CN116704144A - 一种基于bim协同设计平台的实景建模方法和系统 - Google Patents
一种基于bim协同设计平台的实景建模方法和系统 Download PDFInfo
- Publication number
- CN116704144A CN116704144A CN202310689465.1A CN202310689465A CN116704144A CN 116704144 A CN116704144 A CN 116704144A CN 202310689465 A CN202310689465 A CN 202310689465A CN 116704144 A CN116704144 A CN 116704144A
- Authority
- CN
- China
- Prior art keywords
- image
- bim
- building
- target
- model
- 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 37
- 238000013461 design Methods 0.000 title claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 12
- 235000002245 Penicillium camembertii Nutrition 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000003702 image correction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241000221696 Sclerotinia sclerotiorum Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种基于BIM协同设计平台的实景建模方法和系统,其中方法包括:获取针对于待建模区域的航拍视频流;针对所述视频流进行预处理,得到原始图像,其中,所述原始图像包括原始位置信息;根据原始图像、航拍视角,构建建筑物的白膜;使用已知的像素值来估计所述原始图像缺失或损坏的像素值,进而生成纹理图像,基于所述纹理图像与所述白膜进行纹理映射,生成所述目标建筑物的构件文件;构建BIM初始模型,根据BIM初始模型获取所述构件文件;对所述BIM初始模型进行参数化处理,使所述BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型,通过BIM协同设计实景建模,可生成高精细度的三维模型,以用于智慧城市建设。
Description
技术领域
本发明涉及建筑技术领域,尤其涉及一种基于BIM协同设计平台的实景建模方法和系统。
背景技术
随着数字城市的不断发展城市的三维模型逐渐取代城市的二维地图,成为城市规划、城市管理、交通导航等领域的基础地理空间信息表达形式。传统的建筑物的三维建模通过目估或人工量测获取建筑物高后进行建模,存在高程信息缺乏、建筑物模型精度差、纹理精细度差等问题。
发明内容
本发明实施例提供了一种基于BIM协同设计平台的实景建模方法,所述方法包括:
获取针对于待建模区域的航拍视频流;
针对所述视频流进行预处理,得到原始图像,其中,所述原始图像包括原始位置信息;
根据原始图像、航拍视角,构建建筑物的白膜;
使用已知的像素值来估计所述原始图像缺失或损坏的像素值,进而生成纹理图像;
基于所述纹理图像与所述白膜进行纹理映射,生成所述目标建筑物的构件文件;
构建BIM初始模型,根据BIM初始模型获取所述构件文件;
对所述BIM初始模型进行参数化处理,使所述BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型。
在一可实施方式中,所述根据原始图像、航拍视角,构建建筑物的白膜,包括:
基于所述原始图像的航拍视角,对所述原始图像进行分组;
逐组提取所述目标对象的特征信息;
将包含所述目标建筑物的原始图像作为目标图像;
结合所述目标建筑物的特征信息和所述目标图像的原始位置信息,构建所述目标建筑物的白模。
在一可实施方式中,所述结合所述目标建筑物的特征信息和所述目标图像的原始位置信息,构建所述目标建筑物的白模,包括:
根据每一所述目标图像的原始位置信息,得到所述目标建筑物的单一位置信息;
所述目标对象还包括辅助参考物;
基于所述目标建筑物的单一位置信息和所述目标建筑物的特征信息,得到所述目标建筑物的初始白模;
通过所述辅助参考物的特征信息确定所述目标建筑物的楼层特征;
根据所述楼层特征对所述初始白模进行优化,得到所述目标建筑物的白模。
在一可实施方式中,在使用已知的像素值来估计缺失或损坏的像素值之前,所述方法还包括:
还获取仰拍图像;
基于所述仰拍图像和原始图像,对所述目标图像进行图像矫正,得到所述目标建筑物的各个面的正视纹理图像。
对同一面的多个所述正视纹理图像进行图像融合,得到待修复的纹理图像;
基于所述辅助图像,修复所述待修复的纹理图像的表面纹理,生成所述目标纹理图像。
在一可实施方式中,所述方法还包括:
根据工程量统计要求和需求建立构件信息表,对需要改动的构件进行变动,构建构件模型。
在一可实施方式中,所述方法还包括:
所述BIM初始模型根据所得的构件模型和对应的位置信息进行自主变动,输出BIM工程量模型。
在一可实施方式中,所述针对所述视频流进行预处理,得到原始图像,包括:
使用视频编解码器读取所述视频流,并获取所述视频流的帧率和分辨率信息;
逐帧提取视频流中的图像,并将其保存为单独的原始图片。
在一可实施方式中,在将其保存为单独的原始图片之后,所述方法还包括:
对原始图片进行处理和调整,以将所述原始图片转换为预定的尺寸大小。
在一可实施方式中,使用已知的像素值来估计所述原始图像缺失或损坏的像素值的步骤中,其公式为:f(x,y)=(1-dx)(1-dy)f(x0,y0)+dx(1-dy)f(x1,y0)+(1-dx)dyf(x0,y1)+dxdyf(x1,y1),其中,dx和dy表示目标像素位置相对于已知像素位置的距离,f(x0,y0)、f(x1,y0)、f(x0,y1)、f(x1,y1)分别表示已知像素的值。
本发明另一方面提供一种基于BIM协同设计平台的实景建模系统,所述系统包括:
获取模块,用于获取针对于待建模区域的航拍视频流;
预处理模块,用于针对所述视频流进行预处理,得到原始图像,其中,所述原始图像包括原始位置信息;
初模型构建模块,用于根据原始图像、航拍视角,构建建筑物的白膜;
图像修复模块,用于使用已知的像素值来估计所述原始图像缺失或损坏的像素值,进而生成纹理图像;
映射模块,用于基于所述纹理图像与所述白膜进行纹理映射,生成所述目标建筑物的构件文件;
BIM构建模块,用于构建BIM初始模型,根据BIM初始模型获取所述构件文件;
BIM输出模块,用于对所述BIM初始模型进行参数化处理,使所述BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型。
在本发明实施例中,通过获取针对于待建模区域的航拍视频流;针对所述视频流进行预处理,得到原始图像,其中,所述原始图像包括原始位置信息;根据原始图像、航拍视角,构建建筑物的白膜;使用已知的像素值来估计所述原始图像缺失或损坏的像素值,进而生成纹理图像;基于所述纹理图像与所述白膜进行纹理映射,生成所述目标建筑物的构件文件;构建BIM初始模型,根据BIM初始模型获取所述构件文件;对所述BIM初始模型进行参数化处理,使所述BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型。通过BIM协同设计实景建模,可生成高精细度的三维模型,以用于智慧城市建设。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1为本发明实施例一种基于BIM协同设计平台的实景建模方法的实现流程示意图;
图2为本发明实施例一种基于BIM协同设计平台的实景建模系统的结构组成图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,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,而非全部实施例。基于本发明中的实施例,本领域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,都属于本发明保护的范围。
如图1所示,本发明提供一种基于BIM协同设计平台的实景建模方法,其特征在于,方法包括:
步骤101,获取针对于待建模区域的航拍视频流;
步骤102,针对视频流进行预处理,得到原始图像,其中,原始图像包括原始位置信息;
步骤103,根据原始图像、航拍视角,构建建筑物的白膜;
步骤104,使用已知的像素值来估计原始图像缺失或损坏的像素值,进而生成纹理图像,其公式为:f(x,y)=(1-dx)(1-dy)f(x0,y0)+dx(1-dy)f(x1,y0)+(1-dx)dyf(x0,y1)+dxdyf(x1,y1),其中,dx和dy表示目标像素位置相对于已知像素位置的距离,f(x0,y0)、f(x1,y0)、f(x0,y1)、f(x1,y1)分别表示已知像素的值;
步骤105,基于纹理图像与白膜进行纹理映射,生成目标建筑物的构件文件;
步骤106,构建BIM初始模型,根据BIM初始模型获取构件文件;
步骤107,对BIM初始模型进行参数化处理,使BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型。
本实施例中,城市精细三维建模被广泛应用于智慧城市、机器人导航/自动驾驶、数字文化遗产、建筑BIM、3D动画影视制作、虚拟现实(VR/AR)等领域,尤其是基于从数字城市到智慧城市的发展需求,多细节层次的城市精细三维建模已经成为研究的热点。多视倾斜摄影测量作为当前城市精细实景三维建模的主要方式,为了实现重建目标最佳建模效果,需要尽可能多地采集目标各个角度影像,然而也无法完全摆脱三维重建场景时存在的因建筑物遮挡以及多视影像纹理融合导致的纹理遮挡变形模糊等问题,影响到城市实景三维重建的完整性及准确度。
基于此,本发明提出了一种基于BIM协同设计平台的实景建模方法,在步骤101中,视频流是获取到的通过摄像头拍摄的影像。由于需要基于视频流的位置信息构建白模,因此,可以使用无人机执行航飞任务,基于模型构建需求,对待建模区域进行执飞任务,或者绕飞目标建筑物并拍摄视频,拍摄过程中还实时记录位置信息,位置信息包括基于全球卫星定位得到的经纬度、距离地面高度和相机参数。
在步骤102中,使用视频编解码器读取视频流并获取视频流的帧率和分辨率信息;
逐帧提取视频流中的图像,并将其保存为单独的原始图片;
对原始图片进行处理和调整,以将所述原始图片转换为预定的尺寸大小。其中,调整图片尺寸的公式为:新宽度=原宽度x缩放比例,新高度=原高度x缩放比例。其中,缩放比例可以是一个小数,表示缩小的比例,也可以是一个大于1的整数,表示放大的倍数。例如,将一张宽度为1000像素,高度为500像素的图片缩小为原来的一半,即缩放比例为0.5,则新的宽度为500像素,新的高度为250像素。将修改后的图片保存为单独的原始图片。
在步骤103中,视频流分解为单帧的原始图像之后,根据原始图像、航拍视角,构建建筑物的白膜,白膜的具体生成过程会在下文中详细讲解。
在步骤104中,在该步骤中,需要对原始图像进行纹理处理,进而生成对应的纹理图像,主要用于修复缺失的或者损坏的像素值,具体通过这个公式f(x,y)=(1-dx)(1-dy)f(x0,y0)+dx(1-dy)f(x1,y0)+(1-dx)dyf(x0,y1)+dxdyf(x1,y1),其中,dx和dy表示目标像素位置相对于已知像素位置的距离,f(x0,y0)、f(x1,y0)、f(x0,y1)、f(x1,y1)分别表示已知像素的值。通过遍历原始图像中的各个像素点,便可以通过该公式对原始图像中缺失或者损坏的像素值进行修复。
在步骤105中,将修复后的纹理图像渲染到白膜,以构成高精细度的三维模型,该三维模型主要为如建筑中桩、板、墙等的构件文件。
在步骤106中,在实际应用中,获取或者构建BIM初始模型,可以是设计单位根据建筑工程项目建筑和结构专业初步设计,以及建筑和结构专业施工图设计而生成的BIM设计模型。对获取的BIM设计模型是否满足土建BIM工程量模型的要求进行检查,对BIM设计模型执行土建BIM工程量模型的标准化处理。根据BIM建模标准化处理,可以保证模型的精度要求,并将BIM初始模型经构件分类表达,有利于构件模型的信息交流。
BIM设计模型的检查方法具体为,根据土建工程量统计规范,对BIM设计模型中的所有二次结构和预制预埋构件进行建模检查,并对未建模的二次结构和预制预埋构件进行建模;根据预设的规则,对BIM设计模型中的所有重叠构件执行扣减处理,获得BIM初始模型。
BIM初始模型中所有的参数化构件是通过分层建模创建的,即逐层构建各参数化构件,而不是直接拉通创建,如土建中的柱、墙等构件。以墙为例,绘制墙体时,选择顶部约束为:底部限制条件的相邻标高,不能为跨层标高。如果不遵守标准化构建流程来构建BIM模型,可能并不影响其作为BIM初始模型或BIM工程模型的使用功能,但当统计工程量时会出现问题,需要重新建模才能满足工程量统计要求,存在大量重复工作。
BIM初始模型中的所有二次结构和预制预埋构件都是需要建模的,因为在BIM设计模型中或者不用于算量的BIM工程模型中,这些构件并不影响作为BIM模型实现其设计或管理功能,但是在工程量统计工作中,这些构件是需要统计的,其中,包括构造柱、过梁、圈梁、止水反梁、女儿墙、压顶、填充墙、隔墙、预制构件、预埋构件、节点等。
在步骤107中,对BIM初始模型进行参数化处理,使BIM初始模型与各构件建立关联的方法包括:将BIM初始模型中的属性信息和三维模型中的梁、板、柱、墙及机电管线建立关联关系;BIM初始模型中包含若干构件的三维模型和模型信息统计表,通过使用BIM初始模型中构件包含的唯一识别的ID作为纽带,将三维模型与二维信息相关联。将BIM初始模型中各构件的三维模型与属性信息进行关联,便于对BIM初始模型中的构件变动时,通过ID纽带准确的替换。
由此,通过获取针对于待建模区域的航拍视频流;针对所述视频流进行预处理,得到原始图像,其中,所述原始图像包括原始位置信息;根据原始图像、航拍视角,构建建筑物的白膜;使用已知的像素值来估计所述原始图像缺失或损坏的像素值,进而生成纹理图像;基于所述纹理图像与所述白膜进行纹理映射,生成所述目标建筑物的构件文件;构建BIM初始模型,根据BIM初始模型获取所述构件文件;对所述BIM初始模型进行参数化处理,使所述BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型。通过BIM协同设计实景建模,可生成高精细度的三维模型,以用于智慧城市建设。
在一可实施方式中,根据原始图像、航拍视角,构建建筑物的白膜,包括:
基于原始图像的航拍视角,对原始图像进行分组;
逐组提取目标对象的特征信息;
将包含目标建筑物的原始图像作为目标图像;
结合目标建筑物的特征信息和目标图像的原始位置信息,构建目标建筑物的白模。
本实施例中,在识别原始图像时,为了提高识别速度,基于所述原始图像的拍摄视角,对所述原始图像进行分组;由于同一航向中拍摄的目标对象次数较为密集,因此将获取到的无人机基于同一航向拍摄的原始图像归为一组,以提升特征信息的提取速度。具体的,无人机在一段时间内的飞行轨迹为直线,则认定无人机在这段时间内拍摄的原始图像为同一航向的原始图像,将其归为同一组。
逐组提取所述目标对象的特征信息,标记包括目标对象的所述原始图像,得到目标图像。其中,特征信息包括关键特征点,比如目标对象的外轮廓、边缘、拐角等。
将同一组中的所有原始图像的特征信息均提取完毕之后,才会提取下一组中的所有原始图像的特征信息。同一组的原始图像,相邻两帧原始图像中的目标对象的距离及形状差距都很小,可以有效加快特征信息的识别。其中,目标对象包括目标建筑物和辅助参考物,所述辅助参考物包括墙面、窗户、屋顶水房、树木等。
通过目标识别模型提取目标对象的特征信息和标记包括目标对象的原始图像。具体的,获取多个第一样本图像,在第一样本图像中标记其中的建筑、墙面、窗户、屋顶水房等辅助参考物以构建第一样本训练集。构建目标识别模型,并通过第一样本集进行训练,以识别目标对象并对目标对象的特征信息进行识别提取。
结合目标建筑物的特征信息和目标图像的原始位置信息,构建目标建筑物的白模。
在一可实施方式中,结合目标建筑物的特征信息和目标图像的原始位置信息,构建目标建筑物的白模,包括:
根据每一目标图像的原始位置信息,得到目标建筑物的多个主体位置信息;
对目标建筑物的多个主体位置信息进行预处理和聚类分析,得到目标建筑物的单一位置信息;
目标对象还包括辅助参考物;
基于目标建筑物的单一位置信息和目标建筑物的特征信息,得到目标建筑物的初始白模;
通过辅助参考物的特征信息确定目标建筑物的楼层特征;
根据楼层特征对初始白模进行优化,得到目标建筑物的白模。
本实施例中,为了提高三维模型的位置准确度,根据每一所述目标图像的原始位置信息,得到目标建筑物的多个主体位置信息;
每一帧的原始图像都包括位置信息,被标记的原始图像的位置信息即为原始位置信息,也就是说,目标图像的位置信息为原始位置信息。
基于之前预先配置的相机标定等多坐标系下的转换规则,得到目标图像的相机参数,利用视差原理,基于两幅目标图像中的同一目标建筑物之间的图片距离,结合相机参数和该目标建筑物在两幅目标图像中的二维形状变化,计算目标建筑物的真实大小尺寸和两幅目标图像中同一目标建筑物的实际距离,得到目标建筑物的一个主体位置信息,主体位置信息包括目标建筑物的真实尺寸、经纬度等。
从目标图像中随机选取两幅目标图像进行计算,得到该目标建筑物的主体位置信息,通过多次的随机选取,基于计算结果可得到该目标建筑物的多个主体位置信息。
对目标建筑物的多个主体位置信息进行预处理和聚类分析,得到目标建筑物的单一位置信息。
主体位置信息可以是目标建筑物的关键基点的位置坐标,关键基点在目标建筑物的位置固定,作为优选的,关键基点为目标建筑物的中心点。对同一目标建筑物的中心点的多个位置坐标进行聚类去除异常值,将聚类得到的中心点对应的主体位置信息作为目标建筑物的单一位置信息,以用于还原关键基点对应的目标建筑物的三维形状。
基于目标建筑物的单一位置信息和目标对象的特征信息,构建目标建筑物的白模。
具体的,目标对象包括目标建筑物和辅助参考物,基于目标建筑物的单一位置信息和目标建筑物的多个特征信息,得到目标建筑物的初始白模;
在本说明书的一个实施例中,基于建筑关键要素将顶点坐标划分为不同的三角形,以形成完整的三角网格。基于三角网格构建目标建筑物的初始白模。
通过辅助参考物的特征信息确定目标建筑物的楼层特征;
楼层特征包括楼层数和层高。在本说明书的一个实施例中,基于辅助参考物(窗户)的特征信息,分析出楼层数,通过回归分析计算出目标建筑物的层高,以对目标建筑物白模进行分层处理,并基于预设编码规则对楼层进行编码关联。基于上述方式,采用楼层特征对初始白模进行优化,得到目标建筑物的白模。
在一可实施方式中,在使用已知的像素值来估计缺失或损坏的像素值之前,方法还包括:
还获取仰拍图像;
基于仰拍图像和原始图像,对目标图像进行图像矫正,得到目标建筑物的各个面的正视纹理图像。
对同一面的多个正视纹理图像进行图像融合,得到待修复的纹理图像;
基于辅助图像,修复待修复的纹理图像的表面纹理,生成目标纹理图像。
本实施例中,一般情况下,目标建筑物的低层的周围经常会被植物树木等遮挡、或者在拍摄时由于天气、拍摄角度、拍摄高度等因素产生反光、阴影情况,使得采集到的无人机拍摄的图像中,目标建筑物表面纹理不清晰。为了提高三维模型的精细度,便于后期智慧城市的构建,需要降低目标建筑物表面的纹理与实际中的目标建筑物的纹理的差别,提高三维模型中的目标建筑物表面的纹理与实际中的目标建筑物的纹理的一致性。所以,通过纹理修复模型矫正目标图像,得到精细度高的目标纹理图像。
由于是依靠无人机拍摄的视频流构建三维模型,无人机的航向可能与正投影视图的视向不完全一致,因而无法直接得到目标建筑物的各个面的正视纹理图像。因此,可以采用仿射变换,对目标图像进行调整,得到正视纹理图像。其中,正视纹理图像为目标建筑物在某一投影面的正投影视图。
基于目标建筑物的白模确定目标建筑物的各个面的原始轮廓。作为优选的,识别目标建筑物的大门,将面向目标建筑物的大门的方向认定为前视视向。在本说明书的另一实施例中,也可以基于人工确定目标建筑物的前视视向。将前视视向对应的目标建筑物的原始轮廓确定为第一原始轮廓,基于前视视向的目标建筑物的特征信息,对目标图像进行识别排序,筛选与第一原始轮廓近似率最高的目标图像,对筛选出来的所述目标图像进行图像矫正,得到前视视向的目标建筑物的正视纹理图像。其他面的正视纹理图像的生成方法与上述相同,在此不再赘述。
在一可实施方式中,方法还包括:
根据工程量统计要求和需求建立构件信息表,对需要改动的构件进行变动,构建构件模型。
BIM初始模型根据所得的构件模型和对应的位置信息进行自主变动,输出BIM工程量模型。
本实施例中,根据构件信息表对需要改动的构件进行变动的方法包括如下步骤:使用CATIA软件的设计表工具把构件信息表以设计表的形式导入到BIM初始模型,导入时指明导入对应构件的三维模型;使用CATIA软件的公式编辑器工具把各构件的坐标数值换成相应的设计参数;使用CATIA软件的构建工具构建变动后的构件模型。
在实际运用中,柱、梁、板重叠扣减:在REVIT软件中,结构柱、梁、板搭接部分虽然会自动相互进行扣减,但其默认的扣减方式是:板扣梁、柱扣梁、板扣柱,其中板扣梁、板扣柱不符合中国算量的规则,可以通过改变其连接顺序的方法或利用插件进行处理。
结构墙重叠扣减。将墙在柱、梁、板上拉通创建时,当结构墙与梁、柱的位置重叠,在REVIT软件中自动默认为墙扣柱、墙扣梁,不符合我国算量的规则,可以通过切换其连接顺序或利用插件进行处理;当结构墙与板的位置重叠时,可以通过连接几何图形或利用插件进行处理。
BIM初始模型根据所得的构件模型和对应的位置信息进行自主变动的方法包括如下步骤:使用BIM软件的参数输入功能将构件信息表中各构建模型的位置信息以长度参数的形式导入到BIM初始模型;使用BIM软件的构件模型输入功能将与位置信息对应构件模型导入到BIM初始模型;使用BIM软件的生成工具生成BIM工程量模型。
针对待变动区域独立构建各个构件的三维模型,并利用位置信息的替换,与BIM初始模型中的对应位置信息的构件进行快速替换,便可快速实现BIM工程量模型的局部更新。与传统技术相比,无需对BIM工程量模型的整体重新建模,能够显著节约人力成本,提高BIM工程量模型的生成效率。
在一可实施方式中,针对视频流进行预处理,得到原始图像,包括:
使用视频编解码器读取视频流,并获取视频流的帧率和分辨率信息;
逐帧提取视频流中的图像,并将其保存为单独的原始图片。
对原始图片进行处理和调整,以将原始图片转换为预定的尺寸大小。
本实施例中,通过对原始图片进行尺寸的调整,以使得所最终生成的模型的棱角或者边更加光滑。
本发明另一方面提供一种基于BIM协同设计平台的实景建模系统,所述系统包括:
获取模块201,用于获取针对于待建模区域的航拍视频流;
预处理模块202,用于针对所述视频流进行预处理,得到原始图像,其中,所述原始图像包括原始位置信息;
初模型构建模块203,用于根据原始图像、航拍视角,构建建筑物的白膜;
图像修复模块204,用于使用已知的像素值来估计所述原始图像缺失或损坏的像素值,进而生成纹理图像,其公式为:f(x,y)=(1-dx)(1-dy)f(x0,y0)+dx(1-dy)f(x1,y0)+(1-dx)dyf(x0,y1)+dxdyf(x1,y1),其中,dx和dy表示目标像素位置相对于已知像素位置的距离,f(x0,y0)、f(x1,y0)、f(x0,y1)、f(x1,y1)分别表示已知像素的值;
映射模块205,用于基于所述纹理图像与所述白膜进行纹理映射,生成所述目标建筑物的构件文件;
BIM构建模块206,用于构建BIM初始模型,根据BIM初始模型获取所述构件文件;
BIM输出模块207,用于对所述BIM初始模型进行参数化处理,使所述BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型。
由此,通过获取针对于待建模区域的航拍视频流;针对所述视频流进行预处理,得到原始图像,其中,所述原始图像包括原始位置信息;根据原始图像、航拍视角,构建建筑物的白膜;使用已知的像素值来估计所述原始图像缺失或损坏的像素值,进而生成纹理图像;基于所述纹理图像与所述白膜进行纹理映射,生成所述目标建筑物的构件文件;构建BIM初始模型,根据BIM初始模型获取所述构件文件;对所述BIM初始模型进行参数化处理,使所述BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型。通过BIM协同设计实景建模,可生成高精细度的三维模型,以用于智慧城市建设。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,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。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于BIM协同设计平台的实景建模方法,其特征在于,所述方法包括:
获取针对于待建模区域的航拍视频流;
针对所述视频流进行预处理,得到原始图像,其中,所述原始图像包括原始位置信息;
根据原始图像、航拍视角,构建建筑物的白膜;
使用已知的像素值来估计所述原始图像缺失或损坏的像素值,进而生成纹理图像;
基于所述纹理图像与所述白膜进行纹理映射,生成所述目标建筑物的构件文件;
构建BIM初始模型,根据BIM初始模型获取所述构件文件;
对所述BIM初始模型进行参数化处理,使所述BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型。
2.根据权利要求1所述的方法,其特征在于,所述根据原始图像、航拍视角,构建建筑物的白膜,包括:
基于所述原始图像的航拍视角,对所述原始图像进行分组;
逐组提取所述目标对象的特征信息;
将包含所述目标建筑物的原始图像作为目标图像;
结合所述目标建筑物的特征信息和所述目标图像的原始位置信息,构建所述目标建筑物的白模。
3.根据权利要求2所述的方法,其特征在于,所述结合所述目标建筑物的特征信息和所述目标图像的原始位置信息,构建所述目标建筑物的白模,包括:
根据每一所述目标图像的原始位置信息,得到所述目标建筑物的单一位置信息;
所述目标对象还包括辅助参考物;
基于所述目标建筑物的单一位置信息和所述目标建筑物的特征信息,得到所述目标建筑物的初始白模;
通过所述辅助参考物的特征信息确定所述目标建筑物的楼层特征;
根据所述楼层特征对所述初始白模进行优化,得到所述目标建筑物的白模。
4.根据权利要求1所述的方法,其特征在于,在使用已知的像素值来估计缺失或损坏的像素值之前,所述方法还包括:
还获取仰拍图像;
基于所述仰拍图像和原始图像,对所述目标图像进行图像矫正,得到所述目标建筑物的各个面的正视纹理图像。
对同一面的多个所述正视纹理图像进行图像融合,得到待修复的纹理图像;
基于所述辅助图像,修复所述待修复的纹理图像的表面纹理,生成所述目标纹理图像。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据工程量统计要求和需求建立构件信息表,对需要改动的构件进行变动,构建构件模型。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
所述BIM初始模型根据所得的构件模型和对应的位置信息进行自主变动,输出BIM工程量模型。
7.根据权利要求1所述的方法,其特征在于,所述针对所述视频流进行预处理,得到原始图像,包括:
使用视频编解码器读取所述视频流,并获取所述视频流的帧率和分辨率信息;
逐帧提取视频流中的图像,并将其保存为单独的原始图片。
8.根据权利要求7所述的方法,其特征在于,在将其保存为单独的原始图片之后,所述方法还包括:
对原始图片进行处理和调整,以将所述原始图片转换为预定的尺寸大小。
9.根据权利要求1所述的方法,其特征在于,使用已知的像素值来估计所述原始图像缺失或损坏的像素值的步骤中,其公式为:f(x,y)=(1-dx)(1-dy)f(x0,y0)+dx(1-dy)f(x1,y0)+(1-dx)dyf(x0,y1)+dxdyf(x1,y1),其中,dx和dy表示目标像素位置相对于已知像素位置的距离,f(x0,y0)、f(x1,y0)、f(x0,y1)、f(x1,y1)分别表示已知像素的值。
10.一种基于BIM协同设计平台的实景建模系统,其特征在于,所述系统包括:
获取模块,用于获取针对于待建模区域的航拍视频流;
预处理模块,用于针对所述视频流进行预处理,得到原始图像,其中,所述原始图像包括原始位置信息;
初模型构建模块,用于根据原始图像、航拍视角,构建建筑物的白膜;
图像修复模块,用于使用已知的像素值来估计所述原始图像缺失或损坏的像素值,进而生成纹理图像;
映射模块,用于基于所述纹理图像与所述白膜进行纹理映射,生成所述目标建筑物的构件文件;
BIM构建模块,用于构建BIM初始模型,根据BIM初始模型获取所述构件文件;
BIM输出模块,用于对所述BIM初始模型进行参数化处理,使所述BIM初始模型与各构件建立关联,并输出BIM初始模型中已关联各构件的三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310689465.1A CN116704144A (zh) | 2023-06-12 | 2023-06-12 | 一种基于bim协同设计平台的实景建模方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310689465.1A CN116704144A (zh) | 2023-06-12 | 2023-06-12 | 一种基于bim协同设计平台的实景建模方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116704144A true CN116704144A (zh) | 2023-09-05 |
Family
ID=87840640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310689465.1A Pending CN116704144A (zh) | 2023-06-12 | 2023-06-12 | 一种基于bim协同设计平台的实景建模方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116704144A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117609401A (zh) * | 2024-01-19 | 2024-02-27 | 贵州北斗空间信息技术有限公司 | 三维地形场景中的白模可视化展示方法、装置和系统 |
-
2023
- 2023-06-12 CN CN202310689465.1A patent/CN116704144A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117609401A (zh) * | 2024-01-19 | 2024-02-27 | 贵州北斗空间信息技术有限公司 | 三维地形场景中的白模可视化展示方法、装置和系统 |
CN117609401B (zh) * | 2024-01-19 | 2024-04-09 | 贵州北斗空间信息技术有限公司 | 三维地形场景中的白模可视化展示方法、装置和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Baik et al. | Jeddah Historical Building Information Modelling" JHBIM"–Object Library | |
Toschi et al. | Oblique photogrammetry supporting 3D urban reconstruction of complex scenarios | |
Poullis et al. | Automatic reconstruction of cities from remote sensor data | |
US7944547B2 (en) | Method and system of generating 3D images with airborne oblique/vertical imagery, GPS/IMU data, and LIDAR elevation data | |
CN111737790B (zh) | 仿真城市模型的构建方法和设备 | |
CN112652065A (zh) | 三维社区建模方法、装置、计算机设备及存储介质 | |
Alidoost et al. | An image-based technique for 3D building reconstruction using multi-view UAV images | |
Toschi et al. | Geospatial data processing for 3D city model generation, management and visualization | |
CN104732577A (zh) | 一种基于uav低空航测系统的建筑物纹理提取方法 | |
CN113362247A (zh) | 一种激光融合多目相机的语义实景三维重建方法及系统 | |
CN112712596A (zh) | 一种密集匹配点云建筑物结构化模型精细重建方法 | |
CN116704144A (zh) | 一种基于bim协同设计平台的实景建模方法和系统 | |
US8395760B2 (en) | Unified spectral and geospatial information model and the method and system generating it | |
CN112785708A (zh) | 一种建筑物模型单体化的方法、设备和存储介质 | |
CN113032977A (zh) | 基于无人机逆建模技术的土石方量测算方法 | |
CN116091724A (zh) | 一种建筑数字孪生建模方法 | |
KR100732915B1 (ko) | 디지털사진 측량기술 및 인공위성영상을 이용한 기본설계용도로노선의 3차원적 결정 방법 | |
Jarzabek-Rychard et al. | Quality analysis on 3d buidling models reconstructed from uav imagery | |
Chevrier | Semiautomatic parametric modelling of the buildings on town scale models | |
WO2022064242A1 (en) | The method of automatic 3d designing of constructions and colonies in an smart system using a combination of machine scanning and imaging and machine learning and reconstruction of 3d model through deep learning and with the help of machine learning methods | |
CN115546422A (zh) | 一种建筑物的三维模型构建方法、系统和电子设备 | |
Liu et al. | Reexamining the Old Depot Museum in Selma, Alabama, USA | |
Dursun et al. | 3D city modelling of Istanbul historic peninsula by combination of aerial images and terrestrial laser scanning data | |
CN113989680B (zh) | 建筑三维场景自动构建方法及系统 | |
CN115496908A (zh) | 一种高层建筑倾斜摄影模型自动分层方法及系统 |
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 |