CN112668610A - 一种建筑物外立面识别模型训练方法、系统、设备及存储器 - Google Patents
一种建筑物外立面识别模型训练方法、系统、设备及存储器 Download PDFInfo
- Publication number
- CN112668610A CN112668610A CN202011420787.9A CN202011420787A CN112668610A CN 112668610 A CN112668610 A CN 112668610A CN 202011420787 A CN202011420787 A CN 202011420787A CN 112668610 A CN112668610 A CN 112668610A
- Authority
- CN
- China
- Prior art keywords
- dimensional image
- model
- image model
- processing
- image
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
一种建筑物外立面识别模型训练方法，包括如下步骤：采集图像，利用若干组带摄像头的无人机对目标建筑物的外形进行扫描和拍摄，形成若干线条状二维图像模型和实景图像；图像处理，对若干线条状的二维图像模型进行整合，形成三维图像模型；图像模型训练，形成三维图像模型是需要经过N轮的二维图像模型整合处理，并通过计算软件刷新每一轮形成的二维图像模型；其技术要点为，本发明中进行图像模型训练，通过进行若干组的模型训练处理，通过单次对三维图像模型的构建即可，通过多次对二维图像模型的对比处理，对构建三维图像模型时能够实时更新或替换，能够确保对建筑物外立面识别的准确性，同时避免人工进行测绘，提高了对建筑物处理的工作效率。
Description
技术领域
本发明属于建筑物加工技术领域，具体是一种建筑物外立面识别模型训练方法、系统、设备及存储器。
背景技术
建筑物一般指人们或为了其可观赏之形象、或为了其可使用之空间的，相对于地面固定且有一定存在时间的人造物。它是建筑学或建筑设计研究的对象。一般情况下，建筑物建造出来的目的既侧重于得到人可以活动的建筑空间—建筑物内部的空间或/和建筑物外部之间围合而成的空间；
我国已建成的房屋越来越多，从2007年开始，全国开始推广外墙保温系统，以达到建筑节能保温的效果，目前我国建筑结构的设计使用年限一般为50年；
传统在对建筑物外立面进行识别时是通过人工进行拍摄和测绘的，其工作效率较低；同时，在对三维模型进行构建时，容易出现较大的数据误差。
发明内容
本发明的目的在于克服现有技术的缺陷，提供一种建筑物外立面识别模型训练方法、系统、设备及存储器。
为实现上述目的，本发明采用了如下技术方案：
一种建筑物外立面识别模型训练方法，包括如下步骤：
采集图像，
利用若干组带摄像头的无人机对目标建筑物的外形进行扫描和拍摄，形成若干线条状二维图像模型和实景图像；
图像处理，
对若干线条状的二维图像模型进行整合，形成三维图像模型；
图像模型训练，
形成三维图像模型是需要经过N轮的二维图像模型整合处理，并通过计算软件刷新每一轮形成的二维图像模型，而后得到训练优化后的三维图像模型，
该计算软件的作用是将第N轮形成的三维图像模型在系统页面上显示，而后对第N+1轮形成的二维图像模型和第N+2轮形成的二维图像模型进行比对，
若是两轮存在误差，则通过结合对比第N+3轮形成的二维图像模型进行处理，只需在这三轮对比处理中出现两组图像模型一致的情况，即可完成对三维图像模型的刷新处理；
若是两轮不存在误差，则继续进行后续处理；
图像优化，
对刷新形成的三维图像模型进行灰度处理或RGB处理，
若使用灰度处理，则利用单通道的颜色数据集对三维图像模型进行加工；
若实用RGB处理，则利用红、绿以及蓝三通道的颜色数据集对三维图像模型进行填充式加工，得到与采集图像中得到的实景图像对比后的图像模型。
优选的，在所述采集图像的步骤中，
需要对扫描得到的若干线条状二维图像模型进行筛分处理，直接排除由于摄像头偏振以及线条位置发生隔断而出现的二维图像模型；
对部分模糊的实景图像进行删除后重新拍摄。
优选的，在所述图像处理的步骤中，
对二维图像模型进行整合时，根据所需三维图像模型的比例，对各个二维图像模型的间距进行等间距处理，该间距数值和二维图像模型的大小根据三维图像模型的比例进行手动或是自动调整。
优选的，在所述图像模型训练的步骤中，
在对第N+1轮形成的二维图像模型和第N+2轮形成的二维图像模型进行比对的具体过程中：出现对三组图像模型进行对比处理，若是三组图像模型均不相同，则再次添加一组新扫描的二维图像模型，进行对四组图像模型的对比处理，直至出现两组图像模型一致的情况为止，而后进行后续处理。
优选的，该系统包括：
摄像探头模块，在单独的该模块中均装配两组探头，其中一组探头用于选择通过纵向扫描得到纵切面上的二维图像模型，也可通过横向扫描得到横切面上的二维图像模型；
另一组探头用于拍摄实景画面；
图像整合模块，用于对若干二维图像模型进行等间距平行式的整合处理；
图像模型训练模块，该模块中用于在形成的三维图像模型中添加计算软件，得到实时刷新后的三维图像模型；
图像优化模块，用于对三维图像模型进行颜色填充处理。
一种设备，包括中控单元和存储单元，所述中控单元内导入编写的程序集，其特征在于，所述中控单元执行所述程序集可实现建筑物外立面识别模型训练方法的步骤，
存储单元包括移动硬盘或是网络云端。
一种存储器，所述存储器内可存储到建筑物外立面识别模型训练方法中出现的图像信息。
与现有技术相比，本发明提供了一种建筑物外立面识别模型训练方法、系统、设备及存储器，具有如下有益效果：
一是在本发明中进行图像模型训练，通过进行若干组的模型训练处理，通过单次对三维图像模型的构建即可，通过多次对二维图像模型的对比处理，对构建三维图像模型时能够实时更新或替换，能够确保对建筑物外立面识别的准确性，同时避免人工进行测绘，提高了对建筑物处理的工作效率；
二是在本发明中进行图像处理，可根据需要对不同的三维图像模型进行色彩填充，或是通过选择减少颜色通道来完成减少训练模型构建的时间，体现了对图像处理时的灵活性。
附图说明
图1是本发明的训练步骤流程图。
具体实施方式
以下结合附图1，进一步说明本发明一种建筑物外立面识别模型训练方法、系统、设备及存储器的具体实施方式。本发明一种建筑物外立面识别模型训练方法、系统、设备及存储器不限于以下实施例的描述。
实施例1
本实施例给出一种建筑物外立面识别模型的训练方法，包括如下步骤：
采集图像，
利用若干组带摄像头的无人机对目标建筑物的外形进行扫描和拍摄，形成若干线条状二维图像模型和实景图像；
图像处理，
对若干线条状的二维图像模型进行整合，形成三维图像模型；
图像模型训练，
形成三维图像模型是需要经过N轮的二维图像模型整合处理，并通过计算软件刷新每一轮形成的二维图像模型，而后得到训练优化后的三维图像模型，
该计算软件的作用是将第N轮形成的三维图像模型在系统页面上显示，而后对第N+1轮形成的二维图像模型和第N+2轮形成的二维图像模型进行比对，
若是两轮存在误差，则通过结合对比第N+3轮形成的二维图像模型进行处理，只需在这三轮对比处理中出现两组图像模型一致的情况，即可完成对三维图像模型的刷新处理；
若是两轮不存在误差，则继续进行后续处理；
图像优化，
对刷新形成的三维图像模型进行灰度处理或RGB处理，
若使用灰度处理，则利用单通道的颜色数据集对三维图像模型进行加工；
若实用RGB处理，则利用红、绿以及蓝三通道的颜色数据集对三维图像模型进行填充式加工，得到与采集图像中得到的实景图像对比后的图像模型。
在所述采集图像的步骤中，
需要对扫描得到的若干线条状二维图像模型进行筛分处理，直接排除由于摄像头偏振以及线条位置发生隔断而出现的二维图像模型；
对部分模糊的实景图像进行删除后重新拍摄。
在所述图像处理的步骤中，
对二维图像模型进行整合时，根据所需三维图像模型的比例，对各个二维图像模型的间距进行等间距处理，该间距数值和二维图像模型的大小根据三维图像模型的比例进行手动或是自动调整。
在所述图像模型训练的步骤中，
在对第N+1轮形成的二维图像模型和第N+2轮形成的二维图像模型进行比对的具体过程中：出现对三组图像模型进行对比处理，若是三组图像模型均不相同，则再次添加一组新扫描的二维图像模型，进行对四组图像模型的对比处理，直至出现两组图像模型一致的情况为止，而后进行后续处理。
实施例2
一种建筑物外立面识别模型训练系统，该系统包括：
摄像探头模块，在单独的该模块中均装配两组探头，其中一组探头用于选择通过纵向扫描得到纵切面上的二维图像模型，也可通过横向扫描得到横切面上的二维图像模型；
另一组探头用于拍摄实景画面；
图像整合模块，用于对若干二维图像模型进行等间距平行式的整合处理；
图像模型训练模块，该模块中用于在形成的三维图像模型中添加计算软件，得到实时刷新后的三维图像模型；
图像优化模块，用于对三维图像模型进行颜色填充处理。
在本发明中进行图像处理，可根据需要对不同的三维图像模型进行色彩填充，或是通过选择减少颜色通道来完成减少训练模型构建的时间，体现了对图像处理时的灵活性。
该系统中所使用到的各个模块均可运用到建筑物外立面识别模型的训练方法中。
实施例3
一种设备，包括中控单元和存储单元，所述中控单元内导入编写的程序集，其特征在于，所述中控单元执行所述程序集可实现建筑物外立面识别模型训练方法的步骤，
存储单元包括移动硬盘或是网络云端。
实施例4
一种存储器，所述存储器内可存储到建筑物外立面识别模型训练方法中出现的图像信息；
结合实施例1-4后，在本发明中进行图像模型训练，通过进行若干组的模型训练处理，通过单次对三维图像模型的构建即可，通过多次对二维图像模型的对比处理，对构建三维图像模型时能够实时更新或替换，能够确保对建筑物外立面识别的准确性，同时避免人工进行测绘，提高了对建筑物处理的工作效率。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (7)
1.一种建筑物外立面识别模型训练方法，其特征在于，包括如下步骤：
采集图像，
利用若干组带摄像头的无人机对目标建筑物的外形进行扫描和拍摄，形成若干线条状二维图像模型和实景图像；
图像处理，
对若干线条状的二维图像模型进行整合，形成三维图像模型；
图像模型训练，
形成三维图像模型是需要经过N轮的二维图像模型整合处理，并通过计算软件刷新每一轮形成的二维图像模型，而后得到训练优化后的三维图像模型，
该计算软件的作用是将第N轮形成的三维图像模型在系统页面上显示，而后对第N+1轮形成的二维图像模型和第N+2轮形成的二维图像模型进行比对，
若是两轮存在误差，则通过结合对比第N+3轮形成的二维图像模型进行处理，只需在这三轮对比处理中出现两组图像模型一致的情况，即可完成对三维图像模型的刷新处理；
若是两轮不存在误差，则继续进行后续处理；
图像优化，
对刷新形成的三维图像模型进行灰度处理或RGB处理，
若使用灰度处理，则利用单通道的颜色数据集对三维图像模型进行加工；
若实用RGB处理，则利用红、绿以及蓝三通道的颜色数据集对三维图像模型进行填充式加工，得到与采集图像中得到的实景图像对比后的图像模型。
2.如权利要求1所述的一种建筑物外立面识别模型训练方法，其特征在于：在所述采集图像的步骤中，
需要对扫描得到的若干线条状二维图像模型进行筛分处理，直接排除由于摄像头偏振以及线条位置发生隔断而出现的二维图像模型；
对部分模糊的实景图像进行删除后重新拍摄。
3.如权利要求1所述的一种建筑物外立面识别模型训练方法，其特征在于：在所述图像处理的步骤中，
对二维图像模型进行整合时，根据所需三维图像模型的比例，对各个二维图像模型的间距进行等间距处理，该间距数值和二维图像模型的大小根据三维图像模型的比例进行手动或是自动调整。
4.如权利要求1所述的一种建筑物外立面识别模型训练方法，其特征在于：在所述图像模型训练的步骤中，
在对第N+1轮形成的二维图像模型和第N+2轮形成的二维图像模型进行比对的具体过程中：出现对三组图像模型进行对比处理，若是三组图像模型均不相同，则再次添加一组新扫描的二维图像模型，进行对四组图像模型的对比处理，直至出现两组图像模型一致的情况为止，而后进行后续处理。
5.一种建筑物外立面识别模型训练系统，其特征在于，该系统包括：
摄像探头模块，在单独的该模块中均装配两组探头，其中一组探头用于选择通过纵向扫描得到纵切面上的二维图像模型，也可通过横向扫描得到横切面上的二维图像模型；
另一组探头用于拍摄实景画面；
图像整合模块，用于对若干二维图像模型进行等间距平行式的整合处理；
图像模型训练模块，该模块中用于在形成的三维图像模型中添加计算软件，得到实时刷新后的三维图像模型；
图像优化模块，用于对三维图像模型进行颜色填充处理。
6.一种设备，包括中控单元和存储单元，所述中控单元内导入编写的程序集，其特征在于，所述中控单元执行所述程序集可实现如权利要求1-5任一项所述的建筑物外立面识别模型训练方法的步骤，
存储单元包括移动硬盘或是网络云端。
7.一种存储器，所述存储器内可存储到如权利要求1-5任一项所述的建筑物外立面识别模型训练方法中出现的图像信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011420787.9A CN112668610B (zh) | 2020-12-08 | 2020-12-08 | 一种建筑物外立面识别模型训练方法、系统、设备及存储器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011420787.9A CN112668610B (zh) | 2020-12-08 | 2020-12-08 | 一种建筑物外立面识别模型训练方法、系统、设备及存储器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112668610A true CN112668610A (zh) | 2021-04-16 |
| CN112668610B CN112668610B (zh) | 2023-05-02 |
Family
ID=75401411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011420787.9A Active CN112668610B (zh) | 2020-12-08 | 2020-12-08 | 一种建筑物外立面识别模型训练方法、系统、设备及存储器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112668610B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115265490A (zh) * | 2022-09-28 | 2022-11-01 | 常州奥视科技有限公司 | 基于三维数字孪生摄像技术的数据采集方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296821A (zh) * | 2016-08-19 | 2017-01-04 | 刘建国 | 基于无人机的多视角三维重建方法及系统 |
| CN108320323A (zh) * | 2017-01-18 | 2018-07-24 | 华为技术有限公司 | 一种建筑物三维建模方法及装置 |
| CN108614274A (zh) * | 2018-05-22 | 2018-10-02 | 广州市极臻智能科技有限公司 | 基于多旋翼无人机的交叉式跨越线距离测量方法及装置 |
| CN110686651A (zh) * | 2019-11-08 | 2020-01-14 | 上海勘察设计研究院(集团)有限公司 | 基于三维激光扫描的建筑物外立面测量方法及系统 |
| CN111340942A (zh) * | 2020-02-25 | 2020-06-26 | 电子科技大学 | 一种基于无人机的三维重建系统及其方法 |
| CN111369680A (zh) * | 2020-02-28 | 2020-07-03 | 当家移动绿色互联网技术集团有限公司 | 生成建筑物的三维图像的方法及装置 |
| CN111414809A (zh) * | 2020-02-28 | 2020-07-14 | 上海牙典软件科技有限公司 | 一种三维图形识别方法、装置、设备及存储介质 |
-
2020
- 2020-12-08 CN CN202011420787.9A patent/CN112668610B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296821A (zh) * | 2016-08-19 | 2017-01-04 | 刘建国 | 基于无人机的多视角三维重建方法及系统 |
| CN108320323A (zh) * | 2017-01-18 | 2018-07-24 | 华为技术有限公司 | 一种建筑物三维建模方法及装置 |
| CN108614274A (zh) * | 2018-05-22 | 2018-10-02 | 广州市极臻智能科技有限公司 | 基于多旋翼无人机的交叉式跨越线距离测量方法及装置 |
| CN110686651A (zh) * | 2019-11-08 | 2020-01-14 | 上海勘察设计研究院(集团)有限公司 | 基于三维激光扫描的建筑物外立面测量方法及系统 |
| CN111340942A (zh) * | 2020-02-25 | 2020-06-26 | 电子科技大学 | 一种基于无人机的三维重建系统及其方法 |
| CN111369680A (zh) * | 2020-02-28 | 2020-07-03 | 当家移动绿色互联网技术集团有限公司 | 生成建筑物的三维图像的方法及装置 |
| CN111414809A (zh) * | 2020-02-28 | 2020-07-14 | 上海牙典软件科技有限公司 | 一种三维图形识别方法、装置、设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115265490A (zh) * | 2022-09-28 | 2022-11-01 | 常州奥视科技有限公司 | 基于三维数字孪生摄像技术的数据采集方法及系统 |
| CN115265490B (zh) * | 2022-09-28 | 2022-12-20 | 常州奥视科技有限公司 | 基于三维数字孪生摄像技术的数据采集方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112668610B (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107545538B (zh) | 一种基于无人机的全景图像拼接方法及装置 | |
| CN110084785B (zh) | 一种基于航拍图像的输电线垂弧测量方法及系统 | |
| CN106091921A (zh) | 用于确定场景中的尺寸的方法 | |
| CN114332385A (zh) | 一种基于三维虚拟地理场景的单目相机目标检测与空间定位方法 | |
| CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及系统 | |
| CN114078218B (zh) | 一种自适应融合的森林烟火识别数据增广方法 | |
| CN112907573B (zh) | 一种基于3d卷积的深度补全方法 | |
| CN111723464A (zh) | 一种基于遥感影像特征的台风椭圆型风场参数化模拟方法 | |
| CN111076698A (zh) | 用于标定光电产品安装偏差的观察评估装置及解算方法 | |
| CN109631766B (zh) | 一种基于图像的木材板尺寸测量方法 | |
| CN112668610A (zh) | 一种建筑物外立面识别模型训练方法、系统、设备及存储器 | |
| CN111104850B (zh) | 一种基于残差网络的遥感影像建筑物自动提取方法和系统 | |
| CN111476835A (zh) | 多视角图像一致性的无监督深度预测方法、系统、装置 | |
| CN103426153A (zh) | 一种无人机遥感影像快速拼接方法 | |
| CN113569647B (zh) | 一种基于ais的船舶高精度坐标映射方法 | |
| CN111414518B (zh) | 一种铁路无人机视频定位方法 | |
| CN111523392B (zh) | 一种基于卫星正射影像全姿态的深度学习样本制备方法及识别方法 | |
| CN114693782A (zh) | 用于确定三维场景模型坐标系和物理坐标系的转换关系的方法及装置 | |
| CN109829939B (zh) | 一种缩小多视影像匹配同名像点搜索范围的方法 | |
| CN116778357A (zh) | 利用可见光缺陷识别的电力线路无人机巡检方法和系统 | |
| CN114531700B (zh) | 一种非人工的基站天线工参采集系统及方法 | |
| CN113192204B (zh) | 单幅倾斜遥感图像中建筑物的三维重建方法 | |
| CN115170962A (zh) | 一种基于无人机与卫片的林地变更检测方法 | |
| CN114758237A (zh) | 一种输水隧洞缺陷自动识别模型的构建方法、检测方法、构建装置、计算机及存储介质 | |
| CN112381942A (zh) | 基于无人机红外图像的建筑三维温度模型的建立方法 |
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 |