CN115115806B - 一种基于单基元解析的屋顶参数化重构方法及系统 - Google Patents

Abstract

本发明公开了一种基于单基元解析的屋顶参数化重构方法及系统，该方法包括获取倾斜摄影单类型房屋数据，并构建训练集和验证集；利用训练集和验证集训练单基元屋顶分类模型；利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型；提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息；根据屋顶类型和屋顶参数信息重构单基元屋顶模型。本发明相比于人工的制作流程可以更好的快的实现屋顶的构建，对于自动化的过程可以有效的解决屋顶生成破面问题，不但可以批量化生成模型来减少了其中的时间和人力成本，同时可以重构出来干净又规范的这四种类型屋顶模型。

Description

一种基于单基元解析的屋顶参数化重构方法及系统

技术领域

本发明涉及三维重建技术领域，具体涉及一种基于单基元解析的屋顶参数化重构方法及系统。

背景技术

人生活在三维世界里，对世界的观察是三维的，与世界的交互也是三维的。我们的生产生活对数字化三维世界的表达与交互需求正不断升级。最好的体验是三维的，才有真实的体验，所以虚拟世界环境中每个物体都应该有一个三维模型。

利用倾斜摄影数据重构三维建筑mesh模型是目前构建虚拟世界的重要环节，目前三维重构方法生成mesh模型通常有一些缺陷。特别是由于屋顶本身的mesh网格模型三角面数较多，且可能存在由于屋顶一些杂物导致重建的网格畸变，且屋顶的种类很多且复杂，为重构屋顶加大了难度。

现阶段的解决上述问题的办法有两种人工方法和机器自动化方法，人工流程是参考mesh网格用软件绘制成屋顶形状，这个方法可以较为准确地还原屋顶结构，但是效率低且重复工作量极大，而对于目前已知的半自动、自动化模型重构流程来说建筑屋顶具有难归纳成体系，且重构出来的屋顶仍会存在破损的问题，无法满足很好的重构效果。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于单基元解析的屋顶参数化重构方法及系统，以解决现有屋顶模型人工方法效率低且重复工作量大，半自动、自动化模型重构流程又难归纳成体系，且重构出来的屋顶仍会存在破损的问题。

为了达到上述发明目的，本发明采用的技术方案为：

第一方面，本发明提出了一种基于单基元解析的屋顶参数化重构方法，包括以下步骤：

获取倾斜摄影单类型房屋数据，并构建训练集和验证集；

利用训练集和验证集训练单基元屋顶分类模型；

利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型；

提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息；

根据屋顶类型和屋顶参数信息重构单基元屋顶模型。

进一步地，所述获取倾斜摄影单类型房屋数据，并构建训练集和验证集，具体包括：

获取倾斜摄影单类型房屋数据；

从倾斜摄影单类型房屋数据中切割屋顶mesh网格数据，并进行人工标记分类；

将分类后的屋顶mesh网格数据进行上采样，得到分类后的屋顶稠密点云数据；

将分类后的屋顶稠密点云数据按照设定比例划分为训练集和验证集。

进一步地，所述利用训练集和验证集训练单基元屋顶分类模型，具体包括：

采用pointnet++网络构建单基元屋顶分类模型；

将训练集作为训练输入，通过采样层利用最远点采样进行随机采样，再通过分组层通过球查询的方式画一个设定半径的圆，并将每个圆里面的点云作为一组数据，进行每一组数据局部下的全局特征提取，再通过特征提取层逐层进行提取局部特征，最后通过全连接层学习得到平屋顶、单坡屋顶，双坡屋顶，四坡屋顶的四种屋顶类型的分类结果；

利用验证集对训练的单基元屋顶分类模型进行验证，得到训练后的单基元屋顶分类模型。

进一步地，所述利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型，具体包括：

对待分类的屋顶网格数据进行上采样，得到屋顶稠密点云数据；

所述利用训练后的单基元屋顶分类模型对屋顶稠密点云数据和屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型。

进一步地，所述提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息，具体包括：

提取屋顶网格数据的网格轮廓图，并分别计算包围轮廓的最小外接矩形的中心、长度、宽度、旋转角度；

根据屋顶网格数据中z轴的最高点坐标和最低点坐标计算屋顶厚度。

进一步地，所述提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息，还包括：

将分类为单坡屋顶，双坡屋顶或四坡屋顶的屋顶网格数据的法向量的xyz信息进行归一化，分别储存在图片的RGB三通道内，得到彩色俯视法向量图；采用超像素分割算法根据彩色俯视法向量图确定屋顶类型所对应的坡面数量的颜色块和每个块的颜色值，再将颜色值归一化得到屋顶坡度角。

进一步地，所述根据屋顶类型和屋顶参数信息重构单基元屋顶模型，具体包括：

将分类为平屋顶的屋顶参数信息中长度和宽度作为重构屋顶的外轮廓，并结合屋顶厚度重构得到平屋顶的单基元屋顶模型，并根据中心点和旋转角度确定其位置和朝向。

进一步地，所述根据屋顶类型和屋顶参数信息重构单基元屋顶模型，具体包括：

将分类为单坡屋顶，双坡屋顶或四坡屋顶的屋顶参数信息中长度和宽度作为重构屋顶的外轮廓，通过直骨架算法计算屋脊线分布，结合得到的屋顶坡度角计算屋脊高度，通过屋顶厚度计算屋顶的瓦片厚度，重构得到单坡屋顶，双坡屋顶或四坡屋顶的单基元屋顶模型，并根据中心点和旋转角度确定其位置和朝向。

第二方面，本发明提出了一种基于单基元解析的屋顶参数化重构系统，包括：

分类模型训练模块，用于获取倾斜摄影单类型房屋数据，并构建训练集和验证集；利用训练集和验证集训练单基元屋顶分类模型；

屋顶参数解析模块，用于利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型；提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息；

单基元屋顶重构模块，用于根据屋顶类型和屋顶参数信息重构单基元屋顶模型。

本发明具有以下有益效果：

本发明通过训练pointnet++来完成对平屋顶，单坡屋顶，双坡屋顶，四破屋顶这四类单基元屋顶类型的识别，再根据minAreaRect函数和超像素分割算法去解析对应屋顶中的参数，最后应用于houdini参数化生成脚本中完成相应的屋顶基元重构任务，相比于人工的制作流程可以更好的快的实现屋顶的构建，对于自动化的过程可以有效的解决屋顶生成破面问题，不但可以批量化生成模型来减少了其中的时间和人力成本，同时可以重构出来干净又规范的这四种类型屋顶模型。

附图说明

图1为本发明实施例1中一种基于单基元解析的屋顶参数化重构方法的流程示意图；

图2为本发明实施例2中一种基于单基元解析的屋顶参数化重构系统的结构示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

实施例1

如图1所示，本发明实施例提供了一种基于单基元解析的屋顶参数化重构方法，包括以下步骤S1至S5：

S1、获取倾斜摄影单类型房屋数据，并构建训练集和验证集；

在本发明的一个可选实施例中，本发明获取倾斜摄影单类型房屋数据，并构建训练集和验证集，具体包括：

获取倾斜摄影单类型房屋数据；

从倾斜摄影单类型房屋数据中切割屋顶mesh网格数据，并进行人工标记分类；

将分类后的屋顶mesh网格数据进行上采样，得到分类后的屋顶稠密点云数据；

将分类后的屋顶稠密点云数据按照设定比例划分为训练集和验证集。

具体而已，本发明首先通过人工的方法从倾斜摄影单类型房屋数据中切割出只有屋顶部分的mesh网格数据，并将切好的屋顶进行标注分类，分为平屋顶，单坡屋顶，双坡屋顶，四坡屋顶这四类。

然后将这四类的屋顶网格数据通过上采样得到分类好的屋顶稠密点云数据，作为网络的数据集。

最后将人工切好的四类屋顶点云数据集85%的数据集作为训练集，剩余15%的数据集作为验证集。

S2、利用训练集和验证集训练单基元屋顶分类模型；

在本发明的一个可选实施例中，本发明利用训练集和验证集训练单基元屋顶分类模型，具体包括：

采用pointnet++网络构建单基元屋顶分类模型；

将训练集作为训练输入，通过采样层利用最远点采样进行随机采样，再通过分组层通过球查询的方式画一个设定半径的圆，并将每个圆里面的点云作为一组数据，进行每一组数据局部下的全局特征提取，再通过特征提取层逐层进行提取局部特征，最后通过全连接层学习得到平屋顶、单坡屋顶，双坡屋顶，四坡屋顶的四种屋顶类型的分类结果；

利用验证集对训练的单基元屋顶分类模型进行验证，得到训练后的单基元屋顶分类模型。

具体而言，本发明采用pointnet++网络构建单基元屋顶分类模型，配置PointNet++的网络训练环境，并按命名规则和存放要求，将准备的好的点云数据信息进行规范存放；

然后将训练集作为训练输入，利用最远点采样进行随机采样，再通过球查询的方式画一个R为1半径的圆，并将每个圆里面的点云内容作为一组数据，完成上述的操作即可进行每一组数据局部下的全局特征提取，再逐层进行提取局部特征，最终将输入的数据集学习得到出平屋顶、单坡屋顶，双坡屋顶，四坡屋顶的四种分类结果；

最后利用验证集进行测试验证分类精度，完成参数设置，其中采样点数设为2048，训练的结果进行测试，其中四种屋顶的平均准确率达到90%以上。

S3、利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型；

在本发明的一个可选实施例中，本发明利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型，具体包括：

对待分类的屋顶网格数据进行上采样，得到屋顶稠密点云数据；

所述利用训练后的单基元屋顶分类模型对屋顶稠密点云数据和屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型。

S4、提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息；

在本发明的一个可选实施例中，本发明提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息，具体包括：

提取屋顶网格数据的网格轮廓图，并分别计算包围轮廓的最小外接矩形的中心、长度、宽度、旋转角度；

根据屋顶网格数据中z轴的最高点坐标和最低点坐标计算屋顶厚度。

具体而言，本发明首先对屋顶网格数据用cv库的findContours函数抓取其俯视图，得到对应网格轮廓图（内部为黑色，外部为白色）；

然后对得到的轮廓图使用cv库的minAreaRect函数得到包围轮廓得最小外接矩形的中心、长度、宽度、旋转角度（即z轴不变，在xy轴构成的平面进行旋转的角度）。

最后对屋顶网格数据求z轴中的最高点和最低点的差值即为厚度。

特别地，由于平屋顶没有坡度角，因此本发明对其它屋顶进行进一步处理，具体包括：

将分类为单坡屋顶，双坡屋顶或四坡屋顶的屋顶网格数据的法向量的xyz信息进行归一化，分别储存在图片的RGB三通道内，得到彩色俯视法向量图；采用超像素分割算法根据彩色俯视法向量图确定屋顶类型所对应的坡面数量的颜色块和每个块的颜色值，再将颜色值归一化得到屋顶坡度角。

具体而言，本发明首先对分类为单坡屋顶，双坡屋顶或四坡屋顶的屋顶网格数据抓取其含俯视法向量图，将法向量的xyz信息归一化到0~255，分别储存在图片的RGB三通道内，得到彩色俯视法向量图；

然后根据屋顶类型的分类结果，可知单坡屋顶法向量图颜色只有一种，双坡屋顶法向量图颜色有两种，四坡屋顶法向量图颜色有四种，因此使用超像素分割算法将法向量图根据网络推断得到的屋顶类型所对应的坡面数量的颜色块和每个块的颜色值，这个颜色值的rgb信息就对应了原始屋顶坡面的法向量信息，再将法向量信息进行归一化到-1~1，根据这个最终的法向量信息可得到该坡的坡度角。

S5、根据屋顶类型和屋顶参数信息重构单基元屋顶模型。

在本发明的一个可选实施例中，本发明根据屋顶类型和屋顶参数信息重构单基元屋顶模型，具体包括：

将分类为平屋顶的屋顶参数信息中长度和宽度作为重构屋顶的外轮廓，并结合屋顶厚度重构得到平屋顶的单基元屋顶模型，并根据中心点和旋转角度确定其位置和朝向。

将分类为单坡屋顶，双坡屋顶或四坡屋顶的屋顶参数信息中长度和宽度作为重构屋顶的外轮廓，通过直骨架算法计算屋脊线分布，结合得到的屋顶坡度角计算屋脊高度，通过屋顶厚度计算屋顶的瓦片厚度，重构得到单坡屋顶，双坡屋顶或四坡屋顶的单基元屋顶模型，并根据中心点和旋转角度确定其位置和朝向。

具体而言，对于屋顶的基元重构过程来说，本发明将上述解析出来的屋顶类别和参数信息作为输入，对于不同的屋顶类型，在houdini中使用相应的参数化生成脚本重构屋顶模型。

对于平屋顶来说，将输入的长宽作为重构屋顶的外轮廓，结合屋顶厚度即可重构出平屋顶的网格模型；对于其他三类屋顶来说，将输入的长宽作为重构屋顶的外轮廓，通过直骨架算法计算屋脊线分布，结合得到的坡度角计算屋脊高度，通过厚度参数计算屋顶的瓦片厚度，即可重构出对应的网格模型。最后对于这四类屋顶还需要根据中心点和旋转角度确定其位置和朝向，得到无破损且干净的这四类屋顶模型数据。

实施例2

如图2所示，本发明基于实施例1所描述的一种基于单基元解析的屋顶参数化重构方法，还提出了一种基于单基元解析的屋顶参数化重构系统，包括：

分类模型训练模块，用于获取倾斜摄影单类型房屋数据，并构建训练集和验证集；利用训练集和验证集训练单基元屋顶分类模型；

屋顶参数解析模块，用于利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型；提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息；

单基元屋顶重构模块，用于根据屋顶类型和屋顶参数信息重构单基元屋顶模型。

综上所述，本发明提出了一种应用于屋顶参数的单基元重构解析方法，针对平屋顶、单坡屋顶，双坡屋顶，四坡屋顶这四类屋顶，以原始有破损的mesh网格数据作为输入，用pointnet++的神经网络方法对原始破损的mesh网格模型的进行训练和推断得出屋顶类别，再通过minAreaRect函数对于屋顶俯视图求得矩形的中心、长度、宽度、旋转角度，对mesh网格模型的 z轴最高第和最低点的差求得屋顶厚度，最后用超像素分割算法解析得到每个坡面的坡度角，于是将得到的屋顶参数内容一起通过参数化基元重构的方法输入到houdini软件的参数化生成脚本，生成对应参数的完整屋顶重构模型。此任务生产的不但可以批量化生成模型来减少了其中的时间和人力成本，同时重构出来的这四种类型屋顶模型干净又规范。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (7)

1.一种基于单基元解析的屋顶参数化重构方法，其特征在于，包括以下步骤：

获取倾斜摄影单类型房屋数据，并构建训练集和验证集；

利用训练集和验证集训练单基元屋顶分类模型；

利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型；

提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息，具体包括：

提取屋顶网格数据的网格轮廓图，并分别计算包围轮廓的最小外接矩形的中心、长度、宽度、旋转角度；

根据屋顶网格数据中z轴的最高点坐标和最低点坐标计算屋顶厚度；

将分类为单坡屋顶，双坡屋顶或四坡屋顶的屋顶网格数据的法向量的xyz信息进行归一化，分别储存在图片的RGB三通道内，得到彩色俯视法向量图；采用超像素分割算法根据彩色俯视法向量图确定屋顶类型所对应的坡面数量的颜色块和每个块的颜色值，再将颜色值归一化得到屋顶坡度角；

根据屋顶类型和屋顶参数信息重构单基元屋顶模型。

2.根据权利要求1所述的一种基于单基元解析的屋顶参数化重构方法，其特征在于，所述获取倾斜摄影单类型房屋数据，并构建训练集和验证集，具体包括：

获取倾斜摄影单类型房屋数据；

从倾斜摄影单类型房屋数据中切割屋顶mesh网格数据，并进行人工标记分类；

将分类后的屋顶mesh网格数据进行上采样，得到分类后的屋顶稠密点云数据；

将分类后的屋顶稠密点云数据按照设定比例划分为训练集和验证集。

3.根据权利要求1所述的一种基于单基元解析的屋顶参数化重构方法，其特征在于，所述利用训练集和验证集训练单基元屋顶分类模型，具体包括：

采用pointnet++网络构建单基元屋顶分类模型；

将训练集作为训练输入，通过采样层利用最远点采样进行随机采样，再通过分组层通过球查询的方式画一个设定半径的圆，并将每个圆里面的点云作为一组数据，进行每一组数据局部下的全局特征提取，再通过特征提取层逐层进行提取局部特征，最后通过全连接层学习得到平屋顶、单坡屋顶，双坡屋顶，四坡屋顶的四种屋顶类型的分类结果；

利用验证集对训练的单基元屋顶分类模型进行验证，得到训练后的单基元屋顶分类模型。

4.根据权利要求1所述的一种基于单基元解析的屋顶参数化重构方法，其特征在于，所述利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型，具体包括：

对待分类的屋顶网格数据进行上采样，得到屋顶稠密点云数据；

所述利用训练后的单基元屋顶分类模型对屋顶稠密点云数据和屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型。

5.根据权利要求1所述的一种基于单基元解析的屋顶参数化重构方法，其特征在于，所述根据屋顶类型和屋顶参数信息重构单基元屋顶模型，具体包括：

将分类为平屋顶的屋顶参数信息中长度和宽度作为重构屋顶的外轮廓，并结合屋顶厚度重构得到平屋顶的单基元屋顶模型，并根据中心点和旋转角度确定其位置和朝向。

6.根据权利要求1所述的一种基于单基元解析的屋顶参数化重构方法，其特征在于，所述根据屋顶类型和屋顶参数信息重构单基元屋顶模型，具体包括：

将分类为单坡屋顶，双坡屋顶或四坡屋顶的屋顶参数信息中长度和宽度作为重构屋顶的外轮廓，通过直骨架算法计算屋脊线分布，结合得到的屋顶坡度角计算屋脊高度，通过屋顶厚度计算屋顶的瓦片厚度，重构得到单坡屋顶，双坡屋顶或四坡屋顶的单基元屋顶模型，并根据中心点和旋转角度确定其位置和朝向。

7.一种应用权利要求1至6任一所述方法的基于单基元解析的屋顶参数化重构系统，其特征在于，包括：

分类模型训练模块，用于获取倾斜摄影单类型房屋数据，并构建训练集和验证集；利用训练集和验证集训练单基元屋顶分类模型；

屋顶参数解析模块，用于利用训练后的单基元屋顶分类模型对待分类的屋顶网格数据进行屋顶类型分类，得到屋顶网格数据对应的屋顶类型；提取屋顶网格数据的网格轮廓图，并解析对应屋顶参数信息；

单基元屋顶重构模块，用于根据屋顶类型和屋顶参数信息重构单基元屋顶模型。

Images