CN112017199B - 一种楼层边界检测方法、装置、设备及存储介质 - Google Patents

一种楼层边界检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112017199B
CN112017199B CN202011151753.4A CN202011151753A CN112017199B CN 112017199 B CN112017199 B CN 112017199B CN 202011151753 A CN202011151753 A CN 202011151753A CN 112017199 B CN112017199 B CN 112017199B
Authority
CN
China
Prior art keywords
grid
height
point cloud
cloud data
determining
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
CN202011151753.4A
Other languages
English (en)
Other versions
CN112017199A (zh
Inventor
傅志刚
杨海溢
贾宁
吴则刚
周森标
彭登
陶永康
刘玉平
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.)
Guangdong Bozhilin Robot Co Ltd
Original Assignee
Guangdong Bozhilin Robot Co Ltd
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 Guangdong Bozhilin Robot Co Ltd filed Critical Guangdong Bozhilin Robot Co Ltd
Priority to CN202011151753.4A priority Critical patent/CN112017199B/zh
Publication of CN112017199A publication Critical patent/CN112017199A/zh
Application granted granted Critical
Publication of CN112017199B publication Critical patent/CN112017199B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General 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)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种楼层边界检测方法、装置、设备及存储介质。获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定最大高度栅格图和最大高度栅格图对应的最大高度栅格掩膜图，根据最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度，确定位于基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据竖直物体区域掩膜图和最大高度栅格掩膜图提取有效区域，进一步地根据有效区域检测结果得到楼层边界检测结果。达到提高楼层边界检测结果的准确性的目的，有利于保证机器人在整平工艺和磨平工艺过程中精准作业并提高作业效率。

Description

一种楼层边界检测方法、装置、设备及存储介质
技术领域
本发明实施例涉及测绘技术，尤其涉及一种楼层边界检测方法、装置、设备及存储介质。
背景技术
随着人口红利的下降，建筑行业对测绘技术的自动化程度提出了越来越高的要求和需求。近几年，半自动化的自升造楼装备的出现代替了部分重复性大、劳动强度高的工作，与之相对应的是测绘技术的自动化水平需要相应提升。建筑领域中，楼层地面的形成依次需要涂浆、抹平、整平等建筑工艺的执行。其中，造楼装备在抹平和整平工艺时，需要事先获得工作区域信息，即可行区域的高度和边界。有效工作区域的目标特征由近似水平的网状钢筋的高度特征和过滤建筑设备后的楼层边界特征组成，并称有效工作区域为参考地面。
现有技术中一般将建筑周围的地面高度直接作为建筑物的基准面高度，将施工完成之后的楼面边界进行提取，将提取的区域作为楼层的边界，但建筑周围的地面高度不能准确反映建筑物的基准面高度，提取的区域也不能准确的反应有效工作区域，使楼层边界检测结果不准确，进而影响整平工艺和磨平工艺的作业效率。
发明内容
本发明实施例提供了一种楼层边界检测方法、装置、设备及存储介质，以根据网状钢筋的点云数据检测基准面、有效区域检测以及楼层边界提取，得到准确的楼层边界检测结果，进而提高整平工艺和磨平工艺的作业效率。
第一方面，本发明实施例提供了一种楼层边界检测方法，包括：
获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格图和所述最大高度栅格图对应的最大高度栅格掩膜图；
基于所述最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度；
确定位于所述基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，其中，所述竖直物体区域掩膜图为包括竖直物体和虚点的掩膜图；
对所述有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将所述反投影结果作为楼层边界检测结果。
第二方面，本发明实施例还提供了一种楼层边界检测装置，包括：
最大高度栅格掩膜图确定模块，用于获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格图和所述最大高度栅格图对应的最大高度栅格掩膜图；
基准面高度确定模块，用于基于所述最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度；
有效区域检测结果确定模块，用于确定位于所述基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，其中，所述竖直物体区域掩膜图为包括竖直物体和虚点的掩膜图；
楼层边界检测结果确定模块，用于对所述有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将所述反投影结果作为楼层边界检测结果。
第三方面，本发明实施例还提供了一种楼层边界检测设备，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计算机程序时实现如第一方面中任一项所述的楼层边界检测方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如第一方面中任一项所述的楼层边界检测方法。
本实施例提供的技术方案，获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定最大高度栅格图和最大高度栅格图对应的最大高度栅格掩膜图，根据最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度，确定位于基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据竖直物体区域掩膜图和最大高度栅格掩膜图提取有效区域，进一步地根据有效区域检测结果得到楼层边界检测结果。解决了现有技术中楼层边界检测提取不准确的问题，由于基准面高度处的竖直物体区域掩膜图包括竖直钢筋和虚点，可以解决因虚采现象导致的提取的有效区域不准确的问题，进一步提高了楼层边界检测结果的准确性，有利于保证机器人在整平工艺和磨平工艺过程中精准作业并提高作业效率。
附图说明
图1为本发明实施例一提供的一种楼层边界检测方法的流程示意图；
图2为本发明实施例一提供的一种楼层边界检测的逻辑示意图；
图3为本发明实施例二提供的一种楼层边界检测方法的流程示意图；
图4为本发明实施例二提供的确定有效区域检测结果的逻辑示意图；
图5a为本发明实施例二提供的初始边界的示意图；
图5b-图5f为本发明实施例二提供的内缩后的边界的示意图；
图6为本发明实施例三提供的一种楼层边界检测方法的流程示意图；
图7为本发明实施例四提供的一种楼层边界检测装置的结构示意图；
图8为本发明实施例五提供的一种楼层边界检测设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种楼层边界检测方法的流程示意图，本实施例可适用于根据确定的最大高度栅格掩膜图和竖直物体区域掩膜图确定有效区域检测结果，进一步根据有效区域检测结果确定楼层边界检测结果的情况，该方法可以由楼层边界检测装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在楼层边界检测设备中。具体参见图1所示，该方法可以包括如下步骤：
S110，获取水平钢筋的点云数据，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，确定点云数据对应的最大高度栅格图和最大高度栅格图对应的最大高度栅格掩膜图。
其中，所述映射关系可以是点云数据的索引与初始栅格图之间的对应关系，可以根据所述映射关系将获取的水平钢筋的点云数据投影至初始栅格图，得到不同高度的点云数据对应的初始栅格图。所述最大高度栅格掩膜图可以包括水平钢筋的栅格点、墙体的栅格点、施工工具的栅格点以及噪声数据的栅格点等。本实施例中，最大高度栅格图可以通过将初始栅格图对应的不同高度的点云数据排序后，选取高度值最大的点云数据生成最大高度栅格图，并对最大高度栅格图进行掩膜化处理，得到最大高度栅格掩膜图。其中，所述掩膜化处理可以是将最大高度栅格图中的栅格点的像素值进行调整。
S120，基于最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度。
可选地，可以根据最大高度栅格掩膜图内各栅格点对应的高度值确定最大高度栅格掩膜图中的水平钢筋、墙体、施工工具以及噪声数据等信息，并对最大高度栅格掩膜图进行分割，确定目标分割区域，计算目标分割区域内的像素点对应的目标点云数据的高度值，根据目标点云数据的高度值确定基准面高度。
S130，确定位于基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据竖直物体区域掩膜图和所最大高度栅格掩膜图，确定有效区域检测结果。
其中，所述竖直物体区域掩膜图为包括竖直钢筋和虚点的掩膜图。可以理解的是，对建筑物进行区域检测时，出现频率最大的是墙内的竖直物体或者部分安全围栏，所述竖直物体包括竖直钢筋和安全围栏。由于细长的几何形状和凹凸不平的表面，造成激光反射强度小且不稳定，造成虚采现象。该步骤的目的就是将细长型竖直物体和虚点区域分别检测出来，保留竖直物体区域，删除虚点区域。根据虚采区域点密度相对于钢筋等实体点密度小的特点，确定竖直物体区域掩膜图。
可选地，确定位于所述基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，包括：根据所述最大高度栅格掩膜图中高度大于或等于所述基准面高度处的竖直物体的点云数据确定密度阈值；对于所述基准面高度处的竖直物体的点云数据对应的任一像素点，计算K近邻平均距离；根据所述K近邻平均距离内的像素点的个数确定点云密度，将所述点云密度与所述密度阈值比较，根据密度比较结果生成所述竖直物体区域掩膜图。
具体地，对大于或等于基准面高度处的竖直物体的点云数据对应的所有像素点求平均或者计算中值，得到所述密度阈值；所述K近邻平均距离的计算公式为：
Figure DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
为中值函数，
Figure DEST_PATH_IMAGE003
为集合
Figure DEST_PATH_IMAGE004
中的元素个数，
Figure 729641DEST_PATH_IMAGE004
为坐标 为栅格点
Figure DEST_PATH_IMAGE005
的栅格点对应的点云数据集合，
Figure DEST_PATH_IMAGE006
为点云数据为
Figure DEST_PATH_IMAGE007
时的K近邻点 集合，
Figure DEST_PATH_IMAGE008
为两点间的距离测度，本实施例选择欧几里得距离，
Figure DEST_PATH_IMAGE009
为索引为
Figure DEST_PATH_IMAGE010
的 点云数据，
Figure DEST_PATH_IMAGE011
为索引为其他数据的K近邻点云数据，
Figure DEST_PATH_IMAGE012
为索引为
Figure 801109DEST_PATH_IMAGE007
时的K近邻 点集合。
可选地，所述根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，包括：根据所述竖直物体区域掩膜图的像素值确定所述竖直物体和所述虚点形成的目标区域图；基于所述最大高度栅格掩膜图和所述目标区域图，生成所述有效区域检测结果。
可以理解的是，竖直物体区域掩膜图包括竖直钢筋和虚点，竖直物体区域掩膜图包括黑色区域（像素值为0）、灰色区域（像素值为127）和白色区域（像素值为255）根据竖直物体区域掩膜图的像素值，筛选出灰色区域和白色区域，将包括灰色区域和白色区域的掩膜图确定为目标区域图，进一步根据最大高度栅格掩膜图和目标区域图的像素值，确定有效区域检测结果。
具体地，有效区域检测结果的计算公式为：
Figure DEST_PATH_IMAGE013
其中，
Figure DEST_PATH_IMAGE014
为最大高度栅格掩膜图，
Figure DEST_PATH_IMAGE015
为竖直物体区域掩膜图中 像素值为127的灰色区域，
Figure DEST_PATH_IMAGE016
为竖直物体区域掩膜图中像素值为255的白色区 域，所述目标区域图包括灰色区域和白色区域，在确定有效区域检测结果时，可以根据目标 区域的像素值将灰色区域剔除，保留白色区域。
S140，对有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将反投影结果作为楼层边界检测结果。
通过前述步骤确定了有效区域检测结果，可以根据所述有效区域检测结果内的像素值进行边界提取，得到有序点序列的多边形，即得到边界提取结果，进一步将二维平面内的边界提取结果反投影至三维空间，得到边界提取结果。
可选地，所述将边界提取结果进行反投影，得到反投影结果，包括：对于所述边界提取结果中的任一栅格点，根据所述任一栅格点的四邻域栅格点对应的像素值对所述边界提取结果进行过滤，根据过滤后的边界提取结果的栅格点的坐标数据、像素尺寸、点云数据的坐标范围以及所述基准面高度，确定所述边界提取结果的反投影结果。
具体地，选择所述边界提取结果中的任一栅格点，确定该栅格点的四邻域范围内的栅格点的像素值，如果四邻域范围内的栅格点的像素值不全是255，则将该栅格点过滤掉，否则，保留该栅格点。
具体地，楼层边界检测结果的计算公式为：
Figure DEST_PATH_IMAGE017
其中，
Figure DEST_PATH_IMAGE018
为点云数据的最小横坐标，
Figure DEST_PATH_IMAGE019
为点云数据的最小纵坐标，
Figure DEST_PATH_IMAGE020
为栅格点的横坐标，
Figure DEST_PATH_IMAGE021
为栅格点的纵坐标，
Figure DEST_PATH_IMAGE022
为像素尺寸，
Figure DEST_PATH_IMAGE023
为点云数据的高 度值。
结合图2所示的楼层边界检测的逻辑示意图解释上述过程。首先，获取点云数据，对点云数据进行网格化处理，对得到的栅格点进行参考地面高度检测，即确定基准面高度；进一步地，根据参考地面高度处的竖直物体区域掩膜图和最大高度栅格掩膜图进行参考地面边界检测，得到边界提取结果；进一步地，进行参考地面矢量化处理，即对边界提取结果进行反投影，将反投影结果作为楼层边界检测结果。
本实施例提供的技术方案，获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定最大高度栅格图和最大高度栅格图对应的最大高度栅格掩膜图，根据最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度，确定位于基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据竖直物体区域掩膜图和最大高度栅格掩膜图提取有效区域，进一步地根据有效区域检测结果得到楼层边界检测结果。解决了现有技术中楼层边界检测提取不准确的问题，由于基准面高度处的竖直物体区域掩膜图包括竖直钢筋和虚点，可以解决因虚采现象导致的提取的有效区域不准确的问题，进一步提高了楼层边界检测结果的准确性，有利于保证机器人在整平工艺和磨平工艺过程中精准作业并提高作业效率。
实施例二
图3为本发明实施例二提供的一种楼层边界检测方法的流程示意图。本实施例的技术方案在上述实施例的步骤进行了细化。可选地，该方法还包括：将高度小于所述基准面高度处的点云数据对应的掩膜图确定为无效区域掩膜图，并将高度大于或等于所述基准面高度处的点云数据对应的掩模图确定为薄膜区域掩膜图。可选地，所述根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，包括：根据所述竖直物体区域掩膜图的像素值确定所述竖直物体和虚点的目标区域图；基于所述最大高度栅格掩膜图、所述目标区域图、所述无效区域掩膜图以及所述薄膜区域掩膜图，确定所述有效区域检测结果。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图3所示，该方法可以包括如下步骤：
S210，获取水平钢筋的点云数据，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，确定点云数据对应的最大高度栅格图和最大高度栅格图对应的最大高度栅格掩膜图。
S220，基于最大高度栅格掩膜图内各栅格点的高度值，确定基准面高度。
S230，确定位于基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，将高度小于基准面高度处的点云数据对应的掩膜图确定为无效区域掩膜图，并将高度大于或等于基准面高度处的点云数据对应的掩模图确定为薄膜区域掩膜图。
如前述实施例所述，竖直物体区域掩膜图的确定方法为：根据所述最大高度栅格掩膜图中高度大于或等于所述基准面高度处的竖直物体的点云数据确定密度阈值；对于所述基准面高度处的竖直物体的点云数据对应的任一像素点，计算K近邻平均距离；根据所述K近邻平均距离内的像素点的个数确定点云密度，将所述点云密度与所述密度阈值比较，根据密度比较结果生成所述竖直物体区域掩膜图。
其中，无效区域掩膜图指的是在参考地面高度（即基准面高度）的一定范围以下存在实体点云的区域对应的掩膜图。无效区域掩膜图主要由辅助建造设备（例如爬架、行吊或者其他虚采区域）的区域组成。对于参考地面高度以下一定范围内的每个栅格点，如果该栅格点存在点云数据，将该栅格点的像素值赋值为255，否则赋值为0。可选地，设定高度范围可以根据辅助建造设备的高度确定或者为自定义高度。
其中，薄膜区域掩膜图指的是在参考地面高度（即基准面高度）的一定范围以上的点云区域对应的掩膜图，如果该点云区域在竖直方向上表现为一层薄膜装，则将该点云区域确定为薄膜区域掩膜图，所述薄膜区域掩膜图与最大高度栅格掩膜图包括的信息相近。可选地，所述将高度大于或等于所述基准面高度处的点云数据对应的掩模图确定为薄膜区域掩膜图，包括：对高度大于或等于所述基准面高度处的点云数据进行聚类运算，得到聚类运算结果；如果所述聚类运算结果只存在一个类别，且所述类别内的每个栅格对应的点云数据的最大高度与最小高度差小于预设薄膜厚度值，将高度大于或等于所述基准面高度处的点云数据对应的掩模图确定为薄膜区域掩膜图。可选地，所述设定高度范围可以是自定义高度或者根据激光精度确定。所述聚类运算算法可以是K均值聚类算法、均值漂移聚类算法、基于密度的聚类算法或者欧几里得聚类算法等。本实施例的聚类算法优选为欧几里得聚类算法。
通过上述方式，可以找到参考地面高度一定范围以下的无效区域掩膜图和参考地面高度一定范围以上的薄膜区域掩膜图，便于后续确定有效区域检测结果时，结合辅助建造设备的无效区域掩膜图和薄膜区域掩膜图准确确定有效区域检测结果，进一步提高楼层边界检测结果的准确性。
S240，根据竖直物体区域掩膜图的像素值确定竖直物体和虚点的目标区域图。
如前述实施例所述，竖直物体区域掩膜图包括竖直钢筋和虚点，竖直物体区域掩膜图包括黑色区域（像素值为0）、灰色区域（像素值为127）和白色区域（像素值为255）根据竖直物体区域掩膜图的像素值，筛选出灰色区域和白色区域，将包括灰色区域和白色区域的掩膜图确定为目标区域图。
S250，基于最大高度栅格掩膜图、目标区域图、无效区域掩膜图以及薄膜区域掩膜图，确定有效区域检测结果。
具体地，有效区域检测结果的计算公式为：
Figure DEST_PATH_IMAGE024
其中，
Figure 65999DEST_PATH_IMAGE014
为最大高度栅格掩膜图，
Figure DEST_PATH_IMAGE025
为无效区域掩膜图，
Figure DEST_PATH_IMAGE026
为薄 膜区域掩膜图，
Figure 130383DEST_PATH_IMAGE015
为竖直物体区域掩膜图中像素值为127的灰色区域，
Figure 679176DEST_PATH_IMAGE016
为竖直物体区域掩膜图中像素值为255的白色区域，所述目标区域图包括 灰色区域和白色区域，在确定有效区域检测结果时，可以根据目标区域的像素值将灰色区 域剔除，保留白色区域，即有效区域检测结果是将最大高度栅格掩膜图与无效区域掩膜图 相减，将相减后的掩膜图与白色区域以及薄膜区域掩膜图叠加后确定的。
如图4所示为确定有效区域检测结果的逻辑示意图，结合图4具体解释生成有效区域检测结果的过程。首先，生成参考地面范围内的栅格图，即生成最大高度栅格掩膜图，并进行地下区域检测、细长型物体检测和虚点过滤以及进行薄膜区域检测，得到竖直物体区域掩膜图、无效区域掩膜图以及薄膜区域掩膜图；进一步地，根据上述掩膜图进行地面有效区域提取，得到有效区域提取结果，即根据竖直物体区域掩膜图的像素值、最大高度栅格掩膜图、无效区域掩膜图以及薄膜区域掩膜图，确定有效区域检测结果；进一步地，进行边界矢量化处理，即将有效区域检测结果进行序列化处理，得到一串有虚点序列构成的多边形。
本实施例通过根据无效区域掩膜图、薄膜区域掩膜图、最大高度栅格掩膜图以及竖直物体区域掩膜图确定有效区域检测结果，可以避免参考地面以下的辅助建造设备的点云数据以及虚采现象影响有效区域检测结果的准确度，得到可靠的有效区域检测结果，并进一步提高楼层边界检测结果的准确性。
S260，对有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将反投影结果作为楼层边界检测结果。
可选地，所述对所述有效区域检测结果进行边界提取，包括：对所述有效区域检测结果内的冗余栅格点进行剔除；对剔除冗余栅格点后的栅格点构建初始边界，根据所述初始边界内的栅格点的分布，将所述初始边界内缩，将内缩后的初始边界作为有效区域检测结果的边界提取结果。
具体地，对剔除冗余栅格点后的栅格点构建初始边界，根据所述初始边界内的栅格点的分布，将所述初始边界内缩，将内缩后的初始边界作为有效区域检测结果的边界提取结果，包括：对所述剔除冗余栅格点后的有效区域检测结果进行卷包裹计算，得到所述初始边界；将所述初始边界内的当前栅格点与所述初始边界的线段两端点连接，构成三角形区域；如果所述三角形区域内不存在栅格点，将所述初始边界内的当前栅格点添加至所述初始边界上，确定新的边界内的下一栅格点与所述新的边界内的线段两端点连接，构成新的三角形区域，直至新的三角形区域内存在栅格点。
结合图5a-图5f具体地解释，图5a为对剔除冗余栅格点后的栅格点进行卷包裹计算得到的初始边界，对于图5a中初始边界内的每个点，将该点与初始边界上的最近线段的两端点连接构成三角形，确定该三角形区域内是否存在栅格点，如果不存在，将该点添加至初始边界上，使初始边界内缩，得到图5b-图5f所示的内缩后的边界，并继续执行将内缩后的边界内的每个点与该内缩后的边界上的最近线段的两端点连接成三角形，确定新的三角形区域内是否存在栅格点，如果存在，对内缩后的边界继续进行内缩，如果存在，将该内缩后的边界作为边界提取结果。通过对初始边界进行内缩处理，可以高效且有序的确定边界提取结果，有利于得到准确的楼层边界检测结果。
进一步地，对于将边界提取结果进行反投影，得到反投影结果，并将反投影结果作为楼层边界检测结果的步骤可以参考前述实施例所述的描述，本实施例对此不再赘述。
本实施例提供的技术方案，通过确定位于基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，将高度小于基准面高度处的点云数据对应的掩膜图确定为无效区域掩膜图，并将高度大于或等于基准面高度处的点云数据对应的掩膜图确定为薄膜区域掩膜图，根据竖直物体区域掩膜图的像素值、最大高度栅格掩膜图、无效区域掩膜图以及薄膜区域掩膜图，确定有效区域检测结果，可以避免参考地面以下的辅助建造设备的点云数据以及虚采现象影响有效区域检测结果的准确度，得到可靠的有效区域检测结果，并进一步提高楼层边界检测结果的准确性；并且，通过对初始边界进行内缩处理，可以高效且有序的确定边界提取结果，有利于得到准确的楼层边界检测结果。
实施例三
图6为本发明实施例三提供的一种楼层边界检测方法的流程示意图。本实施例的技术方案在上述实施例的步骤进行了细化。可选地，所述基于所述最大高度栅格掩膜图内各栅格点的高度值，确定基准面高度，包括：对所述最大高度栅格掩膜图进行区域分割，生成最大连通域检测区域；将所述最大连通域检测区域的栅格点按照高度值降低的顺序排列，得到最大连通域检测区域集合；确定所述最大连通域检测区域集合中的栅格点对应的目标点云数据，计算所述目标点云数据的高度值的中值，将所述高度值的中值作为所述基准面高度。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图6所示，该方法可以包括如下步骤：
S310，获取水平钢筋的点云数据，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，确定点云数据对应的最大高度栅格图和最大高度栅格图对应的最大高度栅格掩膜图。
可选地，在确定点云数据对应的最大高度栅格图和最大高度栅格图对应的最大高度栅格掩膜图之前，还包括：获取任一点云数据的第一坐标数据、所述初始栅格图的像素尺寸以及所述点云数据的最小坐标；根据所述第一坐标数据、所述像素尺寸和所述最小坐标，计算所述任一点云数据对应的栅格点的第二坐标数据；根据所述点云数据的第一坐标数据和所述栅格点的第二坐标数据确定所述映射关系。
具体地，假设点云数据的第一坐标数据为
Figure DEST_PATH_IMAGE027
，像素尺寸为
Figure DEST_PATH_IMAGE028
， 则栅格点的第二坐标数据根据下述公式计算：
Figure DEST_PATH_IMAGE029
其中，
Figure DEST_PATH_IMAGE030
为栅格点的第二坐标数据，
Figure DEST_PATH_IMAGE031
表示向下取整运算，
Figure DEST_PATH_IMAGE032
为最小坐标。通过上述公式运算，得到初始栅格图中栅格点的第二坐标 数据
Figure 845846DEST_PATH_IMAGE030
对应的点云数据集合
Figure DEST_PATH_IMAGE033
，这样，就建立了点云 数据与栅格点的映射关系，即确定第一坐标数据和第二坐标数据的映射关系。
为了提高基准面高度的计算效率，确定所述映射关系后，可以将点云数据集合
Figure DEST_PATH_IMAGE034
按照高度数据
Figure DEST_PATH_IMAGE035
值降序排列，得到
Figure DEST_PATH_IMAGE036
，其中，
Figure DEST_PATH_IMAGE037
为
Figure DEST_PATH_IMAGE038
中的第
Figure DEST_PATH_IMAGE039
个元素，
Figure DEST_PATH_IMAGE040
。
本实施例中，在确定所述映射关系之前，还可以根据点云数据的分布范围和像素 尺寸确定初始栅格图的高度和宽度，则初始栅格图的宽度和高度根据以下公式计算：
Figure DEST_PATH_IMAGE041
其中，
Figure DEST_PATH_IMAGE042
和
Figure DEST_PATH_IMAGE043
分别是初始栅格图的宽度和高度，点云数据在
Figure DEST_PATH_IMAGE044
方向的范围是
Figure DEST_PATH_IMAGE045
，点云数据在
Figure DEST_PATH_IMAGE046
方向的范围是
Figure DEST_PATH_IMAGE047
，
Figure DEST_PATH_IMAGE048
是像 素尺寸。将公式（8）和公式（9）结合，对于初始栅格图范围内的任一栅格点，都可以在点云数 据的分布范围内找到该栅格点唯一对应的点云数据。
可选地，所述基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格掩膜图，包括：确定所述点云数据的投影面和所述投影面内的基点；根据投影面内的非基点与所述基点的相对位置以及所述映射关系，确定点云数据的点云坐标方向与栅格点的栅格坐标方向的转换关系，并基于所述转换关系将所述点云数据投影至所述初始栅格图内，得到投影栅格图；如果所述投影栅格图内的任一所述第二坐标数据对应多个所述第一坐标数据，将所述投影栅格图内的同一栅格点对应的多个点云数据按照高度值降低的顺序排列，生成点云索引集合；根据所有所述点云索引集合中的高度值最大的点云数据的第一坐标数据，生成最大高度栅格图，并对所述最大高度栅格图进行掩膜化处理，得到所述最大高度栅格掩膜图。
具体地，点云数据的投影面指的是点云数据所属的三维空间内的任意退化的二维平面，例如将若干个高度数据相差较小的点云数据对应的X-Y平面确定为点云数据的投影面，所述基点是投影面内的任意点，并确定非基点与基点之间的相对位置和所述映射关系，根据相对位置和映射关系确定点云坐标方向与栅格点的栅格坐标方向的转换关系，进一步地根据所述转换关系对点云数据进行投影，得到投影栅格图。
可以理解的是，投影栅格图中的任一栅格点对应多个高度的点云数据，然而基准面高度是根据最上层的水平钢筋的高度确定的，即根据同一栅格点对应的最大高度点云数据确定基准面高度。基于此，最大高度栅格图的确定方法为：如果所述投影栅格图内的任一所述第二坐标数据对应多个所述第一坐标数据，将所述投影栅格图内的同一栅格点对应的多个点云数据按照高度值降低的顺序排列，生成点云索引集合；根据所有所述点云索引集合中的高度值最大的点云数据的第一坐标数据生成所述最大高度栅格图，并对所述最大高度栅格图中栅格点的像素值进行处理，得到最大高度栅格掩膜图。
具体地，可以根据点云数据与栅格点的映射关系，确定任一栅格点对应的多个高度的点云数据，根据点云数据的高度将点云数据进行排列，并根据高度值最大的点云数据生成最大高度栅格图，即生成高度值最大的水平钢筋的点云数据对应的栅格图。
S320，对最大高度栅格掩膜图进行区域分割，生成最大连通域检测区域，将最大连通域检测区域的栅格点按照高度值降低的顺序排列，得到最大连通域检测区域集合。
进一步地，可以将最大高度栅格图中连通域面积较大的区域内任意一点作为种子点，基于种子增长原理对最大高度栅格图进行连通域分割，得到多个连通域检测区域，计算每个连通域检测区域的面积，将面积最大的连通域检测区域作为最大连通域检测区域，并将所述最大连通域检测区域的栅格点按照高度值降低的顺序排列，得到最大连通域检测区域集合。
S330，确定最大连通域检测区域集合中的栅格点对应的目标点云数据，计算目标点云数据的高度值的中值，将高度值的中值作为基准面高度。
具体地，可以通过如下公式计算基准面高度：
Figure DEST_PATH_IMAGE049
（公式10）
其中，
Figure DEST_PATH_IMAGE050
是中值函数，
Figure DEST_PATH_IMAGE051
为基准面高度，
Figure DEST_PATH_IMAGE052
为Y方向第
Figure DEST_PATH_IMAGE053
个像素点的高度值，X方向的第
Figure DEST_PATH_IMAGE054
个像素点的高度值不小于第
Figure DEST_PATH_IMAGE055
个像素点的高度值。
S340，确定位于基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据竖直物体区域掩膜图和所最大高度栅格掩膜图，确定有效区域检测结果。
S350，对有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将反投影结果作为楼层边界检测结果。
本实施例提供的技术方案，对所述最大高度栅格掩膜图进行区域分割，生成最大连通域检测区域，将所述最大连通域检测区域的栅格点按照高度值降低的顺序排列，得到最大连通域检测区域集合，确定所述最大连通域检测区域集合中的栅格点对应的目标点云数据，计算所述目标点云数据的高度值的中值，将所述高度值的中值作为所述基准面高度。上述方式可以准确确定基准面高度，并且，生成最大高度栅格图的过程可以简化点云数据，可以提高基准面高度的计算效率，在避免整平设备受到损伤的同时，提高整平工艺和磨平工艺的作业效率。
实施例四
图7为本发明实施例四提供的一种楼层边界检测装置的结构示意图。参见图7所示，该装置包括：最大高度栅格掩膜图确定模块410、基准面高度确定模块420、有效区域检测结果确定模块430以及楼层边界检测结果确定模块440。
其中，最大高度栅格掩膜图确定模块410，用于获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格图和所述最大高度栅格图对应的最大高度栅格掩膜图；
基准面高度确定模块420，用于基于所述最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度；
有效区域检测结果确定模块430，用于确定位于所述基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，其中，所述竖直物体区域掩膜图为包括竖直物体和虚点的掩膜图；
楼层边界检测结果确定模块440，用于对所述有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将所述反投影结果作为楼层边界检测结果。
在上述各技术方案的基础上，有效区域检测结果确定模块430还用于，根据所述最大高度栅格掩膜图中高度大于或等于所述基准面高度处的竖直物体的点云数据确定密度阈值；
对于所述基准面高度处的竖直物体的点云数据对应的任一像素点，计算K近邻平均距离；
根据所述K近邻平均距离内的像素点的个数确定点云密度，将所述点云密度与所述密度阈值比较，根据密度比较结果生成所述竖直物体区域掩膜图。
可选地，有效区域检测结果确定模块430还用于，根据所述竖直物体区域掩膜图的像素值确定所述竖直物体和所述虚点形成的目标区域图；
基于所述最大高度栅格掩膜图和所述目标区域图，生成所述有效区域检测结果。
在上述各技术方案的基础上，有效区域检测结果确定模块430还用于，将高度小于所述基准面高度处的点云数据对应的掩膜图确定为无效区域掩膜图，并将高度大于或等于所述基准面高度处的点云数据对应的掩模图确定为薄膜区域掩膜图。
在上述各技术方案的基础上，有效区域检测结果确定模块430还用于，根据所述竖直物体区域掩膜图的像素值确定所述竖直物体和虚点的目标区域图；
基于所述最大高度栅格掩膜图、所述目标区域图、所述无效区域掩膜图以及所述薄膜区域掩膜图，确定所述有效区域检测结果。
在上述各技术方案的基础上，有效区域检测结果确定模块430还用于，对高度大于或等于所述基准面高度处的点云数据进行聚类运算，得到聚类运算结果；
如果所述聚类运算结果只存在一个类别，且所述类别内的每个栅格对应的点云数据的最大高度与最小高度差小于预设薄膜厚度值，将高度大于或等于所述基准面高度处的点云数据对应的掩模图确定为薄膜区域掩膜图。
在上述各技术方案的基础上，楼层边界检测结果确定模块440还用于，对所述有效区域检测结果内的冗余栅格点进行剔除；
对剔除冗余栅格点后的栅格点构建初始边界，根据所述初始边界内的栅格点的分布，将所述初始边界内缩，将内缩后的初始边界作为有效区域检测结果的边界提取结果。
在上述各技术方案的基础上，楼层边界检测结果确定模块440还用于，对所述剔除冗余栅格点后的有效区域检测结果进行卷包裹计算，得到所述初始边界；
将所述初始边界内的当前栅格点与所述初始边界的线段两端点连接，构成三角形区域；
如果所述三角形区域内不存在栅格点，将所述初始边界内的当前栅格点添加至所述初始边界上，确定新的边界内的下一栅格点与所述新的边界内的线段两端点连接，构成新的三角形区域，直至新的三角形区域内存在栅格点。
在上述各技术方案的基础上，楼层边界检测结果确定模块440还用于，对所述边界提取结果中的栅格点进行过滤，根据过滤后的边界提取结果的栅格点的坐标数据、像素尺寸、点云数据的坐标范围以及所述基准面高度，确定所述边界提取结果的反投影结果。
在上述各技术方案的基础上，该装置还包括：映射关系确定模块；其中，映射关系确定模块，用于获取任一点云数据的第一坐标数据、所述初始栅格图的像素尺寸以及所述点云数据的最小坐标；根据所述第一坐标数据、所述像素尺寸和所述最小坐标，计算所述任一点云数据对应的栅格点的第二坐标数据；
根据所述点云数据的第一坐标数据和所述栅格点的第二坐标数据确定所述映射关系。
在上述各技术方案的基础上，最大高度栅格掩膜图确定模块410还用于，确定所述点云数据的投影面和所述投影面内的基点；
根据投影面内的非基点与所述基点的相对位置以及所述映射关系，确定点云数据的点云坐标方向与栅格点的栅格坐标方向的转换关系，并基于所述转换关系将所述点云数据投影至所述初始栅格图内，得到投影栅格图；
如果所述投影栅格图内的任一第二坐标数据对应多个第一坐标数据，将所述投影栅格图内的同一栅格点对应的多个点云数据按照高度值降低的顺序排列，生成点云索引集合；
根据所有所述点云索引集合中的高度值最大的点云数据的第一坐标数据，生成最大高度栅格图，并对所述最大高度栅格图进行掩膜化处理，得到所述最大高度栅格掩膜图。
在上述各技术方案的基础上，基准面高度确定模块420还用于，对所述最大高度栅格掩膜图进行区域分割，生成最大连通域检测区域；
将所述最大连通域检测区域的像素点按照高度值降低的顺序排列，得到最大连通域检测区域集合；
确定所述最大连通域检测区域集合中的栅格点对应的目标点云数据，计算所述目标点云数据的高度值的中值，将所述高度值的中值作为所述基准面高度。
本实施例提供的技术方案，获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定最大高度栅格图和最大高度栅格图对应的最大高度栅格掩膜图，根据最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度，确定位于基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据竖直物体区域掩膜图和最大高度栅格掩膜图提取有效区域，进一步地根据有效区域检测结果得到楼层边界检测结果。解决了现有技术中楼层边界检测提取不准确的问题，由于基准面高度处的竖直物体区域掩膜图包括竖直钢筋和虚点，可以解决因虚采现象导致的提取的有效区域不准确的问题，进一步提高了楼层边界检测结果的准确性，有利于保证机器人在整平工艺和磨平工艺过程中精准作业并提高作业效率。
实施例五
图8为本发明实施例五提供的一种楼层边界检测设备的结构示意图。图8示出了适于用来实现本发明实施方式的示例性楼层边界检测设备12的框图。图8显示的楼层边界检测设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，楼层边界检测设备12以通用计算设备的形式表现。楼层边界检测设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件（包括系统存储器28和处理单元16）的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（ISA）总线，微通道体系结构（MAC）总线，增强型ISA总线、视频电子标准协会（VESA）局域总线以及外围组件互连（PCI）总线。
楼层边界检测设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被楼层边界检测设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（RAM）30和/或高速缓存32。楼层边界检测设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质（图8未显示，通常称为“硬盘驱动器”）。尽管图8中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如CD-ROM, DVD-ROM或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组（例如楼层边界检测装置的最大高度栅格掩膜图确定模块410、基准面高度确定模块420、有效区域检测结果确定模块430以及楼层边界检测结果确定模块440）程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组（例如楼层边界检测装置的最大高度栅格掩膜图确定模块410、基准面高度确定模块420、有效区域检测结果确定模块430以及楼层边界检测结果确定模块440）程序模块46的程序/实用工具44，可以存储在例如存储器28中，这样的程序模块46包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块46通常执行本发明所描述的实施例中的功能和/或方法。
楼层边界检测设备12也可以与一个或多个外部设备14（例如键盘、指向设备、显示器24等）通信，还可与一个或者多个使得用户能与该楼层边界检测设备12交互的设备通信，和/或与使得该楼层边界检测设备12能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口22进行。并且，楼层边界检测设备12还可以通过网络适配器20与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器20通过总线18与楼层边界检测设备12的其它模块通信。应当明白，尽管图中未示出，可以结合楼层边界检测设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种楼层边界检测方法，该方法包括：
获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格图和所述最大高度栅格图对应的最大高度栅格掩膜图；
基于所述最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度；
确定位于所述基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，其中，所述竖直物体区域掩膜图为包括竖直物体和虚点的掩膜图；
对所述有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将所述反投影结果作为楼层边界检测结果。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种楼层边界检测方法。
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的一种楼层边界检测方法的技术方案。
实施例六
本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的一种楼层边界检测方法，该方法包括：
获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格图和所述最大高度栅格图对应的最大高度栅格掩膜图；
基于所述最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度；
确定位于所述基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，其中，所述竖直物体区域掩膜图为包括竖直物体和虚点的掩膜图；
对所述有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将所述反投影结果作为楼层边界检测结果。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上的方法操作，还可以执行本发明任意实施例所提供的一种楼层边界检测方法中的相关操作。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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、系统或器件，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（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（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。在本文件中，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、系统或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在点云数据、最大高度栅格图、最大高度栅格掩膜图、基准面高度、竖直物体区域掩膜图以及楼层边界检测结果等，其中承载了计算机可读的程序代码。这种传播的点云数据、最大高度栅格图、最大高度栅格掩膜图、基准面高度、竖直物体区域掩膜图以及楼层边界检测结果等形式。计算机可读的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，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统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——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
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发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
值得注意的是，上述楼层边界检测装置的实施例中，所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (15)

1.一种楼层边界检测方法，其特征在于，包括：
获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格图和所述最大高度栅格图对应的最大高度栅格掩膜图；
基于所述最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度；
确定位于所述基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，其中，所述竖直物体区域掩膜图为包括竖直物体和虚点的掩膜图；
对所述有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将所述反投影结果作为楼层边界检测结果。
2.根据权利要求1所述的方法，其特征在于，所述确定位于所述基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，包括：
根据所述最大高度栅格掩膜图中高度大于或等于所述基准面高度处的竖直物体的点云数据确定密度阈值；
对于所述基准面高度处的竖直物体的点云数据对应的任一像素点，计算K近邻平均距离；
根据所述K近邻平均距离内的像素点的个数确定点云密度，将所述点云密度与所述密度阈值比较，根据密度比较结果生成所述竖直物体区域掩膜图。
3.根据权利要求1所述的方法，其特征在于，所述根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，包括：
根据所述竖直物体区域掩膜图的像素值确定所述竖直物体和所述虚点形成的目标区域图；
基于所述最大高度栅格掩膜图和所述目标区域图，生成所述有效区域检测结果。
4.根据权利要求1所述的方法，其特征在于，还包括：
将高度小于所述基准面高度处的点云数据对应的掩膜图确定为无效区域掩膜图，并将高度大于或等于所述基准面高度处的点云数据对应的掩模图确定为薄膜区域掩膜图。
5.根据权利要求4所述的方法，其特征在于，所述根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，包括：
根据所述竖直物体区域掩膜图的像素值确定所述竖直物体和虚点的目标区域图；
基于所述最大高度栅格掩膜图、所述目标区域图、所述无效区域掩膜图以及所述薄膜区域掩膜图，确定所述有效区域检测结果。
6.根据权利要求4所述的方法，其特征在于，所述将高度大于或等于所述基准面高度处的点云数据对应的掩模图确定为薄膜区域掩膜图，包括：
对高度大于或等于所述基准面高度处的点云数据进行聚类运算，得到聚类运算结果；
如果所述聚类运算结果只存在一个类别，且所述类别内的每个栅格对应的点云数据的最大高度与最小高度差小于预设薄膜厚度值，将高度大于或等于所述基准面高度处的点云数据对应的掩模图确定为薄膜区域掩膜图。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述对所述有效区域检测结果进行边界提取，包括：
对所述有效区域检测结果内的冗余栅格点进行剔除；
对剔除冗余栅格点后的栅格点构建初始边界，根据所述初始边界内的栅格点的分布，将所述初始边界内缩，将内缩后的初始边界作为有效区域检测结果的边界提取结果。
8.根据权利要求7所述的方法，其特征在于，所述对剔除冗余栅格点后的栅格点构建初始边界，根据所述初始边界内的栅格点的分布，将所述初始边界内缩，将内缩后的初始边界作为有效区域检测结果的边界提取结果，包括：
对所述剔除冗余栅格点后的有效区域检测结果进行卷包裹计算，得到所述初始边界；
将所述初始边界内的当前栅格点与所述初始边界的线段两端点连接，构成三角形区域；
如果所述三角形区域内不存在栅格点，将所述初始边界内的当前栅格点添加至所述初始边界上，确定新的边界内的下一栅格点与所述新的边界内的线段两端点连接，构成新的三角形区域，直至新的三角形区域内存在栅格点。
9.根据权利要求1所述的方法，其特征在于，所述将边界提取结果进行反投影，得到反投影结果，包括：
对于所述边界提取结果中的任一栅格点，根据所述任一栅格点的四邻域栅格点对应的像素值对所述边界提取结果进行过滤，根据过滤后的边界提取结果的栅格点的坐标数据、像素尺寸、点云数据的坐标范围以及所述基准面高度，确定所述边界提取结果的反投影结果。
10.根据权利要求1所述的方法，其特征在于，在所述基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格图和所述最大高度栅格图对应的最大高度栅格掩膜图之前，所述方法还包括：
获取任一点云数据的第一坐标数据、所述初始栅格图的像素尺寸以及所述点云数据的最小坐标；
根据所述第一坐标数据、所述像素尺寸和所述最小坐标，计算所述任一点云数据对应的栅格点的第二坐标数据；
根据所述点云数据的第一坐标数据和所述栅格点的第二坐标数据确定所述映射关系。
11.根据权利要求1所述的方法，其特征在于，所述基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格掩膜图，包括：
确定所述点云数据的投影面和所述投影面内的基点；
根据投影面内的非基点与所述基点的相对位置以及所述映射关系，确定点云数据的点云坐标方向与栅格点的栅格坐标方向的转换关系，并基于所述转换关系将所述点云数据投影至所述初始栅格图内，得到投影栅格图；
如果所述投影栅格图内的任一第二坐标数据对应多个第一坐标数据，将所述投影栅格图内的同一栅格点对应的多个点云数据按照高度值降低的顺序排列，生成点云索引集合；
根据所有所述点云索引集合中的高度值最大的点云数据的第一坐标数据，生成最大高度栅格图，并对所述最大高度栅格图进行掩膜化处理，得到所述最大高度栅格掩膜图。
12.根据权利要求1所述的方法，其特征在于，所述基于所述最大高度栅格掩膜图内各栅格点的高度值，确定基准面高度，包括：
对所述最大高度栅格掩膜图进行区域分割，生成最大连通域检测区域；
将所述最大连通域检测区域的栅格点按照高度值降低的顺序排列，得到最大连通域检测区域集合；
确定所述最大连通域检测区域集合中的栅格点对应的目标点云数据，计算所述目标点云数据的高度值的中值，将所述高度值的中值作为所述基准面高度。
13.一种楼层边界检测装置，其特征在于，包括：
最大高度栅格掩膜图确定模块，用于获取水平钢筋的点云数据，基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，确定所述点云数据对应的最大高度栅格图和所述最大高度栅格图对应的最大高度栅格掩膜图；
基准面高度确定模块，用于基于所述最大高度栅格掩膜图内各栅格点对应的高度值，确定基准面高度；
有效区域检测结果确定模块，用于确定位于所述基准面高度处的竖直物体的点云数据对应的竖直物体区域掩膜图，根据所述竖直物体区域掩膜图和所述最大高度栅格掩膜图，确定有效区域检测结果，其中，所述竖直物体区域掩膜图为包括竖直物体和虚点的掩膜图；
楼层边界检测结果确定模块，用于对所述有效区域检测结果进行边界提取，将边界提取结果进行反投影，得到反投影结果，并将所述反投影结果作为楼层边界检测结果。
14.一种楼层边界检测设备，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计算机程序时实现如权利要求1-12中任一项所述的楼层边界检测方法。
15.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-12中任一项所述的楼层边界检测方法。
CN202011151753.4A 2020-10-26 2020-10-26 一种楼层边界检测方法、装置、设备及存储介质 Active CN112017199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011151753.4A CN112017199B (zh) 2020-10-26 2020-10-26 一种楼层边界检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011151753.4A CN112017199B (zh) 2020-10-26 2020-10-26 一种楼层边界检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112017199A CN112017199A (zh) 2020-12-01
CN112017199B true CN112017199B (zh) 2021-02-12

Family

ID=73527818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011151753.4A Active CN112017199B (zh) 2020-10-26 2020-10-26 一种楼层边界检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112017199B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113935425A (zh) * 2021-10-21 2022-01-14 中国船舶重工集团公司第七一一研究所 物体识别方法、装置、终端和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1785940A2 (en) * 2005-11-15 2007-05-16 General Electric Company Computer-implemented techniques and system for characterizing geometric parameters of an edge break in a machined part
CN102136155A (zh) * 2010-01-27 2011-07-27 首都师范大学 基于三维激光扫描数据的物体立面矢量化方法和系统
CN107092727A (zh) * 2017-03-30 2017-08-25 南京师范大学 一种基于cad图纸的建筑物室内跨楼层空间提取方法
CN109509257A (zh) * 2018-08-30 2019-03-22 深圳市赛为智能股份有限公司 室内楼层级别构件图形形成方法、终端及存储介质
CN110189412A (zh) * 2019-05-13 2019-08-30 武汉大学 基于激光点云的多楼层室内结构化三维建模方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1785940A2 (en) * 2005-11-15 2007-05-16 General Electric Company Computer-implemented techniques and system for characterizing geometric parameters of an edge break in a machined part
CN102136155A (zh) * 2010-01-27 2011-07-27 首都师范大学 基于三维激光扫描数据的物体立面矢量化方法和系统
CN107092727A (zh) * 2017-03-30 2017-08-25 南京师范大学 一种基于cad图纸的建筑物室内跨楼层空间提取方法
CN109509257A (zh) * 2018-08-30 2019-03-22 深圳市赛为智能股份有限公司 室内楼层级别构件图形形成方法、终端及存储介质
CN110189412A (zh) * 2019-05-13 2019-08-30 武汉大学 基于激光点云的多楼层室内结构化三维建模方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
detection of road curb from mobile terrestrial laser scanner point cloud;Sherif El-Halawany et al;《ISPRS Calgary 2011》;20111231;第29-31页 *
基于反投影的MIT动态图像重建方法研究;柯丽 等;《仪器仪表学报》;20131231(第2期);第394-400页 *

Also Published As

Publication number Publication date
CN112017199A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
Ochmann et al. Automatic reconstruction of parametric building models from indoor point clouds
Truong-Hong et al. Octree-based, automatic building facade generation from LiDAR data
CN112017134B (zh) 一种路径规划方法、装置、设备及存储介质
CN111784840B (zh) 基于矢量数据自动分割lod层级三维数据单体化方法及系统
CN111652241B (zh) 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法
CN112348781A (zh) 一种基准面高度检测方法、装置、设备及存储介质
CN114896679B (zh) 一种建筑物的三维模型优化方法、智能终端及存储介质
CN112258474A (zh) 一种墙面异常检测方法和装置
CN112017199B (zh) 一种楼层边界检测方法、装置、设备及存储介质
CN113933859A (zh) 一种无人矿卡行驶场景的路面及两侧挡墙检测方法
TWI417808B (zh) 可重建幾何陰影圖的方法
Hamid-Lakzaeian Structural-based point cloud segmentation of highly ornate building façades for computational modelling
CN114140466B (zh) 基于图像处理的植物根系测量方法、系统及装置
CN114299242A (zh) 高精地图中图像处理方法、装置、设备以及存储介质
CN114494323A (zh) 一种障碍物检测方法、装置、设备及存储介质
JP6874987B2 (ja) 地物形状抽出装置、地物形状抽出方法、及びプログラム
CN112767424B (zh) 一种基于室内三维点云空间自动剖分方法
CN115953463A (zh) 一种包裹打标识方法、装置、设备以及存储介质
CN114677388A (zh) 基于单元分解与空间分割的房间布局划分方法
CN114494680A (zh) 积水检测方法、装置、设备及存储介质
Li et al. Automated methods for indoor point cloud preprocessing: Coordinate frame reorientation and building exterior removal
CN112686992A (zh) 用于智慧城市occ树的几何图形视锥体实现方法、装置及存储介质
CN112233153A (zh) 图像匹配方法、装置、电子设备及存储介质
Li et al. An improved detection method based on morphology and profile analysis for bridge extraction from Lidar
CN116485636B (zh) 一种点云立面成像方法、系统及可读存储介质

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