CN115937458A - 基于三维计算机视觉的复杂异形建筑构件建模系统及方法 - Google Patents
基于三维计算机视觉的复杂异形建筑构件建模系统及方法 Download PDFInfo
- Publication number
- CN115937458A CN115937458A CN202211734461.2A CN202211734461A CN115937458A CN 115937458 A CN115937458 A CN 115937458A CN 202211734461 A CN202211734461 A CN 202211734461A CN 115937458 A CN115937458 A CN 115937458A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- mesh
- shaped building
- module
- 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 27
- 239000013598 vector Substances 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 239000007787 solid Substances 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 4
- 230000001788 irregular Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000013585 weight reducing agent Substances 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
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种基于三维计算机视觉的复杂异形建筑构件建模系统及方法,该方法包括:通过扫描获取复杂异形建筑构件的点云数据;对获取的点云数据进行预处理;计算预处理后的点云数据的法向量;根据泊松表面重建算法通过带有法向量的点云数据生成三角面片网格;对三角面片网格进行裁剪;将裁剪后的三角面片网格进行修补生成闭合的三角面片网格;对闭合的三角面片网格进行重建生成四边面网格;将重建的四边面网格转换成非均匀有理B样条生成多重曲面的实体模型;将复杂异形建筑构件的实体模型按数据精度等级智能分类导出。本发明能够提高复杂异形建筑构件的建模效率,能够智能分类导出不同精度等级的实体模型,满足轻量化的需求。
Description
技术领域
本发明涉及建筑工程技术领域,特别涉及一种基于三维计算机视觉的复杂异形建筑构件建模系统及方法。
背景技术
在建筑领域中,无论是造型灵动复杂的现代建筑,还是优美复古的历史文化建筑,都存在许多极具特色的复杂异形建筑构件。由于复杂异形建筑构件是一种非规则构件,其形状奇特、具有表面花纹等。为了重建复杂异形建筑构件的实体模型,需要进行建筑信息模型(Building Information Modeling,BIM)设计和结构性能的质量检验。现阶段,常采用传统逆向建模的方法生成复杂异形建筑构件的BIM和有限元分析模型:1)按照设计图纸逆向建模;2)利用三维激光扫描的手段,借助多种逆向工程专业软件协作建模。虽然上述方法重建的实体模型精度较高,但过程繁琐复杂,耗时较大,且模型的存储大小也过大。同时,不同用途的复杂异形建筑构件的实体模型,其精度和存储大小的要求也不尽相同。例如,复杂异形建筑构件的表面花纹和不必要的圆角等对其有限元分析结果基本没有影响,反而增加了有限元分析的时间;为了使模型更加适宜万维网、移动网,常对BIM进行轻量化设计,缩小BIM的体量。且在实际轻量化过程中,BIM还需要经历了两阶段处理过程:3)通过三角面片、相似性算法减少图元等方式对模型进行几何优化转换;4)使用八叉树快速剔除不可见图元,减少进入渲染区域的绘制对象和使用多重细节层次(Levels of Detail,LOD),加速单图元渲染速度进行渲染处理。但是几何优化转换、渲染处理是BIM轻量化的核心技术,具有一定的技术门槛,要求开发者需要掌握一定的图形技术,且过程繁琐,耗费时间。因此,如何提高复杂异形建筑构件的建模效率成为本领域亟需解决的技术问题。
发明内容
本发明的目的是,提供一种基于三维计算机视觉的复杂异形建筑构件建模系统及方法,以解决建模效率低的问题。
为了解决上述技术问题,本发明提供的技术方案是:一种基于三维计算机视觉的复杂异形建筑构件建模系统,包括:
点云数据处理单元,包括:
点云数据输入模块,用于输入通过三维激光扫描复杂异形建筑构件获取的点云数据;
点云数据预处理模块,对所述点云数据输入模块获取的点云数据进行滤波、去噪、修补预处理;
面片网格生成单元,包括:
点云法向量计算模块,用于计算所述点云数据预处理模块预处理后的点云数据的法向量;
泊松表面重建模块,用于根据所述点云法向量计算模块得到的法向量点云数据生成三角面片网格;
网格裁剪模块,用于将所述泊松表面重建模块生成的三角面片网格进行裁剪;
网格实体化单元,包括:
网格修补模块,用于将所述网格裁剪模块裁剪后的三角面片网格进行修补生成闭合的三角面片网格;
四边面网格重建模块,用于对所述网格修补模块生成的闭合三角面片网格进行重建生成四边面网格;
网格转换实体模块,用于将所述四边面网格重建模块重建的四边面网格转换成非均匀有理B样条,生成多重曲面的复杂异形建筑构件的实体模型;
实体模型分级导出单元,用于将所述网格转换实体模块生成的复杂异形建筑构件的实体模型按数据精度等级智能分类导出。
为了解决上述技术问题,本发明提供的另一种技术方案是:一种基于三维计算机视觉的复杂异形建筑构件建模方法,
通过三维激光对复杂异形建筑构件进行扫描,获取复杂异形建筑构件的点云数据;
对获取的点云数据进行预处理;
计算预处理后的点云数据的法向量;
根据三维计算机视觉的泊松表面重建算法通过带有法向量的点云数据生成三角面片网格;
对三角面片网格进行裁剪;
将裁剪后的三角面片网格进行修补,生成闭合的三角面片网格;
对闭合的三角面片网格进行重建,生成四边面网格;
将重建的四边面网格转换成非均匀有理B样条,生成复杂异形建筑构件的多重曲面的复杂异形建筑构件的实体模型;
将复杂异形建筑构件的实体模型按数据精度等级智能分类导出。
进一步地,本发明提供的基于三维计算机视觉的复杂异形建筑构件建模方法,对获取的点云数据进行预处理的方法的步骤包括:对获取的点云数据进行滤波、去噪和修补。
进一步地,本发明提供的基于三维计算机视觉的复杂异形建筑构件建模方法,按数据精度由高到低的顺序对复杂异形建筑构件的实体模型的等级进行智能分类。
与现有技术相比,本发明的有益效果如下:
本发明提供的基于三维计算机视觉的复杂异形建筑构件建模系统及方法,基于三维计算机视觉技术,利用三维激光扫描获取复杂异形建筑构件的点云数据,对获取的点云数据进行预处理、生成三角面片网格、修补三角面片网格、重建四边面网格,将重建的四边面网格转化为多重曲面的复杂异形建筑构件的实体模型,然后将复杂异形建筑构件的实体模型按数据精度等级智能分类导出。该复杂异形建筑构件建模系统及方法基于三维计算机视觉技术,省去了传统人工处理点云数据、修补网格和缩小BIM模型体量等的繁琐工作,节约了建模时间,提高了复杂异形建筑构件的建模效率。
本发明提供的基于三维计算机视觉的复杂异形建筑构件建模系统及方法,能够根据使用环境需求导出不同等级的实体模型,可以导出等级精度高的实体模型,也可以导出等级精度低的轻量化实体模型,适用于各种应用环境,适用于不同程度的BIM轻量化设计和不同要求的复杂异形构件的有限元分析,具有适用范围广泛的优点。
附图说明
图1是基于三维计算机视觉的复杂异形建筑构件建模系统的结构组成关系图;
图2是基于三维计算机视觉的复杂异形建筑构件建模方法的流程图。
具体实施方式
下面结合附图对本发明作详细描述:根据下面说明,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
请参考图1,本发明实施例提供基于三维计算机视觉的复杂异形建筑构件建模系统,包括点云数据处理单元、面片网格生成单元、网格实体化单元和实体模型分级导出单元,其中:
点云数据处理单元,包括:
点云数据输入模块,用于输入通过三维激光扫描复杂异形建筑构件获取的点云数据。
点云数据预处理模块,对所述点云数据输入模块获取的点云数据进行滤波、去噪、修补预处理。
面片网格生成单元,包括:
点云法向量计算模块,用于计算所述点云数据预处理模块预处理后的点云数据的法向量。
泊松表面重建模块,用于根据所述点云法向量计算模块得到的法向量点云数据生成三角面片网格。
网格裁剪模块,用于将所述泊松表面重建模块生成的三角面片网格进行裁剪。
网格实体化单元,包括:
网格修补模块,用于将所述网格裁剪模块裁剪后的三角面片网格进行修补生成闭合的三角面片网格。
四边面网格重建模块,用于对所述网格修补模块生成的闭合三角面片网格进行重建生成四边面网格。
网格转换实体模块,用于将所述四边面网格重建模块重建的四边面网格转换成Nurbs(非均匀有理B样条),生成多重曲面的复杂异形建筑构件的实体模型。
实体模型分级导出单元,用于将所述网格转换实体模块生成的复杂异形建筑构件的实体模型按数据精度等级智能分类导出。
请参考图2,本发明实施例还提供一种基于三维计算机视觉的复杂异形建筑构件建模方法,可以包括以下步骤:
步骤101,通过三维激光对复杂异形建筑构件进行扫描,获取复杂异形建筑构件的点云数据。
步骤102,对获取的点云数据进行预处理。为了提高建模精度,对获取的点云数据进行预处理的方法可以包括对获取的点云数据进行滤波、去噪和修补。
步骤103,计算预处理后的点云数据的法向量;
步骤104,根据三维计算机视觉的泊松表面重建算法通过带有法向量的点云数据生成三角面片网格;
步骤105,对三角面片网格进行裁剪;
步骤106,将裁剪后的三角面片网格进行修补,生成闭合的三角面片网格;
步骤107,对闭合的三角面片网格进行重建,生成四边面网格;
步骤108,将重建的四边面网格转换成Nurbs(非均匀有理B样条),生成复杂异形建筑构件的多重曲面的复杂异形建筑构件的实体模型;
步骤109,将复杂异形建筑构件的实体模型按数据精度等级智能分类导出。可以按数据精度由高到低的顺序对复杂异形建筑构件的实体模型的等级进行智能分类。
本发明实施例提供的基于三维计算机视觉的复杂异形建筑构件建模系统及方法,基于三维计算机视觉技术,利用三维激光扫描获取复杂异形建筑构件的点云数据,对获取的点云数据进行预处理、生成三角面片网格、修补三角面片网格、重建四边面网格,将重建的四边面网格转化为多重曲面的复杂异形建筑构件的实体模型,然后将复杂异形建筑构件的实体模型按数据精度等级智能分类导出。该复杂异形建筑构件建模系统及方法基于三维计算机视觉技术,省去了传统人工处理点云数据、修补网格和缩小BIM模型体量等的繁琐工作,节约了建模时间,提高了复杂异形建筑构件的建模效率。
本发明实施例提供的基于三维计算机视觉的复杂异形建筑构件建模系统及方法,能够根据使用环境需求导出不同等级的实体模型,可以导出等级精度高的实体模型,也可以导出等级精度低的轻量化实体模型,适用于各种应用环境,适用于不同程度的BIM轻量化设计和不同要求的复杂异形构件的有限元分析,具有适用范围广泛的优点。
本发明不限于上述具体实施方式,显然,上述所描述的实施例是本发明实施例的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。本领域的技术人员可以对本发明进行其他层次的修改和变动。如此,若本发明的这些修改和变动属于本发明权利要求书的范围之内,则本发明也意图包括这些改动和变动在内。
Claims (4)
1.一种基于三维计算机视觉的复杂异形建筑构件建模系统,其特征在于,包括:
点云数据处理单元,包括:
点云数据输入模块,用于输入通过三维激光扫描复杂异形建筑构件获取的点云数据;
点云数据预处理模块,对所述点云数据输入模块获取的点云数据进行滤波、去噪、修补预处理;
面片网格生成单元,包括:
点云法向量计算模块,用于计算所述点云数据预处理模块预处理后的点云数据的法向量;
泊松表面重建模块,用于根据所述点云法向量计算模块得到的法向量点云数据生成三角面片网格;
网格裁剪模块,用于将所述泊松表面重建模块生成的三角面片网格进行裁剪;
网格实体化单元,包括:
网格修补模块,用于将所述网格裁剪模块裁剪后的三角面片网格进行修补生成闭合的三角面片网格;
四边面网格重建模块,用于对所述网格修补模块生成的闭合三角面片网格进行重建生成四边面网格;
网格转换实体模块,用于将所述四边面网格重建模块重建的四边面网格转换成非均匀有理B样条,生成多重曲面的复杂异形建筑构件的实体模型;
实体模型分级导出单元,用于将所述网格转换实体模块生成的复杂异形建筑构件的实体模型按数据精度等级智能分类导出。
2.一种基于三维计算机视觉的复杂异形建筑构件建模方法,其特征在于,包括:
通过三维激光对复杂异形建筑构件进行扫描,获取复杂异形建筑构件的点云数据;
对获取的点云数据进行预处理;
计算预处理后的点云数据的法向量;
根据三维计算机视觉的泊松表面重建算法通过带有法向量的点云数据生成三角面片网格;
对三角面片网格进行裁剪;
将裁剪后的三角面片网格进行修补,生成闭合的三角面片网格;
对闭合的三角面片网格进行重建,生成四边面网格;
将重建的四边面网格转换成非均匀有理B样条,生成多重曲面的复杂异形建筑构件的实体模型;
将复杂异形建筑构件的实体模型按数据精度等级智能分类导出。
3.根据权利要求2所述的基于三维计算机视觉的复杂异形建筑构件建模方法,其特征在于,对获取的点云数据进行预处理的方法的步骤包括:对获取的点云数据进行滤波、去噪和修补。
4.根据权利要求2所述的基于三维计算机视觉的复杂异形建筑构件建模方法,其特征在于,按数据精度由高到低的顺序对复杂异形建筑构件的实体模型的等级进行智能分类。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211734461.2A CN115937458A (zh) | 2022-12-30 | 2022-12-30 | 基于三维计算机视觉的复杂异形建筑构件建模系统及方法 |
PCT/CN2023/118691 WO2024139419A1 (zh) | 2022-12-30 | 2023-09-14 | 基于三维计算机视觉的复杂异形建筑构件建模系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211734461.2A CN115937458A (zh) | 2022-12-30 | 2022-12-30 | 基于三维计算机视觉的复杂异形建筑构件建模系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115937458A true CN115937458A (zh) | 2023-04-07 |
Family
ID=86552517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211734461.2A Pending CN115937458A (zh) | 2022-12-30 | 2022-12-30 | 基于三维计算机视觉的复杂异形建筑构件建模系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115937458A (zh) |
WO (1) | WO2024139419A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024139419A1 (zh) * | 2022-12-30 | 2024-07-04 | 上海建工四建集团有限公司 | 基于三维计算机视觉的复杂异形建筑构件建模系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225266B (zh) * | 2014-06-06 | 2020-05-22 | 北京易景盈达科技有限公司 | 一种基于异形曲面进行现实与理论交互建模的方法 |
CN110782527B (zh) * | 2019-10-09 | 2023-11-21 | 北京建筑大学 | 建筑建模方法及装置 |
US11741618B2 (en) * | 2021-03-22 | 2023-08-29 | Everypoint, Inc. | Performing object modeling by combining visual data from images with motion data of the image acquisition device |
CN113768668B (zh) * | 2021-09-08 | 2023-04-14 | 佳木斯大学 | 一种基于tpms设计个性化医用下颌骨模型的建模方法 |
CN115131523A (zh) * | 2022-07-01 | 2022-09-30 | 中国科学院软件研究所 | 一种基于迭代泊松表面重建的三维点云生成表面方法 |
CN115937458A (zh) * | 2022-12-30 | 2023-04-07 | 上海建工四建集团有限公司 | 基于三维计算机视觉的复杂异形建筑构件建模系统及方法 |
-
2022
- 2022-12-30 CN CN202211734461.2A patent/CN115937458A/zh active Pending
-
2023
- 2023-09-14 WO PCT/CN2023/118691 patent/WO2024139419A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024139419A1 (zh) * | 2022-12-30 | 2024-07-04 | 上海建工四建集团有限公司 | 基于三维计算机视觉的复杂异形建筑构件建模系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2024139419A1 (zh) | 2024-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guskov et al. | Topological noise removal | |
Alliez et al. | Recent advances in remeshing of surfaces | |
Perry et al. | Kizamu: A system for sculpting digital characters | |
US6377865B1 (en) | Methods of generating three-dimensional digital models of objects by wrapping point cloud data points | |
Chang et al. | 3D shape engineering and design parameterization | |
EP1645979A1 (en) | Method and program for generating volume data from boundary representation data | |
KR20050086463A (ko) | 다해상도 표면 분석을 위해 도메인 분해를 수행하는 시스템및 방법 | |
WO2024139419A1 (zh) | 基于三维计算机视觉的复杂异形建筑构件建模系统及方法 | |
Wei et al. | GeoDualCNN: Geometry-supporting dual convolutional neural network for noisy point clouds | |
CN117475110B (zh) | 叶片的语义三维重建方法、装置、电子设备及存储介质 | |
CN114170377A (zh) | 一种基于bim的历史建筑特色构件族库构建方法及系统 | |
JP2019053597A (ja) | 選別装置、方法及びプログラム | |
CN112116710B (zh) | 基于趋势约束的曲面重建方法 | |
CN111179420B (zh) | 一种三维城市模型优化方法及系统 | |
CN113806892A (zh) | 一种基于逆向工程的螺旋桨数字化设计加工方法 | |
Patel et al. | Stitching and filling: Creating conformal faceted geometry | |
Kong et al. | Generating 3D Roof Models from ALS Point Clouds Using Roof Line Topologies | |
Ye et al. | Information reuse to accelerate customized product slicing for additive manufacturing | |
Li et al. | Tool-path generation based on angle-based flattening | |
CN116882031B (zh) | 一种基于点云的建筑模型构建方法及系统 | |
CN112784450B (zh) | 一种基于有限元理论的模具最大零件外缘线提取方法 | |
Sun et al. | Topological analysis of a single line drawing for 3D shape recovery | |
Song et al. | Integrated Quality Mesh Generation for Poisson Surface Reconstruction in HPC Applications | |
Yu et al. | Generation of 3D human models with different levels of detail through point-based simplification | |
Huang et al. | A GPU based interactive modeling approach to designing fine level features |
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 |