CN112200885B - 一种房屋墙体线的识别方法、系统及计算机可读存储介质 - Google Patents
一种房屋墙体线的识别方法、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112200885B CN112200885B CN202011048759.9A CN202011048759A CN112200885B CN 112200885 B CN112200885 B CN 112200885B CN 202011048759 A CN202011048759 A CN 202011048759A CN 112200885 B CN112200885 B CN 112200885B
- Authority
- CN
- China
- Prior art keywords
- line
- fitting
- extracting
- area
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 14
- 238000000638 solvent extraction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 6
- 238000009432 framing Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种房屋墙体线的识别方法、系统及计算机可读存储介质，其中识别方法包括以下步骤：获取目标墙体的趋势线，基于所述趋势线提取第一特征数据；基于所述第一特征数据拟合获得第一拟合线；基于三分位剔除算法从第一特征数据中提取第二特征数据，基于所述第二特征数据拟合获得第二拟合线；基于分段取点法从所述第二特征数据中提取第三特征数据，基于所述第三特征数据拟合获得第三拟合线；从所述第三特征数据中提取第四特征数据，基于第四特征数据拟合第四拟合线，将所述第四拟合线作为所述目标墙体的墙体线。本发明基于趋势线自动获取第一特征数据后，通过4次线性拟合去除噪点，从而快速准确地生成相应墙体线，有效提高效率和精度。
Description
技术领域
本发明涉及测绘领域，尤其涉及一种房屋墙体线的识别方法、系统及计算机可读存储介质。
背景技术
随着倾斜摄影测量技术的不断发展和成熟，利用无人机影像进行快速、高精度的三维建模广泛应用于测绘及其他领域。
目前，房地测量方法主要有两方面：
野外测量法，该方法人工成本较高、测量环境不稳定，易受天气等外界因素影响；
影像测量法，该方法依托房地的三维模型，由人工判断建筑物表面的具体位置并绘制相应的线划图，为保证绘制的精度，测图人员往往需要反复绘制直至相应绘线与建筑物具有较高的贴合度，绘制精度低且效率低下。
发明内容
本发明针对现有技术中的缺点，提供了一种房屋墙体线的识别方法、系统及计算机可读存储介质，能够提升墙体线的绘制效率及精度。
为了解决上述技术问题，本发明通过下述技术方案得以解决：
一种房屋墙体线的识别方法，包括以下步骤：
获取目标墙体的趋势线，基于所述趋势线确定目标范围，提取位于所述目标范围内的特征点，获得第一特征数据；
基于所述第一特征数据进行拟合，获得第一拟合线；
基于预设的筛选比例，从所述第一特征数据中提取距离所述第一拟合线最近的若干个特征点，获得第二特征数据，基于所述第二特征数据进行拟合，获得第二拟合线；
基于分段取点法，从所述第二特征数据中提取相应特征点，获得第三特征数据，基于所述第三特征数据进行拟合，获得第三拟合线；
从所述第三特征数据中提取均方根小于预设的均方根阈值的特征点，获得第四特征数据，基于第四特征数据进行拟合，获得第四拟合线，将所述第四拟合线作为所述目标墙体的墙体线。
作为一种可实施方式：
获取用户绘制的绘线，基于绘线确定端点区域和中间区域；
判断端点区域或中间区域中是否存在平直区域；
当端点区域和/或中间区域为平直区域时：
基于预设的第一间隔提取平直区域中距离所述绘线最近的特征点，并基于预设的第二间隔提取非平直区域中距离所述绘线最近的特征点，其中第一间隔小于第二间隔；
汇总所得特征点，获得趋势特征数据，基于所述趋势特征数据拟合获得趋势线。
作为一种可实施方式：
将所述绘线的端点作为中心，按照预设的端点区域范围确定端点区域，按照预设的端点分块间隔将所述端点区域进行纵向分块，获得若干个端点区域块；
当各端点区域块内特征点的数量均小于第一数量阈值，则认为所述端点区域是平直区域；
基于所述绘线确定不包含端点区域的中间区域，按照预设的中间分块间隔将所述中间区域进行纵向分块，获得若干个中间区域块；
当所有中间区域块内特征点的数量均小于第二数量阈值，则认为所述中间区域是平直区域。
作为一种可实施方式：
当所述端点区域和中间区域均非平直区域时：
将各端点区域块和中间区域块按照预设的分层间隔进行分层，当区域块的每一层均有特征点时，判定其为满高程区域块，否则判定其为非满高程区域块；
提取非满高程区域块对应的绘线线段作为第一线段；
提取满高程区域块对应的绘线线段，统计所述满高程区域块中绘线线段两侧特征点的数量，将所述绘线线段向特征点数量较少的一侧平移预设的距离，获得第二线段；
基于所述第一线段和所述第二线段拟合获得趋势线。
作为一种可实施方式，提取位于所述目标范围内的特征点前还包括特征提取步骤，具体为：
获取房屋的二维影像和三维模型；
将所述二维影像进行分幅，获得若干个图幅；
对所述三维模型进行提取，获得相应的特征点，基于所述图幅分组保存所述特征点，获得若干个数据库，所述图幅与所述数据库一一关联。
作为一种可实施方式：
提取所述目标范围所压盖的图幅，并提取所述图幅所关联的数据库；
汇总所述数据库中的特征点，获得第一特征数据。
作为一种可实施方式：
均方根阈值小于等于0.05m。
本发明还提出一种房屋墙体线的识别系统，包括：
特征提取模块，用于获取目标墙体的趋势线，基于所述趋势线确定目标范围，提取位于所述目标范围内的特征点，获得第一特征数据；
第一拟合模块，用于基于所述第一特征数据进行拟合，获得第一拟合线；
第二拟合模块，用于基于预设的筛选比例，从所述第一特征数据中提取距离所述第一拟合线最近的若干个特征点，获得第二特征数据，基于所述第二特征数据进行拟合，获得第二拟合线；
第三拟合模块，用于基于分段取点法，从所述第二特征数据中提取相应特征点，获得第三特征数据，基于所述第三特征数据进行拟合，获得第三拟合线；
第四拟合模块，从所述第三特征数据中提取均方根小于预设的均方根阈值的特征点，获得第四特征数据，基于第四特征数据进行拟合，获得第四拟合线，将所述第四拟合线作为所述目标墙体的墙体线。
作为一种可实施方式，特征提取模块包括趋势线生成单元和特征提取单元，所述趋势线生成单元被配置为：
获取用户绘制的绘线，基于绘线确定端点区域和中间区域；
判断端点区域或中间区域中是否存在平直区域；
当端点区域和/或中间区域为平直区域时：
基于预设的第一间隔提取平直区域中距离所述绘线最近的特征点，并基于预设的第二间隔提取非平直区域中距离所述绘线最近的特征点，其中第一间隔小于第二间隔；
汇总所得特征点，获得趋势特征数据，基于所述趋势特征数据拟合获得趋势线。
本发明还提出一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现上述任意一项所述方法的步骤。
本发明由于采用了以上技术方案，具有显著的技术效果：
本发明基于趋势线自动生成目标范围后，通过4次线性拟合有效去除噪点，从而快速准确地输出相应的墙体线，提高墙体线的绘制效率和精度。
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，下面描述中的附图仅仅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是本发明一种房屋墙体线的识别方法的流程示意图；
图2是本发明一种房屋墙体线的识别系统的模块连接示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例1、一种房屋墙体线的识别方法，如图1所示，包括以下步骤：
S100、获取目标墙体的趋势线，基于所述趋势线确定目标范围，提取位于所述目标范围内的特征点，获得第一特征数据；
所述趋势线例如可采用转换为二维的绘线；
S200、基于所述第一特征数据进行拟合，获得第一拟合线；
本实施例通过趋势线自动目标范围，基于目标范围内所有特征点生成第一拟合线，从而消除同一墙体因画线不同对所得墙体线所造成的影响。
本实施例中拟合的方式为，基于相关特征点的X轴坐标和Y轴坐标，拟合获得一条二维的直线，例如可采用最小二乘法进行拟合。
S300、基于预设的筛选比例，从所述第一特征数据中提取距离所述第一拟合线最近的若干个特征点，获得第二特征数据，基于所述第二特征数据进行拟合，获得第二拟合线；
本实施例采用三分位剔除算法，获取第一特征数据中每个特征点与所述第一拟合线的距离，基于距离将各特征点按照从近到远的顺序进行排列，保留前三分之二的特征点，获得第二特征数据。
本拟合步骤用于去除房屋模型的墙面变形所引起的明显噪点。
S400、基于分段取点法，从所述第二特征数据中提取相应特征点，获得第三特征数据，基于所述第三特征数据进行拟合，获得第三拟合线；
本拟合步骤用于去除房屋模型的边缘杂物(垃圾、树木)对墙体的有效特征数据所造成的干扰。
S500、从所述第三特征数据中提取均方根小于预设的均方根阈值的特征点，获得第四特征数据，基于第四特征数据进行拟合，获得第四拟合线，将所述第四拟合线作为所述目标墙体的墙体线。
均方根阈值为0.05m，本拟合步骤用于实现对所述第三拟合线的精修，以获得达到测图标准的墙体线。
由于影像建模的误差通常在0.03m，故均方根阈值的取值最优为0.03m。
本实施例基于趋势线自动生成目标范围后，通过4次线性拟合有效去除噪点，不因主观因素画线造成多种识别结果，识别唯一墙体线，从而快速准确地输出相应的墙体线，提高房屋测图的效率。
进一步地，步骤S100中获取目标墙体的趋势线的步骤如下：
S111、获取用户绘制的绘线，基于绘线确定端点区域和中间区域；
将所述绘线的端点作为中心，按照预设的端点区域范围确定端点区域，基于所述绘线确定不包含端点区域的中间区域。
本实施例中端点区域和中间区域均为矩形区域，本实施例将所述绘线的端点作为中心，取高60cm，长50cm的区域范围作为对应端点的端点区域，还基于两端端点的高度差确定中间区域的范围，例如剔除绘线中属于端点区域的部分，基于剩余绘线的端点以及所述端点区域中z轴坐标的最大值和最小值确定中间区域。
S112、判断端点区域或中间区域中是否存在平直区域；
平直区域指墙面较为平整的直面；非平直区域，即为变形区域，其指墙面凹凸不平的几何曲面。
判断端点区域是否为平直区域的步骤为：
按照预设的端点分块间隔(如10cm)将所述端点区域进行纵向分块，获得若干个端点区域块；
当各端点区域块内特征点的数量均小于第一数量阈值(如10)，则认为该端点区域是平直区域；
判断中间区域是否为平直区域的步骤为：
按照预设的中间分块间隔(如100cm)将所述中间区域进行纵向分块，获得若干个中间区域块；
当所有中间区域块内特征点的数量均小于第二数量阈值(如20)，则认为所述中间区域是平直区域。
由于墙体较为平整时，其对应的特征点较少，故本实施例基于端点区域块和中间区域块中特征点的数量判断是否平整，且由于测图人员在对应房屋的三维模型上绘制某一墙体的墙线时，其端点往往属于墙体的拐点，故端点分块间隔较小。
S113、当端点区域和/或中间区域为平直区域时，即，当中间区域或任意一个端点区域为平直区域时，按照以下步骤生成趋势线：
基于预设的第一间隔提取平直区域中距离所述绘线最近的特征点，并基于预设的第二间隔提取非平直区域中距离所述绘线最近的特征点，其中第一间隔小于第二间隔；
汇总所得特征点，获得趋势特征数据，基于所述趋势特征数据拟合获得趋势线。
本领域技术人员可根据实际需要自行设定第一间隔和第二间隔，例如本实施例中第一间隔为33cm，第二间隔为100cm；
本实施例通过第一间隔小于第二间隔的设计，实现在平直区域取较多的特征点，从而优化用户所绘制的绘线。
基于采集的房屋影像构建对应的三维模型时，所构建的三维模型可能会出现扭曲或变形的情况，当中间区域或任一端点区域属于平直区域时，此时可基于平直区域的特征点优化绘线，但当无平直区域时，表示整个墙体均为变形墙，此时提取特征点进行拟合也无法达到修正的效果，故可直接将绘线进行二维转换，获得相应的趋势线。
S113、当所述端点区域和中间区域均非平直区域时，即，当中间区域和两个端点区域均为非平直区域时，按照以下步骤生成趋势线：
将各端点区域块和中间区域块按照预设的分层间隔(如10cm)进行分层，当区域块的每一层均有特征点时，判定其为满高程区域块，否则判定其为非满高程区域块；
提取非满高程区域块对应的绘线线段作为第一线段；
提取满高程区域块对应的绘线线段，统计所述满高程区域块中绘线线段两侧特征点的数量，将所述绘线线段向特征点数量较少的一侧平移预设的距离(如5cm)，获得第二线段；
基于所述第一线段和所述第二线段拟合获得趋势线。
由于三维模型是基于相应的影像数据绘制的，故存在墙体外堆放杂物或设有空调外机，导致杂物或空调外机对应的特征点对墙体线的生成造成影响，故本实施例通过将满高程区域块内的绘线向特征点数量较少的一侧平移，以降低杂物或空调外机对应的特征点对拟合结果的影响。
进一步地，步骤S100提取位于所述目标范围内的特征点前还包括特征提取步骤，具体为：
获取房屋的二维影像和三维模型；
将所述二维影像(正射影响)进行分幅，获得若干个图幅；
对所述三维模型进行提取，获得相应的特征点，基于所述图幅分组保存所述特征点，获得若干个数据库，所述图幅与所述数据库一一关联。
本实施例通过基于所述图幅分组保存所述特征点，以便于在步骤S100中提取位于所述目标范围内的特征点时能够同步提取相应数据库中的特征点，加快提取效率。
进一步地，步骤S100基于所述趋势线确定目标范围，提取位于所述目标范围内的特征点，获得第一特征数据的具体步骤为：
S121、基于所述趋势线确定目标范围：
根据绘线长度Lm，向线段两侧分别缓冲Xm，将对应L*2X的矩形范围作为目标范围，本实施例中X为0.3。
或，基于趋势线长度和预设的容差规则获取相对应的容差值Am，
根据绘线长度Lm，向线段两侧分别缓冲(X+A)m，将对应L*2(X+A)的矩形范围作为目标范围。
本领域技术人员可根据实际情况自行设定容差规则，本实施例中：
当L小于等于5m时，A取为0.02；
当L大于5m时，A取为L/150。
S122、提取所述目标范围所压盖的图幅，并提取所述图幅所关联的数据库；
基于所述目标范围生成相应的四至范围坐标；
基于所述四至范围坐标确定所述目标范围所压盖的图幅；
同步提取各图幅所关联的数据库种的特征点。
S123、汇总所述数据库中的特征点，获得第一特征数据。
综上，基于本实施例所提出的方法进行房屋测图，能够有效提高作业效率(整体效率提高50％以上)和测量精度，节省人力成本。
实施例2、一种房屋墙体线的识别系统，如图2所示，包括：
特征提取模块100，用于获取目标墙体的趋势线，基于所述趋势线确定目标范围，提取位于所述目标范围内的特征点，获得第一特征数据；
第一拟合模块200，用于基于所述第一特征数据进行拟合，获得第一拟合线；
第二拟合模块300，用于基于预设的筛选比例，从所述第一特征数据中提取距离所述第一拟合线最近的若干个特征点，获得第二特征数据，基于所述第二特征数据进行拟合，获得第二拟合线；
第三拟合模块400，用于基于分段取点法，从所述第二特征数据中提取相应特征点，获得第三特征数据，基于所述第三特征数据进行拟合，获得第三拟合线；
第四拟合模块500，从所述第三特征数据中提取均方根小于预设的均方根阈值的特征点，获得第四特征数据，基于第四特征数据进行拟合，获得第四拟合线，将所述第四拟合线作为所述目标墙体的墙体线。
进一步地，所述特征提取模块包括趋势线生成单元和特征提取单元，所述趋势线生成单元被配置为：
获取用户绘制的绘线，基于绘线确定端点区域和中间区域；
判断端点区域或中间区域中是否存在平直区域；
当端点区域和/或中间区域为平直区域时：
基于预设的第一间隔提取平直区域中距离所述绘线最近的特征点，并基于预设的第二间隔提取非平直区域中距离所述绘线最近的特征点，其中第一间隔小于第二间隔；
汇总所得特征点，获得趋势特征数据，基于所述趋势特征数据拟合获得趋势线。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
实施例3、一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现实施例1所述方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是：
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种房屋墙体线的识别方法，其特征在于包括以下步骤：
获取目标墙体的趋势线，基于所述趋势线确定目标范围，提取位于所述目标范围内的特征点，获得第一特征数据；
基于所述第一特征数据进行拟合，获得第一拟合线；
基于预设的筛选比例，从所述第一特征数据中提取距离所述第一拟合线最近的若干个特征点，获得第二特征数据，基于所述第二特征数据进行拟合，获得第二拟合线；
基于分段取点法，从所述第二特征数据中提取相应特征点，获得第三特征数据，基于所述第三特征数据进行拟合，获得第三拟合线；
从所述第三特征数据中提取均方根小于预设的均方根阈值的特征点，获得第四特征数据，基于第四特征数据进行拟合，获得第四拟合线，将所述第四拟合线作为所述目标墙体的墙体线；
其中，获取目标墙体的趋势线的具体步骤包括：
获取用户绘制的绘线，基于绘线确定端点区域和中间区域；
判断端点区域或中间区域中是否存在平直区域；
当端点区域和/或中间区域为平直区域时：
基于预设的第一间隔提取平直区域中距离所述绘线最近的特征点，并基于预设的第二间隔提取非平直区域中距离所述绘线最近的特征点，其中第一间隔小于第二间隔；
汇总所得特征点，获得趋势特征数据，基于所述趋势特征数据拟合获得趋势线。
2.根据权利要求1所述的一种房屋墙体线的识别方法，其特征在于：
将所述绘线的端点作为中心，按照预设的端点区域范围确定端点区域，按照预设的端点分块间隔将所述端点区域进行纵向分块，获得若干个端点区域块；
当各端点区域块内特征点的数量均小于第一数量阈值，则认为所述端点区域是平直区域；
基于所述绘线确定不包含端点区域的中间区域，按照预设的中间分块间隔将所述中间区域进行纵向分块，获得若干个中间区域块；
当所有中间区域块内特征点的数量均小于第二数量阈值，则认为所述中间区域是平直区域。
3.根据权利要求2所述的一种房屋墙体线的识别方法，其特征在于：
当所述端点区域和中间区域均非平直区域时：
将各端点区域块和中间区域块按照预设的分层间隔进行分层，当区域块的每一层均有特征点时，判定其为满高程区域块，否则判定其为非满高程区域块；
提取非满高程区域块对应的绘线线段作为第一线段；
提取满高程区域块对应的绘线线段，统计所述满高程区域块中绘线线段两侧特征点的数量，将所述绘线线段向特征点数量较少的一侧平移预设的距离，获得第二线段；
基于所述第一线段和所述第二线段拟合获得趋势线。
4.根据权利要求1至3任一所述的一种房屋墙体线的识别方法，其特征在于，提取位于所述目标范围内的特征点前还包括特征提取步骤，具体为：
获取房屋的二维影像和三维模型；
将所述二维影像进行分幅，获得若干个图幅；
对所述三维模型进行提取，获得相应的特征点，基于所述图幅分组保存所述特征点，获得若干个数据库，所述图幅与所述数据库一一关联。
5.根据权利要求4所述的一种房屋墙体线的识别方法，其特征在于：
提取所述目标范围所压盖的图幅，并提取所述图幅所关联的数据库；
汇总所述数据库中的特征点，获得第一特征数据。
6.根据权利要求1至3任一所述的一种房屋墙体线的识别方法，其特征在于：
均方根阈值小于等于0.05m。
7.一种房屋墙体线的识别系统，其特征在于，包括：
特征提取模块，用于获取目标墙体的趋势线，基于所述趋势线确定目标范围，提取位于所述目标范围内的特征点，获得第一特征数据；
第一拟合模块，用于基于所述第一特征数据进行拟合，获得第一拟合线；
第二拟合模块，用于基于预设的筛选比例，从所述第一特征数据中提取距离所述第一拟合线最近的若干个特征点，获得第二特征数据，基于所述第二特征数据进行拟合，获得第二拟合线；
第三拟合模块，用于基于分段取点法，从所述第二特征数据中提取相应特征点，获得第三特征数据，基于所述第三特征数据进行拟合，获得第三拟合线；
第四拟合模块，从所述第三特征数据中提取均方根小于预设的均方根阈值的特征点，获得第四特征数据，基于第四特征数据进行拟合，获得第四拟合线，将所述第四拟合线作为所述目标墙体的墙体线；
所述特征提取模块包括趋势线生成单元和特征提取单元，所述趋势线生成单元被配置为：
获取用户绘制的绘线，基于绘线确定端点区域和中间区域；
判断端点区域或中间区域中是否存在平直区域；
当端点区域和/或中间区域为平直区域时：
基于预设的第一间隔提取平直区域中距离所述绘线最近的特征点，并基于预设的第二间隔提取非平直区域中距离所述绘线最近的特征点，其中第一间隔小于第二间隔；
汇总所得特征点，获得趋势特征数据，基于所述趋势特征数据拟合获得趋势线。
8.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011048759.9A CN112200885B (zh) | 2020-09-29 | 2020-09-29 | 一种房屋墙体线的识别方法、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011048759.9A CN112200885B (zh) | 2020-09-29 | 2020-09-29 | 一种房屋墙体线的识别方法、系统及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112200885A CN112200885A (zh) | 2021-01-08 |
| CN112200885B true CN112200885B (zh) | 2024-05-07 |
Family
ID=74007853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011048759.9A Active CN112200885B (zh) | 2020-09-29 | 2020-09-29 | 一种房屋墙体线的识别方法、系统及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112200885B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113393450B (zh) * | 2021-06-25 | 2023-04-07 | 杭州今奥信息科技股份有限公司 | 用于数字线划图的数据质检方法、系统及可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101858975A (zh) * | 2009-08-14 | 2010-10-13 | 电子科技大学 | 一种基于穿墙雷达成像的目标定位方法 |
| CN106600660A (zh) * | 2016-12-19 | 2017-04-26 | 成都君乾信息技术有限公司 | 一种虚拟户型墙体生成方法 |
| CN107527372A (zh) * | 2017-07-12 | 2017-12-29 | 深圳市彬讯科技有限公司 | 一种内墙绘制精准的户型输出系统及其绘制使用方法 |
| KR101989700B1 (ko) * | 2017-12-07 | 2019-06-14 | 경북대학교 산학협력단 | 3차원 스캐닝을 통해 획득된 점군 데이터를 기반으로 피팅을 모델링하기 위한 3차원 모델링 장치 및 방법 |
| 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 |
| CN111462277A (zh) * | 2020-03-31 | 2020-07-28 | 广东三维家信息科技有限公司 | 待处理墙贴目标线条生成方法及装置 |
| CN111611643A (zh) * | 2020-05-27 | 2020-09-01 | 电子科技大学中山学院 | 户型矢量化数据获得方法、装置、电子设备及存储介质 |
-
2020
- 2020-09-29 CN CN202011048759.9A patent/CN112200885B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101858975A (zh) * | 2009-08-14 | 2010-10-13 | 电子科技大学 | 一种基于穿墙雷达成像的目标定位方法 |
| CN106600660A (zh) * | 2016-12-19 | 2017-04-26 | 成都君乾信息技术有限公司 | 一种虚拟户型墙体生成方法 |
| CN107527372A (zh) * | 2017-07-12 | 2017-12-29 | 深圳市彬讯科技有限公司 | 一种内墙绘制精准的户型输出系统及其绘制使用方法 |
| KR101989700B1 (ko) * | 2017-12-07 | 2019-06-14 | 경북대학교 산학협력단 | 3차원 스캐닝을 통해 획득된 점군 데이터를 기반으로 피팅을 모델링하기 위한 3차원 모델링 장치 및 방법 |
| 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 |
| CN111462277A (zh) * | 2020-03-31 | 2020-07-28 | 广东三维家信息科技有限公司 | 待处理墙贴目标线条生成方法及装置 |
| CN111611643A (zh) * | 2020-05-27 | 2020-09-01 | 电子科技大学中山学院 | 户型矢量化数据获得方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 自适应分块的BIM墙体轮廓提取及三维重建研究;李昌华;田思敏;周方晓;;计算机科学与探索;20170415(03);117-126 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112200885A (zh) | 2021-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115372989A (zh) | 基于激光雷达的越野自动小车长距离实时定位系统及方法 | |
| CN112200885B (zh) | 一种房屋墙体线的识别方法、系统及计算机可读存储介质 | |
| CN111862215B (zh) | 一种计算机设备定位方法、装置、计算机设备和存储介质 | |
| CN114119488A (zh) | 一种面向工厂化的预制叠合板尺寸质量智能检测方法 | |
| 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 | |
| CN114092651A (zh) | 用于应急管理的智能建模系统及方法 | |
| CN114119902A (zh) | 一种基于无人机倾斜三维模型的建筑物提取方法 | |
| CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
| CN112907601A (zh) | 一种基于特征变换的隧道拱架点云自动提取方法及装置 | |
| CN116778266A (zh) | 多尺度邻域扩散的遥感点云投影图像处理方法 | |
| CN115545426A (zh) | 一种基于bim和三维激光扫描的预制构件生产进度分析系统 | |
| CN116051771A (zh) | 一种基于无人机倾斜摄影模型的光伏bim屋顶自动建模方法 | |
| CN116188728A (zh) | 一种建筑网格模型重构为cad指令模型的方法及装置 | |
| CN115143936B (zh) | 一种基于激光点云的输电工程杆塔倾斜度测量方法 | |
| CN115861816A (zh) | 一种立体低涡识别方法、装置、存储介质及终端 | |
| CN105894471A (zh) | 基于大比例尺地形图的中小比例尺正射影像快速纠正方法 | |
| CN116255930A (zh) | 一种基于点云切片的截面提取及测量方法及系统 | |
| CN111739163B (zh) | 用于露天采场智能验收的无人机影像数据建模方法 | |
| CN115164769A (zh) | 一种基于倾斜摄影技术的三维不动产测算方法 | |
| CN108876885B (zh) | 电力设备的点云数据处理方法及装置 | |
| CN112700465A (zh) | 面向实测实量的房间主体点云提取与部位分割方法及设备 | |
| CN113140021B (zh) | 矢量线生成方法、系统及计算机可读存储介质 | |
| CN116758122B (zh) | 一种基于跨源点云的输电线路铁塔位姿配准方法及装置 | |
| CN117788593B (zh) | 剔除三维激光数据中动态点的方法、装置、介质及设备 | |
| CN117036944B (zh) | 基于点云数据和图像识别的树木碳汇量计算方法及系统 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: He Yuefei Inventor after: He Yusheng Inventor after: Zhou Wanghua Inventor after: Wen Jingyi Inventor after: Yang Jiangchuan Inventor after: Fang Peng Inventor before: He Yusheng Inventor before: Yang Jiangchuan Inventor before: Zhou Wanghua Inventor before: Wen Jingyi Inventor before: Fang Peng |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |