CN117173364B - 基于建筑立体绘图的切片出图方法及系统 - Google Patents
基于建筑立体绘图的切片出图方法及系统 Download PDFInfo
- Publication number
- CN117173364B CN117173364B CN202311446005.2A CN202311446005A CN117173364B CN 117173364 B CN117173364 B CN 117173364B CN 202311446005 A CN202311446005 A CN 202311446005A CN 117173364 B CN117173364 B CN 117173364B
- Authority
- CN
- China
- Prior art keywords
- slice
- building
- sample data
- data
- view
- 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 66
- 238000010586 diagram Methods 0.000 claims abstract description 43
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims description 54
- 238000013507 mapping Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000011960 computer-aided design Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Abstract
本发明提供了基于建筑立体绘图的切片出图方法及系统,涉及数据处理技术领域,包括:通过快速成型技术对目标建筑进行三维建模,获取建筑三维模型,按照第一预设粒度进行连续切片,得到连续切片样本数据,生成切片图调用数据库,确定建筑待切面对应的轮廓边缘坐标集,从切片图调用数据库中进行识别,获取N个切片样本数据,获取切片输出数据,进行优化,得到建筑待切面对应的切片图。本发明解决了传统的切片方法无法灵活地控制切片的粒度,导致在表征建筑立体细节时过于粗糙或过度细致,并且传统方法受限于数据采集和处理等因素,导致生成的切片图质量、准确度不高的技术问题。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于建筑立体绘图的切片出图方法及系统。
背景技术
近年来,随着计算机图形学、计算机视觉等领域的发展,三维建模技术在建筑领域得到了广泛的应用,这些技术能够以数字化的方式对建筑进行精确的三维建模,为后续的分析和可视化提供基础,针对三维模型的切片图生成是一个重要的技术方向,传统方法使用固定厚度的切片进行处理,但在一些特定场景下可能无法满足需求,因此,需要研究可灵活控制切片粒度的方法,以更好地表征建筑立体细节,进而提升切片图的质量、准确度。
发明内容
本申请通过提供了基于建筑立体绘图的切片出图方法及系统,旨在解决传统的切片方法无法灵活地控制切片的粒度,导致在表征建筑立体细节时过于粗糙或过度细致,并且传统方法受限于数据采集和处理等因素,导致生成的切片图质量、准确度不高的技术问题。
鉴于上述问题,本申请提供了基于建筑立体绘图的切片出图方法及系统。
本申请公开的第一个方面,提供了基于建筑立体绘图的切片出图方法,所述方法包括:通过快速成型技术对目标建筑进行三维建模,获取建筑三维模型;按照第一预设粒度对所述建筑三维模型进行连续切片,得到连续切片样本数据,基于所述连续切片样本数据生成切片图调用数据库,其中,所述第一预设粒度表征切片样本图层的厚度;基于所述建筑三维模型,确定建筑待切面对应的轮廓边缘坐标集;根据所述轮廓边缘坐标集从所述切片图调用数据库中进行识别,获取N个切片样本数据,其中,所述N个切片样本数据对应的切片图坐标与所述轮廓边缘坐标集重存在重合坐标;获取基于所述轮廓边缘坐标集对应的切片输出数据;以所述N个切片样本数据对所述切片输出数据进行优化,得到所述建筑待切面对应的切片图。本申请公开的另一个方面,提供了基于建筑立体绘图的切片出图系统,所述系统用于上述方法,所述系统包括:三维建模模块,所述三维建模模块用于通过快速成型技术对目标建筑进行三维建模,获取建筑三维模型;连续切片模块,所述连续切片模块用于按照第一预设粒度对所述建筑三维模型进行连续切片,得到连续切片样本数据,基于所述连续切片样本数据生成切片图调用数据库,其中,所述第一预设粒度表征切片样本图层的厚度;坐标确定模块,所述坐标集确定模块用于基于所述建筑三维模型,确定建筑待切面对应的轮廓边缘坐标集;识别模块,所述识别模块用于根据所述轮廓边缘坐标集从所述切片图调用数据库中进行识别,获取N个切片样本数据,其中,所述N个切片样本数据对应的切片图坐标与所述轮廓边缘坐标集重存在重合坐标;数据获取模块,所述数据获取模块用于获取基于所述轮廓边缘坐标集对应的切片输出数据;数据优化模块,所述数据优化模块用于以所述N个切片样本数据对所述切片输出数据进行优化,得到所述建筑待切面对应的切片图。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过快速成型技术对目标建筑进行三维建模,获取建筑三维模型,然后按照第一预设粒度对建筑三维模型进行连续切片,生成连续切片样本数据,这解决了传统手动切片操作的低效和主观性问题;根据建筑三维模型确定建筑待切面的轮廓边缘坐标集,然后使用该坐标集从切片图调用数据库中识别获取N个切片样本数据,这些数据与轮廓边缘坐标集存在重合坐标,这样可以确保提取符合待切面的切片样本数据,消除了识别不准确或匹配错误的问题;根据轮廓边缘坐标集获取基于该坐标集对应的切片输出数据,这确保了提取到与建筑待切面精确对应的切片图像,避免了提取到多余或不完整的切片信息;利用获取的N个切片样本数据对切片输出数据进行优化,得到与建筑待切面对应的优化后切片图,这有助于提升切片图质量和准确性,避免了由于原始切片输出数据可能存在的缺陷或误差而导致的问题。综上所述,该基于建筑立体绘图的切片出图方法通过控制切片粒度和优化切片过程,解决了传统方法中切片粒度控制和切片图质量等方面的技术问题,在输出的切片图质量和准确性上取得了较好的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了基于建筑立体绘图的切片出图方法流程示意图;
图2为本申请实施例提供了基于建筑立体绘图的切片出图系统结构示意图。
附图标记说明:三维建模模块10,连续切片模块20,坐标确定模块30,识别模块40,数据获取模块50,数据优化模块60。
具体实施方式
本申请实施例通过提供基于建筑立体绘图的切片出图方法,通过控制切片粒度和优化切片过程,解决了传统方法中切片粒度控制和切片图质量等方面的技术问题,在输出的切片图质量和准确性上取得了较好的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了基于建筑立体绘图的切片出图方法,所述方法包括:
通过快速成型技术对目标建筑进行三维建模,获取建筑三维模型;
选择一种适合的快速成型技术,在建筑领域常用的技术包括计算机辅助设计与制造(CAD/CAM)系统、激光扫描仪、摄影测量等,对目标建筑进行数据采集,包括使用激光扫描仪进行非接触式扫描,或者利用摄影测量技术进行照片拍摄,通过这些方式,获取建筑外部以及内部的几何信息。
将采集到的数据导入到建模软件中,进行数据处理和点云重建,首先,对于从激光扫描仪获得的点云数据,进行预处理、滤波和配准操作,去除噪声并使点云数据对齐,然后,根据采集的照片,利用摄影测量技术解算出建筑物上各个点的三维坐标,形成点云数据。
基于处理后的点云数据,使用建模软件进行三维建模,包括将点云数据转换为网格模型、生成建筑物的表面以及添加细节,如纹理、颜色等。在完成建模过程后,得到目标建筑的三维模型,该模型可以提供后续步骤所需的几何信息和细节,以支持切片出图的过程。
按照第一预设粒度对所述建筑三维模型进行连续切片,得到连续切片样本数据,基于所述连续切片样本数据生成切片图调用数据库,其中,所述第一预设粒度表征切片样本图层的厚度;
第一预设粒度表示了每个切片样本图层的厚度,这个粒度可以根据实际需求设置,取决于建筑物的复杂程度、切片图像的清晰度以及分析的需要。利用第一预设粒度,对建筑三维模型进行连续切片操作,这意味着将建筑模型沿垂直方向切割成多个平行的图层,每个图层的厚度由第一预设粒度确定,通过这一连续切片过程,获得一系列连续的切片样本数据。第一预设粒度决定了切片样本图层的厚度,从而影响了切片图像的数量和精细程度。
基于连续切片样本数据,生成相应的切片图像并将其保存,这些切片图像反映了建筑物在不同垂直位置上的横截面结构,同时,调用数据库来存储和管理这些切片图像数据,以供后续使用和查询。
基于所述建筑三维模型,确定建筑待切面对应的轮廓边缘坐标集;
确定要提取轮廓边缘坐标集的待切面,这可以是建筑物的一个特定面,例如墙壁,或者整个建筑物的外轮廓。使用计算机辅助设计(CAD)软件,在三维模型中选择并提取待切面,例如指定一个平面或者一组平面,并将其与建筑物模型相交。
使用CAD软件中的轮廓线提取工具,提取出在待切面上形成建筑物轮廓的所有边缘线,通过计算曲线上的等距离采样点,或识别连续的边界点,将轮廓线转换为点集合以表示边缘。将这些边界点的三维坐标转换为一个坐标集,表示建筑物待切面的轮廓边缘。
根据所述轮廓边缘坐标集从所述切片图调用数据库中进行识别,获取N个切片样本数据,其中,所述N个切片样本数据对应的切片图坐标与所述轮廓边缘坐标集重存在重合坐标;
使用轮廓边缘坐标集中的坐标作为查询条件,在数据库中执行查询操作,查询满足条件的切片图样本数据,即切片图的坐标与轮廓边缘坐标集存在重叠,具体的重叠度量标准可以根据需求来定义,例如完全重叠、部分重叠等。在数据库查询结果中选择前N个满足条件的切片图样本数据,这些选中的样本数据与轮廓边缘坐标集有重合。
获取基于所述轮廓边缘坐标集对应的切片输出数据;
通过将三维坐标映射到图像的像素坐标,将轮廓边缘坐标集从三维空间转换到切片图像的二维坐标系中。根据转换后的坐标,通过裁剪切片图像或者提取特定区域的像素值,在对应的切片图像上提取感兴趣区域。从所提取的切片图像中获得相应的切片输出数据,这些输出数据包括切片图像、切片的几何形状、切片的颜色或纹理等。
以所述N个切片样本数据对所述切片输出数据进行优化,得到所述建筑待切面对应的切片图;
将N个切片样本数据中的切片输出数据进行融合,例如通过平均、加权平均或选择主要特征等,以此从多个样本中获取更准确和全面的切片输出数据。使用优化后的切片输出数据,结合原始切片图像,通过插值、边缘平滑或其他图像处理技术,生成高质量的建筑待切面对应的切片图。对于生成的切片图,通过比较它们与原始建筑物模型或真实场景的对应部分,进行可视化和验证,以确保结果与预期一致。
进一步而言,基于所述连续切片样本数据生成切片图调用数据库,方法还包括:
根据视面采集装置,获取三维视面样本,所述三维视面样本包括正视面样本、侧视面样本和俯视面样本,其中,所述视面采集装置中的视点样本具有动态可增加功能;
分别基于所述正视面样本、所述侧视面样本和所述俯视面样本进行连续切片,得到三维连续切片样本数据;
基于所述三维连续切片样本数据,生成所述切片图调用数据库。
准备专门用于采集三维视面样本的设备,即视面采集装置,该装置可以是相机、激光扫描仪或其他能够获取建筑物不同视角信息的设备。使用视面采集装置,将其放置在不同的位置和角度上,以获得正视面、侧视面和俯视面样本,在每个位置和角度下,通过采集装置记录建筑物的图像或点云数据,通过逐渐改变视点位置和装置角度,多次采集这些样本,以获得更全面的视角信息。
视点样本具有动态可增加的功能,这意味着可以根据需要随时添加新的视点样本,当需要对特定视角进行更深入的研究或优化时,可以通过增加额外的视点样本来获得更精确的数据,这使得可以根据实际需求灵活调整和增强采集的视面样本。
将所述正视面样本放置在适当的位置和角度上,然后利用快速成型技术,对正视面样本进行连续切片操作,即将正视面样本沿其厚度方向,即与其表面垂直的方向,进行切割,生成一系列相邻的切片样本。类似地,采用相同的方法,将所述侧视面样本和所述俯视面样本进行连续切片操作,生成三维连续切片样本数据,其中包含了沿着每个视面样本的厚度方向上的切片信息。
利用所述三维连续切片样本数据,通过对每个切片样本进行处理和组合,例如通过提取或转换每个切片样本的图像、几何或其他特征信息,以获得可视化的切片图。
建立一个切片图调用数据库,用于存储和管理生成的切片图数据,数据库可以采用关系型数据库或其他适合存储和检索大量切片图数据的系统,在数据库的设计中,使用合适的索引、标识符等来方便快速访问和检索切片图数据。
将生成的切片图数据存储到切片图调用数据库中,对于每个切片图,存储相关的元数据,如位置、角度、比例等,以及能够唯一标识切片图的标识符,在需要调用特定切片图时,可以使用相应的标识符或其他检索方式从数据库中获取对应的切片图数据。
进一步而言,所述方法还包括:
获取所述建筑待切面的视点位置坐标;
根据所述视点位置坐标在所述视面采集装置进行匹配,得到匹配视面,其中,所述匹配视面为所述视面采集装置已存储的视面样本;
从所述切片图调用数据库中得到基于所述匹配视面的匹配切片样本数据;
根据所述轮廓边缘坐标集对所述匹配切片样本数据进行筛选,得到所述N个切片样本数据。
根据待切面的特性和图像需求,选择合适的视点位置,视点位于能够提供所需视角和观察角度的位置,以便以后生成准确的切片图。使用测量工具,如激光测距仪、全站仪或其他测量设备,在所选视点处进行测量并记录其位置坐标,这将提供视点在三维空间中的位置信息,由 x、y 和 z 坐标表示。通过多次调整和测量不同的视点来获得更全面和准确的数据。
利用所述视点位置坐标,与视面采集装置中的视面样本进行匹配,这通过比较视点位置坐标与视面样本的特征参数,如角度、位置、比例等来实现。从视面采集装置的存储库中找到与视点位置坐标匹配的视面样本,作为所得到的匹配视面,这个匹配视面可能是正视面、侧视面或俯视面之一,取决于与其最接近的视面样本。
通过对匹配视面的特征参数进行分析和比较,获取在数据库中唯一识别和查找该视面的方式,确定该视面的标识符或关键属性,基于匹配视面的标识符或关键属性,在切片图调用数据库中执行查询操作,利用匹配视面的信息,检索与之相匹配的切片图数据。根据查询结果,从切片图调用数据库中获取匹配切片样本数据,这些数据包括切片图的图像、几何信息或其他特征。
对于每个匹配切片样本数据,根据其轮廓边缘坐标集,进行筛选操作,比较匹配切片样本数据中的边缘坐标与预设的轮廓边缘坐标集的重叠程度,具体的重叠度量标准可以根据需求来定义,例如完全重叠、部分重叠等,根据预设重叠度阈值,例如设定为90%,来判断是否符合条件。对于符合条件的匹配切片样本数据,进行记录和统计,获取满足条件的前N 个切片样本数据,这些数据即为根据轮廓边缘坐标集筛选得到的切片样本数据。
进一步而言,以所述N个切片样本数据对所述切片输出数据进行优化,方法还包括:
获取所述视点位置坐标对应的视角坐标,其中,所述视角坐标通过设置方位角和仰角获取;
根据所述视角坐标与所述匹配视面进行视角偏差识别,建立基于所述视点位置坐标的视角预测模块;
将所述N个切片样本数据输入所述视角预测模块中,获取预测切片数据,根据所述预测切片数据对所述切片输出数据进行优化。
获取的视点位置坐标表示了摄像机在三维空间中的位置,选择合适的方位角和仰角来定义视角。其中,方位角表示水平方向的旋转角度,以正北方向为基准进行测量,采用0°到360°的范围或-180°到+180°的范围,以东为正值,以西为负值,例如正北方向为0°/360°,东为90°,南为180°,西为-90°;仰角表示垂直方向的旋转角度,以水平面为基准进行测量,采用-90°到+90°的范围,以上为正值,以下为负值,例如水平为0°,向上为+90°,向下为-90°。
通过将方位角和仰角应用于视点位置坐标,可以计算得到相应的视角坐标,这意味着在三维坐标系中,从视点位置出发,按照设定的方位角和仰角进行视角偏转,来确定观察或摄像的目标位置。
将计算得到的视角坐标与匹配视面进行比较,对比分析二者之间的差异性,根据对比分析结果,识别视角偏差,该视角偏差表示了视点位置的期望视角与匹配视面之间的差异,可以将视角偏差看作描述视线偏离理想观察角度的量化指标。
基于视点位置坐标和视角偏差的识别结果,建立视角预测模块,该模块是一个用于根据给定的视点位置坐标预测期望视角的卷积神经网络模型。示例性的,获取包含视点位置坐标和对应视角的训练样本数据,每个训练样本都有准确的视点位置坐标和相应的视角,将视点位置坐标作为输入特征,并结合视角偏差的识别结果,进行特征提取,基于卷积神经网络建立视角预测模块,使用训练数据对该视角预测模块进行训练,以学习视点位置坐标与视角之间的关系,在训练完成后,使用评估数据集对模型进行性能评估,通过比较预测的视角与真实视角,计算模型的准确性、误差或其他指标,以此对模型进行优化,获取最终的视角预测模块。
将所述N个切片样本数据作为输入,提供给已建立的视角预测模块,根据输入的切片样本数据和其所对应的视点位置坐标,在模块中进行预测并获得预测的视角数据。利用预测的视角数据,在切片图数据中通过插值、截取或其他技术方法,获取相应的预测切片数据,这些切片数据代表了预测的视角下的建筑物待切面。
对于获取到的预测切片数据,与之前的切片输出数据进行比较和分析,根据预测切片数据与切片输出数据之间的差异和目标要求,进行切片数据的优化操作,包括调整边缘线、填充空白区域、纠正失真等操作,以获得更准确和高质量的切片输出数据,这样可以提高切片输出数据的准确性、逼真度和信息质量。
进一步而言,根据所述轮廓边缘坐标集对所述匹配切片样本数据进行筛选,得到所述N个切片样本数据,方法包括:
获取所述匹配切片样本数据中各个切片图的边缘坐标集;
基于所述各个切片图的边缘坐标集与所述轮廓边缘坐标集进行重合比对,得到重合比对返回结果,其中,所述重合比对返回结果包括返回为1和返回为空;
将所述重合比对返回结果返回为1的切片图进行集成,得到所述N个切片样本数据。
使用边缘检测算法,例如Canny边缘检测、Sobel算子等,提取切片图中的边缘信息,这些算法通过分析图像的梯度或其他特征来确定边缘的位置。根据边缘检测结果,找到边缘像素的位置,然后将这些位置转换为坐标形式,提取边缘的坐标信息。获取每个切片图的边缘坐标集,这些边缘坐标集可以提供关于切片图中轮廓形状的定量信息。
对于每个切片图的边缘坐标集,与轮廓边缘坐标集进行重合比对,比对可以采用不同的方法,如计算两个集合之间的交集、重叠率等。根据重合比对的结果,生成相应的返回结果,如果重合部分存在并且足够大,例如满足重叠率大于等于90%,则返回为1;如果重合部分不存在或过小,则返回为空,或返回为0。
对于所有的切片图,重复以上步骤,逐个进行边缘坐标集的重合比对和结果生成操作,得到重合比对返回结果,该结果反映了每个切片图的边缘与轮廓的匹配程度。
对于每个重合比对的返回结果,检查是否为1,如果返回结果为1,表示该切片图与轮廓边缘有良好的匹配,将其对应的切片样本数据添加到集成的切片样本数据中。对于所有重合比对的返回结果进行遍历和判断,将返回结果为1的切片图对应的切片样本数据加入集成数据中。当遍历完所有重合比对结果后,集成的切片样本数据即为重合比对返回结果为1的切片图。通过以上步骤,可以根据重合比对返回结果为1的切片图,将其对应的切片样本数据集成在一起,形成所述N个切片样本数据集合。集成的切片样本数据仅包含了与轮廓边缘匹配良好的切片图,丢弃了匹配度不高的切片,这样提高了集成样本的质量和准确性。
进一步而言,所述方法还包括:
通过对所述N个切片样本数据的连续相似性进行分析,获取切片图异常区域,其中,所述切片图异常区域为标识单位粒度内N个切片样本数据变化程度最大的区域;
根据所述切片图异常区域,获取异常概率,其中,所述异常概率为标识所述建筑待切面落于所述切片图异常区域中的概率;
当所述异常概率小于预设异常概率,以所述N个切片样本数据对所述切片输出数据进行优化。
对N个切片样本数据进行连续相似性分析,包括计算相邻切片之间的相似度、差异度来衡量它们之间的相似性程度。在连续相似性分析的基础上,确定切片图异常区域,异常区域表示切片样本数据变化程度最大的区域,可以将每个标识单位粒度,例如像素、区域等,内N个切片样本数据的变化程度累积起来,并标记出变化程度最大的区域。
对于确定的异常区域,标识其类型,例如使用图像处理技术,如阈值分割、边缘检测方法,将其从原始切片图中分离出来,获取切片图异常区域,这些异常区域表示N个切片样本数据变化程度最大的部分,包含了与相邻不一致的凸起或凹陷等异常情况。
选择特定的切片样本数据或从全局切片数据中提取与待切面相关的切片,以此确定建筑待切面的切片图。将建筑待切面的切片图与切片图异常区域进行匹配,可以使用图像处理技术,例如阈值分割、模板匹配等,来识别建筑待切面在切片图异常区域中的位置。
根据匹配到的建筑待切面在切片图异常区域中的位置,计算异常概率,具体的,根据切片图异常区域的大小、密度或其他特征,结合建筑待切面在异常区域内的覆盖程度来计算概率,如计算待切面所占的异常区域的像素比例或面积比例作为异常概率。将计算得到的异常概率作为输出结果,该异常概率表示了建筑待切面落于切片图异常区域中的概率。
根据实际情况和专家经验等定义一个预设的异常概率阈值,这个阈值表示了期望的异常概率水平,也决定了何时需要进行优化操作。将计算得到的异常概率与预设异常概率进行比较,如果异常概率小于预设异常概率,根据N个切片样本数据对切片输出数据进行优化,例如,从N个切片样本数据中选择相似性高、质量好的切片进行替换,以改进切片输出数据的质量和准确度。完成优化操作后,将优化后的切片输出数据作为结果进行输出。
进一步而言,所述方法还包括:
当所述异常概率大于等于所述预设异常概率,根据所述切片图异常区域,获取粒度调整指令;
根据所述粒度调整指令对所述第一预设粒度进行调整,输出第二预设粒度;
根据所述第二预设粒度对所述建筑三维模型进行连续切片后,获取所述第二预设粒度对应的N个切片样本数据对所述切片输出数据进行优化。
如果异常概率大于或等于预设异常概率,根据切片图异常区域获取粒度调整指令,这些指令包括增加数据采样密度、调整切片尺寸或其他相关的操作。
根据获取的粒度调整指令,执行相应的操作来调整第一预设粒度,粒度的调整涉及对切片图的重采样、尺寸修改等操作,包括通过增加数据采样密度以细化粒度,经过粒度调整后,得到调整后的第二预设粒度。
根据第二预设粒度,对建筑三维模型进行连续切片,每个切片的粒度与第二预设粒度一致。
从连续切片得到的所有切片中,提取所述第二预设粒度对应的N个切片样本数据,利用获取的N个切片样本数据来优化切片输出数据,例如使用采样到的样本切片替换切片输出数据中质量较低或有问题的切片,以提高整体的切片输出质量和准确性。完成优化操作后,将优化后的切片输出数据作为结果进行输出。
综上所述,本申请实施例所提供的基于建筑立体绘图的切片出图方法及系统具有如下技术效果:
1.通过快速成型技术对目标建筑进行三维建模,获取建筑三维模型,然后按照第一预设粒度对建筑三维模型进行连续切片,生成连续切片样本数据,这解决了传统手动切片操作的低效和主观性问题;
2.根据建筑三维模型确定建筑待切面的轮廓边缘坐标集,然后使用该坐标集从切片图调用数据库中识别获取N个切片样本数据,这些数据与轮廓边缘坐标集存在重合坐标,这样可以确保提取符合待切面的切片样本数据,消除了识别不准确或匹配错误的问题;
3.根据轮廓边缘坐标集获取基于该坐标集对应的切片输出数据,这确保了提取到与建筑待切面精确对应的切片图像,避免了提取到多余或不完整的切片信息;
4.利用获取的N个切片样本数据对切片输出数据进行优化,得到与建筑待切面对应的优化后切片图,这有助于提升切片图质量和准确性,避免了由于原始切片输出数据可能存在的缺陷或误差而导致的问题。
总而言之,该基于建筑立体绘图的切片出图方法通过控制切片粒度和优化切片过程,解决了传统方法中切片粒度控制和切片图质量等方面的技术问题,在输出的切片图质量和准确性上取得了较好的技术效果。
实施例二
基于与前述实施例中基于建筑立体绘图的切片出图方法相同的发明构思,如图2所示,本申请提供了基于建筑立体绘图的切片出图系统,所述系统包括:
三维建模模块10,所述三维建模模块10用于通过快速成型技术对目标建筑进行三维建模,获取建筑三维模型;
连续切片模块20,所述连续切片模块20用于按照第一预设粒度对所述建筑三维模型进行连续切片,得到连续切片样本数据,基于所述连续切片样本数据生成切片图调用数据库,其中,所述第一预设粒度表征切片样本图层的厚度;
坐标确定模块30,所述坐标集确定模块30用于基于所述建筑三维模型,确定建筑待切面对应的轮廓边缘坐标集;
识别模块40,所述识别模块40用于根据所述轮廓边缘坐标集从所述切片图调用数据库中进行识别,获取N个切片样本数据,其中,所述N个切片样本数据对应的切片图坐标与所述轮廓边缘坐标集重存在重合坐标;
数据获取模块50,所述数据获取模块50用于获取基于所述轮廓边缘坐标集对应的切片输出数据;
数据优化模块60,所述数据优化模块60用于以所述N个切片样本数据对所述切片输出数据进行优化,得到所述建筑待切面对应的切片图。
进一步而言,所述系统还包括数据库生成模块,以执行如下操作步骤:
根据视面采集装置,获取三维视面样本,所述三维视面样本包括正视面样本、侧视面样本和俯视面样本,其中,所述视面采集装置中的视点样本具有动态可增加功能;
分别基于所述正视面样本、所述侧视面样本和所述俯视面样本进行连续切片,得到三维连续切片样本数据;
基于所述三维连续切片样本数据,生成所述切片图调用数据库。
进一步而言,所述系统还包括样本数据获取模块,以执行如下操作步骤:
获取所述建筑待切面的视点位置坐标;
根据所述视点位置坐标在所述视面采集装置进行匹配,得到匹配视面,其中,所述匹配视面为所述视面采集装置已存储的视面样本;
从所述切片图调用数据库中得到基于所述匹配视面的匹配切片样本数据;
根据所述轮廓边缘坐标集对所述匹配切片样本数据进行筛选,得到所述N个切片样本数据。
进一步而言,所述系统还包括第一优化模块,以执行如下操作步骤:
获取所述视点位置坐标对应的视角坐标,其中,所述视角坐标通过设置方位角和仰角获取;
根据所述视角坐标与所述匹配视面进行视角偏差识别,建立基于所述视点位置坐标的视角预测模块;
将所述N个切片样本数据输入所述视角预测模块中,获取预测切片数据,根据所述预测切片数据对所述切片输出数据进行优化。
进一步而言,所述系统还包括切片样本数据获取模块,以执行如下操作步骤:
获取所述匹配切片样本数据中各个切片图的边缘坐标集;
基于所述各个切片图的边缘坐标集与所述轮廓边缘坐标集进行重合比对,得到重合比对返回结果,其中,所述重合比对返回结果包括返回为1和返回为空;
将所述重合比对返回结果返回为1的切片图进行集成,得到所述N个切片样本数据。
进一步而言,所述系统还包括第二优化模块,以执行如下操作步骤:
通过对所述N个切片样本数据的连续相似性进行分析,获取切片图异常区域,其中,所述切片图异常区域为标识单位粒度内N个切片样本数据变化程度最大的区域;
根据所述切片图异常区域,获取异常概率,其中,所述异常概率为标识所述建筑待切面落于所述切片图异常区域中的概率;
当所述异常概率小于预设异常概率,以所述N个切片样本数据对所述切片输出数据进行优化。
进一步而言,所述系统还包括第三优化模块,以执行如下操作步骤:
当所述异常概率大于等于所述预设异常概率,根据所述切片图异常区域,获取粒度调整指令;
根据所述粒度调整指令对所述第一预设粒度进行调整,输出第二预设粒度;
根据所述第二预设粒度对所述建筑三维模型进行连续切片后,获取所述第二预设粒度对应的N个切片样本数据对所述切片输出数据进行优化。
本说明书通过前述对基于建筑立体绘图的切片出图方法的详细描述,本领域技术人员可以清楚得知道本实施例中基于建筑立体绘图的切片出图方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.基于建筑立体绘图的切片出图方法,其特征在于,所述方法包括:
通过快速成型技术对目标建筑进行三维建模,获取建筑三维模型;
按照第一预设粒度对所述建筑三维模型进行连续切片,得到连续切片样本数据,基于所述连续切片样本数据生成切片图调用数据库,其中,所述第一预设粒度表征切片样本图层的厚度;
基于所述建筑三维模型,确定建筑待切面对应的轮廓边缘坐标集;
根据所述轮廓边缘坐标集从所述切片图调用数据库中进行识别,获取N个切片样本数据,其中,所述N个切片样本数据对应的切片图坐标与所述轮廓边缘坐标集存在三维重合坐标;
获取基于所述轮廓边缘坐标集对应的切片输出数据;
以所述N个切片样本数据对所述切片输出数据进行优化,得到所述建筑待切面对应的切片图。
2.如权利要求1所述的方法,其特征在于,基于所述连续切片样本数据生成切片图调用数据库,方法还包括:
根据视面采集装置,获取三维视面样本,所述三维视面样本包括正视面样本、侧视面样本和俯视面样本,其中,所述视面采集装置中的视点样本具有动态可增加功能;
分别基于所述正视面样本、所述侧视面样本和所述俯视面样本进行连续切片,得到三维连续切片样本数据;
基于所述三维连续切片样本数据,生成所述切片图调用数据库。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述建筑待切面的视点位置坐标;
根据所述视点位置坐标在所述视面采集装置进行匹配,得到匹配视面,其中,所述匹配视面为所述视面采集装置已存储的视面样本;
从所述切片图调用数据库中得到基于所述匹配视面的匹配切片样本数据;
根据所述轮廓边缘坐标集对所述匹配切片样本数据进行筛选,得到所述N个切片样本数据。
4.如权利要求3所述的方法,其特征在于,以所述N个切片样本数据对所述切片输出数据进行优化,方法还包括:
获取所述视点位置坐标对应的视角坐标,其中,所述视角坐标通过设置方位角和仰角获取;
根据所述视角坐标与所述匹配视面进行视角偏差识别,建立基于所述视点位置坐标的视角预测模块;
将所述N个切片样本数据输入所述视角预测模块中,获取预测切片数据,根据所述预测切片数据对所述切片输出数据进行优化。
5.如权利要求3所述的方法,其特征在于,根据所述轮廓边缘坐标集对所述匹配切片样本数据进行筛选,得到所述N个切片样本数据,方法包括:
获取所述匹配切片样本数据中各个切片图的边缘坐标集;
基于所述各个切片图的边缘坐标集与所述轮廓边缘坐标集进行重合比对,得到重合比对返回结果,其中,所述重合比对返回结果包括返回为1和返回为空;
将所述重合比对返回结果返回为1的切片图进行集成,得到所述N个切片样本数据。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过对所述N个切片样本数据的连续相似性进行分析,获取切片图异常区域,其中,所述切片图异常区域为标识单位粒度内N个切片样本数据变化程度最大的区域;
根据所述切片图异常区域,获取异常概率,其中,所述异常概率为标识所述建筑待切面落于所述切片图异常区域中的概率;
当所述异常概率小于预设异常概率,以所述N个切片样本数据对所述切片输出数据进行优化。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
当所述异常概率大于等于所述预设异常概率,根据所述切片图异常区域,获取粒度调整指令;
根据所述粒度调整指令对所述第一预设粒度进行调整,输出第二预设粒度;
根据所述第二预设粒度对所述建筑三维模型进行连续切片后,获取所述第二预设粒度对应的N个切片样本数据对所述切片输出数据进行优化。
8.基于建筑立体绘图的切片出图系统,其特征在于,用于实施权利要求1-7任一项所述的基于建筑立体绘图的切片出图方法,包括:
三维建模模块,所述三维建模模块用于通过快速成型技术对目标建筑进行三维建模,获取建筑三维模型;
连续切片模块,所述连续切片模块用于按照第一预设粒度对所述建筑三维模型进行连续切片,得到连续切片样本数据,基于所述连续切片样本数据生成切片图调用数据库,其中,所述第一预设粒度表征切片样本图层的厚度;
坐标确定模块,所述坐标集确定模块用于基于所述建筑三维模型,确定建筑待切面对应的轮廓边缘坐标集;
识别模块,所述识别模块用于根据所述轮廓边缘坐标集从所述切片图调用数据库中进行识别,获取N个切片样本数据,其中,所述N个切片样本数据对应的切片图坐标与所述轮廓边缘坐标集存在三维重合坐标;
数据获取模块,所述数据获取模块用于获取基于所述轮廓边缘坐标集对应的切片输出数据;
数据优化模块,所述数据优化模块用于以所述N个切片样本数据对所述切片输出数据进行优化,得到所述建筑待切面对应的切片图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311446005.2A CN117173364B (zh) | 2023-11-02 | 2023-11-02 | 基于建筑立体绘图的切片出图方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311446005.2A CN117173364B (zh) | 2023-11-02 | 2023-11-02 | 基于建筑立体绘图的切片出图方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117173364A CN117173364A (zh) | 2023-12-05 |
CN117173364B true CN117173364B (zh) | 2024-04-05 |
Family
ID=88947228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311446005.2A Active CN117173364B (zh) | 2023-11-02 | 2023-11-02 | 基于建筑立体绘图的切片出图方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117173364B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419503A (zh) * | 2020-12-07 | 2021-02-26 | 深圳市房多多网络科技有限公司 | 建筑物模型的生成方法、装置、计算设备和存储介质 |
CN115712942A (zh) * | 2022-11-24 | 2023-02-24 | 上海天华建筑设计有限公司 | 一种基于深度学习的超大建筑图纸洁具识别方法 |
CN116503575A (zh) * | 2023-04-21 | 2023-07-28 | 壹品慧数字科技(上海)有限公司 | 一种图形化生成高质量建筑模型的方法及电子设备 |
CN116740546A (zh) * | 2023-06-21 | 2023-09-12 | 西安理工大学 | 基于非等距切片和边界特征的窗户检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7505560B2 (en) * | 2005-02-28 | 2009-03-17 | High Energy Accelerator Research Organization | 3-dimensional image construction method and apparatus |
JP6474995B2 (ja) * | 2014-11-11 | 2019-02-27 | ローランドディー.ジー.株式会社 | スライスデータ作成装置、スライスデータ作成方法、プログラムおよびコンピューター読み取り可能な記録媒体 |
-
2023
- 2023-11-02 CN CN202311446005.2A patent/CN117173364B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419503A (zh) * | 2020-12-07 | 2021-02-26 | 深圳市房多多网络科技有限公司 | 建筑物模型的生成方法、装置、计算设备和存储介质 |
CN115712942A (zh) * | 2022-11-24 | 2023-02-24 | 上海天华建筑设计有限公司 | 一种基于深度学习的超大建筑图纸洁具识别方法 |
CN116503575A (zh) * | 2023-04-21 | 2023-07-28 | 壹品慧数字科技(上海)有限公司 | 一种图形化生成高质量建筑模型的方法及电子设备 |
CN116740546A (zh) * | 2023-06-21 | 2023-09-12 | 西安理工大学 | 基于非等距切片和边界特征的窗户检测方法 |
Non-Patent Citations (1)
Title |
---|
基于点云数据的建筑物快速精细建模;陈邦泽;杨晓波;郭霖蓉;曹海龙;;甘肃科技纵横(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117173364A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027547B (zh) | 一种针对二维图像中的多尺度多形态目标的自动检测方法 | |
CN109580630B (zh) | 一种机械零部件缺陷的视觉检测方法 | |
US8396284B2 (en) | Smart picking in 3D point clouds | |
CN110118526B (zh) | 一种支持实时监测的船载砂石体积自动计算方法 | |
EP3028464B1 (en) | System and method for detecting features in aerial images using disparity mapping and segmentation techniques | |
CN109658398B (zh) | 一种基于三维测量点云的零件表面缺陷识别与评估方法 | |
CN112489212A (zh) | 一种基于多源遥感数据的建筑物智能化三维测图方法 | |
CN110060338B (zh) | 一种基于bim模型的预制构件点云识别方法 | |
CN113470090A (zh) | 基于sift-shot特征的多固态激光雷达外参标定方法 | |
CN109483887B (zh) | 激光选区熔化过程中成形层轮廓精度在线检测方法 | |
CN112164145B (zh) | 基于点云数据快速提取室内三维线段结构的方法 | |
CN112734662B (zh) | 一种针对锥齿轮磨损的机器视觉检测方法及系统 | |
CN113920081A (zh) | 一种刀具磨损度检测方法 | |
CN113538501A (zh) | 低空图像dsm生成建筑物边缘精细化方法 | |
CN110851978A (zh) | 一种基于可见性的摄像机位置优化方法 | |
CN114565722A (zh) | 一种三维模型单体化实现方法 | |
CN117474873B (zh) | 一种高铬耐磨铸件钎焊前表面处理系统 | |
CN108053485B (zh) | 一种基于轮廓图像的马铃薯三维建模方法 | |
CN112561989B (zh) | 一种建造场景下吊装对象的识别方法 | |
CN117173364B (zh) | 基于建筑立体绘图的切片出图方法及系统 | |
CN115953604B (zh) | 一种不动产地理信息测绘数据采集方法 | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、系统、电子设备及介质 | |
CN115902919A (zh) | 隧道钢筋网测距方法、系统、电子设备及存储介质 | |
CN112365534B (zh) | 一种基于单目相机三维重建的大型煤堆体积测量方法 | |
CN115035254A (zh) | 一种基于重建点云的区域植被三维绿量估算方法 |
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 |