交叉特征角度识别方法：提取补间铺作类别的二维骨架点云中的交叉特征，计算其特征角度值，与法式规定值比对，判定其所属类别；
采用圆形特征检测方法：通过识别多片切片点云中是否存在圆形特征，识别其是否存在叉柱造这一构件，判定其是否属于叉柱造类铺作。
此处，在圆形特征检测中，本发明实施例通过总结《营造法式》中的柱子构件的大致制作规定，并参考实例总结，得到柱径范围大致为40～70cm间，故本发明实施例限定方法中柱径检测半径范围为(4,7)，提高识别的准确率。
基于上述任一实施例，所述采用斗栱三级类别识别方法，对所述待识别斗栱进行三级类别识别，得到三级类别识别结果，具体包括：
针对二级类别为非叉柱造类铺作及十字形补间铺作类别的，采用斜昂类识别方法，通过识别十字形补间辅作及非叉柱造类铺作存在斜昂构件的可能性，判定输入点云三级分类类别是否属于含斜昂类辅作。
具体地，采用斜昂类识别方法，由于十字形补间铺作及非叉柱造类铺作可能存在斜昂构件，通过识别其特征，即可判定其是否属于含斜昂类。
此处，在斜昂检测中，本发明实施例通过总结《营造法式》中斜昂类构件的制作规定，归纳得出其水平倾斜角度为23.49°，考虑到制造误差及点云数据特性，限定识别阈值为(22°～25°)，保证了方法的识别准确性。
下面以古木建筑遗产中的一个叉柱造柱头类铺作和一个含斜昂非叉柱造类柱头铺作为例，实现从斗栱骨架生成，到斗栱类别的自动化识别。
此两案例制作时均严格按照《营造法式》制式规则和尺寸比例，经由专业的加工厂家，使用近似古时制造时的原料情况，采用现代木工加工技术制作而成。配置环境为Intel(R)Core(R)CPU i7-7820HK@2.90GHz，RAM(16.0GB)，Windows10 64位操作系统，采用该方法完成了对两实验对象的类别判定。
(1)骨架生成结果
首先，分别获取其三轴方向切片，并计算其骨架结点生成骨架线，如图6和图7所示。
(2)平面对称性检测
在获取了斗栱的三维骨架后，需要分别沿xOy、yOz、zOx方向进行投影获取其二维骨架点云，为后续的分类识别提供数据基础，如图8和图9所示。在获得了各方向的二维骨架点云后，需要对其分别进行平面对称性检测，得到平面对称性检测特征向量Ct，并与转角铺作类别的平面对称性特征向量Ct标准值对比，以判断其是否属于转角铺作类别，实验结果如图10和图11所示。
可以看出两个案例的平面对称性特征向量Ct均为{1,0,1}，而转角铺作类别的Ct值为{0,0,1}，则可以判断其不属于转角铺作。还需对其继续进行一级分类类别的判定，确定其属于补间铺作类别或柱头铺作类别。
(3)柱形检测
接续(2)中的结果，分别对两案例点云采用柱形检测方法，识别其点云中的柱形点云部分，以实现判断其是否属于柱头铺作类别，实验结果如图12和图13所示。
此处根据参数的设定不同可能会将一个圆柱状点云识别为多个圆柱状点云部分，但是在这一步识别柱头铺作时并不会影响到识别的结果。可以看到得到的结果中能够较为准确的识别出其中的圆柱状点云。
至此完成对输入对象的一级类别的识别，识别结果如下表1所示。
表1
(4)圆形特征检测
由于案例的一级分类类别均为柱头铺作类，所以需要对其的二级分类类别进行识别，即识别其是否属于叉柱造类铺作，实验结果如图14和图15所示。
可以看出，由于案例一在总共抽取的9片切片点云中存在7片点云检测到有效的圆形点云，有效切片点云率ava为77.77％，而其通过率pass为76％，故判定其二级分类类别为叉柱造类铺作。而案例二中，在抽取的11片切片点云中未检测到任一点云存在圆形特征，故认定其为非叉柱造类铺作。两案例的检测结果均与事实相符，验证了算法的可行性。但是，在案例一中，由于其点云总体切片数较少，且采用的参数较为极限，导致理论检测通过率pass与有效切片点云率ava差距很小，仅1.77％，这可能导致在其他案例识别中存在遗漏情况，建议可以适当增加切片点云抽取数量，以增大有效点云占比率，提高算法鲁棒性。
二级分类类别的识别结果如下表2所示。
表2
(5)斜昂特征检测
由于案例一在二级分类类别识别中，得到其二级分类类别为叉柱造类铺作，根据前述的斗栱多级分类体系得到，该二级分类类别不存在三级分类子类别，故其斗栱类别识别已完成。而案例二中，由于其二级分类类别为非叉柱造类铺作，故其仍存在三级分类子类别，还需采用斜昂类铺作识别方法继续对其进行三级分类类别的判定，实验结果如图16所示。
实验结果中，对于剩余的斜向骨架点云中共识别出三组斜向平行直线组，其斜率分别为19.65°、23.98°及10.54°，由于角度阈值设定为(22°，25°)，故仅有第二组平行直线组的斜率在阈值范围内，为有效的斜向骨架。而由于该案例是按照相应的BIM模型的尺寸所加工而成，故在此以该模型中斜昂的角度作为参照，量测得到BIM模型中的角度为24.09°，与算法结果相差0.1°，可以看出本研究的算法能够较好的识别出该斜昂骨架。
综上所述，两个实验案例的斗栱多级类别识别结果如下表3所示。
表3
图17为本发明实施例提供的一种古木建筑斗栱自动化类别识别系统结构图，如图17所示，包括：生成模块1701、分类模块1702和识别模块1703；其中：
生成模块1701用于开发基于点云数据的斗栱骨架生成方法；分类模块1702用于开发面向自动化的斗栱多级分类类别，以及骨架识别特征；识别模块1703用于基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果。
本发明实施例提供的系统用于执行上述对应的方法，其具体的实施方式与方法的实施方式一致，涉及的算法流程与对应的方法算法流程相同，此处不再赘述。
本发明实施例通过面向自动化类别识别需求，开发自动化斗栱多级分类类别及其骨架特征，结合点云数据特征，开发斗栱骨架生成方法，基于点云数据生成斗栱的骨架线，以斗栱骨架为基础，以类别特征为目标，开发斗栱自动化类别特征逐级识别方法，高效而可靠地进行斗栱类别识别，为古木建筑遗产保护提供重要参考。
图18示例了一种电子设备的实体结构示意图，如图18所示，该电子设备可以包括：处理器(processor)1810、通信接口(Communications Interface)1820、存储器(memory)1830和通信总线1840，其中，处理器1810，通信接口1820，存储器1830通过通信总线1840完成相互间的通信。处理器1810可以调用存储器1830中的逻辑指令，以执行如下方法：开发基于点云数据的斗栱骨架生成方法；开发面向自动化的斗栱多级分类类别，以及骨架识别特征；基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果。
此外，上述的存储器1830中的逻辑指令可以通过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(可以是个人计算机，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、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：开发基于点云数据的斗栱骨架生成方法；开发面向自动化的斗栱多级分类类别，以及骨架识别特征；基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上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精神和范围。

Claims (6)

1.一种古木建筑斗栱自动化类别识别方法，其特征在于，包括：
开发基于点云数据的斗栱骨架生成方法；
开发面向自动化的斗栱多级分类类别，以及骨架识别特征；
基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果；
所述基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果，具体包括：
采用斗栱一级类别识别方法，对所述待识别斗栱进行一级类别识别，得到一级类别识别结果；
采用斗栱二级类别识别方法，对所述待识别斗栱进行二级类别识别，得到二级类别识别结果；
采用斗栱三级类别识别方法，对所述待识别斗栱进行三级类别识别，得到三级类别识别结果；
所述采用斗栱一级类别识别方法，对所述待识别斗栱进行一级类别识别，得到一级类别识别结果，具体包括：
采用平面对称性检测方法，分别检测所述待识别斗栱三个投影面的二维骨架点云的对称性，若判断获知所述对称性符合转角铺作特征，则判定输入点云一级分类类别为转角铺作；
进一步对非转角铺作类，采用柱形检测方法，对所述待识别斗栱进行圆柱形特征检测，若检测到圆柱形点云块符合柱头铺作识别特征，则判定所述输入点云一级分类类别为柱头铺作，否则为补间铺作；
所述采用斗栱二级类别识别方法，对所述待识别斗栱进行二级类别识别，得到二级类别识别结果，具体包括：
针对一级类别为补间铺作类别的，采用交叉特征角度识别方法，提取补间铺作类别的二维骨架点云中的交叉特征，计算所述交叉特征的特征角度值，将所述特征角度值与法式规定值进行比对，判定输入点云二级分类类别所属的类别；
针对一级类别为转角或柱头铺作类别的，采用圆形特征检测方法，通过识别多片切片点云中是否存在圆形特征，识别所述多片切片点云是否存在叉柱造构件，判定所述输入点云二级分类类别是否属于叉柱造类铺作；
所述采用斗栱三级类别识别方法，对所述待识别斗栱进行三级类别识别，得到三级类别识别结果，具体包括：
针对二级类别为非叉柱造类铺作及十字形补间铺作类别的，采用斜昂类识别方法，通过识别十字形补间辅作及非叉柱造类铺作存在斜昂构件的可能性，判定输入点云三级分类类别是否属于含斜昂类辅作。
2.根据权利要求1所述的古木建筑斗栱自动化类别识别方法，其特征在于，所述开发基于点云数据的斗栱骨架生成方法，具体包括：
对所述待识别斗栱的点云数据进行三维坐标系三方向切片，得到点云切片数据；
基于区域生长算法，对所述点云切片数据进行分割，记录为若干子点云；
计算所述若干子点云的骨架节点，将所述骨架节点添加进所述点云数据，采用单源最短路径算法对添加所述骨架节点的所述点云数据进行计算，得到斗栱骨架线。
3.根据权利要求1所述的古木建筑斗栱自动化类别识别方法，其特征在于，所述开发面向自动化的斗栱多级分类类别，以及骨架识别特征，具体包括：
根据斗栱的承担功能和空间位置关系，基于预设类别命名规则，得到所述斗栱多级分类类别；
基于斗栱骨架线和所述斗栱多级分类类别，得到所述骨架识别特征。
4.一种古木建筑斗栱自动化类别识别系统，其特征在于，包括：
生成模块，用于开发基于点云数据的斗栱骨架生成方法；
分类模块，用于开发面向自动化的斗栱多级分类类别，以及骨架识别特征；
识别模块，用于基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果；
所述基于所述斗栱骨架生成方法和所述斗栱多级分类类别，开发自动化斗栱逐级特征识别方法，得到待识别斗栱的类别识别结果，具体包括：
采用斗栱一级类别识别方法，对所述待识别斗栱进行一级类别识别，得到一级类别识别结果；
采用斗栱二级类别识别方法，对所述待识别斗栱进行二级类别识别，得到二级类别识别结果；
采用斗栱三级类别识别方法，对所述待识别斗栱进行三级类别识别，得到三级类别识别结果；
所述采用斗栱一级类别识别方法，对所述待识别斗栱进行一级类别识别，得到一级类别识别结果，具体包括：
采用平面对称性检测方法，分别检测所述待识别斗栱三个投影面的二维骨架点云的对称性，若判断获知所述对称性符合转角铺作特征，则判定输入点云一级分类类别为转角铺作；
进一步对非转角铺作类，采用柱形检测方法，对所述待识别斗栱进行圆柱形特征检测，若检测到圆柱形点云块符合柱头铺作识别特征，则判定所述输入点云一级分类类别为柱头铺作，否则为补间铺作；
所述采用斗栱二级类别识别方法，对所述待识别斗栱进行二级类别识别，得到二级类别识别结果，具体包括：
针对一级类别为补间铺作类别的，采用交叉特征角度识别方法，提取补间铺作类别的二维骨架点云中的交叉特征，计算所述交叉特征的特征角度值，将所述特征角度值与法式规定值进行比对，判定输入点云二级分类类别所属的类别；
针对一级类别为转角或柱头铺作类别的，采用圆形特征检测方法，通过识别多片切片点云中是否存在圆形特征，识别所述多片切片点云是否存在叉柱造构件，判定所述输入点云二级分类类别是否属于叉柱造类铺作；
所述采用斗栱三级类别识别方法，对所述待识别斗栱进行三级类别识别，得到三级类别识别结果，具体包括：
针对二级类别为非叉柱造类铺作及十字形补间铺作类别的，采用斜昂类识别方法，通过识别十字形补间辅作及非叉柱造类铺作存在斜昂构件的可能性，判定输入点云三级分类类别是否属于含斜昂类辅作。
5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一项所述古木建筑斗栱自动化类别识别方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一项所述古木建筑斗栱自动化类别识别方法的步骤。
CN202010635899.XA 2020-07-03 2020-07-03 一种古木建筑斗栱自动化类别识别方法及系统 Active CN111860625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010635899.XA CN111860625B (zh) 2020-07-03 2020-07-03 一种古木建筑斗栱自动化类别识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010635899.XA CN111860625B (zh) 2020-07-03 2020-07-03 一种古木建筑斗栱自动化类别识别方法及系统

Publications (2)

Publication Number Publication Date
CN111860625A CN111860625A (zh) 2020-10-30
CN111860625B true CN111860625B (zh) 2023-09-15

Family

ID=73152931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010635899.XA Active CN111860625B (zh) 2020-07-03 2020-07-03 一种古木建筑斗栱自动化类别识别方法及系统

Country Status (1)

Country Link
CN (1) CN111860625B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149880A (zh) * 2007-11-05 2008-03-26 张泽民 拼插式中国古代建筑角科斗栱结构仿真模型
US7783642B1 (en) * 2005-10-31 2010-08-24 At&T Intellectual Property Ii, L.P. System and method of identifying web page semantic structures
CN102323968A (zh) * 2011-10-26 2012-01-18 陈志勇 古建筑木结构整体结构的有限元建模方法
CN108256026A (zh) * 2018-01-10 2018-07-06 圣泓工业设计创意有限公司 一种管理传统建筑特征元素的数据库系统
CN108846888A (zh) * 2018-04-23 2018-11-20 北京建筑大学 一种古木建筑构件精细尺寸信息自动化提取方法
CN109918751A (zh) * 2019-02-26 2019-06-21 华中师范大学 一种基于CityGML扩展的建筑物三维语义建模方法
CN110910488A (zh) * 2019-11-05 2020-03-24 北京工业大学 用于古建筑散落构件智能拼接及虚拟复原的方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7783642B1 (en) * 2005-10-31 2010-08-24 At&T Intellectual Property Ii, L.P. System and method of identifying web page semantic structures
CN101149880A (zh) * 2007-11-05 2008-03-26 张泽民 拼插式中国古代建筑角科斗栱结构仿真模型
CN102323968A (zh) * 2011-10-26 2012-01-18 陈志勇 古建筑木结构整体结构的有限元建模方法
CN108256026A (zh) * 2018-01-10 2018-07-06 圣泓工业设计创意有限公司 一种管理传统建筑特征元素的数据库系统
CN108846888A (zh) * 2018-04-23 2018-11-20 北京建筑大学 一种古木建筑构件精细尺寸信息自动化提取方法
CN109918751A (zh) * 2019-02-26 2019-06-21 华中师范大学 一种基于CityGML扩展的建筑物三维语义建模方法
CN110910488A (zh) * 2019-11-05 2020-03-24 北京工业大学 用于古建筑散落构件智能拼接及虚拟复原的方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Digitalized preservation and presentation of historical building-taking traditional temples and dougong as examples;W. B. Yang等;25th International CIPA Symposium 2015;1-6 *
Safety State Evaluation Method Based on Attribute Recognition Model for Ancient Timber Buildings;Junhong Huan等;Advances in Civil Engineering;第2019卷;1-14 *
基于点云的宋式斗栱典型构件多层级BIM模型构建研究;石力文;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑;C038-207 *

Also Published As

Publication number Publication date
CN111860625A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN110334390B (zh) Cad中外墙识别方法、装置、存储介质及处理器
CN109981625B (zh) 一种基于在线层次聚类的日志模板抽取方法
CN108664860B (zh) 房间平面图的识别方法及装置
JP2017004123A (ja) 判定装置、判定方法および判定プログラム
CN110428438B (zh) 一种单木建模方法、装置和存储介质
CN110991065B (zh) 一种建筑信息模型中设计变更自动识别方法
CN106650446A (zh) 基于系统调用的恶意程序行为识别方法和系统
CN109286622B (zh) 一种基于学习规则集的网络入侵检测方法
CN108629315B (zh) 一种针对三维点云的多平面识别方法
WO2022022186A1 (zh) 数据点的识别方法、识别装置和计算机可读存储介质
CN111860625B (zh) 一种古木建筑斗栱自动化类别识别方法及系统
CN103837135A (zh) 工件检测方法及其系统
CN111862343A (zh) 一种三维重建方法、装置、设备及计算机可读存储介质
CN116168174A (zh) 建筑物缺失结构点云的修补方法及装置
CN112131858B (zh) 一种电网全景模型导入自动适配方法、装置及存储介质
CN115624747A (zh) 地形数据的处理方法、装置、设备及存储介质
KR101235506B1 (ko) 초기 클러스터링을 사용한 병합식 계층적 클러스터링 방법 및 장치
KR101915402B1 (ko) 점진적 그래프 최적화를 통한 특징점 매칭 방법
CN112288759A (zh) 一种边界提取方法、装置、设备及存储介质
CN113239999A (zh) 数据异常检测方法、装置和电子设备
WO2021014557A1 (ja) メッシュ構造設備検出装置、メッシュ構造設備検出方法、及びプログラム
CN114254069A (zh) 域名相似度的检测方法、装置和存储介质
CN117252993B (zh) 特征点提取算法的验证方法、装置、电子设备及存储介质
CN110688304B (zh) 处理器指令集的完备性检测方法、装置与电子设备
CN115423053B (zh) 适用于翼型切面的非结构流场数据的分类方法及相关设备

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