CN117237566B - 房屋验收方法、装置、设备及计算机可读存储介质 - Google Patents
房屋验收方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN117237566B CN117237566B CN202311528681.4A CN202311528681A CN117237566B CN 117237566 B CN117237566 B CN 117237566B CN 202311528681 A CN202311528681 A CN 202311528681A CN 117237566 B CN117237566 B CN 117237566B
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- detection
- house
- acquiring
- inspection item
- 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 36
- 238000007689 inspection Methods 0.000 claims abstract description 136
- 238000001514 detection method Methods 0.000 claims abstract description 116
- 230000007547 defect Effects 0.000 claims description 44
- 238000010586 diagram Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 241001310793 Podium Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- 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
- Image Analysis (AREA)
Abstract
本申请涉及一种房屋验收方法、装置、设备及计算机可读存储介质,数据数据处理的技术领域,其方法包括:获取待验收房屋的检测信息,所述检测信息包括检测图像和检测描述;基于所述检测描述确定所述检测图像对应的检查项;获取所述检查项对应的标准图像;基于所述标准图像和检测图像确定每个所述检查项的验收结果;获取所述验收结果存在问题的检查项,将存在问题的检查项作为标记项;获取所述待验收房屋对应的三维模型;将所述标记项在所述三维模型中进行标记;基于标记后的三维模型生成验收报告。本申请具有提高验房的效率的效果。
Description
技术领域
本申请涉及数据处理的技术领域,尤其是涉及一种房屋验收方法、装置、设备及计算机可读存储介质。
背景技术
随着社会经济的快速发展,推动了建筑业的蓬勃发展。各种类型的房屋交易(例如住宅毛坯、住宅精装、二手房或者商业房等)也迅速增长。
目前对房屋验收时,业主通常会委托房地产开发商或专业的验房师进行房屋验收,以确保房屋的质量和安全。
当下移动互联网平台的房屋验收报告均采用文本+图片的文本的形式进行记录,业主通过查看相应的房屋验收报告,以对房屋进行验收,当房屋验收报告中某个检查项出现问题时,业主需要根据文本和图片确定出现问题的检查项在房屋中的实际位置,从而对出现问题的检查项进行核查。
但是,房屋的实际空间比较大,通过时文本和图片的方式确定出现问题的检查项在房屋中的实际位置,速度会比较慢,从而导致验房的效率会比较低。
发明内容
为了提高验房的效率,本申请提供一种房屋验收方法、装置、设备及计算机可读存储介质。
第一方面,本申请提供一种房屋验收方法采用如下的技术方案:
一种房屋验收方法,包括:
获取待验收房屋的检测信息,所述检测信息包括检测图像和检测描述;
基于所述检测描述确定所述检测图像对应的检查项;
获取所述检查项对应的标准图像;
基于所述标准图像和检测图像确定每个所述检查项的验收结果;
获取所述验收结果存在问题的检查项,将存在问题的检查项作为标记项;
获取所述待验收房屋对应的三维模型;
将所述标记项在所述三维模型中进行标记;
基于标记后的三维模型生成验收报告。
通过采用上述技术方案,通过检测描述确定检测图像对应的检查项,能够根据检测图像和检查项对应的标准图像得到每个检查项的验收结果,确保每个检查项都有统一的标准和依据,提高验收的准确性和公正性;将验收结果存在问题的检查项作为标记项,能够更清晰地了解哪些检查项存在问题,为后续的维修或改进提供明确的指引;将标记项在待验收房屋对应的三维模型中标记,使得问题点位更加直观、清晰地展示出来,方便进行查看和管理;在提高房屋验收的准确性和效率的同时,为后续的维修和管理提供有力的支持和指引。
可选的,所述基于所述标准图像和检测图像确定每个所述检查项的验收结果,包括:
将每个所述检查项的检测图像和标准图像输入图像识别模型中进行识别,得到识别结果;
基于所述识别结果确定每个所述检查项的验收结果。
通过采用上述技术方案,通过图像识别模型对检测图像和标准图像进行识别,可以自动、准确地确定每个检查项的识别结果,避免了人工识别可能出现的误差和主观判断的不确定性,提高了房屋验收的准确性。
可选的,在所述获取待验收房屋的检测信息之前,还包括:
获取所述待验收房屋的基本信息,所述基本信息包括房间数量和尺寸信息;
基于所述房间数量和尺寸信息构建所述待验收房屋的三维模型;
获取所述待验收房屋的所有检查项;
确定每个所述检查项在所述三维模型中的第一目标区域;
将所述第一目标区域与所述检查项进行关联。
通过采用上述技术方案,通过构建三维模型,可以直观地展示待验收房屋的外观和内部布局,通过将检查项与对应的第一目标区域进行关联,便于快速确定检测图像在三维模型中的位置。
可选的,所述将所述第一目标区域与所述检查项进行关联,包括:
获取所述检查项对应的第一特征信息和第一目标区域对应第二特征信息;
将所述第一特征信息与所述第二特征信息进行匹配,得到匹配组,其中,每个所述匹配组包括一个检查项和一个第一目标区域;
获取所述匹配组中检查项对应的第一编号和第一目标区域对应的第二编号;
将所述第一编号与对应的第二编号进行关联。
通过采用上述技术方案,通过特征信息和编号的匹配与关联,能够将第一目标区域与检查项准确地对应起来,避免了误关联和漏关联的情况,提高了关联的准确性和可靠性,通过自动化的特征匹配信息和编号关联,能够快速地将第一目标区域与检查项进行关联,提高了工作效率和便捷性。
可选的,所述将所述标记项在所述三维模型中进行标记,包括:
提取所述检测图像中的第二目标区域,所述第二目标区域包括缺陷信息;
获取所述第二目标区域的第一尺寸信息;
获取所述第二目标区域在所述三维模型中的第二尺寸信息;
基于所述第一尺寸信息、第二尺寸信息和所述缺陷信息确定缺陷模型;
将所述缺陷模型融合在所述三维模型中。
通过采用上述技术方案,将缺陷信息直接在三维模型中进行标记,可以更直观地了解房屋存在的问题和缺陷,便于进行决策和维修;通过将缺陷模型融合在三维模型中,可以清晰地展示出缺陷的位置、大小和形状等信息,提高了可视化的效果和体验。
可选的,所述将所述缺陷模型融合在所述三维模型中,包括:
获取所述标记项对应的第一编号;
基于所述第一编号确定第二编号;
将所述缺陷模型融合至所述第二编号对应的第一目标区域上。
通过采用上述技术方案,使用第一编号来唯一标识每个标记项,可以准确地确定缺陷模型融合在哪个第一目标区域上,避免了误融合和漏融合的情况;由于使用了编号来进行标识和匹配,可以快速地找到对应的第二编号和第一目标区域,从而提高了融合缺陷模型的效率。
可选的,所述基于标记后的三维模型生成验收报告,包括:
获取所每个所述检查项对应的三维模型展示图;
将所述三维模型调整至所述三维模型展示图角度;
生成所述三维模型展示图角度的模型链接;
获取房屋验收模板、所有检查项对应检测图像、检测描述和检测结果;
基于所述检查项对应检测图像、检测描述、检测结果、房屋验收模板和模型链接生成房屋验收报告。
通过采用上述技术方案,通过获取每个检查项对应的检测图像、检测描述和检测结果,并将其与房屋验收模板和模型链接等信息结合起来,可以更全面地了解房屋的状况和质量,通过生成模型链接,可以快速地查看和浏览三维模型的不同角度和展示图,提高了房屋验收的效率。
第二方面,本申请提供一种房屋验收装置,采用如下的技术方案:
一种房屋验收装置,包括:
第一获取模块,用于获取待验收房屋的检测信息,所述检测信息包括检测图像和检测描述;
第二获取模块,用于基于所述检测描述确定所述检测图像对应的检查项;
第三获取模块,用于获取所述检查项对应的标准图像;
确定模块,用于基于所述标准图像和检测图像确定每个所述检查项的验收结果;
第四获取模块,用于获取所述验收结果存在问题的检查项,将存在问题的检查项作为标记项;
第五获取模块,用于获取所述待验收房屋对应的三维模型;
标记模块,用于将所述标记项在所述三维模型中进行标记;
生成模块,用于基于标记后的三维模型生成验收报告。
通过采用上述技术方案,通过检测描述确定检测图像对应的检查项,能够根据检测图像和检查项对应的标准图像得到每个检查项的验收结果,确保每个检查项都有统一的标准和依据,提高验收的准确性和公正性;将验收结果存在问题的检查项作为标记项,能够更清晰地了解哪些检查项存在问题,为后续的维修或改进提供明确的指引;将标记项在待验收房屋对应的三维模型中标记,使得问题点位更加直观、清晰地展示出来,方便进行查看和管理;在提高房屋验收的准确性和效率的同时,为后续的维修和管理提供有力的支持和指引。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,包括处理器和存储器,所述处理器与所述存储器耦合;
所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行如第一方面任一项所述的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得所述计算机执行如第一方面任一项所述的方法。
附图说明
图1是本申请实施例中体现一种房屋验收方法的流程示意图。
图2是本申请实施例中体现一种房屋验收装置的结构框图。
图3是本申请实施例中体现一种电子设备的结构框图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,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作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。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供一种房屋验收方法,该房屋验收方法可由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、台式计算机等,但并不局限于此。
如图1所示,一种房屋验收方法,其方法的主要流程描述如下(步骤S101~S105):
步骤S101,获取待验收房屋的检测信息,检测信息包括检测图像和检测描述;
在本实施例中,业主或验收人员将待验收房屋的检测信息通过移动终端上传至电子设备上,其中,移动终端包括但不限于手机和电脑,检测信息包括但不限于检测图像和检测描述信息,检测图像为拍摄的房屋现场的照片,描述信息为拍摄图像的具体信息,例如,拍摄图像为一个门的检测图像,描述信息为厕所的门或卧室的门。
在获取待验收房屋的检测信息之前,还包括以下内容:
具体的,获取待验收房屋的基本信息,基本信息包括房间数量和尺寸信息;基于房间数量和尺寸信息构建待验收房屋的三维模型获取待验收房屋的所有检查项;确定每个检查项在三维模型中的第一目标区域;将第一目标区域与检查项进行关联。
当对待验收房屋进行验收之前,首先需要建立待验收房屋的三维模型,在本实施例中,可以将待验收房屋的户型图输入电子设备中从而获取待验收房屋的基本信息,还可以对待验收房屋的现场进行实际测量从而获取待验收房屋的基本信息,对此不做具体限定。其中,房屋的基本信息包括但不限于房间数量、房间的长度、宽度和高度。
在电子设备接收待验收房屋的基本信息之后,根据基本信息构建待验收房屋的三维模型,其中构建三维模型的方式可以通过三维建模软件实现。
其中,检查项包括但不限于各个位置的门、各个位置的窗户和各个位置的墙面,每个检查项均在三维模型中对一个的第一目标区域,为了快速确定检查项在三维模型中的区域,因此需要将第一目标区域与对应的检查项进行关联。
其中,将第一目标区域与检查项进行关联,包括以下内容:
具体的,获取检查项对应的第一特征信息和第一目标区域对应第二特征信息;将第一特征信息与第二特征信息进行匹配,得到匹配组,其中,每个匹配组包括一个检查项和一个第一目标区域;获取匹配组中检查项对应的第一编号和第一目标区域对应的第二编号;将第一编号与对应的第二编号进行关联。
在本实施例中,每个检查项均对应一个第一特征信息和第一编号。其中,第一特征信息为检查项对应的描述信息,例如,厕所的门,第二特征信息为三维模型对应的描述信息,例如,客厅的门。
在本实施例中,通过nlp语义分析技术对第一特征信息和第二特征信息进行识别,从而确定相匹配的第一特征信息和第二特征信息,例如,当第一特征信息为卧室A的门,第二特征信息为卧室A的门时,判定第一特征信息和第二特征信息相匹配;当第一特征信息为卧室B的门,第二特征信息为卧室A的门时,判定第一特征信息和第二特征信息不匹配。
电子设备提取相匹配的第一特征信息和第二特征信息对应的检查项和第一目标区域,将相匹配的检查项和第一目标区域组成一个匹配组。
在本实施例中,预设有每个检查项的第一编号和每个第一目标区域的第二编号,将每个匹配组中第一标编号和第二编号进行关联。
其中,第一编号和第二编号可以为字母,还可以是数字,同一个匹配组的第一编号和第二编号可以相同,还可以不同,对此不做具体限定。
步骤S102,基于检测描述确定检测图像对应的检查项;
步骤S103,获取检查项对应的标准图像;
在本实施例中,当电子设备获取待验收房屋的检测信息之后,利用nlp语义分析技术对检测描述和检查项进行分析,从而确定检测图像对应的检查项。
特别说明的是,在电子设备预先存储有每个检查项对应的标准图像,标准图像为检查项符合验收标准的图像。
步骤S104,基于标准图像和检测图像确定每个检查项的验收结果;
具体的,将每个检查项的检测图像和标准图像输入图像识别模型中进行识别,得到识别结果;基于识别结果确定每个检查项的验收结果。
在本实施例中,图像识别模型为训练好的神经网络模型,将检测图像和标准图像输入图像识别模型中,得到检测图像和标准图像的相似度,当相似度小于预设值时,将检测图像输入缺陷识别模型中进行识别,以确定检测图像存在的缺陷类型,缺陷识别模型为训练好的神经网络模型,其中,预设值可以为99%。
例如,当识别结果显示墙面存在裂痕时,那么该检查项的验收结果为不合格;当识别结果显示墙面光滑无损时,那么该检查项的验收结果为合格。
步骤S105,获取验收结果存在问题的检查项,将存在问题的检查项作为标记项;
在本实施例中,电子设备提取存在问题的检查项,并将存在问题的检查项作为标记项,以便对存在问题的检查项进行查看。
需要说明的是,验收结果为不合格的检查项为验收结果存在问题的检查项。步骤S106,获取待验收房屋对应的三维模型;
在本实施例中,获取待验收房屋对应的三维模型,将标记项在三维模型中进行标注,便于房主查看和维修。
特别说明的是,可以在获取所有检查项的验收结果之后,在将标记项在三维模型上进行标记,还可以在获取标记项之后就在三维模型上进行标记,在本实施例中对此不做具体限定。
步骤S107,将标记项在三维模型中进行标记;
具体的,提取检测图像中的第二目标区域,第二目标区域包括缺陷信息;获取第二目标区域的第一尺寸信息;获取第二目标区域在三维模型中的第二尺寸信息;基于第一尺寸信息、第二尺寸信息和缺陷信息确定缺陷模型;将缺陷模型融合在三维模型中。
其中,将缺陷模型融合在三维模型中,包括以下内容:
具体的,获取标记项对应的第一编号;基于第一编号确定第二编号;将缺陷模型融合至第二编号对应的第一目标区域上。
在本实施例中,电子设备可以利用图像处理技术,例如,边缘检测、阈值分割等技术,在检测图像中提取出第二目标区域,第二目标区域为存在问题的区域,电子设备可以通过分析第二目标区域的纹理、颜色、形状等信息来识别和提取缺陷,电子设备通过图像处理技术,例如测量工具、边缘检测等技术,从第二目标区域中获取第二目标区域的第一尺寸信息,其中第一尺寸信息包括但不限于长度、宽度和高度,电子设备获取第二目标区域所属检测图像对应的检查项的第一编号,通过第一编号查询三维模型中对应的第二编号,通过第二编号快速定位三维模型中与第二目标区域的对应第一目标区域。
获取第一目标区域的第二尺寸信息,根据第一尺寸信息和第二尺寸信息确定比例值,根据比例值确定第二目标区域在三维模型中的大小。
在本实施例中,可以利用机器学习算法训练模型来识别和预测缺陷类型和程度,并根据第一尺寸信息、第二尺寸信息确定缺陷的大小和位置,根据缺陷模型的输出结果,将缺陷模型融合在三维模型中。例如,可以利用三维建模软件或算法,将缺陷模型与三维模型进行合并或叠加,从而直观地展示出缺陷在房屋中的位置和形状。
步骤S108,基于标记后的三维模型生成验收报告。
具体的,获取所每个检查项对应的三维模型展示图;将三维模型调整至三维模型展示图角度;生成三维模型展示图角度的模型链接;获取房屋验收模板和所有检查项对应检测图像、检测描述和检测结果;基于检查项对应检测图像、检测描述、检测结果、房屋验收模板和模型链接生成房屋验收报告。
在本实施例中,针对每个检查项,从三维模型中确定对应的第一目标区域,将三维模型的第一目标区域调整至对应的三维模型展示图角度,将调整后的三维模型作为三维模型展示图角度的模型,其中,每一个检查项均对应于一个三维模型展示图角度的模型,将三维模型展示图角度的模型的链接放入验房报告对应的位置上。
在本实施例中,可以利用三维旋转、缩放或平移等技术,将三维模型调整至与三维模型展示图相同的角度或位置,以便于进行直观的对比和分析,可以将调整角度后的三维模型保存为一个独立的文件或链接,以便于在后续的房屋验收报告中进行引用和展示,其中,这些链接可以是文件路径、URL或其他形式的标识符,以便于管理和访问。
在本实施例中,可以通过大数据获取房屋验收模板,将检查项对应检测图像、检测描述、检测结果和模型链接添加至房屋验收模板对应的位置上,从而形成验房报告,业主通过验房报告可以快速地查看和浏览三维模型的不同角度和展示图,提高了房屋验收的效率。
图2为本申请提供的一种房屋验收装置200的结构框图。如图2所示,该房屋验收装置200主要包括:
第一获取模块201,用于获取待验收房屋的检测信息,检测信息包括检测图像和检测描述;
第二获取模块202,用于基于检测描述确定检测图像对应的检查项;
第三获取模块203,用于获取检查项对应的标准图像;
确定模块204,用于基于标准图像和检测图像确定每个检查项的验收结果;
第四获取模块205,用于获取验收结果存在问题的检查项,将存在问题的检查项作为标记项;
第五获取模块206,用于获取待验收房屋对应的三维模型;
标记模块207,用于将标记项在三维模型中进行标记;
生成模块208,用于基于标记后的三维模型生成验收报告。
作为本实施例的一种可选实施方式,确定模块204,包括:
识别子模块,用于将每个检查项的检测图像和标准图像输入图像识别模型中进行识别,得到识别结果;
确定子模块,用于基于识别结果确定每个检查项的验收结果。
作为本实施例的一种可选实施方式,该房屋验收装置200,还包括:
信息获取模块,用于在获取待验收房屋的检测信息之前,获取待验收房屋的基本信息,基本信息包括房间数量和尺寸信息;
模型构建模块,用于基于房间数量和尺寸信息构建待验收房屋的三维模型;
检查项获取模块,用于获取待验收房屋的所有检查项;
区域确定模块,用于确定每个检查项在三维模型中的第一目标区域;
关联模块,用于将第一目标区域与检查项进行关联。
作为本实施例的一种可选实施方式,关联模块,具体用于:
获取检查项对应的第一特征信息和第一目标区域对应第二特征信息;将第一特征信息与第二特征信息进行匹配,得到匹配组,其中,每个匹配组包括一个检查项和一个第一目标区域;获取匹配组中检查项对应的第一编号和第一目标区域对应的第二编号;将第一编号与对应的第二编号进行关联。
作为本实施例的一种可选实施方式,标记模块207,包括:
区域提取子模块,用于提取检测图像中的第二目标区域,第二目标区域包括缺陷信息;
第一尺寸获取子模块,用于第二目标区域的第一尺寸信息;
第二尺寸获取子模块,用于获取第二目标区域在三维模型中的第二尺寸信息;
模型确定子模块,用于基于第一尺寸信息、第二尺寸信息和缺陷信息确定缺陷模型;
融合子模块,用于将缺陷模型融合在三维模型中。
作为本实施例的一种可选实施方式,融合子模块,具体用于:
获取标记项对应的第一编号基于第一编号确定第二编号;将缺陷模型融合至第二编号对应的第一目标区域上。
作为本实施例的一种可选实施方式,生成模块208,包括:
展示图获取子模块,用于在将标记项在三维模型中进行标记之后,获取所每个检查项对应的三维模型展示图;
调整子模块,用于将三维模型调整至三维模型展示图角度;
生成子模块,用于生成三维模型展示图角度的模型链接;
结果获取子模块,用于获取房屋验收模板、所有检查项对应检测图像、检测描述和检测结果;
报告生成子模块,用于基于检查项对应检测图像、检测描述、检测结果、房屋验收模板和模型链接生成房屋验收报告。
本申请实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机、服务器或者网络设备等)执行本申请各个实施例的一种房屋验收方法的全部或部分步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图3为本申请实施例提供的一种电子设备300的结构框图。如图3所示,电子设备300包括存储器301、处理器302和通信总线303;存储器301、处理器302通过通信总线303相连。存储器301上存储有能够被处理器302加载并执行如上述实施例提供的一种房屋验收方法。
存储器301可用于存储指令、程序、代码、代码集或指令集。存储器301可以包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令以及用于实现上述实施例提供的一种房屋验收方法的指令等;存储数据区可存储上述实施例提供的一种房屋验收方法中涉及到的数据等。
处理器302可以包括一个或者多个处理核心。处理器302通过运行或执行存储在存储器301内的指令、程序、代码集或指令集,调用存储在存储器301内的数据,执行本申请的各种功能和处理数据。处理器302可以为特定用途集成电路(Application SpecificIntegrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(ProgrammableLogic Device,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器和微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器302功能的电子器件还可以为其它,本申请实施例不作具体限定。
通信总线303可包括一通路,在上述组件之间传送信息。通信总线303可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA (ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。通信总线303可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双箭头表示,但并不表示仅有一根总线或一种类的总线。
本申请实施例提供一种计算机可读存储介质,存储有能够被处理器加载并执行如上述实施例提供的一种房屋验收方法的计算机程序。
本实施例中,计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。具体的,计算机可读存储介质可以是便携式计算机盘、硬盘、U盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、讲台随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、光盘、磁碟、机械编码设备以及上述任意组合。
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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种房屋验收方法,其特征在于,包括:
获取待验收房屋的检测信息,所述检测信息包括检测图像和检测描述;
基于所述检测描述确定所述检测图像对应的检查项;
获取所述检查项对应的标准图像;
基于所述标准图像和检测图像确定每个所述检查项的验收结果;
获取所述验收结果存在问题的检查项,将存在问题的检查项作为标记项;
获取所述待验收房屋对应的三维模型;
将所述标记项在所述三维模型中进行标记;
基于标记后的三维模型生成验收报告;
所述将所述标记项在所述三维模型中进行标记,包括:
提取所述检测图像中的第二目标区域,所述第二目标区域包括缺陷信息;
获取所述第二目标区域的第一尺寸信息;
获取所述第二目标区域在所述三维模型中的第二尺寸信息;
基于所述第一尺寸信息、第二尺寸信息和所述缺陷信息确定缺陷模型;
将所述缺陷模型融合在所述三维模型中;
所述将所述缺陷模型融合在所述三维模型中,包括:
获取所述标记项对应的第一编号;
基于所述第一编号 确定第二编号;
将所述缺陷模型融合至所述第二编号对应的第一目标区域上;
所述基于标记后的三维模型生成验收报告,包括:
获取每个所述检查项对应的三维模型展示图;
将所述三维模型调整至所述三维模型展示图角度;
生成所述三维模型展示图角度的模型链接;
获取房屋验收模板、所有检查项对应检测图像、检测描述和检测结果;
基于所述检查项对应检测图像、检测描述、检测结果、房屋验收模板和模型链接生成房屋验收报告;
其中,每个检查项均在三维模型中对一个的第一目标区域;
将所述三维模型调整至所述三维模型展示图角度,包括:
针对每个检查项,从三维模型中确定对应的第一目标区域,将三维模型的第一目标区域调整至对应的三维模型展示图角度,将调整后的三维模型作为三维模型展示图角度的模型,其中,每一个检查项均对应于一个三维模型展示图角度的模型,将三维模型展示图角度的模型的链接放入验房报告对应的位置。
2.根据权利要求1所述的方法,其特征在于,所述基于所述标准图像和检测图像确定每个所述检查项的验收结果,包括:
将每个所述检查项的检测图像和标准图像输入图像识别模型中进行识别,得到识别结果;
基于所述识别结果确定每个所述检查项的验收结果。
3.根据权利要求1所述的方法,其特征在于,在所述获取待验收房屋的检测信息之前,还包括:
获取所述待验收房屋的基本信息,所述基本信息包括房间数量和尺寸信息;
基于所述房间数量和尺寸信息构建所述待验收房屋的三维模型;
获取所述待验收房屋的所有检查项;
确定每个所述检查项在所述三维模型中的第一目标区域;
将所述第一目标区域与所述检查项进行关联。
4.根据权利要求3所述的方法,其特征在于,所述将所述第一目标区域与所述检查项进行关联,包括:
获取所述检查项对应的第一特征信息和第一目标区域对应第二特征信息;
将所述第一特征信息与所述第二特征信息进行匹配,得到匹配组,其中,每个所述匹配组包括一个检查项和一个第一目标区域;
获取所述匹配组中检查项对应的第一编号和第一目标区域对应的第二编号;
将所述第一编号与对应的第二编号进行关联。
5.一种房屋验收装置,其特征在于,包括:
第一获取模块,用于获取待验收房屋的检测信息,所述检测信息包括检测图像和检测描述;
第二获取模块,用于基于所述检测描述确定所述检测图像对应的检查项;
第三获取模块,用于获取所述检查项对应的标准图像;
确定模块,用于基于所述标准图像和检测图像确定每个所述检查项的验收结果;
第四获取模块,用于获取所述验收结果存在问题的检查项,将存在问题的检查项作为标记项;
第五获取模块,用于获取所述待验收房屋对应的三维模型;
标记模块,用于将所述标记项在所述三维模型中进行标记;
生成模块,用于基于标记后的三维模型生成验收报告;
标记模块,包括区域提取子模块,用于提取检测图像中的第二目标区域,第二目标区域包括缺陷信息;
第一尺寸获取子模块,用于第二目标区域的第一尺寸信息;
第二尺寸获取子模块,用于获取第二目标区域在三维模型中的第二尺寸信息;
模型确定子模块,用于基于第一尺寸信息、第二尺寸信息和缺陷信息确定缺陷模型;
融合子模块,用于将缺陷模型融合在三维模型中;
融合子模块,具体用于:
获取标记项对应的第一编号基于第一编号确定第二编号;将缺陷模型融合至第二编号对应的第一目标区域上;
展示图获取子模块,用于在将标记项在三维模型中进行标记之后,获取所每个检查项对应的三维模型展示图;
调整子模块,用于将三维模型调整至三维模型展示图角度;
生成子模块,用于生成三维模型展示图角度的模型链接;
结果获取子模块,用于获取房屋验收模板、所有检查项对应检测图像、检测描述和检测结果;
报告生成子模块,用于基于检查项对应检测图像、检测描述、检测结果、房屋验收模板和模型链接生成房屋验收报告;
其中,每个检查项均在三维模型中对一个的第一目标区域;
将所述三维模型调整至所述三维模型展示图角度,包括:
针对每个检查项,从三维模型中确定对应的第一目标区域,将三维模型的第一目标区域调整至对应的三维模型展示图角度,将调整后的三维模型作为三维模型展示图角度的模型,其中,每一个检查项均对应于一个三维模型展示图角度的模型,将三维模型展示图角度的模型的链接放入验房报告对应的位置。
6.一种电子设备,其特征在于,包括处理器和存储器,所述处理器与所述存储器耦合;
所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行如权利要求1至4任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,包括计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得所述计算机执行如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311528681.4A CN117237566B (zh) | 2023-11-16 | 2023-11-16 | 房屋验收方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311528681.4A CN117237566B (zh) | 2023-11-16 | 2023-11-16 | 房屋验收方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237566A CN117237566A (zh) | 2023-12-15 |
CN117237566B true CN117237566B (zh) | 2024-02-09 |
Family
ID=89086661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311528681.4A Active CN117237566B (zh) | 2023-11-16 | 2023-11-16 | 房屋验收方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237566B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112014404A (zh) * | 2020-08-27 | 2020-12-01 | Oppo(重庆)智能科技有限公司 | 组件检测方法、装置、系统、电子设备及存储介质 |
CN114120221A (zh) * | 2021-11-06 | 2022-03-01 | 北京奇天大胜网络科技有限公司 | 基于深度学习的环境核查方法、电子设备及存储介质 |
CN114331386A (zh) * | 2022-01-10 | 2022-04-12 | 土巴兔集团股份有限公司 | 一种房屋验收报告处理方法及其相关设备 |
CN114418998A (zh) * | 2022-01-20 | 2022-04-29 | 金瓜子科技发展(北京)有限公司 | 一种车辆零部件缺陷检测方法、系统及电子设备 |
CN114745399A (zh) * | 2022-02-23 | 2022-07-12 | 安徽金蓓检测认证股份有限公司 | 一种智能化建筑工程质量验收管理系统 |
US11783560B1 (en) * | 2022-06-03 | 2023-10-10 | Amazon Technologies, Inc. | Three-dimensional room modeling and feature annotation |
-
2023
- 2023-11-16 CN CN202311528681.4A patent/CN117237566B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112014404A (zh) * | 2020-08-27 | 2020-12-01 | Oppo(重庆)智能科技有限公司 | 组件检测方法、装置、系统、电子设备及存储介质 |
CN114120221A (zh) * | 2021-11-06 | 2022-03-01 | 北京奇天大胜网络科技有限公司 | 基于深度学习的环境核查方法、电子设备及存储介质 |
CN114331386A (zh) * | 2022-01-10 | 2022-04-12 | 土巴兔集团股份有限公司 | 一种房屋验收报告处理方法及其相关设备 |
CN114418998A (zh) * | 2022-01-20 | 2022-04-29 | 金瓜子科技发展(北京)有限公司 | 一种车辆零部件缺陷检测方法、系统及电子设备 |
CN114745399A (zh) * | 2022-02-23 | 2022-07-12 | 安徽金蓓检测认证股份有限公司 | 一种智能化建筑工程质量验收管理系统 |
US11783560B1 (en) * | 2022-06-03 | 2023-10-10 | Amazon Technologies, Inc. | Three-dimensional room modeling and feature annotation |
Also Published As
Publication number | Publication date |
---|---|
CN117237566A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10878283B2 (en) | Data generation apparatus, data generation method, and data generation program | |
US10885618B2 (en) | Inspection apparatus, data generation apparatus, data generation method, and data generation program | |
CN108647732B (zh) | 一种基于深度神经网络的病理图像分类方法及装置 | |
CN108345587B (zh) | 一种评论的真实性检测方法与系统 | |
CN111782583B (zh) | 智能审图方法及相关装置 | |
BR112020022645A2 (pt) | sistema e método para detecção de defeitos em itens imageados | |
CN105574550A (zh) | 一种车辆识别方法及装置 | |
CN109946303A (zh) | 检查装置和方法 | |
JP6707920B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN111758117B (zh) | 检查系统、识别系统以及学习数据生成装置 | |
WO2021046726A1 (zh) | 用于检测机械设备零部件的方法和装置 | |
CN112614101A (zh) | 基于多层特征提取的抛光砖瑕疵检测方法及相关设备 | |
CN112513927A (zh) | 基于卷积神经网络的风力涡轮机叶片缺陷检查 | |
CN117252842A (zh) | 一种飞机蒙皮缺陷检测及网络模型训练方法 | |
CN108992033B (zh) | 一种视觉测试的评分装置、设备和存储介质 | |
CN116415020A (zh) | 一种图像检索的方法、装置、电子设备及存储介质 | |
CN112417687B (zh) | 智能审图方法及相关装置 | |
CN113538411A (zh) | 一种绝缘子缺陷检测方法及装置 | |
CN117237566B (zh) | 房屋验收方法、装置、设备及计算机可读存储介质 | |
CN109598712A (zh) | 塑料泡沫餐盒的质量检测方法、装置、服务器及存储介质 | |
KR20200001288A (ko) | 자동화된 도면 오류 검사 제공 장치 및 방법 | |
CN116071335A (zh) | 墙面验收方法、装置、设备及存储介质 | |
CN112199975A (zh) | 基于人脸特征的身份验证方法及装置 | |
CN111612890B (zh) | 二维户型图自动生成三维模型的方法、装置和电子设备 | |
CN114842192A (zh) | 一种航空发动机叶片损伤识别模型、损伤识别方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |