CN114972621A - 一种三维建筑轮廓提取方法、装置、电子设备及存储介质 - Google Patents
一种三维建筑轮廓提取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114972621A CN114972621A CN202111480427.2A CN202111480427A CN114972621A CN 114972621 A CN114972621 A CN 114972621A CN 202111480427 A CN202111480427 A CN 202111480427A CN 114972621 A CN114972621 A CN 114972621A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional point
- cloud data
- slice
- group
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 239000010410 layer Substances 0.000 description 93
- 230000008859 change Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—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
- G06T2207/10028—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请提供了一种三维建筑轮廓提取方法、装置、电子设备及存储介质，涉及图像处理技术领域。方法包括对待提取建筑的三维点云数据水平切片；提取三维点云切片中的关键角点和关键轮廓点；基于关键角点和关键轮廓点，确定三维点云切片的切片参数；基于切片参数对三维点云切片划分层组；将层组中的关键角点和关键轮廓点进行水平投影，第一二维点云数据；对第一二维点云数据进行栅格划分，并提取点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；基于每组第一二维点云数据所对应的第一目标栅格及对应层组的高度，生成待提取建筑的三维轮廓。本申请提供的方法、装置、电子设备及存储介质可准确提取出建筑的三维轮廓。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种三维建筑轮廓提取方法、装置、电子设备及存储介质。
背景技术
在面向城市的测绘任务中，建筑轮廓提取的基础数据源主要是二维图像和三维点云，对于三维点云而言，三维点云具有海量、高冗余、高密度等特点，已经发展成为物理世界三维精细数字化的代表性表达。
现有技术中，通过密集匹配算法得到的三维点云数据对场景覆盖度高，为三维建筑轮廓的提取提供了可能性，然而由于广泛存在的噪声和建筑复杂的结构，在边角结构处理时通过存在拉花和扭曲而难以准确提取建筑的轮廓，从而导致提取的建筑轮廓与实际建筑相差较大，存在较大误差。
因此，如何提供一种有效出方案，以便准确提取出建筑的三维轮廓已成为现有技术中一亟待解决的难题。
发明内容
第一方面，本申请实施例提供了一种三维建筑轮廓提取方法，包括：
对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格，提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
在一个可能的设计中，所述基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，包括：
依据关键角点确定出每个三维点云切片的切片中心和切片面积；
通过霍夫变换检测每个三维点云切片所对应的边缘轮廓线，并基于每个三维点云切片所对应的边缘轮廓线确定出每个三维点云切片的切片方向；
遍历每个三维点云切片中的关键轮廓点，确定出在预设距离内存在相邻的关键轮廓点的目标关键轮廓点占所有关键轮廓点的比例，得到每个三维点云切片所对应的关键轮廓点重叠率。
在一个可能的设计中，所述基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组，包括：
基于每个三维点云切片的切片参数，将切片参数中切片中心的水平距离小于第一预设阈值、切片面积的偏差比例小于第二预设阈值、切片方向的角度差小于第三预设阈值且关键轮廓点重叠率的偏差比例小于第四预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组。
在一个可能的设计中，所述基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓，包括：
对每组第一二维点云数据所对应的第一目标栅格降采样，得到每组第一二维点云数据所对应的第一目标栅格的栅格重心；
根据每组第一二维点云数据所对应的第一目标栅格的栅格重心、每组第一二维点云数据所对应层组中各层组的层顶高度以及每组第一二维点云数据所对应层组中各层组的层底高度，绘制所述待提取建筑的三维轮廓。
在一个可能的设计中，在对待提取建筑的三维点云数据进行水平切片处理之前，所述方法还包括：
获取待提取建筑的三维点云数据；
对待提取建筑的三维点云数据进行去噪处理，得到去噪后的三维点云数据；
所述对待提取建筑的三维点云数据进行水平切片处理，包括：
对去噪后的三维点云数据进行水平切片处理。
在一个可能的设计中，所述对待提取建筑的三维点云数据进行去噪处理，包括：
将待提取建筑的三维点云数据进行水平投影，得到与待提取建筑的三维点云数据对应的第二二维点云数据；
对所述第二二维点云数据进行栅格划分，确定出其中点云数据量小于第二预设量的第二目标栅格；
将待提取建筑的三维点云数据中与所述第二目标栅格对应区域的点云数据剔除。
在一个可能的设计中，所述提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点，包括：
通过凸包算法提取所述多个三维点云切片中每个三维点云切片中的关键角点；
通过Alpha-shape算法提取所述多个三维点云切片中每个三维点云切片中的关键轮廓点。
第二方面，本申请实施例提供了一种三维建筑轮廓提取装置，包括：
切片单元，用于对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
第一提取单元，用于提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
确定单元，用于基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
第一划分单元，用于基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
投影单元，用于将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
第二划分单元，用于对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格；
第二提取单元，用于提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
生成单元，用于基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
第三方面，本申请实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序，实现以下流程：
对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格，提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现以下流程：
对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格，提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
本申请一个或多个实施例采用的上述至少一个技术方案能够达到以下有益效果：
通过对待提取建筑的三维点云数据进行水平切片处理，提取每个三维点云切片中的关键角点和关键轮廓点，基于关键角点和关键轮廓点确定出每个三维点云切片的切片参数，然后根据切片参数将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，并对同一层组中的关键角点和关键轮廓点水平投影，得到与层组对应的第一二维点云数据，然后对每组第一二维点云数据进行栅格划分，提取二维点云数据量超过第一预设量的栅格得到每组第一二维点云数据对应的第一目标栅格，最后根据每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度生成待提取建筑的三维轮廓。在此过程中，关键角点和关键轮廓点实现单层切片的轮廓的准确描述，并通过相邻切片之间的相似性判断实现层组划分，以解决具有层间结构变化的复杂建筑的轮廓提取问题，最后对层组水平投影并提取点云数据超过预设量的栅格，剔除掉孤立的点云簇，避免孤立的点云簇对轮廓的影响，从而得到准确和稳健的建筑三维轮廓，显著减少数据冗余，为进一步应用提供有效的数据基础。
附图说明
此处所说明的附图用来提供对本文件的进一步理解，构成本文件的一部分，本文件的示意性实施例及其说明用于解释本文件，并不构成对本文件的不当限定。在附图中：
图1为本申请一个实施例提供的三维建筑轮廓提取方法的流程图。
图2为本申请一个实施例提供的提取出的多个三维点云切片中的关键角点和关键轮廓点的示意图。
图3为本申请一个实施例提供的电子设备的结构示意图。
图4为本申请一个实施例提供的三维建筑轮廓提取装置的结构示意图。
具体实施方式
为了便于建筑的三维轮廓提取，本申请实施例提供了一种三维建筑轮廓提取方法、装置、电子设备及存储介质，该三维建筑轮廓提取方法、装置、电子设备及存储介质可准确提取出建筑的三维轮廓，进一步应用提供有效的数据基础。
本申请实施例提供的三维建筑轮廓提取方法可应用于用户终端或服务器，所述用户终端可以是，但不限于个人电脑、智能手机、平板电脑、个人数字助理(personal digitalassistant，PDA)等。
可以理解，所述执行主体并不构成对本申请实施例的限定。
下面将对本申请实施例提供的三维建筑轮廓提取方法进行详细说明。
如图1所示，本申请实施例提供的三维建筑轮廓提取方法可以包括如下步骤：
步骤S101，对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片。
其中，待提取建筑的三维点云数据可以是通过激光雷达获取的，也可以是通过倾斜摄影测量多视角数据并通过密集匹配算法获取到的，本申请实施例中不做具体限定。
切片处理时，多个三维点云切片的切片厚度相同。
对于一般的建筑物，通常层高大于等于3米，通过实验发现，0.3米厚的切片即可以很好的识别出层级变化，更薄的切片反而会更容易受到变形的结构影响而被错误的识别出层间变化。因此，本申请实施例中，切片厚度一般取0.3米及其以上，如0.3米、0.4米、0.5米等。
步骤S102，提取多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点。
其中，关键角点是指三维点云切片中对应建筑角点的点云数据，关键轮廓点是指三维点云切片中对应建筑物边缘轮廓的点云数据。
提取多个三维点云切片中每个三维点云切片中的关键角点时，可以采用但不限于凸包算法、Harris算法等，提取多个三维点云切片中每个三维点云切片中的关键轮廓点时，可以采用但不限于Alpha-shape算法、OpenCV算法等。本申请实施例中，通过凸包算法提取所述多个三维点云切片中每个三维点云切片中的关键角点，通过Alpha-shape算法提取所述多个三维点云切片中每个三维点云切片中的关键轮廓点。
如图2所示，是一个实施例中提取出的多个三维点云切片中的关键角点和关键轮廓点的示意图，图中较大的点为提取出的关键角，较小的点为提取出的关键轮廓点。
步骤S103，基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数。
其中，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率。
具体的，可通过关键角点拟合得到每个三维点云切片的切片中心，并可根据关键角点计算出每个三维点云切片的切片面积。
对于三维点云切片的切片方向，可通过通过霍夫变换检测每个三维点云切片所对应的边缘轮廓线，并基于每个三维点云切片所对应的边缘轮廓线确定出每个三维点云切片的切片方向。一般建筑水平切片后呈规则的四边形，因此本申请实施例中，可用其中两条相互垂直的边缘轮廓线的角度作为对应三维点云切片的切片方向，用来表示建筑的方向特征，本申请实施例中，两条相互垂直的边缘轮廓线的角度可分表达为αi和αtrani，分别表示第i个三维点云切片所对应的两条相互垂直边缘轮廓线的角度。
对于三维点云切片的关键轮廓点重叠率，可通过遍历每个三维点云切片中的关键轮廓点，确定出在预设距离内存在相邻的关键轮廓点的目标关键轮廓点占所有关键轮廓点的比例，得到每个三维点云切片所对应的关键轮廓点重叠率。例如，在一个实施例中，假定预设距离为rmin，对于一个三维点云切片A，假定遍历三维点云切片中A的关键轮廓点，确定出在距离rmin内存在关键轮廓点的目标关键轮廓点的数量为50个，而三维点云切片中A中的关键轮廓点为100个，则三维点云切片A所对应的关键轮廓点重叠率为50％。
步骤S104，基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组。
三维点云切片的切片参数包括有切片中心、切片面积、切片方向以及关键轮廓点重叠率，在进行划分的过程中，对于相邻的切片，如果不存在显著的结构变化，则切片的切片中心在水平方向上不会出现显著的变化，切片面积的差异也不会超过一定的比例，切片方向的角度差也会小于一定的角度，关键轮廓点重叠率也不会发生显著变化。
因此，本申请实施例中，可基于每个三维点云切片的切片参数，将切片参数中切片中心的水平距离小于第一预设阈值、切片面积的偏差比例小于第二预设阈值、切片方向的角度差小于第三预设阈值且关键轮廓点重叠率的偏差比例小于第四预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组。
上下结构相同的建筑结构在水平切片后，所确定出的三维点云切片的切片中心之间，在水平距离上基本保持在0.5米以内，因此本申请实施例中，第一预设阈值可以取0.5米左右或略小于0.5米的值，例如第一预设阈值可以是0.5米、0.4米等。
通常表示切片方向的两个角度垂直，因此只要当前的三维点云切片与相邻的三维点云切片表示切片方向的角度中，有其中两个角度的角度差小于第三预设阈值即可。本申请实施例中，第三预设阈值一般在10°以内，例如可以是10°、8°、5°等。
上下结构相同的建筑结构在水平切片后，相邻三维点云切片的切片面积也不会相差过大。因此在本申请实施例中，第二预设阈值被设置在5％以内，例如5％、4.5％、4％等。
同样的，上下结构相同的建筑结构在水平切片后，由于相邻三维点云切片所对应的建筑轮廓并未发生变化，因此关键轮廓点重叠率也不会发生显著变化。本申请实施例中，第四预设阈值取0.2左右或0.2以下的值，例如0.2、0.15等。
步骤S105，将至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与至少一个层组对应的至少一组第一二维点云数据。
本申请实施例中，每个层组中的关键角点和关键轮廓点进行水平投影(即在水平面上投影)，均会得到一组第一二维点云数据。例如，在一个实施例中，三维点云切片被划分为3个层组，则可对每个层组中的关键角点和关键轮廓点进行水平投影，得到与该3个层组一一对应的3组第一二维点云数据。
步骤S106，对至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格，提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格。
每组第一二维点云数据进行栅格划分时，可根据最先获取到的待提取建筑初始的三维点云数据在水平面投影后，点云数据的平均距离，确定栅格划分的步长，然后根据确定出的步长对每组第一二维点云数据进行栅格划分，得到与每组第一二维点云数据对应的多个第一栅格。
例如，在一个可能的实施例中，待提取建筑初始的三维点云数据在水平面投影后，点云数据的平均距离为ρ，栅格划分时可按照0.2ρ的步长进行栅格划分。
栅格划分后，可提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格。所述第一预设量可根据实际情况设定，本申请实施例中，第一预设量的取值为待提取建筑的层数除以3，可以理解的，在其他一些实施例中，第一预设量的也可以是其他的取值。
例如，在一个实施例中，待提取建筑的层数为30层，则第一预设量为30/3＝10，假定对于其中一组第一二维点云数据，其被划分为10个栅格，第1至10个栅格中二维点云数据量依次为20、15、31、6、22、3、19、40、35、2，由于第1、2、3、5、7、8、9个栅格中二维点云数据量超过10个，而第4、6、10个栅格中二维点云数据量小于10个，则将第1、2、3、5、7、8、9个栅格作为该组第一二维点云数所对应的第一目标栅格，而第4、6、10个栅格则剔除掉，从而剔除掉孤立的点云簇，避免避免孤立的点云簇对轮廓的影响，以便后续能够得到稳健的建筑三维轮廓。
步骤S107，基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成待提取建筑的三维轮廓。
本申请实施例中，生成待提取建筑的三维轮廓可以包括如下的步骤S1071～S1072。
步骤S1071，对每组第一二维点云数据所对应的第一目标栅格降采样，得到每组第一二维点云数据所对应的第一目标栅格的栅格重心。
本申请实施例中，对第一二维点云数据所对应的第一目标栅格降采样是指计算第一二维点云数据所对应的第一目标栅格的栅格重心。如此，可通过第一目标栅格的栅格重心替代第一目标栅格内的点云数据，从而能够简化结果，降低运算量。
步骤S1072，根据每组第一二维点云数据所对应的第一目标栅格的栅格重心、每组第一二维点云数据所对应层组中各层组的层顶高度以及每组第一二维点云数据所对应层组中各层组的层底高度，绘制待提取建筑的三维轮廓。
本申请实施例中，由于在对待提取建筑的三维点云数据进行水平切片处理时，切片厚度相同，因此可根据待提取建筑的总高度和三维点云切片的数量，确定出各三维点云切片的底部高度和顶部高度，从而能够得到各层组的层顶高度和层底高度。因而，在绘制待提取建筑的三维轮廓，能够根据每组第一二维点云数据所对应的第一目标栅格的栅格重心、每组第一二维点云数据所对应层组中各层组的层顶高度以及每组第一二维点云数据所对应层组中各层组的层底高度，绘制出待提取建筑的三维轮廓。
综上所述，本申请实施例提供的三维建筑轮廓提取方法，通过对待提取建筑的三维点云数据进行水平切片处理，提取每个三维点云切片中的关键角点和关键轮廓点，基于关键角点和关键轮廓点确定出每个三维点云切片的切片参数，然后根据切片参数将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，并对同一层组中的关键角点和关键轮廓点水平投影，得到与层组对应的第一二维点云数据，然后对每组第一二维点云数据进行栅格划分，提取二维点云数据量超过第一预设量的栅格得到每组第一二维点云数据对应的第一目标栅格，最后根据每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度生成待提取建筑的三维轮廓。在此过程中，关键角点和关键轮廓点实现单层切片的轮廓的准确描述，并通过相邻切片之间的相似性判断实现层组划分，以解决具有层间结构变化的复杂建筑的轮廓提取问题，最后对层组水平投影并提取点云数据超过预设量的栅格，能剔除掉孤立的点云簇，避免孤立的点云簇对轮廓的影响，从而得到准确和稳健的建筑三维轮廓，显著减少数据冗余，为进一步应用提供有效的数据基础。
本申请在上述方法实施例的基础上，还提供了一种在水平切片处理之前，对待提取建筑的三维点云数据进行去噪的可能设计一，其可以包括如下步骤S201～S202。
步骤S201，获取待提取建筑的三维点云数据。
步骤S202，对待提取建筑的三维点云数据进行去噪处理，得到去噪后的三维点云数据。
具体的，在对待提取建筑的三维点云数据进行去噪处理时，可以首先将待提取建筑的三维点云数据进行水平投影，得到与待提取建筑的三维点云数据对应的第二二维点云数据。
然后对第二二维点云数据进行栅格划分，并确定出其中点云数据量小于第二预设量的第二目标栅格。其中，在栅格划分时栅格划分的步长可根据第二二维点云数据中点云数据的平均距离确定。例如，在一个可能的实施例中，计算出第二二维点云数据中点云数据的平均距离为ρ，栅格划分时可按照0.2ρ的步骤进行栅格划分。第二预设量可根据实际情形设定，例如，当栅格内点云数据量小于10，则可以将该栅格确定为第二目标栅格。
然后再将待提取建筑的三维点云数据中与所述第二目标栅格对应区域的点云数据剔除，从而实现对待提取建筑的三维点云数据的去噪。如此，在后续进行水平切片处理时，则可以对对去噪后的三维点云数据进行水平切片处理。
通过上述的可能设计一，可以避免待提取建筑旁的植被或其他物体的影响，进一步确保能够准确提取出待提取建筑旁的三维轮廓。
图3是本申请的一个实施例提供的电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成三维建筑轮廓提取装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格，提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
上述如本申请图3所示实施例揭示的三维建筑轮廓提取装置执行的方法可以应用于处理器中，或者由处理器实现。处理器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。上述的处理器可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。可以实现或者执行本申请一个或多个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。结合本申请一个或多个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模块组合执行完成。软件模块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，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1的方法，并实现三维建筑轮廓提取装置在图3所示实施例的功能，本申请实施例在此不再赘述。
当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下操作：
对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格，提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
图4是本申请的一个实施例提供的三维建筑轮廓提取装置的结构示意图。请参阅图4，在一种软件实施方式中，三维建筑轮廓提取装置包括：
切片单元，用于对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
第一提取单元，用于提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
确定单元，用于基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
第一划分单元，用于基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
投影单元，用于将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
第二划分单元，用于对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格；
第二提取单元，用于提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
生成单元，用于基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
总之，以上所述仅为本文件的较佳实施例而已，并非用于限定本文件的保护范围。凡在本文件的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本文件的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
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)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁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。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本文件中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
Claims (10)
1.一种三维建筑轮廓提取方法，其特征在于，包括：
对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格，提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
2.根据权利要求1所述的方法，其特征在于，所述基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，包括：
依据关键角点确定出每个三维点云切片的切片中心和切片面积；
通过霍夫变换检测每个三维点云切片所对应的边缘轮廓线，并基于每个三维点云切片所对应的边缘轮廓线确定出每个三维点云切片的切片方向；
遍历每个三维点云切片中的关键轮廓点，确定出在预设距离内存在相邻的关键轮廓点的目标关键轮廓点占所有关键轮廓点的比例，得到每个三维点云切片所对应的关键轮廓点重叠率。
3.根据权利要求2所述的方法，其特征在于，所述基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组，包括：
基于每个三维点云切片的切片参数，将切片参数中切片中心的水平距离小于第一预设阈值、切片面积的偏差比例小于第二预设阈值、切片方向的角度差小于第三预设阈值且关键轮廓点重叠率的偏差比例小于第四预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组。
4.根据权利要求1所述的方法，其特征在于，所述基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓，包括：
对每组第一二维点云数据所对应的第一目标栅格降采样，得到每组第一二维点云数据所对应的第一目标栅格的栅格重心；
根据每组第一二维点云数据所对应的第一目标栅格的栅格重心、每组第一二维点云数据所对应层组中各层组的层顶高度以及每组第一二维点云数据所对应层组中各层组的层底高度，绘制所述待提取建筑的三维轮廓。
5.根据权利要求1所述的方法，其特征在于，在对待提取建筑的三维点云数据进行水平切片处理之前，所述方法还包括：
获取待提取建筑的三维点云数据；
对待提取建筑的三维点云数据进行去噪处理，得到去噪后的三维点云数据；
所述对待提取建筑的三维点云数据进行水平切片处理，包括：
对去噪后的三维点云数据进行水平切片处理。
6.根据权利要求5所述的方法，其特征在于，所述对待提取建筑的三维点云数据进行去噪处理，包括：
将待提取建筑的三维点云数据进行水平投影，得到与待提取建筑的三维点云数据对应的第二二维点云数据；
对所述第二二维点云数据进行栅格划分，确定出其中点云数据量小于第二预设量的第二目标栅格；
将待提取建筑的三维点云数据中与所述第二目标栅格对应区域的点云数据剔除。
7.根据权利要求1所述的方法，其特征在于，所述提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点，包括：
通过凸包算法提取所述多个三维点云切片中每个三维点云切片中的关键角点；
通过Alpha-shape算法提取所述多个三维点云切片中每个三维点云切片中的关键轮廓点。
8.一种三维建筑轮廓提取装置，其特征在于，包括：
切片单元，用于对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
第一提取单元，用于提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
确定单元，用于基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
第一划分单元，用于基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
投影单元，用于将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
第二划分单元，用于对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格；
第二提取单元，用于提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
生成单元，用于基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序，实现以下流程：
对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格，提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
10.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现以下流程：
对待提取建筑的三维点云数据进行水平切片处理，得到多个三维点云切片；
提取所述多个三维点云切片中每个三维点云切片中的关键角点和关键轮廓点；
基于关键角点和关键轮廓点，确定出每个三维点云切片的切片参数，所述切片参数包括切片中心、切片面积、切片方向以及关键轮廓点重叠率；
基于每个三维点云切片的切片参数，将切片参数相似度超过预设阈值的相邻三维点云切片划分为同一层组，得到至少一个层组；
将所述至少一个层组中每个层组中的关键角点和关键轮廓点进行水平投影，得到与所述至少一个层组对应的至少一组第一二维点云数据；
对所述至少一组第一二维点云数据中的每组第一二维点云数据进行栅格划分，得到每组第一二维点云数据所对应的多个第一栅格，提取每组第一二维点云数据所对应的多个第一栅格中二维点云数据量超过第一预设量的栅格，得到每组第一二维点云数据所对应的第一目标栅格；
基于每组第一二维点云数据所对应的第一目标栅格、每组第一二维点云数据所对应层组的高度，生成所述待提取建筑的三维轮廓。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111480427.2A CN114972621A (zh) | 2021-12-06 | 2021-12-06 | 一种三维建筑轮廓提取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111480427.2A CN114972621A (zh) | 2021-12-06 | 2021-12-06 | 一种三维建筑轮廓提取方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114972621A true CN114972621A (zh) | 2022-08-30 |
Family
ID=82974549
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111480427.2A Pending CN114972621A (zh) | 2021-12-06 | 2021-12-06 | 一种三维建筑轮廓提取方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114972621A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116452775A (zh) * | 2023-06-14 | 2023-07-18 | 北京飞渡科技股份有限公司 | 一种建筑立面划分方法、装置、介质及设备 |
| CN116485636A (zh) * | 2023-04-27 | 2023-07-25 | 武汉纵横天地空间信息技术有限公司 | 一种点云立面成像方法、系统及可读存储介质 |
| CN116538953A (zh) * | 2023-05-08 | 2023-08-04 | 武汉纵横天地空间信息技术有限公司 | 一种立面目标智能检测方法、系统及可读存储介质 |
-
2021
- 2021-12-06 CN CN202111480427.2A patent/CN114972621A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116485636A (zh) * | 2023-04-27 | 2023-07-25 | 武汉纵横天地空间信息技术有限公司 | 一种点云立面成像方法、系统及可读存储介质 |
| CN116485636B (zh) * | 2023-04-27 | 2023-10-20 | 武汉纵横天地空间信息技术有限公司 | 一种点云立面成像方法、系统及可读存储介质 |
| CN116538953A (zh) * | 2023-05-08 | 2023-08-04 | 武汉纵横天地空间信息技术有限公司 | 一种立面目标智能检测方法、系统及可读存储介质 |
| CN116538953B (zh) * | 2023-05-08 | 2024-01-30 | 武汉纵横天地空间信息技术有限公司 | 一种立面目标智能检测方法、系统及可读存储介质 |
| CN116452775A (zh) * | 2023-06-14 | 2023-07-18 | 北京飞渡科技股份有限公司 | 一种建筑立面划分方法、装置、介质及设备 |
| CN116452775B (zh) * | 2023-06-14 | 2023-09-19 | 北京飞渡科技股份有限公司 | 一种建筑立面划分方法、装置、介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114972621A (zh) | 一种三维建筑轮廓提取方法、装置、电子设备及存储介质 | |
| US10685201B2 (en) | Method and system for recognizing location information in two-dimensional code | |
| CN111210429B (zh) | 点云数据划分方法及装置、障碍物检测方法及装置 | |
| CN112771573B (zh) | 基于散斑图像的深度估计方法及装置、人脸识别系统 | |
| CN111598770B (zh) | 一种基于三维数据和二维图像的物体检测方法和装置 | |
| CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
| CN112348836A (zh) | 一种自动提取建筑物轮廓的方法及装置 | |
| WO2022052582A1 (zh) | 一种图像配准方法、装置及电子设备和存储介质 | |
| CN111553946B (zh) | 用于去除地面点云的方法及装置、障碍物检测方法及装置 | |
| CN112270642A (zh) | 障碍物点云外接矩形框的构建方法、系统及装置 | |
| CN111915657A (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
| TW202022697A (zh) | 從多個臉部中選擇目標臉部及臉部識別比對方法、裝置 | |
| KR102421604B1 (ko) | 이미지 처리 방법, 장치 및 전자 기기 | |
| CN115346020A (zh) | 点云处理方法、避障方法、装置、机器人和存储介质 | |
| CN115100225A (zh) | 一种相机视场的误差场确定方法、装置、电子设备及介质 | |
| CN116266365A (zh) | 一种点云数据提取方法、装置、电子设备及存储介质 | |
| CN113870292A (zh) | 深度图像的边缘检测方法、装置和电子设备 | |
| JP2022546880A (ja) | オブジェクト関連付け方法及び装置、システム、電子機器、記憶媒体及びコンピュータプログラム | |
| CN108062793B (zh) | 基于高程的物体顶部处理方法、装置、设备和存储介质 | |
| CN111950659B (zh) | 双层车牌图像处理方法、装置、电子设备及存储介质 | |
| CN117152364B (zh) | 基于影像数据的水体边界三维重建的方法、装置和设备 | |
| CN111238369A (zh) | 一种双长方物体体积测量方法、系统以及设备 | |
| CN117392631B (zh) | 一种道路边界提取方法、装置、电子设备及存储介质 | |
| CN108010018A (zh) | 一种硅片的缺口检测方法及装置 | |
| CN115205367A (zh) | 基于三维重建的面积测量方法、场地申报审核方法及装置 |
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 |