CN104821011A - 基于相机拍摄的2d户型照片生成3d户型模型的方法 - Google Patents

Abstract

本发明公开了一种基于相机拍摄的2D户型照片生成3D户型模型的方法，它包括：步骤1，通过相机拍摄获取2D户型照片；步骤2，通过本质矩阵还原法对步骤1获取的2D户型照片进行修正；步骤3，对经步骤2处理后的2D户型图像进行图像增强处理；步骤4，提取经步骤3处理后的2D图像的轮廓线；步骤5，建立门、窗模型库，根据步骤4提取轮廓线进行匹配，识别门、窗位置；步骤6，拉伸墙体结构至一固定的高度位置，完成3D户型模型的生成。它具有如下优点：实现了由2D户型照片到3D户型模型的自动生成，生成方法简单，具有普遍适用性，可将该生成方法嵌入便携式移动设备中形成一款APP应用软件与便携式移动设备的摄像头联合应用，具备实用性。

Description

基于相机拍摄的2D户型照片生成3D户型模型的方法

技术领域

本发明涉及一种基于2D户型照片生成3D户型模型的方法，尤其涉及一种基于相机拍摄获取的2D户型照片生成3D户型模型的方法。

背景技术

基于二维建筑户型图的三维重建根据输入格式的不同，主要分为两大类：基于扫图像的三维重建和基于矢量户型图纸的三维重建。基于扫图像的三维重建的方法主要包括：1)预处理扫描图像，包括去噪，文本提取和矢量化；2)分析矢量化后的图纸并识别特征信息(墙，门，窗，阳台等)；3)三维重建

如何分析矢量化后的户型图，正确解析并提取建筑构件几何和语义信息以及其代表的布局信息是重建扫描图至关重要的一步。目前大部分方法研究都集中在这部分。比较有代表性的有：1、Siu-hang等的工作，侧重于从矢量户型图中提取各部分建筑元件的几何表示，从而重构三维模型，文中提出一种基于平行反向向量配对的方法来检测墙体，他们认为在预处理后的矢量图中，带宽度的墙体是由成对的反向向量构成的。2、Sheraz等人提出一种方法来区分户型图中宽，中等，窄的直线，并且有效移除墙外的干扰多边形，从而提高对房间识别的准确率。3、Lluis-Pere等针对扫描户型图中墙的识别提出一种自动划分墙体的方法，文中所描述该方法对任意墙体符号表示具有较好的鲁棒性并且不需要预先输入或训练标识集。该方法是默认墙体在户型图中是一种重复出现的元素，并且自然均衡的分布在整个户型图中，且通常是以平行线的形式表示。可以看出，该方法也是基于大量假设前提。4、Lluis-Pere的团队近两年又提出一些基于统计学划分并且预先学习样本文件并得到特征表示符号集的方法来提高特征识别的普适性。

以上现有技术中所述的3D合成方法具有以下缺陷：1、对户型图的原始输入图片的质量要求过于严格；2、对特征信息识别的普适性不好，现存方法中，每种方法基本只针对某一户型库的户型图，不同户型库的特征信息符号表示差异较大，目前还没有成熟的方法可以普遍适用于各种不同库的户型图。采用基于统计分析的方法经由预先样本形成专门语义库的方法可以一定程度上改进这个问题，但预先的样本学习仍然增加了算法复杂性，增加耗时，效果并不十分理想；3)对于复杂户型图，除了必要的建筑原件，墙体，门，窗，阳台，如果户型图中还带有其他家具，卫浴，装饰等图示，则会增加识别难度。

发明内容

本发明提供了一种基于相机拍摄的2D户型照片生成3D户型模型的方法，其克服了背景技术中所述的现有技术的不足。

本发明解决其技术问题所采用的技术方案是：

基于相机拍摄的2D户型照片生成3D户型模型的方法，它包括：

步骤1，通过相机拍摄获取2D户型照片；

步骤2，通过本质矩阵还原法对步骤1获取的2D户型照片进行修正，以获取一个结构合理的2D户型图像；

步骤3，对经步骤2处理后的2D户型图像进行图像增强处理；

步骤4，提取经步骤3处理后的2D图像的轮廓线，获取墙体的两条相互平行的轮廓线、每堵墙体轮廓线的起始点与终止点以及门、窗轮廓线，将每相邻两堵墙体轮廓线的起始点与终止点对应相连形成房屋的墙体结构；

步骤5，建立门、窗模型库，根据步骤4提取的门、窗轮廓线与门、窗模型库进行匹配，进而识别门、窗在房屋结构中的位置；

步骤6，拉伸墙体结构至一固定的高度位置。

一实施例之中：所述步骤5还包括对识别的门、窗在房屋结构中的位置进行校准。

一实施例之中：步骤1中所述的通过相机拍摄获取的2D户型图可通过便携式移动设备上的摄像头获取。

一实施例之中：步骤3中所述图像增强处理包括直方图均衡处理、色彩校正处理、阈值取样处理、图像腐蚀处理、图像的膨胀与收缩处理以及去噪处理中的部分或全部处理方法。

一实施例之中：步骤3中所述的图像增强处理依次经直方图均衡处理、色彩校正处理、阈值取样处理、图像腐蚀处理、图像的膨胀与收缩处理以及去噪处理。

一实施例之中：步骤4中所述的轮廓线提取采用Canny轮廓提取法。

一实施例之中：步骤5中所述的门、窗轮廓线与门、窗模型库中的门、窗模型通过不变矩特征和/或surf特征点进行匹配。

一实施例之中：步骤4中所述墙体轮廓线的起始点与终止点为轮廓提取后的两堵相邻墙体的延长线交点。

一实施例之中：所述便携式移动设备包括手机、手持照相机、平板中的任一种。

本技术方案与背景技术相比，它具有如下优点：

1、实现了由2D户型照片到3D户型模型的自动生成，生成方法简单，具有普遍适用性，生成的3D户型模型能够精确地反应出房屋的原本结构信息，包括墙体的结构信息(包括墙体的厚度信息)、形成的各个房间结构、个数信息以及门和窗的位置信息等。

2、本发明所述的2D户型照片主要是由当下流行的且常用的便携式移动设备摄像头获取，获取方式非常便捷，同时也可将该生成方法嵌入便携式移动设备中形成一款APP应用软件与便携式移动设备的摄像头联合应用，使该生成方法具备实用性，方便人们的使用。

3、本发明所述的基于相机拍摄的2D户型照片生成3D户型模型的方法步骤中包括对2D图像的本质还原、图像增强处理、采用Canny轮廓提取法提取轮廓线以及采用将轮廓提取后的相邻两堵墙体的延长线交点作为墙体轮廓线的起始点与终止点方法都对由本发明所述的生成方法生成的3D户型模型的精确度做了较大的贡献和保障。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1为书页上的户型图原图。

图2为通过相机获取户型图原图的2D户型照片。

图3为步骤3中对步骤2中的2D户型图像进行图像增强处理后的2D图像。

图4为步骤4中对步骤3中的2D图像进行轮廓提取后的轮廓图像。

图5为步骤4中根据轮廓图像获得的墙体2D图像。

图6为经门窗适配后和墙体拉伸后获得的3D户型图像。

具体实施方式

请查阅图1至图6，现有技术中针对2D户型图生成3D户型模型的方法有很多，本发明所述的一种基于相机拍摄的2D户型照片生成3D户型模型的方法，它包括：

步骤1，通过相机拍摄获取2D户型照片；该摄像获取的2D户型照片可通过便携式移动设备上的摄像头获取，便携式移动设备可以是手机、手持照相机、平板中的任一种。

步骤2，通过本质矩阵还原法对步骤1获取的2D户型照片进行修正，选取图像中的四个角点坐标根据本质矩阵还原法还原出摄像头的焦距、图像拍摄角度、拍摄距离等一系列信息，根据这些信息可以对所拍摄的2D图的畸变、垂直位置或拍摄角度的误差进行修正，从而获取一个结构合理的2D户型图像。

步骤3，对经步骤2处理后的2D户型图像进行图像增强处理；所述图像增强处理包括直方图均衡处理、色彩校正处理、阈值取样处理、图像腐蚀处理、图像的膨胀与收缩处理以及去噪处理中的全部处理方法或部分处理方法，本实施例中，步骤3中所述的图像增强处理依次经直方图均衡处理、色彩校正处理、阈值取样处理、图像腐蚀处理、图像的膨胀与收缩处理以及去噪处理，其中各处理过程中的参数调整可实现通过足够多的不同平面图进行参数调整测试以求得一个最佳的参数配置，然后再应用于步骤2中的各处理过程中，处理后的2D图像能够满足后续图像处理步骤的图像清晰度要求以及图像特征提取的要求。大量测试

步骤4，提取经步骤3处理后的2D图像的轮廓线，获取墙体的两条相互平行的轮廓线、每堵墙体轮廓线的起始点与终止点以及门、窗轮廓线，将每相邻两堵墙体轮廓线的起始点与终止点对应相连形成房屋的墙体结构，这里墙体轮廓线的起始点与终止点可以通过提取经轮廓提取后的两堵相邻墙体的延长线交点作为该相邻两堵墙体分别对应的一起始点和一终止点。本发明方案优选地采用Canny轮廓提取法对该2D图像的轮廓线进行提取，保证较高的轮廓提取精度。

步骤5，建立门、窗模型库，根据步骤4提取的门、窗轮廓线与门、窗模型库进行匹配，进而识别门、窗在房屋结构中的位置；由于门和窗在户型图上一般采用较为固定的模型样式表达，因此采用模型匹配的方式进行门和窗的位置识别还是能够具有较高的识别率的。然而在门窗模型匹配过程中为了克服由门窗的尺寸变化与旋转变化带来的模型识别匹配困难，本发明采用不变矩特征和/或surf特征点进行匹配，以达到更高的匹配精度。门、窗匹配后，为了确定门、窗位置的匹配位置是否正确，还可进一步根据门、窗与墙体结构的适配情况对门、窗位置的正确性进行校准，这里门、窗与墙体结构的适配情况例如：门必须位于墙体的相邻位置的空白处，若门匹配到的门位于墙体之内，则说明门匹配错误；而窗户只能嵌入于墙体之中或位于墙体中部位置，若匹配到的窗户位于墙体之外的大片空白区域，则说明匹配错误。

步骤6，拉伸墙体结构至一固定的高度位置，完成3D户型模型的构建。

本发明方法的可基于OpenCV计算机视觉开源库进行开发，然后移植到便携式电子设备上进行应用。

本发明方法实现了由2D户型照片到3D户型模型的自动生成，生成方法简单，具有普遍适用性，生成的3D户型模型能够精确地反应出房屋的原本结构信息，包括墙体的结构信息(包括墙体的厚度信息)、形成的各个房间结构、个数信息以及门和窗的位置信息等。

由于本发明所述的2D户型照片主要是由当下流行的且常用的便携式移动设备摄像头获取，获取方式非常便捷，实际应用中，可将该生成方法嵌入便携式移动设备中形成一款APP应用软件与便携式移动设备的摄像头联合应用，使该生成方法具备实用性，同时也很方便人们的日常使用。

以上所述，仅为本发明较佳实施例而已，故不能依此限定本发明实施的范围，即依本发明专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明涵盖的范围内。

Claims (9)

1.基于相机拍摄的2D户型照片生成3D户型模型的方法，其特征在于：包括：

步骤1，通过相机拍摄获取2D户型照片；

步骤2，通过本质矩阵还原法对步骤1获取的2D户型照片进行修正，以获取一个结构合理的2D户型图像；

步骤3，对经步骤2处理后的2D户型图像进行图像增强处理；

步骤4，提取经步骤3处理后的2D图像的轮廓线，获取墙体的两条相互平行的轮廓线、每堵墙体轮廓线的起始点与终止点以及门、窗轮廓线，将每相邻两堵墙体轮廓线的起始点与终止点对应相连形成房屋的墙体结构；

步骤5，建立门、窗模型库，根据步骤4提取的门、窗轮廓线与门、窗模型库进行匹配，进而识别门、窗在房屋结构中的位置；

步骤6，拉伸墙体结构至一固定的高度位置。

2.根据权利要求1所述的基于相机拍摄的2D户型照片生成3D户型模型的方法，其特征在于：所述步骤5还包括对识别的门、窗在房屋结构中的位置进行校准。

3.根据权利要求1所述的基于相机拍摄的2D户型照片生成3D户型模型的方法，其特征在于：步骤1中所述的通过相机拍摄获取的2D户型图可通过便携式移动设备上的摄像头获取。

4.根据权利要求1所述的基于相机拍摄的2D户型照片生成3D户型模型的方法，其特征在于：步骤3中所述图像增强处理包括直方图均衡处理、色彩校正处理、阈值取样处理、图像腐蚀处理、图像的膨胀与收缩处理以及去噪处理中的部分或全部处理方法。

5.根据权利要求4所述的基于相机拍摄的2D户型照片生成3D户型模型的方法，其特征在于：步骤3中所述的图像增强处理依次经直方图均衡处理、色彩校正处理、阈值取样处理、图像腐蚀处理、图像的膨胀与收缩处理以及去噪处理。

6.根据权利要求1所述的基于相机拍摄的2D户型照片生成3D户型模型的方法，其特征在于：步骤4中所述的轮廓线提取采用Canny轮廓提取法。

7.根据权利要求1所述的基于相机拍摄的2D户型照片生成3D户型模型的方法，其特征在于：步骤5中所述的门、窗轮廓线与门、窗模型库中的门、窗模型通过不变矩特征和/或surf特征点进行匹配。

8.根据权利要求1所述的基于相机拍摄的2D户型照片生成3D户型模型的方法，其特征在于：步骤4中所述墙体轮廓线的起始点与终止点为轮廓提取后的两堵相邻墙体的延长线交点。

9.根据权利要求3所述的基于相机拍摄的2D户型照片生成3D户型模型的方法，其特征在于：所述便携式移动设备包括手机、手持照相机、平板中的任一种。