CN113724395A - 一种多楼层房屋模型的生成方法、装置、电子设备及介质 - Google Patents
一种多楼层房屋模型的生成方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113724395A CN113724395A CN202111044989.2A CN202111044989A CN113724395A CN 113724395 A CN113724395 A CN 113724395A CN 202111044989 A CN202111044989 A CN 202111044989A CN 113724395 A CN113724395 A CN 113724395A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- layer
- cloud model
- model
- registration
- 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
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种多楼层房屋模型的生成方法、装置、电子设备及介质。其中,该方法包括:获取上层初始点云模型和下层初始点云模型;将上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;将上层配准点云模型和下层配准点云模型拼接为整体配准点云模型,且确定上层和下层之间的虚拟中间平面;根据虚拟中间平面,对所述整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型;根据上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型。本技术方案能优化多楼层房屋模型的模型数据,为展示过程的分割处理提供便利。
Description
技术领域
本发明实施例涉及计算机数据处理技术,尤其涉及一种多楼层房屋模型的生成方法、装置、电子设备及介质。
背景技术
房屋虚拟三维模型是采用虚拟现实(VR)技术供用户线上看房的重要展示手段之一。展示效果依赖于所建立房屋三维模型的完善性和准确性。
在现有技术中,多楼层房屋模型一般是整体建模的,在展示过程中,还需要进行分割处理,再加载显示。
现有技术难以保障模型的精确划分,而且算法处理时间长,使得实时展示过程中的效果不佳。
发明内容
本发明实施例提供一种多楼层房屋模型的生成方法、装置、电子设备及介质,能优化多楼层房屋模型的模型数据,为展示过程的分割处理提供便利。
第一方面,本发明实施例提供了一种多楼层房屋模型的生成方法,该方法包括:
获取上层初始点云模型和下层初始点云模型;其中,所述上层初始点云模型和下层初始点云模型分别为在上层和下层中采集到的点云数据集合;
将所述上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;
将所述上层配准点云模型和下层配准点云模型拼接为整体配准点云模型 ,且确定上层和下层之间的虚拟中间平面;
根据所述虚拟中间平面,对所述整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型;
根据所述上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,所述上层网格模型和下层网格模型作为所述多楼层房屋模型中相邻两层的网格模型。
第二方面,本发明实施例还提供了一种多楼层房屋模型的生成装置,该装置包括:
初始点云模型获取模块,用于获取上层初始点云模型和下层初始点云模型;其中,所述上层初始点云模型和下层初始点云模型分别为在上层和下层中采集到的点云数据集合;
配准点云模型形成模块,用于将所述上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;
虚拟中间平面确定模块,用于将所述上层配准点云模型和下层配准点云模型拼接为整体配准点云模型,且确定上层和下层之间的虚拟中间平面;
更新点云模型形成模块,用于根据所述虚拟中间平面,对所述整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型;
网格模型创建模块,用于根据所述上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,所述上层网格模型和下层网格模型作为所述多楼层房屋模型中相邻两层的网格模型。
第三方面,本发明实施例还提供了一种计算机电子设备,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程序时实现如本发明任意实施例所述的多楼层房屋模型的生成方法。
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介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的多楼层房屋模型的生成方法。
本发明实施例通过获取上层初始点云模型和下层初始点云模型,将上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;并将上层配准点云模型和下层配准点云模型拼接为整体配准点云模型,且确定上层和下层之间的虚拟中间平面,然后根据虚拟中间平面,对整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型,并根据上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,上层网格模型和下层网格模型作为多楼层房屋模型中相邻两层的网格模型。本发明实施例的技术方案,能优化多楼层房屋模型的模型数据,为展示过程的分割处理提供便利。
附图说明
图1是本发明实施例一中的一种多楼层房屋模型的生成方法的流程示意图;
图2是本发明实施例二中的一种多楼层房屋模型的生成方法的流程示意图;
图3是本申请实施例二提供的房屋模型生成过程的示意图;
图4是本发明实施例三中的一种多楼层房屋模型的生成装置的结构框图;
图5是本发明实施例四中的一种计算机电子设备的结构示意图。
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多楼层房屋模型的生成方法的流程示意图,本实施例可适用于针对多楼层房屋,能独立构建可拼接的各单楼层网格模型的情况,该方法可以由一种多楼层房屋模型的生成装置来执行,该装置可以配置在计算设备中。如图1所示,该方法具体包括:
S110、获取上层初始点云模型和下层初始点云模型;其中,所述上层初始点云模型和下层初始点云模型分别为在上层和下层中采集到的点云数据集合;
其中,点云数据可以是指由3D扫描仪扫描房屋并以点的形式输出的记录,每一个点包含有三维坐标,含有颜色信息。可以采用点云雷达采集,并优选可结合摄像设备采集图像,一并形成针对一定空间内物体的点云数据。
在本实施例中,上层初始点云模型和下层初始点云模型是分别由点云数据集合组成的点云模型。可以基于三维激光扫描仪在每个楼层房屋进行扫描,以获取每个楼层房屋的初始点云数据。对于多层房屋而言,相邻楼层之间通常由相连通之处,例如,楼梯、镂空的客厅等。这些连通区域也可称为可视区域,在这些可视区域进行扫描时,从一个楼层不可避免能扫描到相邻楼层的物体和空间。所以,初始点云模型中不仅包括一个楼层的点云数据,而是包括当前扫描层的点云数据和相邻层可视区的点云数据。所述上层初始点云模型包括在上层房屋扫描时采集的所有点云数据集合,下层初始点云模型包括在下层房屋扫描时采集到的所有点云数据集合。
多层房屋可以是两层以上,对于任意相邻的两层,都可以称为上层和下层,在本发明实施例中,可采用类似方式处理相邻的两层模型。
S120、将所述上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;
在本方案中,三维点云数据在获取过程中,因为扫描仪受到自身视场限制只能得到房屋模型一定范围内的点云数据,需要将多站点多视角扫描得到的点云数据进行配准处理来获取完整房屋模型的点云数据。点云数据配准就是求解具有一定重叠度不同站点之间的坐标转换参数,实现点云的坐标系的统一。本实施例中,具体是将不同位置扫描到的上层初始点云模型和下层初始点云模型进行配准。配置可以基于点云数据中的点云点特征、平面特征或其他特定结构特征进行配置。
其中,可以采用点云配准技术分别对上层初始点云模型和下层初始点云模型的点云数据进行点到面的配准,形成上层配准点云模型和下层配准点云模型。
在本技术方案中,可选的,将所述上层初始点云模型和下层初始点云模型进行配准之前,还包括:
分别针对所述上层初始点云模型和下层初始点云模型,根据点云数据的密度信息去除离群点云数据;
采用移动最小二乘法分别对所述上层初始点云模型和下层初始点云模型进行点云去噪;
采用最远点采样算法,分别对所述上层初始点云模型和下层初始点云模型进行均匀采样,以采样后的点云数据更新所述上层初始点云模型和下层初始点云模型;
分别以所述上层初始点云模型和下层初始点云模型作为当前待构建模型,采用双边滤波方式对所述当前待构建模型中点云数据法线进行平滑处理;
对于所述当前待构建模型和平滑后的点云数据法线集合,构建泊松方程;
求解所述泊松方程,以提取平面。
在本方案中,受原始点云噪声、缺失以及分布不均匀等因素的影响,直接基于上层
初始点云模型和下层初始点云模型进行多楼层房屋模型构建,容易造成构建精度差、三角
面片尺度不均匀以及产生空洞等问题。对上层初始点云模型和下层初始点云模型的点云数
据进行去噪处理,并加入泊松方程优化网格生成,能够提高多楼层房屋模型构建的精度。例
如,设上层初始点云模型和下层初始点云模型的点云数据为,则对
层初始点云模型和下层初始点云模型的点云数据进行去噪处理后的点云可以表示为。
其中,点云数据的密度信息可以用于表征房屋模型的分布状态和特点。基于点云数据的密度信息可以将上层初始点云模型和下层初始点云模型中点云分布较远的点进行去除。
在本实施例中,从对上层初始点云模型和下层初始点云模型中选取一个点云作为起始点,得到采样点集合,计算上层初始点云模型和下层初始点云模型中所有点云数据到起始点的距离,构成距离集合,并从该距离集合中选择最大值对应的点作为中间点,更新采样点集合。并计算上层初始点云模型和下层初始点云模型中所有点云数据到中间点的距离,若距离中间点的距离小于距离集合中所有的距离,则更新距离集合。重复对上层初始点云模型和下层初始点云模型的点云数据进行采样,直至所有点云数据采样完成,基于采样点集合更新上层初始点云模型和下层初始点云模型。
其中,点云数据所抽取平面的法线即为点云法线。可以对平面的几何进行估计,计
算出点云法线。点云的法线数据集合可以表示为。例如,可以采用主
成份分析法对点云法线进行计算。双边滤波是一种非线性的滤波方法,能够基于当前待构
建模型中点云数据的像素信息对当前待构建模型中点云的法线进行平滑处理,以保证构建
房屋模型的光滑性。
在本方案中,为了能够生成高质量的房屋模型,采用泊松重建算法对点云数据进行网格重建,可以基于处理过的上层初始点云模型、下层初始点云模型以及点云数据法线集合,构建泊松方程,并对泊松方程进行求解,以提取平面。具体过程包括:根据处理过的上层初始点云模型和下层初始点云模型点云数据的位置定义八叉树,然后细分八叉树使每个点云数据都落在叶节点上,对八叉树的每个节点设置空间函数,点云空间函数的梯度场等于其表面的法线场,进而来构建泊松方程,并采用拉普拉斯矩阵迭代求解泊松方程。根据点云数据的位置,一般用三次样条插值或三次线性插值的方式进行三角化等值面提取,然后用移动立方体算法得到平面。
通过对上层初始点云模型和下层初始点云模型中的点云数据进行去噪、均匀采样处理,并加入泊松重建算法进行网格生成,能优化多楼层房屋模型的模型数据,为展示过程的分割处理提供便利。
在本技术方案中,可选的,将所述上层初始点云模型和下层初始点云模型进行配准之前,还包括 :
分别以所述上层初始点云模型和下层初始点云模型作为当前待抽取点云模型,从所述当前待抽取点云模型中随机抽取至少三个点云数据,并初始化为当前待定平面;
计算当前待抽取点云模型中剩余点云数据与所述当前待定平面之间的欧式距离,并将欧式距离小于设定门限值的点云数据和抽取的至少三个点云数据,作为所述当前待定平面的内点集合;
如果所述内点集合中的点云数据达到数量要求,则确定所述当前待定平面为正确平面;
从所述当前待抽取点云模型中去掉所述内点集合,作为新的当前待抽取点云模型,重复执行平面抽取操作,直至达到完成条件。
在本方案中,使用抽样投票方式筛选当前待抽取点云模型中的平面内点,提取平面上的点云,完成非平面点的筛选,然后利用提取的平面点进一步优化平面模型,从而完成平面提取。可选的,可以基于RANSAC(Random Sample Consensus)算法从当前待抽取点云模型的无序点云中,计算出平面的数学模型,然后得到有效的点云数据。
在本实施例中,考虑到一个平面拟合最少需要三个不在同一直线上的顶点,则从当前待抽取点云模型中随机抽取至少三个点云数据,构建当前待定平面。其中,门限值和数量要求可以根据楼层房屋模型构建需求进行设定。本实施例中不做具体限定。
通过对平面模型进行优化,完成平面的提取,能够从无序点云拟合平面中去除非平面点的影响,有利于更精确的生成多楼层房屋模型,以便于多楼层房屋模型的分楼层展示。
S130、将所述上层配准点云模型和下层配准点云模型拼接为整体配准点云模型,且确定上层和下层之间的虚拟中间平面;
在本实施例中,虚拟中间平面可以是指楼层中上层的地面和下层的天花板的中间平面或其他可分割上下层的设定平面。可以采用平面估算法估算相邻楼层各自的平面信息,并在两平面中间垂直于法线方向计算虚拟中间平面。
在本方案中,配准后的上层配准点云模型和下层配准点云模型属于同一坐标下的点云模型,可以基于多楼层房屋构建的楼层数据将上层配准点云模型和下层配准点云模型进行拼接,得到整体配准点云模型。
在本技术方案中,可选的,确定上层和下层之间的虚拟中间平面包括:
根据所述上层配准点云模型确定上层的地面信息,根据所述下层配准点云模型分别确定下层的天花板信息;
在所述地面信息和天花板信息中间、垂直于所述地面信息和天花板信息法线方向上,计算虚拟中间平面。
其中,可以基于平面估计算法分别对上层配准点云模型和下层配准点云模型进行处理,确定地面信息和天花板信息,并在地面信息和天花板信息中间垂直于法线方向,计算得到虚拟中间平面。
通过对虚拟中间平面进行计算,可以将与虚拟中间平面相交的平面信息进行分割,提升了多楼层房屋模型构建的准确率。
S140、根据所述虚拟中间平面,对所述整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型;
在本方案中,可以根据虚拟中间平面的具体位置,将与该虚拟中间平面相交的整体配准点云模型进行分割,得到上层更新点云模型和下层更新点云模型。
S150、根据所述上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,所述上层网格模型和下层网格模型作为所述多楼层房屋模型中相邻两层的网格模型。
经前述过程拼接后再切割的点云模型,是分别对应于单层房屋的点云数据,可以据此构建该层房屋的网格模型。在本实施例中,可以采用泊松重建算法将上层更新点云模型进行创建上层网格模型,以及将下层更新点云模型进行创建下层网格模型,并形成多楼层房屋模型中相邻两层的网格模型,以便于多楼层房屋模型展示。
本发明实施例通过获取上层初始点云模型和下层初始点云模型,将上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型; 并将上层配准点云模型和下层配准点云模型拼接为整体配准点云模型,且确定上层和下层之间的虚拟中间平面,然后根据虚拟中间平面,对整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型,并根据上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,上层网格模型和下层网格模型作为多楼层房屋模型中相邻两层的网格模型。上述技术方案,经过配置、拼接整体模型、和再切换单楼层模型的过程,能够对扫描得到的原始点云数据进行处理,区分出独立的单楼层点云数据进而构建独立的单楼层模型,且各个单楼层模型之间的坐标系是统一的,既方便结合展示,也方便单独展示。通过执行本技术方案,能优化多楼层房屋模型的模型数据,提高多楼层房屋模型构建的精度,且能够有效的根据多楼层房屋模型进行分楼层展示和合并展示。
实施例二
图2是本发明实施例二中的一种多楼层房屋模型的生成方法的流程示意图,本实施例以上述实施例为基础进行进一步的优化,具体优化为:将所述上层初始点云模型和下层初始点云模型进行配准包括:从所述上层初始点云模型中抽取地面平面信息,从所述下层初始点云模型中抽取天花板平面信息, 并根据所述地面平面信息和天花板平面信息进行点云配平,以形成上层配平点云模型和下层配平点云模型; 根据所述上层配平点云模型和下层配平点云模型中的点云数据,进行四自由度的点云特征点与点云特征点的配准, 以形成上层粗配准点云模型和下层粗配准点云模型;根据所述上层粗配准点云模型和下层粗配准点云模型,进行四自由度的点云特征点到平面的配置, 以形成上层配准点云模型和下层配准点云模型。其中,未在本实施例中详尽描述的内容详见实施例一。如图2所示,该方法包括以下步骤:
S210、从所述上层初始点云模型中抽取地面平面信息,从所述下层初始点云模型中抽取天花板平面信息, 并根据所述地面平面信息和天花板平面信息进行点云配平,以形成上层配平点云模型和下层配平点云模型;
在本方案中,设上层初始点云模型为,下层初始点云模
型为,利用平面抽取算法从上层初始点云模型中抽取地面平面信息,从下层初始点云模
型中抽取天花板平面信息,通
过计算地面平面信息和天花板平面信息得到两个旋转矩阵,基于旋转矩阵将上层初始点云模型和下层初始点云模型与预设平面平行,得到上层配平点云模型和下层配平
点云模型。
可选的,根据所述地面平面信息和天花板平面信息进行点云配平,以形成上层配平点云模型和下层配平点云模型包括:
根据所述地面平面信息和天花板平面信息进行点云配平,以确定地面和天花板各自相对于预设平面的旋转矩阵;
利用各所述旋转矩阵调整所述上层初始点云模型和下层初始点云模型中的点云数据至与所述预设平面平行,以形成上层配平点云模型和下层配平点云模型。
具体的,根据地面平面信息和天花板平面信息进行点云配平,使得地面平面信息
和天花板平面信息都与预设平面平行,求得两个旋转
矩阵和,并利用旋转矩阵和调整上层初始点云模型和下层初
始点云模型中的点云数据和与预设平面平行,形成上层配平点云模型和下
层配平点云模型。
通过对地面平面信息和天花板平面信息进行点云配平,可以提高点云配准的精度和准确率。
S220、根据所述上层配平点云模型和下层配平点云模型中的点云数据,进行四自由度的点云特征点与点云特征点的配准, 以形成上层粗配准点云模型和下层粗配准点云模型;
其中,点云配准的刚性变换为六自由度,分别为三个旋转角度和三个平移参数。三维激光扫描仪带有倾斜传感器,可以通过倾斜传感器自动补偿扫描仪的倾斜角以达到自动整平的目的,在这种情况下,三个旋转角度仅限于一个旋转角度,即通过四自由度配准能够实现不同站点的点云数据之间的配准。其中,点云配准分为粗配准和精配准两个步骤,上层初始点云模型和下层初始点云模型通过粗配准提供良好的初始位置,精配准在初始位置的基础上进一步优化配准结果。
在本实施例中,可以将上层配平点云模型和下层配平点云模型中的点云
数据投射至预设平面,计算点云数据在不同平面上的旋转矩阵和平移矩阵,并基于旋
转矩阵和平移矩阵对上层配平点云模型和下层配平点云模型中的点云数据进行配
准,形成上层粗配准点云模型和下层粗配准点云模型。
可选的,根据所述上层配平点云模型和下层配平点云模型中的点云数据,进行四自由度的点云特征点与点云特征点的配准,以形成上层粗配准点云模型和下层粗配准点云模型包括:
从所述上层配平点云模型和下层配平点云模型中分别提取上层点云特征点集合和下层点云特征点集合;
对上层点云特征点集合和下层点云特征点集合进行相似度匹配,以形成点云特征点的三维匹配对集合;
将所述三维匹配对集合分别投射到预设平面,以得到二维匹配对集合;
根据所述二维匹配对集合的平面坐标计算二维转换关系;其中,所述二维转换关系包括一个旋转自由度和两个平移自由度;
根据地面信息和天花板信息各自与所述预设平面的垂直距离,确定垂直平移自由度;
根据所述二维转换关系和垂直平移自由度,将所述下层配平点云模型中的点云数据,配置到所述上层配平点云模型上,以形成上层粗配准点云模型和下层粗配准点云模型。
其中,可以从上层配平点云模型和下层配平点云模型中分别提取上层点
云特征点集合和下层点云特征点集合。例如,
可以提取上层配平点云模型和下层配平点云模型中的ISS3D特征点,然后计算这些特征点
对应的FPFH特征描述子,从所有特征点中选择两两之间距离大于预定阈值的多个特征点,
以此作为上层点云特征点集合和下层点云特征点集合。
在本方案中,可以根据二维匹配对集合中匹配对的坐
标计算求得一个自由度的旋转和两个自由度的平移。将旋转自由度投射至三维空间,根据
地面信息和天花板信息各自与预
设平面的垂直距离,确定垂直平移自由度。将下层配平点云模型中的点云数据,配
置到上层配平点云模型上,形成上层粗配准点云模型和下层粗配准点云模型。
通过对上层配平点云模型和下层配平点云模型进行粗配准,能优化多楼层房屋模型的模型数据,为展示过程的分割处理提供便利。
S230、根据所述上层粗配准点云模型和下层粗配准点云模型,进行四自由度的点云特征点到平面的配置,以形成上层配准点云模型和下层配准点云模型。
可选的,根据所述上层粗配准点云模型和下层粗配准点云模型,进行四自由度的点云特征点到平面的配置,以形成上层配准点云模型和下层配准点云模型包括:
根据所述上层粗配准点云模型和下层粗配准点云模型,确定上层点云和下层点云;其中,所述上层点云和下层点云为所述上层粗配准点云模型和下层粗配准点云模型中距离最近的对应点云对;
计算所述上层点云和下层点云之间的误差函数,得到变换矩阵;其中所述变换矩阵包括旋转矩阵和平移矩阵;
利用所述变换矩阵,更新所述上层粗配准点云模型和下层粗配准点云模型中的点云特征点,直至满足迭代终止条件,形成上层配准点云模型和下层配准点云模型。
在本方案中,误差函数可以是指上层点云至下层点云对应点切平面距离的平方
和。根据对应点云对的最小误差函数计算得到变换矩阵,并基于变换矩阵更新上层粗配准
点云模型和下层粗配准点云模型中的点云特征点,形成上层配准点云模型和下
层配准点云模型,实现对点云特征点的精细配准。其中,在进行最小误差函数计算过
程中,可以将设置多余两个旋转自由度对应的雅克比矩阵为0,将变换矩阵中的旋转部分转
化为线性最小二乘问题,进行求解。
其中,迭代终止条件可以是变换矩阵的变化量小于预设阈值,也可以是迭代达到最大迭代次数。具体迭代终止条件可以根据多楼层房屋模型的构建需求进行设定。
通过对上层粗配准点云模型和下层粗配准点云模型进行精细配准,可以更好的对齐楼层之间的位置,提高多楼层房屋模型构建的精度。
示例性的,图3是本申请实施例二提供的房屋模型生成过程的示意图。如图3所示,房屋模型生成过程包括:根据上层初始点云模型和下层初始点云模型,计算得到上层初始点云模型相对于下层初始点云模型的旋转平移量,利用旋转平移量实现对上层初始点云模型和下层初始点云模型的配准,形成上层配准点云模型和下层配准点云模型,将上层配准点云模型和下层配准点云模型进行拼接,得到整体配准点云模型。并根据上层配准点云模型确定上层的地面信息,根据下层配准点云模型分别确定下层的天花板信息,在地面信息和天花板信息中间、垂直于地面信息和天花板信息法线方向上,计算虚拟中间平面。根据虚拟中间平面,对整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型,并根据上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型。
本发明实施例通过从上层初始点云模型中抽取地面平面信息,从下层初始点云模型中抽取天花板平面信息,并根据地面平面信息和天花板平面信息进行点云配平,构建上层配平点云模型和下层配平点云模型;并根据上层配平点云模型和下层配平点云模型中的点云数据,进行四自由度的点云特征点与点云特征点的配准,以形成上层粗配准点云模型和下层粗配准点云模型;以及根据上层粗配准点云模型和下层粗配准点云模型,进行四自由度的点云特征点到平面的配置,形成上层配准点云模型和下层配准点云模型。通过执行本技术方案,可以更好的对齐楼层之间的位置,提高多楼层房屋模型构建的精度。为多楼层展示过程的分割处理提供便利。
实施例三
图4是本发明实施例三中的一种多楼层房屋模型的生成装置的结构框图,如图4所示,多楼层房屋模型的生成装置包括:
初始点云模型获取模块410,用于获取上层初始点云模型和下层初始点云模型;其中,所述上层初始点云模型和下层初始点云模型分别为在上层和下层中采集到的点云数据集合;
配准点云模型形成模块420,用于将所述上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;
虚拟中间平面确定模块430,用于将所述上层配准点云模型和下层配准点云模型拼接为整体配准点云模型,且确定上层和下层之间的虚拟中间平面;
更新点云模型形成模块440,用于根据所述虚拟中间平面,对所述整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型;
网格模型创建模块450,用于根据所述上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,所述上层网格模型和下层网格模型作为所述多楼层房屋模型中相邻两层的网格模型。
在本技术方案中,可选的,配准点云模型形成模块420,包括:
配平点云模型形成单元,用于从所述上层初始点云模型中抽取地面平面信息,从所述下层初始点云模型中抽取天花板平面信息, 并根据所述地面平面信息和天花板平面信息进行点云配平,以形成上层配平点云模型和下层配平点云模型;
粗配准点云模型形成单元,用于根据所述上层配平点云模型和下层配平点云模型中的点云数据,进行四自由度的点云特征点与点云特征点的配准, 以形成上层粗配准点云模型和下层粗配准点云模型;
配准点云模型形成单元,用于根据所述上层粗配准点云模型和下层粗配准点云模型,进行四自由度的点云特征点到平面的配置, 以形成上层配准点云模型和下层配准点云模型。
在本技术方案中,可选的,配平点云模型形成单元,具体用于:
根据所述地面平面信息和天花板平面信息进行点云配平,以确定地面和天花板各自相对于预设平面的旋转矩阵;
利用各所述旋转矩阵调整所述上层初始点云模型和下层初始点云模型中的点云数据至与所述预设平面平行,以形成上层配平点云模型和下层配平点云模型。
在本技术方案中,可选的,粗配准点云模型形成单元,具体用于:
从所述上层配平点云模型和下层配平点云模型中分别提取上层点云特征点集合和下层点云特征点集合;
对上层点云特征点集合和下层点云特征点集合进行相似度匹配,以形成点云特征点的三维匹配对集合;
将所述三维匹配对集合分别投射到预设平面,以得到二维匹配对集合;
根据所述二维匹配对集合的平面坐标计算二维转换关系;其中,所述二维转换关系包括一个旋转自由度和两个平移自由度;
根据地面信息和天花板信息各自与所述预设平面的垂直距离,确定垂直平移自由度;
根据所述二维转换关系和垂直平移自由度,将所述下层配平点云模型中的点云数据,配置到所述上层配平点云模型上,以形成上层粗配准点云模型和下层粗配准点云模型。
在本技术方案中,可选的,配准点云模型形成单元,具体用于:
根据所述上层粗配准点云模型和下层粗配准点云模型,确定上层点云和下层点云;其中,所述上层点云和下层点云为所述上层粗配准点云模型和下层粗配准点云模型中距离最近的对应点云对;
计算所述上层点云和下层点云之间的误差函数,得到变换矩阵;其中所述变换矩阵包括旋转矩阵和平移矩阵;
利用所述变换矩阵,更新所述上层粗配准点云模型和下层粗配准点云模型中的点云特征点,直至满足迭代终止条件,形成上层配准点云模型和下层配准点云模型。
在本技术方案中,可选的,虚拟中间平面确定模块430,包括:
信息确定单元,用于根据所述上层配准点云模型确定上层的地面信息,根据所述下层配准点云模型分别确定下层的天花板信息;
虚拟中间平面计算单元,用于在所述地面信息和天花板信息中间、垂直于所述地面信息和天花板信息发现方向上,计算虚拟中间平面。
在本技术方案中,可选的,所述装置还包括:
离群点云数据去除模块,用于分别针对所述上层初始点云模型和下层初始点云模型,根据点云数据的密度信息去除离群点云数据;
点云去噪模块,用于采用移动最小二乘法分别对所述上层初始点云模型和下层初始点云模型进行点云去噪;
初始点云模型更新模块,用于采用最远点采样算法,分别对所述上层初始点云模型和下层初始点云模型进行均匀采样,以采样后的点云数据更新所述上层初始点云模型和下层初始点云模型;
平滑处理模块,用于分别以所述上层初始点云模型和下层初始点云模型作为当前待构建模型,采用双边滤波方式对所述当前待构建模型中点云数据法线进行平滑处理;
泊松方程构建模块,用于对于所述当前待构建模型和平滑后的点云数据法线集合,构建泊松方程;
平面提取模块,用于求解所述泊松方程,以提取平面。
在本技术方案中,可选的,所述装置还包括:
当前待定平面确定模块,用于分别以所述上层初始点云模型和下层初始点云模型作为当前待抽取点云模型,从所述当前待抽取点云模型中随机抽取至少三个点云数据,并初始化为当前待定平面;
内点集合确定模块,用于计算当前待抽取点云模型中剩余点云数据与所述当前待定平面之间的欧式距离,并将欧式距离小于设定门限值的点云数据和抽取的至少三个点云数据,作为所述当前待定平面的内点集合;
正确平面确定模块,用于如果所述内点集合中的点云数据达到数量要求,则确定所述当前待定平面为正确平面;
当前待抽取点云模型得到模块,用于从所述当前待抽取点云模型中去掉所述内点集合,作为新的当前待抽取点云模型,重复执行平面抽取操作,直至达到完成条件。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5是本发明实施例四提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备500的框图。图5显示的电子设备500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5所示,电子设备500以通用计算设备的形式表现。电子设备500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501,系统存储器502,连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503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、CAN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。
电子设备500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电子设备500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502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)504和/或高速缓存存储器505。电子设备500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506可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5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503相连。存储器502可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)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(至少一个)程序模块507的程序/实用工具508,可以存储在例如存储器502中,这样的程序模块507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507通常执行本发明所描述的实施例中的功能和/或方法。
电子设备500也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信,还可与一个或者多个使得用户能与该电子设备500交互的设备通信,和/或与使得该电子设备500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511进行。并且,电子设备500还可以通过网络适配器512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512通过总线503与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500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501通过运行存储在系统存储器502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多楼层房屋模型的生成方法,包括:
获取上层初始点云模型和下层初始点云模型;其中,所述上层初始点云模型和下层初始点云模型分别为在上层和下层中采集到的点云数据集合;
将所述上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;
将所述上层配准点云模型和下层配准点云模型拼接为整体配准点云模型 ,且确定上层和下层之间的虚拟中间平面;
根据所述虚拟中间平面,对所述整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型;
根据所述上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,所述上层网格模型和下层网格模型作为所述多楼层房屋模型中相邻两层的网格模型。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的介质,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多楼层房屋模型的生成方法,包括:
获取上层初始点云模型和下层初始点云模型;其中,所述上层初始点云模型和下层初始点云模型分别为在上层和下层中采集到的点云数据集合;
将所述上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;
将所述上层配准点云模型和下层配准点云模型拼接为整体配准点云模型 ,且确定上层和下层之间的虚拟中间平面;
根据所述虚拟中间平面,对所述整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型;
根据所述上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,所述上层网格模型和下层网格模型作为所述多楼层房屋模型中相邻两层的网格模型。
本发明实施例的计算机介质,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介质。计算机可读介质例如可以是,但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读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、装置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基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读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、装置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,所述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)。
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 (11)
1.一种多楼层房屋模型的生成方法,其特征在于,包括:
获取上层初始点云模型和下层初始点云模型;其中,所述上层初始点云模型和下层初始点云模型分别为在上层和下层中采集到的点云数据集合;
将所述上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;
将所述上层配准点云模型和下层配准点云模型拼接为整体配准点云模型,且确定上层和下层之间的虚拟中间平面;
根据所述虚拟中间平面,对所述整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型;
根据所述上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,所述上层网格模型和下层网格模型作为所述多楼层房屋模型中相邻两层的网格模型。
2.根据权利要求1所述的方法,其特征在于,将所述上层初始点云模型和下层初始点云模型进行配准包括:
从所述上层初始点云模型中抽取地面平面信息,从所述下层初始点云模型中抽取天花板平面信息,并根据所述地面平面信息和天花板平面信息进行点云配平,以形成上层配平点云模型和下层配平点云模型;
根据所述上层配平点云模型和下层配平点云模型中的点云数据,进行四自由度的点云特征点与点云特征点的配准,以形成上层粗配准点云模型和下层粗配准点云模型;
根据所述上层粗配准点云模型和下层粗配准点云模型,进行四自由度的点云特征点到平面的配置,以形成上层配准点云模型和下层配准点云模型。
3.根据权利要求2所述的方法,其特征在于,根据所述地面平面信息和天花板平面信息进行点云配平,以形成上层配平点云模型和下层配平点云模型包括:
根据所述地面平面信息和天花板平面信息进行点云配平,以确定地面和天花板各自相对于预设平面的旋转矩阵;
利用各所述旋转矩阵调整所述上层初始点云模型和下层初始点云模型中的点云数据至与所述预设平面平行,以形成上层配平点云模型和下层配平点云模型。
4.根据权利要求2所述的方法,其特征在于,根据所述上层配平点云模型和下层配平点云模型中的点云数据,进行四自由度的点云特征点与点云特征点的配准,以形成上层粗配准点云模型和下层粗配准点云模型包括:
从所述上层配平点云模型和下层配平点云模型中分别提取上层点云特征点集合和下层点云特征点集合;
对上层点云特征点集合和下层点云特征点集合进行相似度匹配,以形成点云特征点的三维匹配对集合;
将所述三维匹配对集合分别投射到预设平面,以得到二维匹配对集合;
根据所述二维匹配对集合的平面坐标计算二维转换关系;其中,所述二维转换关系包括一个旋转自由度和两个平移自由度;
根据地面信息和天花板信息各自与所述预设平面的垂直距离,确定垂直平移自由度;
根据所述二维转换关系和垂直平移自由度,将所述下层配平点云模型中的点云数据,配置到所述上层配平点云模型上,以形成上层粗配准点云模型和下层粗配准点云模型。
5.根据权利要求2所述的方法,其特征在于,根据所述上层粗配准点云模型和下层粗配准点云模型,进行四自由度的点云特征点到平面的配置,以形成上层配准点云模型和下层配准点云模型包括:
根据所述上层粗配准点云模型和下层粗配准点云模型,确定上层点云和下层点云;其中,所述上层点云和下层点云为所述上层粗配准点云模型和下层粗配准点云模型中距离最近的对应点云对;
计算所述上层点云和下层点云之间的误差函数,得到变换矩阵;其中所述变换矩阵包括旋转矩阵和平移矩阵;
利用所述变换矩阵,更新所述上层粗配准点云模型和下层粗配准点云模型中的点云特征点,直至满足迭代终止条件,形成上层配准点云模型和下层配准点云模型。
6.根据权利要求1-5任一所述的方法,其特征在于,确定上层和下层之间的虚拟中间平面包括:
根据所述上层配准点云模型确定上层的地面信息,根据所述下层配准点云模型分别确定下层的天花板信息;
在所述地面信息和天花板信息中间、垂直于所述地面信息和天花板信息法线方向上,计算虚拟中间平面。
7.根据权利要求1-5任一所述的方法,其特征在于,将所述上层初始点云模型和下层初始点云模型进行配准之前,还包括:
分别针对所述上层初始点云模型和下层初始点云模型,根据点云数据的密度信息去除离群点云数据;
采用移动最小二乘法分别对所述上层初始点云模型和下层初始点云模型进行点云去噪;
采用最远点采样算法,分别对所述上层初始点云模型和下层初始点云模型进行均匀采样,以采样后的点云数据更新所述上层初始点云模型和下层初始点云模型;
分别以所述上层初始点云模型和下层初始点云模型作为当前待构建模型,采用双边滤波方式对所述当前待构建模型中点云数据法线进行平滑处理;
对于所述当前待构建模型和平滑后的点云数据法线集合,构建泊松方程;
求解所述泊松方程,以提取平面。
8.根据权利要求1-5任一所述的方法,其特征在于,将所述上层初始点云模型和下层初始点云模型进行配准之前,还包括:
分别以所述上层初始点云模型和下层初始点云模型作为当前待抽取点云模型,从所述当前待抽取点云模型中随机抽取至少三个点云数据,并初始化为当前待定平面;
计算当前待抽取点云模型中剩余点云数据与所述当前待定平面之间的欧式距离,并将欧式距离小于设定门限值的点云数据和抽取的至少三个点云数据,作为所述当前待定平面的内点集合;
如果所述内点集合中的点云数据达到数量要求,则确定所述当前待定平面为正确平面;
从所述当前待抽取点云模型中去掉所述内点集合,作为新的当前待抽取点云模型,重复执行平面抽取操作,直至达到完成条件。
9.一种多楼层房屋模型的生成装置,其特征在于,包括:
初始点云模型获取模块,用于获取上层初始点云模型和下层初始点云模型;其中,所述上层初始点云模型和下层初始点云模型分别为在上层和下层中采集到的点云数据集合;
配准点云模型形成模块,用于将所述上层初始点云模型和下层初始点云模型进行配准,以形成上层配准点云模型和下层配准点云模型;
虚拟中间平面确定模块,用于将所述上层配准点云模型和下层配准点云模型拼接为整体配准点云模型,且确定上层和下层之间的虚拟中间平面;
更新点云模型形成模块,用于根据所述虚拟中间平面,对所述整体配准点云模型进行切分,形成上层更新点云模型和下层更新点云模型;
网格模型创建模块,用于根据所述上层更新点云模型和下层更新点云模型分别创建上层网格模型和下层网格模型;其中,所述上层网格模型和下层网格模型作为所述多楼层房屋模型中相邻两层的网格模型。
10.一种电子设备,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程序时实现如权利要求1-8中任一所述的多楼层房屋模型的生成方法。
11.一种包含计算机可执行指令的介质,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用于执行如权利要求1-8中任一所述的多楼层房屋模型的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111044989.2A CN113724395B (zh) | 2021-09-07 | 2021-09-07 | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111044989.2A CN113724395B (zh) | 2021-09-07 | 2021-09-07 | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113724395A true CN113724395A (zh) | 2021-11-30 |
CN113724395B CN113724395B (zh) | 2023-01-10 |
Family
ID=78682255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111044989.2A Active CN113724395B (zh) | 2021-09-07 | 2021-09-07 | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724395B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107665503A (zh) * | 2017-08-28 | 2018-02-06 | 汕头大学 | 一种构建多楼层三维地图的方法 |
US20190197769A1 (en) * | 2017-12-14 | 2019-06-27 | The Joan and Irwin Jacobs Technion-Cornell Institute | System and method for creating geo-localized enhanced floor plans |
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 |
CN112085823A (zh) * | 2020-09-01 | 2020-12-15 | 上海擎朗智能科技有限公司 | 一种激光地图的拼接方法、装置、电子设备及存储介质 |
CN112229343A (zh) * | 2020-09-22 | 2021-01-15 | 日立楼宇技术(广州)有限公司 | 电梯井道的点云数据采集处理方法、装置、设备和介质 |
US20210248814A1 (en) * | 2020-02-07 | 2021-08-12 | Ke.Com (Beijing)Technology Co., Ltd | Systems and methods for constructing 3d panaroma model |
-
2021
- 2021-09-07 CN CN202111044989.2A patent/CN113724395B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107665503A (zh) * | 2017-08-28 | 2018-02-06 | 汕头大学 | 一种构建多楼层三维地图的方法 |
US20190197769A1 (en) * | 2017-12-14 | 2019-06-27 | The Joan and Irwin Jacobs Technion-Cornell Institute | System and method for creating geo-localized enhanced floor plans |
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 |
US20210248814A1 (en) * | 2020-02-07 | 2021-08-12 | Ke.Com (Beijing)Technology Co., Ltd | Systems and methods for constructing 3d panaroma model |
CN112085823A (zh) * | 2020-09-01 | 2020-12-15 | 上海擎朗智能科技有限公司 | 一种激光地图的拼接方法、装置、电子设备及存储介质 |
CN112229343A (zh) * | 2020-09-22 | 2021-01-15 | 日立楼宇技术(广州)有限公司 | 电梯井道的点云数据采集处理方法、装置、设备和介质 |
Non-Patent Citations (1)
Title |
---|
黄敏: "三维激光扫描技术在建筑立面改造中的应用", 《北京测绘》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113724395B (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hong et al. | Semi-automated approach to indoor mapping for 3D as-built building information modeling | |
Zhang et al. | Online structure analysis for real-time indoor scene reconstruction | |
Jung et al. | Automated 3D wireframe modeling of indoor structures from point clouds using constrained least-squares adjustment for as-built BIM | |
US10825243B1 (en) | Three-dimensional (3D) model creation and incremental model refinement from laser scans | |
US20130271461A1 (en) | Systems and methods for obtaining parameters for a three dimensional model from reflectance data | |
Zvietcovich et al. | 3D solid model updating of complex ancient monumental structures based on local geometrical meshes | |
CN110378175A (zh) | 道路边沿的识别方法和装置 | |
CN113724401B (zh) | 一种三维模型切割方法、装置、计算机设备和存储介质 | |
CN116309880A (zh) | 基于三维重建的物体位姿确定方法、装置、设备及介质 | |
CN110378947A (zh) | 3d模型重建方法、装置及电子设备 | |
CN116563493A (zh) | 基于三维重建的模型训练方法、三维重建方法及装置 | |
US20190026900A1 (en) | System and method for modeling a three dimensional space based on a two dimensional image | |
CN112580428A (zh) | 一种配电网设计方法及装置 | |
Guo et al. | Line-based 3d building abstraction and polygonal surface reconstruction from images | |
Kaufmann et al. | ScaleBIM: Introducing a scalable modular framework to transfer point clouds into semantically rich building information models | |
CN112734629B (zh) | 一种正射影像生成方法、装置、设备及存储介质 | |
Kim et al. | Automated two-dimensional geometric model reconstruction from point cloud data for construction quality inspection and maintenance | |
Mi et al. | 3D reconstruction based on the depth image: A review | |
CN112906092A (zh) | 一种映射方法和映射系统 | |
CN111210501B (zh) | 一种室内建模方法、装置及终端设备 | |
CN113724395B (zh) | 一种多楼层房屋模型的生成方法、装置、电子设备及介质 | |
CN110378948B (zh) | 3d模型重建方法、装置及电子设备 | |
CN116912817A (zh) | 三维场景模型拆分方法、装置、电子设备和存储介质 | |
CN113538562B (zh) | 室内面积确定方法、装置以及电子设备、存储介质 | |
WO2021014557A1 (ja) | メッシュ構造設備検出装置、メッシュ構造設備検出方法、及びプログラム |
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 |