CN116310261B - 三维模型分割方法、装置、设备及存储介质 - Google Patents
三维模型分割方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116310261B CN116310261B CN202310565151.0A CN202310565151A CN116310261B CN 116310261 B CN116310261 B CN 116310261B CN 202310565151 A CN202310565151 A CN 202310565151A CN 116310261 B CN116310261 B CN 116310261B
- Authority
- CN
- China
- Prior art keywords
- triangular
- dimensional model
- target
- determining
- model data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000011218 segmentation Effects 0.000 title claims abstract description 51
- 239000013598 vector Substances 0.000 claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请提供一种三维模型分割方法、装置、设备及存储介质,该方法包括:根据三维模型数据中多个顶点的坐标数据,确定三维模型数据的高度轴和平面坐标轴;根据三维模型数据中多个三角面的坐标数据,确定每个三角面的法向量;计算多个法向量与高度轴的正方向夹角,并根据多个正方向夹角,从多个三角面中筛选出多个目标三角面;确定每个目标三角面与多个三角面的相邻关系;根据多个相邻关系,对多个三角面进行聚集,得到多个三角面集合;确定每个三角面集合在平面坐标轴的数值区间;根据多个数值区间,将三维模型数据分割为多个子三维模型数据。本申请旨在提高三维模型的分割效率,并降低成本。
Description
技术领域
本申请涉及数据处理的技术领域,尤其涉及一种三维模型分割方法、装置、设备及存储介质。
背景技术
目前,室外场景三维建模技术所生成的三维模型是一个整体,包括了地面、山体、道路和建筑等多种元素,工程师需要将各种建筑的三维模型单独提取出来加以编辑,并对编辑好的建筑的外部模型进行整合利用。实际应用中,可以先通过无人机进行航拍并建立整个场景的三维模型,再利用三维编辑软件将每个建筑的三维模型单独分割并提取出来。然而,在一个大范围场景的三维模型中,建筑的数量可能非常多,人工提取单个建筑的三维模型的效率较低,且成本较高。因此,如何提高三维模型数据的分割效率并降低成本成为了亟需解决的问题。
发明内容
本申请的主要目的在于提供一种三维模型分割方法、装置、设备及存储介质,旨在提高三维模型分割的效率,并降低成本。
第一方面,本申请提供一种三维模型分割方法,包括:
获取三维模型数据,所述三维模型数据包括多个顶点和多个三角面;
根据所述多个顶点的坐标数据,确定所述三维模型数据的高度轴和平面坐标轴;
根据所述多个三角面的坐标数据,确定每个所述三角面的法向量;
计算多个所述法向量与所述高度轴的正方向夹角,并根据多个所述正方向夹角,从所述多个三角面中筛选出多个目标三角面;
确定每个所述目标三角面与多个所述三角面的相邻关系;
根据多个所述相邻关系,对所述多个三角面进行聚集,得到多个三角面集合;
确定每个所述三角面集合在所述平面坐标轴的数值区间;
根据多个所述数值区间,将所述三维模型数据分割为多个子三维模型数据。
第二方面,本申请还提供一种三维模型分割装置,其特征在于,所述三维模型分割装置包括:
获取模块,用于获取三维模型数据,所述三维模型数据包括多个顶点和多个三角面;
第一确定模块,用于根据所述多个顶点的坐标数据,确定所述三维模型数据的高度轴和平面坐标轴;
第二确定模块,用于根据所述多个三角面的坐标数据,确定每个所述三角面的法向量;
第一处理模块,用于计算多个所述法向量与所述高度轴的正方向夹角,并根据多个所述正方向夹角,从所述多个三角面中筛选出多个目标三角面;
第三确定模块,用于确定每个所述目标三角面与多个所述三角面的相邻关系;
第二处理模块,用于根据多个所述相邻关系,对所述多个三角面进行聚集,得到多个三角面集合;
第四确定模块,用于确定每个所述三角面集合在所述平面坐标轴的数值区间;
第三处理模块,用于根据多个所述数值区间,将所述三维模型数据分割为多个子三维模型数据。
第三方面,本申请还提供一种计算机设备,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上所述的三维模型分割方法的步骤。
第四方面,本申请还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,其中所述计算机程序被处理器执行时,实现如上所述的三维模型分割方法的步骤。
本申请实施例提供一种三维模型分割方法、装置、设备及存储介质,本申请实施例根据三维模型数据中多个顶点的坐标数据,确定三维模型数据的高度轴和平面坐标轴;通过多个三角面的法向量与高度轴的正方向夹角,能够从三维模型数据中筛选出较为“竖直”的目标三角面,并根据目标三角面与多个三角面的相邻关系,能够将邻近范围内的多个三角面聚集为三角面集合;然后根据三角面集合在平面坐标轴的数值区间确定子三维模型数据的平面覆盖范围,从而能够将三维模型数据分割为多个子三维模型数据。本申请实施例无需依赖特定软硬件进行三维模型提取,且能够批量的对大范围场景的三维模型进行自动化提取,极大的提高了三维模型数据的分割效率,并降低人工成本和时间成本。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种三维模型分割方法的流程示意图;
图2为图1中的三维模型分割方法的一子步骤流程示意图;
图3为图1中的三维模型分割方法的另一子步骤流程示意图;
图4为实施本实施例提供的三维模型分割方法的一场景示意图;
图5为本申请实施例提供的一种三维模型分割装置的示意性框图;
图6为图5中的三维模型分割装置的一子结构示意框图;
图7为图5中的三维模型分割装置的另一子结构示意框图;
图8为本申请实施例提供的一种计算机设备的示意性框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种三维模型分割方法、装置、设备及存储介质。其中,该三维模型分割方法可应用于计算机设备,该计算机设备包括终端设备和服务器,该终端设备可以是手机、平板电脑、笔记本电脑、台式电脑、智能电视等电子设备;该服务器可以为单台的服务器,也可以为由多台服务器组成的服务器集群。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,图1为本申请实施例提供的一种三维模型分割方法的流程示意图。
如图1所示,该三维模型分割方法包括步骤S101至步骤S108。
步骤S101、获取三维模型数据,三维模型数据包括多个顶点和多个三角面。
其中,三维模型数据可以包括多个待分割物体。例如,三维模型数据可以为建筑模型,则待分割物体可以为单体建筑。例如,三维模型数据可以为人物模型,则待分割物体可以为单个人物。例如,三维模型数据可以为街景模型,则待分割物体可以为单个交通工具。
在一实施例中,三维模型数据中的待分割物体包括多个顶点和多个三角面,多个待分割物体的多个顶点和多个三角面组成该三维模型数据。三维模型数据中的多个顶点可以组成一个顶点集合,三维模型数据中的多个三角面可以组成一个三角面集合。
示例性的,对于一个三维模型数据Gi,其定义为Gi=(Vi,Fi),其中Vi代表三维模型模型Gi中的所有顶点的集合,Fi代表三维模型模型Gi中的所有三角面的集合。因为Fi中的三角面均包含三条边,而且本申请实施例无需单独对每条边进行计算,所以此模型定义中可以不包含边。
在一实施例中,三维模型数据中的顶点可以用三维坐标数据来表示。三维模型数据中的三角面可以用其三个顶点各自的编号来表示。
示例性的,对于一个顶点vj,其定义可以为顶点vj=(xj,yj,zj)。其中(xj,yj,zj)表示的三个轴的坐标值,各坐标值的数据类型是有符号浮点数,无数值范围限制。示例性的,对于一个三角面fk,其定义可以为三角面fk={vk1,vk2,vk3}。其中,vk1、vk2、vk3表示这个三角面的三个顶点各自的整数编号。
步骤S102、根据多个顶点的坐标数据,确定三维模型数据的高度轴和平面坐标轴。
具体地,三维模型数据可以位于三维坐标系,该三维坐标系可以包括高度轴和平面坐标轴,该平面坐标轴可以包括横轴和纵轴。基于三维模型数据中多个顶点的坐标数据,可以准确的从三维坐标系中确定三维模型数据的高度轴和平面坐标轴。例如,根据多个顶点的坐标数据(xi,yi,zi),可以确定三维模型数据的高度轴为z轴,以及平面坐标轴包括横轴为x轴、纵轴为y轴。
在一实施例中,对多个顶点的坐标数据在三维坐标轴内的数值范围进行统计;将长度最短的数值范围所对应的一维坐标轴作为高度轴,并将高度轴之外的两维坐标轴作为平面坐标轴。
需要说明的是,对于需要处理的包含整体场景的三维模型数据Gi,可以统计Gi中顶点集合Vi的所有顶点的三个坐标轴的数值范围。在获取到的三个数值范围的长度中,将长度最短的数值范围所对应的坐标轴确定为高度轴,另外两个坐标轴则确定为平面坐标轴,即地平面所在的坐标轴。
示例性的,三维模型数据Gi可以为建筑三维模型数据,在该建筑三维模型数据中设置有多个单体建筑作为待分割物体,单体建筑包括多个顶点。根据多个顶点的三维坐标数据(xi,yi,zi),可以确定长度最短的数值范围所对应的一维坐标轴,并将该维坐标轴确定为高度轴,另外两维坐标轴则确定为平面坐标轴。
步骤S103、根据多个三角面的坐标数据,确定每个三角面的法向量。
确定三维模型数据的高度轴和平面坐标轴之后,可以根据多个三角面的坐标数据,准确的计算出每个三角面的法向量。其中,三角面的法向量可以是根据三角面中的三个顶点的坐标数据进行确定的。
在一些实施例中,根据多个三角面的坐标数据,确定每个三角面的法向量的步骤(步骤S103)可以在根据多个顶点的坐标数据,确定三维模型数据的高度轴和平面坐标轴(步骤S102)之前执行,该步骤S103也可以与步骤S102同步执行,本实施例对此不做具体限定。
在一实施例中,获取三角面的第一顶点坐标、第二顶点坐标和第三顶点坐标;计算第一顶点坐标与第二顶点坐标之间的第一向量,并计算第二顶点坐标与第三顶点坐标之间的第二向量;计算第一向量与第二向量的外积,得到三角面的法向量。
需要说明的是,在三维模型数据Gi中,可以将所有三角面的集合Fi复制一份,生成另一个集合Fc,再计算集合Fc中每个三角面的法向量。法向量的计算方法为:利用三角面的第一个顶点到第二个顶点形成的向量、以及第二个顶点到第三个顶点形成的向量,计算两个向量的外积,将这个外积作为该三角面的法向量。
步骤S104、计算多个法向量与高度轴的正方向夹角,并根据多个正方向夹角,从多个三角面中筛选出多个目标三角面。
其中,该正方向夹角可以为三角面的法向量与平面轴(横轴或纵轴)的正方向之间的夹角,还可以包括高度轴与平面轴(横轴或纵轴)的正方向之间的夹角。根据多个正方向夹角,能够从多个三角面中筛选出较为“竖直”的多个目标三角面,从而用于确定单体的待分割物体的平面范围。
在一实施例中,根据多个正方向夹角,从多个三角面中筛选出多个目标三角面,包括:从多个正方向夹角中选取处于目标夹角区间的目标正方向夹角,目标夹角区间是根据高度轴方向的正方向夹角确定的;从多个三角面中筛选出目标正方向夹角对应的目标三角面。
需要说明的是,高度轴的正方向的夹角数值用于表征与平面坐标轴呈“竖直”方向的正方向夹角。目标夹角区间可以包括高度轴的正方向的夹角数值,目标夹角区间可以根据高度轴的正方向的夹角数值采用对称设置或者非对称设置。根据高度轴的正方向的夹角数值设置目标夹角区间,并从多个三角面中筛选出目标正方向夹角对应的目标三角面,可以筛选出较为“竖直”的目标三角面,从而用于确定待分割物体的平面范围。
例如,高度轴方向的正方向夹角可以为90度,目标夹角区间可以为45度至135度。例如,高度轴方向的正方向夹角可以为90度,目标夹角区间可以为50度至135度。例如,高度轴方向的正方向夹角可以为90度,目标夹角区间可以为50度至140度。本实施例对此不做具体限定。
示例性的,高度轴的正方向的夹角数值为90度,目标夹角区间为[45,135]。对于集合Fc中每个三角面,如果这个三角面的法向量与高度轴的正方向夹角不属于45度到135度的闭区间,那么就将这个三角面移出集合Fc。如果这个三角面的法向量与高度轴的夹角在45度到135度的闭区间,就是说这个面比较“竖直”,可以将该三角面确定为目标三角面。而不属于45度到135度的闭区间的三角面不能用来确定平面范围,因此需要移出集合Fc。
步骤S105、确定每个目标三角面与多个三角面的相邻关系。
其中,每个目标三角面与多个三角面的相邻关系包括每两个目标三角面之间的第一相邻关系以及目标三角面与候选三角面之间的第二相邻关系,该候选三角面为多个三角面中除目标三角面之外的三角面。
由于目标三角面为较为“竖直”的三角面,因此通过目标三角面与多个三角面的相邻关系,能够确定“竖直”的三角面邻近范围内的多个三角面,有利于准确实现待分割物体的三维模型分割。
在一实施例中,如图2所示,步骤S105包括子步骤S1051至子步骤S1054。
子步骤S1051、根据多个目标三角面的坐标数据,确定每两个目标三角面之间的第一相邻关系。
其中,第一相邻关系包括相邻和不相邻。第一相邻关系可以根据每两个目标三角面的坐标数据中的顶点坐标确定,当然也可以根据其他方式确定,例如两个目标三角面的至少一个坐标数据相同,本实施例对此不做具体限定。
在一实施例中,确定两个目标三角面是否存在相同的顶点坐标;若两个目标三角面存在至少一个相同的顶点坐标,则确定两个目标三角面之间的第一相邻关系为相邻;若两个目标三角面不存在相同的顶点坐标,则确定两个目标三角面之间的第一相邻关系为不相邻。
需要说明的是,若两个目标三角面存在至少一个相同的顶点坐标,则可以确定该两个目标三角面相邻,即两个目标三角面之间的第一相邻关系为相邻。若两个目标三角面不存在相同的顶点坐标,则可以确定该两个目标三角面不相邻,即两个目标三角面之间的第一相邻关系为不相邻。
子步骤S1052、选取多个候选三角面,候选三角面为多个三角面中除目标三角面之外的三角面。
其中,在多个三角面中去除多个目标三角面,即可得到多个候选三角面。
子步骤S1053、确定每个目标三角面与多个候选三角面之间的第二相邻关系。
其中,第二相邻关系包括相邻和不相邻。第二相邻关系可以根据目标三角面、候选三角面的坐标数据中的顶点坐标确定,当然也可以根据其他方式确定,本实施例对此不做具体限定。
在一实施例中,确定目标三角面、候选三角面是否存在相同的顶点坐标;若目标三角面、候选三角面存在至少一个相同的顶点坐标,则确定目标三角面、候选三角面之间的第二相邻关系为相邻;若目标三角面、候选三角面不存在相同的顶点坐标,则确定目标三角面、候选三角面之间的第二相邻关系为不相邻。
在一实施例中,按照预设顺序对每个目标三角面进行编号;根据目标三角面的编号,将一个目标三角面并入第一三角面集合,并将目标三角面的编号赋值给三角面变量;从多个候选三角面中确定与目标三角面存在相同顶点坐标的三角面,得到第二三角面集合;以三维模型数据、第一三角面集合、三角面变量、第二三角面集合为参数,调用递归函数进行轮询处理,得到每个目标三角面与多个候选三角面之间的第二相邻关系。
其中,目标三角面的编号可以包括零和正整数,则三角面变量θ可以为零和正整数。或者,目标三角面的编号也可以仅包括正整数,如1、2…N,N为正整数,则三角面变量θ可以仅包括正整数。
需要说明的是,递归函数Recursion_1所需的输入参数有四个,分别是三维模型数据Gi、第一三角面集合Fθ、三角面变量θ与第二三角面集合SA。其中参数Fθ与SA(包括SA中的集合)可被读写。其中,三维模型数据Gi表示是包含整个场景的三维模型,Gi包括所有顶点的集合Vi和所有三角面的集合Fi。第一三角面集合Fθ表示的是一个动态可变化的三角面集合。三角面变量θ表示的是一个整数编号。第二三角面集合SA表示的是一个三角面集合的集合,SA以及它包含的每个三角面集合也是动态可变化的。
示例性的,递归函数Recursion_1的内部计算流程为一个循环,各步骤为:
(1)当Fθ不为空时,进入下一步,否则结束循环。
(2)在Fθ所包含的所有三角面中,选择整数编号最小的三角面fψ,并将这个三角面并入SA中的第θ个集合,然后在Fθ中去除三角面fψ,此操作会更新Fθ与SA。
(3)读取Gi中的Fi,并创建一个空集合FΔ,检查Fi中的每个三角面fε,如果这个三角面fε与三角面fψ相邻(有一个或两个顶点重合),且这个三角面fε不属于SA中的任何一个集合,那就把这个三角面fε并入集合FΔ,此操作会更新集合FΔ。
(4)以Gi、FΔ、θ、SA为参数,调用Recursion_1进行计算。
(5)此循环继续,从步骤1开始下一轮,直至当Fθ为空。
子步骤S1054、合并第一相邻关系和第二相邻关系,得到每个目标三角面与多个三角面的相邻关系。
其中,每个目标三角面与多个三角面的相邻关系包括每两个目标三角面之间的第一相邻关系以及目标三角面与候选三角面之间的第二相邻关系,该候选三角面为多个三角面中除目标三角面之外的三角面。
因此,合并该第一相邻关系和第二相邻关系,即可准确完整的得到每个目标三角面与多个三角面的相邻关系。
步骤S106、根据多个相邻关系,对多个三角面进行聚集,得到多个三角面集合。
需要说明的是,得到每个目标三角面与多个三角面的相邻关系之后,根据多个相邻关系,将相邻关系为相邻的两个三角面(包括两个目标三角面或者包括目标三角面与候选三角面)进行聚集,可以得到多个三角面集合,其中每个三角面集合可以包括多个三角面(包括目标三角面和候选三角面),从而将较为“竖直”的目标三角面邻近范围内的多个三角面聚集为三角面集合。
示例性的,在递归函数Recursion_1的循环结束后,在第二三角面集合SA中查看各个三角面集合的情况,SA集合={S1, S2, ...., Sm}。其中,S1是第一个待分割物体的部分三角面,Sm是第m个待分割物体的部分三角面,这部分三角面用来确定待分割物体的平面范围,则{S1, S2, ...., Sm}为多个三角面集合,m为大于1的正整数。
步骤S107、确定每个三角面集合在平面坐标轴的数值区间。
其中,每个三角面集合可以包括多个三角面,每个三角面在平面坐标轴内占据一定的平面坐标,因此可以统计每个三角面集合在平面坐标轴的数值区间,如三角面集合在平面坐标轴的横轴(x轴)的数值区间以及纵轴(y轴)的数值区间。
示例性的,得到第二三角面集合SA={S1, S2, ...., Sm}后,确定每个三角面集合{S1, S2, ...., Sm}在平面坐标轴的数值区间。对于非空的每个三角面集合,统计这个三角面集合中的所有三角面的顶点在两个地平面坐标轴的坐标数值范围闭区间,得到每个三角面集合在平面坐标轴的数值区间。
步骤S108、根据多个数值区间,将三维模型数据分割为多个子三维模型数据。
需要说明的是,对于非空的每个三角面集合,确定每个三角面集合在平面坐标轴的数值区间之后,可以将地平面方向坐标在数值区间的所有三角面作为一个实例集合,每个实例集合即为一个子三维模型数据。最终,输出各个实例集合所组成的子三维模型数据。
在一实施例中,如图3所示,步骤S108包括子步骤S1081至子步骤S1082。
子步骤S1081、从三维模型数据中确定每个平面坐标轴的数值区间内的多个顶点和多个三角面。
其中,每个平面坐标轴的数值区间内,可以包括多个顶点和多个三角面。
子步骤S1082、将每个平面坐标轴的数值区间内的多个顶点和多个三角面划分为一个子三维模型数据。
需要说明的是,对于非空的每个三角面集合SA={S1, S2, ...., Sm},如果三角面Sm非空,那么Sm里是用来确定此待分割物体的平面范围的第m个部分面,我们这时要把这个平面范围里的多个顶点和多个三角面并进Sm。这样,Sm就变成第m个待分割物体,Sm包括第m个待分割物体的所有的顶点和三角面,我们称它为实例集合或者子三维模型数据。
示例性的,如图4所示,首先获取三维模型数据,该三维模型数据包括多个顶点和多个三角面;通过本申请实施例提供的三维模型分割方法对三维模型数据进行分割,可以得到多个子三维模型数据,多个子三维模型数据包括子三维模型数据1、子三维模型数据2和子三维模型数据3。
需要说明的是,本申请实施例提供的三维模型分割方法包括:根据三维模型数据中多个顶点的坐标数据,确定所述三维模型数据的高度轴和平面坐标轴;根据三维模型数据中多个三角面的坐标数据,确定每个所述三角面的法向量;计算多个所述法向量与所述高度轴的正方向夹角,并根据多个所述正方向夹角,从所述多个三角面中筛选出多个目标三角面;确定每个所述目标三角面与多个所述三角面的相邻关系;根据多个所述相邻关系,对所述多个三角面进行聚集,得到多个三角面集合;确定每个所述三角面集合在所述平面坐标轴的数值区间;根据多个所述数值区间,将所述三维模型数据分割为多个子三维模型数据。
上述实施例提供的三维模型分割方法,根据三维模型数据中多个顶点的坐标数据,确定三维模型数据的高度轴和平面坐标轴;通过多个三角面的法向量与高度轴的正方向夹角,能够从三维模型数据中筛选出较为“竖直”的目标三角面,并根据目标三角面与多个三角面的相邻关系,能够将邻近范围内的多个三角面聚集为三角面集合;然后,根据三角面集合在平面坐标轴的数值区间确定子三维模型数据的平面覆盖范围,从而能够将三维模型数据分割为多个子三维模型数据。本申请实施例无需依赖特定软硬件进行三维模型提取,且能够批量的对大范围场景的三维模型进行自动化提取,极大的提高了三维模型数据的分割效率,并降低人工成本和时间成本。
请参照图5,图5为本申请实施例提供的一种三维模型分割装置的示意性框图。
如图5所示,该三维模型分割装置200,包括:
获取模块201,用于获取三维模型数据,所述三维模型数据包括多个顶点和多个三角面;
第一确定模块202,用于根据所述多个顶点的坐标数据,确定所述三维模型数据的高度轴和平面坐标轴;
第二确定模块203,用于根据所述多个三角面的坐标数据,确定每个所述三角面的法向量;
第一处理模块204,用于计算多个所述法向量与所述高度轴的正方向夹角,并根据多个所述正方向夹角,从所述多个三角面中筛选出多个目标三角面;
第三确定模块205,用于确定每个所述目标三角面与多个所述三角面的相邻关系;
第二处理模块206,用于根据多个所述相邻关系,对所述多个三角面进行聚集,得到多个三角面集合;
第四确定模块207,用于确定每个所述三角面集合在所述平面坐标轴的数值区间;
第三处理模块208,用于根据多个所述数值区间,将所述三维模型数据分割为多个子三维模型数据。
在一实施例中,所述第一确定模块202,还用于:
对所述多个顶点的坐标数据在三维坐标轴内的数值范围进行统计;
将长度最短的数值范围所对应的一维坐标轴作为高度轴,并将所述高度轴之外的两维坐标轴作为平面坐标轴。
在一实施例中,所述第二确定模块203,还用于:
获取所述三角面的第一顶点坐标、第二顶点坐标和第三顶点坐标;
计算所述第一顶点坐标与所述第二顶点坐标之间的第一向量,并计算所述第二顶点坐标与所述第三顶点坐标之间的第二向量;
计算所述第一向量与所述第二向量的外积,得到所述三角面的法向量。
在一实施例中,所述第一处理模块204,还用于:
从多个所述正方向夹角中选取处于目标夹角区间的目标正方向夹角,所述目标夹角区间是根据所述高度轴方向的正方向夹角确定的;
从所述多个三角面中筛选出所述目标正方向夹角对应的目标三角面。
在一实施例中,如图6所示,所述第三确定模块205,还包括:
第一确定子模块2051,用于根据多个所述目标三角面的坐标数据,确定每两个所述目标三角面之间的第一相邻关系;
选取子模块2052,用于选取多个候选三角面,所述候选三角面为多个所述三角面中除所述目标三角面之外的三角面;
第二确定子模块2053,用于确定每个所述目标三角面与所述多个候选三角面之间的第二相邻关系;
合并子模块2054,用于合并所述第一相邻关系和所述第二相邻关系,得到每个所述目标三角面与多个所述三角面的相邻关系。
在一实施例中,所述第一确定子模块2051,还用于:
确定两个所述目标三角面是否存在相同的顶点坐标;
若两个所述目标三角面存在至少一个相同的顶点坐标,则确定两个所述目标三角面之间的第一相邻关系为相邻;
若两个所述目标三角面不存在相同的顶点坐标,则确定两个所述目标三角面之间的第一相邻关系为不相邻。
在一实施例中,所述第二确定子模块2053,还用于:
按照预设顺序对每个所述目标三角面进行编号;
根据所述目标三角面的编号,将一个所述目标三角面并入第一三角面集合,并将所述目标三角面的编号赋值给三角面变量;
从所述多个候选三角面中确定与所述目标三角面存在相同顶点坐标的三角面,得到第二三角面集合;
以所述三维模型数据、第一三角面集合、三角面变量、第二三角面集合为参数,调用递归函数进行轮询处理,得到每个所述目标三角面与所述多个候选三角面之间的第二相邻关系。
在一实施例中,如图7所示,所述第三处理模块208,还包括:
确定子模块2081,用于从所述三维模型数据中确定每个所述平面坐标轴的数值区间内的多个顶点和多个三角面;
划分子模块2082,用于将每个所述平面坐标轴的数值区间内的多个顶点和多个三角面划分为一个子三维模型数据。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述三维模型分割装置的具体工作过程,可以参考前述三维模型分割方法实施例中的对应过程,在此不再赘述。
请参阅图8,图8为本申请实施例提供的一种计算机设备的结构示意性框图。
如图8所示,该计算机设备300包括通过系统总线301连接的处理器302、存储器303,其中,存储器303可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器302执行任意一种三维模型分割方法。
处理器302用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器302执行时,可使得处理器302执行任意一种三维模型分割方法。
本领域技术人员可以理解,图8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。
应当理解的是,处理器302可以是中央处理单元 (Central Processing Unit,CPU),该处理器302还可以是其他通用处理器、数字信号处理器 (Digital SignalProcessor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器,或者该处理器302也可以是任何常规的处理器等。
其中,在一个实施例中,所述处理器302用于运行存储在存储器303中的计算机程序,以实现如下步骤:
获取三维模型数据,所述三维模型数据包括多个顶点和多个三角面;
根据所述多个顶点的坐标数据,确定所述三维模型数据的高度轴和平面坐标轴;
根据所述多个三角面的坐标数据,确定每个所述三角面的法向量;
计算多个所述法向量与所述高度轴的正方向夹角,并根据多个所述正方向夹角,从所述多个三角面中筛选出多个目标三角面;
确定每个所述目标三角面与多个所述三角面的相邻关系;
根据多个所述相邻关系,对所述多个三角面进行聚集,得到多个三角面集合;
确定每个所述三角面集合在所述平面坐标轴的数值区间;
根据多个所述数值区间,将所述三维模型数据分割为多个子三维模型数据。
在一个实施例中,所述处理器302在实现所述根据所述多个顶点的坐标数据,确定所述三维模型数据的高度轴和平面坐标轴,用于实现:
对所述多个顶点的坐标数据在三维坐标轴内的数值范围进行统计;
将长度最短的数值范围所对应的一维坐标轴作为高度轴,并将所述高度轴之外的两维坐标轴作为平面坐标轴。
在一个实施例中,所述处理器302在实现所述根据所述多个三角面的坐标数据,确定每个所述三角面的法向量时,用于实现:
获取所述三角面的第一顶点坐标、第二顶点坐标和第三顶点坐标;
计算所述第一顶点坐标与所述第二顶点坐标之间的第一向量,并计算所述第二顶点坐标与所述第三顶点坐标之间的第二向量;
计算所述第一向量与所述第二向量的外积,得到所述三角面的法向量。
在一个实施例中,所述处理器302在实现所述根据多个所述正方向夹角,从所述多个三角面中筛选出多个目标三角面时,用于实现:
从多个所述正方向夹角中选取处于目标夹角区间的目标正方向夹角,所述目标夹角区间是根据所述高度轴方向的正方向夹角确定的;
从所述多个三角面中筛选出所述目标正方向夹角对应的目标三角面。
在一个实施例中,所述高度轴方向的正方向夹角为90度,所述目标夹角区间为45度至135度。
在一个实施例中,所述处理器302在实现所述根据多个所述数值区间,将所述三维模型数据分割为多个子三维模型数据时,用于实现:
从所述三维模型数据中确定每个所述平面坐标轴的数值区间内的多个顶点和多个三角面;
将每个所述平面坐标轴的数值区间内的多个顶点和多个三角面划分为一个子三维模型数据。
在一个实施例中,所述处理器302在实现所述确定每个所述目标三角面与多个所述三角面的相邻关系时,用于实现:
根据多个所述目标三角面的坐标数据,确定每两个所述目标三角面之间的第一相邻关系;
选取多个候选三角面,所述候选三角面为多个所述三角面中除所述目标三角面之外的三角面;
确定每个所述目标三角面与所述多个候选三角面之间的第二相邻关系;
合并所述第一相邻关系和所述第二相邻关系,得到每个所述目标三角面与多个所述三角面的相邻关系。
在一个实施例中,所述处理器302在实现所述根据多个所述目标三角面的坐标数据,确定每两个所述目标三角面之间的第一相邻关系时,用于实现:
确定两个所述目标三角面是否存在相同的顶点坐标;
若两个所述目标三角面存在至少一个相同的顶点坐标,则确定两个所述目标三角面之间的第一相邻关系为相邻;
若两个所述目标三角面不存在相同的顶点坐标,则确定两个所述目标三角面之间的第一相邻关系为不相邻。
在一个实施例中,所述处理器302在实现所述确定每个所述目标三角面与所述多个候选三角面之间的第二相邻关系时,用于实现:
按照预设顺序对每个所述目标三角面进行编号;
根据所述目标三角面的编号,将一个所述目标三角面并入第一三角面集合,并将所述目标三角面的编号赋值给三角面变量;
从所述多个候选三角面中确定与所述目标三角面存在相同顶点坐标的三角面,得到第二三角面集合;
以所述三维模型数据、第一三角面集合、三角面变量、第二三角面集合为参数,调用递归函数进行轮询处理,得到每个所述目标三角面与所述多个候选三角面之间的第二相邻关系。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述计算机设备的具体工作过程,可以参考前述三维模型分割方法实施例中的对应过程,在此不再赘述。
本申请实施例还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,所述计算机程序中包括程序指令,所述程序指令被执行时所实现的方法可参照本申请三维模型分割方法的各个实施例。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)等。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种三维模型分割方法,其特征在于,包括:
获取三维模型数据,所述三维模型数据包括多个顶点和多个三角面;
根据所述多个顶点的坐标数据,确定所述三维模型数据的高度轴和平面坐标轴;
根据所述多个三角面的坐标数据,确定每个所述三角面的法向量;
计算多个所述法向量与所述高度轴的正方向夹角,并根据多个所述正方向夹角,从所述多个三角面中筛选出多个目标三角面;
确定每个所述目标三角面与多个三角面的相邻关系,所述相邻关系包括每两个所述目标三角面之间的第一相邻关系以及每个所述目标三角面与候选三角面之间的第二相邻关系,所述候选三角面为所述多个三角面中除所述目标三角面之外的三角面;
根据多个所述相邻关系,对所述多个三角面进行聚集,得到多个三角面集合;
统计每个所述三角面集合中的所有三角面的顶点在所述平面坐标轴的坐标数值范围闭区间,得到每个所述三角面集合在所述平面坐标轴的数值区间;
根据多个所述数值区间,将所述三维模型数据分割为多个子三维模型数据。
2.如权利要求1所述的三维模型分割方法,其特征在于,所述根据所述多个顶点的坐标数据,确定所述三维模型数据的高度轴和平面坐标轴,包括:
对所述多个顶点的坐标数据在三维坐标轴内的数值范围进行统计;
将长度最短的数值范围所对应的一维坐标轴作为高度轴,并将所述高度轴之外的两维坐标轴作为平面坐标轴。
3.如权利要求1所述的三维模型分割方法,其特征在于,所述根据所述多个三角面的坐标数据,确定每个所述三角面的法向量,包括:
获取所述三角面的第一顶点坐标、第二顶点坐标和第三顶点坐标;
计算所述第一顶点坐标与所述第二顶点坐标之间的第一向量,并计算所述第二顶点坐标与所述第三顶点坐标之间的第二向量;
计算所述第一向量与所述第二向量的外积,得到所述三角面的法向量。
4.如权利要求1所述的三维模型分割方法,其特征在于,所述根据多个所述正方向夹角,从所述多个三角面中筛选出多个目标三角面,包括:
从多个所述正方向夹角中选取处于目标夹角区间的目标正方向夹角,所述目标夹角区间是根据所述高度轴方向的正方向夹角确定的;
从所述多个三角面中筛选出所述目标正方向夹角对应的目标三角面。
5.如权利要求4所述的三维模型分割方法,其特征在于,所述高度轴方向的正方向夹角为90度,所述目标夹角区间为45度至135度。
6.如权利要求1所述的三维模型分割方法,其特征在于,所述根据多个所述数值区间,将所述三维模型数据分割为多个子三维模型数据,包括:
从所述三维模型数据中确定每个所述平面坐标轴的数值区间内的多个顶点和多个三角面;
将每个所述平面坐标轴的数值区间内的多个顶点和多个三角面划分为一个子三维模型数据。
7.如权利要求1-6中任一项所述的三维模型分割方法,其特征在于,所述确定每个所述目标三角面与多个三角面的相邻关系,包括:
根据多个所述目标三角面的坐标数据,确定每两个所述目标三角面之间的第一相邻关系;
选取多个候选三角面,所述候选三角面为多个所述三角面中除所述目标三角面之外的三角面;
确定每个所述目标三角面与所述多个候选三角面之间的第二相邻关系;
合并所述第一相邻关系和所述第二相邻关系,得到每个所述目标三角面与多个三角面的相邻关系。
8.如权利要求7所述的三维模型分割方法,其特征在于,所述根据多个所述目标三角面的坐标数据,确定每两个所述目标三角面之间的第一相邻关系,包括:
确定两个所述目标三角面是否存在相同的顶点坐标;
若两个所述目标三角面存在至少一个相同的顶点坐标,则确定两个所述目标三角面之间的第一相邻关系为相邻;
若两个所述目标三角面不存在相同的顶点坐标,则确定两个所述目标三角面之间的第一相邻关系为不相邻。
9.如权利要求7所述的三维模型分割方法,其特征在于,所述确定每个所述目标三角面与所述多个候选三角面之间的第二相邻关系,包括:
按照预设顺序对每个所述目标三角面进行编号;
根据所述目标三角面的编号,将一个所述目标三角面并入第一三角面集合,并将所述目标三角面的编号赋值给三角面变量;
从所述多个候选三角面中确定与所述目标三角面存在相同顶点坐标的三角面,得到第二三角面集合;
以所述三维模型数据、第一三角面集合、三角面变量、第二三角面集合为参数,调用递归函数进行轮询处理,得到每个所述目标三角面与所述多个候选三角面之间的第二相邻关系。
10.一种三维模型分割装置,其特征在于,所述三维模型分割装置包括:
获取模块,用于获取三维模型数据,所述三维模型数据包括多个顶点和多个三角面;
第一确定模块,用于根据所述多个顶点的坐标数据,确定所述三维模型数据的高度轴和平面坐标轴;
第二确定模块,用于根据所述多个三角面的坐标数据,确定每个所述三角面的法向量;
第一处理模块,用于计算多个所述法向量与所述高度轴的正方向夹角,并根据多个所述正方向夹角,从所述多个三角面中筛选出多个目标三角面;
第三确定模块,用于确定每个所述目标三角面与多个三角面的相邻关系,所述相邻关系包括每两个所述目标三角面之间的第一相邻关系以及每个所述目标三角面与候选三角面之间的第二相邻关系,所述候选三角面为所述多个三角面中除所述目标三角面之外的三角面;
第二处理模块,用于根据多个所述相邻关系,对所述多个三角面进行聚集,得到多个三角面集合;
第四确定模块,用于统计每个所述三角面集合中的所有三角面的顶点在所述平面坐标轴的坐标数值范围闭区间,得到每个所述三角面集合在所述平面坐标轴的数值区间;
第三处理模块,用于根据多个所述数值区间,将所述三维模型数据分割为多个子三维模型数据。
11.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至9中任一项所述的三维模型分割方法。
12.一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,其中所述计算机程序被处理器执行时,实现如权利要求1至9中任一项所述的三维模型分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310565151.0A CN116310261B (zh) | 2023-05-19 | 2023-05-19 | 三维模型分割方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310565151.0A CN116310261B (zh) | 2023-05-19 | 2023-05-19 | 三维模型分割方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116310261A CN116310261A (zh) | 2023-06-23 |
CN116310261B true CN116310261B (zh) | 2023-08-08 |
Family
ID=86803570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310565151.0A Active CN116310261B (zh) | 2023-05-19 | 2023-05-19 | 三维模型分割方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116310261B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914571A (zh) * | 2014-04-25 | 2014-07-09 | 南京大学 | 一种基于网格分割的三维模型检索方法 |
US8954295B1 (en) * | 2011-08-10 | 2015-02-10 | Trimble Navigation Limited | Determining an outer shell of a composite three-dimensional model |
CN110009751A (zh) * | 2019-04-01 | 2019-07-12 | 贝壳技术有限公司 | 一种房屋虚拟三维模型的楼层分割方法及装置 |
CN110633517A (zh) * | 2019-09-03 | 2019-12-31 | 江西博微新技术有限公司 | 一种用于三维场景的高效切片方法 |
CN115063568A (zh) * | 2022-04-22 | 2022-09-16 | 深圳市其域创新科技有限公司 | 三维模型分割方法、装置、计算设备及计算机可读存储介质 |
WO2023029619A1 (zh) * | 2021-08-30 | 2023-03-09 | 深圳市纵维立方科技有限公司 | 三维模型的切片方法、打印方法及相关设备 |
-
2023
- 2023-05-19 CN CN202310565151.0A patent/CN116310261B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8954295B1 (en) * | 2011-08-10 | 2015-02-10 | Trimble Navigation Limited | Determining an outer shell of a composite three-dimensional model |
CN103914571A (zh) * | 2014-04-25 | 2014-07-09 | 南京大学 | 一种基于网格分割的三维模型检索方法 |
CN110009751A (zh) * | 2019-04-01 | 2019-07-12 | 贝壳技术有限公司 | 一种房屋虚拟三维模型的楼层分割方法及装置 |
CN110633517A (zh) * | 2019-09-03 | 2019-12-31 | 江西博微新技术有限公司 | 一种用于三维场景的高效切片方法 |
WO2023029619A1 (zh) * | 2021-08-30 | 2023-03-09 | 深圳市纵维立方科技有限公司 | 三维模型的切片方法、打印方法及相关设备 |
CN115063568A (zh) * | 2022-04-22 | 2022-09-16 | 深圳市其域创新科技有限公司 | 三维模型分割方法、装置、计算设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
激光加工中三维对象的区域分割算法;王福洋;中国优秀硕士学位论文全文数据库基础科学辑;A005-283 * |
Also Published As
Publication number | Publication date |
---|---|
CN116310261A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112669463B (zh) | 三维点云的曲面重建方法、计算机设备和计算机可读存储介质 | |
CN110930503B (zh) | 一种服装三维模型建立方法、系统、存储介质及电子设备 | |
CN109344750B (zh) | 一种基于结构描述子的复杂结构三维对象识别方法 | |
CN116310261B (zh) | 三维模型分割方法、装置、设备及存储介质 | |
CN113379826A (zh) | 物流件的体积测量方法以及装置 | |
CN111079223B (zh) | 一种遮挡区域确定方法、装置、设备及存储介质 | |
CN112002007A (zh) | 基于空地影像的模型获取方法及装置、设备、存储介质 | |
CN115033972B (zh) | 一种建筑主体结构批量单体化方法、系统及可读存储介质 | |
CN116681857A (zh) | 一种空间碰撞检测方法、装置及电子设备 | |
CN113191310B (zh) | 矢量pdf图纸实体填充的边界识别方法、装置及设备 | |
KR20010046823A (ko) | 정렬되지 않은 3차원 거리 데이터로부터 캐드모델 생성 방법 | |
US11120621B2 (en) | Systems and methods for applying partial updates to point cloud terrain | |
CN115330960A (zh) | 一种实景三维建模方法、装置、服务器和存储介质 | |
Ochmann et al. | Automatic normal orientation in point clouds of building interiors | |
CN117197361B (zh) | 实景三维数据库构建方法、电子设备和计算机可读介质 | |
CN116091365B (zh) | 基于三角面的三维模型缺口修复方法、装置、设备及介质 | |
CN114648621B (zh) | 一种地面点云快速滤波方法、装置、设备及存储介质 | |
CN116310533A (zh) | 一种实景三维模型的分类方法、装置及设备 | |
CN110727755B (zh) | 一种地物形状规则化方法、电子设备及存储介质 | |
CN116681767B (zh) | 一种点云搜索方法、装置及终端设备 | |
CN113313101B (zh) | 一种建筑物轮廓自动聚合方法、装置、设备及存储介质 | |
Asano et al. | A small-space algorithm for removing small connected components from a binary image | |
de Berg et al. | Quadtrees: Non-Uniform Mesh Generation | |
CN115482366A (zh) | 一种三维建筑模型的可视空间索引构建方法、装置及设备 | |
CN117392057A (zh) | 点云地面评估方法、装置和存储介质 |
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 |