CN113393450B - 用于数字线划图的数据质检方法、系统及可读存储介质 - Google Patents
用于数字线划图的数据质检方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN113393450B CN113393450B CN202110712930.XA CN202110712930A CN113393450B CN 113393450 B CN113393450 B CN 113393450B CN 202110712930 A CN202110712930 A CN 202110712930A CN 113393450 B CN113393450 B CN 113393450B
- Authority
- CN
- China
- Prior art keywords
- data
- point
- quality
- wall
- tested
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
本发明公开一种用于数字线划图的数据质检方法、系统及可读存储介质,其中方法包括以下步骤:获取基础模型数据和矢量成果数据;基于所述矢量成果数据生成若干个待质检数据,所述待质检数据为墙角点或墙线;分别对每个待质检数据进行质检,质检步骤为:从所述基础模型数据中提取与所述待质检数据相对应的特征数据,并基于所述特征数据进行数据拟合,生成与所述待质检数据相对应的参考数据;将所述待质检数据与相应的参考数据相比对,生成相应的对比结果。现今往往人工手动对矢量成果数据进行质检,本发明所提出的数据质检方法能够自动对矢量成果数据进行质检,提高质检效率并降低人力成本。
Description
技术领域
本发明涉及测绘领域,尤其涉及一种用于数字线划图的数据质检方法、系统及可读存储介质。
背景技术
现今缺少对自动对数字线划图进行质量检测的技术方案,为保证数字线划图的精度,往往需要测图人员或质检人员通过肉眼查看所绘制的数字线划图是否贴合,质检成本高且效率低。
发明内容
本发明针对现有技术中人工对绘制完成的数字线划图进行质检,质检成本高且效率低的缺点,提供了一种自动对数字线划图中墙角点或墙线进行质检的技术。
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:
本发明提出一种用于数字线划图的数据质检方法,包括以下步骤:
获取基础模型数据和矢量成果数据,其中基础模型数据为相应实景三维模型的模型裁切数据和/或模型特征数据。
基于所述矢量成果数据生成若干个待质检数据,所述待质检数据为墙角点或墙线;
分别对每个待质检数据进行质检,质检步骤为:
从所述基础模型数据中提取与所述待质检数据相对应的特征数据,并基于所述特征数据进行数据拟合,生成与所述待质检数据相对应的参考数据;
将所述待质检数据与相应的参考数据相比对,生成相应的对比结果。
作为一种可实施方式,生成相应的对比结果后还包括质检修复步骤,具体步骤为:
将对比失败的待质检数据作为待修复数据;
基于所述参考数据对所述待修复数据进行替换,生成相应的修复矢量数据。
作为一种可实施方式,当待质检数据为墙角点时,与其相对应的参考数据为参考基点,参考基点的获取方法包括以下步骤:
基于所述矢量成果数据提取以所述墙角点为端点的两条相邻墙线,获得第一墙线;
以所述墙角点为起点,分别沿着各第一墙线的方向,按照预设的第一提取参数确定第一特征提取范围,所述第一特征提取范围与所述第一墙线一一对应;
从所述基础模型数据中提取位于所述第一特征提取范围内的特征数据,并基于所述特征数据进行数据拟合,生成两条相交的参考基线;
获取两条参考基线的交点,将所述交点作为与所述墙角点相对应的参考基点。
作为一种可实施方式:
计算各参考基点和与其相对应的墙角点的距离,当所述距离大于等于预设的第一距离阈值时,判定比对失败,并利用所述参考基点替换与其对应的墙角点,直至完成对所有参考基点的处理,生成相应的点修复矢量数据。
作为一种可实施方式,生成相应的点修复矢量数据后,还包括线质检修复步骤,具体步骤为:
提取所述点修复矢量数据中的墙线作为待质检数据,或,根据比对结果和预设的提取规则从墙角点中提取检测点,从点修复矢量数据中提取以该检测点作为端点的墙线作为待质检数据。
作为一种可实施方式,当所述待质检数据为墙线时,与其相对应的参考数据为参考基线,参考基线的获取方法包括以下步骤:
基于预设的第二提取参数确定第二特征提取范围,所述第二特征提取范围与所述墙线相对应;
从所述基础模型数据中提取位于所述第二特征提取范围内的特征数据,并基于所述特征数据进行数据拟合,生成相应的参考基线。
作为一种可实施方式,所述特征数据包括若干个点;
基于所述特征数据进行数据拟合,生成相应的参考基线前还包括特征检验步骤,具体步骤为:
将相邻的点相连,获得若干个特征线段;
计算相邻两条线段的夹角变换值,当所述夹角变换值超过预设的变换阈值时,将连接所述相邻两条线段的点作为干扰点;
计算所述干扰点占所述点的比例,当所得占比值超过预设的占比阈值时,将所述特征数据所对应的墙角点或墙线作为待人工质检数据并输出。
本发明还提出一种用于数字线划图的数据质检系统,包括:
数据获取模块,用于获取基础模型数据和矢量成果数据;
预处理模块,用于基于所述矢量成果数据生成若干个待质检数据,所述待质检数据为墙角点或墙线;
质检模块,用于对每个待质检数据进行质检,所述质检模块包括拟合单元和比对单元;
所述拟合单元,用于从所述基础模型数据中提取与所述待质检数据相对应的特征数据,并基于所述特征数据进行数据拟合,生成与所述待质检数据相对应的参考数据;
所述比对单元,用于将所述待质检数据与相应的参考数据相比对,生成相应的对比结果。
作为一种可实施方式,所述质检模块还包括修复单元;
所述修复单元,用于基于所述参考数据对待修复数据进行替换,生成相应的修复矢量数据,其中待修复数据为对比失败的待质检数据。
本发明还提出一种可读存储介质,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:
现今在数字线划图领域的质检往往是对所述基础模型数据所对应的测量数据进行质检,缺少对绘制完成的矢量成果数据进行质检的方案,本发明所提出的数据质检方法能够弥补现有技术的不足,自动对矢量成果数据进行质检,提高质检效率并降低人力成本。
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是本发明一种用于数字线划图的数据质检方法的流程示意图;
图2是本发明一种用于数字线划图的数据质检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、一种用于数字线划图的数据质检方法,具体为对矢量成果数据中墙角点的精度进行质检,如图1所示,包括以下步骤:
S100、获取基础模型数据和矢量成果数据;
所述基础模型数据为相应实景三维模型的模型裁切数据和/或模型特征数据;
所述矢量成果数据包括若干个矢量面状图形,即,若干张绘制完成的数字线划图。
S200、基于所述矢量成果数据生成若干个待质检数据;
本实施例中待质检数据为墙角点。
S300、分别对每个待质检数据进行质检,获得相应的对比结果,质检步骤具体为:
S310、从所述基础模型数据中提取与所述待质检数据相对应的特征数据,并基于所述特征数据进行数据拟合,生成与所述待质检数据相对应的参考数据;
S320、将所述待质检数据与相应的参考数据相比对,生成相应的对比结果;
S400、汇总所有对比结果,生成相应的质检结果并输出。
专利一种基于INSAR制作3D产品的系统及方法(CN101964009A)中质量检查与评估方案为对所采集的原始测量数据进行质检,以判断原始测量数据是否符合摄影测量数据需具备的各项技术指标;
由此可见,现今在数字线划图领域的质检往往是对所述基础模型数据所对应的测量数据进行质检,缺少对绘制完成的矢量成果数据进行质检的方案,本实施例所提出的数据质检方法能够弥补现有技术的不足,自动对矢量成果数据进行质检,提高质检效率并降低人力成本。
进一步地,步骤S100中的模型裁切数据包括若干组裁切点数据,所述裁切点数据与矢量面状图形一一对应,模型裁切数据的获取方式为:
基于各矢量面状图形的三维信息对实景三维模型进行水平面裁切,提取各水平切面与所述实景三维模型的相交点,获得与矢量面状图形一一对应的裁切点数据,基于所述裁切点数据生成模型裁切数据;
以房地领域为例,所述实景三维模型为某村房地所对应的实景三维模型,矢量面状图形为该小区中各户对应的数字线划图,该矢量面状图形具有高度信息。
将各矢量面状图形叠加至实景三维模型,基于叠加结果对所述实景三维模型进行裁切,生成若干个裁切模型,该裁切模型即为小区中独立建筑物的三维模型,如各栋楼的三维模型。
基于矢量面状图形的高度信息对与其相对应的裁切模型进行水平面裁切,并获取水平切面与相应裁切模型的相交点,获得与所述矢量面状图形相对应的裁切点数据;
所述相交点用于指示截面的轮廓,提取截面相交点为现有技术,故不再本实施例中进行详细介绍。
进一步地,步骤S100中的特征点数据包括若干个子特征库,所述特征点数据的获取方式为:
将实景三维模型分割为若干个区域后,分别对各区域进行特征提取,获得若干个子特征库;其中子特征库与所分割获得的区域一一对应。
本领域技术人员可根据实际需要自行设定分割三维模型数据的规则,本实施例中基于三维模型数据本身的目录中划分的层次结构将其分割为若干个区域。
本实施例中基于深度学习技术对三维模型数据进行语义分割,获得相应的点云数据,本实施例中采用所述点云数据作为特征点数据;上述语义分割获得点云数据的技术为现有技术,无需详细告知本领域技术人员也能轻易再现。
进一步地,步骤S200中的墙角点的获取方法为:
遍历各矢量面状图形,提取每个矢量面状图形的顶点作为墙角点,获得若干个墙角点;
所述墙角点能够标识相应顶点在空间中的位置。
步骤S310中所述的参考数据为与所述墙角点相对应的参考基点,进一步地,步骤S310具体包括以下步骤:
S311、分别提取各墙角点相对应的特征数据,所述特征数据包括第一特征数据和第二特征数据,具体步骤为:
基于所述矢量成果数据提取以所述墙角点为端点的两条相邻墙线,获得第一墙线;
注:本实施例中的相邻指墙线相交,相对指墙线相平行。
以所述墙角点为起点,分别沿着各第一墙线的方向,按照预设的第一提取参数确定第一特征提取范围,所述第一特征提取范围与所述第一墙线一一对应;
本领域技术人员可根据实际需要自行设定第一提取参数,所述第一提取参数用于设定第一特征提取范围的长度和宽度,本实施例中长度为1m,宽度为60cm。
S313、从所述基础模型数据中提取位于所述第一特征提取范围内的特征数据;
即,以所述墙角点为起点,沿着第一墙线的方向,提取长度为1m范围内的特征数据,此处特征数据为两组,与第一墙线一一对应。
已知第一特征提取范围,从相应的裁切点数据中提取位于该第一特征提取范围内的裁切点作为特征数据、或从相应的子特征库中提取位于该第一特征提取范围内的特征点作为特征数据,此为现有技术,故不在本说明书中进行详细介绍。
S312、基于所述特征数据进行数据拟合;
对步骤S311所得的两组特征数据分别进行拟合,拟合获得相对应的直线,将所述直线作为参考基线。
本实施例中将作为特征数据的特征点或裁切点作为拟合点,还将相邻两个点的中点作为拟合点,基于所述拟合点进行线拟合,获得第一拟合线段;基于所述第一拟合线段对所述拟合点进行筛选,基于筛选结果再次进行拟合,获得第二拟合线;将所得第二拟合线段作为相应的参考基线。
本领域技术人员可自行设定筛选规则,例如剔除距离所述第一拟合线段最远的10%个拟合点。
S313、获取参考基点;
获取两条参考基线的交点,将所述交点作为与所述墙角点相对应的参考基点。
进一步地,在步骤S312基于所述特征数据进行数据拟合之前还包括特征检验步骤,具体步骤为:
将特征数据中相邻的点(特征点/裁切点)相连,获得若干个特征线段;
计算相邻两条线段的夹角变换值,当所述夹角变换值超过预设的变换阈值时,将连接所述相邻两条线段的点作为干扰点;
计算所述干扰点占所述点的比例,当所得占比值超过预设的占比阈值时,将所述特征数据所对应的待质检数据(墙角点)作为待人工质检数据,即,所述墙角点所对应的对比结果为待人工质检。
本实施例中夹角变换值△θ的计算公式为:
△θi=|θi-1,i-θi,i+1|;
其中,θi-1,i表示第i个点与第i-1个点所对应的线段与x轴的夹角,θi,i+1表示第i个点与第i-1个点所对应的线段与x轴的夹角;当计算所得的△θi超过预设的变换阈值时,判定第i个点为干扰点。
本领域技术人员可根据实际需要自行设定变换阈值(如5°)与占比阈值(如10%),本实施例中不对其做详细限定。
如特征数据中干扰点较多,其生成的参考基线的误差较大,故所生成的参考基点精度较低,如仍以该参考基点评判相应墙角点的质量将影响质检结果的准确性,故本实施例中针对此种情况,标记对应墙角点为待人工质检数据后结束对其的自动质检,后续由质检人员多所有待人工质检数据进行质检,有效保证质检的准确性。
进一步地,步骤S320中将所述待质检数据与相应的参考数据相比对,生成相应的对比结果的具体步骤为:
计算所得参考基点和与其相对应的墙角点的距离,将所述距离与预设的距离阈值相比,获得比对结果;
本实施例中所述距离阈值包括第一距离阈值和第二距离阈值,其中第二距离阈值小于第一距离阈值;
当所述距离小于预设的第二距离阈值时,判定比对成功,对应墙角点合格;
当所述距离大于等于预设的第二距离阈值且小于预设的第一距离阈值时,判定比对成功,对应墙角点待人工质检,即将所述墙角点作为待人工质检数据;
当所述距离大于等于预设的第一距离阈值时,判定比对失败,对应墙角点不合格;
本领域技术人员可根据实际需要自行设定第一距离阈值和第二距离阈值,如本实施例中第一距离阈值为10cm,第二距离阈值为3cm。
针对与参考基点的距离在3至10cm之间的墙角点,难以确定是墙角点精度较低还是参考基点的精度较低,故本实施例对此类墙角点进行记录和反馈,由质检人员进行判断和处理。
进一步地,步骤S320中将所述待质检数据与相应的参考数据相比对,生成相应的对比结果后还包括步骤S330质检修复步骤,具体步骤为:
将对比失败的待质检数据作为待修复数据;
基于所述参考数据对所述待修复数据进行替换,生成相应的修复矢量数据。
本实施例中针对不合格的墙角点,利用与其相对应的参考基点进行替换,此时以该墙角点为端点的墙线进行相应更新,即,更新后的墙线以所述参考基点为端点。
当完成对所有不合格的墙角点的替换后,生成相应的点修复矢量数据,将所述点修复矢量数据作为修复矢量数据。
本实施例中基于所得对比结果,生成相应的质检结果并输出的具体步骤为:
按照比对结果将待质检数据进行分类,生成合格集、不合格集和待人工质检集;
根据所得修复矢量数据和三类数据集生成相应的质检结果并输出;
质检人员可查看自动修复的修复矢量数据,还可查看各组数据集中的墙角点,对各墙角点进行人工质检。
在实际质检过程中,质检人员仅需重点对待人工质检点集中的墙角点进行质检,大大减少了质检人员的工作量,有效提高质检效率。
实施例2、将实施例1中的待质检数据由“墙角点”替换为“墙线”,即对矢量成果数据中墙线的精度进行质检,其余均等同与实施例1;
本实施例中抽取矢量成果数据中的线段作为墙线,该抽取方法为本领域常规技术,故不对其进行详细介绍。本实施例中步骤S300中分别对每个待质检数据进行质检的具体步骤为:
S310、生成与所述待质检数据相对应的参考数据;
本实施例待质检数据为墙线,参考数据为与所述墙线相对应的参考基线,包括以下步骤:
S311、基于预设的第二提取参数确定第二特征提取范围,所述第二特征提取范围与所述墙线相对应;
上述第二提取参数用于确定第二特征提取范围的宽,本实施例中第二特征提取范围的长与所述墙线一致,宽为60cm;
即,将所述墙线两侧30cm的区域作为第二特征提取范围。
S312、从所述基础模型数据中提取位于所述第二特征提取范围内的特征数据,并基于所述特征数据进行数据拟合,生成相应的参考基线。
将所述第二特征提取范围代替实施例1中所述的第一特征提取范围,按照实施例1中参考基线的生成方法,提取位于所述第二特征提取范围内的特征点或裁切点作为特征数据,并基于所述特征数据进行两次拟合后所得的直线作为参考基线,本实施例中不对其具体步骤进行赘述。
同实施例1,在步骤S312基于所述特征数据进行数据拟合之前还包括特征检验步骤,但检验所述特征数据中干扰点的占比值超过预设的占比阈值时,将所述特征数据所对应的待质检数据(墙线)作为待人工质检数据,即,所述墙线所对应的对比结果为待人工质检。
S320、将所述待质检数据与相应的参考数据相比对,生成相应的对比结果;
计算所得参考基线和与其相对应的墙线所形成的夹角,将所述夹角与预设的夹角阈值相比,获得对比结果。
已知空间中两条线段,计算两条线段之间的夹角属于现有技术,故不再本说明书中进行详细介绍。
本实施例中所述夹角阈值包括第一夹角阈值和第二夹角阈值,其中第二夹角阈值小于第一夹角阈值;
当所述夹角小于预设的第二夹角阈值时,判定比对成功,对应墙线合格;
当所述夹角大于等于预设的第二夹角阈值且小于预设的第一夹角阈值时,判定比对成功,对应墙线待人工质检,即将所述墙线作为待人工质检数据;
当所述夹角大于等于预设的第一夹角阈值时,判定比对失败,对应墙线不合格;
本领域技术人员可根据实际需要自行设定第一夹角阈值和第二夹角阈值,如本实施例中第一夹角阈值为10°,第二夹角阈值为3°。
针对与参考基线的夹角在3至10°之间的墙线,难以确定所述墙线精度是否达到预设的的要求,故本实施例对此类墙线进行记录和反馈,由质检人员进行判断和处理。
S330、质检修复:
本实施例中针对不合格的墙线,利用与其相对应的墙线进行替换,此时与其相邻的墙线亦进行相应更新。
由于修复一条墙线后会对与其相邻的墙线造成影响,故基于本实施例完成当前墙线的质检修复后,基于更新后的相邻墙线作为待质检数据进行质检修复。
当完成对所有不合格的墙线的替换后,生成相应的线修复矢量数据,将所述线修复矢量数据作为修复矢量数据。
实施例3、将实施例2中的矢量成果数据更换为点修复矢量数据,其余均等同于实施例1;
所得点修复矢量数据代替实施例2中的矢量成果数据,按照实施例2所公开质检方法对进行质检;
即,获取基础模型数据和矢量成果数据后,先按照实施例1所公开的质检方法对矢量成果数据中各墙角点进行质检修复,获得点修复矢量数据;再按照实施例2所公开的质检方法对所得点修复矢量数据中各墙线进行质检修复,获得相应的线修复质检数据,将所述线修复质检数据作为修复矢量数据。
本实施例中所得的质检结果包含点修复矢量数据以及与所述点修复矢量数据所对应的三组待质检数据集(墙角点),还包含线修复矢量数据以及与所述线修复矢量数据所对应的三组待质检数据集(墙线)。
本实施例中以墙角点为主,墙线为辅,先对墙角点进行修复,此时相应墙线亦随着墙角点的修复进行更新,使其精度更高;再对墙线做进一步质检修复,此时不合格或需要人工质检的墙线的数量大大减少,且对墙线进行修复的同时亦是对墙角点的修复,故质检人员仅需着重对待人工质检的墙线进行处理,进一步降低质检人员的工作量。
实施例4、于实施例3中增加筛选待质检数据的步骤,其余均等同于实施例3;
筛选待质检数据的步骤具体为:
获取所述点修复矢量数据所对应的合格集、不合格集和待人工质检集,即实施例1中所得的比对结果;
基于预设的提取规则从墙角点中提取检测点,从点修复矢量数据中提取以所述检测点作为端点的墙线作为待质检数据。
本领域技术人员可根据实际需要自行设定提取规则,例如提取合格集中的墙角点、提取待人工质检集中的墙角点,提取合格集和待人工质检集中的墙角点。
本实施例通过对筛选待质检数据的步骤的设计,能够针对性的对点修复矢量数据做进一步质检和修复,适用于不同场景,如侧重于质检结果的准确性时,可将提取合格集中的墙角点作为检测点,对此类墙角点所涉及的矢量成果数据做进一步质检,如侧重于质检效率,则可提取待人工质检集中的墙角点作为检测点,对此类墙角点所涉及的矢量成果数据做进一步质检,减少质检人员的工作量。
综上,在实际使用过程中,本领域技术人员可根据实际情况,自行配置基础模型数据与待质检数据的相关参数,如基于实景三维模型进行质检或基于其点云数据进行质检,如基于墙角点进行质检、基于墙角线进行质检、以点为主线辅进行质检,灵活性高,适用于多种质检场景,包括但不限于对测图人员的质量考核,对外部导入的矢量成果数据进行修复使用。
实施例5、一种用于数字线划图的数据质检系统,其用于执行实施例1至实施例4所公开的任意一种质检方法,如图2所示,其包括:
数据获取模块100,用于获取基础模型数据和矢量成果数据;
预处理模块200,用于基于所述矢量成果数据生成若干个待质检数据,所述待质检数据为墙角点或墙线;
质检模块300,用于对每个待质检数据进行质检,获得相应的质检结果;
输出模块400,用于汇总所有对比结果,生成相应的质检结果并输出。
上述质检模块300包括拟合单元110、比对单元120和修复单元130;
所述拟合单元110,用于从所述基础模型数据中提取与所述待质检数据相对应的特征数据,并基于所述特征数据进行数据拟合,生成与所述待质检数据相对应的参考数据;
所述比对单元120,用于将所述待质检数据与相应的参考数据相比对,生成相应的对比结果。
所述修复单元130,用于基于所述参考数据对待修复数据进行替换,生成相应的修复矢量数据,其中待修复数据为对比失败的待质检数据。
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6、一种可读存储介质,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至4任意一项所述方法的步骤。
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 (9)
1.一种用于数字线划图的数据质检方法,其特征在于包括以下步骤:
获取基础模型数据和矢量成果数据,所述基础模型数据为相应实景三维模型的模型裁切数据和/或模型特征数据;
基于所述矢量成果数据生成若干个待质检数据,所述待质检数据为墙角点或墙线;
分别对每个待质检数据进行质检,质检步骤为:
从所述基础模型数据中提取与所述待质检数据相对应的特征数据,并基于所述特征数据进行数据拟合,生成与所述待质检数据相对应的参考数据,当待质检数据为墙角点时,与其相对应的参考数据为参考基点,当所述待质检数据为墙线时,与其相对应的参考数据为参考基线;
将所述待质检数据与相应的参考数据相比对,生成相应的对比结果;
其中,参考基点的获取方法包括以下步骤:
基于矢量成果数据提取以所述墙角点为端点的两条相邻墙线,获得第一墙线;
以所述墙角点为起点,分别沿着各第一墙线的方向,按照预设的第一提取参数确定第一特征提取范围,所述第一特征提取范围与所述第一墙线一一对应;
从所述基础模型数据中提取位于所述第一特征提取范围内的特征数据,并基于所述特征数据进行数据拟合,生成两条相交的参考基线;
获取两条参考基线的交点,将所述交点作为与所述墙角点相对应的参考基点。
2.根据权利要求1所述的用于数字线划图的数据质检方法,其特征在于,生成相应的对比结果后还包括质检修复步骤,具体步骤为:
将对比失败的待质检数据作为待修复数据;
基于所述参考数据对所述待修复数据进行替换,生成相应的修复矢量数据。
3.根据权利要求1或2所述的用于数字线划图的数据质检方法,其特征在于:
计算各参考基点和与其相对应的墙角点的距离,当所述距离大于等于预设的第一距离阈值时,判定比对失败,并利用所述参考基点替换与其对应的墙角点,直至完成对所有参考基点的处理,生成相应的点修复矢量数据。
4.根据权利要求3所述的用于数字线划图的数据质检方法,其特征在于,生成相应的点修复矢量数据后,还包括线质检修复步骤,具体步骤为:
提取所述点修复矢量数据中的墙线作为待质检数据,或,根据比对结果和预设的提取规则从墙角点中提取检测点,从点修复矢量数据中提取以该检测点作为端点的墙线作为待质检数据。
5.根据权利要求1至4任一所述的用于数字线划图的数据质检方法,其特征在于,参考基线的获取方法包括以下步骤:
基于预设的第二提取参数确定第二特征提取范围,所述第二特征提取范围与所述墙线相对应;
从基础模型数据中提取位于所述第二特征提取范围内的特征数据,并基于所述特征数据进行数据拟合,生成相应的参考基线。
6.根据权利要求5所述的用于数字线划图的数据质检方法,其特征在于,所述特征数据包括若干个点;
基于所述特征数据进行数据拟合,生成相应的参考基线前还包括特征检验步骤,具体步骤为:
将相邻的点相连,获得若干个特征线段;
计算相邻两条线段的夹角变换值,当所述夹角变换值超过预设的变换阈值时,将连接所述相邻两条线段的点作为干扰点;
计算所述干扰点占所述点的比例,当所得占比值超过预设的占比阈值时,将所述特征数据所对应的墙角点或墙线作为待人工质检数据并输出。
7.一种用于数字线划图的数据质检系统,其特征在于,包括:
数据获取模块,用于获取基础模型数据和矢量成果数据,所述基础模型数据为相应实景三维模型的模型裁切数据和/或模型特征数据;
预处理模块,用于基于所述矢量成果数据生成若干个待质检数据,所述待质检数据为墙角点或墙线;
质检模块,用于对每个待质检数据进行质检,所述质检模块包括拟合单元和比对单元;
所述拟合单元,用于从所述基础模型数据中提取与所述待质检数据相对应的特征数据,并基于所述特征数据进行数据拟合,生成与所述待质检数据相对应的参考数据,当待质检数据为墙角点时,与其相对应的参考数据为参考基点,当所述待质检数据为墙线时,与其相对应的参考数据为参考基线;
所述比对单元,用于将所述待质检数据与相应的参考数据相比对,生成相应的对比结果;
所述拟合单元获取所述参考基点时执行以下步骤:
基于矢量成果数据提取以所述墙角点为端点的两条相邻墙线,获得第一墙线;
以所述墙角点为起点,分别沿着各第一墙线的方向,按照预设的第一提取参数确定第一特征提取范围,所述第一特征提取范围与所述第一墙线一一对应;
从所述基础模型数据中提取位于所述第一特征提取范围内的特征数据,并基于所述特征数据进行数据拟合,生成两条相交的参考基线;
获取两条参考基线的交点,将所述交点作为与所述墙角点相对应的参考基点。
8.根据权利要求7所述的用于数字线划图的数据质检系统,其特征在于,所述质检模块还包括修复单元;
所述修复单元,用于基于所述参考数据对待修复数据进行替换,生成相应的修复矢量数据,其中待修复数据为对比失败的待质检数据。
9.一种可读存储介质,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任意一项所述数据质检方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110712930.XA CN113393450B (zh) | 2021-06-25 | 2021-06-25 | 用于数字线划图的数据质检方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110712930.XA CN113393450B (zh) | 2021-06-25 | 2021-06-25 | 用于数字线划图的数据质检方法、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393450A CN113393450A (zh) | 2021-09-14 |
CN113393450B true CN113393450B (zh) | 2023-04-07 |
Family
ID=77623980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110712930.XA Active CN113393450B (zh) | 2021-06-25 | 2021-06-25 | 用于数字线划图的数据质检方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393450B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419384A (zh) * | 2020-12-03 | 2021-02-26 | 浙江大学德清先进技术与产业研究院 | 基于人工智能的数字地表模型房屋dlg自动提取方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2304688B1 (en) * | 2008-05-27 | 2012-10-03 | Holger Falter Mechanische Erfindungen | Automated building outline detection |
CN102708587A (zh) * | 2012-04-17 | 2012-10-03 | 中国地质大学(北京) | 一种快速获取三维建筑信息的方法及系统 |
CN106600680A (zh) * | 2015-10-20 | 2017-04-26 | 星际空间(天津)科技发展有限公司 | 一种建筑物体框模型批量精细三维建模方法 |
CN106600690B (zh) * | 2016-12-30 | 2020-09-18 | 厦门理工学院 | 基于点云数据的复杂建筑体三维建模方法 |
CN107180097A (zh) * | 2017-05-16 | 2017-09-19 | 沈阳国源科技发展有限公司 | 确权登记成果数据的质检方法及装置 |
CN112037327A (zh) * | 2020-08-13 | 2020-12-04 | 江河水利水电咨询中心 | 安置点建筑物建设进度监测方法、装置、设备及存储介质 |
CN112200885B (zh) * | 2020-09-29 | 2024-05-07 | 杭州今奥信息科技股份有限公司 | 一种房屋墙体线的识别方法、系统及计算机可读存储介质 |
-
2021
- 2021-06-25 CN CN202110712930.XA patent/CN113393450B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419384A (zh) * | 2020-12-03 | 2021-02-26 | 浙江大学德清先进技术与产业研究院 | 基于人工智能的数字地表模型房屋dlg自动提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113393450A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7133551B2 (en) | Semi-automatic reconstruction method of 3-D building models using building outline segments | |
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN115077425B (zh) | 一种基于结构光三维视觉的产品检测设备及方法 | |
CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及系统 | |
CN109283182A (zh) | 一种电池焊点缺陷的检测方法、装置及系统 | |
CN116305436A (zh) | 一种基于三维激光扫描结合bim的既有桥梁监测方法 | |
CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
CN113393450B (zh) | 用于数字线划图的数据质检方法、系统及可读存储介质 | |
CN116740060B (zh) | 基于点云几何特征提取的装配式预制构件尺寸检测方法 | |
Ghorbani et al. | Accurate registration of point clouds of damaged aeroengine blades | |
CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
CN110017998A (zh) | 车辆检测方法、装置和设备 | |
CN114155522A (zh) | 一种点云数据质检修复方法及系统 | |
CN113743483A (zh) | 一种基于空间平面偏移分析模型的道路点云误差场景分析方法 | |
CN113379923A (zh) | 轨道识别方法、装置、存储介质及设备 | |
CN112598059A (zh) | 一种工人着装检测方法、装置、存储介质及电子设备 | |
CN116993923B (zh) | 换流站三维模型制作方法、系统、计算机设备和存储介质 | |
CN116910888B (zh) | 一种装配式建筑bim模型构件生成方法及系统 | |
CN117495891B (zh) | 点云边缘检测方法、装置和电子设备 | |
US20180068169A1 (en) | Apparatus and method for rejecting erroneous objects of extrusion in point cloud data | |
CN116305386A (zh) | 一种bim轻量化模型的多类型碰撞检测方法及系统 | |
CN114549625A (zh) | 一种对设备经纬度进行异常检测的方法、装置及存储介质 | |
Zeng et al. | Three-Dimensional Reconstruction of Rolling Contact Fatigue Characteristics | |
CN116580001A (zh) | 一种航空发动机零部件装配缺陷三维检测方法及系统 | |
CN117094977A (zh) | 一种油品泄漏检测方法、系统、计算机设备和存储介质 |
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 |