CN116152306B - 确定砌筑质量的方法、装置、设备和介质 - Google Patents

确定砌筑质量的方法、装置、设备和介质 Download PDF

Info

Publication number
CN116152306B
CN116152306B CN202310213729.6A CN202310213729A CN116152306B CN 116152306 B CN116152306 B CN 116152306B CN 202310213729 A CN202310213729 A CN 202310213729A CN 116152306 B CN116152306 B CN 116152306B
Authority
CN
China
Prior art keywords
point cloud
wall
cloud data
determining
wall surface
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.)
Active
Application number
CN202310213729.6A
Other languages
English (en)
Other versions
CN116152306A (zh
Inventor
姜禾
卢飞翔
李龙腾
张良俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202310213729.6A priority Critical patent/CN116152306B/zh
Publication of CN116152306A publication Critical patent/CN116152306A/zh
Application granted granted Critical
Publication of CN116152306B publication Critical patent/CN116152306B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • 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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Graphics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本公开提供了一种确定砌筑质量的方法、装置、设备和介质，涉及人工智能领域，具体涉及计算机视觉和施工测量等技术领域。确定砌筑质量的方法的具体实现方案为：基于针对待测墙体的点云数据，确定描述待测墙体包括的每个平面的点云数据；针对待测墙体包括的每个墙面，基于描述多个平面的点云数据将每个墙面投影至二维平面，得到二维图像；二维图像中不同平面所在像素具有不同的属性信息；对于目标墙面的二维图像上的两个共面测量点，根据两个共面测量点的像素位置，确定与两个共面测量点对应同一平面的目标像素点，得到像素点集；确定待测墙体上与像素点集对应的墙体点的三维位置；以及根据墙体点的三维位置，确定墙体点所在平面的砌筑质量。

Description

确定砌筑质量的方法、装置、设备和介质
技术领域
本公开涉及人工智能领域，具体涉及计算机视觉和施工测量等技术领域，尤其涉及一种确定砌筑质量的方法、装置、设备和介质。
背景技术
随着计算机技术和电子技术的发展，人工智能和机器人技术应用于越来越多的领域。但传统建筑领域通常还是采用落后的施工手段和方式，例如对建筑物砌筑质量的测量主要依赖人工通过手工工具、弹线等方式来实现，存在测量精度无法保证和人工成本越来越高的问题。
发明内容
本公开旨在提供一种利于提高评估精度、降低人工成本的确定砌筑质量的方法、装置、电子设备和存储介质。
根据本公开的一个方面，提供了一种确定砌筑质量的方法，包括：基于针对待测墙体的点云数据，确定描述待测墙体包括的多个平面中每个平面的点云数据；待测墙体包括至少一个墙面，每个墙面包括至少一个平面；针对待测墙体包括的每个墙面，基于描述多个平面的点云数据将每个墙面投影至二维平面，得到每个墙面的二维图像；二维图像中每个墙面包括的不同平面所在像素具有不同的属性信息；对于至少一个墙面中目标墙面的二维图像上的两个共面测量点，根据两个共面测量点在目标墙面的二维图像上的像素位置，确定目标墙面的二维图像上与两个共面测量点对应同一平面的目标像素点，得到像素点集；确定待测墙体上与像素点集中的多个像素点分别对应的多个墙体点的三维位置信息；以及根据多个墙体点的三维位置信息，确定多个墙体点所在平面的砌筑质量。
根据本公开的另一个方面，提供了一种确定砌筑质量的装置，包括：点云划分模块，用于基于针对待测墙体的点云数据，确定描述待测墙体包括的多个平面中每个平面的点云数据；待测墙体包括至少一个墙面，每个墙面包括至少一个平面；投影模块，用于针对待测墙体包括的每个墙面，基于描述多个平面的点云数据将每个墙面投影至二维平面，得到每个墙面的二维图像；二维图像中每个墙面包括的不同平面所在像素具有不同的属性信息；像素点确定模块，用于对于至少一个墙面中目标墙面的二维图像上的两个共面测量点，根据两个共面测量点在目标墙面的二维图像上的像素位置，确定目标墙面的二维图像上与两个共面测量点对应同一平面的目标像素点，得到像素点集；三维位置确定模块，用于确定待测墙体上与像素点集中的多个像素点分别对应的多个墙体点的三维位置信息；以及质量确定模块，用于根据多个墙体点的三维位置信息，确定多个墙体点所在平面的砌筑质量。
根据本公开的另一个方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开提供的确定砌筑质量的方法。
根据本公开的另一个方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开提供的确定砌筑质量的方法。
根据本公开的另一个方面，提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令存储于可读存储介质和电子设备其中至少之一上，所述计算机程序/指令在被处理器执行时实现本公开提供的确定砌筑质量的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例的确定砌筑质量的方法和装置的应用场景示意图；
图2是根据本公开实施例的确定砌筑质量的方法的流程示意图；
图3是根据本公开实施例的采集得到点云数据的原理示意图；
图4是根据本公开实施例的确定待测墙体的墙体点云数据的原理示意图；
图5是根据本公开另一实施例的确定待测墙体的墙体点云数据的原理示意图；
图6是根据本公开实施例的对墙面进行二维投影的原理示意图；
图7是根据本公开实施例的确定与两个共面测量点对应同一平面的目标像素点的原理示意图；
图8是根据本公开实施例的确定砌筑质量的原理示意图；
图9是根据本公开实施例的确定砌筑质量的装置的结构框图；以及
图10是用来实施本公开实施例的确定砌筑质量的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
传统建筑行业面临诸多制约，例如落后的施工手段和方式、用工荒、工人老龄化、用工成本上升等。随着人工智能和机器人技术的发展，有望可以借助该些技术，将建筑行业的工人从传统的具有“危、繁、脏、重”特点的施工作业和环境中解脱出来，以从事更加需要人工作业的工作。
为了解决该问题，本公开提供了一种确定砌筑质量的方法、装置、设备和介质。以下先结合图1对本公开提供的方法和装置的应用场景进行描述。
图1是根据本公开实施例的测量墙体的方法和装置的应用场景示意图。
如图1所示，该实施例的应用场景100可以包括采集设备110，该采集设备110例如可以为3D扫描设备，具体可以包括激光雷达、RGB双目相机、3D结构光相机或飞行时间深度相机(Time-Of-flight camera，TOF相机)等。该采集设备110例如可以用于采集其所在环境中任意物体的点云数据。
在一实施例中，在需要对墙体120的砌筑质量进行评估时，例如可以在墙体120的正前方或根据需求在墙体120周边的任意位置架设采集设备110，以借助采集设备110对墙体120进行点云数据的采集。采集设备110例如还可以与电子设备130有线或无线通信连接，以将采集得到的点云数据传送给电子设备130，供电子设备130对采集的点云数据进行处理。其中，采集设备110的架设位置例如可以根据砌筑质量的评估需求等来确定，本公开对此不做限定。
其中，电子设备130例如可以为具有处理功能的各种电子设备，包括但不限于膝上型便携计算机、台式计算机和服务器等等。例如，该电子设备130中还可以运行有各种客户端应用，例如可以运行有三维建模类应用、数据处理类应用、质量评估类应用、云平台类应用等(仅为示例)。
在一实施例中，电子设备130例如可以通过对采集设备110采集的墙体120的点云数据进行处理，来得到墙体120中每个墙面的二维图像及每个墙面包括的平面。根据二维图像中共面的测量点，来确定墙体120中与测量点对应的墙体点及与测量点共面的其他像素点的墙体点，随后基于多个墙体点的位置信息，来确定测量点所在平面的砌筑质量140。
在一实施例中，该应用场景100还可以包括服务器150。该服务器150例如可以为数据库服务器、云服务器或者区块链服务器等任意类型的服务器，该服务器150例如也可以为用于支持电子设备130中安装的客户端应用运行的后台管理服务器，本公开对此不做限定。
在一实施例中，电子设备130例如还可以将采集设备110针对墙体120所采集的点云数据发送给服务器150，由服务器150对该点云数据进行处理，以实现对墙体120的质量评估，得到测量点所在平面的砌筑质量140。
需要说明的是，本公开提供的确定砌筑质量的方法可以由电子设备130执行，也可以由服务器150执行。相应地，本公开提供的测量墙体的装置可以设置在电子设备130中，也可以设置在服务器150中。
应该理解，图1中的电子设备130、墙体120和服务器150的数目和类型仅仅是示意性的。根据实现需要，可以具有任意数目和类型的电子设备130、墙体120和服务器150。
以下将结合图2～图8对本公开提供的确定砌筑质量的方法进行详细描述。
图2是根据本公开实施例的确定砌筑质量的方法的流程示意图。
如图2所示，该实施例的确定砌筑质量的方法200可以包括操作S210～操作S250。
在操作S210，基于针对待测墙体的点云数据，确定描述待测墙体包括的多个平面中每个平面的点云数据。
根据本公开的实施例，针对待测墙体的点云数据例如可以为将采集设备设置在待测墙体中需要检测的墙面正前方，由采集设备所采集到的点云数据。在需要检测的墙面为多个墙面时，可以针对每个墙面采集得到一组点云数据，从而得到针对多个墙面的多组点云数据。
根据本公开的实施例，待测墙体例如可以包括至少一个墙面，每个墙面例如可以包括至少一个平面。例如，若墙面上绘制有图案，则该墙面包括的平面至少包括砌筑得到墙体的建筑材料(例如砖块)所在的平面，以及图案所在平面。在图案为凹凸不平的图案时，则图案所在平面可以包括至少两个平面。
该实施例中，可以采用基于平面分割算法构建的分割器来对很对待测墙体的点云数据进行分割，以将针对待测墙体的点云数据分割为多个点云数据组，每个点云数据组用于描述一个平面。其中，平面分割算法例如可以包括随机采样一致性算法(Random SampleConsensus，简称为RANSAC)等，本公开对此不做限定。
在操作S220，针对待测墙体包括的每个墙面，基于描述多个平面的点云数据将每个墙面投影至二维平面，得到每个墙面的二维图像，其中，二维图像中每个墙面包括的不同平面所在像素具有不同的属性信息。
根据本公开的实施例，可以将多个平面的点云数据进行三维点云数据到二维图像的转换，从而得到每个墙面的二维图像。需要说明的是，针对由不同平面的点云数据转换得到的二维图像中的两个像素，可以为该两个像素赋予不同的属性信息，例如，可以赋予不同的透明度、赋予不同的RGB值等，本公开对此不做限定。
例如，可以根据点云与图像的映射关系，将三维点云数据(x，y，z)转换为二维像素点(u，v)，随后再根据二维像素点进行图像绘制，从而得到每个墙面的二维图像。
例如，在得到每个墙面的二维图像时，可以利用点云库(Point Cloud Library)读取点云数据(Point Cloud Data，PCD)，并调用OpenCV库，将在三维坐标系中表示墙面深度的坐标值经过一定的变换得到图像中每个像素点的灰度值，由该灰度值表示每个像素点对应的深度值。如此，投影得到的二维图像中的每个像素都有对应的深度值。
例如，还可以采用OpenGL(Open Graphics Library)对点云数据进行坐标转换，从而得到点云数据投影后的二维数据，得到每个墙面的二维图像。具体例如可以采用正射投影变换，来将三维点云数据转换为二维坐标系下的数据，从而得到二维图像。可以理解的是，在该正射投影变换过程中，例如可以先将点云数据经由投影矩阵进行变换，得到与点云数据对应的裁剪空间中的裁剪坐标值，其中，裁剪坐标为齐次坐标。随后，在裁剪空间中对点云数据进行裁剪，对裁剪后的点云进行透视除法处理，得到变换至标准化设备坐标系(Normalized Device Coordinates，简称为NDC)中的点云数据，随后对变换至NDC坐标系中的点云数据进行视口变换，得到二维图像对应像素的坐标值，从而得到每个墙面的二维图像。
例如，可以根据采集设备的内外参，将采集得到的基于采集设备构建的坐标系下的点云数据转换至世界坐标系下，随后，将世界坐标系下的点云数据作为WorldToViewportPoint()工具的输入，由该工具返回点云数据对应的二维像素点所在的视口位置，以及二维像素点对应的墙体点的深度信息等。
根据本公开的实施例，在对墙体的点云数据进行投影时，例如可以每个平面的点云数据沿其法向量的方向，进行点云数据的投影，从而得到每个墙面的二维图像。
在操作S230，对于至少一个墙面中目标墙面的二维图像上的两个共面测量点，根据两个共面测量点在目标墙面的二维图像上的像素位置，确定目标墙面的二维图像上与两个共面测量点对应同一平面的目标像素点，得到像素点集。
根据本公开的实施例，在投影得到每个墙面的二维图像后，例如可以经由显示设备显示该二维图像。经由用户对该显示设备显示的二维图像中目标二维图像的点选操作，确定两个共面测量点。可以理解的是，目标二维图像可以为显示的二维图像中的任一图像，目标墙面为与目标二维图像对应的墙面。可以理解的是，两个共面测量点所在的像素点应具有相同的属性信息。
根据本公开的实施例，可以将每个共面测量点的预定范围内、与该每个共面测量点具有相同属性信息的像素点作为目标像素点。或者，可以将两个共面测量点的连线上，与该两个共面测量点具有相同属性信息的像素点，作为目标像素点。该实施例可以将得到的所有目标像素点进行合并，得到像素点集。可以理解的是，上述确定目标像素点的原理仅作为示例以利于理解本公开，本公开对此不做限定。
在操作S240，确定待测墙体上与像素点集中的多个像素点分别对应的多个墙体点的三维位置信息。
根据本公开的实施例，可以基于针对二维图像构建的坐标系与任意三维坐标系之间的变换关系，来确定与像素点集中的多个像素点分别对应的墙体点的三维位置信息。例如，任意三维坐标系可以为相对于待测墙体固定设置的参考物所在的三维坐标系，或者，任意三维坐标系可以为世界坐标系，本公开对此不做限定。在一实施例中，例如可以经由与操作S220的投影过程互逆的变换过程，来将像素点集中的多个像素点转换至三维坐标系中，从而得到与像素点集中的多个像素点分别对应的多个墙体点的三维位置信息。
在一实施例中，为了便于进行二维坐标到三维坐标的变换，该实施例在将每个墙面投影至二维平面的过程中，例如还可以存储有与二维图像中的每个像素点对应的深度信息。则在确定与像素点集中的多个像素点分别对应的多个两个墙体点的三维位置信息时，可以基于该深度信息进行二维坐标点到三维位置信息的变换。
在操作S250，根据多个墙体点的三维位置信息，确定多个墙体点所在平面的砌筑质量。
根据本公开的实施例，考虑到像素点集中的像素点对应同一平面，则与像素点集中的像素点对应的多个墙体点应为属于同一个平面的墙体点。该实施例例如可以根据三维位置信息，确定该多个墙体点沿其所属平面的法向量的坐标值，将坐标值的差值作为该多个墙体点所在平面的平整度。
根据本公开的实施例，可以根据多个墙体点的三维位置信息拟合得到一个平面，并确定拟合得到的平面与水平方向之间的夹角，根据该夹角确定该多个墙体点所在平面的水平度或垂直度。
在一实施例中，多个墙体点所在平面的砌筑质量，可以由上文确定的平整度、水平度和/或垂直度中的至少之一来表征。
在一实施例中，可以将平整度、水平度或垂直度与预定质量映射表进行比对，将预定质量映射表中与得到的平整度、水平度或垂直度对应的质量等级作为该多个墙体点所在平面的砌筑质量。
可以理解的是，上述确定砌筑质量的原理仅作为示例以利于理解本公开，本公开对此不做限定。
本公开实施例中，通过将点云数据投影到二维平面，结合二维平面上标记的两个共面测量点确定共面像素点集和二维像素与三维墙体点的对应关系，可以实现对墙体的自动化质量评估和远程质量评估，质量评估过程无需人工采用测量工具进行测量。因此，可以降低测量成本，提高评估准确性。再者，通过基于平面对点云进行分割，并在二维图像中对不同平面的像素进行不同属性的显示，可以便于同一平面上多个像素点的确定，基于与该多个像素点对应的多个墙体点来确定砌筑质量，相较于仅根据标记的两个共面测量点确定砌筑质量的技术方案，可以提高确定的砌筑质量的准确性。
图3是根据本公开实施例的采集得到点云数据的原理示意图。
根据本公开的实施例，可以在至少两个采集参数下对待测墙体进行点云数据的采集，随后通过对多个采集参数下采集的点云数据进行拼接，得到针对待测墙体的点云数据。如此，可以消除由于墙体某些区域不可见、被遮挡或由于强烈反光的作用导致采集的点云数据有所缺失的情形，利于提高得到的待测墙体的点云数据的完整性。
根据本公开的实施例，例如可以通过在至少两个采集参数下，由PhoXi3D扫描仪等向待测墙体投射编码结构光，并基于接收的反射光进行点云的解释和重建，从而采集得到点云数据。即，采集设备可以采用PhoXi 3D扫描仪等，本公开对此不做限定。
可以理解的是，采集点云数据的至少两个采集参数例如可以根据实际需要测量的墙面来设定。例如，在如图3所示的实施例300中，若需要对墙体的具有“帆船”图案的外墙面310进行测量，则至少两个采集参数可以包括外墙面正前方且朝向外墙面的至少两个角度、或者至少两个高度等，本公开对此不做限定。例如，可以将采集设备设置在如图3所示的位置301～位置303进行图像采集，在位置301～位置303处，采集设备的采集角度例如可以相同或不同，本公开对此不做限定。
例如，在该至少两个采集参数下，可以采集得到至少两组点云数据，该至少两组点云数据可以构成针对待测墙体采集到的原始点云数据。例如，可以将在位置301～位置303处采集的三组点云数据构成原始点云数据320。
在得到原始点云数据320后，该实施例可以将至少两组点云数据由不同的设备坐标系下转换至统一的目标坐标系下，从而得到变换后点云数据330。随后，可以对变换后点云数据进行拼接，得到针对待测墙体的点云数据340。
其中，目标坐标系例如可以为根据实际需求预先设定的任意坐标系，本公开对此不做限定。
在一实施例中，例如可以相对于待测墙体固定地设置参考物350，该参考物350例如可以为棋盘格、靶标等，参考物350例如可以与需要测量的外墙面310平行设置，且可以固定于外墙面310上，本公开对该参考物350的设置位置不做限定。
由于待测墙体与参考物350彼此是相对静止的，因此，该实施例可以将基于参考物350构建的坐标系作为目标坐标系。如此，该实施例还可以根据预先标定的参考物350与采集设备之间的相对位置关系，来确定针对采集设备构建的坐标系与针对参考物350构建的目标坐标系之间的变换关系。随后基于该变换关系，来将至少两组点云数据变换至统一的目标坐标系下，得到变换后点云数据330。
可以理解的是，对于在不同采集参数下采集点云数据的采集设备而言，确定的变换关系是不同的。对于任一采集参数下采集点云数据的采集设备，若设定以采集设备的中心点为针对采集设备构建的坐标系原点，以从采集设备的中心点垂直指向外墙面310的方向作为针对采集设备构建的坐标系Z轴，构建得到满足右手法则的针对采集设备的坐标系，则根据目标坐标系的坐标原点在该针对采集设备构建的坐标系中的坐标值(x0，y0，z0)，可以得到两个坐标系之间的平移量t＝(x0，y0，z0)T。例如，根据参考物350的多个特征点在目标坐标系中的坐标值及参考物350在针对采集设备构建的坐标系中的坐标值，采用最小二乘法间接平差原理来求解得到两个坐标系之间进行变换的旋转矩阵r，例如旋转矩阵r可以表示为如下公式(1)所示的矩阵。其中，参考物350的特征点例如可以包括参考物350的中心点，参考物350的轮廓点等，本公开对此不做限定。上述求解旋转矩阵r的原理仅作为示例以利于理解本公开，本公开对此不做限定。
其中，a11、a12、a13、a21、a22、a23、a31、a32、a33均为采用最小二乘法间接平差原理求解得到的参数。如此，针对采集设备构建的坐标系与目标坐标系之间的变换关系T例如可以表示为如下公式(2)。
根据本公开的实施例，点云数据的拼接是指任意位置的点云数据的重叠部分相互配准的过程。在对变换后点云数据进行拼接时，例如可以先采用迭代最近点算法(Iterative Closest Point，ICP算法)等点云配准算法确定统一至目标坐标系下的至少两组点云数据彼此之间的匹配关系，随后基于该匹配关系进行点云的拼接，从而得到针对待测墙体的完整点云Pcloud＝∑P(x，y，z)，其中，P(x，y，z)表示单个点云数据。可以理解的是，上述点云配准算法仅作为示例以利于理解本公开，本公开还可以采用其他任意的点云配准算法，本公开对此不做限定。
本公开实施例通过相对于待测墙体固定设置参考物，便于进行至少两个采集参数下采集的点云数据的拼接，利于提高点云拼接效率和点云拼接的准确性。
在一实施例中，在确定每个平面的点云数据时，例如可以先基于针对待测墙体的点云数据，来确定待测墙体的墙体点云数据。随后，采用平面分割算法等来对墙体点云数据进行点云分割，从而得到描述多个平面中每个平面的点云数据。其中，例如可以对针对待测墙体的点云数据进行滤波处理、分割处理等，以将采集到的针对待测墙体的点云数据中描述除待测墙体外其他物体的点云数据剔除，便于提高得到的描述每个平面的点云数据的准确性。
图4是根据本公开实施例的确定待测墙体的墙体点云数据的原理示意图。
根据本公开的实施例，在设置有相对于待测墙体固定设置的参考物的情况下，采集设备所采集的点云数据中相应地包括有参考物的点云数据。则在对点云数据进行投影时，需要从拼接得到的针对待测墙体的点云数据中剔除该参考物的点云数据，从而得到相对而言仅描述待测墙体的墙体点云数据。
例如，该实施例可以基于参考物与待测墙体之间的相对位置信息来对针对待测墙体的点云数据进行筛选，以从针对待测墙体的点云数据中剔除参考物的点云数据，得到针对待测墙体的点云数据中与待测墙体对应的点云数据。例如，可以将筛选得到的点云数据作为墙体点云数据。筛选过程例如可以采用点云分割原理来实现。具体地，点云分割原理涉及对点云数据进行分割处理的过程，点云分割的目的是为了提取点云数据中的不同物体。该实施例中，可以基于相对位置信息来确定分割阈值，该分割阈值的设置可以使得参考物的点云数据不在阈值范围内，如此即可基于分割阈值进行点云分割，从而得到墙体点云数据。
在一实施例中，对点云数据进行筛选时，除了考虑参考物与待测墙体之间的相对位置信息之外，例如还可以考虑待测墙体的三维尺寸。该三维尺寸例如可以是基于待测墙体的预定三维模型确定的目标三维尺寸。基于该目标三维尺寸及相对位置信息，可以确定待测墙体在针对参考物构建的坐标系中的坐标范围，该实施例可以将该坐标范围的边界值作为分割阈值，进行点云分割。以将除描述待测墙体的点云数据外的其他点云数据剔除，排除参考物和扫描仪扫描过程中环境等对待测墙体的干扰。
例如，如图4所示，在该实施例400中，若设定待测墙体410的三维尺寸为长×宽×高(L×W×H)。且相对于待测墙体左下角顶点而言，针对参考物420构建的坐标系的原点O(0，0，0)位于待测墙体410的长度方向上长度为l，宽度方向上宽度为w，高度方向上高度为h的位置。则，根据待测墙体410的三维尺寸可以确定，待测墙体410在针对参考物420构建的坐标系中的坐标范围为X轴方向的范围(L-l，-l)、Y轴方向的范围(W-w，-w)、Z轴方向的范围(H-h，-h)。则该实施例可以将该三个范围分别作为三个轴的分割阈值401，保留针对待测墙体410的点云数据中位于该三个范围内的点云，剔除不位于该三个范围内的点云，从而得到待测墙体的墙体点云数据。
在一实施例中，可以将基于分割阈值401对针对待测墙体的点云数据402进行分割后所得到的点云数据作为分割后点云数据403，随后基于该分割后点云数据403来确定待测墙体的墙体点云数据。
示例性地，可以对该分割后点云数据403进行离群点滤波处理等，将离群点滤波处理所得到的点云数据作为待测墙体的墙体点云数据。通过离群点滤波处理，可以去除点云数据的采集过程中由于粉尘、飞虫等引入的噪点，利于提高确定的墙体点云数据的精度。可以理解的是，离群点滤波处理仅作为示例以利于理解本公开，例如还可以通过对分割后点云数据进行冗余点去除和/或孤点去除等滤波处理，从而得到墙体点云数据。
在一实施例中，例如还可以对分割后点云数据403进行体素滤波处理，具体即为把分割后点云数据按照某个设定的大小，分割成一个个小的立方块，随后在每个立方块中选取一个有代表性的点云数据(可以是立方块中所有点云数据的重心点，也可以是中心点，也可以是距离重心最近的点等)，过滤掉除具有代表性的点云数据外的其他点。如此，可以减少后续处理过程中所涉及的点云数据的密度，利于提升计算速度。该实施例可以将体素滤波处理后的点云数据作为待测墙体的墙体点云数据。
示例性地，还可以将前述的点云分割作为粗分割过程，随后通过对分割后点云数据403进行精细分割，将精细分割后的点云数据作为墙面点云数据。其中，精细分割时，例如可以基于待测墙体的预定三维模型来确定精细分割的依据，以使得最终确定的砌筑质量更能够反映真实墙体与墙体模型之间的差异，便于对墙体砌筑提供指导信息。
示例性地，在对分割后点云数据403进行精细分割之前，例如可以先对分割后点云数据403进行离群点滤波处理等，随后对滤波处理后得到的滤波后点云数据进行精细分割。
例如，可以依据待测墙体中每个墙面的预定纹理厚度来对分割后点云数据403进行精细分割。其中，每个墙面的预定纹理厚度是基于上文描述的待测墙体的预定三维模型确定的。
具体地，例如可以先确定分割后点云数据403中描述每个墙面的点云数据404，得到分别描述待测墙体410包括的至少一个墙面的至少一组点云数据，即每组点云数据描述一个墙面。例如，设定参考物与待测墙体410的外墙面平行，且针对参考物构建的坐标系的Z轴与该外墙面的法线方向平行，则该实施例可以根据分割后点云数据在针对参考物构建的坐标系中各个坐标轴方向的坐标值，将分割后点云数据划分为至少一个组，得到分别描述至少一个墙面的至少一组点云数据。或者，也可以采用平面拟合算法来对分割后点云数据进行平面拟合，拟合得到至少一个平面，将分割后点云数据中在拟合得到的每个平面的预定范围内的点云数据划分为一组点云数据，从而得到至少一组点云数据。
在得到每个墙面的点云数据后，可以基于每个墙面的预定纹理厚度405和该描述每个墙面的点云数据404，来确定在每个墙面的法线方向上的分割阈值。
例如，可以先根据描述该每个墙面的点云数据404沿该每个墙面的法线方向的坐标值，将坐标值中的众数作为该每个墙面在法线方向上的坐标值的中心值Vc，设定该每个墙面的预定纹理厚度405为T，则该实施例可以将[Vc-(T+a)/2，Vc-(T+a)/2]作为该每个墙面的法线方向上的分割阈值。其中，a为超参，a的取值可以根据实际需求进行设定。例如，a可以为0，或者a也可以为大于0的任意值。通过大于0的a的设置，可以在通过精细分割剔除干扰点之外，还可以更好的保留描述每个墙面的点云数据。这是由于在因待测墙体的砌筑质量导致墙面的实际纹理厚度与预定纹理厚度有一定偏差的情况下，依据[Vc-T/2，Vc-T/2]进行精细分割会导致将描述每个墙面的点云数据中的边缘数据被剔除掉。
例如，在确定每个墙面的法线方向上的分割阈值时，可以先根据描述每个墙面的点云数据404，确定该每个墙面在每个墙面的法线方向上的位置信息406。即确定描述每个墙面的点云数据404沿该每个墙面的法线方向的坐标值。随后，可以根据该每个墙面在法线方向上的位置信息406和每个墙面的预定纹理厚度405，确定在每个墙面的法线方向上的查找范围407。例如，可以将上文描述的[Vc-(T+a)/2，Vc-(T+a)/2]作为在该每个墙面的法线方向上的查找范围。在一实施例中，还可以根据参考物420与待测墙体410之间的相对位置信息，来确定每个墙面在法线方向上的坐标值的中心值Vc，本公开对此不做限定。在得到查找范围后，可以根据该查找范围查找描述每个墙面的点云数据404，确定描述每个墙面的点云数据404中的在该每个墙面的法线方向上的极值点云数据408。例如，可以将描述每个墙面的点云数据404中沿该每个墙面的法线方向的坐标值最大的点和沿该每个墙面的法线方向的坐标值最小的点作为两个极值点云数据408。该实施例可以根据该极值点云数据408包括的沿该每个墙面的法线方向的坐标值，来确定针对该每个墙面的分割阈值409。该实施例通过查找极值点云数据的方式来确定点云数据，可以使得确定的分割阈值更为贴合待测墙体的实际砌筑效果，如此基于该分割阈值对点云数据进行分割，可以提高分割精度，使得保留的点云数据尽可能的仅为描述待测墙体的点云数据。再者，由于确定分割阈值时还考虑了预定纹理厚度，因此，可以避免较大尺寸的干扰物对分割精度的影响，从而可以进一步提高确定的分割阈值的精度。
在确定了在每个墙面的法线方向上的分割阈值后，即可根据在待测墙体410包括的所有墙面的法线方向上的分割阈值，来对点云数据进行精细分割处理，例如可以对分割后点云数据403进行精细分割处理，也可以对前述的滤波后点云数据进行精细分割处理，从而得到待测墙体的墙体点云数据410’。
图5是根据本公开另一实施例的确定待测墙体的墙体点云数据的原理示意图。
在一实施例中，例如可以将上文通过离群点滤波处理所得到的点云数据或者通过精细分割得到的点云数据作为待配准的点云数据。随后基于该待配准的点云数据，来确定待测墙体的墙体点云数据。例如，可以根据待配准的点云数据所对应的采集参数，对待配准点云进行配准并拼接，从而得到墙体点云数据。通过该配准，可以更好地消除配准偏差。这是由于在对墙体进行扫描和点云的采集过程中，在不同角度下采集的点云可能会由于双目相机成像畸变，存在参考物的点云位置不能完全与理想状态下的点云位置吻合的情况，从而会使得采集的点云数据在一定程度上有细微偏差。
可以理解的是，若在对点云数据进行分割处理之前，已经进行了在至少两个采集参数下采集的点云数据的配准和拼接，则该实施例所提及的对待配准的点云数据的配准则为二次配准，以进一步保证配准和拼接的精度。
如图5所示，在一实施例500中，可以将上文所提及的对分割后点云数据501进行精细分割后所得到的点云数据，或者对分割后点云数据501进行滤波处理后所得到的点云数据，作为待配准点云数据502。随后该实施例例如可以采用法向迭代最近点(NormalIterative Closest Point，NICP)算法来对该待配准点云数据502中采集设备在至少两个采集参数下采集到的点云数据进行配准，得到配准点云对503。该实施例可以基于该配准点云对，对该待配准点云数据502中采集设备在至少两个采集参数下采集到的点云数据进行拼接，从而得到待测墙体的墙体点云数据。
其中，为了避免ICP算法等进行配准时容易陷入局部最优的情形，NICP算法在对点云数据进行配准时，同时考虑了点云数据的局部特征(例如法向量和曲率等特征)。同时，在迭代求解配准结果的过程中，所采用的误差函数不仅涉及需要配准的两组点云之间的投影距离，还涉及对应点云数据的法向量的角度差。如此，可以充分利用实际曲面的特征来对错误的点云匹配结果进行滤除。
NICP算法的点云数据的匹配规则为：如果点云数据没有明确定义(well define)的法向量，则拒绝对该点云数据进行匹配；如果两个点云数之间的距离大于距离阈值，则拒绝对该两个点云数据进行匹配；如果两个点云数据之间的曲率的差距大于差距阈值，则拒绝对该两个点云数据进行匹配；若果两个点云数据之间的法向量的角度差大于角度差阈值，则拒绝对该两个点云数据进行匹配。NICP算法的迭代过程中需要计算点云数据的法向量和曲率。其中，例如可以采用kd树搜索算法来估计点云数据的法向量和曲率。
在一实施例中，可以将前文实施例所得到的待测墙体的墙体点云数据作为待重建点云数据504。可以理解的是，在如图5所示的实施例中，待重建点云数据504为经过NICP算法配准并拼接所得到的点云数据，实质上，该待重建点云数据504还可以为经过粗分割得到的点云数据、经过离群点滤波处理所得到的点云数据或者经过精细分割得到的点云数据，本公开对此不做限定。
在得到待重建点云数据504之后，例如可以根据该待重建点云数据504，采用曲面重建算法来对待测墙体进行曲面重建，从而得到待测墙体的三维网格505。随后，该实施例500可以将三维网格中顶点所表示的点云数据作为待测墙体的墙体点云数据506。
其中，曲面重建算法例如可以为泊松曲面重建算法、基于Delaunay生长法的三维点云曲面重建算法、贪婪投影三角化算法、基于B样条曲面的曲面重建算法等，本公开对此不做限定。例如，以采用泊松曲面重建算法为例，该实施例可以首先根据待重建点云数据504，采用自适应的空间网格划分的方法(根据点云密度调整网格深度)，根据采样点集的位置来定义八叉树。然后细分八叉树使每个采样点都落在深度为D的叶节点。随后，对八叉树的每个节点设置空间函数F，所有节点函数F的线性和可以表示向量场V，基函数F采用了盒滤波的n维卷积。随后在均匀采样的情况下，假设划分的块是常量，通过向量场V逼近指示函数的梯度，逼近过程可以采用三次条样插值原理。随后即可求解泊松方程，方程的解可以采用拉普拉斯矩阵迭代求出。如此，就可以将泊松问题等价为指数函数的梯度和向量场的散度在函数空间中的投影的L2距离最小化问题，从而求解出指示函数。最后，选择特定阈值来获得等值面，并利用移动立方体算法得到三角网格。
本公开实施例通过曲面重建，可以补全因待测墙体被遮挡、采集设备采集过程中待测墙体反光等导致的部分点云数据未被采集的情况。因此，可以提高最终确定的墙体点云数据的完整性。
图6是根据本公开实施例的对墙面进行二维投影的原理示意图。
如图6所示，在一实施例600中，设定描述每个平面的点云数据包括的坐标值是在针对参考物构建的坐标系610下的。该实施例600在对每个墙面进行二维投影时，例如可以先将描述多个平面的点云数据601由针对参考物构建的坐标系610变换至NDC坐标系620中，从而得到标准点云数据602。随后，该实施例可以将标准点云数据投影至与每个墙面对应的二维平面，从而得到每个墙面的二维图像。
例如，在进行坐标变换之前，可以设定观察空间(例如针对参考物构建的坐标系610)为+X轴向右，+Y轴向上，+Z轴向屏幕外的一个右手坐标系，观察方向沿着-Z轴，即看向屏幕内部。通过坐标变换，点被变换到规则观察体(Canonical View Volume，简称CVV)中。其中，CVV也被称为齐次裁剪空间，即标准化设备坐标系620。CVV是左手坐标系，+X轴向右、+Y轴向上，+Z轴指向屏幕内部。在将墙体点云数据Pe＝(Xe，Ye，Ze)变换到NDC坐标系中，得到NDC坐标系下的第一点云数据Pn＝(Xn，Yn，Zn)时，可以通过投影矩阵完成从Pe到裁剪空间的点Pc＝(Xc，Yc，Zc，Wc)的变换，随后对Pc进行透视除法可以得到Pn。通过该变换，可以将待测墙体的长方体包围盒缩放成一个归一化的正方体包围盒。
其中，例如可以将投影矩阵和透视除法整合为透视投影矩阵，以对待测墙体的墙体点云数据进行投影变换。经由投影变换和推导，可以得到Pe与Pn之间的转换关系例如可以采用以下公式(3)～公式(5)来表示。
其中，视景体(frustum)的四个边平面在近视截面上所截出的矩形区域的左边在针对参考物的坐标系610中X轴的坐标值为m，所截出的矩形区域的右边在针对参考物的坐标系610中X轴的坐标值为r，所截出的矩形区域的顶边在针对参考物的坐标系610中Y轴的坐标值为p，所截出的矩形区域的底边在针对参考物的坐标系610中Y轴的坐标值为b，距离观察点的最近距离在针对参考物的坐标系610中Z轴的坐标值为-n，距离观察点的最远距离在针对参考物的坐标系610中Z轴的坐标值为-f。
例如，在得到标准点云数据602后，可以对标准点云数据602进行视口变换，得到二维图像对应像素的坐标值，从而转换得到每个墙面的二维图像。可以理解的是，在进行视口变换的同时，可以将标准点云数据602在Z轴上的坐标值作为对应像素的深度信息，从而得到每个墙面在标准化设备坐标系中的深度信息。
可以理解的是，可以将上述通过对标准点云数据602进行视口变换所得到的二维图像作为初始图像603。随后，该实施例可以将初始图像603中的像素与描述每个平面的点云数据中点云数据的对应关系，为对应于描述不同平面的点云数据的像素赋予不同的属性信息，从而得到每个墙面的二维图像604。例如，可以为对应不用平面的像素分配不同的RGB值。
在该实施例600中的基础上，在确定像素点集中的多个像素点对应的多个墙体点的三维位置信息时，可以基于目标墙面在标准化设备坐标系中的深度信息，对多个像素点在目标墙面的二维图像604上的像素位置进行视口逆变换和投影逆变换，从而将多个像素点的像素位置变换为三维位置，得到对应的多个墙体点的三维位置信息。可以理解的是，该三维位置信息605例如可以是在针对参考物的坐标系610下的位置信息，也可以是世界坐标系或任意坐标系下的位置信息，本公开对此不做限定。
例如，设定某个墙体点在针对参考物构建的坐标系610中的三维位置信息可以采用三维点向量vp＝(x，y，z，1.0)T来表示，其中，x，y，z为未知量，分别表示墙体点在针对参考物构建的坐标系610中沿X轴、Y轴和Z轴的取值，其中，1.0为设定的齐次坐标值。则通过投影变换得到的标准化设备坐标系620下的向量vc可以采用以下公式(6)计算得到。
vc＝Tprojection×(x，y，z，1.0) 公式(6)
其中，Tprojection表示投影矩阵。对于目标墙面对应的二维图像上的某个测量点，设定其像素位置为(w1，h1)，则根据该像素位置可以解算得到对应到标准化设备坐标系620下的向量vc的取值可以参见如下公式(7)。
其中，col、row分别表示二维图像的像素总列数和总行数，表示某个像素点对应的深度信息。则，可以采用以下公式(8)求解得到该某个像素点对应的墙体点的三维位置信息vp。需要说明的是，在该实施例中，针对二维图像构建的图像坐标系中，Y轴方向向下，X轴方向向右。
基于上述原理，可以根据多个像素点在目标墙面的为二维图像上的像素位置，及该多个像素点所在像素位置处像素所对应的深度信息，计算得到与多个像素点分别对应的多个墙体点的三维位置信息。
该实施例中，通过基于透视投影矩阵进行点云数据的投影，可以提高最终投影得到的二维图像的准确性和投影效率，且可以存储相对应的深度信息。再者，通过与投影互逆的计算过程，可以计算得到与二维图像上的位置点对应的墙体点的三维位置信息。
图7是根据本公开实施例的确定与两个共面测量点对应同一平面的目标像素点的原理示意图。
如图7所示，在一实施例700中，在响应于用户对显示界面所显示的二维图像710的点选操作，确定了两个共面测量点701和702之后，可以先确定该两个共面测量点701与702的连线703。随后，根据预定参数对该连线进行膨胀处理，得到连线区域704。其中，预定参数例如可以为两个像素的宽度或任意个像素的宽度，该预定参数可以根据实际需求进行设定，本公开对此不做限定。在膨胀处理时，例如可以以连线703为基准，根据预定参数向垂直于该连线703的方向分别进行扩展，例如，可以向上扩展两个像素，并向下扩展两个像素，从而得到连线区域704。
在得到连线区域704之后，该实施例可以将连线区域704所覆盖的像素中与两个共面测量点对应同一平面的像素点，即与两个共面测量点具有相同属性信息(例如相同RGB颜色)的像素点，作为目标像素点，目标像素点即可构成前述操作S230中所述的像素点集705。
本公开实施例通过根据预定参数对两个共面测量点的连线进行膨胀，并根据膨胀得到的区域来确定目标像素点，可以增加确定的像素点集中像素点的丰富性，利于提高确定的砌筑质量的精度。
图8是根据本公开实施例的确定砌筑质量的原理示意图。
如图8所示，在一实施例800中，在得到与像素点集中的多个像素点分别对应的多个墙体点的三维位置信息后，例如可以先根据多个墙体点的三维位置信息，拟合得到多个墙体点所在的目标平面810的平面信息。随后，可以基于多个墙体点的三维位置信息，确定多个墙体点在目标平面810的法线方向上与目标平面之间的距离，得到多个距离值。
例如，若三维位置信息所在坐标系是以目标平面中的任意点为原点O、Z轴沿目标平面的法线方向的、满足右手法则的坐标系，则该实施例800可以将多个墙体点的三维位置信息中在Z轴方向上的坐标值，作为在多个墙体点在法线方向上与目标平面之间的距离。需要说明的是，此处的距离例如可以指示方向，即距离具有正负号之分。例如，对于墙体点801，距离值为正值，对于墙体点802，距离值为负值。
在得到多个距离值后，可以确定多个距离值中的极值。例如，极值可以包括极大值和/或极小值，例如，对于墙体点801的距离值为极大值，对于墙体点802的距离值为极小值。该实施例可以根据该极值，确定多个墙体点所在平面的平整度。例如，可以将极大值与极小值中，绝对值较大的值(对于墙体点801的距离值)作为多个墙体点所在平面的平整度F。在该目标平面为接近于垂直的面时，还可以根据该极值，确定多个墙体点所在平面的垂直度P。例如，可以将极大值与极小值的差值，作为多个墙体点所在平面的垂直度。类似地，在该目标平面为接近于水平的面时，还可以根据该极值，确定多个墙体点所在平面的水平度。例如，可以将极大值与极小值的差值，作为多个墙体点所在平面的水平度。
可以理解的是，多个墙体点所在平面的砌筑质量可以由上述实施例确定的平整度、水平度、垂直度等指标中的至少之一来表示。上述计算各指标的原理仅作为示例以利于理解本公开，本公开对此不作限定。
本公开实施例通过根据极值来确定指标取值的技术方案，可以提高确定的砌筑质量的精度。
基于本公开提供的确定砌筑质量的方法，本公开还提供了一种确定砌筑质量的装置。以下将结合图9对该装置进行详细描述。
图9是根据本公开实施例的确定砌筑质量的装置的结构框图。
如图9所示，该实施例的确定砌筑质量的装置900可以包括点云划分模块910、投影模块920、像素点确定模块930、三维位置确定模块940和质量确定模块950。
点云划分模块910用于基于针对待测墙体的点云数据，确定描述待测墙体包括的多个平面中每个平面的点云数据；待测墙体包括至少一个墙面，每个墙面包括至少一个平面。在一实施例中，点云划分模块910可以用于执行上文描述的操作S210，在此不再赘述。
投影模块920用于针对待测墙体包括的每个墙面，基于描述多个平面的点云数据将每个墙面投影至二维平面，得到每个墙面的二维图像；二维图像中每个墙面包括的不同平面所在像素具有不同的属性信息。在一实施例中，投影模块920可以用于执行上文描述的操作S220，在此不再赘述。
像素点确定模块930用于对于至少一个墙面中目标墙面的二维图像上的两个共面测量点，根据两个共面测量点在目标墙面的二维图像上的像素位置，确定目标墙面的二维图像上与两个共面测量点对应同一平面的目标像素点，得到像素点集。在一实施例中，像素点确定模块930可以用于执行上文描述的操作S230，在此不再赘述。
三维位置确定模块940用于确定待测墙体上与像素点集中的多个像素点分别对应的多个墙体点的三维位置信息。在一实施例中，三维位置确定模块940可以用于执行上文描述的操作S240，在此不再赘述。
质量确定模块950用于根据多个墙体点的三维位置信息，确定多个墙体点所在平面的砌筑质量。在一实施例中，质量确定模块950可以用于执行上文描述的操作S250，在此不再赘述。
根据本公开的实施例，点云划分模块910可以包括：点云筛选子模块，用于基于针对待测墙体的点云数据，确定待测墙体的墙体点云数据；以及平面分割子模块，用于采用平面分割算法对墙体点云数据进行点云分割，得到描述多个平面中每个平面的点云数据。
根据本公开的实施例，投影模块920可以包括：点云变换子模块，用于对多个平面的点云数据进行投影变换和视口变换，以将每个墙面投影至与每个墙面对应的二维平面，得到每个墙面的初始图像和每个墙面在标准化设备坐标系中的深度信息；以及属性更改子模块，用于根据与初始图像中各像素对应的点云数据所属的平面，更改初始图像中的各像素的属性信息，得到每个墙面的二维图像。三维位置确定模块940具体用于：基于目标墙面在标准化设备坐标系中的深度信息，对多个像素点在目标墙面的二维图像中的像素位置进行视口逆变换和投影逆变换，得到与多个像素点分别对应的多个墙体点的三维位置信息。
根据本公开的实施例，上述像素点确定模块930可以包括：连线子模块，用于确定两个共面测量点的连线；膨胀子模块，用于根据预定参数对连线进行膨胀处理，得到连线区域；像素确定子模块，用于确定连线区域覆盖的像素点中与两个共面测量点对应同一平面的像素点，得到目标像素点，其中，像素点集由目标像素点构成。
根据本公开的实施例，上述质量确定模块950可以包括：平面拟合子模块，用于根据多个墙体点的三维位置信息，拟合得到多个墙体点所在的目标平面的平面信息；距离确定子模块，用于基于多个墙体点的三维位置信息，确定多个墙体点在目标平面的法线方向上与目标平面之间的距离，得到多个距离值；以及质量确定子模块，用于根据多个距离值中的极值，确定多个墙体点所在平面的砌筑质量。
根据本公开的实施例，砌筑质量由以下指标中的至少之一表示：平整度、水平度、垂直度。
根据本公开的实施例，上述确定砌筑质量的装置900还可以包括：点云获取模块，用于获取采集设备在至少两个采集参数下针对待测墙体采集到的原始点云数据；点云变换模块，用于根据针对采集设备构建的坐标系与目标坐标系之间的变换关系，将原始点云数据变换至目标坐标系下，得到变换后点云数据；以及点云拼接模块，用于拼接变换后点云数据，得到针对待测墙体的点云数据。其中，目标坐标系为任意的预定三维坐标系。
根据本公开的实施例，上述原始点云数据包括相对于待测墙体固定设置的参考物的点云数据；上述确定砌筑质量的装置900还可以包括：变换关系确定模块，用于根据参考物与采集设备之间的相对位置关系，确定针对采集设备构建的坐标系与针对参考物构建的目标坐标系之间的变换关系。
根据本公开的实施例，针对待测墙体的点云数据包括相对于待测墙体固定设置的参考物的点云数据。上述点云筛选子模块包括：对应点云确定单元，用于基于待测墙体的目标三维尺寸和参考物与待测墙体之间的相对位置信息，确定针对待测墙体的点云数据中与待测墙体对应的点云数据，得到第一点云数据；以及墙体点云确定单元，用于基于第一点云数据，确定待测墙体的墙体点云数据，其中，目标三维尺寸是基于待测墙体的预定三维模型确定的。
根据本公开的实施例，墙体点云确定单元包括：曲面重建子单元，用于根据第一点云数据，采用曲面重建算法对待测墙体进行曲面重建，得到表示待测墙体的三维网格；以及墙体点云确定子单元，用于确定三维网格中顶点所表示的点云数据为待测墙体的墙体点云数据。
根据本公开的实施例，对应点云确定单元包括：点云分割子单元，用于根据待测墙体的目标三维尺寸和参考物与待测墙体之间的相对位置信息，对针对待测墙体的点云数据进行分割处理，得到分割后点云数据；以及对应点云确定子单元，用于基于分割后点云数据，确定第一点云数据。
根据本公开的实施例，对应点云确定子单元用于：对分割后点云数据进行离群点滤波处理，得到第二点云数据；以及基于第二点云数据，确定第一点云数据。
根据本公开的实施例，对应点云确定子单元用于：确定第一点云数据中描述每个墙面的点云数据；基于每个墙面的预定纹理厚度和描述每个墙面的点云数据，确定在每个墙面的法线方向上的分割阈值；基于分割后点云数据，根据在至少一个墙面的法线方向上的分割阈值对点云数据进行分割处理，得到第三点云数据；以及基于第三点云数据，确定第一点云数据。
根据本公开的实施例，对应点云确定子单元用于：根据描述每个墙面的点云数据，确定每个墙面在每个墙面的法线方向上的位置信息；根据位置信息和每个墙面的预定纹理厚度，确定在每个墙面的法线方向上的查找范围；在查找范围内查找描述每个墙面的点云数据，确定在每个墙面的法线方向上的极值点云数据；以及根据极值点云数据包括的沿每个墙面的法线方向的坐标值，确定针对每个墙面的分割阈值。
根据本公开的实施例，针对第二点云数据和第三点云数据中的任一点云数据，任一点云数据包括采集设备在至少两个采集参数下采集到的数据；对应点云确定子单元用于：采用NICP点云配准算法对任一点云数据中采集设备在至少两个采集参数下采集到的数据进行配准，得到配准点云对；以及根据配准点云对，对任一点云数据中采集设备在至少两个采集参数下采集到的数据进行拼接，得到第一点云数据。
需要说明的是，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开实施例的确定砌筑质量的方法的示例电子设备1000的示意性框图。电子设备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，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如确定砌筑质量的方法。例如，在一些实施例中，确定砌筑质量的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的确定砌筑质量的方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行确定砌筑质量的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。其中，服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(″Virtual Private Server”，或简称″VPS″)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (30)

1.一种确定砌筑质量的方法，包括：
基于针对待测墙体的点云数据，确定描述所述待测墙体包括的多个平面中每个平面的点云数据；所述待测墙体包括至少一个墙面，每个墙面包括至少一个平面；
针对所述待测墙体包括的每个墙面，基于描述所述多个平面的点云数据将所述每个墙面投影至二维平面，得到所述每个墙面的二维图像；所述二维图像中所述每个墙面包括的不同平面所在像素具有不同的属性信息；
对于所述至少一个墙面中目标墙面的二维图像上的两个共面测量点，根据所述两个共面测量点在所述目标墙面的二维图像上的像素位置，确定所述目标墙面的二维图像上与所述两个共面测量点对应同一平面的目标像素点，得到像素点集；
确定所述待测墙体上与所述像素点集中的多个像素点分别对应的多个墙体点的三维位置信息；以及
根据所述多个墙体点的三维位置信息，确定所述多个墙体点所在平面的砌筑质量；
其中，所述砌筑质量由以下指标中的至少之一表示：平整度、水平度、垂直度；所述根据所述多个墙体点的三维位置信息，确定所述多个墙体点所在平面的砌筑质量包括：
根据所述三维位置信息，确定该多个墙体点沿其所属平面的法向量的坐标值，将坐标值的差值作为该多个墙体点所在平面的平整度；
根据所述三维位置信息拟合得到一个平面，并确定拟合得到的平面与水平方向之间的夹角，根据该夹角确定该多个墙体点所在平面的水平度或垂直度；以及
将平整度、水平度或垂直度与预定质量映射表进行比对，将预定质量映射表中与得到的平整度、水平度或垂直度对应的质量等级作为该多个墙体点所在平面的砌筑质量。
2. 根据权利要求1所述的方法，其中，所述基于针对待测墙体的点云数据，确定描述所述待测墙体包括的多个平面中每个平面的点云数据包括：
基于针对所述待测墙体的点云数据，确定所述待测墙体的墙体点云数据；以及
采用平面分割算法对所述墙体点云数据进行点云分割，得到描述所述多个平面中每个平面的点云数据。
3.根据权利要求1所述的方法，其中：
基于描述所述多个平面的点云数据将所述每个墙面投影至二维平面，得到所述每个墙面的二维图像包括：
对所述多个平面的点云数据进行投影变换和视口变换，以将所述每个墙面投影至与所述每个墙面对应的二维平面，得到所述每个墙面的初始图像和所述每个墙面在标准化设备坐标系中的深度信息；以及
根据与所述初始图像中各像素对应的点云数据所属的平面，更改所述初始图像中的各像素的属性信息，得到所述每个墙面的二维图像；
确定所述待测墙体上与所述像素点集中的多个像素点分别对应的多个墙体点的三维位置信息包括：
基于所述目标墙面在所述标准化设备坐标系中的深度信息，对所述多个像素点在所述目标墙面的二维图像中的像素位置进行视口逆变换和投影逆变换，得到与所述多个像素点分别对应的多个墙体点的三维位置信息。
4.根据权利要求1所述的方法，其中，根据所述两个共面测量点在所述目标墙面的二维图像上的像素位置，确定所述目标墙面的二维图像上与所述两个共面测量点对应同一平面的目标像素点，得到像素点集包括：
确定所述两个共面测量点的连线；
根据预定参数对所述连线进行膨胀处理，得到连线区域；以及
确定所述连线区域覆盖的像素点中与所述两个共面测量点对应同一平面的像素点，得到目标像素点，
其中，所述像素点集由所述目标像素点构成。
5.根据权利要求1所述的方法，其中，所述根据所述多个墙体点的三维位置信息，确定所述多个墙体点所在平面的砌筑质量包括：
根据所述多个墙体点的三维位置信息，拟合得到所述多个墙体点所在的目标平面的平面信息；
基于所述多个墙体点的三维位置信息，确定所述多个墙体点在所述目标平面的法线方向上与所述目标平面之间的距离，得到多个距离值；以及
根据所述多个距离值中的极值，确定所述多个墙体点所在平面的砌筑质量。
6.根据权利要求1所述的方法，还包括：
获取采集设备在至少两个采集参数下针对所述待测墙体采集到的原始点云数据；
根据针对所述采集设备构建的坐标系与目标坐标系之间的变换关系，将所述原始点云数据变换至所述目标坐标系下，得到变换后点云数据；以及
拼接所述变换后点云数据，得到针对所述待测墙体的点云数据，
其中，所述目标坐标系为任意的预定三维坐标系。
7.根据权利要求6所述的方法，其中，所述原始点云数据包括相对于所述待测墙体固定设置的参考物的点云数据；所述方法还包括：
根据所述参考物与所述采集设备之间的相对位置关系，确定针对所述采集设备构建的坐标系与针对所述参考物构建的所述目标坐标系之间的变换关系。
8. 根据权利要求2所述的方法，其中，针对所述待测墙体的点云数据包括相对于所述待测墙体固定设置的参考物的点云数据；所述基于针对所述待测墙体的点云数据，确定所述待测墙体的墙体点云数据包括：
基于所述待测墙体的目标三维尺寸和所述参考物与所述待测墙体之间的相对位置信息，确定针对所述待测墙体的点云数据中与所述待测墙体对应的点云数据，得到第一点云数据；以及
基于所述第一点云数据，确定所述待测墙体的墙体点云数据，
其中，所述目标三维尺寸是基于所述待测墙体的预定三维模型确定的。
9. 根据权利要求8所述的方法，其中，所述基于所述第一点云数据，确定所述待测墙体的墙体点云数据包括：
根据所述第一点云数据，采用曲面重建算法对所述待测墙体进行曲面重建，得到表示所述待测墙体的三维网格；以及
确定所述三维网格中顶点所表示的点云数据为所述待测墙体的墙体点云数据。
10. 根据权利要求8所述的方法，其中，所述基于所述待测墙体的目标三维尺寸和所述参考物与所述待测墙体之间的相对位置信息，确定针对所述待测墙体的点云数据中与所述待测墙体对应的点云数据，得到第一点云数据包括：
根据所述待测墙体的目标三维尺寸和所述参考物与所述待测墙体之间的相对位置信息，对针对所述待测墙体的点云数据进行分割处理，得到分割后点云数据；以及
基于所述分割后点云数据，确定所述第一点云数据。
11. 根据权利要求10所述的方法，其中，所述基于所述分割后点云数据，确定所述第一点云数据包括：
对所述分割后点云数据进行离群点滤波处理，得到第二点云数据；以及
基于所述第二点云数据，确定所述第一点云数据。
12.根据权利要求11所述的方法，其中，所述基于所述分割后点云数据，确定所述第一点云数据包括：
确定所述第一点云数据中描述所述每个墙面的点云数据；
基于所述每个墙面的预定纹理厚度和描述所述每个墙面的点云数据，确定在所述每个墙面的法线方向上的分割阈值；
基于所述分割后点云数据，根据在所述至少一个墙面的法线方向上的分割阈值对点云数据进行分割处理，得到第三点云数据；以及
基于所述第三点云数据，确定所述第一点云数据。
13.根据权利要求12所述的方法，其中，所述基于所述每个墙面的预定纹理厚度和描述所述每个墙面的点云数据，确定在所述每个墙面的法线方向上的分割阈值包括：
根据描述所述每个墙面的点云数据，确定所述每个墙面在所述每个墙面的法线方向上的位置信息；
根据所述位置信息和所述每个墙面的预定纹理厚度，确定在所述每个墙面的法线方向上的查找范围；
在所述查找范围内查找描述所述每个墙面的点云数据，确定在所述每个墙面的法线方向上的极值点云数据；以及
根据所述极值点云数据包括的沿所述每个墙面的法线方向的坐标值，确定针对所述每个墙面的分割阈值。
14. 根据权利要求12所述的方法，其中，针对所述第二点云数据和所述第三点云数据中的任一点云数据，所述任一点云数据包括采集设备在至少两个采集参数下采集到的数据；基于所述任一点云数据，确定所述第一点云数据包括：
采用NICP点云配准算法对任一点云数据中所述采集设备在至少两个采集参数下采集到的数据进行配准，得到配准点云对；以及
根据所述配准点云对，对所述任一点云数据中所述采集设备在至少两个采集参数下采集到的数据进行拼接，得到所述第一点云数据。
15.一种确定砌筑质量的装置，包括：
点云划分模块，用于基于针对待测墙体的点云数据，确定描述所述待测墙体包括的多个平面中每个平面的点云数据；所述待测墙体包括至少一个墙面，每个墙面包括至少一个平面；
投影模块，用于针对所述待测墙体包括的每个墙面，基于描述所述多个平面的点云数据将所述每个墙面投影至二维平面，得到所述每个墙面的二维图像；所述二维图像中所述每个墙面包括的不同平面所在像素具有不同的属性信息；
像素点确定模块，用于对于所述至少一个墙面中目标墙面的二维图像上的两个共面测量点，根据所述两个共面测量点在所述目标墙面的二维图像上的像素位置，确定所述目标墙面的二维图像上与所述两个共面测量点对应同一平面的目标像素点，得到像素点集；
三维位置确定模块，用于确定所述待测墙体上与所述像素点集中的多个像素点分别对应的多个墙体点的三维位置信息；以及
质量确定模块，用于根据所述多个墙体点的三维位置信息，确定所述多个墙体点所在平面的砌筑质量；
其中，所述砌筑质量由以下指标中的至少之一表示：平整度、水平度、垂直度；所述根据所述多个墙体点的三维位置信息，确定所述多个墙体点所在平面的砌筑质量包括：
根据所述三维位置信息，确定该多个墙体点沿其所属平面的法向量的坐标值，将坐标值的差值作为该多个墙体点所在平面的平整度；
根据所述三维位置信息拟合得到一个平面，并确定拟合得到的平面与水平方向之间的夹角，根据该夹角确定该多个墙体点所在平面的水平度或垂直度；以及
将平整度、水平度或垂直度与预定质量映射表进行比对，将预定质量映射表中与得到的平整度、水平度或垂直度对应的质量等级作为该多个墙体点所在平面的砌筑质量。
16. 根据权利要求15所述的装置，其中，所述点云划分模块包括：
点云筛选子模块，用于基于针对所述待测墙体的点云数据，确定所述待测墙体的墙体点云数据；以及
平面分割子模块，用于采用平面分割算法对所述墙体点云数据进行点云分割，得到描述所述多个平面中每个平面的点云数据。
17.根据权利要求15所述的装置，其中：
所述投影模块包括：
点云变换子模块，用于对所述多个平面的点云数据进行投影变换和视口变换，以将所述每个墙面投影至与所述每个墙面对应的二维平面，得到所述每个墙面的初始图像和所述每个墙面在标准化设备坐标系中的深度信息；以及
属性更改子模块，用于根据与所述初始图像中各像素对应的点云数据所属的平面，更改所述初始图像中的各像素的属性信息，得到所述每个墙面的二维图像；
所述三维位置确定模块具体用于：基于所述目标墙面在所述标准化设备坐标系中的深度信息，对所述多个像素点在所述目标墙面的二维图像中的像素位置进行视口逆变换和投影逆变换，得到与所述多个像素点分别对应的多个墙体点的三维位置信息。
18.根据权利要求15所述的装置，其中，所述像素点确定模块包括：
连线子模块，用于确定所述两个共面测量点的连线；
膨胀子模块，用于根据预定参数对所述连线进行膨胀处理，得到连线区域；
像素确定子模块，用于确定所述连线区域覆盖的像素点中与所述两个共面测量点对应同一平面的像素点，得到目标像素点，
其中，所述像素点集由所述目标像素点构成。
19.根据权利要求15所述的装置，其中，所述质量确定模块包括：
平面拟合子模块，用于根据所述多个墙体点的三维位置信息，拟合得到所述多个墙体点所在的目标平面的平面信息；
距离确定子模块，用于基于所述多个墙体点的三维位置信息，确定所述多个墙体点在所述目标平面的法线方向上与所述目标平面之间的距离，得到多个距离值；以及
质量确定子模块，用于根据所述多个距离值中的极值，确定所述多个墙体点所在平面的砌筑质量。
20.根据权利要求15所述的装置，还包括：
点云获取模块，用于获取采集设备在至少两个采集参数下针对所述待测墙体采集到的原始点云数据；
点云变换模块，用于根据针对所述采集设备构建的坐标系与目标坐标系之间的变换关系，将所述原始点云数据变换至所述目标坐标系下，得到变换后点云数据；以及
点云拼接模块，用于拼接所述变换后点云数据，得到针对所述待测墙体的点云数据，
其中，所述目标坐标系为任意的预定三维坐标系。
21.根据权利要求20所述的装置，所述原始点云数据包括相对于所述待测墙体固定设置的参考物的点云数据；所述装置还包括：
变换关系确定模块，用于根据所述参考物与所述采集设备之间的相对位置关系，确定针对所述采集设备构建的坐标系与针对所述参考物构建的所述目标坐标系之间的变换关系。
22. 根据权利要求16所述的装置，其中，针对所述待测墙体的点云数据包括相对于所述待测墙体固定设置的参考物的点云数据；所述点云筛选子模块包括：
对应点云确定单元，用于基于所述待测墙体的目标三维尺寸和所述参考物与所述待测墙体之间的相对位置信息，确定针对所述待测墙体的点云数据中与所述待测墙体对应的点云数据，得到第一点云数据；以及
墙体点云确定单元，用于基于所述第一点云数据，确定所述待测墙体的墙体点云数据，
其中，所述目标三维尺寸是基于所述待测墙体的预定三维模型确定的。
23. 根据权利要求22所述的装置，其中，所述墙体点云确定单元包括：
曲面重建子单元，用于根据所述第一点云数据，采用曲面重建算法对所述待测墙体进行曲面重建，得到表示所述待测墙体的三维网格；以及
墙体点云确定子单元，用于确定所述三维网格中顶点所表示的点云数据为所述待测墙体的墙体点云数据。
24. 根据权利要求22所述的装置，其中，所述对应点云确定单元包括：
点云分割子单元，用于根据所述待测墙体的目标三维尺寸和所述参考物与所述待测墙体之间的相对位置信息，对针对所述待测墙体的点云数据进行分割处理，得到分割后点云数据；以及
对应点云确定子单元，用于基于所述分割后点云数据，确定所述第一点云数据。
25. 根据权利要求24所述的装置，其中，所述对应点云确定子单元用于：
对所述分割后点云数据进行离群点滤波处理，得到第二点云数据；以及
基于所述第二点云数据，确定所述第一点云数据。
26.根据权利要求25所述的装置，其中，所述对应点云确定子单元用于：
确定所述第一点云数据中描述所述每个墙面的点云数据；
基于所述每个墙面的预定纹理厚度和描述所述每个墙面的点云数据，确定在所述每个墙面的法线方向上的分割阈值；
基于所述分割后点云数据，根据在所述至少一个墙面的法线方向上的分割阈值对点云数据进行分割处理，得到第三点云数据；以及
基于所述第三点云数据，确定所述第一点云数据。
27.根据权利要求26所述的装置，其中，所述对应点云确定子单元用于：
根据描述所述每个墙面的点云数据，确定所述每个墙面在所述每个墙面的法线方向上的位置信息；
根据所述位置信息和所述每个墙面的预定纹理厚度，确定在所述每个墙面的法线方向上的查找范围；
在所述查找范围内查找描述所述每个墙面的点云数据，确定在所述每个墙面的法线方向上的极值点云数据；以及
根据所述极值点云数据包括的沿所述每个墙面的法线方向的坐标值，确定针对所述每个墙面的分割阈值。
28. 根据权利要求26所述的装置，其中，针对所述第二点云数据和所述第三点云数据中的任一点云数据，所述任一点云数据包括采集设备在至少两个采集参数下采集到的数据；所述对应点云确定子单元用于：
采用NICP点云配准算法对任一点云数据中所述采集设备在至少两个采集参数下采集到的数据进行配准，得到配准点云对；以及
根据所述配准点云对，对所述任一点云数据中所述采集设备在至少两个采集参数下采集到的数据进行拼接，得到所述第一点云数据。
29. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1~14中任一项所述的方法。
30.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1~14中任一项所述的方法。
CN202310213729.6A 2023-03-07 2023-03-07 确定砌筑质量的方法、装置、设备和介质 Active CN116152306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310213729.6A CN116152306B (zh) 2023-03-07 2023-03-07 确定砌筑质量的方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310213729.6A CN116152306B (zh) 2023-03-07 2023-03-07 确定砌筑质量的方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN116152306A CN116152306A (zh) 2023-05-23
CN116152306B true CN116152306B (zh) 2023-11-03

Family

ID=86373578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310213729.6A Active CN116152306B (zh) 2023-03-07 2023-03-07 确定砌筑质量的方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN116152306B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117197135B (zh) * 2023-11-06 2024-02-23 深圳海智创科技有限公司 一种基于激光点云的墙面平整度检测方法和系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019125614A1 (en) * 2017-12-22 2019-06-27 Symbol Technologies, Llc Computing package wall density in commercial trailer loading
CN111915723A (zh) * 2020-08-14 2020-11-10 广东申义实业投资有限公司 一种用于室内的三维全景构建方法和系统
CN111915730A (zh) * 2020-07-20 2020-11-10 北京建筑大学 一种顾及语义从点云自动生成室内三维模型的方法及系统
CN112581421A (zh) * 2019-09-27 2021-03-30 广东博智林机器人有限公司 三维点云处理方法、建筑物检测方法、装置、设备及介质
CN112652016A (zh) * 2020-12-30 2021-04-13 北京百度网讯科技有限公司 点云预测模型的生成方法、位姿估计方法及其装置
CN112785135A (zh) * 2021-01-15 2021-05-11 广州穗能通能源科技有限责任公司 工程质量检验方法、装置、计算机设备和存储介质
WO2021176417A1 (en) * 2020-03-06 2021-09-10 Yembo, Inc. Identifying flood damage to an indoor environment using a virtual representation
CN114255318A (zh) * 2020-09-24 2022-03-29 广东博智林机器人有限公司 户型模型的构建方法、装置、电子设备和存储介质
WO2022173285A1 (en) * 2021-02-11 2022-08-18 Ingenieursbureau Geodelta B.V. Determining deformations of quay walls using a photogrammetric system
CN115239951A (zh) * 2022-06-08 2022-10-25 广东领慧建筑科技有限公司 一种基于点云数据处理的墙面分割识别方法及系统
CN115439543A (zh) * 2022-09-02 2022-12-06 北京百度网讯科技有限公司 孔洞位置的确定方法和元宇宙中三维模型的生成方法
CN115578433A (zh) * 2022-09-30 2023-01-06 北京百度网讯科技有限公司 图像处理方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018039871A1 (zh) * 2016-08-29 2018-03-08 北京清影机器视觉技术有限公司 三维视觉测量数据的处理方法和装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019125614A1 (en) * 2017-12-22 2019-06-27 Symbol Technologies, Llc Computing package wall density in commercial trailer loading
CN112581421A (zh) * 2019-09-27 2021-03-30 广东博智林机器人有限公司 三维点云处理方法、建筑物检测方法、装置、设备及介质
WO2021176417A1 (en) * 2020-03-06 2021-09-10 Yembo, Inc. Identifying flood damage to an indoor environment using a virtual representation
CN111915730A (zh) * 2020-07-20 2020-11-10 北京建筑大学 一种顾及语义从点云自动生成室内三维模型的方法及系统
CN111915723A (zh) * 2020-08-14 2020-11-10 广东申义实业投资有限公司 一种用于室内的三维全景构建方法和系统
CN114255318A (zh) * 2020-09-24 2022-03-29 广东博智林机器人有限公司 户型模型的构建方法、装置、电子设备和存储介质
CN112652016A (zh) * 2020-12-30 2021-04-13 北京百度网讯科技有限公司 点云预测模型的生成方法、位姿估计方法及其装置
CN112785135A (zh) * 2021-01-15 2021-05-11 广州穗能通能源科技有限责任公司 工程质量检验方法、装置、计算机设备和存储介质
WO2022173285A1 (en) * 2021-02-11 2022-08-18 Ingenieursbureau Geodelta B.V. Determining deformations of quay walls using a photogrammetric system
CN115239951A (zh) * 2022-06-08 2022-10-25 广东领慧建筑科技有限公司 一种基于点云数据处理的墙面分割识别方法及系统
CN115439543A (zh) * 2022-09-02 2022-12-06 北京百度网讯科技有限公司 孔洞位置的确定方法和元宇宙中三维模型的生成方法
CN115578433A (zh) * 2022-09-30 2023-01-06 北京百度网讯科技有限公司 图像处理方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LiDAR与影像集成的真实感建筑物三维重建研究进展;程亮;龚健雅;韩文泉;;测绘科学(01);全文 *
基于重复结构检测的三维建筑物精细模型重建;缪永伟;冯小红;于莉洁;陈佳舟;李永水;;软件学报(10);全文 *

Also Published As

Publication number Publication date
CN116152306A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
Wolff et al. Point cloud noise and outlier removal for image-based 3D reconstruction
US20180075285A1 (en) Building datum extraction from laser scanning data
Murali et al. Indoor Scan2BIM: Building information models of house interiors
US20180101932A1 (en) System and method for upsampling of sparse point cloud for 3d registration
US8089480B2 (en) Method for meshing a curved surface
Dorninger et al. 3D segmentation of unstructured point clouds for building modelling
KR20170068462A (ko) 에지를 이용한 3차원 모델 생성
CN108074267B (zh) 交点检测装置及方法、摄像头校正系统及方法及记录介质
US20130127847A1 (en) System and Method for Interactive Image-based Modeling of Curved Surfaces Using Single-view and Multi-view Feature Curves
Khoshelham Automated localization of a laser scanner in indoor environments using planar objects
US9147279B1 (en) Systems and methods for merging textures
CN116152306B (zh) 确定砌筑质量的方法、装置、设备和介质
Kada 3D building generalization based on half-space modeling
Siudak et al. A survey of passive 3D reconstruction methods on the basis of more than one image
CN112258474A (zh) 一种墙面异常检测方法和装置
Alsadik Guided close range photogrammetry for 3D modelling of cultural heritage sites
CN116030103B (zh) 确定砌筑质量的方法、装置、设备和介质
US10937236B1 (en) Mesh smoothing for visual quality and analysis improvement
Farella et al. Quality features for the integration of terrestrial and UAV images
EP2705500A1 (en) Merging three-dimensional models based on confidence scores
CN114299242A (zh) 高精地图中图像处理方法、装置、设备以及存储介质
Cupec et al. Fast 2.5 D Mesh Segmentation to Approximately Convex Surfaces.
CN113379826A (zh) 物流件的体积测量方法以及装置
CN111915666A (zh) 基于移动终端的体积测量方法及装置
JP6761388B2 (ja) 推定装置及びプログラム

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
GR01 Patent grant
GR01 Patent grant