CN112700554B - 一种遗址建筑数字复原方法、装置、设备及可读存储介质 - Google Patents

一种遗址建筑数字复原方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN112700554B
CN112700554B CN202011577596.3A CN202011577596A CN112700554B CN 112700554 B CN112700554 B CN 112700554B CN 202011577596 A CN202011577596 A CN 202011577596A CN 112700554 B CN112700554 B CN 112700554B
Authority
CN
China
Prior art keywords
data
building
minimum
evidence chain
class
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
CN202011577596.3A
Other languages
English (en)
Other versions
CN112700554A (zh
Inventor
贺艳
马英华
李薇
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 Qingcheng Ruixian Digital Technology Research Institute Co ltd
Original Assignee
Beijing Qingcheng Ruixian Digital Technology Research Institute 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 Beijing Qingcheng Ruixian Digital Technology Research Institute Co ltd filed Critical Beijing Qingcheng Ruixian Digital Technology Research Institute Co ltd
Priority to CN202011577596.3A priority Critical patent/CN112700554B/zh
Publication of CN112700554A publication Critical patent/CN112700554A/zh
Application granted granted Critical
Publication of CN112700554B publication Critical patent/CN112700554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2004—Aligning objects, relative positioning of parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种遗址建筑数字复原方法、装置、设备及可读存储介质，方法包括对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的一条证据链作为所述最小级建筑类目的未知数据参考证据链；根据所述最小级建筑类目的未知数据参考证据链，得到最小级建筑类目下的未知数据的估算值以及估算值的浮动范围；基于虚拟拼接技术，根据实测数据、未知数据的估算值以及估算值的浮动范围进行数字复原。本发明根据可信度最高的证据链估算未知数据，得到精准度较高的建模数据，并结合虚拟拼接技术验证建模细节在估算值的浮动范围内调整估算值，提高了数字复原的精度。

Description

一种遗址建筑数字复原方法、装置、设备及可读存储介质
技术领域
本发明涉及数字复原技术领域，更具体地说，涉及一种遗址建筑数字复原方法、装置、设备及可读存储介质。
背景技术
遗址建筑承载着丰富的历史、文化、艺术等多方面的信息，是宝贵的文化遗产。为了满足当今社会对于遗址建筑的观赏、研究、文化传承等多个方面的需求，对遗址建筑进行数字复原。目前对于遗址建筑本体保存的完整度很低、消失部分众多或仅保存部分残存构件的，通常根据营造则例和老照片等进行数字复原，但复原精准度较低，且复原依据薄弱，导致复原成果难以满足多方面需求。
发明内容
有鉴于此，本发明提出一种遗址建筑数字复原方法、装置、设备及可读存储介质，欲利用多重证据链，得到精准度较高的建模数据，并结合虚拟拼接技术验证建模细节，以提高数字复原的精度。
为了实现上述目的，现提出的方案如下：
第一方面，提供一种遗址建筑数字复原方法，包括：
获取遗址建筑的实测数据，以及与遗址建筑相关的历史直接记载数据和同时期建筑规则数据；
将所述历史直接记载数据和所述同时期建筑规则数据中同一数据来源的数据整体作为一条证据链，为每条证据链设置标签，所述标签包括类型、出处和时期；
按照复原所述遗址建筑所需的复原数据进行建筑类目的分类，建筑类目由大到小按级分类；
对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的1条证据链作为所述最小级建筑类目的未知数据参考证据链；
根据所述最小级建筑类目的未知数据参考证据链，得到所述最小级建筑类目下的未知数据的估算值以及估算值的浮动范围；
基于虚拟拼接技术，根据所述实测数据、所述未知数据的估算值以及估算值的浮动范围进行数字复原。
第二方面，提供一种遗址建筑数字复原装置，包括：
获取单元，用于获取遗址建筑的实测数据，以及与遗址建筑相关的历史直接记载数据和同时期建筑规则数据；
标签单元，用于将所述历史直接记载数据和所述同时期建筑规则数据中同一数据来源的数据整体作为一条证据链，为每条证据链设置标签，所述标签包括类型、出处和时期；
分类单元，用于按照复原所述遗址建筑所需的复原数据进行建筑类目的分类，建筑类目由大到小按级分类；
未知数据参考证据链单元，用于对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的1条证据链作为所述最小级建筑类目的未知数据参考证据链；
估算单元，用于根据所述最小级建筑类目的未知数据参考证据链，得到所述最小级建筑类目下的未知数据的估算值以及估算值的浮动范围；
复原单元，用于基于虚拟拼接技术，根据所述实测数据、所述未知数据的估算值以及估算值的浮动范围进行数字复原。
第三方面，提供一种可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时，实现如第一方面中所述的遗址建筑数字复原方法的各个步骤。
第四方面，提供一种遗址建筑数字复原设备，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如第一方面中所述的遗址建筑数字复原方法的各个步骤。
与现有技术相比，本发明的技术方案具有以下优点：
上述技术方案提供的一种遗址建筑数字复原方法、装置、设备及可读存储介质，方法包括将与遗址建筑相关的历史直接记载数据和同时期建筑规则数据中同一数据来源的数据整体作为一条证据链，为每条证据链设置标签；对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的1条证据链作为所述最小级建筑类目的未知数据参考证据链；根据所述最小级建筑类目的未知数据参考证据链，得到最小级建筑类目下的未知数据的估算值以及估算值的浮动范围；基于虚拟拼接技术，根据实测数据、未知数据的估算值以及估算值的浮动范围进行数字复原。本发明根据可信度最高的证据链估算未知数据，得到精准度较高的建模数据，并结合虚拟拼接技术验证建模细节在估算值的浮动范围内调整估算值，提高了数字复原的精度。
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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种遗址建筑数字复原方法的流程图；
图2为本发明实施例提供的另一种遗址建筑数字复原方法的流程图；
图3为本发明实施例提供的一种遗址建筑数字复原装置的逻辑结构示意图；
图4为本发明实施例提供的一种遗址建筑数字复原设备的示意图。
具体实施方式
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，所描述的实施例仅仅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。
参见图1，为本实施例提供的一种遗址建筑数字复原方法，可以包括以下步骤：
S11：获取遗址建筑的实测数据，以及与遗址建筑相关的历史直接记载数据和同时期建筑规则数据。
可以通过三维扫描、卫星影像航拍、历史格局研究、点云模型数据、遗址现场场景手绘素描图等方法，采集得到遗址建筑的实测数据。实测数据包括考古实测数据和现场实测数据。考古实测数据是真实遗址建筑的反映，提供尺寸和遗物，相对较为可靠；现场实测数据也是真实客观，但容易受到人为后期干扰，可进行校验以确定其可靠性。
可以通过查阅历史书籍文字记载、历史图档记载(工程图或设计图)、图画作品等，采集得到与遗址建筑相关的历史直接记载数据，作为直接证据。还可以查阅营造规律(同时期的建筑则例等规定)、同类型实例、历史相关记载等，采集得到与遗址建筑相关的同时期建筑规则数据，作为相关旁证。
S12：为每条证据链设置标签。
每条证据链根据采集信息设置的标签包括类型、出处和时期等至少三项内容。类型分为文献、图档、工程图、则例等；出处分为文献、卷号、作者、宫廷或官窑或同类建筑建造则例等；时期分为朝代、时期简称、公元、纪年、干支等。
将与遗址建筑相关的历史直接记载数据和同时期建筑规则数据中同一数据来源的数据整体作为一条证据链。例如《额尔锦为查覆园内殿宇楼台等工程银两呈稿》为光绪年间的工程图，记载内容主要为建筑格局和尺寸，此证据链按建筑类目可归为直接证据或相关旁证中的文史记载证据链；《圆明园工程料估清册》为光绪年间的史料文献，其中记载包括建筑图样、建筑格局、建筑尺寸、建材尺寸等，此证据链也可归为直接证据或相关旁证中的文史记载证据链。
S13：按照复原遗址建筑所需的复原数据进行建筑类目的分类，建筑类目由大到小按级分类。
尽可能细化建筑类目，按照建筑类目建立实测数据以及各个证据链的数据库。示例性的，下表为一种建筑类目表。
表1：
其中，A级类目为最小级建筑类目，建筑类目由大到小依次为D级类目、C级类目、B级类目、A级类目。
S14：对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的1条证据链作为最小级建筑类目的未知数据参考证据链。
有的最小级建筑类目包括多项数值类的内容，且并不是每一项内容都具有实测数据，因此，需要对未知数据进行估算。示例性的，C级建筑类目“建材尺寸”下的最小级建筑类目“筒瓦”包括头号筒瓦、二号筒瓦等多个型号，根据实测数据的数据库，确定头号筒瓦具有实测尺寸，二号筒瓦没有实测尺寸，因此，需要对二号筒瓦的尺寸进行估算。筒瓦的实测尺寸为数值类实测数据。
本发明中通过比较最小级建筑类目下证据链中的数据与实测数据的偏差，确定证据链的可信度；可以理解的是，偏差越小，则确定证据链的可信度越高。在一个具体实施例中，基于证据链可信度公式，计算每条证据链的可信度。证据链可信度公式为：
其中，Ii为第i条证据链的可信度，n为最小级建筑类目下的数值类实测数据的总数，m为证据链的总数量，Tj为最小级建筑类目下第j个数值类实测数据，Rij为第i条证据链的第j个数据，Tj和Rij为最小级建筑类目下同一项内容的数据。
在一些具体实施例中，在对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度的步骤之前，还包括：根据所述证据链中与实测数据对应的数据，去除不符合要求的实测数据。具体的，主要通过史料记载，从数值范围、比例关系、位置关系等方面，判断现存建筑构件的实际位置、所属朝代等，从而验证实测数据是否可作为计算依据。
示例性的，某个遗址建筑为宋代建筑，相关的宋代时期出土瓦当包括：
①龙纹瓦当：泥质灰陶，当面饰龙纹，直径15.3厘米，厚3厘米；
②兽面纹瓦当：泥质灰陶，圆形，宽平缘，当面凸起，饰兽面纹，外周饰一圈联珠纹，额头上一个“王”字，直径13厘米，厚2.4厘米；
③菊花纹瓦当：泥质灰陶，圆形，宽平缘，当面饰菊花纹，直径17.3厘米，厚1.8厘米；
④牡丹纹瓦当：泥质灰陶，圆形，宽平缘，当面饰折枝牡丹纹，直径13.5厘米，厚2厘米；
⑤莲花纹瓦当：泥质灰陶，圆形，宽平缘，当面饰莲花式宝相单瓣莲花纹，突台作莲蓬状，莲瓣为椭圆形单瓣，莲瓣外周饰一圈圆珠，直径13.4厘米，厚2厘米。
据宋代建筑则例及同类建筑建造规律解析所知：①龙纹瓦当②兽面纹瓦当④牡丹纹瓦当⑤莲花纹瓦当的直径和厚度比符合宋代瓦当规格范围；③菊花纹瓦当直径过大且厚度不足。另外所有花纹中①龙纹瓦当应为级别最高瓦当，相对位置更为重要(或有代表性，如头瓦)，其尺寸应略大于其他纹饰瓦当，因此③菊花瓦当直径大于①龙纹瓦当，顾不符合比例关系。由此两点可判断③菊花瓦当虽同为宋代出土文物，但不是复原目标建筑的遗存构件，应为历史因素干扰所存构件(例如复原建筑内的宋代人士从其他地区获得的菊花纹瓦当予以保存，或偶然获得的宋代以前时期的菊花纹瓦当作为文物保存等)，因此不能作为复原建筑的实测数据作为计算依据。
S15：根据最小级建筑类目的未知数据参考证据链，得到最小级建筑类目下的未知数据的估算值以及估算值的浮动范围。
在一个具体实施例中，直接将最小级建筑类目的未知数据参考证据链中，与最小级建筑类目下的未知数据属于同一项内容的数据作为未知数据的估算值。
估算值的浮动范围计算过程为：基于误差计算公式，计算得到多个误差值；确定估算值的浮动范围为[Rx-Rx×Mmax/Tmax，Rx+Rx×Mmax/Tmax]，其中，Rx为最小级建筑类目的未知数据参考证据链中与最小级建筑类目下的未知数据属于同一项内容的数据，Mmax为多个误差值中的最大值，Tmax为计算Mmax时用到的数值类实测数据。误差计算公式为：
Mwj＝|Rwj-Tj|，j＝1,2,…,n
其中，Mwj为误差，n为最小级建筑类目下的数值类实测数据的总数，Tj为最小级建筑类目下第j个数值类实测数据，Rwj为最小级建筑类目的未知数据参考证据链中的第j个数据，Tj和Rwj为最小级建筑类目下同一项内容的数据。
S16：基于虚拟拼接技术，根据实测数据、未知数据的估算值以及估算值的浮动范围进行数字复原。
本发明中基于虚拟拼接技术，根据实测数据、未知数据的估算值以及估算值的浮动范围进行数字复原，具体指的是先根据实测数据和未知数据的估算值得到遗址建筑的各个构件模型，然后将遗址建筑的构件模型在三维空间中进行虚拟定位拼接。在数字复原过程中，可在估算值的浮动范围内调整未知数据的估算值，以提高建材尺寸的匹配度。
上述方法通过比较最小级建筑类目下证据链中的数据与实测数据的偏差，确定证据链的可信度，进而完成了对未知数据的估算，但是对于最小建筑类目下不具有实测数据的情况，上述方法无法进行证据链的可信度计算，进而无法进行未知数据的估算。针对这种情况，参见图2，本发明提供了另一种遗址建筑数字复原方法，在对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度的步骤之后，还包括：
S252：将可信度最高的前N条证据链，作为最小级建筑类目的标签权重参考证据链，N≥3。
当证据链的可信度差别较小时，N的值可大一些。
S254：统计各个标签在每个非最小级建筑类目下所有最小级建筑类目的标签权重参考证据链中出现频次，并基于各个标签的出现频次确定各个标签在每个非最小级建筑类目下的权重。
标签出现的频次越高则权重越大。标签的出现频次指的是标签的出现次数与非最小级建筑类目下所有最小级建筑类目的标签权重参考证据链的数量之比。
S256：对于不具有数值类实测数据的最小级建筑类目，根据所属上级建筑类目下的各个标签的权重，确定最佳证据链。
每个证据链的标签可能包括多个，因此，需要综合考虑各个标签的权重确定最佳证据链。示例性的，预先设定每个标签的重要性指数，将证据链的各个标签的权重与各自的重要性指数相乘后求和，得到最佳指标值，最佳指标值最大的证据链即为最佳证据链。例如，某个证据链的标签包括P1、P2和P3；P1、P2和P3各自的权重为W1、W2和W3；P1、P2和P3各自的重要性指数为a1、a2和a3，则该证据链的最佳指标值V＝W1×a1+W2×a2+W3×a3。还可以预先设定各个标签的优先级，当证据链包括多个标签时，依据优先级最高的标签的权重，对各条证据链进行排序，优先级最高的标签的权重最大的证据链即为最佳证据链。
S158：将最佳证据链中与不具有数值类实测数据的最小级建筑类目下的未知数据属于同一项内容的数据作为未知数据的估算值。
不具有数值类实测数据的最小级建筑类目下的各项内容，既可以是数值类也可以是非数值类。数值类指的是表1中格局尺寸、建材尺寸等建筑类目下的各项内容的数据类型。非数值类指的是表1中格局样式、建材样式等建筑类目下各项内容的数据类型。
下面举例介绍本发明提供的遗址建筑数字复原方法对未知数据的估算过程。将按照表2所示信息来源划分不同的证据链，并对各个证据链进行编号。
表2：
对复原遗址建筑所需的复原数据进行建筑类目的分类，得到表1。将实测数据以及证据链中的数据分别匹配到对应的建筑类目中。分别如表3、表4所示设置标签。对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度。
表3：
表4：
其中，样027-1-1、样028-1-1、样033-1-1等分别对应各个证据链在A级类目“筒瓦”的数据。样027-1-1、样028-1-1、样033-1-1等对应的可信度，即表示各个证据链在A级类目“筒瓦”下的可信度。
汇总证据链标签，计算权重：如表5所示，汇总出B级类目“瓦”以下所有A级类目中选取的可信度前三的证据链的标签，按照同一标签出现的频次计算每个标签的权重，其中归纳出权重为100％的绝对标签。以此类推，分别汇总并计算出各级的标签权重。
表5：
推算未知数据的估算值及估算值的浮动范围：如表3所示，实测尺寸为T：
T1：长11寸，宽4.5寸；
T2：长6寸，宽3.2寸；
T3：长4寸，宽2.5寸；
…。
样028-1-1对应的可信度最高，为93.75％，则确定样028-1-1中与未知数据Tx同属于二号筒瓦的数据为Tx的估算值，即估算值为长9.5寸，宽3.8寸。样028-1-1对应的最大误差Mmax：7.5-6＝1.5。长的浮动范围为[9.5-9.5×1.5/6，9.5+9.5×1.5/6]，即[7.13，11.88]；宽的浮动范围为[3.8-3.8×1.5/6，3.8-3.8×1.5/6]，即[2.85，4.75]。
如表5所示，根据计算所得标签权重，选取B级类目“瓦”对应的最佳证据链。最佳证据链必须包含绝对标签，其余标签的选择中，应按照同类标签范围由大到小进行挑选，须符合逻辑性，同类且范围大小相同的标签间进行优选级排序，排序以每个标签的权重以及对应的可信度作为参考(权重优先)。
表5中标签优先级排序如下：
横向：①则例＞同类实例；②官窑常规＞圆明园；③《圆明园内工则例》≥《工程做法则例》＞《清式营造则例》＞故宫＞《圆明园内工石作现行则例》；④雍正年间(十二年)＞光绪年间；⑤工部；⑥内工；⑦石构建筑；⑧明-清。
纵向：①到⑧优先度由高到低。
由此可得表4中无实测数据的A级类目“吻下当沟”对应的最佳证据链为：样028-1-2，吻下当沟对应的未知数据按照样028-1-2进行取值，且不设浮动范围。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
参见图3，为本实施例提供的一种遗址建筑数字复原装置，包括：获取单元31、标签单元32、分类单元33、未知数据参考证据链单元34、估算单元35和复原单元36。
获取单元31，用于获取遗址建筑的实测数据，以及与遗址建筑相关的历史直接记载数据和同时期建筑规则数据。
标签单元32，用于将历史直接记载数据和同时期建筑规则数据中同一数据来源的数据整体作为一条证据链，为每条证据链设置标签，标签包括类型、出处和时期。
分类单元33，用于按照复原遗址建筑所需的复原数据进行建筑类目的分类，建筑类目由大到小按级分类。
未知数据参考证据链单元34，用于对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的1条证据链作为最小级建筑类目的未知数据参考证据链。
估算单元35，用于根据最小级建筑类目的未知数据参考证据链，得到最小级建筑类目下的未知数据的估算值以及估算值的浮动范围。
复原单元36，用于基于虚拟拼接技术，根据实测数据、未知数据的估算值以及估算值的浮动范围进行数字复原。
在一些具体实施例中，未知数据参考证据链单元34，具体包括：可信度子单元和证据链子单元。
可信度子单元，用于基于证据链可信度公式，计算每条证据链的可信度。证据链可信度公式为：
其中，Ii为第i条证据链的可信度，n为最小级建筑类目下的数值类实测数据的总数，m为证据链的总数量，Tj为最小级建筑类目下第j个数值类实测数据，Rij为第i条证据链的第j个数据，Tj和Rij为最小级建筑类目下同一项内容的数据。
证据链子单元，用于将可信度最高的1条证据链作为最小级建筑类目的未知数据参考证据链。
在一些具体实施例中，估算单元35，具体包括：估算值子单元、误差计算子单元和浮动范围单元。
估算值子单元，用于将最小级建筑类目的未知数据参考证据链中，与所述最小级建筑类目下的未知数据属于同一项内容的数据作为未知数据的估算值。
误差计算子单元，用于基于误差计算公式，计算得到多个误差值。误差计算公式为：
Mwj＝|Rwj-Tj|，j＝1,2,…,n
其中，Mwj为误差，n为最小级建筑类目下的数值类实测数据的总数，Tj为所述最小级建筑类目下第j个数值类实测数据，Rwj为所述最小级建筑类目的未知数据参考证据链中的第j个数据，Tj和Rwj为最小级建筑类目下同一项内容的数据。
浮动范围单元，用于确定估算值的浮动范围为[Rx-Rx×Mmax/Tmax，Rx+Rx×Mmax/Tmax]，其中，Rx为最小级建筑类目的未知数据参考证据链中与最小级建筑类目下的未知数据属于同一项内容的数据，Mmax为多个误差值中的最大值，Tmax为计算Mmax时用到的数值类实测数据。
在一个具体实施例中，遗址建筑数字复原装置还包括：标签权重参考证据链单元、标签权重确定单元、最佳证据链单元和未知数据估算单元。
标签权重参考证据链单元，用于将可信度最高的前N条证据链，作为最小级建筑类目的标签权重参考证据链，N≥3。
标签权重确定单元，用于统计各个标签在每个非最小级建筑类目下所有最小级建筑类目的标签权重参考证据链中出现频次，并基于各个标签的出现频次确定各个标签在每个非最小级建筑类目下的权重。
最佳证据链单元，用于对于不具有数值类实测数据的最小级建筑类目，根据所属上级建筑类目下的各个标签的权重，确定最佳证据链；
未知数据估算单元，用于将最佳证据链中与所述不具有数值类实测数据的最小级建筑类目下的未知数据属于同一项内容的数据作为未知数据的估算值。
在一些具体实施例中，遗址建筑数字复原装置还包括：实测数据去除单元，用于根据证据链中与实测数据对应的数据，去除不符合要求的实测数据。
本实施例提供一种遗址建筑数字复原设备，该遗址建筑数字复原设备具体可以是PC终端、云平台、服务器及服务器集群等。服务器可以是机架式服务器、刀片式服务器、塔式服务器以及机柜式服务器中的一种或几种。参见图4，为本实施例提供的一种遗址建筑数字复原设备的硬件结构示意图，可以包括：至少一个处理器41，至少一个通信接口42，至少一个存储器43和至少一个通信总线44；且处理器41、通信接口42、存储器43通过通信总线44完成相互间的通信。
处理器41在一些实施例中可以是一个CPU(CentralProcessing Unit，中央处理器)，或者是ASIC(Application Specific Integrated Circuit，特定集成电路)，或者是被配置成实施本发明实施例的一个或多个集成电路等。
通信接口42可以包括标准的有线接口、无线接口。通常用于在遗址建筑数字复原设备与其他电子设备或系统之间建立通信连接。
存储器43包括至少一种类型的可读存储介质。可读存储介质可以为如闪存、硬盘、多媒体卡、卡型存储器等NVM(non-volatile memory，非易失性存储器)。可读存储介质还可以是高速RAM(random access memory，随机存取存储器)存储器。可读存储介质在一些实施例中可以是遗址建筑数字复原设备的内部存储单元，例如该遗址建筑数字复原设备的硬盘。在另一些实施例中，可读存储介质还可以是遗址建筑数字复原设备的外部存储设备，例如该遗址建筑数字复原设备上配备的插接式硬盘、SMC(Smart Media Card,智能存储卡)、SD(Secure Digital,安全数字)卡，闪存卡(Flash Card)等。
其中，存储器43存储有计算机程序，处理器41可调用存储器43存储的计算机程序，所述计算机程序用于：
获取遗址建筑的实测数据，以及与遗址建筑相关的历史直接记载数据和同时期建筑规则数据；
将所述历史直接记载数据和所述同时期建筑规则数据中同一数据来源的数据整体作为一条证据链，为每条证据链设置标签，所述标签包括类型、出处和时期；
按照复原所述遗址建筑所需的复原数据进行建筑类目的分类，建筑类目由大到小按级分类；
对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的1条证据链作为所述最小级建筑类目的未知数据参考证据链；
根据所述最小级建筑类目的未知数据参考证据链，得到所述最小级建筑类目下的未知数据的估算值以及估算值的浮动范围；
基于虚拟拼接技术，根据所述实测数据、所述未知数据的估算值以及估算值的浮动范围进行数字复原。
所述程序的细化功能和扩展功能可参照上文描述。
图4仅示出了具有组件41～44的遗址建筑数字复原设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
优选的，该遗址建筑数字复原设备还可以包括显示器，显示器也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)显示器等。显示器用于显示在遗址建筑数字复原设备中处理的信息以及用于显示可视化的用户界面。
优选的，该遗址建筑数字复原设备还包括触摸传感器。触摸传感器所提供的供用户进行触摸操作的区域称为触控区域。此外，触摸传感器可以为电阻式触摸传感器、电容式触摸传感器等。而且，触摸传感器不仅包括接触式的触摸传感器，也可包括接近式的触摸传感器等。此外，触摸传感器可以为单个传感器，也可以为例如阵列布置的多个传感器。
本发明实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
获取遗址建筑的实测数据，以及与遗址建筑相关的历史直接记载数据和同时期建筑规则数据；
将所述历史直接记载数据和所述同时期建筑规则数据中同一数据来源的数据整体作为一条证据链，为每条证据链设置标签，所述标签包括类型、出处和时期；
按照复原所述遗址建筑所需的复原数据进行建筑类目的分类，建筑类目由大到小按级分类；
对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的1条证据链作为所述最小级建筑类目的未知数据参考证据链；
根据所述最小级建筑类目的未知数据参考证据链，得到所述最小级建筑类目下的未知数据的估算值以及估算值的浮动范围；
基于虚拟拼接技术，根据所述实测数据、所述未知数据的估算值以及估算值的浮动范围进行数字复原。
所述程序的细化功能和扩展功能可参照上文描述。
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劳动的情况下，即可以理解并实施。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各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部分互相参见即可，且本说明书中各实施例中记载的特征可以相互替换或者组合。
对本发明所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种遗址建筑数字复原方法，其特征在于，包括：
获取遗址建筑的实测数据，以及与遗址建筑相关的历史直接记载数据和同时期建筑规则数据；
将所述历史直接记载数据和所述同时期建筑规则数据中同一数据来源的数据整体作为一条证据链，为每条证据链设置标签，所述标签包括类型、出处和时期；
按照复原所述遗址建筑所需的复原数据进行建筑类目的分类，建筑类目由大到小按级分类；
对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的1条证据链作为所述最小级建筑类目的未知数据参考证据链；
根据所述最小级建筑类目的未知数据参考证据链，得到所述最小级建筑类目下的未知数据的估算值以及估算值的浮动范围；
基于虚拟拼接技术，根据所述实测数据、所述未知数据的估算值以及估算值的浮动范围进行数字复原；
其中，所述对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，具体包括：
基于证据链可信度公式，计算每条证据链的可信度，证据链可信度公式为：
其中，Ii为第i条证据链的可信度，n为最小级建筑类目下的数值类实测数据的总数，m为证据链的总数量，Tj为最小级建筑类目下第j个数值类实测数据，Rij为第i条证据链的第j个数据，Tj和Rij为最小级建筑类目下同一项内容的数据；
所述根据所述最小级建筑类目的未知数据参考证据链，得到所述最小级建筑类目下的未知数据的估算值以及估算值的浮动范围，具体包括：
将所述最小级建筑类目的未知数据参考证据链中，与所述最小级建筑类目下的未知数据属于同一项内容的数据作为所述未知数据的估算值；
基于误差计算公式，计算得到多个误差值，误差计算公式为：
Mwj＝|Rwj-Tj|，j＝1,2,…,n
其中，Mwj为误差，n为最小级建筑类目下的数值类实测数据的总数，Tj为所述最小级建筑类目下第j个数值类实测数据，Rwj为所述最小级建筑类目的未知数据参考证据链中的第j个数据，Tj和Rwj为最小级建筑类目下同一项内容的数据；
确定所述估算值的浮动范围为[Rx-Rx×Mmax/Tmax，Rx+Rx×Mmax/Tmax]，其中，Rx为所述最小级建筑类目的未知数据参考证据链中与所述最小级建筑类目下的未知数据属于同一项内容的数据，Mmax为所述多个误差值中的最大值，Tmax为计算Mmax时用到的数值类实测数据。
2.根据权利要求1所述的遗址建筑数字复原方法，其特征在于，在所述对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度的步骤之后，还包括：
将可信度最高的前N条证据链，作为所述最小级建筑类目的标签权重参考证据链，N≥3；
统计各个标签在每个非最小级建筑类目下所有最小级建筑类目的标签权重参考证据链中出现频次，并基于各个标签的出现频次确定各个标签在每个非最小级建筑类目下的权重；
对于不具有数值类实测数据的最小级建筑类目，根据所属上级建筑类目下的各个标签的权重，确定最佳证据链；
将最佳证据链中与所述不具有数值类实测数据的最小级建筑类目下的未知数据属于同一项内容的数据作为所述未知数据的估算值。
3.根据权利要求1或2所述的遗址建筑数字复原方法，其特征在于，在所述对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度的步骤之前，还包括：
根据所述证据链中与实测数据对应的数据，去除不符合要求的实测数据。
4.一种遗址建筑数字复原装置，其特征在于，包括：
获取单元，用于获取遗址建筑的实测数据，以及与遗址建筑相关的历史直接记载数据和同时期建筑规则数据；
标签单元，用于将所述历史直接记载数据和所述同时期建筑规则数据中同一数据来源的数据整体作为一条证据链，为每条证据链设置标签，所述标签包括类型、出处和时期；
分类单元，用于按照复原所述遗址建筑所需的复原数据进行建筑类目的分类，建筑类目由大到小按级分类；
未知数据参考证据链单元，用于对于每个具有数值类实测数据且包含未知数据的最小级建筑类目，分别计算每条证据链的可信度，并将可信度最高的1条证据链作为所述最小级建筑类目的未知数据参考证据链；
估算单元，用于根据所述最小级建筑类目的未知数据参考证据链，得到所述最小级建筑类目下的未知数据的估算值以及估算值的浮动范围；
复原单元，用于基于虚拟拼接技术，根据所述实测数据、所述未知数据的估算值以及估算值的浮动范围进行数字复原；
其中，所述未知数据参考证据链单元，具体包括：
可信度子单元，用于基于证据链可信度公式，计算每条证据链的可信度，证据链可信度公式为：
其中，Ii为第i条证据链的可信度，n为最小级建筑类目下的数值类实测数据的总数，m为证据链的总数量，Tj为最小级建筑类目下第j个数值类实测数据，Rij为第i条证据链的第j个数据，Tj和Rij为最小级建筑类目下同一项内容的数据；
证据链子单元，用于将可信度最高的1条证据链作为所述最小级建筑类目的未知数据参考证据链；
所述估算单元，具体包括：
估算值子单元，用于将所述最小级建筑类目的未知数据参考证据链中，与所述最小级建筑类目下的未知数据属于同一项内容的数据作为所述未知数据的估算值；
误差计算子单元，用于基于误差计算公式，计算得到多个误差值，误差计算公式为：
Mwj＝|Rwj-Tj|，j＝1,2,…,n
其中，Mwj为误差，n为最小级建筑类目下的数值类实测数据的总数，Tj为所述最小级建筑类目下第j个数值类实测数据，Rwj为所述最小级建筑类目的未知数据参考证据链中的第j个数据，Tj和Rwj为最小级建筑类目下同一项内容的数据；
浮动范围单元，用于确定所述估算值的浮动范围为[Rx-Rx×Mmax/Tmax，Rx+Rx×Mmax/Tmax]，其中，Rx为所述最小级建筑类目的未知数据参考证据链中与所述最小级建筑类目下的未知数据属于同一项内容的数据，Mmax为所述多个误差值中的最大值，Tmax为计算Mmax时用到的数值类实测数据。
5.一种可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时，实现如权利要求1～3中任一项所述的遗址建筑数字复原方法的各个步骤。
6.一种遗址建筑数字复原设备，包括存储器和处理器，其特征在于，所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1～3中任一项所述的遗址建筑数字复原方法的各个步骤。
CN202011577596.3A 2020-12-28 2020-12-28 一种遗址建筑数字复原方法、装置、设备及可读存储介质 Active CN112700554B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011577596.3A CN112700554B (zh) 2020-12-28 2020-12-28 一种遗址建筑数字复原方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011577596.3A CN112700554B (zh) 2020-12-28 2020-12-28 一种遗址建筑数字复原方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN112700554A CN112700554A (zh) 2021-04-23
CN112700554B true CN112700554B (zh) 2024-04-12

Family

ID=75512200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011577596.3A Active CN112700554B (zh) 2020-12-28 2020-12-28 一种遗址建筑数字复原方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN112700554B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150616A (zh) * 2013-03-29 2013-06-12 南京信息工程大学 一种史前聚落遗址分布特征的挖掘方法
WO2014097651A1 (ja) * 2012-12-18 2014-06-26 三智商事株式会社 工事画像データ記録システムおよび構造物埋設用データ記録ユニット
CN110413658A (zh) * 2019-07-23 2019-11-05 中经柏诚科技(北京)有限责任公司 一种基于关联规则的事实证据链构建方法
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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014097651A1 (ja) * 2012-12-18 2014-06-26 三智商事株式会社 工事画像データ記録システムおよび構造物埋設用データ記録ユニット
CN103150616A (zh) * 2013-03-29 2013-06-12 南京信息工程大学 一种史前聚落遗址分布特征的挖掘方法
CN110413658A (zh) * 2019-07-23 2019-11-05 中经柏诚科技(北京)有限责任公司 一种基于关联规则的事实证据链构建方法
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 (1)

* Cited by examiner, † Cited by third party
Title
解码历史照片――陈家祠水塘复原研究;林畅斌;郑力鹏;;南方建筑;20180430(第02期);全文 *

Also Published As

Publication number Publication date
CN112700554A (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
Brovelli et al. A new method for the assessment of spatial accuracy and completeness of OpenStreetMap building footprints
Klápště et al. Sensitivity analysis of parameters and contrasting performance of ground filtering algorithms with UAV photogrammetry-based and LiDAR point clouds
Frohn et al. Satellite remote sensing classification of thaw lakes and drained thaw lake basins on the North Slope of Alaska
Maxwell et al. Identification of “ever-cropped” land (1984–2010) using Landsat annual maximum NDVI image composites: Southwestern Kansas case study
Dezhkam et al. Performance evaluation of land change simulation models using landscape metrics
Brilakis et al. Shape-based retrieval of construction site photographs
Weng et al. Landscape as a continuum: an examination of the urban landscape structures and dynamics of Indianapolis City, 1991–2000, by using satellite images
Chevalier et al. Accounting for niche truncation to improve spatial and temporal predictions of species distributions
Nichol et al. Remote sensing of urban vegetation life form by spectral mixture analysis of high‐resolution IKONOS satellite images
Hernández-Hernández et al. A new portable application for automatic segmentation of plants in agriculture
Bar Massada et al. Automated segmentation of vegetation structure units in a Mediterranean landscape
Montaghi et al. Accuracy assessment measures for image segmentation goodness of the Land Parcel Identification System (LPIS) in Denmark
Zhang et al. Land–use and land-cover change detection using dynamic time warping–based time series clustering method
Mialhe et al. Synoptic assessment of water resource variability in reservoirs by remote sensing: General approach and application to the runoff harvesting systems of south India
Stanislawski et al. An open source high-performance solution to extract surface water drainage networks from diverse terrain conditions
Evans et al. UAV and structure-from-motion photogrammetry enhance river restoration monitoring: A dam removal study
Schaffer et al. Quantifying the completeness of and correspondence between two historical maps: A case study from nineteenth-century Palestine
Lee et al. The extraction of forest CO2 storage capacity using high-resolution airborne LiDAR data
CN112700554B (zh) 一种遗址建筑数字复原方法、装置、设备及可读存储介质
O’Donnell et al. Spatial estimates of soil moisture for understanding ecological potential and risk: a case study for arid and semi-arid ecosystems
Fang et al. Competition and burn severity determine post-fire sapling recovery in a nationally protected boreal forest of China: an analysis from very high-resolution satellite imagery
Carpenter et al. Accuracy of aerial photography for locating seasonal (vernal) pools in Massachusetts
Bilodeau et al. Enhancing surface drainage mapping in eastern Canada with deep learning applied to LiDAR-derived elevation data
Niccolai et al. Decision rule-based approach to automatic tree crown detection and size classification
Wistrand Investigating the potential of object-based image analysis to identify tree avenues in high resolution aerial imagery and lidar data

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