CN113808132B - 三维网络模型质量检测方法、装置和计算机设备 - Google Patents
三维网络模型质量检测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN113808132B CN113808132B CN202111366101.7A CN202111366101A CN113808132B CN 113808132 B CN113808132 B CN 113808132B CN 202111366101 A CN202111366101 A CN 202111366101A CN 113808132 B CN113808132 B CN 113808132B
- Authority
- CN
- China
- Prior art keywords
- quality
- distance
- model
- sampling
- target
- 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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种三维网络模型质量检测方法、装置和计算机设备。所述方法包括:获取待检测三维网格模型和待检测三维网格模型的对照模型,对待检测三维网格模型的目标平面进行采样,得到多个采样点和各采样点的法向量,目标平面的面积大于预设的面积阈值,获取各目标平面上的各采样点与目标交点的距离,目标交点为由采样点和采样点的法向量构成的射线与对照模型的首个交点,基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量。采用本方法能够使得三维网络模型的质量检测结果更为准确。
Description
技术领域
本申请涉及计算机图形学技术领域,特别是涉及一种三维网络模型质量检测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着三维重建技术的快速发展,为了满足各行各业的需求,各种不同的模型表达方式应运而生。在建筑行业领域,当前非常热门的便是BIM(Building InformationModeling,建筑信息建模)模型。与传统的三维网格模型相比,BIM模型可以被拆分为多个相互独立的组件,每个组件结构简单且可以拆分为更简单的组件,具有非常光滑的几何性质,应用前景广泛。但是,目前的BIM模型大多依赖人工构建,如何判断这些模型质量也成为了一个研究焦点。
传统的三维网格质量评估指标,多是通过度量待检测网格模型与对照模型之间的距离,进而判断待检测网格模型的质量。而现有的做法都依赖于计算待比较的模型上的点到对照模型上最近点的距离。但是,由此得到的距离易受对照模型采样点密度影响。当对照模型上采样点密度高时,距离值小;当对照模型上采样点密度低时,距离值大。此外,这个距离只考虑最近点,而忽视了模型的结构信息。如此,使得依据距离评估出的模型质量存在准确度不高的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够准确评估三维网格模型质量的三维网络模型质量检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种三维网络模型质量检测方法。方法包括:
获取待检测三维网格模型和待检测三维网格模型的对照模型;
对待检测三维网格模型的目标平面进行采样,得到多个采样点和各采样点的法向量,目标平面的面积大于预设的面积阈值;
获取各目标平面上的各采样点与目标交点的距离,目标交点为由采样点和采样点的法向量构成的射线与对照模型的首个交点;
基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量。
在其中一个实施例中,各采样点的法向量包括两个相互反向的法向量;
获取采样点与目标交点的距离包括:
基于采样点和采样点的两个相互反向的法向量,构造第一射线和第二射线;
确定第一射线与对照模型的第一目标交点,以及第二射线与对照模型的第二目标交点;
获取采样点与第一目标交点的第一射线距离,以及采样点与第二目标交点的第二射线距离;
获取第一射线距离和第二射线距离的较小值,确定采样点与目标交点的距离。
在其中一个实施例中,基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量包括:
判断各目标平面下,各采样点与目标交点的距离是否满足预设距离阈值条件;
将与目标交点的距离满足预设距离阈值条件的采样点确定为有效采样点;
统计有效采样点占有效采样点所在目标平面的采样点的比例;
根据有效采样点的比例与用户设定的比例阈值,确定各目标平面的质量;
基于各目标平面的质量,确定待检测三维网格模型的质量。
在其中一个实施例中,基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量包括:
判断各目标平面下,各采样点与目标交点的距离是否满足预设距离阈值条件;
将与目标交点的距离满足预设距离阈值条件的采样点确定为有效采样点;
获取有效采样点的平均距离;
根据有效采样点的平均距离和预设平均距离阈值,确定各目标平面的质量;
基于各目标平面的质量,确定待检测三维网格模型的质量。
在其中一个实施例中,基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量之后,还包括:
筛选出质量不满足预设质量条件的目标平面,并统计待检测三维网格模型的质量检测结果。
在其中一个实施例中,待检测三维网格模型的质量检测结果包括:不同质量的目标平面的数量以及待检测三维网格模型与对照模型的贴合率。
第二方面,本申请还提供了一种三维网格模型质量检测装置。装置包括:
数据获取模块,用于获取待检测三维网格模型和待检测三维网格模型的对照模型;
平面采样模块,用于对待检测三维网格模型的目标平面进行采样,得到多个采样点和各采样点的法向量,目标平面的面积大于预设的面积阈值;
距离计算模块,用于获取各目标平面上的各采样点与目标交点的距离,目标交点为由采样点和采样点的法向量构成的射线与对照模型的首个交点;
质量检测模块,用于基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待检测三维网格模型和待检测三维网格模型的对照模型;
对待检测三维网格模型的目标平面进行采样,得到多个采样点和各采样点的法向量,目标平面的面积大于预设的面积阈值;
获取各目标平面上的各采样点与目标交点的距离,目标交点为由采样点和采样点的法向量构成的射线与对照模型的首个交点;
基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待检测三维网格模型和待检测三维网格模型的对照模型;
对待检测三维网格模型的目标平面进行采样,得到多个采样点和各采样点的法向量,目标平面的面积大于预设的面积阈值;
获取各目标平面上的各采样点与目标交点的距离,目标交点为由采样点和采样点的法向量构成的射线与对照模型的首个交点;
基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待检测三维网格模型和待检测三维网格模型的对照模型;
对待检测三维网格模型的目标平面进行采样,得到多个采样点和各采样点的法向量,目标平面的面积大于预设的面积阈值;
获取各目标平面上的各采样点与目标交点的距离,目标交点为由采样点和采样点的法向量构成的射线与对照模型的首个交点;
基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量。
上述三维网络模型质量检测方法、装置、计算机设备、存储介质和计算机程序产品,充分利用了采样点和法向量构建的射线,获取各目标平面上的各采样点与目标交点的距离,使得距离的度量不再受对照模型的采样密度的影响,进而提高了距离度量的精度,增强了三维网格模型中平面质量的检测能力,使得三维网格模型的质量检测结果更为准确。
附图说明
图1为一个实施例中三维网络模型质量检测方法的流程示意图;
图2为一个实施例中获取采样点与目标交点的距离步骤的流程示意图;
图3为另一个实施例中三维网络模型质量检测方法的流程示意图;
图4为一个实施例中三维网络模型质量检测装置的结构框图;
图5为另一个实施例中三维网络模型质量检测装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种三维网络模型质量检测方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤202,获取待检测三维网格模型和待检测三维网格模型的对照模型。
本实施例中,待检测的三维网格模型可以是BIM模型,BIM建筑信息模型是建筑学、工程学及土木工程的新工具,建筑信息模型是建筑学、工程学及土木工程的新工具,与传统的三维网格模型相比,BIM模型可以被拆分为多个相互独立的组件,每个组件结构简单且可以拆分为更简单的组件,具有非常光滑的几何性质。具体的,可以是使用.obj格式的BIM模型(以下简称BIM)和标准的真实场景对照模型(以下简称GT)。可以理解的是,在其他实施例中,三维网格模型还可以是其他种类的模型,只要模型的文件格式属于.off、.obj、.stl、.ply、.ts和.vtp都行。具体实施时,终端安装有特定的用于三维网格模型评价的软件,首先加载质量测试的BIM模型和标准的实际场景对照模型,设置软件运行的配置参数或者使用默认参数,完成软件启动。对于输入的一对待检测的BIM模型和对照模型,首先分别使用CGAL提供的网格读取函数将它们读入到内存中。对于GT,使用CGAL提供的AABB Tree构建一颗分层的坐标轴对齐的包围盒为结点的树,以加速后续的距离计算方法。
步骤204,对待检测三维网格模型的目标平面进行采样,得到多个采样点和各采样点的法向量,目标平面的面积大于预设的面积阈值。
目标平面是指面积大于用户设置的面积阈值的平面。具体实施时,当加载完BIM和GT后,随后针对待检测的BIM模型,分别检测BIM模型的每个平面的面积是否大于用户设置的面积阈值,若大于,则利用平面质量算法判断该平面的质量。具体的,可以是对于BIM模型的每个目标平面,进行等间距的网格采样(采样密度由软件参数指定),得到该目标平面的采样点和采样点的法向量。需要注意的是,本实施例中采样点的法向量是指两个相互反向的法向量,即正负法向量。
步骤206,获取各目标平面上的各采样点与目标交点的距离,目标交点为由采样点和采样点的法向量构成的射线与对照模型的首个交点。
当完成平面采样后,可使用平面的采样点和采样点的两个相互反向的法向量构造两条射线,然后,用构造的两条射线分别射击对照模型。之后,分别计算采样点到两条射线与对照模型的第一个交点(即目标交点)的距离(也就是目标交点到射线源点的距离),该距离可表征待检测的BIM模型与GT模型的距离。
步骤208,基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量。
在度量采样点与目标交点的距离后,可根据软件参数设置的阈值,判断采样点到对比模型的距离是否有效,以此判定各采样点的质量高低。随后,可根据有效采样点的统计数据和软件参数阈值的对比情况,判断采样点所在平面是否贴合对照模型,进而得到待检测的BIM模型的质量是高是低。进一步的,还可将质量不高的平面标记出来,并输出保存到新的.obj文件中。此外还可由设置的软件参数决定是否将采样点数据保存到新的.ply文件中。
上述三维网络模型质量检测方法中,充分利用了采样点和法向量构建的射线,获取各目标平面上的各采样点与目标交点的距离,使得距离的度量不再受对照模型的采样密度的影响,进而提高了距离度量的精度,增强了三维网格模型中平面质量的检测能力,使得三维网格模型的质量检测结果更为准确。
如图2所示,在其中一个实施例中,各采样点的法向量包括两个相互反向的法向量;获取采样点与目标交点的距离包括:
步骤226,基于采样点和采样点的两个相互反向的法向量,构造第一射线和第二射线;
步骤246,确定第一射线与对照模型的第一目标交点,以及第二射线与对照模型的第二目标交点;
步骤266,获取采样点与第一目标交点的第一射线距离,以及采样点与第二目标交点的第二射线距离;
步骤286,获取第一射线距离和第二射线距离的较小值,确定采样点与目标交点的距离。
具体实施时,当得到个目标平面的采样点和采样点的两个反向的正负法向量后,为了解决采样点正负法向量的问题,可以是基于采样点和采样点的正方向的法向量,构造第一射线,基于采样点和采样点的负方向的法向量,构造第二射线,然后,分别用第一射线和第二射线去射击对照模型,然后,确定采样点与第一射线的第一个交点即第一目标交点,以及采样点与第二射线的第一个交点即第二目标交点,然后,计算采样点与第一目标交点的第一射线距离,以及采样点与第二目标交点的第二射线距离,对比第一射线距离和第二射线距离,取其中最小的射线距离,作为采样点到目标交点的距离,也就是采样点到对照模型额度距离。若采样点与第一射线和第二射线没有交点,则默认采样点到对照模型的距离为无穷大。本实施例中,通过利用模型结构的法向量信息,能够较好地获取采样点到对照模型的距离,并使得距离的度量不再受对照模型的采样密度的影响,使得对不同对照模型的适应性更强。
在其中一个实施例中,步骤208包括:
判断各目标平面下,各采样点与目标交点的距离是否满足预设距离阈值条件;
将与目标交点的距离满足预设距离阈值条件的采样点确定为有效采样点;
统计有效采样点占有效采样点所在目标平面的采样点的比例;
根据有效采样点的比例与用户设定的比例阈值,确定各目标平面的质量;
基于各目标平面的质量,确定待检测三维网格模型的质量。
具体实施时,判断各采样点的质量可以是判断各采样点与对照模型的距离是否满足用户设置的预设距离阈值条件,若满足用户设置的距离阈值条件,则将该采样点标记为有效采样点,即高质量采样点,反之,则为无效采样点,即为低质量采样点。当所有的采样点的质量都进行判定之后,可以是以目标平面为基准,统计各目标平面上的有效采样点的数量,计算有效采样点占其所在平面的所有采样点的比例,得到有效采样点的占比,然后,对比有效采样点的占比是否高于用户设置的比例,若高于用户设置的比例,则将该目标平面判定为质量高的平面,若有效采样点的比例低于用户设置的比例,则将该目标平面判定为质量低的平面。当所有的平面都完成质量判定之后,可进一步统计不同质量的平面的数量,依据高质量平面和低质量的平面的数量,来判定BIM模型的质量。本实施例中,通过距离是否满足用户设定的条件确定有效采样点的比例,进而能够高效地确定待测BIM模型的质量。
在其中一个实施例中,基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量包括:
判断各目标平面下,各采样点与目标交点的距离是否满足预设距离阈值条件;
将与目标交点的距离满足预设距离阈值条件的采样点确定为有效采样点;
获取有效采样点的平均距离;
根据有效采样点的平均距离和预设平均距离阈值,确定各目标平面的质量;
基于各目标平面的质量,确定待检测三维网格模型的质量。
本实施例提供另一种确定待检测BIM模型的质量的方式,本实施例中,在确定所有的有效采样点之后,可以是以目标平面为基准,统计各平面内有效采样点的距离,然后求得有效采样点的平均距离,比较有效采样点的平均距离和用户设定的预设平均距离阈值,若当前的目标平面的采样点的平均距离小于或等于预设平均距离阈值,则将当前的目标平面判定为高质量平面,若当前的目标平面的采样点的平均距离大于预设平均距离阈值,则当前的目标平面判定为低质量平面,进一步,统计高质量平面和低质量平面的数量,以此判定待检测BIM模型的质量。本实施例中,通过采样点的距离确定有效采样点,进而通过有效采样点的平均距离判定目标平面的质量高低,如此,充分利用了距离的价值,使得判定出的待检测BIM模型的质量更为准确。
如图3所示,在其中一个实施例中,基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量之后,还包括:步骤210,筛选出质量不满足预设质量条件的目标平面,并统计待检测三维网格模型的质量检测结果。
在实际应用中,确定待检测BIM模型的质量之后,还可以标记并输出低质量的目标平面,将低质量的目标平面保存至新的.obj文件中,并保存低质量平面中的有效采样点和无效采样点,以便检测人员及时查看低质量平面。还可以统计高质量平面和低质量平面的数量,进一步,依据有效采样点的比例或平均距离与用户设定的阈值参数的对比情况,判断待检测BIM模型的各个目标平面与对照模型是否贴合,进而结合目标平面的数量,得到待检测BIM模型与对照模型的贴合率和不贴合率。另外,还可统计各目标平面上的有效采样点和无效采样点的数量和比例,高质量平面上有效采样点的比例以及低质量平面上无效采样点的比例,并输出无效采样点并将其保存至新的.ply文件中。本实施例中,通过统计待检BIM模型的质量检测结果,能够得到更为全面的质量检测结果,进而使得检测人员能够及时发现问题并采取相应的调整措施。
为了更加清楚地说明本申请提供的三维网络模型质量检测方法,下面结合一个实例进行说明,具体的,三维网格模型以BIM模型为例,可以是:
终端预先安装有用于检测BIM模型的质量的软件,检测人员在输入一对待检测的BIM模型和对照模型后,启动模型质量检测功能,终端执行三维网络模型质量检测方法。
首先,分别加载.obj格式的BIM模型和对照模型,成功加载模型后,软件使用对照模型构建一棵分层的坐标轴对齐的包围盒为结点的树,以加速后续距离计算方法。然后,检测BIM模型的每个平面的面积是否大于用户设置的面积阈值,然后,对大于用户设置的面积阈值的目标平面进行等间距的网格采样(采样密度由软件参数指定),得到多个采样点和各采样点的两个相互反向的法向量。当完成平面采样后,可使用平面的采样点和采样点的两个相互反向的法向量构造两条射线,然后,用构造的两条射线分别射击对照模型。之后,分别计算采样点到两条射线与对照模型的第一个交点(即目标交点)的距离,取较小的距离作为该采样点与目标交点的距离,该距离可表征待检测的BIM模型与GT模型的距离。
在度量完各目标平面下,采样点与目标交点的距离后,判断各采样点与目标交点的距离是否满足预设距离阈值条件,将与目标交点的距离满足预设距离阈值条件的采样点确定为有效采样点,将距离不满足预设距离阈值条件的采样点确定为无效采样点,然后,统计各目标平面下,有效采样点占其所在平面的比例,或者统计有效采样点的平均距离,将有效采样点的比例和平均距离分别与用户设置的比例阈值和平均距离阈值对比,若有效采样点的比例大于用户设置的比例阈值,则判定该目标平面为高质量,反之,则判定为低质量平面;若有效采样点的平均距离小于或等于用户设置的平均距离阈值,则判定该目标为高质量,反之,则判定为低质量平面。然后,标记并输出低质量平面至新的.obj文件中,并保存低质量平面中的有效采样点和无效采样点。还可以统计高质量平面和低质量平面的数量,进一步,依据有效采样点的比例或平均距离与用户设定的阈值参数的对比情况,判断待检测BIM模型的各个目标平面与对照模型是否贴合,进而结合目标平面的数量,得到待检测BIM模型与对照模型的贴合率和不贴合率。另外,还可统计各目标平面上的有效采样点和无效采样点的数量和比例,高质量平面上有效采样点的比例以及低质量平面上无效采样点的比例,并输出无效采样点并将其保存至新的.ply文件中。
此外,根据实验中的BIM模型质量检测的统计数据显示,BIM模型中高质量的平面中高质量采样点平均占比为0.83,低质量平面中低质量采样点平均占比为0.61。
上述三维网络模型质量检测方法,充分利用了采样点和法向量构建的射线,获取各目标平面上的各采样点与目标交点的距离,使得距离的度量不再受对照模型的采样密度的影响,进而提高了距离度量的精度,增强了BIM模型中平面质量的检测能力,使得检测出的BIM模型的质量更为准确。进一步的,统计BIM模型的质量检测数据,得到更为全面的质量检测结果,进而使得检测人员能够及时发现问题并采取相应的调整措施。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的三维网络模型质量检测方法的三维网络模型质量检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个三维网络模型质量检测装置实施例中的具体限定可以参见上文中对于三维网络模型质量检测方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种三维网络模型质量检测装置,包括:数据获取模块510、平面采样模块520、距离计算模块530和质量检测模块540,其中:
数据获取模块510,用于获取待检测三维网格模型和待检测三维网格模型的对照模型。
平面采样模块520,用于对待检测三维网格模型的目标平面进行采样,得到多个采样点和各采样点的法向量,目标平面的面积大于预设的面积阈值。
距离计算模块530,用于获取各目标平面上的各采样点与目标交点的距离,目标交点为由采样点和采样点的法向量构成的射线与对照模型的首个交点。
质量检测模块540,用于基于各目标平面上的各采样点与目标交点的距离,确定待检测三维网格模型的质量。
上述三维网络模型质量检测装置,充分利用了采样点和法向量构建的射线,获取各目标平面上的各采样点与目标交点的距离,使得距离的度量不再受对照模型的采样密度的影响,进而提高了距离度量的精度,增强了三维网格模型中平面质量的检测能力,使得三维网格模型的质量检测结果更为准确。
在一个实施例中,距离计算模块530还用于基于采样点和采样点的两个相互反向的法向量,构造第一射线和第二射线,确定第一射线与对照模型的第一目标交点,以及第二射线与对照模型的第二目标交点,获取采样点与第一目标交点的第一射线距离,以及采样点与第二目标交点的第二射线距离,获取第一射线距离和第二射线距离的较小值,确定采样点与目标交点的距离。
在其中一个实施例中,质量检测模块540还用于判断各目标平面下,各采样点与目标交点的距离是否满足预设距离阈值条件,将与目标交点的距离满足预设距离阈值条件的采样点确定为有效采样点,统计有效采样点占有效采样点所在目标平面的采样点的比例,根据有效采样点的比例与用户设定的比例阈值,确定各目标平面的质量,基于各目标平面的质量,确定待检测三维网格模型的质量。
在其中一个实施例中,质量检测模块540还用于判断各目标平面下,各采样点与目标交点的距离是否满足预设距离阈值条件,将与目标交点的距离满足预设距离阈值条件的采样点确定为有效采样点,获取有效采样点的平均距离,根据有效采样点的平均距离和预设平均距离阈值,确定各目标平面的质量,基于各目标平面的质量,确定待检测三维网格模型的质量。
如图5所示,在其中一个实施例中,装置还包括数据统计模块550,用于筛选出质量不满足预设质量条件的目标平面,并统计待检测三维网格模型的质量检测结果。
上述三维网格模型质量检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种三维网格模型质量检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述三维网格模型质量检测方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述三维网格模型质量检测方法中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述三维网格模型质量检测方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种三维网格模型质量检测方法,其特征在于,所述方法包括:
获取待检测三维网格模型和所述待检测三维网格模型的对照模型;
对所述待检测三维网格模型的目标平面进行采样,得到多个采样点和各所述采样点的法向量,所述目标平面的面积大于预设的面积阈值;
基于所述采样点和所述采样点的两个相互反向的法向量,构造第一射线和第二射线,确定所述第一射线与所述对照模型的第一目标交点,以及所述第二射线与所述对照模型的第二目标交点,获取所述采样点与所述第一目标交点的第一射线距离,以及所述采样点与所述第二目标交点的第二射线距离,获取所述第一射线距离和所述第二射线距离的较小值,确定所述采样点与目标交点的距离,所述目标交点为由采样点和所述采样点的法向量构成的射线与所述对照模型的首个交点;
根据所述距离和预设距离阈值条件,筛选出所述采样点中的有效采样点,根据所述有效采样点的统计数据和预设阈值,确定各目标平面的质量,基于各目标平面的质量,确定所述待检测三维网格模型的质量。
2.根据权利要求1所述的三维网格模型质量检测方法,其特征在于,所述根据所述距离和预设距离阈值条件,筛选出所述采样点中的有效采样点,根据所述有效采样点的统计数据和预设阈值,确定各目标平面的质量,基于各目标平面的质量,确定所述待检测三维网格模型的质量包括:
判断各目标平面下,各所述采样点与目标交点的距离是否满足预设距离阈值条件;
将与目标交点的距离满足预设距离阈值条件的采样点确定为有效采样点;
统计所述有效采样点占所述有效采样点所在目标平面的采样点的比例;
根据所述有效采样点的比例与用户设定的比例阈值,确定各目标平面的质量;
基于各目标平面的质量,确定所述待检测三维网格模型的质量。
3.根据权利要求1所述的三维网格模型质量检测方法,其特征在于,所述根据所述距离和预设距离阈值条件,筛选出所述采样点中的有效采样点,根据所述有效采样点的统计数据和预设阈值,确定各目标平面的质量,基于各目标平面的质量,确定所述待检测三维网格模型的质量包括:
判断各目标平面下,各所述采样点与目标交点的距离是否满足预设距离阈值条件;
将所述距离满足预设距离阈值条件的采样点确定为有效采样点;
获取所述有效采样点的平均距离;
根据所述有效采样点的平均距离和预设平均距离阈值,确定各目标平面的质量;
基于各目标平面的质量,确定所述待检测三维网格模型的质量。
4.根据权利要求1至3任意一项所述的三维网格模型质量检测方法,其特征在于,所述待检测三维网格模型包括BIM模型。
5.根据权利要求1至3任意一项所述的三维网格模型质量检测方法,其特征在于,所述基于各目标平面上的各采样点与目标交点的距离,确定所述待检测三维网格模型的质量之后,还包括:
筛选出质量不满足预设质量条件的目标平面,并统计所述待检测三维网格模型的质量检测结果。
6.根据权利要求5所述的三维网格模型质量检测方法,其特征在于,所述待检测三维网格模型的质量检测结果包括:不同质量的目标平面的数量以及所述待检测三维网格模型与所述对照模型的贴合率。
7.一种三维网格模型质量检测装置,其特征在于,所述装置包括:
数据获取模块,用于获取待检测三维网格模型和所述待检测三维网格模型的对照模型;
平面采样模块,用于对所述待检测三维网格模型的目标平面进行采样,得到多个采样点和各所述采样点的法向量,所述目标平面的面积大于预设的面积阈值;
距离计算模块,用于基于所述采样点和所述采样点的两个相互反向的法向量,构造第一射线和第二射线,确定所述第一射线与所述对照模型的第一目标交点,以及所述第二射线与所述对照模型的第二目标交点,获取所述采样点与所述第一目标交点的第一射线距离,以及所述采样点与所述第二目标交点的第二射线距离,获取所述第一射线距离和所述第二射线距离的较小值,确定所述采样点与目标交点的距离,所述目标交点为由采样点和所述采样点的法向量构成的射线与所述对照模型的首个交点;
质量检测模块,用于根据所述距离和预设距离阈值条件,筛选出所述采样点中的有效采样点,根据所述有效采样点的统计数据和预设阈值,确定各目标平面的质量,基于各目标平面的质量,确定所述待检测三维网格模型的质量。
8.根据权利要求7所述的三维网格模型质量检测装置,其特征在于,所述装置还包括数据统计模块,用于筛选出质量不满足预设质量条件的目标平面,并统计待检测三维网格模型的质量检测结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111366101.7A CN113808132B (zh) | 2021-11-18 | 2021-11-18 | 三维网络模型质量检测方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111366101.7A CN113808132B (zh) | 2021-11-18 | 2021-11-18 | 三维网络模型质量检测方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113808132A CN113808132A (zh) | 2021-12-17 |
CN113808132B true CN113808132B (zh) | 2022-04-15 |
Family
ID=78938353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111366101.7A Active CN113808132B (zh) | 2021-11-18 | 2021-11-18 | 三维网络模型质量检测方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113808132B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168034B (zh) * | 2023-04-25 | 2023-07-18 | 深圳思谋信息科技有限公司 | 编织物的缺陷检测方法、装置、设备及存储介质 |
CN116258840B (zh) * | 2023-05-16 | 2023-08-11 | 深圳大学 | 层级细节表示树的生成方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247834A (zh) * | 2017-05-31 | 2017-10-13 | 华中科技大学 | 一种基于图像识别的三维环境模型重构方法、设备及系统 |
CN110807571A (zh) * | 2019-09-19 | 2020-02-18 | 同济大学 | 基于3d激光传感与BIM结合的建筑工程质量控制系统 |
CN111524236A (zh) * | 2020-04-24 | 2020-08-11 | 北京中测智绘科技有限公司 | 一种基于平面分析的自适应三角网简化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10628535B2 (en) * | 2007-02-01 | 2020-04-21 | Autodesk, Inc. | Complete energy analytical model building information modeling (BIM) integration |
-
2021
- 2021-11-18 CN CN202111366101.7A patent/CN113808132B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247834A (zh) * | 2017-05-31 | 2017-10-13 | 华中科技大学 | 一种基于图像识别的三维环境模型重构方法、设备及系统 |
CN110807571A (zh) * | 2019-09-19 | 2020-02-18 | 同济大学 | 基于3d激光传感与BIM结合的建筑工程质量控制系统 |
CN111524236A (zh) * | 2020-04-24 | 2020-08-11 | 北京中测智绘科技有限公司 | 一种基于平面分析的自适应三角网简化方法 |
Non-Patent Citations (1)
Title |
---|
建筑三维重建方法综述;胡芳侨等;《智能建筑与智慧城市》;20200525(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113808132A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113808132B (zh) | 三维网络模型质量检测方法、装置和计算机设备 | |
CN107194024B (zh) | 基于支持向量机的边坡可靠性参数获取方法及装置 | |
CN115841046B (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
CN109753710A (zh) | 一种构件设计图的审图方法、装置、系统及可读存储介质 | |
CN115795928B (zh) | 基于伽马过程的加速退化试验数据处理方法和装置 | |
CN117252863B (zh) | 一种地理信息异常数据快速检测分析方法 | |
CN114332044A (zh) | 织物纹理周期的测量方法、装置、计算机设备和存储介质 | |
CN116596935B (zh) | 形变检测方法、装置、计算机设备及计算机可读存储介质 | |
CN116342599B (zh) | 缺陷检测设备的点检方法、装置、设备和存储介质 | |
CN117216454A (zh) | 基于模糊非概率的可靠性评估方法、装置、终端及存储介质 | |
Khokhlov et al. | Data security and quality evaluation framework: Implementation empirical study on android devices | |
CN108446213A (zh) | 一种静态代码质量分析方法和装置 | |
CN116626504A (zh) | 动力电池性能确定方法、装置、计算机设备和存储介质 | |
CN114741284B (zh) | 任务可靠性评估方法、装置、计算机设备和存储介质 | |
KR20190057854A (ko) | 데이터 입출력 포화 검출 장치 및 방법 | |
CN114490412A (zh) | 基于自减逆向云发生器的三维cad软件性能度量方法及装置 | |
CN116227045A (zh) | 一种结构试件的局部应力应变场构造方法及系统 | |
CN116933107B (zh) | 数据分布边界确定方法、装置、计算机设备和存储介质 | |
CN116244918A (zh) | 产品的可靠性评估方法、装置和计算机设备 | |
CN118227463A (zh) | 测试数据生成方法、装置、计算机设备、存储介质和产品 | |
CN116610906B (zh) | 设备故障诊断方法、装置、计算机设备及其存储介质 | |
CN117891566B (zh) | 智能软件的可靠性评估方法、装置、设备、介质和产品 | |
CN117057220A (zh) | 滚动轴承剩余寿命预测方法、装置和计算机设备 | |
CN117407267A (zh) | 条件分支覆盖率计算方法、装置、计算机设备、存储介质 | |
CN116663343A (zh) | 基于稀疏重构理论的传感器测点布设方法和装置 |
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 |