CN114626118A - 建筑物室内模型生成方法及装置 - Google Patents
建筑物室内模型生成方法及装置 Download PDFInfo
- Publication number
- CN114626118A CN114626118A CN202011562537.9A CN202011562537A CN114626118A CN 114626118 A CN114626118 A CN 114626118A CN 202011562537 A CN202011562537 A CN 202011562537A CN 114626118 A CN114626118 A CN 114626118A
- Authority
- CN
- China
- Prior art keywords
- floor
- layout structure
- information
- building
- indoor model
- 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 79
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种建筑物室内模型生成方法、装置、电子设备及计算机可读存储介质,涉及模型生成领域。该方法包括:获取建筑物的各个楼层信息以及至少一个楼层对应的楼层图像数据;对楼层图像数据进行解析,获取楼层内部的布局结构信息;基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型。本申请通过对楼层图像数据进行解析,获取楼层内部的布局结构信息,并基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型,相比于现有技术的通过人工建模生成建筑物模型的方法,本申请实施例的模型生成方法不依赖于人工编辑绘制建模,模型生成方法简便,因此,在应用过程中节约了人力成本,并提高了建筑物模型生成效率。
Description
技术领域
本申请涉及模型生成技术领域,具体而言,本申请涉及一种建筑物室内模型生成方法、装置、电子设备及计算机可读存储介质。
背景技术
随着室内三维模型应用需求呈爆发性增长,目前受三维应用系统前端的算力以及具体需求影响,低精度室内模型在实际应用中占相当大的部分。
目前生成建筑物简易室内模型,大致有如下几种方法:第一种方法是传统人工基于电子版建筑物设计图建模,此方法费时费力,成本高昂;虽然有部分改进的方法,直接基于二维建筑物平面设计图用算法自动生成室内三维模型,但都无法回避实际商业应用中工程图数据涉密的风险;第二种为基于激光点云的生成室内模型的解决方案,仍有人力、设备成本居高不下的问题,且需要专业设备,无法满足大量快速生成室内建筑物模型的需求。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一,特别是人力、设备成本高的技术缺陷。
第一方面,提供了一种建筑物室内模型生成方法,该方法包括:获取建筑物的各个楼层信息以及至少一个楼层对应的楼层图像数据;
对楼层图像数据进行解析,获取楼层内部的布局结构信息;
基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型。
在一个可能的实现方式中,对楼层图像数据进行解析,获取楼层内部的布局结构信息,包括:
对楼层图像数据进行滤波处理,得到消除噪点的平滑结构图像;
从平滑结构图像中,获取楼层内部的布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
在另一个可能的实现方式中,从平滑结构图像中,获取楼层内部的布局结构中墙体对应的线条,以生成楼层内部的布局结构信息,包括:
采用边缘检测算法,提取平滑结构图像中的图形边界线条;
对图形边界线条进行修正处理,并将修正后的图形边界线条作为布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
在另一个可能的实现方式中,楼层信息包括楼层图像数据对应的楼层层高以及对应的楼层层数,
基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型,包括:
根据楼层层高,将楼层内部的布局结构信息中墙体对应的线条进行拉伸,生成与楼层层数对应的初始楼层室内模型;
根据楼层信息以及初始楼层室内模型,生成建筑物室内模型。
在另一个可能的实现方式中,楼层信息还包括各个楼层内部的布局结构关系信息,
根据楼层信息以及初始楼层室内模型,生成建筑物室内模型,包括:
根据各个楼层内部的布局结构关系信息,若确定存在楼层内部布局结构与初始楼层室内模型的内部布局结构相同的楼层,则将初始楼层室内模型进行复制,以生成各个楼层对应的楼层室内模型;
将各个楼层对应的楼层室内模型进行组合,生成建筑物室内模型。
第二方面,提供了一种建筑物室内模型生成装置,该装置包括:
获取模块,用于获取建筑物的各个楼层信息以及至少一个楼层对应的楼层图像数据;
解析模块,用于对楼层图像数据进行解析,获取楼层内部的布局结构信息;
生成模块,用于基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型。
在另一个可能的实现方式中,解析模块包括:
滤波单元,用于对楼层图像数据进行滤波处理,得到消除噪点的平滑结构图像;
生成单元,用于从平滑结构图像中,获取楼层内部的布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
在另一个可能的实现方式中,生成单元具体用于,
采用边缘检测算法,提取平滑结构图像中的图形边界线条;
对图形边界线条进行修正处理,并将修正后的图形边界线条作为布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
第三方面,提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置用于:执行根据上述建筑物室内模型生成方法。
例如,本申请的第三方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,处理器、存储器和通信接口通过通信总线完成相互间的通信;
存储器用于存放上述至少一项可执行指令,可执行指令使处理器执行如本申请的第一方面所示的建筑物室内模型生成方法对应的操作。
第四方面,提供了一种计算机可读存储介质,计算机程序被处理器执行时实现上述建筑物室内模型生成方法。
例如,本申请实施例的第四方面,提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现本申请第一方面所示的建筑物室内模型生成方法。
本申请提供的技术方案带来的有益效果是:
本申请通过对楼层图像数据进行解析,获取楼层内部的布局结构信息,并基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型,相比于现有技术的通过人工建模生成建筑物模型的方法,本申请实施例的模型生成方法不依赖于人工编辑绘制建模,生成方法简便快速,因此,在应用过程中节约了人力成本,并提高了建筑物模型生成效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的建筑物室内模型生成方法的流程示意图;
图2为本申请实施例提供的建筑物室内模型生成过程的原理示意图之一;
图3为本申请实施例提供的建筑物室内模型生成过程的原理示意图之二;
图4为本申请实施例提供的建筑物室内模型生成装置的结构示意图;
图5为本申请实施例提供的建筑物室内模型生成的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其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。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请提供的建筑物室内模型生成方法、装置、电子设备和计算机可读存储介质,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
本申请实施例中提供了一种建筑物室内模型生成方法,该方法的执行主体可以为具有模型生成能力的终端或服务器设备,也可以为集成在这些设备上的装置或芯片,例如,用于生成模型的计算机设备等。如图1所示,其为本申请实施例提供的一种建筑物室内模型生成方法的流程示意图,该方法包括如下步骤:
S101:获取建筑物的各个楼层信息以及至少一个楼层对应的楼层图像数据。
具体的,在本申请实施例中,楼层图像数据可以为建筑物的某一楼层的布局结构平面图,例如,可以通过移动终端设备或者数码拍摄设备等对建筑物的楼层布局结构平面图进行图像采集。此外,楼层信息可以包括楼层图像数据对应的楼层层数、楼层层高,以及各个楼层的布局结构关系,例如,各个楼层的布局结构是否相同,布局结构相同的楼层具体为哪些楼层等。
需要说明的是,上述的楼层图像数据与楼层信息之间相互对应,例如,楼层图像数据为某楼层层数对应的图像数据,该楼层对应一个楼层层高,以及,该楼层的布局结构与哪些楼层的布局结构相同等。具体的,例如,楼层信息中,楼层层数为第5层,该楼层层高为3米,该楼层对应相应的楼层布局结构平面图,并且与该楼层的布局结构相同的楼层为第6至10层。因此,可以理解的是,上述的楼层图像数据可以对应一个楼层层数,也可以对应多个楼层层数,并且,各个楼层可以对应相同的楼层层高,也可以对应不同的楼层层高。
S102:对楼层图像数据进行解析,获取楼层内部的布局结构信息。
具体的,在步骤S101获取楼层图像数据之后,可以通过图像数据解析方法对图像数据进行解析,获取楼层内部的布局结构信息,其中,布局结构信息可以包括楼层中的所包括的各个房间的布局结构,还可以包括组成各个房间的墙体对应的结构信息。
S103:基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型。
本申请通过对楼层图像数据进行解析,获取楼层内部的布局结构信息,并基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型,相比于现有技术的通过人工建模生成建筑物模型的方法,本申请实施例的模型生成方法不依赖于人工计算,模型生成方法简便,因此,在应用过程中节约了人力成本,并提高了建筑物模型生成效率。
在一个实施例中,步骤S102具体可以包括:
对楼层图像数据进行滤波处理,得到消除噪点的平滑结构图像;
从平滑结构图像中,获取楼层内部的布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
具体的,由于楼层图像数据在采集过程中环境光线、采集角度、采集设备分辨率等因素,所采集的图像上可能会出现噪点等问题,因此,可以通过滤波器对所采集的图像数据进行滤波处理,具体的,可以采用例如高斯滤波器对楼层图像数据进行滤波。此外,如果所采集的楼层图像数据为拍摄的彩色图像,还可以在对楼层图像数据进行滤波之前,将该彩色图像转换为灰度图像,例如可以转换为256级灰度图像。
进一步的,针对滤波处理后得到的消除噪点的平滑结构图像,可以获取楼层内部的布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
在另一个实施例中,具体可以通过:采用边缘检测算法,提取平滑结构图像中的图形边界线条;对图形边界线条进行修正处理,并将修正后的图形边界线条作为布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
具体的,可以通过sobel边缘检测算法或者canny边缘检测算法,提取平滑结构图像中的图形边界线条。然后,如果因最初采集的楼层图像数据清晰度较低而导致所提取的图形边界线条清晰度较低或图形边界线条不完整时,可以通过prewitt边缘检测算法或roberts边缘检测算法对提取上述图形边界线条进行锐化,以使图形边界线条对比度增强。进一步的,针对锐化后的图形边界线条,可以采用基于霍夫变换的算法识别图形边界线条中的直线及圆弧,并对识别出的线条进行修正处理,例如,利用卷积神经网络训练模型,识别由于拍摄图像时反光造成的伪线条,并将其去除。例如,还可以对识别出的线条进行去除噪点处理以使线条变得平滑,以及进行透视变换处理,从而修正由于拍摄楼层图像时拍摄角度造成的透视变形问题。进而,将修正处理后的图形边界线条作为布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
本申请通过对楼层图像数据进行解析,获取楼层内部的布局结构中墙体对应的线条,以生成楼层内部的布局结构信息,并基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型,相比于现有技术的通过人工建模生成建筑物模型的方法,本申请实施例的模型生成方法不依赖于人工编辑绘制建模,生成方法简便快速,因此,在应用过程中节约了人力成本,并提高了建筑物模型生成效率。
在另一个实施例中,楼层信息包括楼层图像数据对应的楼层层高以及对应的楼层层数,步骤S103具体可以包括:
根据楼层层高,将楼层内部的布局结构信息中墙体对应的线条进行拉伸,生成与楼层层数对应的初始楼层室内模型;
根据楼层信息以及初始楼层室内模型,生成建筑物室内模型。
具体的,楼层图像数据与楼层信息之间相互对应,例如,楼层图像数据为某楼层层数对应的图像数据,该楼层对应一个楼层层高,以及,该楼层的布局结构与哪些楼层的布局结构相同等。具体的,例如,楼层信息中,楼层层数为第5层,该楼层层高为3米,该楼层对应相应的楼层内部的布局结构信息,并且与该楼层的布局结构相同的楼层为第6层至第10层。因此,可以理解的是,上述的楼层内部的布局结构信息可以对应一个楼层层数,也可以对应多个楼层层数,并且,各个楼层可以对应相同的楼层层高,也可以对应不同的楼层层高。
进一步的,可以将步骤S102中生成的楼层内部的布局结构信息变换为实际尺寸对应的米制坐标系,然后将楼层内部的布局结构信息中墙体对应的线条,按照该楼层对应的层高进行拉伸,例如,该楼层层高3米,则将墙体对应的线条拉伸为高3米,从而生成与楼层层数对应的初始楼层室内模型,在本实施例中,该初始楼层室内模型可以为三维模型,可以理解的是,在其他实施例中,可以应用本申请实施例的方法生成其他类型的模型。
在另一个实施例中,楼层信息还可以包括各个楼层内部的布局结构关系信息,进一步的,根据各个楼层内部的布局结构关系信息,若确定存在楼层内部布局结构与初始楼层室内模型的内部布局结构相同的楼层,则将初始楼层室内模型进行复制,以生成各个楼层对应的楼层室内模型;将各个楼层对应的楼层室内模型进行组合,生成建筑物室内模型,例如,生成建筑物的三维室内模型。
例如,在各个楼层内部的布局结构关系信息中,第6层至第10层的楼层内部布局结构与第5层对应的初始楼层室内模型的楼层内部布局结构相同,则将第5层对应的初始楼层室内模型进行复制,作为第6层至第10层分别对应的楼层室内模型,从而生成各个楼层对应的楼层室内模型,然后将各个楼层对应的楼层室内模型按照楼层顺序进行组合,生成建筑物室内模型。
在另一个实施例中,在步骤S103中对楼层内部的布局结构信息中墙体对应的线条进行拉伸之前,还可以先对楼层内部的布局结构信息进行质量判断,进而可以对楼层内部的布局结构信息中的图形线条存在的问题进行线段修正(例如删除线段、线段合并等)、比例调整、线条封闭等处理,以对楼层内部的布局结构信息进行完善。
本申请通过对楼层图像数据进行解析,获取楼层内部的布局结构中墙体对应的线条,以生成楼层内部的布局结构信息,根据楼层层高,将楼层内部的布局结构信息中墙体对应的线条进行拉伸,并将初始楼层室内模型进行复制,生成建筑物室内模型,相比于现有技术的通过人工建模生成建筑物模型的方法,本申请实施例的模型生成方法不依赖于人工编辑绘制建模,生成方法简便快速,因此,在应用过程中节约了人力成本,并提高了建筑物模型生成效率。
为了更好的理解本申请实施例所提供的方法,下面结合图2及图3对本申请实施例的技术方案进行进一步说明。
如图2和图3所示,其为本申请实施例提供的建筑物室内模型生成过程的原理示意图,如图2所示,通过图像采集设备采集楼层平面图像,如果楼层平面图像为彩色图像,可以对楼层平面图像进行灰度变换,然后可以采用滤波器对灰度变换后的楼层平面图像进行平滑滤波处理,得到去除噪点的楼层平面图像,进而可以通过边缘检测算法提取楼层平面图像中的图形边界线条,并通过边缘锐化、直线圆弧识别、反光识别、线段去噪透视变换等处理对图形边界线条进行修正,然后将修正后的图形边界线条作为布局结构中墙体对应的线条,从而生成楼层内部布局结构图。
进一步的,在对楼层内部布局结构图中墙体对应的线条进行拉伸之前,还可以先对楼层内部布局结构图进行质量判断,进而可以对楼层内部的布局结构信息中的图形线条存在的问题进行线段修正(例如删除线段、线段合并等)、比例调整、拓扑检查(例如线条封闭)等处理,以对楼层内部的布局结构信息进行完善。
然后,将完善后的楼层内部布局结构图中墙体对应的线条,按照楼层信息中的楼层层高进行拉伸,生成该楼层对应的初始楼层室内模型,然后根据各个楼层内部的布局结构关系信息,对初始楼层室内模型进行复制,生成各个楼层对应的楼层室内模型,并将各个楼层对应的楼层室内模型进行组合,生成建筑物室内模型。
本申请通过对楼层图像数据进行解析,获取楼层内部的布局结构信息,并基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型,相比于现有技术的通过人工建模生成建筑物模型的方法,本申请实施例的模型生成方法不依赖于人工编辑绘制建模,生成方法简便快速,因此,在应用过程中节约了人力成本,并提高了建筑物模型生成效率。
本申请实施例提供了一种建筑物室内模型生成装置,如图4所示,其为本申请实施例提供的一种建筑物室内模型生成装置的结构示意图,该进程间通信装置40可以包括:获取模块401、解析模块402、生成模块403。
获取模块401,用于获取建筑物的各个楼层信息以及至少一个楼层对应的楼层图像数据。
具体的,在本申请实施例中,楼层图像数据可以为建筑物的某一楼层的布局结构平面图,例如,可以通过移动终端设备或者数码拍摄设备等对建筑物的楼层布局结构平面图进行图像采集。此外,楼层信息可以包括楼层图像数据对应的楼层层数、楼层层高,以及各个楼层的布局结构关系,例如,各个楼层的布局结构是否相同,布局结构相同的楼层具体为哪些楼层等。
解析模块402,用于对楼层图像数据进行解析,获取楼层内部的布局结构信息。
生成模块403,用于基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型。
在一个实施例中,解析模块可以包括:滤波单元,用于对楼层图像数据进行滤波处理,得到消除噪点的平滑结构图像;生成单元,用于从平滑结构图像中,获取楼层内部的布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
在另一个实施例中,生成单元具体用于,采用边缘检测算法,提取平滑结构图像中的图形边界线条;对图形边界线条进行修正处理,并将修正后的图形边界线条作为布局结构中墙体对应的线条,以生成楼层内部的布局结构信息。
在另一个实施例中,楼层信息包括楼层图像数据对应的楼层层高以及对应的楼层层数,生成模块具体用于,根据楼层层高,将楼层内部的布局结构信息中墙体对应的线条进行拉伸,生成与楼层层数对应的初始楼层室内模型;根据楼层信息以及初始楼层室内模型,生成建筑物室内模型。
在另一个实施例中,楼层信息还包括各个楼层内部的布局结构关系信息,生成模块具体用于,根据各个楼层内部的布局结构关系信息,若确定存在楼层内部布局结构与初始楼层室内模型的内部布局结构相同的楼层,则将初始楼层室内模型进行复制,以生成各个楼层对应的楼层室内模型;
将各个楼层对应的楼层室内模型进行组合,生成建筑物室内模型。
本申请通过对楼层图像数据进行解析,获取楼层内部的布局结构信息,并基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型,相比于现有技术的通过人工建模生成建筑物模型的方法,本申请实施例的模型生成方法不依赖于人工编辑绘制建模,生成方法简便快速,因此,在应用过程中节约了人力成本,并提高了建筑物模型生成效率。
本申请实施例中提供了一种电子设备,该电子设备包括:存储器和处理器;至少一个程序,存储于存储器中,用于被处理器执行时,与现有技术相比可实现:本申请通过对楼层图像数据进行解析,获取楼层内部的布局结构信息,并基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型,相比于现有技术的通过人工建模生成建筑物模型的方法,本申请实施例的模型生成方法不依赖于人工编辑绘制建模,生成方法简便快速,因此,在应用过程中节约了人力成本,并提高了建筑物模型生成效率。
在一个可选实施例中提供了一种电子设备,如图5所示,图5所示的电子设备4000包括:处理器4001和存储器4003。其中,处理器4001和存储器4003相连,如通过总线4002相连。可选地,电子设备4000还可以包括收发器4004,收发器4004可以用于该电子设备与其他电子设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器4004不限于一个,该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器4001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线4002可包括一通路,在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器4003用于存储执行本申请方案的应用程序代码,并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、多媒体播放器、台式计算机等。
本申请实施例提供了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,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与现有技术相比,本申请通过对楼层图像数据进行解析,获取楼层内部的布局结构信息,并基于楼层内部的布局结构信息以及楼层信息,生成建筑物室内模型,相比于现有技术的通过人工建模生成建筑物模型的方法,本申请实施例的模型生成方法不依赖于人工计算,生成方法简便快速,因此,在应用过程中节约了人力成本,并提高了建筑物模型生成效率。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种建筑物室内模型生成方法,其特征在于,包括:
获取建筑物的各个楼层信息以及至少一个楼层对应的楼层图像数据;
对所述楼层图像数据进行解析,获取楼层内部的布局结构信息;
基于所述楼层内部的布局结构信息以及所述楼层信息,生成建筑物室内模型。
2.根据权利要求1所述的室内模型生成方法,其特征在于,
所述对所述楼层图像数据进行解析,获取楼层内部的布局结构信息,包括:
对所述楼层图像数据进行滤波处理,得到消除噪点的平滑结构图像;
从所述平滑结构图像中,获取楼层内部的布局结构中墙体对应的线条,以生成所述楼层内部的布局结构信息。
3.根据权利要求2所述的室内模型生成方法,其特征在于,所述从所述平滑结构图像中,获取楼层内部的布局结构中墙体对应的线条,以生成所述楼层内部的布局结构信息,包括:
采用边缘检测算法,提取所述平滑结构图像中的图形边界线条;
对所述图形边界线条进行修正处理,并将修正后的所述图形边界线条作为布局结构中墙体对应的线条,以生成所述楼层内部的布局结构信息。
4.根据权利要求2或3所述的室内模型生成方法,其特征在于,所述楼层信息包括所述楼层图像数据对应的楼层层高以及对应的楼层层数,
所述基于所述楼层内部的布局结构信息以及所述楼层信息,生成建筑物室内模型,包括:
根据所述楼层层高,将所述楼层内部的布局结构信息中墙体对应的线条进行拉伸,生成与所述楼层层数对应的初始楼层室内模型;
根据所述楼层信息以及所述初始楼层室内模型,生成所述建筑物室内模型。
5.根据权利要求4所述的室内模型生成方法,其特征在于,所述楼层信息还包括各个楼层内部的布局结构关系信息,
所述根据所述楼层信息以及所述初始楼层室内模型,生成所述建筑物室内模型,包括:
根据所述各个楼层内部的布局结构关系信息,若确定存在楼层内部布局结构与所述初始楼层室内模型的内部布局结构相同的楼层,则将所述初始楼层室内模型进行复制,以生成各个楼层对应的楼层室内模型;
将各个楼层对应的所述楼层室内模型进行组合,生成所述建筑物室内模型。
6.一种建筑物室内模型生成装置,其特征在于,包括:
获取模块,用于获取建筑物的各个楼层信息以及至少一个楼层对应的楼层图像数据;
解析模块,用于对所述楼层图像数据进行解析,获取楼层内部的布局结构信息;
生成模块,用于基于所述楼层内部的布局结构信息以及所述楼层信息,生成建筑物室内模型。
7.根据权利要求6所述的模型生成装置,其特征在于,所述解析模块包括:
滤波单元,用于对所述楼层图像数据进行滤波处理,得到消除噪点的平滑结构图像;
生成单元,用于从所述平滑结构图像中,获取楼层内部的布局结构中墙体对应的线条,以生成所述楼层内部的布局结构信息。
8.根据权利要求6所述的模型生成装置,其特征在于,所述生成单元具体用于,
采用边缘检测算法,提取所述平滑结构图像中的图形边界线条;
对所述图形边界线条进行修正处理,并将修正后的所述图形边界线条作为布局结构中墙体对应的线条,以生成所述楼层内部的布局结构信息。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行根据权利要求1-6任一项所述的建筑物室内模型生成方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-6任一项所述的建筑物室内模型生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562537.9A CN114626118A (zh) | 2020-12-25 | 2020-12-25 | 建筑物室内模型生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562537.9A CN114626118A (zh) | 2020-12-25 | 2020-12-25 | 建筑物室内模型生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114626118A true CN114626118A (zh) | 2022-06-14 |
Family
ID=81897093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011562537.9A Pending CN114626118A (zh) | 2020-12-25 | 2020-12-25 | 建筑物室内模型生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114626118A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455554A (zh) * | 2022-11-11 | 2022-12-09 | 成都云中楼阁科技有限公司 | 建筑辅助设计方法、装置、存储介质及设计辅助设备 |
CN115866628A (zh) * | 2023-02-24 | 2023-03-28 | 北京万和汇通通信科技有限公司 | 一种室内分布系统确定方法、装置、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1539120A (zh) * | 2001-06-20 | 2004-10-20 | ���ڹɷ�����˾ | 三维电子地图数据的生成方法 |
US20060239539A1 (en) * | 2004-06-18 | 2006-10-26 | Topcon Corporation | Model forming apparatus, model forming method, photographing apparatus and photographing method |
CN105913485A (zh) * | 2016-04-06 | 2016-08-31 | 北京小小牛创意科技有限公司 | 一种三维虚拟场景的生成方法及装置 |
CN106652027A (zh) * | 2016-12-27 | 2017-05-10 | 广州都市圈网络科技有限公司 | 一种三维建筑的建模方法及其装置 |
US20190041972A1 (en) * | 2017-08-04 | 2019-02-07 | Cupix, Inc. | Method for providing indoor virtual experience based on a panorama and a 3d building floor plan, a portable terminal using the same, and an operation method thereof |
CN109509257A (zh) * | 2018-08-30 | 2019-03-22 | 深圳市赛为智能股份有限公司 | 室内楼层级别构件图形形成方法、终端及存储介质 |
CN110232733A (zh) * | 2019-05-29 | 2019-09-13 | 武汉华正空间软件技术有限公司 | 三维模型建模方法与系统、存储介质和计算机 |
CN110837665A (zh) * | 2019-09-20 | 2020-02-25 | 久瓴(上海)智能科技有限公司 | 建筑模型展示方法、装置、计算机设备及可读存储介质 |
CN110941871A (zh) * | 2019-12-16 | 2020-03-31 | 山东建筑大学 | 一种基于Revit三维模型中房间信息的自动标注方法及系统 |
CN111311748A (zh) * | 2020-02-19 | 2020-06-19 | 广东小天才科技有限公司 | 室内立体图构建方法及装置、终端设备和存储介质 |
CN111578938A (zh) * | 2019-02-19 | 2020-08-25 | 珠海格力电器股份有限公司 | 目标物的定位方法及装置 |
CN112116714A (zh) * | 2020-09-28 | 2020-12-22 | 贝壳技术有限公司 | 基于二维图像生成房间结构模型的方法及装置 |
-
2020
- 2020-12-25 CN CN202011562537.9A patent/CN114626118A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1539120A (zh) * | 2001-06-20 | 2004-10-20 | ���ڹɷ�����˾ | 三维电子地图数据的生成方法 |
US20060239539A1 (en) * | 2004-06-18 | 2006-10-26 | Topcon Corporation | Model forming apparatus, model forming method, photographing apparatus and photographing method |
CN105913485A (zh) * | 2016-04-06 | 2016-08-31 | 北京小小牛创意科技有限公司 | 一种三维虚拟场景的生成方法及装置 |
CN106652027A (zh) * | 2016-12-27 | 2017-05-10 | 广州都市圈网络科技有限公司 | 一种三维建筑的建模方法及其装置 |
US20190041972A1 (en) * | 2017-08-04 | 2019-02-07 | Cupix, Inc. | Method for providing indoor virtual experience based on a panorama and a 3d building floor plan, a portable terminal using the same, and an operation method thereof |
CN109509257A (zh) * | 2018-08-30 | 2019-03-22 | 深圳市赛为智能股份有限公司 | 室内楼层级别构件图形形成方法、终端及存储介质 |
CN111578938A (zh) * | 2019-02-19 | 2020-08-25 | 珠海格力电器股份有限公司 | 目标物的定位方法及装置 |
CN110232733A (zh) * | 2019-05-29 | 2019-09-13 | 武汉华正空间软件技术有限公司 | 三维模型建模方法与系统、存储介质和计算机 |
CN110837665A (zh) * | 2019-09-20 | 2020-02-25 | 久瓴(上海)智能科技有限公司 | 建筑模型展示方法、装置、计算机设备及可读存储介质 |
CN110941871A (zh) * | 2019-12-16 | 2020-03-31 | 山东建筑大学 | 一种基于Revit三维模型中房间信息的自动标注方法及系统 |
CN111311748A (zh) * | 2020-02-19 | 2020-06-19 | 广东小天才科技有限公司 | 室内立体图构建方法及装置、终端设备和存储介质 |
CN112116714A (zh) * | 2020-09-28 | 2020-12-22 | 贝壳技术有限公司 | 基于二维图像生成房间结构模型的方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455554A (zh) * | 2022-11-11 | 2022-12-09 | 成都云中楼阁科技有限公司 | 建筑辅助设计方法、装置、存储介质及设计辅助设备 |
CN115866628A (zh) * | 2023-02-24 | 2023-03-28 | 北京万和汇通通信科技有限公司 | 一种室内分布系统确定方法、装置、电子设备及存储介质 |
CN115866628B (zh) * | 2023-02-24 | 2023-05-05 | 北京万和汇通通信科技有限公司 | 一种室内分布系统确定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11145080B2 (en) | Method and apparatus for three-dimensional object pose estimation, device and storage medium | |
CN111681256A (zh) | 图像边缘检测方法、装置、计算机设备和可读存储介质 | |
CN111640123B (zh) | 无背景图像的生成方法、装置、设备及介质 | |
CN114626118A (zh) | 建筑物室内模型生成方法及装置 | |
CN110969046A (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
US20230005171A1 (en) | Visual positioning method, related apparatus and computer program product | |
CN111488810A (zh) | 人脸识别方法、装置、终端设备及计算机可读介质 | |
CN114266894A (zh) | 一种图像分割方法、装置、电子设备及存储介质 | |
CN114445651A (zh) | 一种语义分割模型的训练集构建方法、装置及电子设备 | |
CN113228105A (zh) | 一种图像处理方法、装置和电子设备 | |
CN111161348B (zh) | 一种基于单目相机的物体位姿估计方法、装置及设备 | |
CN117173439A (zh) | 基于gpu的图像处理方法、装置、存储介质及电子设备 | |
CN115661493A (zh) | 一种对象位姿的确定方法及装置、设备及存储介质 | |
CN113077469B (zh) | 草图图像语义分割方法、装置、终端设备及存储介质 | |
CN115546105A (zh) | 一种轮胎花纹检测方法、装置、可读存储介质及终端设备 | |
CN113496468B (zh) | 深度图像的修复方法、装置和存储介质 | |
WO2020192262A1 (zh) | 一种实物图像生成方法及装置、设备 | |
CN114140414A (zh) | 非接触式人体测量方法、装置和电子设备 | |
CN115221910A (zh) | 二维码识别方法、装置、设备及计算机可读存储介质 | |
CN113724176A (zh) | 一种多摄像头动作捕捉无缝衔接方法、装置、终端及介质 | |
US8363941B2 (en) | Method and program for extracting silhouette image and method and program for constructing three dimensional model | |
CN112991451A (zh) | 图像识别方法、相关装置及计算机程序产品 | |
CN112084874A (zh) | 一种物体检测方法、装置及终端设备 | |
CN112652004B (zh) | 一种图像处理方法、装置、设备及介质 | |
TWI775039B (zh) | 文檔陰影去除方法及裝置 |
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 |