CN113838193A - 数据处理方法、装置、计算机设备及存储介质 - Google Patents

数据处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN113838193A
CN113838193A CN202111153644.0A CN202111153644A CN113838193A CN 113838193 A CN113838193 A CN 113838193A CN 202111153644 A CN202111153644 A CN 202111153644A CN 113838193 A CN113838193 A CN 113838193A
Authority
CN
China
Prior art keywords
target
dimensional
points
target site
position points
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.)
Withdrawn
Application number
CN202111153644.0A
Other languages
English (en)
Inventor
姜翰青
盛崇山
侯欣如
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 Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development 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 Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN202111153644.0A priority Critical patent/CN113838193A/zh
Publication of CN113838193A publication Critical patent/CN113838193A/zh
Withdrawn legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
    • 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
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本公开提供了一种数据处理方法、装置、计算机设备及存储介质，其中，该方法包括：获取利用图像采集设备对目标场所进行图像采集得到的全景视频；基于所述全景视频，生成所述目标场所的三维模型；所述三维模型中包括：多个位置点；基于多个所述位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。

Description

数据处理方法、装置、计算机设备及存储介质
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种数据处理方法、装置、计算机设备及存储介质。
背景技术
当前一般通过人工手动绘制的方式，得到目标场所的俯视图、仰视图等作为目标场所的布局图像；当目标场所中包含的设备数量较多时，采用人工手绘方式得到布局图像时，可能会存在设备的遗漏，造成生成的布局图像存在较大误差，导致后续利用布局图像对目标场所的整体布局进行规划时出现偏差。
发明内容
本公开实施例至少提供一种数据处理方法、装置、计算机设备及存储介质。
第一方面，本公开实施例提供了一种数据处理方法，包括：获取利用图像采集设备对目标场所进行图像采集得到的全景视频；基于所述全景视频，生成所述目标场所的三维模型；所述三维模型中包括：多个位置点；基于多个所述位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
这样，通过构建目标场景的三维模型，并基于目标场所的三维模型中的多个位置点分别对应的位置，将多个位置点分别投影至预设平面，生成目标场所的剖面图，能够避免在剖面图生成过程中遗漏掉目标场所内任一目标对象，提高生成的剖面图的精度，从而提高后续利用剖面图对目标场所的整体布局进行规划时的精准度。此外，本公开实施例自动生成剖面图，效率更高，且由于预设平面可以是目标场所内任一角度、任一位置的截面，因此可以生成目标场所对应的任一视角下的剖面图。
一种可选的实施方式中，所述三维模型中包括：各个所述位置点分别对应的语义信息；所述基于多个位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场景的剖面图，包括：基于多个所述位置点在所述三维模型中的位置、以及各个所述位置点分别对应的语义信息，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
这样，基于目标场所的三维模型中的多个位置点分别对应的位置、以及各位置点分别对应的语义信息，将多个位置点分别投影至预设平面，生成目标场所的剖面图；该目标场所的剖面图中可以携带有各位置点分别对应的语义信息，进而可以避免在剖面图生成过程中遗漏掉目标场所内任一目标对象，提高生成的剖面图的精度，从而提高后续利用剖面图对目标场所的整体布局进行规划时的精准度。
一种可选的实施方式中，所述基于多个所述位置点在所述三维模型中的位置、以及各个所述位置点分别对应的语义信息，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图，包括：基于各个所述位置点分别对应的语义信息，将所述位置点划分为至少一个分组；其中，不同分组中位置点的语义信息不同；针对每个分组，将该分组中的位置点投影至所述预设平面，形成与该分组对应的图层；将所述至少一个分组分别对应的图层进行组合，得到所述目标场所的剖面图；所述剖面图中标注有各图层分别对应的语义信息。
这样，将不同语义信息的位置点分别投影至预设平面，得到不同的图层，以便于根据需求，选择不同语义信息的图层进行组合，生成目标场所的剖面图，这里，各图层中携带有对应的语义信息，便于基于不同图层对应的语义信息，对目标场所的剖面图进行校验，从而提高了剖面图生成的准确性。
一种可选的实施方式中，所述针对每个分组，将该分组中的位置点投影至所述预设平面，形成与该分组对应的图层，包括：针对每个分组，将该分组中的位置点投影至预设平面，形成与该分组中的位置点分别对应的投影点；将所述投影点的像素值设置为与该分组对应的预设像素值，形成与该分组对应的图层；其中，不同分组对应的预设像素值不同。
这样，将不同语义信息对应图层，设置为不同的预设像素值，从而能够较为直观地展示不同颜色的图层，丰富了剖面图的展示形式。
一种可选的实施方式中，所述方法还包括：基于所述目标场所的剖面图，生成所述目标场所的数据资源实例；所述数据资源实例包括：所述剖面图、以及下述内容中至少一种：所述全景视频、标注信息、以及所述三维模型；其中，所述标注信息是对所述全景视频中的目标对象进行标注产生的。
这样，可以基于数据资源管理实例，高效、便捷地对目标场所进行整体布局的规划。另外，还可以基于数据资源管理实例，实现对目标对象的维护，从而能够减少维护时遗漏发生的概率，从而降低安全隐患的概率。
一种可选的实施方式中，所述方法还包括：展示所述目标场所中目标对象的数据资源实例；检测到对所述数据资源实例的编辑操作，对所述数据资源实例执行与所述编辑操作对应的编辑处理，得到目标数据资源实例；向数字资产平台传输所述目标数据资源实例。
这样，通过展示目标对象的数据资源实例，并根据对数据资源实例的编辑操作，对数据资源实例执行与编辑操作对应的编辑处理，得到目标数据资源实例，从而实现了对目标对象的数据资源实例进行快速编辑，减少了信息编辑花费的时间成本，提高了信息编辑的效率；另外，在编辑过程中用户可以直观看到进行编辑的数据资源实例、以及编辑后的数据资源实例，从而提高了信息编辑的正确性。
一种可选的实施方式中，所述编辑操作包括实例内容编辑操作；所述实例内容编辑操作包括下述至少一种：实例内容确认操作、实例内容补充操作、实例内容替换操作、实例内容修改操作。
一种可选的实施方式中，所述编辑操作包括：对所述剖面图的图层编辑操作；所述图层编辑操作包括下述至少一种：图层移动操作、图层调色操作、图层删除操作、图层补充操作、图层替换操作、图层确认操作。
一种可选的实施方式中，所述三维模型包括：三维点云模型，多个所述位置点包括：属于所述目标场所内的目标对象的多个点云点；或者，所述三维模型包括：三维稠密模型，多个所述位置点包括：位于所述目标场所内的目标对象表面的多个稠密点。
一种可选的实施方式中，所述目标对象包括下述至少一种：所述目标场所对应的建筑物、以及部署在所述目标场所中的设备。
一种可选的实施方式中，所述三维模型包括：三维点云模型；所述基于所述全景视频，生成所述目标场所的三维模型，包括：基于所述全景视频、以及所述图像采集设备在获取所述全景视频时的位姿，对所述目标场所进行三维点云重建，得到所述目标场所的点云数据；所述点云数据包括：属于所述目标场所内的目标对象的多个点云点、以及各个点云点分别在所述目标场所内的位置信息；对所述点云数据进行语义分割处理，得到多个所述点云点分别对应的语义信息；基于所述点云数据、和所述语义信息，生成所述三维点云模型。
这样，基于全景视频、以及图像采集设备在获取全景视频时的位姿，对目标场所进行三维点云重建，生成能够反映目标场所的真实空间结构、以及目标场所中包含的各目标对象、以及各目标对象分别对应的位姿信息的三维点云模型，为后续生成剖面图的过程提供较为精确的输入数据。
一种可选的实施方式中，所述三维模型包括：三维稠密模型；所述基于所述全景视频，生成所述目标场所的三维模型，包括：基于所述全景视频、以及所述图像采集设备在获取所述全景视频时的位姿，对所述目标场所进行三维稠密重建，得到所述目标场所的三维稠密数据；所述三维稠密数据包括：位于所述目标场所内的目标对象表面的多个稠密点、以及各个稠密点分别在所述目标场所内的位置信息；对所述三维稠密数据进行语义分割处理，得到由所述稠密点构成的多个面片分别对应的语义信息；基于所述三维稠密数据、以及多个面片分别对应的语义信息，生成所述三维稠密模型。
这样，基于全景视频、以及图像采集设备在获取全景视频时的位姿，对目标场所进行三维稠密重建，生成能够反映目标场所的真实空间结构、以及目标场所中包含的各目标对象、以及各目标对象分别对应的位姿信息的三维稠密模型，为后续生成剖面图的过程提供较为精确的输入数据。
第二方面，本公开实施例还提供一种数据处理装置，包括：获取模块，用于获取利用图像采集设备对目标场所进行图像采集得到的全景视频；第一生成模块，用于基于所述全景视频，生成所述目标场所的三维模型；所述三维模型中包括：多个位置点；第二生成模块，用于基于多个所述位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
一种可选的实施方式中，所述三维模型中包括：各个所述位置点分别对应的语义信息；所述第二生成模块，在执行所述基于多个位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场景的剖面图时，具体用于：基于多个所述位置点在所述三维模型中的位置、以及各个所述位置点分别对应的语义信息，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
一种可选的实施方式中，所述第二生成模块，在执行所述基于多个所述位置点在所述三维模型中的位置、以及各个所述位置点分别对应的语义信息，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图时，具体用于：基于各个所述位置点分别对应的语义信息，将所述位置点划分为至少一个分组；其中，不同分组中位置点的语义信息不同；针对每个分组，将该分组中的位置点投影至所述预设平面，形成与该分组对应的图层；将所述至少一个分组分别对应的图层进行组合，得到所述目标场所的剖面图；所述剖面图中标注有各图层分别对应的语义信息。
一种可选的实施方式中，所述第二生成模块，在执行所述针对每个分组，将该分组中的位置点投影至所述预设平面，形成与该分组对应的图层时，具体用于：针对每个分组，将该分组中的位置点投影至预设平面，形成与该分组中的位置点分别对应的投影点；将所述投影点的像素值设置为与该分组对应的预设像素值，形成与该分组对应的图层；其中，不同分组对应的预设像素值不同。
一种可选的实施方式中，所述第二生成模块，还用于：基于所述目标场所的剖面图，生成所述目标场所的数据资源实例；所述数据资源实例包括：所述剖面图、以及下述内容中至少一种：所述全景视频、标注信息、以及所述三维模型；其中，所述标注信息是对所述全景视频中的目标对象进行标注产生的。
一种可选的实施方式中，所述装置还包括：处理模块，用于展示所述目标场所中目标对象的数据资源实例；检测到对所述数据资源实例的编辑操作，对所述数据资源实例执行与所述编辑操作对应的编辑处理，得到目标数据资源实例；向数字资产平台传输所述目标数据资源实例。
一种可选的实施方式中，所述编辑操作包括实例内容编辑操作；所述实例内容编辑操作包括下述至少一种：实例内容确认操作、实例内容补充操作、实例内容替换操作、实例内容修改操作。
一种可选的实施方式中，所述编辑操作包括：对所述剖面图的图层编辑操作；所述图层编辑操作包括下述至少一种：图层移动操作、图层调色操作、图层删除操作、图层补充操作、图层替换操作、图层确认操作。
一种可选的实施方式中，所述三维模型包括：三维点云模型，多个所述位置点包括：属于所述目标场所内的目标对象的多个点云点；或者，所述三维模型包括：三维稠密模型，多个所述位置点包括：位于所述目标场所内的目标对象表面的多个稠密点。
一种可选的实施方式中，所述目标对象包括下述至少一种：所述目标场所对应的建筑物、以及部署在所述目标场所中的设备。
一种可选的实施方式中，所述三维模型包括：三维点云模型；所述第一生成模块，在执行所述基于所述全景视频，生成所述目标场所的三维模型时，具体用于：基于所述全景视频、以及所述图像采集设备在获取所述全景视频时的位姿，对所述目标场所进行三维点云重建，得到所述目标场所的点云数据；所述点云数据包括：属于所述目标场所内的目标对象的多个点云点、以及各个点云点分别在所述目标场所内的位置信息；对所述点云数据进行语义分割处理，得到多个所述点云点分别对应的语义信息；基于所述点云数据、和所述语义信息，生成所述三维点云模型。
一种可选的实施方式中，所述三维模型包括：三维稠密模型；所述第一生成模块，在执行所述基于所述全景视频，生成所述目标场所的三维模型时，具体用于：基于所述全景视频、以及所述图像采集设备在获取所述全景视频时的位姿，对所述目标场所进行三维稠密重建，得到所述目标场所的三维稠密数据；所述三维稠密数据包括：位于所述目标场所内的目标对象表面的多个稠密点、以及各个稠密点分别在所述目标场所内的位置信息；对所述三维稠密数据进行语义分割处理，得到由所述稠密点构成的多个面片分别对应的语义信息；基于所述三维稠密数据、以及多个面片分别对应的语义信息，生成所述三维稠密模型。
第三方面，本公开可选实现方式还提供一种计算机设备，处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
第四方面，本公开可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
关于上述数据处理装置、计算机设备、及计算机可读存储介质的效果描述参见上述数据处理方法的说明，这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本公开实施例所提供的一种数据处理方法的流程图；
图2示出了本公开实施例所提供的数据处理方法中，一种生成三维稠密模型的具体方式的流程图；
图3a示出了本公开实施例所提供的数据处理方法中，目标对象的一种剖面图的示意图；
图3b示出了本公开实施例所提供的数据处理方法中，目标对象的另一种剖面图的示意图；
图4示出了本公开实施例所提供的数据处理方法中，一种目标对象的数据资源实例的展示界面的示意图；
图5示出了本公开实施例所提供的一种数据处理装置的示意图；
图6示出了本公开实施例所提供的一种计算机设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
经研究发现，当前一般通过人工手动绘制的方式，得到目标场所的布局图像；当目标场所中包含的设备数量较多时，采用人工手绘方式得到布局图像时，可能会存在设备的遗漏，造成生成的布局图像存在较大误差，导致后续利用布局图像对目标场所的整体布局进行规划时出现偏差。
此外，人工手绘布局图像的方式效率较低，且仅能得到固定视角下的布局图像，在需要多种视角下布局图像的场景下，当前手绘布局图像的方式无法满足应用需求。
基于上述研究，本公开提供了一种数据处理方法、装置、计算机设备及存储介质，通过构建目标场景的三维模型，并基于目标场所的三维模型中的多个位置点分别对应的位置，将多个位置点分别投影至预设平面，生成目标场所的剖面图，能够避免在剖面图生成过程中遗漏掉目标场所内任一目标对象，提高生成的剖面图的精度，从而提高后续利用剖面图对目标场所的整体布局进行规划时的精准度。
此外，本公开实施例自动生成剖面图，效率更高，且由于预设平面可以是目标场所内任一角度、任一位置的截面，因此可以生成目标场所对应的任一视角下的剖面图。
另外，通过展示目标对象的数据资源实例，并根据对数据资源实例的编辑操作，对数据资源实例执行与编辑操作对应的编辑处理，得到目标数据资源实例，从而实现了对目标对象的数据资源实例进行快速编辑，减少了信息编辑花费的时间成本，提高了信息编辑的效率；除此之外，在编辑过程中用户可以直观看到进行编辑的数据资源实例、以及编辑后的数据资源实例，从而提高了信息编辑的正确性。
以上方案所存在的缺陷以及提出的解决方案，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种数据处理方法进行详细介绍，本公开实施例所提供的数据处理方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该数据处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
下面对本公开实施例提供的数据处理方法加以说明。
参见图1所示，为本公开实施例提供的一种数据处理方法的流程图，所述方法包括步骤S101～S103，其中：
S101、获取利用图像采集设备对目标场所进行图像采集得到的全景视频。
其中，图像采集设备例如可以包括但不限于摄像头、摄像机、相机、全景相机中的至少一种。具体地，由于全景相机在对目标场所进行拍摄时可以获得全景图像，因此全景相机更适用于如机房(或者站点)等空间较大的目标场所进行全方位的拍摄。示例性的，目标场所例如可以包括占地面积较大的机房，例如占地20平方米、30平方米、或者50平方米的机房。在以机房作为目标场所的情况下，可以利用图像采集设备对其中的场景进行拍摄。
在一种可能的情况下，进行数据采集的目标场所可以包括多个区域，例如在一个大的目标场所内可以包括有多个机房。另外，在目标场所中还包括至少一个目标对象，目标对象例如可以包括但不限于：目标场所对应的建筑物、以及部署在目标场所中的设备；比如，目标场所包括机房的情况下，目标场所对应的建筑物例如可以包括但不限于：机房天花板、机房地面、机房墙壁、机房柱子等中的至少一种；部署在目标场所中的设备例如可以包括但不限于：在机房天面上安装的杆塔和户外机柜、以及与杆塔连接的走线架、以及安装在机房内的室内机柜等中的至少一种。
具体地，在控制全景相机对目标场所进行全景图像采集时，可以通过控制搭载有全景相机的机器人在目标场所中行走，以获取目标场所对应的全景视频；或者，也可以通过查勘人员等工作人员持全景相机对目标场所进行全景图像采集，以获取目标场所对应的全景视频。
其中，由于全景相机进行图像采集得到的全景图像在进行数据处理时，例如会用于三维场景模型重建，因此需要确定全景相机在目标场所中的位姿。在该种情况下，例如还可以在利用全景相机对目标场所进行全景图像采集前，对全景相机的陀螺仪进行校准，以确定全景相机在目标场所中的位姿；示例性的，例如可以调整全景相机的光轴与目标场所的地面平行。
在对全景相机的陀螺仪进行校准后，可以通过选择全景相机的视频模式进行图像采集，并得到目标场所对应的全景视频。
承接上述S101，本公开实施例提供的数据处理方法还包括：
S102、基于所述全景视频，生成所述目标场所的三维模型；所述三维模型中包括：多个位置点。
其中，三维模型例如可以包括：三维点云模型、以及三维稠密模型中的至少一种。示例性的，在三维模型包括三维点云模型的情况下，三维模型中的多个位置点包括：属于目标场所内的目标对象的多个点云点；在三维模型包括三维稠密模型的情况下，三维模型中的多个位置点包括：位于目标场所内容的目标对象表面的多个稠密点。
在具体实施中，可以通过但不限于下述A1～A2中的至少一种，基于全景视频，生成目标场所的三维模型：
A1、在三维模型包括：三维点云模型的情况下，可以基于全景视频、以及图像采集设备在获取全景视频时的位姿，对目标场所进行三维点云重建，得到目标场所的点云数据；对点云数据进行语义分割处理，得到多个点云点分别对应的语义信息；基于点云数据、和语义信息，生成三维点云模型。
其中，点云数据包括：属于目标场所内的目标对象的多个点云点、以及各个点云点分别在目标场所内的位置信息。
A2、在三维模型包括：三维稠密模型的情况下，可以基于全景视频、以及图像采集设备在获取全景视频时的位姿，对目标对象进行三维稠密重建，得到目标对象的三维稠密数据；对三维稠密数据进行语义分割处理，得到由稠密点构成的多个面片分别对应的语义信息；基于三维稠密数据、以及多个面片分别对应的语义信息，生成三维稠密模型。
其中，三维稠密数据包括位于目标场所内目标对象表面的多个稠密点、以各个稠密点分别对应在目标场所内的位置信息；这里，任一面片是由至少三个具有连接关系的稠密点构成，本公开实施例提供的面片例如可以包括但不限于三角形面片或四边形面片中的至少一种，此处不做具体限制。
示例性的，在基于全景视频，生成目标场所的三维模型时，可以采用但不限于下述B1～B2中的至少一种方式：
B1、图像采集设备仅承担图像采集的任务，并依赖于网络连接将采集得到的全景视频、以及在采集全景视频时全景相机的位姿传输至数据处理设备，以使数据处理设备建立目标场所对应的三维稠密模型。
其中，可以依赖的网络连接例如可以包括但不限于光纤以太网适配器FiberEthernet Adapter、移动通信技术(例如第四代移动通信技术(4G)、或者第五代移动通信技术(5G))、以及无线保真通信(Wireless Fidelity，WiFi)；数据处理设备例如可以包括但不限于上述说明的计算机设备。
数据处理设备对全景视频进行处理时，例如可以根据全景视频、以及图像采集设备在采集全景视频时的位姿(即图像采集设备在目标场所中的位姿)，对目标场所进行三维重建，得到目标场所的三维数据；基于三维数据，生成三维模型。
示例性的，数据处理设备可以根据视频、以及图像采集设备在采集视频时的位姿(即图像采集设备在目标场所中的位姿)，对目标场所进行三维点云重建，得到目标场所的点云数据；利用卷积神经网络(ConvolutionalNeuralNetworks，CNN)以及深度自注意力变换网络Transformer等中的至少一种，对点云数据进行语义分割处理，得到多个点云点分别对应的语义信息；基于点云数据、以及语义信息，生成三维点云模型；还可以根据视频、以及图像采集设备在采集视频时的位姿，对目标场所进行三维稠密重建，得到目标场所的三维稠密数据；利用CNN、以及深度自注意力变换网络等中的至少一种，对三维稠密数据进行语义分割处理，得到由稠密点构成的多个面片分别对应的语义信息；基于三维稠密数据、以及各个面片对应语义信息，生成三维稠密模型。
在获取图像采集设备采集全景视频时的位姿时，例如可以获取图像采集设备在采集全景视频时惯性测量单元(Inertial Measurement Unit，IMU)的相关数据。示例性的，在图像采集设备的惯性测量单元IMU中，例如可以包含有三个单轴的加速度计和三个单轴的陀螺仪，加速度计可以检测图像采集设备在目标场所中采集全景视频时的加速度，陀螺仪可以检测图像采集设备在目标场所中采集全景视频时的角速度。这样，通过对图像采集设备中惯性测量单元IMU的相关数据进行采集，可以准确地确定图像采集设备采集全景视频时的位姿。
在基于全景视频，生成目标场所的三维稠密模型时，例如可以采用同步定位与建图(Simultaneous Localization And Mapping，SLAM)和实时稠密重建中至少一种算法。
示例性的，在图像采集设备采集全景视频时，可以在图像采集设备逐渐移动采集到全景视频时，逐渐生成覆盖目标场所的三维稠密模型；又或者，在图像采集设备结束对全景视频的采集后，利用得到的完整的全景视频生成目标场所对应的三维稠密模型。
在本公开另一实施例中，还提供了一种采用SLAM算法和实时稠密重建算法为目标场所生成三维稠密模型的具体实施例。其中，全景相机选取扫描仪上前后位置设置的两个鱼眼相机；鱼眼相机在扫描仪上以预设位姿安置，以获取完整的目标场所对应的全景视频。
参见图2所示，为本公开实施例提供的一种生成三维稠密模型的具体方式的流程图，其中：
S201、数据处理设备获取扫描仪前后两个鱼眼相机实时采集时间同步的两个全景视频。
其中，两个全景视频中分别包括多帧视频帧图像。由于两个鱼眼相机实时采集时间同步的两个全景视频，因此两个全景视频中分别包括的多帧视频帧图像的时间戳分别对应。
另外，还可以根据两个鱼眼相机的具体器械参数确定时间戳的精度、以及在采集全景视频中的视频帧图像时采集频率。例如，设置采集视频帧图像时的时间戳精确到纳秒；采集全景视频中的视频帧图像时采集频率不低于30赫兹(Hz)。
S202、数据处理设备采集两个鱼眼相机在分别获取全景视频时的惯性测量单元IMU的相关数据。
以两个鱼眼相机中的任一个为例，在其采集全景视频中的视频帧图像时，可以相应的观测获取相邻两帧视频帧之间的惯性测量单元IMU的相关数据、以及获取该相关数据时的时间戳。具体地，还可以为鱼眼相机确定对应的扫描仪坐标系(该扫描仪坐标系例如可以由X轴、Y轴、以及Z轴构成)，以确定惯性测量单元IMU在扫描仪坐标系上的相关数据，例如在扫描仪坐标系的X轴、Y轴、以及Z轴下的加速度以及角速度。
另外，还可以根据两个鱼眼相机的具体器械参数，确定获取惯性测量单元IMU的相关数据时的时间戳。示例性的，可以确定获取惯性测量单元IMU的相关数据的观测频率不低于400Hz。
S203、数据处理设备基于惯性测量单元IMU的相关数据，确定在世界坐标系下两个鱼眼相机的位姿。
具体地，由于可以确定扫描仪坐标系以及世界坐标系之间的坐标系转换关系，因此在获取到惯性测量单元IMU的相关数据后，可以根据该坐标系转换关系，确定在世界坐标系下两个鱼眼相机的位姿，例如可以表示为6自由度(6-Degree Of Freedom，6DOF)位姿，具体的根据扫描仪坐标系以及世界坐标系之间的坐标系转换关系，确定在世界坐标系下的两个鱼眼相机的位姿采用的是现有的坐标系转换方法，在此不再赘述。
针对上述S201～S203，在采用SLAM算法时，由于全景视频中的视频帧图像均为全景图像，因此利用图像处理、提取关键点、追踪关键点、建立关键点之间的关联关系的处理步骤，可以精确地求解出图像采集设备的6DOF位姿，也即实现了实时对图像采集设备的6DOF位姿采集计算；并且，也可以得到目标场所中稠密点云点的坐标。
其中，在对全景视频中的视频帧图像进行处理时，还可以在全景视频中的对应的多帧视频帧图像中确定关键帧图像，以在保证SLAM算法具有足够数量的处理数据的同时，减少计算量，提高效率。
具体的，从全景视频中确定关键帧图像的方式例如可以采用但不限于下述C1～C4中的至少一种方式：
C1、数据处理设备利用隔帧抽样法，从全景视频中抽取至少一帧视频帧图像作为关键帧图像。
C2、数据处理设备采用预设时间抽取预设数量的视频帧图像的频率，从全景视频中抽取至少一帧视频帧图像作为关键帧图像。
其中，预设时间抽取预设数量的视频帧图像例如可以包括但不限于：每秒两帧。
C3、数据处理设备采用图像处理算法、图像分析算法、自然语言处理(NaturalLanguage Processing，NLP)等技术，对全景视频中各帧视频帧图像的内容进行识别，确定各帧视频帧图像对应的语义信息，基于各帧视频帧图像对应的语义信息，提取至少包含目标场所中的目标对象的视频帧图像，作为关键帧图像。
C4、数据处理设备响应于对全景视频中视频帧图像的选择，确定全景视频中的关键帧图像。
在具体实施中，可以将目标场所的全景视频展示给用户，并在展示全景视频时，响应于用户对其中的部分视频帧的选定操作，将选定的该部分视频帧作为全景视频中的关键帧图像。
示例性的，在向用户展示全景视频时，例如可以向用户显示选定关键帧图像的提示信息。具体地，例如可以响应于用户的长按、双击等具体操作对全景视频中的视频帧图像进行选定，并将选定的视频帧图像作为关键帧图像。另外，还可以展示提示信息，例如展示包含文字“请长按以选定该帧视频帧图像”，并在接收到用户对全景视频中的任一帧视频帧图像进行长按操作的情况下，将该帧视频帧图像作为关键帧图像。
在一种可能的情况下，若存在各个设备在目标场所中的分布不集中的情况，则在全景视频中可能出现连续的多帧视频帧图像中不存在设备，而是集中的出现在其他帧视频帧图像中，因此采用人工选定视频帧图像的方式可以避免将不存在设备的视频帧图像作为关键帧图像的情况出现，从而使得基于关键帧图像，生成的目标场所对应的三维模型，能够更加准确地反映目标场所的真实场景。在另一种可能的情况下，若存在视频帧图像中的部分视频帧图像不清晰或数据损坏的情况，采用人工选定视频帧图像的方式同样可以避免将该种视频帧图像作为关键帧图像的情况出现。
在确定全景视频中的关键帧图像后，可以在SLAM算法后台存储关键帧图像地图，以便在控制图像采集设备重新返回已采集位置后，可以将该位置下的两帧视频帧图像进行对比，以对图像采集设备进行回环检测，从而修正图像采集设备在长时间、长距离作业下的定位累计误差。
S204、数据处理设备将鱼眼相机分别获取得到的全景视频中的关键帧图像、以及鱼眼相机的位姿作为实时稠密重建算法的输入数据进行处理。
示例性的，对于任一鱼眼相机获取的全景视频，在利用上述S201～S203确定全景视频中的新的关键帧图像后，将当前得到的所有关键帧图像、以及新的关键帧图像对应的鱼眼相机的位姿作为实时稠密重建算法的输入数据。
其中，由于在得到新的关键帧图像之前，针对已传输过的关键帧图像，已在将其作为实时稠密重建算法的输入数据时，将其对应的鱼眼相机的位姿作为输入数据输入至实时稠密重建算法，因此在输入新的关键帧图像时，可以不再重复输入。
S205、数据处理设备利用实时稠密重建算法对输入数据进行处理，得到目标场所对应的三维稠密模型。
示例性的，得到的三维稠密模型例如可以包括但不限于：以预设颜色示出的位于目标场所内的目标对象表面的多个稠密点云、以及由多个稠密点云构成的面片对应的语义信息。在生成该三维稠密模型时，稠密点云例如可以但不限于随着采集全景视频的过程不断扩大更新。其中，更新频次例如可以根据在输入实时稠密重建算法时，关键帧图像、以及鱼眼相机的位姿的输入频率确定。
针对上述S204～S205，在采用实时稠密重建算法时，可以利用稠密立体匹配技术，估计关键帧图像在目标场所中对应的稠密深度图，并利用对应的鱼眼相机的位姿将该稠密深度图融合成三维稠密模型，从而在对目标场所采集完毕后获取场景三维模型。
其中，稠密深度图也称为距离图像，与灰度图像中的像素点存储亮度值不同，其像素点存储的是该点到图像采集设备之间的距离，即深度值；由于深度值的大小只与距离有关，而与环境、光线、方向等因素无关，因此，稠密深度图能够真实准确的体现场景的几何深度信息，这样可以基于稠密深度图生成能够体现目标场所的真实场景的三维稠密模型；此外，考虑到设备分辨率的限制，可以对稠密深度图进行去噪或修复等图像增强处理，以为三维重建提供高质量的稠密深度图像。
在一种可能的情况下，对于已经过处理的关键帧图像，利用该关键帧图像对应的图像采集设备的位姿、以及与其相邻的新的关键帧图像对应的图像采集设备的位姿，可以确定图像采集设备在对目标场所进行采集时的位姿是否由有调整。若位姿并未出现调整，则继续对目标场所进行实时三维稠密重建，以得到三维稠密模型；若位姿出现调整，则根据位姿的调整对稠密深度图进行相应的调整，以基于调整后的稠密深度图，对目标场所进行实时三维稠密重建，从而得到准确的三维稠密模型。
B2、图像采集设备具有可以对全景视频进行数据处理的算力，并在采集得到全景视频后，即利用自身算力对全景视频进行数据处理，以得到目标场所对应的三维稠密模型。
此处，图像采集设备基于全景视频，生成目标场所的三维稠密模型的具体方式，可以参照上述B1的描述，重复之处不再赘述。
承接上述S102，本公开实施例提供的数据处理方法还包括：
S103、基于多个所述位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
其中，预设平面例如可以包括但不限于：天花板、地面、目标场所中任一位置、任一角度的截面等中的至少一种。
示例性的，可以采用但不限于下述C1～C3中的至少一种，将目标场景的三维模型中包含的多个位置点分别投影至预设平面，得到目标场所的剖面图：
C1、在预设平面中包含的各点的横纵坐标不同、深度值相同的情况下，则基于目标场景的三维模型中包含的多个位置点分别对应的位置信息，将各位置点的深度值设置为预设平面对应的深度值，实现将目标场景的三维模型中包含的多个位置点分别投影至预设平面，即基于目标场所的主视图或后视图，得到目标场所的剖面图。
C2、在预设平面中包含的各点的横坐标不同、深度值不同、纵坐标相同的情况下，则基于目标场景的三维模型中包含的多个位置点分别对应的位置信息，将各位置点的纵坐标值设置为预设平面对应的纵坐标值，实现将目标场景的三维模型中包含的多个位置点分别投影至预设平面，即基于目标场所的俯视图或仰视图，得到目标场所的剖面图。
C3、在预设平面中包含的各点的深度值不同、纵坐标不同、横坐标相同的情况下，则基于目标场景的三维模型中包含的多个位置点分别对应的位置信息，将各位置点的横坐标值设置为预设平面对应的横坐标值，实现将目标场景的三维模型中包含的多个位置点分别投影至预设平面，即基于目标场所的左侧视图或右侧视图，得到目标场所的剖面图。
除此之外，在预设平面包括目标场所中任一位置、任一角度的截面的情况下，可以将目标场景的三维模型中包含的多个位置点分别投影至该截面，得到目标场所的剖面图。
在具体实施中，在目标场所的三维模型中包括：各个位置点分别对应的语义信息的情况下，可以基于多个位置点在三维模型中的位置、以及各个位置点分别对应的语义信息，将多个位置点分别投影至预设平面，得到目标场所的剖面图。
具体的，可以基于各个位置点分别对应的语义信息，将位置点划分为至少一个分组；针对每个分组，将该分组的位置点投影至预设平面，形成与该分组对应的图层；将至少一个分组分别对应的图层进行组合，得到目标场所的剖面图。
其中，不同分组中的位置点的语义信息不同；剖面图中标注有各图层分别对应的语义信息。
示例性的，可以采用但不限于下述D1～D3中的至少一种，将各分组下的位置点投影至预设平面：
D1、在预设平面中包含的各点的横纵坐标不同、深度值相同的情况下，则基于各分组下的位置点分别对应的位置信息，将各分组下的位置点的深度值设置为预设平面对应的深度值，实现将各分组下的位置点投影至预设平面，即基于目标场所下各目标对象的主视图或后视图，得到目标场所的剖面图。
D2、在预设平面中包含的各点的横坐标不同、深度值不同、纵坐标相同的情况下，则基于各分组下的位置点分别对应的位置信息，将各分组下的位置点的纵坐标值设置为预设平面对应的纵坐标值，实现将各分组下的位置点投影至预设平面，即基于目标场所下各目标对象的俯视图或仰视图，得到目标场所的剖面图。
D3、在预设平面中包含的各点的深度值不同、纵坐标不同、横坐标相同的情况下，则基于各分组下的位置点分别对应的位置信息，将各分组下的位置点的横坐标值设置为预设平面对应的横坐标值，实现将各分组下的位置点投影至预设平面，即基于目标场所下各目标对象的左侧视图或右侧视图，得到目标场所的剖面图。
除此之外，在预设平面包括目标场所中任一位置、任一角度的截面的情况下，可以将各分组下的位置点投影分别至该截面，得到该分组对应的图层；将各分组对应的图层进行组合，得到目标场所的剖面图。
示例性的，若目标场所包括机房，目标场所中包含的各个位置点分别对应的语义信息包括：机柜、机房墙体、机房地面、机房天花板；则可以基于各个位置点分别对应的语义信息，将具有相同语义信息的位置点划分为一个分组，即将语义信息为机柜的多个位置点划分为一个分组、语义信息为机房墙体的多个位置点划分为一个分组、语义信息为机房地面的多个位置点划分为一个分组、语义信息为机房天花板的多个位置点划分为一个分组；针对每个分组，基于该分组下包含的各位置点分别对应的位置信息，将该分组下的各位置点分别投影至预设平面，形成与该分组对应的图层，即生成机柜、机房墙体、机房地面、机房天花板分别对应的图层；响应于针对机柜、机房墙体图层的选择操作，则将机柜图层、以及机房墙体图层进行组合，得到目标场所的剖面图；具体的机房对应的剖面图可以如图3a所示，图3a中将机房的俯视图作为剖面图；此外，具体的机房对应的剖面图还可以如图3b所示，图3b中将机房的仰视图作为剖面图。
在具体实施中，为了便于区分不同语义信息的目标对象所在的图层，则可以将不同语义信息的位置点分别对应的投影点设置不同的颜色，以便于区分目标场所的剖面图中不同的目标对象，因此可以通过下述方法形成不同分组对应的图层：针对每个分组，将该分组中的位置点投影至预设平面，形成与该分组中的位置点分别对应的投影点；将投影点的像素值设置为与该分组对应的预设像素值，形成与该分组对应的图层；其中，不同分组对应的预设像素值不同。
其中，不同分组分别对应的预设像素值可以根据实际需求设定，此处不做具体限制。
示例性的，若语义信息为机柜的分组对应的预设像素值为100、语义信息为机房墙体的分组对应的预设像素值为150、语义信息为机房地面的分组对应的预设像素值为180、语义信息为机房天花板的分组对应的预设像素值为200，则在基于各个位置点分别对应的语义信息，确定各位置点所在的分组后，可以采用但不限于上述D1～D3中的至少一种具体的实施方式，将各分组中的位置点投影至预设平面，形成与各分组中的位置点分别对应的投影点；将机柜投影点的像素值设置为与机柜分组对应的预设像素值100，形成机柜对应的图层；将机房墙体投影点的像素值设置为与机房墙体分组对应的预设像素值150，形成机房墙体对应的图层；将机房地面投影点的像素值设置为与机房地面分组对应的预设像素值180，形成机房地面对应的图层；将机房天花板投影点的像素值设置为与机房天花板分组对应的预设像素值200，形成机房天花板对应的图层。
在具体实施中，在基于上述S101～S103所示的具体实施方式，生成目标场所的剖面图后，可以基于目标场所的剖面图，生成目标场所的数据资源实例。
其中，数据资源实例为用来描述目标场所所创建的实例，该数据资源实例中包含的信息与目标场所中各目标对象在现实场景中包含的信息完全一致，该数据资源实例中可以包括目标场所的剖面图、以及目标场所对应的全景视频、以及目标场所对应的标注信息、以及目标场所对应的三维模型中的至少一种；这里，标注信息是对全景视频中的目标对象进行标注产生的，例如可以包括但不限于目标对象的名称、身份识别码、所属站点标识、类型、型号、建立时间、维修情况、使用说明等信息中的至少一种；其中，身份识别码用于表征目标对象的唯一标识，可以包括但不限于符号、编码、图形码中的至少一种；该图形码可以包括但不限于条形码和二维码中的至少一种；维修情况例如可以包括但不限于维修次数、维修内容等。
在具体实施中，在基于目标场所的剖面图，生成目标场所的数据资源实例后，可以展示目标场所中目标对象的数据资源实例；检测到对数据资源实例的编辑操作，对数据资源实例执行与编辑操作对应的编辑处理，得到目标数据资源实例；向数字资产平台传输目标数据资源实例。
其中，生成数据资源实例的第一主体和展示数据资源实例的第二主体可以是同一主体，也可以是不同主体；示例性的，在第一主体和第二主体为同一主体的情况下，其可以为同一台计算机设备；在第一主体和第二主体并非同一主体的情况下，两者可以为不同的计算机设备。
示例性的，若目标场所包括机房，目标场所中的目标对象包括机柜，具体的展示有机柜的数据资源实例的展示界面可以如图4所示，该展示界面中包括机柜的三维模型、机柜的标注信息。
在一种可能的实施方式中，编辑操作包括实例内容编辑操作；这里，实例内容编辑操作可以包括但不限于下述至少一种：实例内容确认操作、实例内容补充操作、实例内容替换操作、实例内容修改操作中的至少一种；其中，实例内容可以包括但不限于数据资源实例中的标注信息、以及模型中的至少一种，模型包括三维模型、矢量化模型等中的至少一种，下述不再赘述。
具体的，可以采用但不限于下述E1～E4中的至少一种可能的实施方式，对数据资源实例执行与编辑操作对应的编辑处理，得到目标数据资源实例：
E1、在实例内容编辑操作包括实例内容确认操作的情况下，响应对数据资源实例的实例内容确认操作，对数据资源实例执行实例内容确认处理，得到目标数据资源实例。
示例性的，将目标对象的数据资源实例中的模型、以及标注信息展示给用户，以使用户对目标对象的数据资源实例中的模型、以及标注信息进行审核，在接收到实例内容确认操作后，响应实例内容确认操作，将目标对象的数据资源实例中的模型，作为目标对象的目标数据资源实例中的模型；并将目标对象的数据资源实例中的标注信息，作为目标对象的目标数据资源实例中的标注信息。
E2、在实例内容编辑操作包括实例内容补充操作的情况下，响应对组件库中任一组件的选择操作，将与该任一组件对应的实例内容添加至数据资源实例中，得到目标数据资源实例。
其中，组件可以包括但不限于属性组件和/或模型组件，该属性组件中可以包含但不限于至少一个预先标注好的标注信息，下述不再赘述。
示例性的，将目标对象的数据资源实例中的模型、以及标注信息展示给用户，以使用户对目标对象的数据资源实例中的模型、以及标注信息进行审核；在接收到实例内容补充操作后，响应实例内容补充操作，展示组件库中包含的至少一个模型组件和/或至少一个属性组件；响应用户针对任一模型组件和/或属性组件选择操作，将该模型组件和/或属性组件对应的实例内容作为待添加实例内容，添加到目标对象的数据资源实例中，以将目标对象的数据资源实例中的模型、以及该模型组件对应的模型，作为目标对象的目标数据资源实例中模型；和/或将目标对象的数据资源实例中的标注信息、以及该属性组件对应的标注信息，作为目标对象的目标数据资源实例中的标注信息。
E3、在实例内容编辑操作包括实例内容替换操作的情况下，从数据资源实例中删除当前待替换的实例内容；以及响应于对组件库中任一组件的选择操作，将与该任一组件对应的实例内容添加至数据资源实例中，得到目标数据资源实例。
示例性的，确定数据资源实例中是否存在需要替换的实例内容；在确定数据资源实例中存在需要替换的模型和/或标注信息后，将该需要替换的模型和/或标注信息从数据资源实例中删除；并响应用户在组件库中对任一模型组件和/或属性组件的选择操作，将该模型组件和/或属性组件对应的实例内容添加至数据资源实例中，以将目标对象的数据资源实例中除删除的模型外的其他模型、以及该模型组件对应的模型，作为目标对象的目标数据资源实例中模型；和/或将目标对象的数据资源实例中的除删除的标注信息外的其他标注信息、以及该属性组件对应的标注信息，作为目标对象的目标数据资源实例中的标注信息。
在一种可选的实施方式中，将目标对象的数据资源实例中的模型、以及标注信息展示给用户，以使用户对目标对象的数据资源实例中的模型、以及标注信息进行审核；在接收到用户针对存在错误的模型和/或存在错误的标注信息的删除操作后，响应该删除操作，并将错误的模型和/或标注信息从数据资源实例中删除；然后，将组件库展示给用户，响应用户针对组件库中任一模型组件和/或属性组件的选择操作，将该模型组件和/或属性组件对应的实例内容添加至数据资源实例中，以将目标对象的数据资源实例中除删除的模型外的其他模型、以及该模型组件对应的模型，作为目标对象的目标数据资源实例中模型；和/或将目标对象的数据资源实例中的除删除的标注信息外的其他标注信息、以及该属性组件对应的标注信息，作为目标对象的目标数据资源实例中的标注信息。
E4、在实例内容编辑操作包括实例内容修改操作的情况下，响应数据资源实例中存在信息错误的模型的选择操作，展示与该模型对应的标注信息；响应针对于该模型对应的标注信息的修改操作，生成与该模型对应的新的标注信息；基于与该模型对应的新的标注信息，生成目标数据资源实例。
示例性的，将目标对象的数据资源实例中的模型、以及标注信息展示给用户，以使用户对目标对象的数据资源实例中的模型、以及标注信息进行审核；在接收到用户针对存在信息错误的模型的选择操作后，响应存在错误信息的模型的选择操作，在图形用户界面上展示该模型对应的标注信息；在接收到用户在该图形用户界面中输入的修改后的标注信息，将该修改后的标注信息作为该模型对应的新的标注信息；基于该新的标注信息，生成目标对象的目标数据资源实例，即将该新的标注信息、以及数据资源实例中包含的其他确认无误的标注信息，作为目标对象的目标数据资源实例的标注信息；将数据资源实例中包含的确认无误的模型，作为目标对象的目标数据资源实例的模型。
在另一种可能的实施方式中，编辑操作还可以包括对剖面图的图层编辑操作；其中，图层编辑操作包括但不限于下述至少一种：图层移动操作、图层调色操作、图层删除操作、图层补充操作、图层替换操作、图层确认操作。
具体的，可以采用但不限于下述F1～F6中的至少一种可能的实施方式，对数据资源实例执行与编辑操作对应的编辑处理，得到目标数据资源实例：
F1、在图层编辑操作包括图层移动操作的情况下，响应对目标对象对应的图层的移动操作，确定经过移动处理后的目标对象对应的图层；基于移动处理后的目标对象的图层，生成目标数据资源实例。
F2、在图层编辑操作包括图层调色操作的情况下，响应针对目标对象对应的图层的调色操作，确定经过调色处理后的目标对象对应的图层；基于调色处理后的目标对象的图层，生成目标数据资源实例。
F3、在图层编辑操作包括图层删除操作的情况下，响应针对目标对象对应的图层的删除操作，将除删除的目标对象的图层外的数据资源实例，作为目标数据资源实例。
在一种可能的实施方式中，还可以确定目标对象中的已删除部件；并在目标对象对应的图层中，确定已删除部件对应的部分图层；响应已删除部件对应的部分图层的删除操作，将目标对象对应的图层中除已删除部件对应的部分图层外的图层，作为目标对象当前对应的图层；并基于目标对象当前对应的图层，生成目标数据资源实例。
F4、在图层编辑操作包括图层补充操作的情况下，确定目标对象中新增部件；获取对目标对象的新增部件进行图像采集得到的视频；基于该视频、以及采集视频时图像采集设备的位姿，确定该新增部件对应的多个位置点、以及各位置点分别对应的位置信息；基于目标对象对应的图层，确定生成目标对象对应的图层时所用的预设平面；将该新增部件对应的多个位置点投影到预设平面，形成与各位置点分别对应的投影点；基于各位置点分别对应的投影点，生成新增部件对应的目标图层；基于新增部件对应的目标图层、以及目标对象对应的数据资源实例，生成目标数据资源实例，也即将新增部件对应的目标图层、以及数据资源实例中包含的目标对象对应的图层，作为目标数据资源实例中目标对象对应的图层；将数据资源实例中的模型，作为目标数据资源实例中目标对象对应的模型；将数据资源实例中的标注信息，作为目标数据资源实例中目标对象对应的标注信息。
在一种可能的实施方式中，在生成新增部件的各位置点分别对应的投影点之后，还可以基于目标对象的图层中各投影点分别对应的像素值，设置新增部件的各位置点分别对应的投影点的像素值。
F5、在图层编辑操作包括图层替换操作的情况下，确定目标对象中已替换部件；获取对目标对象的已替换部件进行图像采集得到的视频；基于该视频、以及采集视频时图像采集设备的位姿，确定该已替换部件对应的多个位置点、以及各位置点分别对应的位置信息；基于目标对象对应的图层，确定生成目标对象对应的图层时所用的预设平面；将该已替换部件对应的多个位置点投影到预设平面，形成与各位置点分别对应的投影点；基于各位置点分别对应的投影点，生成已替换部件对应的目标图层；在目标对象对应的图层中，确定已替换部件所替换的部件对应的图层；将已替换部件所替换的部件对应的图层删除，并基于已替换部件对应的目标图层、以及目标对象对应的数据资源实例，生成目标数据资源实例，也即将已替换部件对应的目标图层、以及数据资源实例中除已替换部件所替换的部件对应的图层外的图层，作为目标数据资源实例中目标对象对应的图层；将数据资源实例中的模型，作为目标数据资源实例中目标对象对应的模型；将数据资源实例中的标注信息，作为目标数据资源实例中目标对象对应的标注信息。
在一种可能的实施方式中，在生成已替换部件的各位置点分别对应的投影点之后，还可以基于目标对象的图层中各投影点分别对应的像素值，设置已替换部件的各位置点分别对应的投影点的像素值。
F6、在图层编辑操作包括图层确认操作的情况下，响应对目标对象对应的图层的确认操作，对数据资源实例进行图层确认处理，得到目标数据资源实例。
示例性的，将目标对象的数据资源实例中的模型、以及标注信息、以及图层展示给用户，以使用户对目标对象的数据资源实例中的模型、以及标注信息、以及图层进行审核，在接收到图层确认操作后，响应图层确认操作，将目标对象的数据资源实例中的图层，作为目标对象的目标数据资源实例中的图层。
本公开实施例中，通过构建目标场景的三维模型，并基于目标场所的三维模型中的多个位置点分别对应的位置，将多个位置点分别投影至预设平面，生成目标场所的剖面图，能够避免在剖面图生成过程中遗漏掉目标场所内任一目标对象，提高生成的剖面图的精度，从而提高后续利用剖面图对目标场所的整体布局进行规划时的精准度。
此外，本公开实施例自动生成剖面图，效率更高，且由于预设平面可以是目标场所内任一角度、任一位置的截面，因此可以生成目标场所对应的任一视角下的剖面图。
另外，通过展示目标对象的数据资源实例，并根据对数据资源实例的编辑操作，对数据资源实例执行与编辑操作对应的编辑处理，得到目标数据资源实例，从而实现了对目标对象的数据资源实例进行快速编辑，减少了信息编辑花费的时间成本，提高了信息编辑的效率；另外，在编辑过程中用户可以直观看到进行编辑的数据资源实例、以及编辑后的数据资源实例，从而提高了信息编辑的正确性。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与数据处理方法对应的数据处理装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述数据处理方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图5所示，为本公开实施例提供的一种数据处理装置的示意图，所述装置包括：获取模块501、第一生成模块502、和第二生成模块503；其中：
获取模块501，用于获取利用图像采集设备对目标场所进行图像采集得到的全景视频；第一生成模块502，用于基于所述全景视频，生成所述目标场所的三维模型；所述三维模型中包括：多个位置点；第二生成模块503，用于基于多个所述位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
一种可选的实施方式中，所述三维模型中包括：各个所述位置点分别对应的语义信息；第二生成模块503，在执行所述基于多个位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场景的剖面图时，具体用于：基于多个所述位置点在所述三维模型中的位置、以及各个所述位置点分别对应的语义信息，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
一种可选的实施方式中，第二生成模块503，在执行所述基于多个所述位置点在所述三维模型中的位置、以及各个所述位置点分别对应的语义信息，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图时，具体用于：基于各个所述位置点分别对应的语义信息，将所述位置点划分为至少一个分组；其中，不同分组中位置点的语义信息不同；针对每个分组，将该分组中的位置点投影至所述预设平面，形成与该分组对应的图层；将所述至少一个分组分别对应的图层进行组合，得到所述目标场所的剖面图；所述剖面图中标注有各图层分别对应的语义信息。
一种可选的实施方式中，第二生成模块503，在执行所述针对每个分组，将该分组中的位置点投影至所述预设平面，形成与该分组对应的图层时，具体用于：针对每个分组，将该分组中的位置点投影至预设平面，形成与该分组中的位置点分别对应的投影点；将所述投影点的像素值设置为与该分组对应的预设像素值，形成与该分组对应的图层；其中，不同分组对应的预设像素值不同。
一种可选的实施方式中，第二生成模块503，还用于：基于所述目标场所的剖面图，生成所述目标场所的数据资源实例；所述数据资源实例包括：所述剖面图、以及下述内容中至少一种：所述全景视频、标注信息、以及所述三维模型；其中，所述标注信息是对所述全景视频中的目标对象进行标注产生的。
一种可选的实施方式中，所述装置还包括：处理模块，用于展示所述目标场所中目标对象的数据资源实例；检测到对所述数据资源实例的编辑操作，对所述数据资源实例执行与所述编辑操作对应的编辑处理，得到目标数据资源实例；向数字资产平台传输所述目标数据资源实例。
一种可选的实施方式中，所述编辑操作包括实例内容编辑操作；所述实例内容编辑操作包括下述至少一种：实例内容确认操作、实例内容补充操作、实例内容替换操作、实例内容修改操作。
一种可选的实施方式中，所述编辑操作包括：对所述剖面图的图层编辑操作；所述图层编辑操作包括下述至少一种：图层移动操作、图层调色操作、图层删除操作、图层补充操作、图层替换操作、图层确认操作。
一种可选的实施方式中，所述三维模型包括：三维点云模型，多个所述位置点包括：属于所述目标场所内的目标对象的多个点云点；或者，所述三维模型包括：三维稠密模型，多个所述位置点包括：位于所述目标场所内的目标对象表面的多个稠密点。
一种可选的实施方式中，所述目标对象包括下述至少一种：所述目标场所对应的建筑物、以及部署在所述目标场所中的设备。
一种可选的实施方式中，所述三维模型包括：三维点云模型；第一生成模块502，在执行所述基于所述全景视频，生成所述目标场所的三维模型时，具体用于：基于所述全景视频、以及所述图像采集设备在获取所述全景视频时的位姿，对所述目标场所进行三维点云重建，得到所述目标场所的点云数据；所述点云数据包括：属于所述目标场所内的目标对象的多个点云点、以及各个点云点分别在所述目标场所内的位置信息；对所述点云数据进行语义分割处理，得到多个所述点云点分别对应的语义信息；基于所述点云数据、和所述语义信息，生成所述三维点云模型。
一种可选的实施方式中，所述三维模型包括：三维稠密模型；第一生成模块502，在执行所述基于所述全景视频，生成所述目标场所的三维模型时，具体用于：基于所述全景视频、以及所述图像采集设备在获取所述全景视频时的位姿，对所述目标场所进行三维稠密重建，得到所述目标场所的三维稠密数据；所述三维稠密数据包括：位于所述目标场所内的目标对象表面的多个稠密点、以及各个稠密点分别在所述目标场所内的位置信息；对所述三维稠密数据进行语义分割处理，得到由所述稠密点构成的多个面片分别对应的语义信息；基于所述三维稠密数据、以及多个面片分别对应的语义信息，生成所述三维稠密模型。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
基于同一技术构思，本申请实施例还提供了一种计算机设备。参照图6所示，为本申请实施例提供的计算机设备600的结构示意图，包括处理器601、存储器602、和总线603。其中，存储器602用于存储执行指令，包括内存6021和外部存储器6022；这里的内存6021也称内存储器，用于暂时存放处理器601中的运算数据，以及与硬盘等外部存储器6022交换的数据，处理器601通过内存6021与外部存储器6022进行数据交换，当计算机设备600运行时，处理器601与存储器602之间通过总线603通信，使得处理器601执行以下指令：
获取利用图像采集设备对目标场所进行图像采集得到的全景视频；基于所述全景视频，生成所述目标场所的三维模型；所述三维模型中包括：多个位置点；基于多个所述位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
其中，处理器601的具体处理流程可以参照上述方法实施例的记载，这里不再赘述。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的数据处理方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的数据处理方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (15)

1.一种数据处理方法，其特征在于，包括：
获取利用图像采集设备对目标场所进行图像采集得到的全景视频；
基于所述全景视频，生成所述目标场所的三维模型；所述三维模型中包括：多个位置点；
基于多个所述位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
2.根据权利要求1所述的方法，其特征在于，所述三维模型中包括：各个所述位置点分别对应的语义信息；
所述基于多个位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场景的剖面图，包括：
基于多个所述位置点在所述三维模型中的位置、以及各个所述位置点分别对应的语义信息，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
3.根据权利要求2所述的方法，其特征在于，所述基于多个所述位置点在所述三维模型中的位置、以及各个所述位置点分别对应的语义信息，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图，包括：
基于各个所述位置点分别对应的语义信息，将所述位置点划分为至少一个分组；其中，不同分组中位置点的语义信息不同；
针对每个分组，将该分组中的位置点投影至所述预设平面，形成与该分组对应的图层；
将所述至少一个分组分别对应的图层进行组合，得到所述目标场所的剖面图；所述剖面图中标注有各图层分别对应的语义信息。
4.根据权利要求3所述的方法，其特征在于，所述针对每个分组，将该分组中的位置点投影至所述预设平面，形成与该分组对应的图层，包括：
针对每个分组，将该分组中的位置点投影至预设平面，形成与该分组中的位置点分别对应的投影点；
将所述投影点的像素值设置为与该分组对应的预设像素值，形成与该分组对应的图层；
其中，不同分组对应的预设像素值不同。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
基于所述目标场所的剖面图，生成所述目标场所的数据资源实例；所述数据资源实例包括：所述剖面图、以及下述内容中至少一种：所述全景视频、标注信息、以及所述三维模型；其中，所述标注信息是对所述全景视频中的目标对象进行标注产生的。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
展示所述目标场所中目标对象的数据资源实例；
检测到对所述数据资源实例的编辑操作，对所述数据资源实例执行与所述编辑操作对应的编辑处理，得到目标数据资源实例；
向数字资产平台传输所述目标数据资源实例。
7.根据权利要求6所述的方法，其特征在于，所述编辑操作包括实例内容编辑操作；所述实例内容编辑操作包括下述至少一种：实例内容确认操作、实例内容补充操作、实例内容替换操作、实例内容修改操作。
8.根据权利要求6或7所述的方法，其特征在于，所述编辑操作包括：对所述剖面图的图层编辑操作；所述图层编辑操作包括下述至少一种：图层移动操作、图层调色操作、图层删除操作、图层补充操作、图层替换操作、图层确认操作。
9.根据权利要求1-8任一项所述的方法，其特征在于，所述三维模型包括：三维点云模型，多个所述位置点包括：属于所述目标场所内的目标对象的多个点云点；
或者，
所述三维模型包括：三维稠密模型，多个所述位置点包括：位于所述目标场所内的目标对象表面的多个稠密点。
10.根据权利要求9所述的方法，其特征在于，所述目标对象包括下述至少一种：所述目标场所对应的建筑物、以及部署在所述目标场所中的设备。
11.根据权利要求1-10任一项所述的方法，其特征在于，所述三维模型包括：三维点云模型；
所述基于所述全景视频，生成所述目标场所的三维模型，包括：
基于所述全景视频、以及所述图像采集设备在获取所述全景视频时的位姿，对所述目标场所进行三维点云重建，得到所述目标场所的点云数据；所述点云数据包括：属于所述目标场所内的目标对象的多个点云点、以及各个点云点分别在所述目标场所内的位置信息；
对所述点云数据进行语义分割处理，得到多个所述点云点分别对应的语义信息；
基于所述点云数据、和所述语义信息，生成所述三维点云模型。
12.根据权利要求1-11任一项所述的方法，其特征在于，所述三维模型包括：三维稠密模型；
所述基于所述全景视频，生成所述目标场所的三维模型，包括：
基于所述全景视频、以及所述图像采集设备在获取所述全景视频时的位姿，对所述目标场所进行三维稠密重建，得到所述目标场所的三维稠密数据；所述三维稠密数据包括：位于所述目标场所内的目标对象表面的多个稠密点、以及各个稠密点分别在所述目标场所内的位置信息；
对所述三维稠密数据进行语义分割处理，得到由所述稠密点构成的多个面片分别对应的语义信息；
基于所述三维稠密数据、以及多个面片分别对应的语义信息，生成所述三维稠密模型。
13.一种数据处理装置，其特征在于，包括：
获取模块，用于获取利用图像采集设备对目标场所进行图像采集得到的全景视频；
第一生成模块，用于基于所述全景视频，生成所述目标场所的三维模型；所述三维模型中包括：多个位置点；
第二生成模块，用于基于多个所述位置点在所述三维模型中的位置，将多个所述位置点分别投影至预设平面，得到所述目标场所的剖面图。
14.一种计算机设备，其特征在于，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述处理器执行如权利要求1至12任一项所述的数据处理方法的步骤。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被计算机设备运行时，所述计算机设备执行如权利要求1至12任一项所述的数据处理方法的步骤。
CN202111153644.0A 2021-09-29 2021-09-29 数据处理方法、装置、计算机设备及存储介质 Withdrawn CN113838193A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111153644.0A CN113838193A (zh) 2021-09-29 2021-09-29 数据处理方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111153644.0A CN113838193A (zh) 2021-09-29 2021-09-29 数据处理方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN113838193A true CN113838193A (zh) 2021-12-24

Family

ID=78967431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111153644.0A Withdrawn CN113838193A (zh) 2021-09-29 2021-09-29 数据处理方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN113838193A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109643A (zh) * 2023-04-13 2023-05-12 深圳市明源云科技有限公司 市场布局数据采集方法、设备及计算机可读存储介质
CN118015284A (zh) * 2024-04-09 2024-05-10 中国空气动力研究与发展中心低速空气动力研究所 基于生成对抗网络的点云分割方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855668A (zh) * 2012-08-06 2013-01-02 上海中和软件有限公司 工程图纸三维重构及可视化方法
CN109241564A (zh) * 2018-08-02 2019-01-18 北京天元创新科技有限公司 一种机房资产的在线设计方法和装置
CN110162236A (zh) * 2019-04-28 2019-08-23 深圳市思为软件技术有限公司 虚拟样板间的展示方法、装置及计算机设备
US20190266772A1 (en) * 2017-02-22 2019-08-29 Tencent Technology (Shenzhen) Company Limited Method and apparatus for editing road element on map, electronic device, and storage medium
CN111462275A (zh) * 2019-01-22 2020-07-28 北京京东尚科信息技术有限公司 一种基于激光点云的地图生产方法和装置
CN113012191A (zh) * 2021-03-11 2021-06-22 中国科学技术大学 一种基于点云多视角投影图的激光里程计算法
CN113178006A (zh) * 2021-04-25 2021-07-27 深圳市慧鲤科技有限公司 导航地图生成方法、装置、计算机设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855668A (zh) * 2012-08-06 2013-01-02 上海中和软件有限公司 工程图纸三维重构及可视化方法
US20190266772A1 (en) * 2017-02-22 2019-08-29 Tencent Technology (Shenzhen) Company Limited Method and apparatus for editing road element on map, electronic device, and storage medium
CN109241564A (zh) * 2018-08-02 2019-01-18 北京天元创新科技有限公司 一种机房资产的在线设计方法和装置
CN111462275A (zh) * 2019-01-22 2020-07-28 北京京东尚科信息技术有限公司 一种基于激光点云的地图生产方法和装置
CN110162236A (zh) * 2019-04-28 2019-08-23 深圳市思为软件技术有限公司 虚拟样板间的展示方法、装置及计算机设备
CN113012191A (zh) * 2021-03-11 2021-06-22 中国科学技术大学 一种基于点云多视角投影图的激光里程计算法
CN113178006A (zh) * 2021-04-25 2021-07-27 深圳市慧鲤科技有限公司 导航地图生成方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾媛媛: "三维点云与RGB的融合与语义分割方法研究", 《中国优秀硕士学位论文全文数据库电子期刊 信息科技辑》, vol. 2020, no. 1 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109643A (zh) * 2023-04-13 2023-05-12 深圳市明源云科技有限公司 市场布局数据采集方法、设备及计算机可读存储介质
CN118015284A (zh) * 2024-04-09 2024-05-10 中国空气动力研究与发展中心低速空气动力研究所 基于生成对抗网络的点云分割方法及系统

Similar Documents

Publication Publication Date Title
CN110427917B (zh) 用于检测关键点的方法和装置
CN107223269B (zh) 三维场景定位方法和装置
WO2023093217A1 (zh) 数据标注方法、装置、计算机设备、存储介质和程序
KR101841668B1 (ko) 입체 모델 생성 장치 및 방법
CN111627114A (zh) 室内视觉导航方法、装置、系统及电子设备
CN104330074B (zh) 一种智能测绘平台及其实现方法
CN104484033A (zh) 基于bim的虚拟现实展示方法和系统
CN110874391A (zh) 一种基于城市空间立体网格模型的数据融合与展示方法
CN111046725B (zh) 一种基于监控视频的人脸识别和点云融合的空间定位方法
CN110428501B (zh) 全景影像生成方法、装置、电子设备及可读存储介质
CN104268939A (zh) 基于三维全景视图的变电站虚拟现实管理系统及其实现方法
CN113838193A (zh) 数据处理方法、装置、计算机设备及存储介质
CN112437252A (zh) 一种基于无人机倾斜摄像的电网项目规划方法
KR101551739B1 (ko) 3차원 지형상에 구조물을 위치시키는 방법
CN110660125B (zh) 用于电力配网系统的三维建模装置
CN113657307A (zh) 一种数据标注方法、装置、计算机设备及存储介质
CN113178006A (zh) 导航地图生成方法、装置、计算机设备及存储介质
US20210142511A1 (en) Method of generating 3-dimensional model data
CN104683758A (zh) 一种便捷获得具体位置和周围环境的三维视频监控方法
CN112714266A (zh) 标注信息展示方法、装置、电子设备及存储介质
CN114372107A (zh) 一种基于gis的国土整治与生态修复数据可视化方法和系统
CN117197388A (zh) 一种基于生成对抗神经网络和倾斜摄影的实景三维虚拟现实场景构建方法及系统
CN114283243A (zh) 数据处理方法、装置、计算机设备及存储介质
CN111563961A (zh) 一种变电站的三维建模方法和相关装置
CN113660469A (zh) 一种数据标注方法、装置、计算机设备及存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20211224