CN115861828A - 一种建筑横切面轮廓提取方法、装置、介质及设备 - Google Patents
一种建筑横切面轮廓提取方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN115861828A CN115861828A CN202310176765.XA CN202310176765A CN115861828A CN 115861828 A CN115861828 A CN 115861828A CN 202310176765 A CN202310176765 A CN 202310176765A CN 115861828 A CN115861828 A CN 115861828A
- Authority
- CN
- China
- Prior art keywords
- cross
- building
- ordered
- section
- contour
- 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 50
- 238000000605 extraction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种建筑横切面轮廓提取方法、装置、介质及设备,涉及建筑技术领域,本发明在保证效率的情况下,能够提取到高精度的建筑轮廓;除此之外,本发明对有序线段组进行矫正,进一步提高了提取的建筑轮廓的精度。方案要点为:获取待提取建筑预设高度的横切面;对横切面进行二值化,获取二值化图片最大的黑色闭合轮廓对应的有序像素点;根据有序像素点得到最小包围盒,并将最小包围盒进行旋转;确定有序像素点中距离最小包围盒左上角最近的点为起始点;对有序像素点中的点从起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组;对有序线段组进行轮廓处理,得到待提取建筑的横切面轮廓。本发明主要用于建筑横切面轮廓提取中。
Description
技术领域
本发明涉及建筑技术领域,尤其涉及一种建筑横切面轮廓提取方法、装置、介质及设备。
背景技术
现有技术提取建筑横切面轮廓的方法一般有两种:第一种是先将建筑转正,然后使用直线进行拟合;第二种是允许任意角度直线的建筑轮廓拟合。
上述第一种提取建筑横切面轮廓的方法拟合出来的轮廓只能是直棱直角的然而现实中的建筑横切面轮廓除了横平竖直的直线外,还有一些角度略有倾斜的直线,因此,第一种提取建筑横切面轮廓的方法拟合效果差。第二种提取建筑横切面轮廓的方法因为允许的角度很多,拟合算法的时间复杂度也较高。
发明内容
本发明提供一种建筑横切面轮廓提取方法、装置、介质及设备,通过将待提取建筑的横切面进行二值化,进而得到有序像素点,根据有序像素点得到最小包围盒,确定起始点,对有序像素点中的点从起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组,对有序线段组进行轮廓处理,得到待提取建筑的横切面轮廓,相比于现有技术,本发明在保证效率的情况下,能够提取到高精度的建筑轮廓。
除此之外,本发明对有序线段组进行矫正,进一步提高了提取的建筑轮廓的精度。
为达到上述目的,本发明采用如下技术方案:
本发明第一方面提供一种建筑横切面轮廓提取方法,包括:
获取待提取建筑预设高度的横切面。
对所述横切面进行二值化,得到二值化图片,其中,黑色为切面,白色为背景。
获取所述二值化图片最大的黑色闭合轮廓对应的有序像素点。
根据所述有序像素点得到最小包围盒,并将所述最小包围盒进行旋转,以使所述最小包围盒的长边在水平方向,宽边在垂直方向。
确定所述有序像素点中距离所述最小包围盒左上角最近的点为起始点。
对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组。
对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓。
进一步的,所述的建筑横切面轮廓提取方法,在对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓之后,还包括:
对所述有序线段组进行矫正。
进一步的,所述的建筑横切面轮廓提取方法,对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓,包括:
对所述有序线段组,删除相邻两线段夹角大于150°的顶点,并删除相邻两线段夹角小于15°的顶点。
进一步的,所述的建筑横切面轮廓提取方法,对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,包括:
对所述有序像素点中的点从所述起始点按顺时钟方向使用线段的分段最小二乘拟合方法进行拟合。
本发明第二方面提供一种建筑横切面轮廓提取装置,包括:
第一获取单元,用于获取待提取建筑预设高度的横切面。
二值化单元,用于对所述横切面进行二值化,得到二值化图片,其中,黑色为切面,白色为背景。
第二获取单元,用于获取所述二值化图片最大的黑色闭合轮廓对应的有序像素点。
旋转单元,用于根据所述有序像素点得到最小包围盒,并将所述最小包围盒进行旋转,以使所述最小包围盒的长边在水平方向,宽边在垂直方向。
确定单元,用于确定所述有序像素点中距离所述最小包围盒左上角最近的点为起始点。
拟合单元,用于对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组。
处理单元,用于对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓。
进一步的,所述的建筑横切面轮廓提取装置,还包括:
矫正单元,用于对所述有序线段组进行矫正。
进一步的,所述的建筑横切面轮廓提取装置,所述处理单元,包括:
删除模块,用于对所述有序线段组,删除相邻两线段夹角大于150°的顶点,并删除相邻两线段夹角小于15°的顶点。
本发明第三方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被一个或多个处理器执行时,实现上述的建筑横切面轮廓提取方法。
本发明第四方面提供一种电子设备,包括:存储器和一个或多个处理器,所述存储器上存储有计算机程序,所述计算机程序被所述一个或多个处理器执行时实现上述的建筑横切面轮廓提取方法
本发明提供一种建筑横切面轮廓提取方法、装置、介质及设备,通过将待提取建筑的横切面进行二值化,进而得到有序像素点,根据有序像素点得到最小包围盒,确定起始点,对有序像素点中的点从起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组,对有序线段组进行轮廓处理,得到待提取建筑的横切面轮廓,相比于现有技术,本发明在保证效率的情况下,能够提取到高精度的建筑轮廓。
除此之外,本发明对有序线段组进行矫正,进一步提高了提取的建筑轮廓的精度。
附图说明
为了更清楚地说明本发明实施例的技术方案,以下将对实施例描述中所需要使用的附图作简单地介绍,附图仅用于示出实施方式的目的,而并不认为是对本发明的限制。
图1为本发明实施例中一种建筑横切面轮廓提取方法流程示意图;
图2为本发明实施例中另一种建筑横切面轮廓提取方法流程示意图;
图3为本发明实施例中一种待提取建筑示意图;
图4为本发明实施例中一种待提取建筑预设高度横切面示意图;
图5为本发明实施例中一种二值化图片示意图;
图6为本发明实施例中一种有序像素点示意图;
图7为本发明实施例中一种最小包围盒示意图;
图8为本发明实施例中一种起始点示意图;
图9为本发明实施例中一种拟合示意图;
图10为本发明实施例中一种待提取建筑的横切面轮廓示意图;
图11为本发明实施例中一种有序线段组矫正示意图;
图12为本发明实施例中一种建筑横切面轮廓提取装置组成结构示意图;
图13为本发明实施例中另一种建筑横切面轮廓提取装置组成结构示意图;
图14为本发明实施例中一种建筑横切面轮廓提取设备组成结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
除非另有定义,本发明所使用的所有的技术和科学术语与属于本发明术领域的技术人员通常理解的含义相同;本发明中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。
在本发明实施例的描述中,技术术语“第一”“第二”等仅用于区别不同对象,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本发明实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在本发明实施例的描述中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在本发明实施例的描述中,术语“多个”指的是两个以上(包括两个),同理,“多组”指的是两组以上(包括两组),“多片”指的是两片以上(包括两片)。
在本发明实施例的描述中,技术术语“中心”“纵向”“横向”“长度”“宽度”“厚度”“上”“下”“前”“后”“左”“右”“竖直”“水平”“顶”“底”“内”“外”“顺时针”“逆时针”“轴向”“径向”“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明实施例的限制。
在本发明实施例的描述中,除非另有明确的规定和限定,技术术语“安装”“相连”“连接”“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;也可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明例中的具体含义。
实施例1
本发明实施例提供一种建筑横切面轮廓提取方法,如图1所示,包括:
101、获取待提取建筑预设高度的横切面。
其中,待提取建筑,是指待提取横切面轮廓的建筑,可以为单栋建筑,也可以为多栋建筑群。本实施例对待提取建筑的高度、建筑风格等不作限制。
预设高度可根据实际情况而定,其值一般为大于零且小于等于待提取建筑高度。
横切面,又称水平面,是与垂直线垂直的面。本实施例此处的横切面为待提取建筑网络模型的横切面。当然,该横切面也可以是待提取建筑物实物的横切面,从可操作性以及难易程度角度上讲,本实施例选用从待提取建筑网络模型获取横切面。此处需要说明的是:待提取建筑网络模型的建立可采用多种途径,例如:CAD软件、EVACNET4软件等。
102、对所述横切面进行二值化,得到二值化图片,其中,黑色为切面,白色为背景。
其中,二值化就是将图像上的像素点的灰度值设置为0或255,也就是将整个图片呈现出明显的只有黑和白的视觉效果。
图片二值化的目的是最大限度的将图片中感兴趣部分保留下来,在很多情况下,也是进行图片分析、特征提取与模式识别之前必要的图像预处理过程。图片二值化的方法一般有:灰度平均值法、大律法、自适应阈值法等,因为其均为本行业基础方法,本实施例此处不再赘述。
103、获取所述二值化图片最大的黑色闭合轮廓对应的有序像素点。
其中,像素为最小的图像单元,一个像素通常被视为图像最小的完整采样。
104、根据所述有序像素点得到最小包围盒,并将所述最小包围盒进行旋转,以使所述最小包围盒的长边在水平方向,宽边在垂直方向。
其中,包围盒是一种求解离散点集最优包围空间的算法,基本思想是用体积稍大且特性简单的几何体(称为包围盒)来近似地代替复杂的几何对象。常见的包围盒算法有AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH。
105、确定所述有序像素点中距离所述最小包围盒左上角最近的点为起始点。
106、对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组。
其中,拟合是指已知某函数的若干离散函数值,通过调整该函数中若干待定系数,使得该函数与已知点集的差别最小。
107、对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓。
其中,本实施例轮廓处理是指对有序线段组,删除相邻两线段夹角大于150°的顶点,并删除相邻两线段夹角小于15°的顶点。
本实施例提供一种建筑横切面轮廓提取方法,通过将待提取建筑的横切面进行二值化,进而得到有序像素点,根据有序像素点得到最小包围盒,确定起始点,对有序像素点中的点从起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组,对有序线段组进行轮廓处理,得到待提取建筑的横切面轮廓,相比于现有技术,本发明在保证效率的情况下,能够提取到高精度的建筑轮廓。
实施例2
本实施例提供一种建筑横切面轮廓提取方法,如图2所示,包括:
201、获取待提取建筑预设高度的横切面。
图3为待提取建筑,其为单栋多层建筑,通过 pyvista的intersection函数,获取其预设高度(15米)的横切面,如图4所示。此处需要说明的是:预设高度可根据实施时实际情况而定,此处仅以15米为例进行举例说明。
202、对所述横切面进行二值化,得到二值化图片,其中,黑色为切面,白色为背景。
具体的,将横切面投影到水平面上得到二维的轮廓图,得到二值化图片,如图5所示,其中黑色为切面,白色为背景。
203、获取所述二值化图片最大的黑色闭合轮廓对应的有序像素点。
具体的,使用opencv的findContours方法,获取二值化图片最大的黑色闭合轮廓对应的有序像素点。
其中,opencv的findContours函数主要是针对灰度图,寻找其边界线的,如图6所示,为获取的二值化图片最大的黑色闭合轮廓对应的有序像素点。
204、根据所述有序像素点得到最小包围盒,并将所述最小包围盒进行旋转,以使所述最小包围盒的长边在水平方向,宽边在垂直方向。
具体的,根据有序像素点使用 opencv的boundingRect方法,得到最小包围盒。其中,opencv的boundingRect方法用于计算轮廓的垂直边界最小矩形。
如图7所示,将最小包围盒进行旋转,以使所述最小包围盒的长边在水平方向,宽边在垂直方向。
205、确定所述有序像素点中距离所述最小包围盒左上角最近的点为起始点。
具体的,通过几何方法确定起始点:首先画出最小包围盒左上角附近的有序像素点的切线,然后画出最小包围盒左上角顶点到各有序像素点的线段,最后确定像素点的切线与最小包围盒左上角顶点到该序像素点的线段垂直的像素点为起始点,如图8所示。当然,实施者也可通过其它方法确定起始点,此处仅以上述方法为例进行说明。
206、对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组。
具体的,如图9所示,对所述有序像素点中的点从所述起始点按顺时钟方向使用线段的分段最小二乘拟合方法进行拟合。
其中,xi2为最小按ni=1这样的标准定义的拟合函数称为最小二乘拟合,是离散情形下的最佳平方逼近对给定数据点{(XiYi)}(i=0,1,…m)在取定的函数类Φ 中求p(x)∈Φ ,使误差的平方和E^2最小E^2=∑[p(Xi)-Yi]^2从几何意义上讲就是寻求与给定点{(XiYi)}(i=0,1,…,m)的距离平方和为最小的曲线y=p(x)函数p(x)称为拟合函数或最小二乘解求拟合函数p(x)的方法称为曲线拟合的最小二乘法。
207、对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓。
具体的,如图10所示,对有序线段组,删除相邻两线段夹角大于150°的顶点,并删除相邻两线段夹角小于15°的顶点,得到待提取建筑的横切面轮廓。
208、对所述有序线段组进行矫正。
具体的,如图11所示,有序线段组中的线段对应的有序顶点,判断任意三个连续的顶点A、B和C:
若AB与水平或垂直方向夹角小于10°,且角B在67.5°到112.5°之间或BC长度小于3m,则挪动B到B’,使AB’,CB’水平或垂直于x轴方向。
本发明提供一种建筑横切面轮廓提取方法,通过将待提取建筑的横切面进行二值化,进而得到有序像素点,根据有序像素点得到最小包围盒,确定起始点,对有序像素点中的点从起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组,对有序线段组进行轮廓处理,得到待提取建筑的横切面轮廓,相比于现有技术,本发明在保证效率的情况下,能够提取到高精度的建筑轮廓。
除此之外,本发明对有序线段组进行矫正,进一步提高了提取的建筑轮廓的精度。
实施例3
本实施例提供一种建筑横切面轮廓提取装置,如图12所示,包括:
第一获取单元31,用于获取待提取建筑预设高度的横切面。
二值化单元32,用于对所述横切面进行二值化,得到二值化图片,其中,黑色为切面,白色为背景。
第二获取单元33,用于获取所述二值化图片最大的黑色闭合轮廓对应的有序像素点。
旋转单元34,用于根据所述有序像素点得到最小包围盒,并将所述最小包围盒进行旋转,以使所述最小包围盒的长边在水平方向,宽边在垂直方向。
确定单元35,用于确定所述有序像素点中距离所述最小包围盒左上角最近的点为起始点。
拟合单元36,用于对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组。
处理单元37,用于对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓。
此处需要说明的是:本实施例各部分详细说明可参照其它实施例对应部分,此处不再赘述。
本发明提供一种建筑横切面轮廓提取装置,通过将待提取建筑的横切面进行二值化,进而得到有序像素点,根据有序像素点得到最小包围盒,确定起始点,对有序像素点中的点从起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组,对有序线段组进行轮廓处理,得到待提取建筑的横切面轮廓,相比于现有技术,本发明在保证效率的情况下,能够提取到高精度的建筑轮廓。
实施例4
本实施例提供一种建筑横切面轮廓提取装置,如图13所示,包括:
第一获取单元41,用于获取待提取建筑预设高度的横切面。
二值化单元42,用于对所述横切面进行二值化,得到二值化图片,其中,黑色为切面,白色为背景。
第二获取单元43,用于获取所述二值化图片最大的黑色闭合轮廓对应的有序像素点。
旋转单元44,用于根据所述有序像素点得到最小包围盒,并将所述最小包围盒进行旋转,以使所述最小包围盒的长边在水平方向,宽边在垂直方向。
确定单元45,用于确定所述有序像素点中距离所述最小包围盒左上角最近的点为起始点。
拟合单元46,用于对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组。
处理单元47,用于对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓。
删除模块471,用于对所述有序线段组,删除相邻两线段夹角大于150°的顶点,并删除相邻两线段夹角小于15°的顶点。
矫正单元48,用于对所述有序线段组进行矫正。
此处需要说明的是:本实施例各部分详细说明可参照其它实施例对应部分,此处不再赘述。
本发明提供一种建筑横切面轮廓提取装置,通过将待提取建筑的横切面进行二值化,进而得到有序像素点,根据有序像素点得到最小包围盒,确定起始点,对有序像素点中的点从起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组,对有序线段组进行轮廓处理,得到待提取建筑的横切面轮廓,相比于现有技术,本发明在保证效率的情况下,能够提取到高精度的建筑轮廓。
除此之外,本发明对有序线段组进行矫正,进一步提高了提取的建筑轮廓的精度。
实施例5
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被一个或多个处理器执行时,实现上述建筑横切面轮廓提取方法。
其中,计算机可读存储介质可以为非瞬态的可读存储介质,当计算机可读存储介质中的程序指令被电子设备运行时,该电子设备实现本发明提供的AI应用任务的管理方法中管理装置的功能。该计算机可读存储介质包括但不限于易失性存储器,例如:随机访问存储器、非易失性存储器,例如:快闪存储器、硬盘(hard disk drive,HDD)、固态硬盘(solidstate drive,SSD)。
本发明提供一种建筑横切面轮廓提取介质,通过将待提取建筑的横切面进行二值化,进而得到有序像素点,根据有序像素点得到最小包围盒,确定起始点,对有序像素点中的点从起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组,对有序线段组进行轮廓处理,得到待提取建筑的横切面轮廓,相比于现有技术,本发明在保证效率的情况下,能够提取到高精度的建筑轮廓。
除此之外,本发明对有序线段组进行矫正,进一步提高了提取的建筑轮廓的精度。
实施例6
本实施例提供一种电子设备110,如图14所示,包括:存储器1101和一个或多个处理器1102,所述存储器1101上存储有计算机程序,所述计算机程序被所述一个或多个处理器1102执行时实现上述建筑横切面轮廓提取方法。
电子设备110旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,本实施例对此并不限制。
本发明提供一种建筑横切面轮廓提取电子设备,通过将待提取建筑的横切面进行二值化,进而得到有序像素点,根据有序像素点得到最小包围盒,确定起始点,对有序像素点中的点从起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组,对有序线段组进行轮廓处理,得到待提取建筑的横切面轮廓,相比于现有技术,本发明在保证效率的情况下,能够提取到高精度的建筑轮廓。
除此之外,本发明对有序线段组进行矫正,进一步提高了提取的建筑轮廓的精度。
最后应说明的是:以上各实施例仅用以说明本发明技术方案,非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (9)
1.一种建筑横切面轮廓提取方法,其特征在于,包括:
获取待提取建筑预设高度的横切面;
对所述横切面进行二值化,得到二值化图片,其中,黑色为切面,白色为背景;
获取所述二值化图片最大的黑色闭合轮廓对应的有序像素点;
根据所述有序像素点得到最小包围盒,并将所述最小包围盒进行旋转,以使所述最小包围盒的长边在水平方向,宽边在垂直方向;
确定所述有序像素点中距离所述最小包围盒左上角最近的点为起始点;
对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组;
对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓。
2.根据权利要求1所述的建筑横切面轮廓提取方法,其特征在于,在对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓之后,还包括:
对所述有序线段组进行矫正。
3.根据权利要求1所述的建筑横切面轮廓提取方法,其特征在于,对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓,包括:
对所述有序线段组,删除相邻两线段夹角大于150°的顶点,并删除相邻两线段夹角小于15°的顶点。
4.根据权利要求1所述的建筑横切面轮廓提取方法,其特征在于,对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,包括:
对所述有序像素点中的点从所述起始点按顺时钟方向使用线段的分段最小二乘拟合方法进行拟合。
5.一种建筑横切面轮廓提取装置,其特征在于,包括:
第一获取单元,用于获取待提取建筑预设高度的横切面;
二值化单元,用于对所述横切面进行二值化,得到二值化图片,其中,黑色为切面,白色为背景;
第二获取单元,用于获取所述二值化图片最大的黑色闭合轮廓对应的有序像素点;
旋转单元,用于根据所述有序像素点得到最小包围盒,并将所述最小包围盒进行旋转,以使所述最小包围盒的长边在水平方向,宽边在垂直方向;
确定单元,用于确定所述有序像素点中距离所述最小包围盒左上角最近的点为起始点;
拟合单元,用于对所述有序像素点中的点从所述起始点按顺时钟方向进行拟合,得到首尾相连的有序线段组;
处理单元,用于对所述有序线段组进行轮廓处理,得到所述待提取建筑的横切面轮廓。
6.根据权利要求5所述的建筑横切面轮廓提取装置,其特征在于,还包括:
矫正单元,用于对所述有序线段组进行矫正。
7.根据权利要求5所述的建筑横切面轮廓提取装置,其特征在于,所述处理单元,包括:
删除模块,用于对所述有序线段组,删除相邻两线段夹角大于150°的顶点,并删除相邻两线段夹角小于15°的顶点。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被一个或多个处理器执行时,实现如权利要求1至4任一项所述的建筑横切面轮廓提取方法。
9.一种电子设备,其特征在于,包括:存储器和一个或多个处理器,所述存储器上存储有计算机程序,所述计算机程序被所述一个或多个处理器执行时实现如权利要求1至4任一项所述的建筑横切面轮廓提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310176765.XA CN115861828A (zh) | 2023-02-28 | 2023-02-28 | 一种建筑横切面轮廓提取方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310176765.XA CN115861828A (zh) | 2023-02-28 | 2023-02-28 | 一种建筑横切面轮廓提取方法、装置、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115861828A true CN115861828A (zh) | 2023-03-28 |
Family
ID=85659357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310176765.XA Pending CN115861828A (zh) | 2023-02-28 | 2023-02-28 | 一种建筑横切面轮廓提取方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861828A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109522A (zh) * | 2023-04-10 | 2023-05-12 | 北京飞渡科技股份有限公司 | 一种基于图神经网络的轮廓矫正方法、装置、介质及设备 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050238244A1 (en) * | 2004-04-26 | 2005-10-27 | Canon Kabushiki Kaisha | Function approximation processing method and image processing method |
CN108711158A (zh) * | 2018-03-14 | 2018-10-26 | 武汉科技大学 | 基于轮廓拟合和径向分割的指针式仪表图像识别方法 |
CN114863043A (zh) * | 2022-03-25 | 2022-08-05 | 微思机器人(深圳)有限公司 | 地图处理方法、装置、机器人及存储介质 |
CN114972575A (zh) * | 2022-04-08 | 2022-08-30 | 湖南科技大学 | 一种基于轮廓边缘的直线拟合算法 |
-
2023
- 2023-02-28 CN CN202310176765.XA patent/CN115861828A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050238244A1 (en) * | 2004-04-26 | 2005-10-27 | Canon Kabushiki Kaisha | Function approximation processing method and image processing method |
CN108711158A (zh) * | 2018-03-14 | 2018-10-26 | 武汉科技大学 | 基于轮廓拟合和径向分割的指针式仪表图像识别方法 |
CN114863043A (zh) * | 2022-03-25 | 2022-08-05 | 微思机器人(深圳)有限公司 | 地图处理方法、装置、机器人及存储介质 |
CN114972575A (zh) * | 2022-04-08 | 2022-08-30 | 湖南科技大学 | 一种基于轮廓边缘的直线拟合算法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109522A (zh) * | 2023-04-10 | 2023-05-12 | 北京飞渡科技股份有限公司 | 一种基于图神经网络的轮廓矫正方法、装置、介质及设备 |
CN116109522B (zh) * | 2023-04-10 | 2023-07-14 | 北京飞渡科技股份有限公司 | 一种基于图神经网络的轮廓矫正方法、装置、介质及设备 |
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 |
---|---|---|
CN115861828A (zh) | 一种建筑横切面轮廓提取方法、装置、介质及设备 | |
CN110008809B (zh) | 表格数据的获取方法、装置和服务器 | |
US8285077B2 (en) | Automatic correction of digital image distortion | |
CN110598541B (zh) | 一种提取道路边缘信息的方法及设备 | |
US8682080B2 (en) | Image processing apparatus, image processing method, image processing program, and storage medium | |
Wang et al. | Feature‐preserving surface reconstruction from unoriented, noisy point data | |
CN108334879B (zh) | 一种区域提取方法、系统及终端设备 | |
CN111754536B (zh) | 图像标注方法、装置、电子设备及存储介质 | |
CN112348836A (zh) | 一种自动提取建筑物轮廓的方法及装置 | |
CN111161331B (zh) | 一种bim模型和gis模型配准方法 | |
CN108665495B (zh) | 图像处理方法及装置、移动终端 | |
CN111433780A (zh) | 车道线检测方法、设备、计算机可读存储介质 | |
CN111553881A (zh) | 基于三维点云识别的检测铁塔形变的方法和系统 | |
CN116071272A (zh) | 一种图像校正方法、装置、电子设备及其存储介质 | |
CN112507938A (zh) | 一种文本图元的几何特征计算方法及识别方法、装置 | |
CN116721230A (zh) | 一种三维实景模型的构建方法、装置、设备及存储介质 | |
CN116091709A (zh) | 建筑物的三维重建方法、装置、电子设备和存储介质 | |
CN114897999B (zh) | 物体位姿识别方法、电子设备、存储介质和程序产品 | |
Li et al. | Automatic Keyline Recognition and 3D Reconstruction For Quasi‐Planar Façades in Close‐range Images | |
CN113870190A (zh) | 竖直线条检测方法、装置、设备及存储介质 | |
CN111521125B (zh) | 基于点云数据的检测铁塔形变的方法和系统 | |
CN110136193B (zh) | 基于深度图像的矩体箱体三维尺寸测量方法及存储介质 | |
CN113313968A (zh) | 车位检测方法及存储介质 | |
CN113627548A (zh) | 一种平面工件模板匹配方法、装置、介质及计算机设备 | |
WO2020098532A1 (zh) | 移动机器人的定位方法和移动机器人 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230328 |
|
RJ01 | Rejection of invention patent application after publication |