CN115147476A - 建筑室内面积预测方法、装置、计算机设备和存储介质 - Google Patents
建筑室内面积预测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115147476A CN115147476A CN202110341266.2A CN202110341266A CN115147476A CN 115147476 A CN115147476 A CN 115147476A CN 202110341266 A CN202110341266 A CN 202110341266A CN 115147476 A CN115147476 A CN 115147476A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- indoor area
- plane
- point
- horizontal plane
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种建筑室内面积预测方法、装置、计算机设备和存储介质。所述方法包括:获取采集的各个房间的点云,拼接所述点云得到房屋点云;对所述房屋点云进行预处理,提取得到点云水平面和点云竖直面;基于所述点云水平面和所述点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;将所述实际室内面积点云转换为室内面积区域图像,根据所述室内面积区域图像确定室内面积。采用本方法能够提高效率和精度。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种建筑室内面积预测方法、装置、计算机设备和存储介质。
背景技术
室内面积又称为住宅的使用面积,是指建筑各层平面中直接为生产或生活使用的净面积的总和。因此,为了准确衡量用户所能使用的室内面积,通常需要确定建筑的室内面积。
然而,由于室内面积的特殊规定,现有通常采用人工使用卷尺测量的方式确定室内面积,不仅工作繁重且精度低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高效率和精度的建筑室内面积预测方法、装置、计算机设备和存储介质。
一种建筑室内面积预测方法,所述方法包括:
获取采集的各个房间的点云,拼接所述点云得到房屋点云;
对所述房屋点云进行预处理,提取得到点云水平面和点云竖直面;
基于所述点云水平面和所述点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;
将所述实际室内面积点云转换为室内面积区域图像,根据所述室内面积区域图像确定室内面积。
在其中一个实施例中,所述对房屋点云进行预处理,提取得到点云水平面和点云竖直面,包括:
对所述房屋点云进行平面拟合,确定最大墙面;
将所述房屋点云旋转至所述最大墙面与第一坐标面平行、地面和天花板与第二坐标面平行的位置,并将旋转后的房屋点云平移至Z值为0的位置;所述Z值为空间坐标轴中竖轴的值;
确定平移后所述房屋点云中各点云对应的法向量;
基于各所述法向量提取点云水平面和点云竖直面。
在其中一个实施例中,所述确定平移后所述房屋点云中各点云对应的法向量,包括:
获取预设半径,所述预设半径根据所述房屋点云的密度确定;
利用所述房屋点云中各点云在所述预设半径内的所有点,分别拟合所述房屋点云中各点云对应的局部平面;
计算所述局部平面的法向量作为对应点云的法向量。
在其中一个实施例中,所述基于各所述法向量提取点云水平面和点云竖直面,包括:
根据各所述法向量是否平行于Z轴,将所述房屋点云中各点云划分为平行于Z轴的第一点云和未平行于Z轴的第二点云;所述Z轴为空间坐标轴中的竖轴;
对所述第一点云聚类分割和分类,得到地面点云平面和非地面点云平面;
根据所述地面点云平面的水平面投影图像和所述非地面点云平面的水平面投影图像确定第一室内区域参考图像;
将位于所述第一室内区域参考图像之外的点云从所述第一点云和所述第二点云中滤除,得到更新第一点云和更新第二点云;
根据所述更新第一点云提取点云水平面,根据所述更新第二点云提取点云竖直面。
在其中一个实施例中,所述根据所述更新第一点云提取点云水平面,根据所述更新第二点云提取点云竖直面,包括:
对所述更新第一点云进行聚类分割,利用水平面的几何尺寸对分割后的点云平面进行分类,得到点云水平面;所述点云水平面包括天花板;
从所述更新第二点云中提取所述天花板之下的点云拟合圆柱体点云,将拟合得到的圆柱点云从所述更新第二点云中滤除;
根据滤除所述圆柱点云后的所述更新第二点云对应的法向量的出现频率,确定所述更新第二点云的墙面法向量;
根据所述墙面法向量的类别对所述更新第二点云进行初分类;
将初分类后的各类点云分别进行聚类分割,并利用竖直面的几何尺寸对分割后的各类点云平面分别进行分类,得到点云竖直面。
在其中一个实施例中,所述根据所述地面点云平面的水平面投影图像和所述非地面点云平面的水平面投影图像确定第一室内区域参考图像,包括:
对所述非地面点云平面的水平面投影图像进行闭运算,计算最大的连通域;
将所述地面点云平面的水平面投影图像、所述非地面点云平面的水平面投影图像以及所述连通域的交集确定为第一室内区域参考图像。
在其中一个实施例中,所述点云竖直面包括墙面;
所述基于所述点云水平面和所述点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云,包括:
对所述墙面计算门洞矩形框,将尺寸差满足阈值、相互平行且相互投影重合的门洞矩形框对应的位置确定为门洞,滤除所述门洞对应的点云;
将相互平行的墙面进行相互投影,将投影重合区域对应的点云滤除。
在其中一个实施例中,对所述墙面计算门洞矩形框,包括:
将所述墙面对应的点云投影至与所述墙面平行的水平面上,得到投影墙面;
对所述投影墙面进行边缘平滑后,计算最大内接矩形;
将尺寸满足门洞尺寸的所述最大内接矩形作为门洞对应的门洞矩形框。
在其中一个实施例中,所述将所述实际室内面积点云转换为室内面积区域图像,根据所述室内面积区域图像确定室内面积,包括:
将所述点云竖直面对应的点云投影至水平面进行直线拟合,得到拟合线段;
将所述实际室内面积点云进行水平投影,得到第二室内区域参考图像;
利用所述拟合线段对所述第二室内区域参考图像进行分割,根据分割后各区域点云的均匀性确定室内区域,得到室内面积区域图像;
将所述室内面积区域图像中顶点的坐标替换为预设范围内与所述顶点最接近的墙面的墙面交点的坐标;
根据所述室内面积区域图像中连续的顶点的坐标计算室内面积。
在其中一个实施例中,所述根据所述室内面积区域图像中连续的顶点的坐标计算室内面积,包括:
以连续的顶点中的任意一个点为基准,逆时针为方向与两个相邻点组成有向三角形;
根据所述有向三角形的三个顶点的坐标计算所述有向三角形的有向面积;
将各个所述有向三角形的有向面积叠加,得到室内面积。
在其中一个实施例中,所述将所述室内面积区域图像中顶点的坐标替换为预设范围内与所述顶点最接近的墙面的墙面交点的坐标之前,还包括:
当根据所述点云水平面和所述点云竖直面定位确定存在窗洞,且所述窗洞为飘窗时,将所述飘窗区域与所述第二室内区域参考图像进行多边形拟合,得到最终的室内面积区域图像。
在其中一个实施例中,所述点云水平面包括窗洞顶面和窗洞地面;所述点云竖直面包括洞口侧面;根据所述点云水平面和所述点云竖直面定位确定飘窗,包括:
将所述窗洞顶面、所述窗洞地面以及所述洞口侧面进行组合,得到窗洞;
根据所述窗洞的尺寸确定所述窗洞是否为飘窗。
一种建筑室内面积预测装置,所述装置包括:
拼接模块,用于获取采集的各个房间的点云,拼接所述点云得到房屋点云;
提取模块,用于对所述房屋点云进行预处理,提取得到点云水平面和点云竖直面;
滤除模块,用于基于所述点云水平面和所述点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;
确定模块,用于将所述实际室内面积点云转换为室内面积区域图像,根据所述室内面积区域图像确定室内面积。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的建筑室内面积预测方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的建筑室内面积预测方法的步骤。
上述建筑室内面积预测方法、装置、计算机设备和存储介质,获取采集的各个房间的点云,拼接点云得到房屋点云;对房屋点云进行预处理,提取得到点云水平面和点云竖直面;基于点云水平面和点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;将实际室内面积点云转换为室内面积区域图像,根据室内面积区域图像确定室内面积。该方法采集建筑房屋的点云数据,通过对点云数据进行处理确定建筑的室内面积,相比人工采用卷尺测量来说,降低了大量繁琐的人工工作量,不仅提高了效率且提高了精度。
附图说明
图1为一个实施例中建筑室内面积预测的应用环境图;
图2为一个实施例中建筑室内面积预测的流程示意图;
图3为一个实施例中对房屋点云进行预处理,提取得到点云水平面和点云竖直面步骤的流程示意图;
图4为一个实施例中取非地面最大连通域与所有水平面交集的图像示意图;
图5为一个实施例中门洞矩形框的示意图;
图6为一个实施例中投影到水平面后的室内区域参考图像的示意图;
图7为一个实施例中拟合线段分割室内区域的图像示意图;
图8为一个实施例中室内区域面积图像的图纸示意图;
图9为一个实施例中建筑室内面积预测装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的建筑室内面积预测方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信,可以有终端102或者服务器104单独实现建筑室内面积预测方法。以服务器104为例,服务器104获取采集的各个房间的点云,拼接点云得到房屋点云;服务器104对房屋点云进行预处理,提取得到点云水平面和点云竖直面;服务器104基于点云水平面和点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;服务器104将实际室内面积点云转换为室内面积区域图像,根据室内面积区域图像确定室内面积。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种建筑室内面积预测方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S202,获取采集的各个房间的点云,拼接点云得到房屋点云。
其中,点云是通过测量仪器得到的点数据集合,房屋点云即是通过测量仪器得到的房屋的点云数据集合。
具体地,服务器获取由激光雷达采集的每个房间的点云数据,然后将每个房间的点云数据进行拼接,得到该些房间对应房屋的房屋点云。
步骤S204,对房屋点云进行预处理,提取得到点云水平面和点云竖直面。
其中,点云水平面是指水平面上的点云数据,点云竖直面即为竖直面上的点云数据。
具体地,服务器对房屋点云进行旋转平移等预处理后,计算房屋点云中各点云对应的法向量,基于各个法向量从房屋点云中提取得到点云水平面和点云竖直面。
步骤S206,基于点云水平面和点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云。
其中,由于房屋内很多区域是不能核算为室内面积的,因此非室内面积对应的点云是指不属于室内面积对应的点云,比如墙体、窗洞以及门洞等。
具体地,服务器通过点云水平面和点云竖直面定位房屋点云中不属于核算室内面积的点云。然后,将该些非室内面积对应的点云滤除,所剩余的点云为实际室内面积点云。
步骤S208,将实际室内面积点云转换为室内面积区域图像,根据室内面积区域图像确定室内面积。
具体地,服务器通过投影将得到的实际室内面积点云转换为室内面积区域图像。然后,对室内面积区域图像进行面积计算得到室内面积。
上述建筑室内面积预测方法,获取采集的各个房间的点云,拼接点云得到房屋点云;对房屋点云进行预处理,提取得到点云水平面和点云竖直面;基于点云水平面和点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;将实际室内面积点云转换为室内面积区域图像,根据室内面积区域图像确定室内面积。该方法采集建筑房屋的点云数据,通过对点云数据进行处理确定建筑的室内面积,相比人工采用卷尺测量来说,降低了大量繁琐的人工工作量,不仅提高了效率且提高了精度。
在一个实施例中,如图3所示,步骤S204包括:
步骤S302,对房屋点云进行平面拟合,确定最大墙面。
具体地,对整个房屋点云进行平面拟合,从拟合得到的平面中提取法向量与水平面平行的面,然后在从中选择点云最多的面作为最大墙面。
步骤S304,将房屋点云旋转至最大墙面与第一坐标面平行、地面和天花板与第二坐标面平行的位置,并将旋转后的房屋点云平移至Z值为0的位置。
具体地,以最大墙面为基准对房屋点云进行旋转,使得最大墙面与空间坐标系统中的第一坐标面平行,而房屋点云中的地面和天花板则与第二坐标面平行。旋转具体可以通过计算旋转矩阵实现。然后,再将旋转后的整个房屋点云平移至Z值=0的位置。Z值为空间坐标轴中竖轴(Z轴)的值。即,将房屋点云平移至地面高度为0的位置。其中,本实施例空间坐标系统为三维XYZ坐标轴,O表示三维坐标轴的原点。第一坐标面为XOZ平面,第二坐标面为XOY平面。
步骤S306,确定平移后房屋点云中各点云对应的法向量。
具体地,在房屋点云完成旋转和平移之后,服务器计算房屋点云中各个点云的法向量,后续根据各个点云的法向量提取点云水平面和点云竖直面。
在一个实施例中,步骤S306,包括:获取预设半径,预设半径根据房屋点云的密度确定;利用房屋点云中各点云在预设半径内的所有点,分别拟合房屋点云中各点云对应的局部平面;计算局部平面的法向量作为对应点云的法向量。
具体地,对于房屋点云中的每个点云,寻找它半径r内的所有点。半径r是需要根据实际点云的密度进行调节的参数,因此通过点云的密度确定半径r。然后,各个点云分别根据各自半径r内的所有点拟合出一个局部平面,计算该局部平面的法向量作为该点云的法向量。
步骤S308,基于各法向量提取点云水平面和点云竖直面。
具体地,服务器首先根据各点云的法向量大致估计得到室内区域参考图像,将位于室内区域参考图像之外的点云滤除完成点云的降噪后,再提取点云水平面和点云竖直面。
在一个实施例中,步骤S308,包括:根据各法向量是否平行于Z轴,将房屋点云中各点云划分为平行于Z轴的第一点云和未平行于Z轴的第二点云;对第一点云聚类分割和分类,得到地面点云平面和非地面点云平面;根据地面点云平面的水平面投影图像和非地面点云平面的水平面投影图像确定第一室内区域参考图像;将位于第一室内区域参考图像之外的点云从第一点云和第二点云中滤除,得到更新第一点云和更新第二点云;根据更新第一点云提取点云水平面,根据所述更新第二点云提取点云竖直面。
具体地,根据房屋点云中各点云的法向量,将点云分划为法向量平行于Z轴的第一点云cloud_z和法向量未平行于Z轴的第二点云cloud_v。对第一点云cloud_z进行聚类分割和分类,将其分为地面点云平面和非地面点云平面这两类点云。然后,将地面点云平面和非地面点云平面对应的点云分别进行水平面投影,得到地面点云平面的水平面投影图像和非地面点云平面的水平面投影图像。进而根据地面点云平面的水平面投影图像和非地面点云平面的水平面投影图像确定第一室内区域参考图像,第一室内区域参考图像大致显示出室内区域的轮廓。最后,根据第一室内区域参考图像的轮廓,将该轮廓之外的点云从第一点云cloud_z和第二点云cloud_v中滤除,得到更新后的第一点云cloud_z和第二点云cloud_v,即得到更新第一点云和更新第二点云。该更新后的第一点云cloud_z+第二点云cloud_v即为降噪后的点云cloud。再根据更新第一点云提取得到点云水平面,根据更新第二点云提取得到点云竖直面。
在一个实施例中,第一室内区域参考图像具体通过对非地面点云平面的水平面投影图像进行闭运算后计算其中最大的连通域。将地面点云平面的水平面投影图像与连通域的交集确定为第一室内区域参考图像。参考图4,即取非地面闭运算后的最大连通域和所有水平面投影图像的交集,得到的结果就是室内区域,即第一室内区域参考图像。
在一个实施例中,根据更新第一点云提取点云水平面,根据更新第二点云提取点云竖直面,包括:对更新第一点云进行聚类分割,利用水平面的几何尺寸对分割后的点云平面进行分类,得到点云水平面;点云水平面包括天花板;从更新第二点云中提取天花板之下的点云拟合圆柱体点云,将拟合得到的圆柱点云从更新第二点云中滤除;根据滤除圆柱点云后的更新第二点云对应的法向量的出现频率,确定更新第二点云的墙面法向量;根据墙面法向量的类别对更新第二点云进行初分类;将初分类后的各类点云分别进行聚类分割,并利用竖直面的几何尺寸对分割后的各类点云平面分别进行分类,得到点云竖直面。
其中,几何尺寸是指水平面的几何信息,包括面的长宽高、包围盒顶点的坐标、中心点的坐标、以及对外接多边形的顶点坐标等等。
具体地,根据更新第一点云提取点云水平面的过程具体为:首先对更新后的第一点云cloud_z重新进行聚类分割,得到分割后的分割平面。然后根据平面的几何尺寸对分割平面进行分类,得到点云水平面。点云水平面包括地面、天花板、窗洞顶面、窗洞地面以及梁底面等。例如,根据几何尺寸对分割平面进行分类时,宽度大于0.5米,最高点高度接近0米的平面通常为地面,所以符合该几何尺寸的分割平面属于地面。同理,天花板的宽度大于0.5米,长度大于1.5米,最低点高度接近H1。飘窗顶面的宽度大于0.4米,长度大于1.0米,高度大于1.5米,小于H1-0.1。窗洞底面的宽度大于0.06米,长度大于0.7米,高度小于1.5米且大于0.4米。以及潜在梁底面的最低点高度高于2.5米。其中,H1为天花板的高度,通过在垂直方向上将空间以2厘米为单位进行分割后,统计点云的数量,在1.5米以上且点最多的高度为天花板的高度,而1.5米以下且点最多的是地板的高度。另外,除了这些利用几何尺寸的分类,还需要计算每个分割平面的水平投影和地面水平投影的重合面积占平面面积的比例。若比例较低,优选小于0.1,则视为窗洞和飘窗的顶面和底面。应当理解的是,本实施例所给出的几何尺寸是符合一般住宅户型的几何尺寸,特殊户型可以根据实际情况调节参数来适配。
根据更新第二点云提取点云水平面的过程具体为:利用点云水平面天花板,从更新后的第二点云cloud_v中提取位于天花板下的点云。对所提取的该些点云拟合圆柱体点云,从而将接近于水管或圆形柱体的尺寸的圆柱点云滤除,从而去除水管或圆形柱体等区域对应的点云。然后,计算滤除圆柱点云后的更新第二点云中各点云对应的法向量。通过各个法向量的出现频率,将出现频率比较多的法向量确定为墙面的法向量,即墙面法向量。其中,本实施例中的法向量同样通过半径r拟合局部平面计算得到。而出现频率超过总体点云数的10%的法向量即可认为出现频率较多。最后,再以墙面法向量的类别对更新第二点云cloud_v进行分类,将法向量接近的点云分为一类,包括Z方向、X方向以及Y方向等三类。对分类后的各类点云分别进行聚类分割,同样利用竖直面的集合尺寸对分割后的平面进行分类得到点云竖直面。点云竖直面包括:墙面、洞口侧面和梁侧面等。例如,墙面为长度大于0.8米,高大于1.5米,下边缘低于0.2米,或者长度大于1.2米,高度大于0.45米的平面。梁侧面的高度大于0.08米,下边缘高于2米,而洞口侧面的宽度大于0.06米,上边缘高于1.8米。另外,洞口侧面可以是对所有的飘窗顶面和飘窗底面以及潜在梁底面去组合,如果能组成洞口,则可以认定这些面是洞口的侧面。若不能,则飘窗顶面视为天花板,潜在梁底面视为梁底面。
在一个实施例中,步骤S206,包括:对墙面计算门洞矩形框,将尺寸差满足阈值、相互平行且相互投影重合的门洞矩形框对应的位置确定为门洞,滤除门洞对应的点云;将相互平行的墙面进行相互投影,将投影重合区域对应的点云滤除。
具体地,由于套内使用空间面积不包括墙体和门洞的面积,所以需要将墙面以及门洞的对应的点云滤除,避免与套内使用空间区域混淆而影响室内面积的计算。其中,门洞通过对墙面计算门洞矩形框,当存在两个尺寸差满足阈值,即尺寸接近且相互平行且相互投影重合的门洞矩形框时,这两个门洞矩形框对应的位置即为门洞的位置,从而将该门洞位置对应的点云滤除,门洞矩形框的示意图如图5所示。而墙面则通过对相互平行的两个墙面进行相互投影,得到投影后重合的区域,滤除该区域对应的点云。而去除门洞对应点云和墙面点云后的点云即为所有室内区域的可参考点云。
在一个实施例中,对墙面计算门洞矩形框,包括:将墙面对应的点云投影至与墙面平行的水平面上,得到投影墙面;对投影墙面进行边缘平滑后,计算最大内接矩形;将尺寸满足门洞尺寸的最大内接矩形作为门洞对应的矩形框。
具体地,计算门洞矩形框首先将墙面对应的点云投影至与墙面水平的水平面上,得到投影后的投影墙面。然后,对投影墙面的边缘进行平滑后,计算它的最大内接矩形。如果得到满足门洞尺寸的最大内接矩形,则将其确定为门洞对应的矩形框。
在一个实施例中,步骤S208,包括:将点云竖直面对应的点云投影至水平面进行直线拟合,得到拟合线段;将实际室内面积点云进行水平投影,得到第二室内区域参考图像;利用拟合线段对第二室内区域参考图像进行分割,根据分割后各区域点云的均匀性确定室内区域,得到室内面积区域图像;将室内面积区域图像中顶点的坐标替换为预设范围内与顶点最接近的墙面的墙面交点的坐标;根据室内面积区域图像中连续的顶点的坐标计算室内面积。
具体地,将提取得到的点云竖直面投影至水平面中进行直线拟合,得到拟合线段,拟合的线段可以是一条或多条。另外,对于比较宽的墙面,根据对应的阈值进行分段拟合得到多条拟合线段。比如2米宽的墙面根据阈值5毫米进行分段拟合。同时,将实际室内面积点云进行水平投影得到第二室内区域参考图像,如图6所示,提供一种投影到水平面后的室内区域参考图像的示意图。其中,由于实际室内面积点云已经是处理过后最为精准的室内区域的参考点云,所以第二室内区域参考图像相比于第一室内区域参考图像更加精准。
然后,将拟合得到的拟合线段进行延长,通过延长对投影后的第二室内区域参考图像进行分割,分割示意图参考图7,图7所示的灰色线条即是作为分割线的拟合线段,白色区域为分割后的一个分割区域。在完成分割后,通过投影在各个分割区域内的点云数量与分布情况确定该区域是否为室内区域。如果点云分布均匀,表示为室内的区域,即套内使用空间的区域,则将其标记为室内,否则标记为室外。而所有标记为室内的区域组成室内面积区域图像。
当得到室内面积区域图像之后,将室内面积区域图像中的所有顶点的坐标替换为预设范围内与顶点最接近的墙面的墙面交点的坐标。其中,预设范围本实施例优选2厘米,交点是墙面与墙面的交点。即,将顶点的坐标替换为与其距离2厘米以内最近的墙面的交点的坐标,从而通过替换将图像坐标系上的坐标改为点云坐标系中的实际坐标,从而确保后续计算的准确性。完成坐标替换之后,利用连续的顶点的坐标计算室内面积。
另外,由于面积计算有规定不同净高的区域的面积需要乘以不同的系数,比如1.2-2.1m净高的区域计算一半的面积。因此,在确定将实际室内面积点云投影得到第二室内区域参考图像时,从实际室内面积点云中截取一定高度区间内的点云后再进行投影,例如截取2.1米-5米的点云将其进行水平投影得到第二室内区域参考图像。
在一个实施例中,根据室内面积区域图像中连续的顶点的坐标计算室内面积,包括:以连续的顶点中的任意一个点为基准,逆时针为方向与两个相邻点组成有向三角形;根据有向三角形的三个顶点的坐标计算有向三角形的有向面积;将各个有向三角形的有向面积叠加,得到室内面积。
具体地,假设室内面积区域图像中的一个区域为正方形,则从正方形四个顶点中随机选择一个点为基准,以逆时针方向与该基准点相邻的两个点组成一个有向三角形。然后,根据有向三角形的顶点计算该有向三角形的有向面积。通过该方法得到多个合并后能够与室内面积区域图像的室内区域面积重合的有向三角形后,将所有的有向三角形的有向面积后叠加得到室内面积。
在一个实施例中,将室内面积区域图像中顶点的坐标替换为预设范围内与顶点最接近的墙面的墙面交点的坐标的之前,还包括:当根据点云水平面和点云竖直面定位确定存在窗洞,且窗洞为飘窗时,将飘窗区域与第二室内区域参考图像中对应的室内区域进行多边形拟合,得到最终的室内面积区域图像。
具体地,由于室内可能还存在飘窗,而飘窗是通常需要计一半面积作为室内面积的。因此,根据点云水平面和点云竖直面定位房屋是否存在飘窗,而若确定存在飘窗时,将确定的飘窗区域与第二室内区域参考图像进行多边形拟合,得到拟合了飘窗区域后的室内面积区域图像,为最终的室内面积区域图像。
另外,也可以将室内面积区域图像绘制成图纸方便测绘人员测量、编辑和存单等等。如图8所示,提供一种室内面积区域图像的图纸示意图,其中,白色圆点为拟合线段的交点,即室内面积区域图像中的顶点,k所在的区域为飘窗区域,灰色区域即为净高在2.1-5.0m的室内区域,白色线段为点云的水平投影点。k后面的数字为该飘窗的面积系数,本实施例中的系数为0,“area:”后面的数字为飘窗面积,单位为平米。图像左上角的“room:”表示套内使用空间的面积,“wall:”表示室内墙体的面积。
在一个实施例中,根据点云水平面和点云竖直面定位确定飘窗,包括:将窗洞顶面、窗洞地面以及洞口侧面进行组合,得到窗洞;根据窗洞的尺寸确定所述窗洞是否为飘窗。
具体地,飘窗的确定通过点云水平面中的窗洞顶面、窗洞地面,以及点云竖直面中的洞口侧面进行组合,得到窗洞。而窗洞对应的可能是普通窗或者飘窗,因此,判断窗洞的尺寸是否符合飘窗的尺寸。若窗洞的尺寸符合飘窗的尺寸,则确定为飘窗。
应该理解的是,虽然图2-3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,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种建筑室内面积预测装置,包括:拼接模块902、提取模块904、滤除模块906和确定模块908,其中:
拼接模块902,用于获取采集的各个房间的点云,拼接点云得到房屋点云。
提取模块904,用于对房屋点云进行预处理,提取得到点云水平面和点云竖直面。
滤除模块906,用于基于点云水平面和点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云。
确定模块908,用于将实际室内面积点云转换为室内面积区域图像,根据室内面积区域图像确定室内面积。
在一个实施例中,提取模块904还用于对房屋点云进行平面拟合,确定最大墙面;将房屋点云旋转至最大墙面与第一坐标面平行、地面和天花板与第二坐标面平行的位置,并将旋转后的房屋点云平移至Z值为0的位置;Z值为空间坐标轴中竖轴的值;确定平移后房屋点云中各点云对应的法向量;基于各法向量提取点云水平面和点云竖直面。
在一个实施例中,提取模块904还用于获取预设半径,预设半径根据房屋点云的密度确定;利用房屋点云中各点云在预设半径内的所有点,分别拟合房屋点云中各点云对应的局部平面;计算局部平面的法向量作为对应点云的法向量。
在一个实施例中,提取模块904还用于根据各法向量是否平行于Z轴,将房屋点云中各点云划分为平行于Z轴的第一点云和未平行于Z轴的第二点云;Z轴为空间坐标轴中的竖轴;对第一点云聚类分割和分类,得到地面点云平面和非地面点云平面;根据地面点云平面的水平面投影图像和非地面点云平面的水平面投影图像确定第一室内区域参考图像;将位于第一室内区域参考图像之外的点云从第一点云和第二点云中滤除,得到更新第一点云和更新第二点云;根据更新第一点云提取点云水平面,根据所述更新第二点云提取点云竖直面。
在一个实施例中,提取模块904还用于对更新第一点云进行聚类分割,利用水平面的几何尺寸对分割后的点云平面进行分类,得到点云水平面;点云水平面包括天花板;从更新第二点云中提取天花板之下的点云拟合圆柱体点云,将拟合得到的圆柱点云从更新第二点云中滤除;根据滤除圆柱点云后的更新第二点云对应的法向量的出现频率,确定更新第二点云的墙面法向量;根据墙面法向量的类别对更新第二点云进行初分类;将初分类后的各类点云分别进行聚类分割,并利用竖直面的几何尺寸对分割后的各类点云平面分别进行分类,得到点云竖直面。
在一个实施例中,提取模块904还用于对非地面点云平面的水平面投影图像进行闭运算,计算最大的连通域;将地面点云平面的水平面投影图像、非地面点云平面的水平面投影图像以及连通域的交集确定为第一室内区域参考图像。
在一个实施例中,滤除模块906还用于对墙面计算门洞矩形框,将尺寸差满足阈值、相互平行且相互投影重合的门洞矩形框对应的位置确定为门洞,滤除门洞对应的点云;将相互平行的墙面进行相互投影,将投影重合区域对应的点云滤除。
在一个实施例中,滤除模块906还用于将墙面对应的点云投影至与墙面平行的水平面上,得到投影墙面;对投影墙面进行边缘平滑后,计算最大内接矩形;将尺寸满足门洞尺寸的最大内接矩形作为门洞对应的矩形框。
在一个实施例中,确定模块908还用于将点云竖直面对应的点云投影至水平面进行直线拟合,得到拟合线段;将实际室内面积点云进行水平投影,得到第二室内区域参考图像;利用拟合线段对第二室内区域参考图像进行分割,根据分割后各区域点云的均匀性确定室内区域,得到室内面积区域图像;将室内面积区域图像中顶点的坐标替换为预设范围内与顶点最接近的墙面的墙面交点的坐标;根据室内面积区域图像中连续的顶点的坐标计算室内面积。
在一个实施例中,确定模块908还用于以连续的顶点中的任意一个点为基准,逆时针为方向与两个相邻点组成有向三角形;根据有向三角形的三个顶点的坐标计算有向三角形的有向面积;将各个有向三角形的有向面积叠加,得到室内面积。
在一个实施例中,确定模块908还用于当根据点云水平面和点云竖直面定位确定存在窗洞,且窗洞为飘窗时,将飘窗区域与第二室内区域参考图像中对应的室内区域进行多边形拟合,得到最终的室内面积区域图像。
在一个实施例中,确定模块908还用于将窗洞顶面、窗洞地面以及洞口侧面进行组合,得到窗洞;根据窗洞的尺寸确定所述窗洞是否为飘窗。
关于建筑室内面积预测装置的具体限定可以参见上文中对于建筑室内面积预测方法的限定,在此不再赘述。上述建筑室内面积预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储点云数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种建筑室内面积预测方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取采集的各个房间的点云,拼接点云得到房屋点云;
对房屋点云进行预处理,提取得到点云水平面和点云竖直面;
基于点云水平面和点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;
将实际室内面积点云转换为室内面积区域图像,根据室内面积区域图像确定室内面积。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对房屋点云进行平面拟合,确定最大墙面;将房屋点云旋转至最大墙面与第一坐标面平行、地面和天花板与第二坐标面平行的位置,并将旋转后的房屋点云平移至Z值为0的位置;Z值为空间坐标轴中竖轴的值;确定平移后房屋点云中各点云对应的法向量;基于各法向量提取点云水平面和点云竖直面。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预设半径,预设半径根据房屋点云的密度确定;利用房屋点云中各点云在预设半径内的所有点,分别拟合房屋点云中各点云对应的局部平面;计算局部平面的法向量作为对应点云的法向量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据各法向量是否平行于Z轴,将房屋点云中各点云划分为平行于Z轴的第一点云和未平行于Z轴的第二点云;Z轴为空间坐标轴中的竖轴;对第一点云聚类分割和分类,得到地面点云平面和非地面点云平面;根据地面点云平面的水平面投影图像和非地面点云平面的水平面投影图像确定第一室内区域参考图像;将位于第一室内区域参考图像之外的点云从第一点云和第二点云中滤除,得到更新第一点云和更新第二点云;根据更新第一点云提取点云水平面,根据所述更新第二点云提取点云竖直面。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对更新第一点云进行聚类分割,利用水平面的几何尺寸对分割后的点云平面进行分类,得到点云水平面;点云水平面包括天花板;从更新第二点云中提取天花板之下的点云拟合圆柱体点云,将拟合得到的圆柱点云从更新第二点云中滤除;根据滤除圆柱点云后的更新第二点云对应的法向量的出现频率,确定更新第二点云的墙面法向量;根据墙面法向量的类别对更新第二点云进行初分类;将初分类后的各类点云分别进行聚类分割,并利用竖直面的几何尺寸对分割后的各类点云平面分别进行分类,得到点云竖直面。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对非地面点云平面的水平面投影图像进行闭运算,计算最大的连通域;将地面点云平面的水平面投影图像、非地面点云平面的水平面投影图像以及连通域的交集确定为第一室内区域参考图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对墙面计算门洞矩形框,将尺寸差满足阈值、相互平行且相互投影重合的门洞矩形框对应的位置确定为门洞,滤除门洞对应的点云;将相互平行的墙面进行相互投影,将投影重合区域对应的点云滤除。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将墙面对应的点云投影至与墙面平行的水平面上,得到投影墙面;对投影墙面进行边缘平滑后,计算最大内接矩形;将尺寸满足门洞尺寸的最大内接矩形作为门洞对应的矩形框。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将点云竖直面对应的点云投影至水平面进行直线拟合,得到拟合线段;将实际室内面积点云进行水平投影,得到第二室内区域参考图像;利用拟合线段对第二室内区域参考图像进行分割,根据分割后各区域点云的均匀性确定室内区域,得到室内面积区域图像;将室内面积区域图像中顶点的坐标替换为预设范围内与顶点最接近的墙面的墙面交点的坐标;根据室内面积区域图像中连续的顶点的坐标计算室内面积。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:以连续的顶点中的任意一个点为基准,逆时针为方向与两个相邻点组成有向三角形;根据有向三角形的三个顶点的坐标计算有向三角形的有向面积;将各个有向三角形的有向面积叠加,得到室内面积。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当根据点云水平面和点云竖直面定位确定存在窗洞,且窗洞为飘窗时,将飘窗区域与第二室内区域参考图像中对应的室内区域进行多边形拟合,得到最终的室内面积区域图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将窗洞顶面、窗洞地面以及洞口侧面进行组合,得到窗洞;根据窗洞的尺寸确定所述窗洞是否为飘窗。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取采集的各个房间的点云,拼接点云得到房屋点云;
对房屋点云进行预处理,提取得到点云水平面和点云竖直面;
基于点云水平面和点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;
将实际室内面积点云转换为室内面积区域图像,根据室内面积区域图像确定室内面积。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对房屋点云进行平面拟合,确定最大墙面;将房屋点云旋转至最大墙面与第一坐标面平行、地面和天花板与第二坐标面平行的位置,并将旋转后的房屋点云平移至Z值为0的位置;Z值为空间坐标轴中竖轴的值;确定平移后房屋点云中各点云对应的法向量;基于各法向量提取点云水平面和点云竖直面。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取预设半径,预设半径根据房屋点云的密度确定;利用房屋点云中各点云在预设半径内的所有点,分别拟合房屋点云中各点云对应的局部平面;计算局部平面的法向量作为对应点云的法向量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据各法向量是否平行于Z轴,将房屋点云中各点云划分为平行于Z轴的第一点云和未平行于Z轴的第二点云;Z轴为空间坐标轴中的竖轴;对第一点云聚类分割和分类,得到地面点云平面和非地面点云平面;根据地面点云平面的水平面投影图像和非地面点云平面的水平面投影图像确定第一室内区域参考图像;将位于第一室内区域参考图像之外的点云从第一点云和第二点云中滤除,得到更新第一点云和更新第二点云;根据更新第一点云提取点云水平面,根据所述更新第二点云提取点云竖直面。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对更新第一点云进行聚类分割,利用水平面的几何尺寸对分割后的点云平面进行分类,得到点云水平面;点云水平面包括天花板;从更新第二点云中提取天花板之下的点云拟合圆柱体点云,将拟合得到的圆柱点云从更新第二点云中滤除;根据滤除圆柱点云后的更新第二点云对应的法向量的出现频率,确定更新第二点云的墙面法向量;根据墙面法向量的类别对更新第二点云进行初分类;将初分类后的各类点云分别进行聚类分割,并利用竖直面的几何尺寸对分割后的各类点云平面分别进行分类,得到点云竖直面。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对非地面点云平面的水平面投影图像进行闭运算,计算最大的连通域;将地面点云平面的水平面投影图像、非地面点云平面的水平面投影图像以及连通域的交集确定为第一室内区域参考图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对墙面计算门洞矩形框,将尺寸差满足阈值、相互平行且相互投影重合的门洞矩形框对应的位置确定为门洞,滤除门洞对应的点云;将相互平行的墙面进行相互投影,将投影重合区域对应的点云滤除。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将墙面对应的点云投影至与墙面平行的水平面上,得到投影墙面;对投影墙面进行边缘平滑后,计算最大内接矩形;将尺寸满足门洞尺寸的最大内接矩形作为门洞对应的矩形框。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将点云竖直面对应的点云投影至水平面进行直线拟合,得到拟合线段;将实际室内面积点云进行水平投影,得到第二室内区域参考图像;利用拟合线段对第二室内区域参考图像进行分割,根据分割后各区域点云的均匀性确定室内区域,得到室内面积区域图像;将室内面积区域图像中顶点的坐标替换为预设范围内与顶点最接近的墙面的墙面交点的坐标;根据室内面积区域图像中连续的顶点的坐标计算室内面积。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:以连续的顶点中的任意一个点为基准,逆时针为方向与两个相邻点组成有向三角形;根据有向三角形的三个顶点的坐标计算有向三角形的有向面积;将各个有向三角形的有向面积叠加,得到室内面积。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当根据点云水平面和点云竖直面定位确定存在窗洞,且窗洞为飘窗时,将飘窗区域与第二室内区域参考图像中对应的室内区域进行多边形拟合,得到最终的室内面积区域图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将窗洞顶面、窗洞地面以及洞口侧面进行组合,得到窗洞;根据窗洞的尺寸确定所述窗洞是否为飘窗。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种建筑室内面积预测方法,其特征在于,所述方法包括:
获取采集的各个房间的点云,拼接所述点云得到房屋点云;
对所述房屋点云进行预处理,提取得到点云水平面和点云竖直面;
基于所述点云水平面和所述点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;
将所述实际室内面积点云转换为室内面积区域图像,根据所述室内面积区域图像确定室内面积。
2.根据权利要求1所述的方法,其特征在于,所述对房屋点云进行预处理,提取得到点云水平面和点云竖直面,包括:
对所述房屋点云进行平面拟合,确定最大墙面;
将所述房屋点云旋转至所述最大墙面与第一坐标面平行、地面和天花板与第二坐标面平行的位置,并将旋转后的房屋点云平移至Z值为0的位置;所述Z值为空间坐标轴中竖轴的值;
确定平移后所述房屋点云中各点云对应的法向量;
基于各所述法向量提取点云水平面和点云竖直面。
3.根据权利要求2所述的方法,其特征在于,所述确定平移后所述房屋点云中各点云对应的法向量,包括:
获取预设半径,所述预设半径根据所述房屋点云的密度确定;
利用所述房屋点云中各点云在所述预设半径内的所有点,分别拟合所述房屋点云中各点云对应的局部平面;
计算所述局部平面的法向量作为对应点云的法向量。
4.根据权利要求2所述的方法,其特征在于,所述基于各所述法向量提取点云水平面和点云竖直面,包括:
根据各所述法向量是否平行于Z轴,将所述房屋点云中各点云划分为平行于Z轴的第一点云和未平行于Z轴的第二点云;所述Z轴为空间坐标轴中的竖轴;
对所述第一点云聚类分割和分类,得到地面点云平面和非地面点云平面;
根据所述地面点云平面的水平面投影图像和所述非地面点云平面的水平面投影图像确定第一室内区域参考图像;
将位于所述第一室内区域参考图像之外的点云从所述第一点云和所述第二点云中滤除,得到更新第一点云和更新第二点云;
根据所述更新第一点云提取点云水平面,根据所述更新第二点云提取点云竖直面。
5.根据权利要求4所述的方法,其特征在于,所述根据所述更新第一点云提取点云水平面,根据所述更新第二点云提取点云竖直面,包括:
对所述更新第一点云进行聚类分割,利用水平面的几何尺寸对分割后的点云平面进行分类,得到点云水平面;所述点云水平面包括天花板;
从所述更新第二点云中提取所述天花板之下的点云拟合圆柱体点云,将拟合得到的圆柱点云从所述更新第二点云中滤除;
根据滤除所述圆柱点云后的所述更新第二点云对应的法向量的出现频率,确定所述更新第二点云的墙面法向量;
根据所述墙面法向量的类别对所述更新第二点云进行初分类;
将初分类后的各类点云分别进行聚类分割,并利用竖直面的几何尺寸对分割后的各类点云平面分别进行分类,得到点云竖直面。
6.根据权利要求4所述的方法,其特征在于,所述根据所述地面点云平面的水平面投影图像和所述非地面点云平面的水平面投影图像确定第一室内区域参考图像,包括:
对所述非地面点云平面的水平面投影图像进行闭运算,计算最大的连通域;
将所述地面点云平面的水平面投影图像、所述非地面点云平面的水平面投影图像以及所述连通域的交集确定为第一室内区域参考图像。
7.根据权利要求1所述的方法,其特征在于,所述点云竖直面包括墙面;
所述基于所述点云水平面和所述点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云,包括:
对所述墙面计算门洞矩形框,将尺寸差满足阈值、相互平行且相互投影重合的门洞矩形框对应的位置确定为门洞,滤除所述门洞对应的点云;
将相互平行的墙面进行相互投影,将投影重合区域对应的点云滤除。
8.根据权利要求7所述的方法,其特征在于,对所述墙面计算门洞矩形框,包括:
将所述墙面对应的点云投影至与所述墙面平行的水平面上,得到投影墙面;
对所述投影墙面进行边缘平滑后,计算最大内接矩形;
将尺寸满足门洞尺寸的所述最大内接矩形作为门洞对应的门洞矩形框。
9.根据权利要求1所述的方法,其特征在于,所述将所述实际室内面积点云转换为室内面积区域图像,根据所述室内面积区域图像确定室内面积,包括:
将所述点云竖直面对应的点云投影至水平面进行直线拟合,得到拟合线段;
将所述实际室内面积点云进行水平投影,得到第二室内区域参考图像;
利用所述拟合线段对所述第二室内区域参考图像进行分割,根据分割后各区域点云的均匀性确定室内区域,得到室内面积区域图像;
将所述室内面积区域图像中顶点的坐标替换为预设范围内与所述顶点最接近的墙面的墙面交点的坐标;
根据所述室内面积区域图像中连续的顶点的坐标计算室内面积。
10.根据权利要求9所述的方法,其特征在于,所述根据所述室内面积区域图像中连续的顶点的坐标计算室内面积,包括:
以连续的顶点中的任意一个点为基准,逆时针为方向与两个相邻点组成有向三角形;
根据所述有向三角形的三个顶点的坐标计算所述有向三角形的有向面积;
将各个所述有向三角形的有向面积叠加,得到室内面积。
11.根据权利要求9所述的方法,其特征在于,所述将所述室内面积区域图像中顶点的坐标替换为预设范围内与所述顶点最接近的墙面的墙面交点的坐标之前,还包括:
当根据所述点云水平面和所述点云竖直面定位确定存在窗洞,且所述窗洞为飘窗时,将所述飘窗区域与所述第二室内区域参考图像进行多边形拟合,得到最终的室内面积区域图像。
12.根据权利要求11所述的方法,其特征在于,所述点云水平面包括窗洞顶面和窗洞地面;所述点云竖直面包括洞口侧面;根据所述点云水平面和所述点云竖直面定位确定飘窗,包括:
将所述窗洞顶面、所述窗洞地面以及所述洞口侧面进行组合,得到窗洞;
根据所述窗洞的尺寸确定所述窗洞是否为飘窗。
13.一种建筑室内面积预测装置,其特征在于,所述装置包括:
拼接模块,用于获取采集的各个房间的点云,拼接所述点云得到房屋点云;
提取模块,用于对所述房屋点云进行预处理,提取得到点云水平面和点云竖直面;
滤除模块,用于基于所述点云水平面和所述点云竖直面定位并滤除非室内面积对应的点云,得到实际室内面积点云;
确定模块,用于将所述实际室内面积点云转换为室内面积区域图像,根据所述室内面积区域图像确定室内面积。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述的方法的步骤。
15.一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至12中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110341266.2A CN115147476A (zh) | 2021-03-30 | 2021-03-30 | 建筑室内面积预测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110341266.2A CN115147476A (zh) | 2021-03-30 | 2021-03-30 | 建筑室内面积预测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115147476A true CN115147476A (zh) | 2022-10-04 |
Family
ID=83404092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110341266.2A Pending CN115147476A (zh) | 2021-03-30 | 2021-03-30 | 建筑室内面积预测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115147476A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117648750A (zh) * | 2024-01-25 | 2024-03-05 | 上海盎维信息技术有限公司 | 基于实测数据对空间装饰完成面尺寸的自动规整方法 |
CN117648750B (zh) * | 2024-01-25 | 2024-06-04 | 上海盎维信息技术有限公司 | 基于实测数据对空间装饰完成面尺寸的自动规整方法 |
-
2021
- 2021-03-30 CN CN202110341266.2A patent/CN115147476A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117648750A (zh) * | 2024-01-25 | 2024-03-05 | 上海盎维信息技术有限公司 | 基于实测数据对空间装饰完成面尺寸的自动规整方法 |
CN117648750B (zh) * | 2024-01-25 | 2024-06-04 | 上海盎维信息技术有限公司 | 基于实测数据对空间装饰完成面尺寸的自动规整方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Automatic BIM component extraction from point clouds of existing buildings for sustainability applications | |
US20200111251A1 (en) | 3d indoor modeling method, system and device based on point cloud data | |
Hong et al. | Semi-automated approach to indoor mapping for 3D as-built building information modeling | |
Kwak et al. | Automatic representation and reconstruction of DBM from LiDAR data using Recursive Minimum Bounding Rectangle | |
US10410406B2 (en) | Enhanced three-dimensional point cloud rendering | |
Li et al. | Modelling of buildings from aerial LiDAR point clouds using TINs and label maps | |
Fan et al. | Generalization of 3D buildings modelled by CityGML | |
CN111612806B (zh) | 一种建筑物立面窗户提取方法及装置 | |
CN112348836A (zh) | 一种自动提取建筑物轮廓的方法及装置 | |
Bassier et al. | IFCwall reconstruction from unstructured point clouds | |
CN112164145A (zh) | 基于点云数据快速提取室内三维线段结构的方法 | |
CN115082699A (zh) | 一种轮廓形状提取方法、装置、电子设备及存储介质 | |
CN115222884A (zh) | 一种基于人工智能的空间对象分析及建模优化方法 | |
US20230281350A1 (en) | A Computer Implemented Method of Generating a Parametric Structural Design Model | |
CN114913146A (zh) | 基于房屋角点的倾斜点云平面精度计算方法及系统 | |
Xie et al. | Automatic indoor building reconstruction from mobile laser scanning data | |
CN116805356A (zh) | 建筑模型的构建方法、设备及计算机可读存储介质 | |
Sun et al. | Automated segmentation of LiDAR point clouds for building rooftop extraction | |
CN114494323A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
CN115147476A (zh) | 建筑室内面积预测方法、装置、计算机设备和存储介质 | |
CN113569331B (zh) | 一种建筑物三维模型语义化的方法及系统 | |
US20220398808A1 (en) | Method to determine from photographs the placement and progress of building elements in comparison with a building plan | |
Kwadjo et al. | From PC2BIM: Automatic Model generation from Indoor Point Cloud | |
Zeng et al. | Integrating as-built BIM model from point cloud data in construction projects | |
Nakagawa | Point cloud clustering using panoramic layered range image |
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 |