CN114387417A - 一种三维建筑建模方法、装置及三维建筑群建模方法 - Google Patents
一种三维建筑建模方法、装置及三维建筑群建模方法 Download PDFInfo
- Publication number
- CN114387417A CN114387417A CN202210297754.2A CN202210297754A CN114387417A CN 114387417 A CN114387417 A CN 114387417A CN 202210297754 A CN202210297754 A CN 202210297754A CN 114387417 A CN114387417 A CN 114387417A
- Authority
- CN
- China
- Prior art keywords
- component
- preset
- semantic
- modeled
- acquiring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种三维建筑建模方法、装置及三维建筑群建模方法。所述三维建筑建模方法包括:获取建筑单元的倾斜摄影数据;获取建筑单元的各个语义构件;获取多个预设基元构件数据库,一个预设基元构件数据库对应一种语义构件,每个预设基元构件数据库包括多个预设基元构件;为每个语义构件进行如下操作:根据语义构件获取对应的一个预设基元构件作为待建模基元构件;根据各个待建模基元构件进行建模,从而形成建筑模型。本申请通过预设基元构件数据库来获取到与倾斜摄影数据所对应的各个语义构件基本相同的预设基元构件作为待建模基元构件,克服了直接用倾斜摄影数据建模所带来的原始网格中的树木遮挡、关键部位网格缺失、噪声等因素的影响。
Description
技术领域
本申请涉及建筑建模技术领域,具体涉及一种三维建筑建模方法、三维建筑建模装置以及三维建筑群建模方法。
背景技术
传统的倾斜摄影三维重建模型,是稠密点云或稠密网格(mesh)。核心是多目重建,对相机位姿的识别和特征点的匹配,重建结果包含:几何,纹理。由于方法上的缺陷,属于低质量的重建。缺点包括几何上存在噪声网格,纹理有畸变,缺乏材质,没有语义等。
因此,希望有一种技术方案来解决或至少减轻现有技术的上述不足。
发明内容
本发明的目的在于提供一种三维建筑建模方法来至少解决上述的一个技术问题。
本发明的一个方面,提供一种三维建筑建模方法,所述三维建筑建模方法包括:
获取建筑单元的倾斜摄影数据;
根据所述倾斜摄影数据,获取建筑单元的各个语义构件;
获取多个预设基元构件数据库,一个预设基元构件数据库对应一种语义构件,每个预设基元构件数据库包括多个参数不同的预设基元构件;
为每个语义构件进行如下操作:根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件;
根据各个待建模基元构件进行建模,从而形成建筑模型。
可选地,所述根据所述倾斜摄影数据,获取建筑单元的各个语义构件包括:
获取经过训练的语义分割网络;
将所述倾斜摄影数据输入至所述经过训练的语义分割网络,从而获取经过训练的语义分割网络所输出的识别标签,其中,一个所述识别标签表示一种预设基元构件。
可选地,所述识别标签包括未识别语义构件;
当所述识别标签为未识别语义构件时,所述获取建筑单元的各个语义构件进一步包括:
获取该所述未识别语义构件所对应的倾斜摄影数据中的数据,该数据称为未识别数据;
获取该所述未识别数据的坐标信息;
获取预设坐标数据库,所述坐标数据库包括多个预设坐标数据以及每个坐标数据所对应的坐标语义构件;
判断所述未识别数据的坐标信息是否与各个预设坐标数据满足第一预设条件,所述第一预设条件对应一个坐标语义构件,若是,则
获取满足第一预设条件的预设坐标数据所对应的坐标语义构件作为所述未识别语义构件的语义构件。
可选地,所述根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件包括:
计算所述语义构件分别与其对应的预设基元构件数据库中的各个预设基元构件的相似度;
判断所获取的各个相似度中,是否有一个相似度超过预设阈值,若是,则
获取超过预设阈值的相似度所对应的预设基元构件作为该语义构件的待建模基元构件。
可选地,所述预设基元构件的参数包括标识参数,在每个预设基元构件数据库中,每个预设基元构件具有唯一标识参数;
所述根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件包括:
获取经过训练的预设基元构件分类器;
将语义构件输入至所述经过训练的预设基元构件分类器,从而获取经过训练的预设基元构件分类器所输出的预设基元构件分类标签,所述预设基元构件分类标签表示语义构件的标识参数;
获取与所述语义构件的标识参数相同的唯一标识参数所对应的预设基元构件的作为待建模基元构件。
可选地,当没有与所述语义构件的标识参数相同的唯一标识参数所对应的预设基元构件时,该没有与所述语义构件的标识参数相同的唯一标识参数所对应的预设基元构件的语义构件称为未获取标识语义构件,所述根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件进一步包括:
分解未获取标识语义构件,从而获取各个语义构件基础件;
分解与所述语义构件对应的预设基元构件数据库中的各个预设基元构件,从而获得每个预设基元构件的预设语义构件基础件;
为每个语义构件基础件进行如下操作:
计算语义构件基础件与各个预设语义构件基础件的相似度;
判断是否有一个相似度大于阈值,若是,则获取该相似度大于阈值的预设语义构件基础件;
将各个获取的所述预设语义构件基础件拼合,从而形成该未获取标识语义构件的待建模基元构件。
可选地,所述三维建筑建模方法进一步包括:
获取待建模基元构件所对应的语义构件尺寸信息;
获取待建模基元构件的待建模基元构件尺寸信息;
判断所述待建模基元构件尺寸信息与所述语义构件尺寸信息是否相同,若否,则
调整所述待建模基元构件尺寸信息至与所述语义构件尺寸信息相同。
可选地,在所述根据各个待建模基元构件进行建模,从而形成建筑模型之后,所述三维建筑建模方法进一步包括:
对所述建筑模型中的各个待建模基元构件进行正则化处理。
本申请还提供了一种三维建筑建模装置,所述三维建筑建模装置包括:
倾斜摄影数据获取模块,所述倾斜摄影数据获取模块用于获取建筑单元的倾斜摄影数据;
语义构件获取模块,所述语义构件获取模块用于根据所述倾斜摄影数据,获取建筑单元的各个语义构件;
数据库获取模块,所述数据库获取模块用于获取多个预设基元构件数据库,一个预设基元构件数据库对应一种语义构件,每个预设基元构件数据库包括多个参数不同的预设基元构件;
多个待建模基元构件获取模块,其中每个所述待建模基元构件获取模块用于处理一个语义构件,用于根据其所处理的语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件;
建模模块,所述建模模块用于根据各个待建模基元构件进行建模,从而形成建筑模型。
本申请还提供了一种三维建筑群建模方法,所述三维建筑群建模方法包括:
获取建筑群倾斜摄影数据,所述建筑群倾斜摄影数据包括多个建筑单元的倾斜摄影数据;
分割所述建筑群倾斜摄影数据,从而获取各个建筑单元的倾斜摄影数据;
通过如上所述的三维建筑建模方法分别对各个建筑单元的倾斜摄影数据进行处理,从而获取各个建筑模型。
有益效果
本申请通过预设基元构件数据库来获取到与倾斜摄影数据所对应的各个语义构件基本相同的预设基元构件作为待建模基元构件,克服了直接用倾斜摄影数据建模所带来的原始网格中的树木遮挡、关键部位网格缺失、噪声等因素的影响,解决了网格冗余、破缺等问题。同时,通过设计拟合粒度为构件级而非平面级,可以保证采用拟合生成的网格构件拼装后的建筑不会出现破面、建筑结构错误等问题。
附图说明
图1是本申请一实施例的三维建筑建模方法的流程示意图;
图2是用于实现图1所示的三维建筑建模方法的系统设备示意图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。
如图1所示的三维建筑建模方法包括:
步骤1:获取建筑单元的倾斜摄影数据;
步骤2:根据所述倾斜摄影数据,获取建筑单元的各个语义构件;
步骤3:获取多个预设基元构件数据库,一个预设基元构件数据库对应一种语义构件,每个预设基元构件数据库包括多个参数不同的预设基元构件;
步骤4:为每个语义构件进行如下操作:根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件;
步骤5:根据各个待建模基元构件进行建模,从而形成建筑模型。
本申请通过预设基元构件数据库来获取到与倾斜摄影数据所对应的各个语义构件基本相同的预设基元构件作为待建模基元构件,克服了直接用倾斜摄影数据建模所带来的原始网格中的树木遮挡、关键部位网格缺失、噪声等因素的影响,解决了网格冗余、破缺等问题。同时,通过设计拟合粒度为构件级而非平面级,可以保证采用拟合生成的网格构件拼装后的建筑不会出现破面、建筑结构错误等问题。
在本实施例中,根据倾斜摄影数据,获取建筑单元的各个语义构件包括:
获取经过训练的语义分割网络;
将倾斜摄影数据输入至经过训练的语义分割网络,从而获取经过训练的语义分割网络所输出的识别标签,其中,一个所述识别标签表示一种预设基元构件。
在本实施例中,可以使用预训练好的语义分割网络,如PointNet++网络。
在本市实施例中,语义构件是指可以被划分出来的各种建筑物构件,例如窗户、阳台、空调外机、立面和屋顶等。
在一个备选实施例中,识别标签包括未识别语义构件;
当识别标签为未识别语义构件时,获取建筑单元的各个语义构件进一步包括:
获取该未识别语义构件所对应的倾斜摄影数据中的数据,该数据称为未识别数据;
获取该所述未识别数据的坐标信息;
获取预设坐标数据库,所述坐标数据库包括多个预设坐标数据以及每个坐标数据所对应的坐标语义构件;
判断所述未识别数据的坐标信息是否与各个预设坐标数据中的一个满足第一预设条件,若是,则
获取满足第一预设条件的预设坐标数据所对应的坐标语义构件作为所述未识别语义构件的语义构件。
举例来说,假设一个建筑单元的倾斜摄影数据中包括10个语义构件,分别为9个窗户以及一个门,此时,有一个语义构件实际是窗户A,但是由于获取的是建筑单元的倾斜摄影数据,导致该窗户的数据可能会实际显示出一种畸形的形状,即经过训练的语义分割网络没办法从建筑单元的倾斜摄影数据中对应该窗户A的数据中识别出该数据对应为窗户,此时,就会出现一个未识别语义构件。
当识别标签为未识别语义构件时,获取该所述未识别语义构件所对应的倾斜摄影数据中的数据,即获取建筑单元的倾斜摄影数据中对应标识该窗户A的数据信息;
获取该未识别数据的坐标信息,该坐标信息可以反映该未识别数据在建筑单元中的位置,例如,该窗户A为建筑单元第3层住户的窗户,那从倾斜摄影数据中,可以得到该窗户A的坐标信息。
一种实施例中,可以根据倾斜摄影数据进行三维重建,这样即可以得到该窗户A的坐标信息。
当获取到该窗户A的坐标信息时,获取预设坐标数据库,所述坐标数据库包括多个预设坐标数据以及每个坐标数据所对应的坐标语义构件。以上述实施例为例,10个语义构件每个语义构件都有一个自己的坐标数据。
判断所述未识别数据的坐标信息是否与各个预设坐标数据满足第一预设条件,例如,在本实施例中,有9个语义构件为窗户,且每个窗户之间的距离为5米,则设定第一预设条件为是否与其他窗户构件的距离为5米,若满足该条件,即通过坐标信息判断该窗户A与其他几个窗户中的至少一个窗户的距离为5米,则认定该窗户A为窗户,即获取满足第一预设条件的预设坐标数据所对应的坐标语义构件作为所述未识别语义构件的语义构件,在本实施例中,该第一预设条件对应窗户这一语义构件。
可以理解的是,第一预设条件可以根据自身需要而设置,另外,也可以不仅设置一个预设条件,而是设置多个预设条件,每个预设条件对应一个语义构件。
采用这种方式,可以防止通过语义分割网络无法识别某些语义构件的情况出现,可以大幅度提高识别精确度以及效率。
在本实施例中,根据语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件包括:
计算语义构件分别与其对应的预设基元构件数据库中的各个预设基元构件的相似度;
判断所获取的各个相似度中,是否有一个相似度超过预设阈值,若是,则
获取超过预设阈值的相似度所对应的预设基元构件作为该语义构件的待建模基元构件。
举例来说,每个语义构件均由数据组成,只要计算该语义构件的数据与各个预设基元构件的相似度即可。
例如,在一个实施例中,语义构件为窗户,但是窗户的类型有很多种,例如圆形窗户、方形窗户等,此时,预设基元构件数据库中的各个预设基元构件就包括预设圆形窗户以及预设方形窗户,通过相似度的判断,就可以判断出语义构件所对应的是圆形窗户还是方形窗户,当语义构件为圆形窗户时,选择预设基元构件中的圆形窗户作为待建模基元构件即可。
采用这种方式,可以简单的获取到各个待建模基元构件,并且通过相似度的阈值的设置,可以根据实际情况,来调整容错率,例如,实际语义构件为椭圆形,但是预设基元构件数据库中的预设基元构件没有椭圆形窗户,但是其弧度并不大,完全可以通过圆形窗户代替,通过设置相似度阈值,可以获取到圆形窗户作为待建模基元构件。又例如,由于倾斜摄影数据可能直接导致某些窗户的形状有些变形,通过相似度的阈值的调整,也可以进一步防止无法比对出合适的构件的问题出现。
在另一个实施例中,预设基元构件的参数包括标识参数,在每个预设基元构件数据库中,每个预设基元构件具有唯一标识参数;
根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件包括:
获取经过训练的预设基元构件分类器;
将语义构件输入至所述经过训练的预设基元构件分类器,从而获取经过训练的预设基元构件分类器所输出的预设基元构件分类标签,所述预设基元构件分类标签表示语义构件的标识参数;
获取与所述语义构件的标识参数相同的唯一标识参数所对应的预设基元构件的作为待建模基元构件。
采用分类器的方式,能够简单有效的得到带建模基元构件。
在分类器的实施例中,当没有与语义构件的标识参数相同的唯一标识参数所对应的预设基元构件时,该没有与所述语义构件的标识参数相同的唯一标识参数所对应的预设基元构件的语义构件称为未获取标识语义构件,所述根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件进一步包括:
分解未获取标识语义构件,从而获取各个语义构件基础件;
分解与所述语义构件对应的预设基元构件数据库中的各个预设基元构件,从而获得每个预设基元构件的预设语义构件基础件;
为每个语义构件基础件进行如下操作:
计算语义构件基础件与各个预设语义构件基础件的相似度;
判断是否有一个相似度大于阈值,若是,则获取该相似度大于阈值的预设语义构件基础件;
将各个获取的所述预设语义构件基础件拼合,从而形成该未获取标识语义构件的待建模基元构件。
举例来说,以语义构件为门来说,该类型的门包括门框、门扇、横档,该门的门框可能是A形状门框、门扇可能是B形状门扇、横档可能是C形状横档,而此时,各个预设基元构件中,没有个预设基元构件同时包括A形状门框、B形状门扇、C形状门档,但是,一个预设基元构件包括A形状门框、一个预设基元构件包括B形状门扇、一个预设基元构件包括C形状横档,此时,我们将该未获取标识的语义构件进行分解,分解成多个语义构件基础件(例如,分解成门扇、门框以及横档)。并将各个预设基元构件也进行分解,此时,就能够分别出上述的A形状门框、B形状门扇、C形状横档,当然,这几个并不在一个预设基元构件中,而是分别在不同的基元构件中。
计算语义构件基础件与各个预设语义构件基础件的相似度,此时,可以发现,语义构件基础件的门扇与B形状门扇的相似度大于阈值,语义构件基础件的门框与A形状门框的相似度大于阈值、语义构件基础件的横档与C形状横档的相似度大于阈值,此时,就获取的A形状门框、B形状门扇、C形状横档,并将的A形状门框、B形状门扇、C形状横档的数据进行拼合,从而形成该未获取标识语义构件的待建模基元构件。
采用这种方法,可以大量的节省预设基元构件数据库的数据量,在尽量少设置预设基元构件的情况下,能够覆盖大量的语义构件。
在本实施例中,三维建筑建模方法进一步包括:
获取待建模基元构件所对应的语义构件尺寸信息;
获取待建模基元构件的待建模基元构件尺寸信息;
判断所述待建模基元构件尺寸信息与所述语义构件尺寸信息是否相同,若否,则
调整所述待建模基元构件尺寸信息至与所述语义构件尺寸信息相同。
在获取到待建模基元构件后,该待建模基元构件仅仅可能是形状结构与其对应的语义构件相同,可能尺寸并不相同,此时,通过进行尺寸上的调整,可以获得基本跟语义构件完全相同的待建模基元构件。
在本实施例中,在根据各个待建模基元构件进行建模,从而形成建筑模型之后,所述三维建筑建模方法进一步包括:
对所述建筑模型中的各个待建模基元构件进行正则化处理。
在本实施例中,预设基元构件数据库包括组成日常建筑的所有预设基元构件的网格模型。基元构件类型分类可以包括立面构件和屋顶构件。其中立面构件包括:窗户构件、阳台构件、门构件、空调挂机构件、广告牌构件、墙壁构件、装饰物构件等;屋顶构件包括屋顶类型构件、设备房间构件、水电暖通设备设施构件、屋檐构件、女儿墙构件、装饰物构件等。
在本实施例中,预设基元构件数据库中的预设基元构件的参数均可以进行调整,例如,可以进行形变 、伸缩;同时具备约束规则,保证形变、伸缩后的合理性。
在上述的通过相似度获取待建模基元构件的实施例中,可以先将各个预设基元构件进行某些变形,从而丰富预设基元构件数据库,继而再进行相似度分析,从而提高准确度。
在本实施例中,语义构件包括点云数据,通过PointNet++网络,对单栋建筑的语义构件进行语义分割,得到对应的点云数据。
在本实施例中,根据语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件还可以采用如下方法进行(该方法称为拟合方法):
对于任何一个语义构件为L(如窗户)的点云数据x,设与其相同的预设基元构件数据库中的预设基元构件的基元为f(x)。
对f(x)进行以下操作:
步骤1:对f(x)进行第i次形变,得到f(x)i`。
步骤2:转换f(x)i`为点云数据。
步骤3:定义f(x)i`点云数据与x中所有三维点的差值的平方和为距离d。计算该点云数据与x的距离di。
步骤4:动态调整形变参数,重复步骤1-步骤3。
步骤5:迭代以上步骤N次,比较所有距离d,得到最短距离dmin。
步骤6:将最短距离dmin对应的f(x)i`作为x的待建模基元构件。
采用这种方式,能够获取到最为合理的待建模基元构件。
在本实施例中,通过分类器的方式获取语义构件,可以通过预训练的神经网络模型,可以实现完全自动化的对噪声网格进行语义分割,将无语义非结构化的网格数据处理成语义数据,为后续结构化准备好具有明确的语义类型的输入数据。
在本实施例中,采用相似度的方式获取语义构件,其优点在于:工业建模流程中,需要3D建模人员以倾斜摄影数据作为参考,建模出一模一样的结构化的建筑模型。在这个过程中存在大量的比对、找相似的工作。比如实际的倾斜摄影数据中的某栋建筑,窗户长什么样子,就需要美术人员找一模一样的窗户的纹理、材质,并且手工建模出一样的mesh模型,然后再把纹理和材质赋予到mesh模型上。相似度的方法通过算法比对纹理、材质、风格的相似度,然后自动化的完成检索过程,省去了大量的人工翻模过程中的工时。
在本实施例中,采用上述的拟合方法的优点在于:人工翻模过程中,拿到照片或者噪声模型。是建模人员通过人眼估计或者放到建模软件中逐步位比对的方法,建模出与照片或者噪声模型尽可能相似的mesh模型。这个过程十分繁琐、耗时耗力、精度准度也不够。咱们拟合的计算方法,通过机器度量点与点之间的距离,完全自动化,而且精度和准度很高。
相比于原始倾斜摄影重建方法,本方法得到的网格模型没有畸变、破缺等问题。同时,还保留了原始网格数据的精度和准度,能满足绝大多数城市数字孪生场景的需要。
在本实施例中,本方法从建筑的倾斜摄影网格数据提取语义构件,这些关键语义构件的提取能够保留原始建筑特征的同时,结合预设基元构件数据库获取到的待建模基元构件,提高了重构后建筑模型的粒度和精细程度。
在本实施例中,本方法使用相似度以及分类器的方法来自动获取待建模基元构件,而非从原始数据提取。由此,避免了原始网格中的树木遮挡、关键部位网格缺失、噪声等因素的影响,解决了网格冗余、破缺等问题。可以保证待建模基元构件拼装后的建筑不会出现破面、建筑结构错误等问题。
本申请相对于现有技术,效率较高、错误率低且能够得到理想的模型效果,应用于实时的三维可视化系统。
本申请还提供了一种三维建筑建模装置,所述三维建筑建模装置包括倾斜摄影数据获取模块,语义构件获取模块,数据库获取模块以及建模模块,倾斜摄影数据获取模块用于获取建筑单元的倾斜摄影数据;语义构件获取模块用于根据倾斜摄影数据,获取建筑单元的各个语义构件;数据库获取模块用于获取多个预设基元构件数据库,一个预设基元构件数据库对应一种语义构件,每个预设基元构件数据库包括多个参数不同的预设基元构件;其中每个待建模基元构件获取模块用于处理一个语义构件,用于根据其所处理的语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件;建模模块用于根据各个待建模基元构件进行建模,从而形成建筑模型。
可以理解的是,上述对方法的阐述,同样适用于对装置的阐述。
本申请还提供了一种三维建筑群建模方法,所述三维建筑群建模方法包括:
获取建筑群倾斜摄影数据,所述建筑群倾斜摄影数据包括多个建筑单元的倾斜摄影数据;
分割所述建筑群倾斜摄影数据,从而获取各个建筑单元的倾斜摄影数据;
通过如上所述的三维建筑建模方法分别对各个建筑单元的倾斜摄影数据进行处理,从而获取各个建筑模型。
在本实施例中,分割所述建筑群倾斜摄影数据通过语义分割网络进行,可以使用预训练好的语义分割网络,如PiontRend网络。
本申请还提供了一种电子设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序,处理器执行计算机程序时实现如上的三维建筑建模方法。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时能够实现如上的三维建筑建模方法。
图2是能够实现根据本申请一个实施例提供的三维建筑建模方法的电子设备的示例性结构图。
如图2所示,电子设备包括输入设备501、输入接口502、中央处理器503、存储器504、输出接口505以及输出设备506。其中,输入接口502、中央处理器503、存储器504以及输出接口505通过总线507相互连接,输入设备501和输出设备506分别通过输入接口502和输出接口505与总线507连接,进而与电子设备的其他组件连接。具体地,输入设备504接收来自外部的输入信息,并通过输入接口502将输入信息传送到中央处理器503;中央处理器503基于存储器504中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器504中,然后通过输出接口505将输出信息传送到输出设备506;输出设备506将输出信息输出到电子设备的外部供用户使用。
也就是说,图2所示的电子设备也可以被实现为包括:存储有计算机可执行指令的存储器;以及一个或多个处理器,该一个或多个处理器在执行计算机可执行指令时可以实现结合图1描述的三维建筑建模方法。
在一个实施例中,图2所示的电子设备可以被实现为包括:存储器504,被配置为存储可执行程序代码;一个或多个处理器503,被配置为运行存储器504中存储的可执行程序代码,以执行上述实施例中的三维建筑建模方法。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动,媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数据多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
此外,显然“包括”一词不排除其他单元或步骤。装置权利要求中陈述的多个单元、模块或装置也可以由一个单元或总装置通过软件或硬件来实现。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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,模块、程序段、或代码的一部分包括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,两个接连地标识的方框实际上可以基本并行地执行,他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/或总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。
在本实施例中所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
存储器可用于存储计算机程序和/或模块,处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现装置/终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在本实施例中,装置/终端设备集成的模块/单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。本申请虽然以较佳实施例公开如上,但其实并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此,本申请的保护范围应当以本申请权利要求所界定的范围为准。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
此外,显然“包括”一词不排除其他单元或步骤。装置权利要求中陈述的多个单元、模块或装置也可以由一个单元或总装置通过软件或硬件来实现。
虽然,上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种三维建筑建模方法,其特征在于,所述三维建筑建模方法包括:
获取建筑单元的倾斜摄影数据;
根据所述倾斜摄影数据,获取建筑单元的各个语义构件;
获取多个预设基元构件数据库,一个预设基元构件数据库对应一种语义构件,每个预设基元构件数据库包括多个参数不同的预设基元构件;
为每个语义构件进行如下操作:根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件;
根据各个待建模基元构件进行建模,从而形成建筑模型。
2.如权利要求1所述的三维建筑建模方法,其特征在于,所述根据所述倾斜摄影数据,获取建筑单元的各个语义构件包括:
获取经过训练的语义分割网络;
将所述倾斜摄影数据输入至所述经过训练的语义分割网络,从而获取经过训练的语义分割网络所输出的识别标签,其中,一个所述识别标签表示一种预设基元构件。
3.如权利要求2所述的三维建筑建模方法,其特征在于,所述识别标签包括未识别语义构件;
当所述识别标签为未识别语义构件时,所述获取建筑单元的各个语义构件进一步包括:
获取该所述未识别语义构件所对应的倾斜摄影数据中的数据,该数据称为未识别数据;
获取该所述未识别数据的坐标信息;
获取预设坐标数据库,所述坐标数据库包括多个预设坐标数据以及每个坐标数据所对应的坐标语义构件;
判断所述未识别数据的坐标信息是否与各个预设坐标数据满足第一预设条件,所述第一预设条件对应一个语义构件,若是,则
获取满足第一预设条件的预设坐标数据所对应的坐标语义构件作为所述未识别语义构件的语义构件。
4.如权利要求3所述的三维建筑建模方法,其特征在于,所述根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件包括:
计算所述语义构件分别与其对应的预设基元构件数据库中的各个预设基元构件的相似度;
判断所获取的各个相似度中,是否有一个相似度超过预设阈值,若是,则
获取超过预设阈值的相似度所对应的预设基元构件作为该语义构件的待建模基元构件。
5.如权利要求3所述的三维建筑建模方法,其特征在于,所述预设基元构件的参数包括标识参数,在每个预设基元构件数据库中,每个预设基元构件具有唯一标识参数;
所述根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件包括:
获取经过训练的预设基元构件分类器;
将语义构件输入至所述经过训练的预设基元构件分类器,从而获取经过训练的预设基元构件分类器所输出的预设基元构件分类标签,所述预设基元构件分类标签表示语义构件的标识参数;
获取与所述语义构件的标识参数相同的唯一标识参数所对应的预设基元构件的作为待建模基元构件。
6.如权利要求5所述的三维建筑建模方法,其特征在于,当没有与所述语义构件的标识参数相同的唯一标识参数所对应的预设基元构件时,该没有与所述语义构件的标识参数相同的唯一标识参数所对应的预设基元构件的语义构件称为未获取标识语义构件,所述根据所述语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件进一步包括:
分解未获取标识语义构件,从而获取各个语义构件基础件;
分解与所述语义构件对应的预设基元构件数据库中的各个预设基元构件,从而获得每个预设基元构件的预设语义构件基础件;
为每个语义构件基础件进行如下操作:
计算语义构件基础件与各个预设语义构件基础件的相似度;
判断是否有一个相似度大于阈值,若是,则获取该相似度大于阈值的预设语义构件基础件;
将各个获取的所述预设语义构件基础件拼合,从而形成该未获取标识语义构件的待建模基元构件。
7.如权利要求3至6中任意一项所述的三维建筑建模方法,其特征在于,所述三维建筑建模方法进一步包括:
获取待建模基元构件所对应的语义构件尺寸信息;
获取待建模基元构件的待建模基元构件尺寸信息;
判断所述待建模基元构件尺寸信息与所述语义构件尺寸信息是否相同,若否,则
调整所述待建模基元构件尺寸信息至与所述语义构件尺寸信息相同。
8.如权利要求7所述的三维建筑建模方法,其特征在于,在所述根据各个待建模基元构件进行建模,从而形成建筑模型之后,所述三维建筑建模方法进一步包括:
对所述建筑模型中的各个待建模基元构件进行正则化处理。
9.一种三维建筑建模装置,其特征在于,所述三维建筑建模装置包括:
倾斜摄影数据获取模块,所述倾斜摄影数据获取模块用于获取建筑单元的倾斜摄影数据;
语义构件获取模块,所述语义构件获取模块用于根据所述倾斜摄影数据,获取建筑单元的各个语义构件;
数据库获取模块,所述数据库获取模块用于获取多个预设基元构件数据库,一个预设基元构件数据库对应一种语义构件,每个预设基元构件数据库包括多个参数不同的预设基元构件;
多个待建模基元构件获取模块,其中每个所述待建模基元构件获取模块用于处理一个语义构件,用于根据其所处理的语义构件获取对应的预设基元构件数据库中的一个预设基元构件作为待建模基元构件;
建模模块,所述建模模块用于根据各个待建模基元构件进行建模,从而形成建筑模型。
10.一种三维建筑群建模方法,其特征在于,所述三维建筑群建模方法包括:
获取建筑群倾斜摄影数据,所述建筑群倾斜摄影数据包括多个建筑单元的倾斜摄影数据;
分割所述建筑群倾斜摄影数据,从而获取各个建筑单元的倾斜摄影数据;
通过如权利要求1至8中任意一项所述的三维建筑建模方法分别对各个建筑单元的倾斜摄影数据进行处理,从而获取各个建筑模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210297754.2A CN114387417B (zh) | 2022-03-25 | 2022-03-25 | 一种三维建筑建模方法、装置及三维建筑群建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210297754.2A CN114387417B (zh) | 2022-03-25 | 2022-03-25 | 一种三维建筑建模方法、装置及三维建筑群建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114387417A true CN114387417A (zh) | 2022-04-22 |
CN114387417B CN114387417B (zh) | 2022-05-27 |
Family
ID=81206361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210297754.2A Active CN114387417B (zh) | 2022-03-25 | 2022-03-25 | 一种三维建筑建模方法、装置及三维建筑群建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114387417B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100378A (zh) * | 2022-06-17 | 2022-09-23 | 广东建诚监理咨询有限公司 | 建筑群快速构建的方法及装置 |
CN115115806A (zh) * | 2022-08-30 | 2022-09-27 | 北京飞渡科技有限公司 | 一种基于单基元解析的屋顶参数化重构方法及系统 |
CN115661378A (zh) * | 2022-12-28 | 2023-01-31 | 北京道仪数慧科技有限公司 | 建筑模型重建方法及系统 |
CN115100378B (zh) * | 2022-06-17 | 2024-07-30 | 广东建诚监理咨询有限公司 | 建筑群快速构建的方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608691A (zh) * | 2015-12-17 | 2016-05-25 | 武汉大学 | 一种高分辨率sar影像单体建筑提取方法 |
CN110120097A (zh) * | 2019-05-14 | 2019-08-13 | 南京林业大学 | 大场景机载点云语义建模方法 |
US20200125776A1 (en) * | 2017-08-09 | 2020-04-23 | China Construction Steel Structure Corp. Ltd. | Collision check data processing method and apparatus, electronic device, and storage medium |
CN111259484A (zh) * | 2020-02-10 | 2020-06-09 | 湖南省西城建设有限公司 | 一种基于bim技术的建筑施工预拼装方法 |
CN112241565A (zh) * | 2020-10-27 | 2021-01-19 | 万翼科技有限公司 | 建模方法及相关装置 |
CN112634340A (zh) * | 2020-12-24 | 2021-04-09 | 深圳大学 | 基于点云数据确定bim模型的方法、装置、设备和介质 |
CN112712592A (zh) * | 2021-03-26 | 2021-04-27 | 泰瑞数创科技(北京)有限公司 | 建筑物三维模型语义化方法 |
CN113128405A (zh) * | 2021-04-20 | 2021-07-16 | 北京航空航天大学 | 一种结合语义分割与点云处理的植物识别与模型构建方法 |
-
2022
- 2022-03-25 CN CN202210297754.2A patent/CN114387417B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608691A (zh) * | 2015-12-17 | 2016-05-25 | 武汉大学 | 一种高分辨率sar影像单体建筑提取方法 |
US20200125776A1 (en) * | 2017-08-09 | 2020-04-23 | China Construction Steel Structure Corp. Ltd. | Collision check data processing method and apparatus, electronic device, and storage medium |
CN110120097A (zh) * | 2019-05-14 | 2019-08-13 | 南京林业大学 | 大场景机载点云语义建模方法 |
CN111259484A (zh) * | 2020-02-10 | 2020-06-09 | 湖南省西城建设有限公司 | 一种基于bim技术的建筑施工预拼装方法 |
CN112241565A (zh) * | 2020-10-27 | 2021-01-19 | 万翼科技有限公司 | 建模方法及相关装置 |
CN112634340A (zh) * | 2020-12-24 | 2021-04-09 | 深圳大学 | 基于点云数据确定bim模型的方法、装置、设备和介质 |
CN112712592A (zh) * | 2021-03-26 | 2021-04-27 | 泰瑞数创科技(北京)有限公司 | 建筑物三维模型语义化方法 |
CN113128405A (zh) * | 2021-04-20 | 2021-07-16 | 北京航空航天大学 | 一种结合语义分割与点云处理的植物识别与模型构建方法 |
Non-Patent Citations (1)
Title |
---|
吴峥等: "基于3D基元的交互式单幅图像建模", 《计算机工程与设计》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100378A (zh) * | 2022-06-17 | 2022-09-23 | 广东建诚监理咨询有限公司 | 建筑群快速构建的方法及装置 |
CN115100378B (zh) * | 2022-06-17 | 2024-07-30 | 广东建诚监理咨询有限公司 | 建筑群快速构建的方法及装置 |
CN115115806A (zh) * | 2022-08-30 | 2022-09-27 | 北京飞渡科技有限公司 | 一种基于单基元解析的屋顶参数化重构方法及系统 |
CN115661378A (zh) * | 2022-12-28 | 2023-01-31 | 北京道仪数慧科技有限公司 | 建筑模型重建方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114387417B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114387417B (zh) | 一种三维建筑建模方法、装置及三维建筑群建模方法 | |
CN107784288B (zh) | 一种基于深度神经网络的迭代定位式人脸检测方法 | |
CN111583097A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN111815602B (zh) | 基于深度学习和形态学的建筑pdf图纸墙体识别装置和方法 | |
CN105678213B (zh) | 基于视频特征统计的双模式蒙面人事件自动检测方法 | |
CN109711416B (zh) | 目标识别方法、装置、计算机设备和存储介质 | |
CN113592886B (zh) | 建筑图纸的审图方法、装置、电子设备及介质 | |
CN106780639B (zh) | 基于显著性特征稀疏嵌入和极限学习机的哈希编码方法 | |
CN116628834B (zh) | 一种基于神经网络的轮廓分段矫正方法及装置 | |
CN114529574B (zh) | 基于图像分割的图像抠图方法、装置、计算机设备及介质 | |
CN113421192B (zh) | 对象统计模型的训练方法、目标对象的统计方法和装置 | |
CN112347964A (zh) | 一种基于图网络的行为检测方法及装置 | |
CN115600307A (zh) | 一种从城市场景的Mesh模型中生成单体化建筑的方法 | |
CN113763412B (zh) | 图像处理方法、装置及电子设备、计算机可读存储介质 | |
CN116403109A (zh) | 一种基于改进神经网络的建筑物识别与提取方法及系统 | |
CN112528954A (zh) | 一种证件图像文字提取方法 | |
CN112150497A (zh) | 基于二值神经网络的局部激活方法与系统 | |
CN112115910A (zh) | 人脸库更新方法及装置 | |
WO2024011859A1 (zh) | 一种基于神经网络的人脸检测方法和装置 | |
CN108427742B (zh) | 一种基于低秩矩阵的配电网可靠性数据修复方法及系统 | |
CN110717969A (zh) | 一种阴影生成方法和装置 | |
CN112132215B (zh) | 一种识别物体类型的方法、装置及计算机可读存储介质 | |
CN112800829B (zh) | 一种基于三维测量的物体局部破损程度的识别方法 | |
CN113221907A (zh) | 一种车辆部件分割方法、装置、设备及存储介质 | |
CN111967579A (zh) | 使用卷积神经网络对图像进行卷积计算的方法和装置 |
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 | ||
CP03 | Change of name, title or address |
Address after: Room Y579, 3rd Floor, Building 3, No. 9 Keyuan Road, Daxing District Economic Development Zone, Beijing 102600 Patentee after: Beijing Feidu Technology Co.,Ltd. Address before: 102600 608, floor 6, building 1, courtyard 15, Xinya street, Daxing District, Beijing Patentee before: Beijing Feidu Technology Co.,Ltd. |
|
CP03 | Change of name, title or address |