CN113823001A - 户型图生成方法、装置、设备及介质 - Google Patents
户型图生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113823001A CN113823001A CN202111125520.1A CN202111125520A CN113823001A CN 113823001 A CN113823001 A CN 113823001A CN 202111125520 A CN202111125520 A CN 202111125520A CN 113823001 A CN113823001 A CN 113823001A
- Authority
- CN
- China
- Prior art keywords
- house
- point cloud
- functions
- cloud model
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000006870 function Effects 0.000 claims abstract description 185
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 238000010586 diagram Methods 0.000 claims description 33
- 230000011218 segmentation Effects 0.000 claims description 30
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000002372 labelling Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 14
- 230000000875 corresponding effect Effects 0.000 description 50
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
-
- G06T3/06—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/004—Annotating, labelling
Abstract
本公开实施例公开了一种户型图生成方法、装置、存储介质及电子设备。其中方法包括:获取房屋的全景图,基于全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓;获取房屋的房屋点云模型,基于所述房屋点云模型确定房屋的房屋外轮廓;基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。基于各功能间轮廓和所述房屋外轮廓组合得到的户型图,避免了房屋内部物体对功能间轮廓的干扰,精度高。在功能间轮廓和所述房屋外轮廓的生成过程中,通过提取功能间的外轮廓生成功能间轮廓,通过提取房屋的外轮廓生成房屋外轮廓,不存在轮廓间断不连续的情况,无需二次处理,简化户型图的生成过程。
Description
技术领域
本公开实施例涉及计算机数据处理技术领域,尤其涉及一种户型图生成方法、装置、设备及介质。
背景技术
户型图是看房业务中的一项重要信息。目前生成户型图的方式一般是通过三维房屋模型的俯视图或者水平截面的方式生产。
但是由于房屋本身具有的门、窗户等的结构,导致生成的户型图不连续,不但需要对该户型图进行后续处理,且该户型图精度差。
发明内容
本公开实施例提供了一种户型图生成方法、装置、设备及介质,以提高户型图的精确度。
第一方面,本公开实施例提供了一种户型图生成方法,包括:
获取所述房屋的全景图,基于所述全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓;
获取房屋点云模型,基于所述房屋点云模型确定所述房屋的房屋外轮廓;
基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。
第二方面,本公开实施例还提供了一种户型图生成装置,包括:
功能间轮廓生成模块,用于获取所述房屋的全景图,基于所述全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓;
房屋外轮廓确定模块,用于获取房屋点云模型,基于所述房屋点云模型确定所述房屋的房屋外轮廓;
户型图生成模块,用于基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开实施例任一所述的户型图生成方法。
第四方面,本公开实施例还提供了一种包含计算机可执行指令的存储介质,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公开实施例任一所述的户型图生成方法。
本公开实施例的技术方案,基于房屋点云模型确定房屋外轮廓,以及功能间点云模型确定功能间轮廓,避免了房屋内部物体对功能间轮廓的干扰,基于各功能间轮廓和所述房屋外轮廓组合得到的户型图精度高。同时,在功能间轮廓和所述房屋外轮廓的生成过程中,通过提取功能间的外轮廓生成功能间轮廓,通过提取房屋的外轮廓生成房屋外轮廓,不存在轮廓间断不连续的情况,无需二次处理,简化户型图的生成过程。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是本发明实施例提供的视频展示过程的流程图;
图2为本公开实施例一所提供的一种户型图生成方法流程示意图;
图3是本公开实施例所提供的一种户型图生成装置结构示意图;
图4为本公开实施例三所提供的一种电子设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明提供了一种户型图生成方法,图1为本公开实施例所提供的一种户型图生成方法流程示意图,本公开实施例适用于在通过房屋点云模型和房屋全景图生成户型图的情形,该方法可以由户型图生成装置来执行,该装置可以通过软件和/或硬件的形式实现,可选的,通过电子设备来实现,该电子设备可以是移动终端或PC端等。
如图1,本实施例的方法包括:
S110、获取所述房屋的全景图,基于所述全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓。
S120、获取房屋点云模型,基于所述房屋点云模型确定所述房屋的房屋外轮廓。
S130、基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。
本实施例中,预先对房屋进行全景图的拍摄以及点云数据的扫描,以获取房屋中各功能间中全景图和房屋点云模型,其中,全景图和点云数据可以是一一对应的。在一些实施例中,具有对应关系的全景图和点云数据可以是在同一点位处获取的。在任一功能间内,可以是通过多点位获取到多个全景图以及多个点云数据。对采集到的全景图和点云数据进行关联存储,便于在生成户型图的过程中进行快速调用。
房屋的户型图包括整体的房屋外轮廓,以及各功能间的轮廓。本实施例中,通过存储的点云数据,得到各功能间点云模型以及房屋整体的点云模型,以通过各功能间点云模型以及房屋整体的点云模型生成户型图。
具体的,确定属于同一功能间的点云数据,对同一功能间的点云数据的点云数据进行融合,得到该功能间点云模型。其中,全景图中包括房屋内的物体内容,且相邻位置采集的不同全景图之间,或者同一功能间内各全景图之间包括重叠区域。基于全景图之间的重叠区域或重叠特征确定是否属于同一功能间。
可选的,基于所述全景图将同一功能间对应的点云数据进行融合,包括:识别所述全景图中的特征点,并基于各全景图中的特征点分别对任意两个全景图进行特征点匹配;基于匹配成功的全景图确定各全景图对应的点位信息,基于所述点位信息将同一功能间中各全景图对应的点云数据进行融合,得到所述功能间点云模型。
对各全景图进行特征提取,识别全景图中的特征点。在一些实施例中,可以是通过预设的特征点识别模型处理得到,即将全景图输入至预设的特征点识别模型,输出该全景图的特征点,该特征点可以是分别包括描述信息,例如描述信息可以是特征向量。在一些实施例中,该特征点可以是SIFT(Scale-invariant feature transform,尺度不变特征转换)特征点,SIFT特征是全景图中的布局特征,SIFT特征对旋转、尺度缩放、亮度变化保持不变形,对视角变化、放射变换以及噪声等也保持一定的稳定性,基于上述SIFT特征的特性,通过提取全景图中的SIFT特征点,降低不同全景图采集过程中参数变化导致的干扰,提高全景图匹配的准确性。
在一些实施例中,分别将各全景图进行两两匹配,对于任意两个全景图进行特征点的匹配,确定特征点匹配度。具体的,将任意两个全景图进行特征点的匹配可以是依次确定任意两个全景图中的特征点的距离信息,例如可以是欧式距离,将满足距离阈值的两特征点确定为匹配特征点对,确定匹配特征点对所占比例,即得到特征点匹配度。将特征点匹配度与预设匹配阈值进行比较,在两个全景图的特征点匹配度大于或等于预设匹配阈值的情况下,确定上述两个全景图属于同一功能间,在两个全景图的特征点匹配度小于预设匹配阈值的情况下,确定上述两个全景图不属于同一功能间。
对于同一功能间的全景图,将各全景图对应的点云数据进行融合,得到该功能间点云模型。在一些实施例中,并行对不同功能间的点云数据进行融合,得到各个功能间点云模型,加快点云数据的处理效率。可选的,对于同一功能间的全景图,确定全景图对应的点位信息,其中,点位信息可以是拍摄全景图的摄像机所在位置,相应的,该点位信息还可以是扫描点云数据的扫描设备所在位置。通过点位信息,将该功能间内各全景图对应的点云数据进行融合。具体的,确定各点位信息之间的转换关系,其中,该转换关系可以是转换矩阵。根据不同点位信息之间的转换关系,将各点位信息分别对应的点云数据进行转换,得到同一坐标系下的多个点云数据,在该同一坐标系下,对转换后的点云数据进行融合,例如,将同一位置点的数据点进行合并,对不同位置点的数据点进行组合,得到功能间点云模型。
对功能间点云模型进行外轮廓提取,得到功能间轮廓,在一些实施例中,并行对各功能间点云模型进行外轮廓提取,提高功能间轮廓的生成效率。通过对功能间点云模型进行外轮廓提取,减少功能间内各物体的点云数据的干扰,提高功能间轮廓的准确性。具体的,在提取功能间轮廓之前,将功能间点云模型进行预处理,使得预处理后的点云模型的预设平面数据与世界坐标系的第一平面平齐,示例性的,点云模型的预设平面数据可以是点云模型中的地板数据,该地板数据可以是基于先验信息确定的。将功能间点云模型的地板数据与世界坐标系的第一平面平齐,以将功能间点云模型摆正,避免功能间点云模型相对于世界坐标系姿态倾斜导致的误差。其中,世界坐标系的第一平面可以是任一平面,例如可以是XOZ平面,对此不足限定。
在一些实施例中,在将功能间点云模型的地板数据与世界坐标系的第一平面平齐后,还可以包括确定所述功能间点云模型中的第二平面数据的主分量,并调节所述第二平面数据的主分量与所述世界坐标系中预设坐标轴的夹角,以调整所述功能间点云模型满足户型图的预设朝向。其中,第二平面可以是天花板平面,具体的,可以是在功能间点云模型中进行平面数据的聚类,确定不垂直与第一平面的平面数据,或者平行于第一平面的平面数据,即第二平面数据。其中,第二平面数据的主分量可以是通过PCA(principalcomponents analysis,主成分分析)算法确定,该第二平面数据的主分量用于表征第二平面数据的方向。本实施例中,可以是第二平面数据的主分量与所述世界坐标系中预设坐标轴(例如可以是-Z轴)的夹角调节为0,其中,将第二平面数据的主分量调整至预设坐标轴方向,以调节功能间满足房屋的预设朝向,例如正北方向,在预设朝向的情况下,对各功能间进行轮廓提取,得到统一朝向的功能间轮廓,便于后续对各功能间轮廓组合得到户型图。
可选的,基于融合得到的各功能间点云模型确定各数据的功能间轮廓,包括:对应任一功能间点云模型,确定所述功能间点云模型在世界坐标系的第一平面上的密度数据;基于密度数据进行多边形拟合,得到所述功能间的功能间轮廓。
计算功能间点云模型在世界坐标系的第一平面上的密度数据,该密度数据表征功能间点云模型上能够投影到第一平面(例如可以是XOZ平面)上各位置处的数据点数量。在一些实施例中,该密度数据可以是通过密度图的形式展示。密度图中各像素点的像素值与该位置对应的密度数据正相关。可选的,可以是确定密度图的直方图,对该直方图进行均衡化处理,以提高密度图中轮廓清晰度,便于提高功能间轮廓的准确度。
通过对密度数据(例如密度图)进行多边形拟合,得到功能间的初始轮廓。其中,多边形拟合可以是通过Douglas-Peucker多边形拟合算法实现。具体的,对密度图上的像素点,将相邻像素点确定为直线,对于直线外的任一点,计算该点与已确定直线的距离,在距离小于给定阈值的情况下,确定该点属于该直线,并更新该直线;在距离大于给定阈值的情况下,确定该点与已确定直线的两端分别确定新的直线,并以此类推,得到功能间的初始轮廓。提取该功能间的初始轮廓的外轮廓,得到功能间轮廓。
在基于密度数据进行多边形拟合得到初始轮廓之后,所述方法还包括:对拟合得到的初始轮廓进行校正,得到所述功能间的功能间轮廓。通过对初始轮廓进行校正,以对初始轮廓进行简化处理,提高轮廓精度。
在一些实施例中,对拟合得到的初始轮廓进行校正,可以包括:确定所述初始轮廓中各相邻两边的夹角,在任一相邻两边的夹角满足合并条件的情况下,对所述相邻两边进行合并。例如合并条件可以是相邻两边的夹角小于第一预设角度,或者,相邻两边的夹角大于第二预设角度。在初始轮廓中随机确定一条边,依次遍历初始轮廓中的各个边,对满足上述合并条件的相邻边进行合并,直到初始轮廓中不存在满足合并条件的相临边。通过对满足合并条件的相邻边进行合并,减少由于拟合过程导致的误差。
在一些实施例中,对拟合得到的初始轮廓进行校正,还可以包括:确定所述初始轮廓中的相邻墙体,将所述相邻墙体对应的边调整为相互垂直。根据曼哈顿世界假设,即相邻的墙相互垂直,将相邻墙体对应的边调整为相互垂直,减少拟合过程形成的角度误差。在上述实施例的基础上,可以是将不满足上述合并条件的相邻边确定属于相邻墙体对应的边;或者,还可以是将满足预设角度范围的相邻边确定为相邻墙体对应的边,例如预设角度范围可以是80°-100°,该预设角度范围可根据需求设置,对此不作限定。
在上述实施例的基础上,获取房屋点云模型可以是基于各功能间点云模型(三维点云模型)进行融合得到房屋整体的点云模型(三维点云模型)。在一些实施例中,可以是基于各功能间点云模型的点位信息之间的位置关系,确定点云模型的融合方式,例如基于各功能间点云模型的点位信息之间的转换关系,确定各功能间点云模型之间的转换关系,基于该转换关系,将各功能间点云模型转换至同一坐标系下,并融合得到房屋点云模型。在一些实施例中,可以是基于各功能间的全景图,确定各功能间之间的相邻关系,例如在全景图中具有重叠区域的两功能间,可以是相邻关系,基于该相邻关系将对应的功能间点云模型进行融合,并以此类推,直到不存在单独的各功能间点云模型,得到房屋点云模型。
为了避免房屋点云模型的姿态对户型图精度的影响,在获取房屋点云模型之后,所述方法还包括:对所述房屋点云模型进行摆正处理,其中,所述摆正处理后的房屋点云模型满足户型图的预设朝向。需要说明的是,房屋点云模型调整后的预设朝向与各功能间点云模型调整后的预设朝向相同。
可选的,对所述房屋点云模型进行摆正处理,包括:控制所述房屋点云模型中第一平面数据(例如可以是地面数据)满足世界坐标系的第一平面(例如可以是XOZ平面)平齐;确定所述房屋点云模型中的第二平面数据(例如可以是天花板数据)的主分量,并调节所述第二平面数据的主分量与所述世界坐标系中预设坐标轴(例如可以是-Z轴)的夹角,以调整所述房屋点云模型满足户型图的预设朝向。
可选的,所述基于所述房屋点云模型确定所述房屋的房屋外轮廓,包括:确定所述房屋点云模型在世界坐标系的第一平面上的密度数据;基于密度数据进行多边形拟合,得到所述房屋的房屋外轮廓。
相应的,在基于密度数据进行多边形拟合之后,所述方法还包括:对拟合得到的初始轮廓进行校正,得到所述房屋的房屋外轮廓。其中,所述对拟合得到的初始轮廓进行校正,包括:确定所述初始轮廓中各相邻两边的夹角,在任一相邻两边的夹角满足合并条件的情况下,对所述相邻两边进行合并;和/或,确定所述初始轮廓中的相邻墙体,将所述相邻墙体对应的边调整为相互垂直。
需要说明的是,房屋外轮廓的确定方式与任一功能间轮廓的确定方式相同,此处不再赘述。
在上述实施例的基础上,将各功能间轮廓和所述房屋外轮廓进行组合,以得到房屋的户型图,具体的,基于各功能间在房屋内的位置信息,将功能间轮廓添加到房屋外轮廓内,得到房屋的户型图。
可选的,基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图,包括:确定各功能间的位置信息,基于各功能间的位置信息将各功能间轮廓与所述房屋外轮廓进行组合,得到房屋的户型图。在一些实施例中,功能间的位置信息可以是基于该功能间的点位信息确定,该功能间的位置信息可以是该功能间的中心位置信息。可选的,确定各功能间的位置信息,包括:基于各点位信息之间的转换关系,将各功能间点云模型转换至世界坐标系;在世界坐标系中,基于各所述功能间点云模型的中心位置确定各功能间的位置信息。需要说明的是,各点位信息中包括基础点位信息,该基础点位信息已知,且位于世界坐标系内。基于两两点位信息之间的转换关系,确定各点位信息与基础点位信息的转换关系。基于点位信息与基础点位信息的转换关系,将各点位信息对应的点云数据转换至世界坐标系。在世界坐标系中,基于功能间点云模型中各数据点的位置信息,确定功能间点云模型的中心位置,可以是将该中心位置确定为功能间的位置信息,进一步,可确定功能间轮廓的位置信息,即功能间轮廓的中心位置。
基于各功能间的位置信息将各功能间轮廓与所述房屋外轮廓进行组合,即基于功能间轮廓的中心位置,将各功能间轮廓添加到房屋外轮廓内的对应位置,形成户型图。
由于各功能间之间存在公共墙体,以及功能间与房屋整体之间存在公共墙体,为了提高户型图的精度,对各功能间轮廓与所述房屋外轮廓组合后,消除组合图形之间的公共边,避免公共边在户型图中的重叠显示。可选的,在基于各功能间的位置信息将各功能间轮廓与所述房屋外轮廓进行组合之后,所述方法还包括:确定各所述功能间轮廓之间的公共边、各所述功能间轮廓与房屋外轮廓之间的公共边,对所述公共边进行合并。在一些实施例中,确定功能间轮廓之间的公共边以及功能间轮廓与房屋外轮廓之间的公共边可以是通过计算各边之间的距离和/或夹角确定。示例性的,基于功能间的位置信息(即中心位置信息)和功能间尺寸,即可确定功能间的各边的位置信息,计算各功能间轮廓中各边的距离,以及各功能间轮廓中各边与房屋外轮廓各边的距离,在任意两功能间轮廓中两边的距离小于预设距离时,确定上述两功能间轮廓对应的两功能间具有公共墙体,将上述预设距离的两边进行合并。在功能间轮廓中任意边与房屋外轮廓的任意边的距离小于预设距离时,确定上述功能间轮廓对应的功能间与房屋外墙体具有公共墙体,将上述预设距离的两边进行合并。示例性的,对于功能间轮廓与房屋外轮廓组合的图形中,计算任意相邻两边之间的夹角,在夹角满足预设角度范围时,确定上述相邻两边属于同一墙体,即公共墙体,将上述相邻两边进行合并。
本实施例中,基于房屋点云模型确定房屋外轮廓,以及功能间点云模型确定功能间轮廓,避免了房屋内部物体对功能间轮廓的干扰,基于各功能间轮廓和所述房屋外轮廓组合得到的户型图精度高。同时,在功能间轮廓和所述房屋外轮廓的生成过程中,通过提取功能间的外轮廓生成功能间轮廓,通过提取房屋的外轮廓生成房屋外轮廓,不存在轮廓间断不连续的情况,无需二次处理,简化户型图的生成过程。
在上述实施例的基础上,所述方法还包括:对各全景图进行语义分割,确定各功能间的语义信息,基于所述语义信息在所述户型图中对所述功能间进行标注。通过对各全景图进行语义分割,得到全景图中多个分割区域,各分割区域分别对应一语义信息,示例性的,分割区域可以是门区域,对应语义信息为门,分割区域可以是床区域,对应语义信息为床。基于同一功能间中各全景图中各分割区域的语音信息确定功能间的语义信息,例如可以是基于各分割区域的语音信息进行语义投票,得到功能间的语义信息。
本实施例中,根据房屋类型,预先设置多个标注信息,示例性的,房屋类型为住宅,则标注信息包括但不限于卧室、厨房、卫生间、储藏间等,房屋类型为商业建筑,则标注信息包括但不限于办公区、卫生间、会议室等。相应的,基于各分割区域的语音信息在上述预设的多个标注信息中进行投票,确定功能间的语义信息。示例性的,功能间中包括语义信息“床”,相应的,对卧室进行投票;功能间中包括语义信息“马桶”,相应的,对卫生间进行投票。
通过语义分割对户型图进行标注,实现了标注自动化,减少了人为标注的过程,提高户型图的生成效率,同时生成具有语义信息的户型图,便于用户直观获知各功能间的功能类型。
在上述实施例的基础上,所述方法还包括:对各全景图进行语义分割,得到各全景图对应的语义分割区域;基于各全景图对应的语义分割区域对所述户型图进行校验。本实施例中,通过语义分割区域对各功能间之间的相邻关系进行校验。对各功能间的全景图进行语义分割,确定各功能间之间重叠的语义分割区域,具有重叠的语义分割区域表明上述两功能间为相邻关系,在户型图中确定具有相邻关系的两功能间对应的功能间轮廓是否相邻,若是,则确定户型图正确,若否,则确定户型图错误,生成提示信息。
根据房屋建筑规则,功能间之间通过门窗等形式进行连接,相应的,对各全景图进行语义分割,得到全景图中的门窗区域,基于门窗区域对户型图进行校验,减少其他分割区域的干扰。本实施例中,通过语义分割对生成的户型图进行二次校验,以保证户型图的准确性。
在上述实施例的基础上,本实施例还提供了一种户型图生成方法的优选实例,参见图2,图2是本发明实施例提供的一种户型图生成方法的流程示意图。
图2中,获取全局三维点云模型(即房屋点云模型),该全局三维点云模型为通过各功能间的点云模型融合得到。对全局三维点云模型进行预处理,即将全局三维点云模型的地面数据与世界坐标系中的XOZ平面平齐,同时将全局三维点云模型的姿态进行摆正,即摆正后的全局三维点云模型满足户型图的预设朝向。对摆正处理后的全局三维点云模型进行外轮廓提取,具体的可以是计算摆正处理后的全局三维点云模型在XOZ平面上的密度图(即密度数据,以图的形式展示),对密度图进行多边形近似轮廓的拟合处理,得到房屋的初始轮廓,对房屋的初始轮廓中各边进行校验,即简化处理,确定房屋的初始轮廓中是否存在相邻近似平行的边,即确定相邻边的夹角,以及该夹角是否满足合并条件,若是,则对满足合并条件的两边(即相邻近似平行的边)进行合并。在不存在满足合并条件的两边时,对相邻边进行正交化处理,即将相邻墙体的边调节为互相垂直,以满足曼哈顿世界假设。对处理后的初始轮廓进行外轮廓提取,得到二维的房屋外轮廓,即户型外轮廓。
对房屋内采集的全景图进行特征点的提取和匹配,在两全景图之间存在匹配点,且匹配点数目大于阈值的情况下,确定上述两全景图属于同一功能间,对上述两全景图对应的点云数据进行融合,得到功能间点云模型。在全景图与其他全景图之间均不存在匹配点时,将该全景图对应的点云数据确定为功能间点云模型。基于功能间点云模型得到功能间轮廓,该功能间轮廓的生成方式与房屋外轮廓的生成方式一致。
通过同一功能间的全景图确定对应的点位信息,并基于功能间中的点位信息确定功能间的中心位置,即功能间的位置信息。通过功能间的位置信息将各功能间轮廓与房屋外轮廓进行组合,同时将各功能间轮廓之间的公共边,以及功能间与房屋外轮廓之间的公共边进行合并,得到户型图。
对房屋内的全景图进行语义分割,根据分割区域对应的语义信息进行语义投票,确定各功能间的语音信息,基于该语音信息对语音信息进行标注,生成具有语义信息的户型图。同时根据语义分割结果中的门窗区域,确定同时具有该门窗区域的两全景图,确定上述同时具有该门窗区域的两全景图对应相邻的功能间,基于功能间之间的相邻关系对户型图进行校验。同时若该门窗区域属于匹配点,则门窗区域可用于计算功能间的位置信息,提高位置信息的计算精度。
图3是本公开实施例所提供的一种户型图生成装置结构示意图。如图3所示,所述装置包括:
功能间轮廓生成模块210,用于获取所述房屋的全景图,基于所述全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓;
房屋外轮廓确定模块220,用于获取房屋点云模型,基于所述房屋点云模型确定所述房屋的房屋外轮廓;
户型图生成模块230,用于基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。
在上述实施例的基础上,功能间轮廓生成模块210包括:
特征点匹配单元,用于识别所述全景图中的特征点,并基于各全景图中的特征点分别对任意两个全景图进行特征点匹配;
功能间点云模型生成单元,用于基于匹配成功的全景图确定各全景图对应的点位信息,基于所述点位信息将同一功能间中各全景图对应的点云数据进行融合,得到所述功能间点云模型。
在上述实施例的基础上,功能间轮廓生成模块210包括:
密度数据确定单元,用于对应任一功能间点云模型,确定所述功能间点云模型在世界坐标系的第一平面上的密度数据;
功能间轮廓确定单元,用于基于密度数据进行多边形拟合,得到所述功能间的功能间轮廓。
在上述实施例的基础上,功能间轮廓生成模块210还包括:
校正单元,用于在基于密度数据进行多边形拟合之后,对拟合得到的初始轮廓进行校正,得到所述功能间的功能间轮廓。
可选的,校正单元用于:
确定所述初始轮廓中各相邻两边的夹角,在任一相邻两边的夹角满足合并条件的情况下,对所述相邻两边进行合并;和/或,
确定所述初始轮廓中的相邻墙体,将所述相邻墙体对应的边调整为相互垂直。
在上述实施例的基础上,该装置还包括:
摆正处理模块,用于在获取房屋的房屋点云模型之后,对所述房屋点云模型进行摆正处理,其中,所述摆正处理后的房屋点云模型满足户型图的预设朝向。
可选的,摆正处理模块用于:
控制所述房屋点云模型中第一平面数据满足世界坐标系的第一平面平齐;
确定所述房屋点云模型中的第二平面数据的主分量,并调节所述第二平面数据的主分量与所述世界坐标系中预设坐标轴的夹角,以调整所述房屋点云模型满足户型图的预设朝向。
在上述实施例的基础上,户型图生成模块230包括:
位置信息确定单元,用于确定各功能间的位置信息;
户型图确定单元,用于基于各功能间的位置信息将各功能间轮廓与所述房屋外轮廓进行组合,得到房屋的户型图。
可选的,位置信息确定单元用于:
基于各点位信息之间的转换关系,将各功能间点云模型转换至世界坐标系;
在世界坐标系中,基于各所述功能间点云模型的中心位置确定各功能间的位置信息。
可选的,户型图生成模块230还包括:
公共边合并单元,用于确定各所述功能间轮廓之间的公共边、各所述功能间轮廓与房屋外轮廓之间的公共边,对所述公共边进行合并。
在上述实施例的基础上,该装置还包括:
户型图标注模块,用于对各全景图进行语义分割,确定各功能间的语义信息,基于所述语义信息在所述户型图中对所述功能间进行标注。
在上述实施例的基础上,该装置还包括:
户型图校正模块,用于对各全景图进行语义分割,得到各全景图对应的语义分割区域,基于各全景图对应的语义分割区域对所述户型图进行校验。
本公开实施例所提供的装置可执行本公开任意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。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
实施例三
下面参考图4,其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的电子设备与上述实施例提供的户型图生成方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
实施例五
本公开实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的户型图生成方法。
需要说明的是,本公开上述的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存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中,计算机可读存储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。而在本公开中,计算机可读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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
获取所述房屋的全景图,基于所述全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓;
获取房屋点云模型,基于所述房屋点云模型确定所述房屋的房屋外轮廓;
基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。
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公开的操作的计算机程序代码,上述程序设计语言包括但不限于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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元/模块的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,【示例一】提供了一种户型图生成方法,该方法包括:
获取所述房屋的全景图,基于所述全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓;
获取房屋点云模型,基于所述房屋点云模型确定所述房屋的房屋外轮廓;
基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。
根据本公开的一个或多个实施例,【示例二】提供了一种户型图生成方法,还包括:
可选的,所述基于所述全景图将同一功能间对应的点云数据进行融合,包括:识别所述全景图中的特征点,并基于各全景图中的特征点分别对任意两个全景图进行特征点匹配;基于匹配成功的全景图确定各全景图对应的点位信息,基于所述点位信息将同一功能间中各全景图对应的点云数据进行融合,得到所述功能间点云模型。
根据本公开的一个或多个实施例,【示例三】提供了一种户型图生成方法,还包括:
所述基于所述房屋点云模型确定所述房屋的房屋外轮廓,包括:对应任一功能间点云模型,确定所述功能间点云模型在世界坐标系的第一平面上的密度数据;基于密度数据进行多边形拟合,得到所述功能间的功能间轮廓。
根据本公开的一个或多个实施例,【示例四】提供了一种户型图生成方法,还包括:
在基于密度数据进行多边形拟合之后,所述方法还包括:对拟合得到的初始轮廓进行校正,得到所述功能间的功能间轮廓。
根据本公开的一个或多个实施例,【示例五】提供了一种户型图生成方法,还包括:
所述对拟合得到的初始轮廓进行校正,包括:确定所述初始轮廓中各相邻两边的夹角,在任一相邻两边的夹角满足合并条件的情况下,对所述相邻两边进行合并;和/或,确定所述初始轮廓中的相邻墙体,将所述相邻墙体对应的边调整为相互垂直。
根据本公开的一个或多个实施例,【示例六】提供了一种户型图生成方法,还包括:
在获取房屋的房屋点云模型之后,所述方法还包括:对所述房屋点云模型进行摆正处理,其中,所述摆正处理后的房屋点云模型满足户型图的预设朝向。
根据本公开的一个或多个实施例,【示例七】提供了一种户型图生成方法,还包括:
所述对所述房屋点云模型进行摆正处理,包括:控制所述房屋点云模型中第一平面数据满足世界坐标系的第一平面平齐;确定所述房屋点云模型中的第二平面数据的主分量,并调节所述第二平面数据的主分量与所述世界坐标系中预设坐标轴的夹角,以调整所述房屋点云模型满足户型图的预设朝向。
根据本公开的一个或多个实施例,【示例八】提供了一种户型图生成方法,还包括:
所述基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图,包括:确定各功能间的位置信息,基于各功能间的位置信息将各功能间轮廓与所述房屋外轮廓进行组合,得到房屋的户型图。
根据本公开的一个或多个实施例,【示例九】提供了一种户型图生成方法,还包括:
所述确定各功能间的位置信息,包括:基于各点位信息之间的转换关系,将各功能间点云模型转换至世界坐标系;在世界坐标系中,基于各所述功能间点云模型的中心位置确定各功能间的位置信息。
根据本公开的一个或多个实施例,【示例十】提供了一种户型图生成方法,还包括:
在基于各功能间的位置信息将各功能间轮廓与所述房屋外轮廓进行组合之后,所述方法还包括:确定各所述功能间轮廓之间的公共边、各所述功能间轮廓与房屋外轮廓之间的公共边,对所述公共边进行合并。
根据本公开的一个或多个实施例,【示例十一】提供了一种户型图生成方法,还包括:
所述方法还包括:对各全景图进行语义分割,确定各功能间的语义信息,基于所述语义信息在所述户型图中对所述功能间进行标注。
根据本公开的一个或多个实施例,【示例十二】提供了一种户型图生成方法,还包括:
所述方法还包括:对各全景图进行语义分割,得到各全景图对应的语义分割区域;基于各全景图对应的语义分割区域对所述户型图进行校验。
根据本公开的一个或多个实施例,【示例十三】提供了一种户型图生成装置,该装置包括:
功能间轮廓生成模块,用于获取所述房屋的全景图,基于所述全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓;
房屋外轮廓确定模块,用于获取房屋点云模型,基于所述房屋点云模型确定所述房屋的房屋外轮廓;
户型图生成模块,用于基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (15)
1.一种户型图生成方法,其特征在于,包括:
获取房屋的全景图,基于所述全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓;
获取房屋点云模型,基于所述房屋点云模型确定所述房屋的房屋外轮廓;
基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。
2.根据权利要求1所述的方法,其特征在于,所述基于所述全景图将同一功能间对应的点云数据进行融合,包括:
识别所述全景图中的特征点,并基于各全景图中的特征点分别对任意两个全景图进行特征点匹配;
基于匹配成功的全景图确定各全景图对应的点位信息,基于所述点位信息将同一功能间中各全景图对应的点云数据进行融合,得到所述功能间点云模型。
3.根据权利要求1所述的方法,其特征在于,所述基于融合得到的各功能间点云模型确定各数据的功能间轮廓,包括:
对应任一功能间点云模型,确定所述功能间点云模型在世界坐标系的第一平面上的密度数据;
基于密度数据进行多边形拟合,得到所述功能间的功能间轮廓。
4.根据权利要求3所述的方法,其特征在于,在基于密度数据进行多边形拟合之后,所述方法还包括:
对拟合得到的初始轮廓进行校正,得到所述功能间的功能间轮廓。
5.根据权利要求4所述的方法,其特征在于,所述对拟合得到的初始轮廓进行校正,包括:
确定所述初始轮廓中各相邻两边的夹角,在任一相邻两边的夹角满足合并条件的情况下,对所述相邻两边进行合并;和/或,
确定所述初始轮廓中的相邻墙体,将所述相邻墙体对应的边调整为相互垂直。
6.根据权利要求1所述的方法,其特征在于,在获取房屋的房屋点云模型之后,所述方法还包括:
对所述房屋点云模型进行摆正处理,其中,所述摆正处理后的房屋点云模型满足户型图的预设朝向。
7.根据权利要求6所述的方法,其特征在于,所述对所述房屋点云模型进行摆正处理,包括:
控制所述房屋点云模型中第一平面数据满足世界坐标系的第一平面平齐;
确定所述房屋点云模型中的第二平面数据的主分量,并调节所述第二平面数据的主分量与所述世界坐标系中预设坐标轴的夹角,以调整所述房屋点云模型满足户型图的预设朝向。
8.根据权利要求1所述的方法,其特征在于,所述基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图,包括:
确定各功能间的位置信息,基于各功能间的位置信息将各功能间轮廓与所述房屋外轮廓进行组合,得到房屋的户型图。
9.根据权利要求8所述的方法,其特征在于,所述确定各功能间的位置信息,包括:
基于各点位信息之间的转换关系,将各功能间点云模型转换至世界坐标系;
在世界坐标系中,基于各所述功能间点云模型的中心位置确定各功能间的位置信息。
10.根据权利要求8所述的方法,其特征在于,在基于各功能间的位置信息将各功能间轮廓与所述房屋外轮廓进行组合之后,所述方法还包括:
确定各所述功能间轮廓之间的公共边、各所述功能间轮廓与房屋外轮廓之间的公共边,对所述公共边进行合并。
11.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对各全景图进行语义分割,确定各功能间的语义信息,基于所述语义信息在所述户型图中对所述功能间进行标注。
12.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对各全景图进行语义分割,得到各全景图对应的语义分割区域;
基于各全景图对应的语义分割区域对所述户型图进行校验。
13.一种户型图生成装置,其特征在于,包括:
功能间轮廓生成模块,用于获取房屋的全景图,基于所述全景图将同一功能间对应的点云数据进行融合,并基于融合得到的各功能间点云模型确定各数据的功能间轮廓;
房屋外轮廓确定模块,用于获取房屋点云模型,基于所述房屋点云模型确定所述房屋的房屋外轮廓;
户型图生成模块,用于基于各功能间轮廓和所述房屋外轮廓生成所述房屋的户型图。
14.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-12中任一所述的户型图生成方法。
15.一种包含计算机可执行指令的存储介质,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权利要求1-12中任一所述的户型图生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111125520.1A CN113823001A (zh) | 2021-09-23 | 2021-09-23 | 户型图生成方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111125520.1A CN113823001A (zh) | 2021-09-23 | 2021-09-23 | 户型图生成方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113823001A true CN113823001A (zh) | 2021-12-21 |
Family
ID=78915463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111125520.1A Pending CN113823001A (zh) | 2021-09-23 | 2021-09-23 | 户型图生成方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113823001A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494486A (zh) * | 2021-12-30 | 2022-05-13 | 北京城市网邻信息技术有限公司 | 户型图生成方法、设备及存储介质 |
CN114529621A (zh) * | 2021-12-30 | 2022-05-24 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、电子设备及介质 |
CN115330939A (zh) * | 2022-08-08 | 2022-11-11 | 如你所视(北京)科技有限公司 | 户型图生成方法、装置、电子设备和存储介质 |
CN115439576A (zh) * | 2022-08-19 | 2022-12-06 | 北京城市网邻信息技术有限公司 | 用于终端设备的户型图生成方法、装置、设备及介质 |
CN115761046A (zh) * | 2022-11-21 | 2023-03-07 | 北京城市网邻信息技术有限公司 | 房屋信息的编辑方法、装置、电子设备及存储介质 |
CN115830161A (zh) * | 2022-11-21 | 2023-03-21 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、设备和存储介质 |
CN115861476A (zh) * | 2022-11-21 | 2023-03-28 | 北京城市网邻信息技术有限公司 | 一种户型图生成方法、装置、设备及存储介质 |
CN115861039A (zh) * | 2022-11-21 | 2023-03-28 | 北京城市网邻信息技术有限公司 | 信息展示方法、装置、设备及介质 |
CN115861528A (zh) * | 2022-11-21 | 2023-03-28 | 北京城市网邻信息技术有限公司 | 相机和户型图生成方法 |
CN115904188A (zh) * | 2022-11-21 | 2023-04-04 | 北京城市网邻信息技术有限公司 | 户型图的编辑方法、装置、电子设备及存储介质 |
CN115908163A (zh) * | 2022-11-01 | 2023-04-04 | 北京城市网邻信息技术有限公司 | 空洞修复方法、装置和存储介质 |
CN117494291A (zh) * | 2024-01-02 | 2024-02-02 | 合肥坤颐建筑科技合伙企业(有限合伙) | 给排水系统图生成方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961152A (zh) * | 2018-05-30 | 2018-12-07 | 链家网(北京)科技有限公司 | 平面户型图生成方法和装置 |
US20190378330A1 (en) * | 2018-06-06 | 2019-12-12 | Ke.Com (Beijing) Technology Co., Ltd. | Method for data collection and model generation of house |
CN111985036A (zh) * | 2020-08-27 | 2020-11-24 | 贝壳技术有限公司 | 户型框线图绘制方法和装置、存储介质、电子设备 |
CN111986086A (zh) * | 2020-08-27 | 2020-11-24 | 贝壳技术有限公司 | 三维图像优化生成方法及系统 |
CN113379901A (zh) * | 2021-06-23 | 2021-09-10 | 武汉大学 | 利用大众自拍全景数据建立房屋实景三维的方法及系统 |
-
2021
- 2021-09-23 CN CN202111125520.1A patent/CN113823001A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961152A (zh) * | 2018-05-30 | 2018-12-07 | 链家网(北京)科技有限公司 | 平面户型图生成方法和装置 |
US20190378330A1 (en) * | 2018-06-06 | 2019-12-12 | Ke.Com (Beijing) Technology Co., Ltd. | Method for data collection and model generation of house |
CN111985036A (zh) * | 2020-08-27 | 2020-11-24 | 贝壳技术有限公司 | 户型框线图绘制方法和装置、存储介质、电子设备 |
CN111986086A (zh) * | 2020-08-27 | 2020-11-24 | 贝壳技术有限公司 | 三维图像优化生成方法及系统 |
CN113379901A (zh) * | 2021-06-23 | 2021-09-10 | 武汉大学 | 利用大众自拍全景数据建立房屋实景三维的方法及系统 |
Non-Patent Citations (1)
Title |
---|
刘亚文等: "基于多源数据的拼接型房屋三维重建方法研究", 《武汉大学学报(信息科学版)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494486A (zh) * | 2021-12-30 | 2022-05-13 | 北京城市网邻信息技术有限公司 | 户型图生成方法、设备及存储介质 |
CN114529621A (zh) * | 2021-12-30 | 2022-05-24 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、电子设备及介质 |
CN114494486B (zh) * | 2021-12-30 | 2022-09-06 | 北京城市网邻信息技术有限公司 | 户型图生成方法、设备及存储介质 |
CN114529621B (zh) * | 2021-12-30 | 2022-11-22 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、电子设备及介质 |
CN115330939A (zh) * | 2022-08-08 | 2022-11-11 | 如你所视(北京)科技有限公司 | 户型图生成方法、装置、电子设备和存储介质 |
CN115439576A (zh) * | 2022-08-19 | 2022-12-06 | 北京城市网邻信息技术有限公司 | 用于终端设备的户型图生成方法、装置、设备及介质 |
CN115908163B (zh) * | 2022-11-01 | 2023-09-08 | 北京城市网邻信息技术有限公司 | 空洞修复方法、装置和存储介质 |
CN115908163A (zh) * | 2022-11-01 | 2023-04-04 | 北京城市网邻信息技术有限公司 | 空洞修复方法、装置和存储介质 |
CN115861528A (zh) * | 2022-11-21 | 2023-03-28 | 北京城市网邻信息技术有限公司 | 相机和户型图生成方法 |
CN115861039A (zh) * | 2022-11-21 | 2023-03-28 | 北京城市网邻信息技术有限公司 | 信息展示方法、装置、设备及介质 |
CN115861476A (zh) * | 2022-11-21 | 2023-03-28 | 北京城市网邻信息技术有限公司 | 一种户型图生成方法、装置、设备及存储介质 |
CN115904188A (zh) * | 2022-11-21 | 2023-04-04 | 北京城市网邻信息技术有限公司 | 户型图的编辑方法、装置、电子设备及存储介质 |
CN115830161A (zh) * | 2022-11-21 | 2023-03-21 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、设备和存储介质 |
CN115761046A (zh) * | 2022-11-21 | 2023-03-07 | 北京城市网邻信息技术有限公司 | 房屋信息的编辑方法、装置、电子设备及存储介质 |
CN115861528B (zh) * | 2022-11-21 | 2023-09-19 | 北京城市网邻信息技术有限公司 | 相机和户型图生成方法 |
CN115861476B (zh) * | 2022-11-21 | 2023-10-13 | 北京城市网邻信息技术有限公司 | 一种户型图生成方法、装置、设备及存储介质 |
CN115830161B (zh) * | 2022-11-21 | 2023-10-31 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、设备和存储介质 |
CN115761046B (zh) * | 2022-11-21 | 2023-11-21 | 北京城市网邻信息技术有限公司 | 房屋信息的编辑方法、装置、电子设备及存储介质 |
CN117494291A (zh) * | 2024-01-02 | 2024-02-02 | 合肥坤颐建筑科技合伙企业(有限合伙) | 给排水系统图生成方法、装置、设备及存储介质 |
CN117494291B (zh) * | 2024-01-02 | 2024-03-22 | 合肥坤颐建筑科技合伙企业(有限合伙) | 给排水系统图生成方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113823001A (zh) | 户型图生成方法、装置、设备及介质 | |
CN111127655B (zh) | 房屋户型图的构建方法及构建装置、存储介质 | |
US10930005B1 (en) | Profile matching of buildings and urban structures | |
CN108205655B (zh) | 一种关键点预测方法、装置、电子设备及存储介质 | |
US9189853B1 (en) | Automatic pose estimation from uncalibrated unordered spherical panoramas | |
CN110032964B (zh) | 图像处理方法、识别视角的方法、装置、设备和存储介质 | |
CN111292420B (zh) | 用于构建地图的方法和装置 | |
CN111105473B (zh) | 二维户型图的构建方法及构建装置、存储介质 | |
CN112116655B (zh) | 目标对象的位置确定方法和装置 | |
US20230138762A1 (en) | Automated Building Floor Plan Generation Using Visual Data Of Multiple Building Images | |
CN114399588B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN110414502A (zh) | 图像处理方法及装置、电子设备和计算机可读介质 | |
CN110111364B (zh) | 运动检测方法、装置、电子设备及存储介质 | |
CN110657760B (zh) | 基于人工智能的测量空间面积的方法、装置及存储介质 | |
CN114092642B (zh) | 一种三维户型模型生成方法、装置及设备 | |
CN113793370B (zh) | 三维点云配准方法、装置、电子设备及可读介质 | |
CN111832558A (zh) | 文字图像矫正方法、装置、存储介质及电子设备 | |
CN110782390A (zh) | 图像的矫正处理方法及装置、电子设备 | |
CN113643328B (zh) | 标定物的重建方法、装置、电子设备及计算机可读介质 | |
CN115393423A (zh) | 目标检测方法和装置 | |
Zhu et al. | Homography estimation based on order-preserving constraint and similarity measurement | |
WO2022011560A1 (zh) | 图像裁剪方法与装置、电子设备及存储介质 | |
CN114040129A (zh) | 视频生成方法、装置、设备及存储介质 | |
CN114596533A (zh) | 跌倒姿态检测方法、装置、电子设备及可读存储介质 | |
CN112598732A (zh) | 目标设备定位方法、地图构建方法及装置、介质、设备 |
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 |