CN111612888B - 一种文物建筑图形的自动生成方法、***及存储介质 - Google Patents
一种文物建筑图形的自动生成方法、***及存储介质 Download PDFInfo
- Publication number
- CN111612888B CN111612888B CN202010414090.4A CN202010414090A CN111612888B CN 111612888 B CN111612888 B CN 111612888B CN 202010414090 A CN202010414090 A CN 202010414090A CN 111612888 B CN111612888 B CN 111612888B
- Authority
- CN
- China
- Prior art keywords
- building
- boundary
- cultural relic
- dimensional
- lines
- 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 43
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000010586 diagram Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000011161 development Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003313 weakening 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种文物建筑图形自动生成方法、***及存储介质,所述方法包括:识别文物建筑对应的三维正摄图中组成色彩边缘线的多个边界点;将所有的边界点拟合成均匀的边界线;重复识别边缘线,得到多条均匀的边界线;将拟合出的多条边界线合并,生成文物建筑存档所需的二维图形。本发明根据获取的文物建筑的点云数据,通过自动识别软件将文物建筑的三维正摄图转换为二维矢量线图,导出的矢量线图线形连续、清晰,复合制图规范,能够通过线型的不同和线的疏密来区分层次;相比于人工描图展示出的图纸,细节更完善,线型更圆滑,避免棱角生硬;且文物建筑图形的自动生成为大规模开展现有文物存档需求提供便利技术,为其他相关研究提供前期成果。
Description
技术领域
本发明涉及图像识别处理领域,更具体地,涉及一种文物建筑图形的自动生成方法、***及存储介质。
背景技术
目前对于文物建筑整体及部分基础资料的存储和归档技术已较常见,此项工作是保证后续文保工作的顺利开展的必要条件。目前文保工程三视图(平面图、立面图、剖面图)在一段时间内将依然是文物建筑保护修缮最常用、最重要的图纸资料,是存档的必须。而三视图需要在测绘的基础上取得,当前主要的测试方式是利用人工现场借助直尺、卷尺等传统工具和全站仪、激光测距仪等工具对建筑关键位置进行分部、接触式的单点采集测绘,工具直接量取文物建筑及其构件的尺寸,面对文物建筑庞大复杂的结构,以及复杂的纹饰雕刻,很难用具体的测绘仪器得出准确的数据。
传统的测绘方法,在进行文物建筑测绘时效率低下,人工干预性大;由于采用单点采集测绘,其生成的立面图和三维扫描技术绘制的立面图叠合起来之后立面轮廓偏差非常大,导致测绘的结果出现较大的偏差,影响文物建筑信息的采集、处理、存储及展示应用的准确性。
发明内容
本发明提供一种克服上述由于人工单点测量效率低下、偏差大的问题或者至少部分地解决上述问题的文物建筑图形自动生成方法、***及存储介质。
根据本发明的第一方面,提供了一种文物建筑图形自动生成方法,包括:
根据文物建筑的点云数据,生成点云模型并输出点云数据对应的三维正摄图;
识别所述三维正摄图中文物建筑的边缘线,其中,所述边缘线由多个边界点组成;
根据所述边缘线包含的边界点拟合成均匀的边界线;
重复识别所述三维正摄图中文物建筑的边缘线并拟合成边界线,得到多条均匀的边界线;
将拟合出的多条边界线合并,生成文物建筑存档需要的二维图形。
在上述技术方案的基础上,本发明实施例还可以作出如下改进。
可选的,所述根据文物建筑的点云数据,生成点云模型输出点云数据对应的三维正摄图包括:
根据三维激光扫描仪采集的文物建筑的点云数据,建立点云模型;
将文物建筑整体模型和图像数据打散为彩色点,按照点云数据的真实坐标位置进行排列;
选择需要的点云数据生成的三维正摄图。
可选的,所述根据文物建筑的点云数据,生成点云模型输出点云数据对应的三维正摄图之后还包括:
将所述三维正摄图从RGB颜色空间映射到LAB颜色空间,利用OpenCV-Python库中的限制对比度自适应直方图均衡化算法进行图片增强处理;
对于图片增强处理后的三维正摄图进行高斯模糊滤波,降噪处理。
可选的,所述识别所述三维正摄图中文物建筑的多条边缘线包括:
采用Canny边缘检测算法对图片增强和降噪处理后的所述的三维正摄图进行文物建筑边缘线的检测,得到组成边缘线的所有边界点。
可选的,所述识别所述三维正摄图中文物建筑的边缘线之后还包括对识别出的文物建筑的边缘线进行边缘线骨架计算:
对于识别的边缘线的所有边界点,提取关键边界点处像素点的RGB值;
对于所述关键边界点为中心的多个邻域边界点,计算任一个邻域边界点与所述关键边界点的RGB容差值;
若所述RGB容差值在预设容差值范围内,则保留所述任一个邻域边界点;否则,删除所述任一个邻域边界点,且以所述任一个邻域边界点为中心,再次计算所述任一个邻域边界点的每一个邻域边界点与所述任一个邻域边界点之间的容差值,直到所述容差值处于预设容差值范围内。
可选的,所述边缘线骨架计算后得到的边缘线为散点图形式,所述对识别出的文物建筑的边缘线进行边缘线骨架计算之后还包括:
将散点图形式的边缘线提取为单一线条,将出现分叉的线条切割为多个线条,其中,每一个线条均采用多个坐标点进行存储。
可选的,将散点图形式的边缘线提取为单一线条,将出现分叉的线条切割为多个线条之后还包括:
对于提取的每一个线条包含的多个坐标点,计算任一个坐标点在每一个线条曲线上的偏移程度,根据所述偏移程度确定是否删除所述任一个坐标点;以及,
根据任一个线条曲线的长度,确定是否保留所述任一个线条曲线。
可选的,所述将所有的边界点拟合成均匀的边界线包括:
基于非均匀有理B样条曲线将所有的边界点拟合成均匀的边界线。
根据本发明实施例的第二方面,提供了一种文物建筑图形的自动生成***,包括:
输入模块,用于根据文物建筑的点云数据,生成点云模型输出点云数据对应的三维正摄图;
识别模块,用于识别所述三维正摄图中文物建筑的边缘线,其中,所述边缘线由多个边界点组成;
拟合模块,用于将所有的边界点拟合成均匀的边界线;
生成模块,用于重复识别所述三维正摄图中文物建筑的边缘线,并拟合得到多条均匀的边界线,将拟合出的多条边界线合并,生成文物建筑存档需要的二维图形。
根据本发明实施例的第三方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述文物建筑图形自动生成方法。
本发明实施例提供的文物建筑图形自动生成方法、***及存储介质,根据获取的文物建筑的点云数据,通过自动处理软件将文物建筑的三维正摄图转换为二维矢量线图,导出的矢量线图线形连续、清晰,符合制图规范,能够通过线型的同和线的疏密来区分层次;相比于人工描图展示出的图纸,细节更完善,线型更圆滑,避免棱角生硬。
附图说明
图1为本发明实施例的文物建筑图形自动生成方法流程图;
图2为本发明实施例的边缘提取效果示意图;
图3为进行边缘线骨架计算过程中的RGB像素点迭代方式示意图;
图4为进行边缘线骨架计算前后的边缘线对比示意图;
图5-1为本发明实施例识别出的边界线包含的边界点示意图;
图5-2为根据图5-1拟合后的边界线;
图6-1为一种文物建筑图形生成的效果图;
图6-2为另一种文物建筑图形生成的效果图;
图6-3为再一种文物建筑图形生成的效果图;
图7为本发明实施例的文物建筑图形自动生产***连接框图;
图8为本发明实施例的电子设备实体结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
参见图1,提供了本发明实施例的一种文物建筑图形自动生成方法,该方法包括:
根据文物建筑的点云数据,生成点云模型输出点云数据对应的三维正摄图;
识别所述三维正摄图中文物建筑的边缘线,其中,所述边缘线由多个边界点组成;
将所有的边界点拟合成均匀的边界线;
重复识别所述三维正摄图中文物建筑的边缘线,得到多条均匀的边界线;
将拟合出的多条边界线合并,生成文物建筑存档需要的二维图形。
可以理解的是,面对现有技术的问题,本发明实施例提供了文物建筑图形自动生成方法,根据拍摄的点云数据,创建点云模型,并根据点云模型输出点云数据对应的三维正摄图。
随后从文物建筑的三维正摄图中识别文物建筑的边缘线包含的边界点,并根据边界点拟合成均匀的边界线,根据拟合的多条边界线,生成文物建筑的二维图形,这样就将三维正摄图转换成了需要进行文物建筑图纸存档需要的二维图形。
本发明实施例根据获取的文物建筑的点云数据,通过自动识别软件将文物建筑的三维正摄图转换为二维矢量线图,导出的矢量线图线形连续、清晰,复合制图规范,能够通过线型的同和线的疏密来区分层次;相比于人工描图展示出的图纸,细节更完善,线型更圆滑,避免棱角生硬。
作为一个可选的实施例,根据文物建筑的点云数据,生成点云模型输出点云数据对应的三维正摄图包括:
根据三维激光扫描仪采集的文物建筑的点云数据,建立点云模型;
将文物建筑整体模型和图像数据打散为彩色点,按照点云数据的真实坐标位置进行排列;
选择需要的点云数据的三维正摄图。
可以理解的是,三维激光扫描技术测绘作为新兴的测绘技术,三维激光扫描是目前比较流行的新型信息获取手段。该手段是集光、机、电和计算机技术于一体的高新技术,主要用于对物体空间外形和结构及色彩进行扫描,以获得物体表面的空间坐标信息,它可以直接快速获取实体表面信息。其中激光扫描仪是三维激光扫描***的主要组成构件,不同的扫描仪扫描得到的成果精度也不同,需要根据不同精度的需求选择合适的扫描仪。
与文物建筑传统测绘方法相比,三维激光扫描技术具有非接触、速度快、精度高、采集信息完整等各种优点。三维激光扫描技术能够为文物建筑的保护修缮提供真实准确、全面的数据信息,并且具有非接触的独特优势,恰恰满足中国文物建筑资料信息获取与保存的测量需求,满足了文物建筑数字化保护的需求。
三维点云数据是三维激光扫描文物建筑后得到的数据格式。扫描得到的“点云”成果含有三维坐标信息,及颜色属性信息。目前扫描仪自带的软件可以实现对点云数据的数字化处理和建立三维模型,对点云数据能够进行距离,角度,体积,半径,面积等的测量。传统文物建筑测绘的成果是将测量的数据绘制成电子数据图纸,是平面的、二维的,在三维激光扫描引入文物建筑领域后,将点云数据转化成二维线画图是数据处理的工作重心,然而二维的图纸只是该技术成果表达的一小部分,对于数据的三维成果优势没有充分挖掘。
目前三维扫描得到的文物建筑的点云数据模型主要应用在虚拟三维模型演示及转换二维图纸,利用扫描测绘后的信息处理技术存在很大的瓶颈,现已经阻碍了该技术的后续应用。进而扫描得到的点云和图像数据由于技术较新,平台较多,现阶段还没有一个通用平台能够直接将其转换为三视图尤其是立面线图并应用在常规文物保护修缮流程中,国外网站平台(Convertio)可以转换少量的Svg图片(Svg是一种标记语言,可扩展矢量图形),但需要大量的时间和物力。
在根据点云数据输出对应的三维正摄图的过程为,根据三维激光扫描仪拍摄的文物建筑的点云数据,运用海量多边形、BIM参数化平台、截平面建模等方式建立点云模型,通过点云和图像数据将整体文物建筑模型打散为彩色点,并按照点云数据的真实坐标位置排列,获取足够密度的点云,输出文物建筑的现状正摄图纸,选择需要转换的点云生成对应的三维正摄图。
作为一个可选的实施例,根据文物建筑的点云数据,生成点云模型输出点云数据对应的三维正摄图之后还包括:
将三维正摄图从RGB颜色空间映射到LAB颜色空间,利用限制对比度自适应直方图均衡化算法进行图片增强处理;
对于图片增强处理后的三维正摄图进行高斯模糊滤波降噪处理。
可以理解的是,在生成文物建筑的三维正摄图后,对三维正摄图进行图片增强处理。本发明实施例中采用的图像增强方式是增加对比度的方式,其方法是将图片从RGB颜色空间映射到LAB颜色空间,再使用OpenCV-Python库中的限制对比度自适应直方图均衡化(CLAHE)算法进行对比度的增强。将图片进行数据增强目的是增强图片中的有用信息,有助于后续对图片中边缘的提取,弱化其他无用信息。
三维激光扫描仪采集到的点云数据,由于数据量庞大,必定存在一些差点和错误点,统称为噪声点。对图片进行降噪,高斯模糊滤波处理,将图像中的噪点取消,处理成突变处明显但是其余部分相对”光滑”的图片,过滤点云中的噪声点,降低点云密度,使后面点云数据的建模封装等过程更加快捷、准确。
作为一个可选的实施例,识别所述三维正摄图中文物建筑的多条边缘线包括:
采用Canny边缘检测算法对图片增强和降噪处理后的所述的三维正摄图进行文物建筑边缘线的检测,得到组成边缘线的所有边界点。
可以理解的是,本发明实施例使用OpenCV-Python库中的Canny边缘检测算法,在将图片从RGB图进行灰度转换后,分别计算x、y两个方向的梯度,并通过高低阈值来控制边缘检测,其中高阈值用于检测图片中的边缘,低阈值用来将间断的边缘链接起来。其中,利用Canny边缘检测算法识别出来的边缘线可参见图2所示。
作为一个可选的实施例,识别所述三维正摄图中文物建筑的边缘线之后还包括对识别出的文物建筑的边缘线进行边缘线骨架计算:
对于识别的边缘线的所有边界点,提取关键边界点处像素点的RGB值;
对于所述关键边界点为中心的多个邻域边界点,计算任一个邻域边界点与所述关键边界点的RGB容差值;
若所述RGB容差值在预设容差值范围内,则保留所述任一个邻域边界点;否则,删除所述任一个邻域边界点,且以所述任一个邻域边界点为中心,再次计算所述任一个邻域边界点的每一个邻域边界点与所述任一个邻域边界点之间的容差值,直到所述容差值处于预设容差值范围内。
可以理解的是,边缘计算得到的图片边缘较为粗糙,有些地方的线并不是单线条,因此本发明实施例通过skimage库中的morphology.skeletonize算法,将边缘线进行简化处理。
其中,参见图3,边缘线骨架计算原理即在关键边界点处提取像素点的RGB值,同时设置预设容差值,以提取的关键边界点为中心逐步向外”扩散”,达到设定容差值时停止,得到的这些点就形成边界线,这种边界线就是存档所需的立面投影线。
作为一个可选的实施例,边缘线骨架计算后得到的边缘线为散点图形式,所述对识别出的文物建筑的边缘线进行边缘线骨架计算之后还包括:
将散点图形式的边缘线提取为单一线条,将出现分叉的线条切割为多个线条,其中,每一个线条均采用多个坐标点进行存储。
可以理解的是,参见图4,上述实施例进行边缘计算得到的边缘线仍然是二维图像上的散点图的形式,且边缘会出现分叉的情况。本发明实施例会将散点图形式的线条提取为单一的线条,每一个线条用一系列的坐标点储存,同时会将分叉的线切割为多个线条分别保存。
作为一个可选的实施例,将散点图形式的边缘线提取为单一线条,将出现分叉的线条切割为多个线条之后还包括:
对于提取的每一个线条包含的多个坐标点,计算任一个坐标点在每一个线条曲线上的偏移程度,根据所述偏移程度确定是否删除所述任一个坐标点;以及,
根据任一个线条曲线的长度,确定是否保留所述任一个线条曲线。
可以理解的是,上一实施例得到的线条会有很多冗余的边界点和线,本发明实施例中通过计算任一个线条包含的每个边界点在线条曲线上的偏移程度来判断这个边界点是否可以删除,比如,当边界点在线条曲线的偏移程度大于预设偏移阈值,则将该边界点删除;并且根据整条线条曲线的长度来判断这条线条曲线是否保留,最终得到长度合适、且删除了冗余边界点的线条,在此时,这个线条的表现形式仍然是坐标点。
得到了线条所包含的边界点后,本发明实施例采用NURBS(Non-Uniform RationalB-Splines,非均匀有理B样条)曲线,将栅格的点阵作为控制点,将插值曲线拟合出来。如下图5所示,图5-1示意的是分界点,图5-2示意的是将分界点用NURBS曲线连接起来,拟合成均匀的边界线。
重复识别文物建筑三维正摄图中的边缘线,通过设置多个不同的高低阈值,来得到多个不同精度的边缘线,比如,5个不同精度的边缘线,最后再将所有的线条合并,得到文物建筑的最终二维图形输出,最终合并形成的文物建筑的二维图形效果图可参见图6-1、图6-2和图6-3。
由于三维扫描得到的点云数据模型主要应用在虚拟三维模型演示以及二维图纸,利用扫描测绘后的信息处理技术存在很大的瓶颈,而当前工程三视图(平面图、立面图、剖面图)在一段时间内将依然是文物建筑保护修缮最常用、最重要的图纸资料,对文物建筑建筑图纸存档起到不可替代的作用。本发明实施例主要目的是借用传统的点云数据得到的正摄图通过python语言程序转换出的二维图形,转换出的二维图形能够为存档工作得以快速、高效、无损、全信息储存的进行,对文物建筑的信息整理、探伤、修复、安全保护等方面均有巨大的意义,此项工作能够保证后续文保工作的顺利开展,为国家文物建筑保护提供主要前期技术支撑。
参见图7,提供了一种文物建筑图形自动生成***,该***包括:
输入模块71,用于根据文物建筑的点云数据,生成点云模型输出点云数据对应的三维正摄图;
识别模块72,用于识别所述三维正摄图中文物建筑的边缘线,其中,所述边缘线由多个边界点组成;
拟合模块73,用于将所有的边界点拟合成均匀的边界线;
生成模块74,用于重复识别所述三维正摄图中文物建筑的边缘线,并拟合得到多条均匀的边界线,将拟合出的多条边界线合并,生成文物建筑的二维图形。
本发明实施例提供的文物建筑图形自动生成***与前述实施例提供的文物建筑图形自动生成相对应,提供的文物建筑图形自动生成***的相关技术特征可参考前述实施例的文物建筑图形自动生成方法的相关技术特征,在此不再赘述。
图8为本发明实施例提供的电子设备的实体结构示意图,如图8所示,所述电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810、通信接口820、存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行上述文物建筑图形自动生成方法的各个步骤。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元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,本发明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计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的文物建筑图形自动生成方法。
本发明实施例提供了一种文物建筑图形自动生成方法、***及存储介质,根据获取的文物建筑的点云数据,通过自动处理软件将文物建筑的三维正摄图转换为二维矢量线图,导出的矢量线图线形连续、清晰,符合制图规范,能够通过线型的不同和线的疏密来区分层次;相比于人工描图展示出的图纸,细节更完善,线型更圆滑,避免棱角生硬,达到文物建筑所需归类存档图纸的要求。
以上所描述的***实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种文物建筑图形自动生成方法,其特征在于,包括:
根据文物建筑的点云数据,生成点云模型并输出点云数据对应的三维正摄图;
识别所述三维正摄图中文物建筑的边缘线,其中,所述边缘线由多个边界点组成;
根据所述边缘线包含的边界点拟合成均匀的边界线;
重复识别所述三维正摄图中文物建筑的边缘线并拟合成边界线,得到多条均匀的边界线;
将拟合出的多条边界线合并,生成文物建筑存档需要的二维图形;
所述识别所述三维正摄图中文物建筑的多条边缘线包括:
采用Canny边缘检测算法对图片增强和降噪处理后的所述的三维正摄图进行文物建筑边缘线的检测,得到组成边缘线的所有边界点;
所述识别所述三维正摄图中文物建筑的边缘线之后还包括对识别出的文物建筑的边缘线进行边缘线骨架计算:
对于识别的边缘线的所有边界点,提取关键边界点处像素点的RGB值;
对于所述关键边界点为中心的多个邻域边界点,计算任一个邻域边界点与所述关键边界点的RGB容差值;
若所述RGB容差值在预设容差值范围内,则保留所述任一个邻域边界点;否则,删除所述任一个邻域边界点,且以所述任一个邻域边界点为中心,再次计算所述任一个邻域边界点的每一个邻域边界点与所述任一个邻域边界点之间的容差值,直到所述容差值处于预设容差值范围内。
2.根据权利要求1所述的文物建筑图形自动生成方法,其特征在于,所述根据文物建筑的点云数据,生成点云模型输出点云数据对应的三维正摄图包括:
根据三维激光扫描仪采集的文物建筑的点云数据,建立点云模型;
将文物建筑整体模型和图像数据打散为彩色点,按照点云数据的真实坐标位置进行排列;
选择需要的点云数据,并输出对应的三维正摄图。
3.根据权利要求1或2所述的文物建筑图形自动生成方法,其特征在于,所述根据文物建筑的点云数据,生成点云模型,并输出点云数据对应的三维正摄图之后还包括:
将所述三维正摄图从RGB颜色空间映射到LAB颜色空间,利用OpenCV-Python库中的限制对比度自适应直方图均衡化算法进行图片增强处理;
对于图片增强处理后的三维正摄图进行高斯模糊滤波降噪处理。
4.根据权利要求1所述的文物建筑图形自动生成方法,其特征在于,所述边缘线骨架计算后得到的边缘线为散点图形式,所述对识别出的文物建筑的边缘线进行边缘线骨架计算之后还包括:
将散点图形式的边缘线提取为单一线条,将出现分叉的线条切割为多个线条,其中,每一个线条均采用多个坐标点进行存储。
5.根据权利要求4所述的文物建筑图形自动生成方法,其特征在于,将散点图形式的边缘线提取为单一线条,将出现分叉的线条切割为多个线条之后还包括:
对于提取的每一个线条包含的多个坐标点,计算任一个坐标点在每一个线条曲线上的偏移程度,根据所述偏移程度确定是否删除所述任一个坐标点;以及,
根据任一个线条曲线的长度,确定是否保留所述任一个线条曲线。
6.根据权利要求1所述的文物建筑图形自动生成方法,其特征碍于,所述边界点拟合成均匀的边界线包括:
基于非均匀有理B样条曲线将所有的边界点拟合成均匀的边界线。
7.一种文物建筑图形自动生成***,其特征在于,包括:
输入模块,用于根据文物建筑的点云数据,生成点云模型并输出点云数据对应的三维正摄图;
识别模块,用于识别所述三维正摄图中文物建筑的边缘线,其中,所述边缘线由多个边界点组成;
拟合模块,用于根据所述边缘线包含的边界点拟合成均匀的边界线;
生成模块,用于重复识别所述三维正摄图中文物建筑的边缘线并拟合成边界线,得到多条均匀的边界线;
将拟合出的多条边界线合并,生成文物建筑存档需要的二维图形;
所述识别所述三维正摄图中文物建筑的多条边缘线包括:
采用Canny边缘检测算法对图片增强和降噪处理后的所述的三维正摄图进行文物建筑边缘线的检测,得到组成边缘线的所有边界点;
所述识别所述三维正摄图中文物建筑的边缘线之后还包括对识别出的文物建筑的边缘线进行边缘线骨架计算:
对于识别的边缘线的所有边界点,提取关键边界点处像素点的RGB值;
对于所述关键边界点为中心的多个邻域边界点,计算任一个邻域边界点与所述关键边界点的RGB容差值;
若所述RGB容差值在预设容差值范围内,则保留所述任一个邻域边界点;否则,删除所述任一个邻域边界点,且以所述任一个邻域边界点为中心,再次计算所述任一个邻域边界点的每一个邻域边界点与所述任一个邻域边界点之间的容差值,直到所述容差值处于预设容差值范围内。
8.一种非暂态计算机可读存储介质,其特征在于,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述文物建筑图形自动生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414090.4A CN111612888B (zh) | 2020-05-15 | 2020-05-15 | 一种文物建筑图形的自动生成方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010414090.4A CN111612888B (zh) | 2020-05-15 | 2020-05-15 | 一种文物建筑图形的自动生成方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111612888A CN111612888A (zh) | 2020-09-01 |
CN111612888B true CN111612888B (zh) | 2023-10-27 |
Family
ID=72199442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010414090.4A Active CN111612888B (zh) | 2020-05-15 | 2020-05-15 | 一种文物建筑图形的自动生成方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111612888B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191267A (zh) * | 2021-04-30 | 2021-07-30 | 金陵科技学院 | 基于图像识别的文物识物app的应用方法 |
CN113379872A (zh) * | 2021-07-13 | 2021-09-10 | 重庆云图软件科技有限公司 | 一种工程图生成方法、装置、***及计算机可读存储介质 |
CN113554087B (zh) * | 2021-07-20 | 2023-11-10 | 清华大学深圳国际研究生院 | 一种基于生成式对抗网络的考古线图自动生成方法 |
CN115965712B (zh) * | 2023-03-16 | 2023-05-30 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 一种建筑物二维矢量图构建方法、***、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036544A (zh) * | 2014-06-25 | 2014-09-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物屋顶重建方法 |
CN104200212A (zh) * | 2014-06-25 | 2014-12-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物外边界线提取方法 |
CN110910488A (zh) * | 2019-11-05 | 2020-03-24 | 北京工业大学 | 用于古建筑散落构件智能拼接及虚拟复原的方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9189862B2 (en) * | 2010-06-10 | 2015-11-17 | Autodesk, Inc. | Outline approximation for point cloud of building |
-
2020
- 2020-05-15 CN CN202010414090.4A patent/CN111612888B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036544A (zh) * | 2014-06-25 | 2014-09-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物屋顶重建方法 |
CN104200212A (zh) * | 2014-06-25 | 2014-12-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物外边界线提取方法 |
CN110910488A (zh) * | 2019-11-05 | 2020-03-24 | 北京工业大学 | 用于古建筑散落构件智能拼接及虚拟复原的方法及*** |
Non-Patent Citations (1)
Title |
---|
刘科.基于古建筑保护修缮需求的三维激光集合信息采集应用研究.《中国优秀博士论文 工程科技II辑》.2020,(第第3期期),正文第6.1-6.2节. * |
Also Published As
Publication number | Publication date |
---|---|
CN111612888A (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612888B (zh) | 一种文物建筑图形的自动生成方法、***及存储介质 | |
CN110136072B (zh) | 点云噪声的去除方法、去噪***、计算机设备及存储介质 | |
US8711143B2 (en) | System and method for interactive image-based modeling of curved surfaces using single-view and multi-view feature curves | |
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN103247045B (zh) | 一种从多视图中得到人造场景主方向及图像边缘的方法 | |
CN110544300B (zh) | 一种基于二维手绘图像特征自动生成三维模型的方法 | |
CN107545602B (zh) | 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法 | |
CN107004266A (zh) | 检测轮胎表面上缺陷的方法 | |
CN108447124A (zh) | 一种基于点云的古建筑轮廓提取方法及*** | |
CN116756836B (zh) | 一种隧道超欠挖体积计算方法、电子设备及存储介质 | |
CN115953563A (zh) | 基于点云矢量化骨架匹配的三维模型补全修复方法及*** | |
CN112053427A (zh) | 一种点云的特征提取方法、装置、设备及可读存储介质 | |
CN111210520A (zh) | 一种用于实物模型的逆向成形方法及*** | |
CN117671637A (zh) | 物体点云重叠识别方法、装置、设备、机器人和存储介质 | |
US8948498B1 (en) | Systems and methods to transform a colored point cloud to a 3D textured mesh | |
CN116468870B (zh) | 一种城市道路三维可视化建模方法及*** | |
CN117372663A (zh) | 原木端面遮挡的补全方法、装置、设备及存储介质 | |
CN111915724A (zh) | 一种点云模型切片形状计算方法 | |
CN115388806A (zh) | 零件表面线型偏差检测方法、装置、电子设备及存储介质 | |
CN115758496A (zh) | 一种面向叶片三维测量的视点规划方法及*** | |
Kim et al. | Automated two-dimensional geometric model reconstruction from point cloud data for construction quality inspection and maintenance | |
Becker et al. | Lidar inpainting from a single image | |
CN111861887A (zh) | 一种牙冠成形质量的检测方法、***及存储介质 | |
CN112139854A (zh) | 一种钥匙齿识别方法以及装置 | |
CN117523087B (zh) | 基于内容识别的三维模型优化方法 |
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 |