CN114202613A - 房屋户型确定方法、装置和系统、电子设备和存储介质 - Google Patents
房屋户型确定方法、装置和系统、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114202613A CN114202613A CN202111428640.9A CN202111428640A CN114202613A CN 114202613 A CN114202613 A CN 114202613A CN 202111428640 A CN202111428640 A CN 202111428640A CN 114202613 A CN114202613 A CN 114202613A
- Authority
- CN
- China
- Prior art keywords
- image
- house
- target acquisition
- house type
- scene
- 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
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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- 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
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例涉及一种房屋户型确定方法、装置和系统、电子设备和存储介质,该方法包括:获取第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,待测场景为所述房屋的物理空间;针对每个结构元素确定出目标采集点,目标采集点用于绘制待测场景;测量目标采集点的结构数据;根据目标采集点和每个目标采集点对应的结构数据生成待测场景的第二图像,第二图像为房屋的户型图,包括三维户型图和平面户型图;结合第一图像对三维户型图进行图像渲染,得到第三图像,第三图像为全景三维户型图。本发明利用图像技术和测量技术,对房屋的物理空间进行测量,测量精确度误差小、操作简单、可根据测量的结构及结构数据自动生成户型图,效率高。
Description
技术领域
本发明实施例涉及测绘技术领域,尤其涉及一种房屋户型确定方法、装置和系统、电子设备和存储介质。
背景技术
在建筑装修等领域,设计师、工程师需要对房屋进行测量,绘制准确的户型图来用于装修设计、成本预估、报价等工作。传统的房屋测量方法是用卷尺或手持的测距仪对房屋数据逐个测量,现场手绘户型的草图,把所有测量的房屋数据标记在草图上,再在电脑上根据现场记录的数据,在设计绘图软件里重新绘制户型图。
相关技术中的测量方法,无论是现场测量还是户型绘制都很耗费时间,效率低,而且测量精确度较低,常会发生尺寸数据漏测、测错或者房屋角度不是标准直角但未能识别测量等情况。
发明内容
鉴于此,为解决上述的技术问题,本发明实施例提供一种房屋户型确定方法、装置和系统、电子设备和存储介质。
第一方面,本发明实施例提供一种房屋户型确定方法,包括:
获取第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间;
针对每个结构元素确定出目标采集点,所述目标采集点用于绘制所述待测场景;
测量所述目标采集点的结构数据;
根据所述目标采集点和每个目标采集点对应的结构数据生成所述待测场景的第二图像,所述第二图像为所述房屋的户型图,所述户型图包括三维户型图和平面户型图。
结合所述第一图像对所述三维户型图进行图像渲染,得到所述第三图像,所述第三图像为全景三维户型图。
在一可能的实施方式中,所述针对每个结构元素确定出目标采集点,所述目标采集点用于绘制所述待测场景,包括:
通过预设识别算法识别所述第一图像中的所有结构元素的结构类型及每个结构元素的形状尺寸数据;
根据所述结构类型和形状尺寸数据,对所述第一图像的每个结构元素确定出目标采集点。
在一可能的实施方式中,所述测量所述目标采集点的结构数据,包括:
确定目标采集点的总个数及相对位置;
根据所述总个数及相对位置,依次采集每个所述目标采集点的空间位置坐标数据,得到所述结构数据。
在一可能的实施方式中,所述根据所述总个数及相对位置,依次采集每个所述目标采集点的空间位置坐标数据,得到所述结构数据,包括:
按照目标采集点的相对位置,调整预设置的激光测距仪的测量角度,以采集相应的目标采集点的空间位置坐标数据;
根据所述目标采集点的总个数,确定是否采集完成所有目标采集点的空间位置坐标数据。
在一可能的实施方式中,所述方法还包括:
对所述预设置的激光测距仪进行测量校准,所述测量校准包括原点角度校准和全景图视角校准。
在一可能的实施方式中,所述根据所述目标采集点和每个目标采集点对应的结构数据生成所述待测场景的第二图像,所述第二图像为所述房屋的户型图,包括:
根据所述目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应房屋的三维户型图,以及根据所述目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应的平面户型图。
第二方面,本发明实施例提供一种房屋户型确定装置,包括:
图像获取模块,用于获取第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间;
目标采集点确定模块,用于针对每个结构元素确定出目标采集点,所述目标采集点用于绘制所述待测场景;
测量控制模块,用于测量所述目标采集点的结构数据;
户型图生成模块,用于根据所述目标采集点和每个目标采集点对应的结构数据生成所述待测场景的第二图像,所述第二图像为所述房屋的户型图,所述户型图包括三维户型图和平面户型图;
渲染模块,用于结合所述第一图像对所述三维户型图进行图像渲染,得到所述第三图像,所述第三图像为全景三维户型图。
在一可能的实施方式中,所述目标采集点确定模块,包括:
识别单元,用于通过预设识别算法识别所述第一图像中的所有结构元素的结构类型及每个结构元素的形状尺寸数据;
第一确定单元,用于根据所述结构类型和形状尺寸数据,对所述第一图像的每个结构元素确定出目标采集点。
在一可能的实施方式中,所述测量控制模块,包括:
第二确定单元,用于确定目标采集点的总个数及相对位置;
采集单元,用于根据所述总个数及相对位置,依次采集每个所述目标采集点的空间位置坐标数据,得到所述结构数据。
在一可能的实施方式中,所述采集单元,包括:
调整子单元,用于按照目标采集点的相对位置,调整预设置的激光测距仪的测量角度,以采集相应的目标采集点的空间位置坐标数据;
确定子单元,用于根据所述目标采集点的总个数,确定是否采集完成所有目标采集点的空间位置坐标数据。
在一可能的实施方式中,所述装置还包括:
校准模块,用于对所述预设置的激光测距仪进行测量校准,所述测量校准包括原点角度校准和全景图视角校准。
在一可能的实施方式中,所述户型图生成模块,包括:
户型图生成单元,用于根据所述目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应房屋的三维户型图,以及根据所述目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应的平面户型图。
第三方面,本发明实施例提供一种电子设备,包括:处理器和存储器,所述处理器用于执行所述存储器中存储的房屋户型确定程序,以实现第一方面中任一项所述的房屋户型确定方法。
第四方面,本发明实施例提供一种系统,所述系统包括全景相机、激光测距仪和电子设备,其中:
所述全景相机,用于采集第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间,并将所述第一图像传输至所述电子设备;
所述激光测距仪,用于接收所述电子设备的关于测量所述目标采集点的结构数据的指令,并执行所述目标采集点的结构数据的测量操作;
所述电子设备,用于执行如下步骤:
获取第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间;
针对每个结构元素确定出目标采集点,所述目标采集点用于绘制所述待测场景;
测量所述目标采集点的结构数据;
根据所述目标采集点和每个目标采集点对应的结构数据生成所述待测场景的第二图像,所述第二图像为所述房屋的户型图,包括三维户型图和平面户型图。
结合所述第一图像对所述三维户型图进行图像渲染,得到所述第三图像,所述第三图像为全景三维户型图。
第五方面,本发明实施例提供一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现第一方面中任一项所述的房屋户型确定方法。
本发明实施例提供的技术方案,利用图像技术和测量技术,对房屋的物理空间进行测量,测量精确度误差小、操作简单、可根据测量的结构及结构数据自动生成户型图,效率高。此外,用激光测距仪的方法,测量精准全面得到房屋中所有关键点的空间三维坐标,构建户型,可以精确测量所有的墙面、梁柱、门窗、水电等户型图需要的结构,构成完整的户型图,且只需要在房屋的某一位置固定(例如房屋中央),转动测距仪,测量几个点,所有可以看到的位置都能测量,不需要跑来跑去,就能快速取到所有需要的数据;使用识别算法(例如AI视觉识别技术)标记采集点(目标采集点),将测量点位(即测量目标采集点的空间位置坐标数据),来计算房屋结构尺寸的规则预设进了算法里,量房操作时只需要对照着全景图照片上标记的点指引去测量,而不需要测量的人员房屋结构的测量规则有深入的理解,对人员要求门槛低,操作简单,适合各种人群使用,可以广泛推广;测量数据可以直接生成三维户型,不需要再手动绘制,生成的户型直接可用,省去了原有量房流程中绘制户型图的工作量;现场生成户型图,可以直观地看到,现场查看对比,确保户型测量准确,没有遗漏细节;将全景贴图到生成的户型图上,对户型图进行渲染,可以直接还原现场的样貌,在后续使用户型图设计的时候可以直接看到所有现场细节。
附图说明
图1为本发明实施例提供的一种房屋户型确定方法的实施例流程图;
图2为本发明实施例提供的一种房屋户型确定装置的实施例框图;
图3为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
相关技术中的房屋户型确定过程中,其流程复杂,效率低下。通常用卷尺或激光测距仪手动测量,需要在房间内跑来跑去,测量速度慢。而且卷尺在测量长距离或房顶高处很不方便,易出错;手持激光测距仪对于某些结构的尺寸,如柱子、房梁、房门等难以测量;测量人员需要现场先手绘大致的户型图,再测量标注数据,对测量人员的能力要求较高;户型图不能现场生成,需要回去后重新在电脑上绘制,现场绘制草图和电脑绘制户型图重复两次工作,效率低下;由于现场没有生成完整的户型图,可能出现部分数据漏测的情况,测量人员在绘制时可能会根据记忆推测补充数据,导致户型不准确;设计人员使用户型图设计时经常需要结合现场拍照回忆现场的情况细节。照片和户型图分成不同的文件,查看不方便,并且照片和户型图难以对应上位置;另外,现场拍摄几张单张的照片可能不全面,一些区域会漏拍。
为解决相关技术中的问题,本发明提出了一种房屋户型确定方法。
下面结合附图以具体实施例对本发明提供的房屋户型确定方法做进一步的解释说明,实施例并不构成对本发明实施例的限定。
图1为本发明实施例提供的一种房屋户型确定方法的实施例流程图。如图1所示,本发明实施例提供的一种房屋户型确定方法,应用于电子设备,可以包括如下步骤:
步骤101,获取第一图像,其中,第一图像为全景图,且包括待测场景的所有结构元素,待测场景为房屋的物理空间。
在本发明实施例中,可以由全景相机采集待测场景(即待测房屋的物理空间)的全景图,从而得到第一图像。全景相机可以与电子设备(例如计算机)连接,将第一图像传输至电子设备,使电子设备获取到第一图像。
房屋的物理空间中例如可以包括由墙、窗、门、楼梯、地面、房顶等组成结构。在本发明实施例中,将房屋的如上组成结构定义为结构元素。为了能够获取足够多的结构元素,真实还原房屋的场景,在本发明实施例中采用全景相机对房屋/待测场景进行图像采集。
步骤102,针对每个结构元素确定出目标采集点,目标采集点用于绘制待测场景。
在一些实施例中,可以通过预设识别算法识别第一图像中的所有结构元素的结构类型及每个结构元素的形状尺寸数据,再根据每个结构元素的结构类型和形状尺寸数据,确定出每个结构元素的目标采集点。示例性地,通过AI(Artificial Intelligence,人工智能)算法模型来识别第一图像中的结构元素,例如墙面、房顶、地面、门等,再根据识别的结构类型及形状尺寸,识别每个结构待测的采集点。
在本发明实施例中,目标采集点的选取原则为:通过测量目标采集点的空间坐标数据,可以在户型图上生成相应的结构元素即可;预设识别算法可以是通过机器学习训练得到的识别模型,训练过程和方式可以参考现有技术,为了简洁,本发明在此不再赘述。
步骤103,测量目标采集点的结构数据。
结构数据例如可以是任一结构元素的空间位置坐标数据。在一些实施
例中,由于结构元素较多,为了避免落下某个结构元素,完成所有结构元素的测量和数据采集,可以先确定目标采集点的总个数及相对位置,再根据总个数及相对位置,依次采集每个目标采集点的空间位置坐标数据,从而得到所有结构元素的目标采集点的结构数据。示例性地,可以将所有目标采集点标记展示在第一图像上,其中,目标采集点包括待测房间中绘制户型图需要的房顶高、墙面、门、窗、房梁、柱子、水电等所有结构元素的数据,通过这些目标采集点形成预设置的激光测距仪的测量指引。
更进一步地,可以按照目标采集点的相对位置,调整预设置的激光测距仪的测量角度,以采集相应的目标采集点的空间位置坐标数据,并根据目标采集点的总个数,确定是否采集完成所有目标采集点的空间位置坐标数据。例如,总共有10个目标采集点,通过数字标记出每个目标采集点,且设置好目标采集点的相对位置,通过相对位置来调整激光测距仪的采集角度,从而实现指引激光测距仪依次对所有的目标采集点进行数据采集。本发明实施例中的激光测距仪为带有测量空间坐标功能的激光测距仪。
在一些实施例中,为了提高激光测距仪的精度和场景适应度,可以对
预设置的激光测距仪进行测量校准,其中,测量校准包括原点角度校准和全景图视角校准。示例性地,可以在激光测距仪校准完成后,在原点位置点击测量,然后在屏幕显示的全景图(第一图像)上同样的位置点击,将激光尺角度位置和全景图显示角度校准为一致,进而再进行数据测量:转动激光测距仪,同时显示的全景图同步转动视角,根据全景图(第一图像)上标记的指引,激光打点到全景图指引的采集点位置,测量采集点的空间位置坐标数据,根据指引转动一周(或者采集次数大于或等于目标采集点的个数),即按照顺序测量每一个待测采集点的空间位置坐标数据。
为了便于数据处理及时性和数据存储,在本发明实施例中,每个目标采集点的空间位置坐标例如(x,y,z),可以实时回传。
步骤104,根据目标采集点和每个目标采集点对应的结构数据生成待测场景的第二图像,其中,第二图像为房屋的户型图,且包括三维户型图和平面户型图。
在一些实施例中,可以根据目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应房屋的三维户型图,以及根据所述目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应的平面户型图。
步骤105,结合第一图像对三维户型图进行图像渲染,得到第三图像,
第三图像为全景三维户型图。
总体来讲,即完成房屋内所有的目标采集点测量后,根据每个目标采集点所属的结构元素的结构类型和测量的空间位置坐标数据,计算各个结构元素的尺寸、坐标位置等,从而生成房屋的三维户型图和平面户型图。进一步地,将拍摄的全景图(第一图像)重新贴图到测量生成的三维户型图上,生成带有全景图像的三维户型图。
可以理解的是,如果房屋有多个空间,则移动到下一个房间进行测量,重复以上步骤,完成所有房间的测量,通过统一的坐标系,将所有测量完成的房间户型拼接,整合成完整的户型图。如果两个相邻的房间共用一堵墙,根据坐标信息计算,相邻两个房间的两面墙之间的距离为墙厚。其他的墙为系统默认墙厚。
在本发明实施例中,提供手动修改操作,设计人员可以手动输入待修改的数据,例如,根据户型图生成完成后,可手动修改墙厚数据。
在另一些实施例中,还提供户型图保存功能,用于保存户型图,户型图可导出为多种格式,可以保存到本地或上传至云端;保存的户型图可以直接用设计软件打开,进行装修方案设计。方便后期户型图的利用和查找。
此外,本发明实施例还提供了场景信息的添加,从而可以将待测场景的基本信息与后期生成的户型图和/或测量得到的结构元素的相关数据等关联起来,便于数据查找和追溯。示例性地,在开始测量前,建立测量方案,录入测量房屋的基本信息,例如包括房屋的地址、小区、门牌号、客户姓名、联系方式、房间类型等信息。
本发明实施例提供的技术方案,利用图像技术和测量技术,对房屋的物理空间进行测量,测量精确度误差小、操作简单、可根据测量的结构及结构数据自动生成户型图,效率高。此外,用激光测距仪的方法,测量精准全面得到房屋中所有关键点的空间三维坐标,构建户型,可以精确测量所有的墙面、梁柱、门窗、水电等户型图需要的结构,构成完整的户型图,且只需要在房屋的某一位置固定(例如房屋中央),转动测距仪,测量几个点,所有可以看到的位置都能测量,不需要跑来跑去,就能快速取到所有需要的数据;使用识别算法(例如AI视觉识别技术)标记采集点(目标采集点),将测量点位(即测量目标采集点的空间位置坐标数据),来计算房屋结构尺寸的规则预设进了算法里,量房操作时只需要对照着全景图照片上标记的点指引去测量,而不需要测量的人员房屋结构的测量规则有深入的理解,对人员要求门槛低,操作简单,适合各种人群使用,可以广泛推广;测量数据可以直接生成三维户型,不需要再手动绘制,生成的户型直接可用,省去了原有量房流程中绘制户型图的工作量;现场生成户型图,可以直观地看到,现场查看对比,确保户型测量准确,没有遗漏细节;将全景贴图到生成的户型图上,对户型图进行渲染,可以直接还原现场的样貌,在后续使用户型图设计的时候可以直接看到所有现场细节。
本发明实施例还提供了与前述方法实施例对应的装置实施例,装置实施例的技术实现原理、逻辑、解决的技术问题、技术方案与方法实施例相同,为了简洁,不对装置实施例的具体实现原理等进行详细描述。下面结合附图介绍装置实施例。
图2为本发明实施例提供的一种房屋户型确定装置的实施例框图。如图2所示,本发明实施例提供的一种房屋户型确定装置可以包括:图像获取模块21、目标采集点确定模块22、测量控制模块23和户型图生成模块24、渲染模块25。其中:
图像获取模块21可以用于获取第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间;
目标采集点确定模块22可以用于针对每个结构元素确定出目标采集点,所述目标采集点用于绘制所述待测场景;
测量控制模块23可以用于测量所述目标采集点的结构数据;
户型图生成模块24可以用于根据所述目标采集点和每个目标采集点对应的结构数据生成所述待测场景的第二图像,所述第二图像为所述房屋的户型图,包括三维户型图和平面户型图。
渲染模块25可以用于结合所述第一图像对所述三维户型图进行图像渲染,得到所述第三图像,所述第三图像为全景三维户型图。
在一些实施例中,目标采集点确定模块22还可以包括:
识别单元(图中未示出),用于通过预设识别算法识别所述第一图像中的所有结构元素的结构类型及每个结构元素的形状尺寸数据;
第一确定单元(图中未示出),用于根据所述结构类型和形状尺寸数据,对所述第一图像的每个结构元素确定出目标采集点。
在一些实施例中,测量控制模块23可以包括:
第二确定单元(图中未示出),用于确定目标采集点的总个数及相对位置;
采集单元(图中未示出),用于根据所述总个数及相对位置,依次采集每个所述目标采集点的空间位置坐标数据,得到所述结构数据。
进一步地,采集单元(图中未示出)可以包括:
调整子单元(图中未示出),用于按照目标采集点的相对位置,调整预设置的激光测距仪的测量角度,以采集相应的目标采集点的空间位置坐标数据;
确定子单元(图中未示出),用于根据所述目标采集点的总个数,确定是否采集完成所有目标采集点的空间位置坐标数据。
在一些实施例中,本发明提供的装置还可以包括校准模块(图中未示出),其中,校准模块可以用于对所述预设置的激光测距仪进行测量校准,所述测量校准包括原点角度校准和全景图视角校准。
在一些实施例中,户型图生成模块24可以包括:
户型图生成单元(图中未示出),用于根据目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应房屋的三维户型图,以及根据所述目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应的平面户型图。
本发明实施例提供的技术方案,利用图像技术和测量技术,对房屋的物理空间进行测量,测量精确度误差小、操作简单、可根据测量的结构及结构数据自动生成户型图,效率高。此外,用激光测距仪的方法,测量精准全面得到房屋中所有关键点的空间三维坐标,构建户型,可以精确测量所有的墙面、梁柱、门窗、水电等户型图需要的结构,构成完整的户型图,且只需要在房屋的还是位置固定(例如房屋中央),转动测距仪,测量几个点,所有可以看到的位置都能测量,不需要跑来跑去,就能快速取到所有需要的数据;使用识别算法(例如AI视觉识别技术)标记采集点(目标采集点),将测量点位(即测量目标采集点的空间位置坐标数据),来计算房屋结构尺寸的规则预设进了算法里,量房操作时只需要对照着全景图照片上标记的点指引去测量,而不需要测量的人员房屋结构的测量规则有深入的理解,对人员要求门槛低,操作简单,适合各种人群使用,可以广泛推广;测量数据可以直接生成三维户型,不需要再手动绘制,生成的户型直接可用,省去了原有量房流程中绘制户型图的工作量;现场生成户型图,可以直观地看到,现场查看对比,确保户型测量准确,没有遗漏细节;将全景贴图到生成的户型图上,对户型图进行渲染,可以直接还原现场的样貌,在后续使用户型图设计的时候可以直接看到所有现场细节。
本发明还提供一种房屋户型确定系统,该系统可以包括全景相机、激光测距仪和电子设备,其中,全景相机用于采集第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间,并将所述第一图像传输至所述电子设备;其中全景相机可以包括常规全景相机、手机、平板、普通相机、摄像机以及任何种类的可以合成全景图的拍照设备。激光测距仪用于接收所述电子设备的关于测量所述目标采集点的结构数据的指令,并执行所述目标采集点的结构数据的测量操作;其中激光测距仪包括内置传感器可直接测量三维坐标的测距仪;和外接传感器,普通测距仪和传感器组装,可组合数据获得三维坐标的设备。激光测距仪测量采集数据的方式包括手动操作测量、遥控转动激光尺测量或程序设置自动测量。电子设备用于执行如图1所示的相关实施例的相关步骤。在另一些实施例中,还可以包括支架,用于支撑全景相机、激光测距仪和/或电子设备。在开始测量时,在待测量房屋(待测场景)中间位置,固定架设测量设备,其中整套设备例如包括全景相机、带有测量空间坐标功能的激光测距仪和电子设备、支架。可以理解的是,电子设备可以与全景相机等在同一空间,例如,由设计师随身携带在待测场景现场,也可以设置在远端,通过网络与全景相机、激光测距仪等设备在进行通信,获取全景相机、激光测距仪等检测到的数据。
图3为本发明实施例提供的一种电子设备的结构示意图,图3所示的电子设备300包括:至少一个处理器301、存储器302、至少一个网络接口304和其他用户接口303。电子设备300中的各个组件通过总线系统305耦合在一起。可理解,总线系统305用于实现这些组件之间的连接通信。总线系统305除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图3中将各种总线都标为总线系统305。
其中,用户接口303可以包括显示器、键盘或者点击设备(例如,鼠标,轨迹球(trackball))、触感板或者触摸屏等。
可以理解,本发明实施例中的存储器302可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器(ProgrammableROM,PROM)、可擦除可编程只读存储器(ErasablePROM,EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(StaticRAM,SRAM)、动态随机存取存储器(DynamicRAM,DRAM)、同步动态随机存取存储器(SynchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM,DRRAM)。本文描述的存储器302旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器302存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统3021和应用程序3022。
其中,操作系统3021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序3022,包含各种应用程序,例如媒体播放器(MediaPlayer)、浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序3022中。
在本发明实施例中,通过调用存储器302存储的程序或指令,具体的,可以是应用程序3022中存储的程序或指令,处理器301用于执行各方法实施例所提供的方法步骤,例如图1所示的相关实施例的步骤。
上述本发明实施例揭示的方法可以应用于处理器301中,或者由处理器301实现。处理器301可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器301中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器301可以是通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(FieldProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器302,处理器301读取存储器302中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecificIntegratedCircuits,ASIC)、数字信号处理器(DigitalSignalProcessing,DSP)、数字信号处理设备(DSPDevice,DSPD)、可编程逻辑设备(ProgrammableLogicDevice,PLD)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本实施例提供的电子设备可以是如图3中所示的电子设备,可执行如图1中房屋户型确定方法的所有步骤,进而实现图1中房屋户型确定方法的技术效果,具体请参照图1相关描述,为简洁描述,在此不作赘述。
本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中,存储介质可以包括易失性存储器,例如随机存取存储器;存储器也可以包括非易失性存储器,例如只读存储器、快闪存储器、硬盘或固态硬盘;存储器还可以包括上述种类的存储器的组合。
当存储介质中一个或者多个程序可被一个或者多个处理器执行,以实现上述在电子设备侧执行的房屋户型确定方法。
所述处理器用于执行存储器中存储的房屋户型确定程序,以实现以下在电子设备侧执行的房屋户型确定方法的图1所示的相关实施例的步骤。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种房屋户型确定方法,其特征在于,包括:
获取第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间;
针对每个结构元素确定出目标采集点,所述目标采集点用于绘制所述待测场景;
测量所述目标采集点的结构数据;
根据所述目标采集点和每个目标采集点对应的结构数据生成所述待测场景的第二图像,所述第二图像为所述房屋的户型图,所述户型图包括三维户型图和平面户型图;
结合所述第一图像对所述三维户型图进行图像渲染,得到所述第三图像,所述第三图像为全景三维户型图。
2.根据权利要求1所述的方法,其特征在于,所述针对每个结构元素确定出目标采集点,所述目标采集点用于绘制所述待测场景,包括:
通过预设识别算法识别所述第一图像中的所有结构元素的结构类型及每个结构元素的形状尺寸数据;
根据所述结构类型和形状尺寸数据,对所述第一图像的每个结构元素确定出目标采集点。
3.根据权利要求1所述的方法,其特征在于,所述测量所述目标采集点的结构数据,包括:
确定目标采集点的总个数及相对位置;
根据所述总个数及相对位置,依次采集每个所述目标采集点的空间位置坐标数据,得到所述结构数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述总个数及相对位置,依次采集每个所述目标采集点的空间位置坐标数据,得到所述结构数据,包括:
按照目标采集点的相对位置,调整预设置的激光测距仪的测量角度,以采集相应的目标采集点的空间位置坐标数据;
根据所述目标采集点的总个数,确定是否采集完成所有目标采集点的空间位置坐标数据。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
对所述预设置的激光测距仪进行测量校准,所述测量校准包括原点角度校准和全景图视角校准。
6.根据权利要求3所述的方法,其特征在于,所述根据所述目标采集点和每个目标采集点对应的结构数据生成所述待测场景的第二图像,所述第二图像为所述房屋的户型图,包括:
根据所述目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应房屋的三维户型图,以及根据所述目标采集点对应的空间位置坐标数据和结构类型,计算绘制出所述待测场景对应的平面户型图。
7.一种房屋户型确定装置,其特征在于,包括:
图像获取模块,用于获取第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间;
目标采集点确定模块,用于针对每个结构元素确定出目标采集点,所述目标采集点用于绘制所述待测场景;
测量控制模块,用于测量所述目标采集点的结构数据;
户型图生成模块,用于根据所述目标采集点和每个目标采集点对应的结构数据生成所述待测场景的第二图像,所述第二图像为所述房屋的户型图,所述户型图包括三维户型图和平面户型图;
渲染模块,用于结合所述第一图像对所述三维户型图进行图像渲染,得到所述第三图像,所述第三图像为全景三维户型图。
8.一种电子设备,其特征在于,包括:处理器和存储器,所述处理器用于执行所述存储器中存储的房屋户型确定程序,以实现权利要求1~6中任一项所述的房屋户型确定方法。
9.一种房屋户型确定系统,其特征在于,所述系统包括全景相机、激光测距仪和电子设备,其中:
所述全景相机,用于采集第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间,并将所述第一图像传输至所述电子设备;
所述激光测距仪,用于接收所述电子设备的关于测量所述目标采集点的结构数据的指令,并执行所述目标采集点的结构数据的测量操作;
所述电子设备,用于执行如下步骤:
获取第一图像,所述第一图像为全景图,且包括待测场景的所有结构元素,所述待测场景为所述房屋的物理空间;
针对每个结构元素确定出目标采集点,所述目标采集点用于绘制所述待测场景;
测量所述目标采集点的结构数据;
根据所述目标采集点和每个目标采集点对应的结构数据生成所述待测场景的第二图像,所述第二图像为所述房屋的户型图,所述户型图包括三维户型图和平面户型图;
结合所述第一图像对所述三维户型图进行图像渲染,得到所述第三图像,所述第三图像为全景三维户型图。
10.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1~6中任一项所述的房屋户型确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111428640.9A CN114202613A (zh) | 2021-11-26 | 2021-11-26 | 房屋户型确定方法、装置和系统、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111428640.9A CN114202613A (zh) | 2021-11-26 | 2021-11-26 | 房屋户型确定方法、装置和系统、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114202613A true CN114202613A (zh) | 2022-03-18 |
Family
ID=80649283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111428640.9A Pending CN114202613A (zh) | 2021-11-26 | 2021-11-26 | 房屋户型确定方法、装置和系统、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202613A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330966A (zh) * | 2022-08-15 | 2022-11-11 | 北京城市网邻信息技术有限公司 | 户型图生成方法、系统、设备及存储介质 |
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 |
CN115830162A (zh) * | 2022-11-21 | 2023-03-21 | 北京城市网邻信息技术有限公司 | 户型图展示方法、装置、电子设备及存储介质 |
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 |
CN115908627A (zh) * | 2022-11-21 | 2023-04-04 | 北京城市网邻信息技术有限公司 | 房源数据的处理方法、装置、电子设备及存储介质 |
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 |
CN117537735A (zh) * | 2023-10-20 | 2024-02-09 | 中国中建设计研究院有限公司 | 一种测量方法以及装置 |
-
2021
- 2021-11-26 CN CN202111428640.9A patent/CN114202613A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330966A (zh) * | 2022-08-15 | 2022-11-11 | 北京城市网邻信息技术有限公司 | 户型图生成方法、系统、设备及存储介质 |
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 |
CN115830162A (zh) * | 2022-11-21 | 2023-03-21 | 北京城市网邻信息技术有限公司 | 户型图展示方法、装置、电子设备及存储介质 |
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 |
CN115908627A (zh) * | 2022-11-21 | 2023-04-04 | 北京城市网邻信息技术有限公司 | 房源数据的处理方法、装置、电子设备及存储介质 |
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 |
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 |
CN115830162B (zh) * | 2022-11-21 | 2023-11-14 | 北京城市网邻信息技术有限公司 | 户型图展示方法、装置、电子设备及存储介质 |
CN115908627B (zh) * | 2022-11-21 | 2023-11-17 | 北京城市网邻信息技术有限公司 | 房源数据的处理方法、装置、电子设备及存储介质 |
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 |
CN115904188B (zh) * | 2022-11-21 | 2024-05-31 | 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 |
CN117537735A (zh) * | 2023-10-20 | 2024-02-09 | 中国中建设计研究院有限公司 | 一种测量方法以及装置 |
CN117537735B (zh) * | 2023-10-20 | 2024-04-30 | 中国中建设计研究院有限公司 | 一种测量方法以及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114202613A (zh) | 房屋户型确定方法、装置和系统、电子设备和存储介质 | |
US11526992B2 (en) | Imagery-based construction progress tracking | |
CN104964673B (zh) | 一种可定位定姿的近景摄影测量系统和测量方法 | |
CN109670005B (zh) | 一种bim模型与三维地理场景的位置匹配方法 | |
Gomez-Jauregui et al. | Quantitative evaluation of overlaying discrepancies in mobile augmented reality applications for AEC/FM | |
US20150317070A1 (en) | Mobile handheld instruments and methods | |
US11783540B2 (en) | Method for generating roof outlines from lateral images | |
CN204963858U (zh) | 一种可定位定姿的近景摄影测量系统 | |
US20190266793A1 (en) | Apparatus, systems, and methods for tagging building features in a 3d space | |
CN111161350B (zh) | 位置信息及位置关系确定方法、位置信息获取装置 | |
CN107504959B (zh) | 利用倾斜航空影像测量房屋墙基轮廓的方法 | |
JP6928217B1 (ja) | 測定処理装置、方法及びプログラム | |
CN111207672B (zh) | 一种ar量房方法 | |
Baik et al. | From architectural photogrammetry toward digital architectural heritage education | |
US20160349409A1 (en) | Photovoltaic shade impact prediction | |
Streilein et al. | Comparison of a S-VHS Camcorder and a High-Resolution CCD-Camera for use in Architectural Photogrammetry | |
Bruschke | The actual situation of photogrammetry and surveying of monuments | |
EP2843365A2 (en) | Site surveying | |
US11481930B2 (en) | Accurately positioning augmented reality models within images | |
KR102393300B1 (ko) | 객체 지도 생성 시스템 및 그 방법 | |
WO2023103884A1 (zh) | 对象模型建立方法、装置、电子设备及存储介质 | |
Khalfa et al. | Establishment oF 3D Model with Digital Non-Metric Camera in Close Range Photogrammetry | |
Galvão et al. | GeoAR: a calibration method for Geographic-Aware Augmented Reality | |
Pérez-Martínez et al. | Architectural survey of built heritage using laser scanning and photogrammetry. Comparison of results in the case study of the Gothic vault of the church of San Vicente in Donostia-San Sebastián | |
Koeva | Investigation of 3D modelling techniques |
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 |