CN112907722A - 建筑信息模型生成方法、***、设备和存储介质 - Google Patents
建筑信息模型生成方法、***、设备和存储介质 Download PDFInfo
- Publication number
- CN112907722A CN112907722A CN202010265130.3A CN202010265130A CN112907722A CN 112907722 A CN112907722 A CN 112907722A CN 202010265130 A CN202010265130 A CN 202010265130A CN 112907722 A CN112907722 A CN 112907722A
- Authority
- CN
- China
- Prior art keywords
- building
- point
- points
- edge
- plane
- 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.)
- Withdrawn
Links
Images
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种建筑信息模型生成方法、***、设备和存储介质。该方法包括:获取建筑物的室内三维点云模型;确定所述室内三维点云模型中每个点的法向估计值,并依据各所述法向估计值进行聚类分析,获得每个点的法向聚类结果;依据各所述法向聚类结果进行点云分割,从所述室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;依据所述角点点集和所述边缘点点集,分别确定位于所述建筑物上的角点和边缘点,生成所述建筑物的建筑信息模型。通过上述技术方案,生成建筑信息模型,提高模型生成精度和效率。
Description
技术领域
本申请基于2019年11月19日在国内申请的中国专利201911136263.4要求优先权,其公开内容通过引用合并于此。
本发明实施例涉及点云数据处理技术,尤其涉及一种建筑信息模型生成方法、***、设备和存储介质。
背景技术
建筑信息模型(BIM)是一种工程建筑施工前的设计信息。BIM的核心是通过建立虚拟的建筑工程三维模型,利用数字化技术,为模型提供完整的建筑信息库。建筑BIM模型不仅仅只是一个设计样式,其中的房屋尺寸、墙板和门窗位置等信息能够用于指导整个施工阶段。在建筑施工过程中,设计BIM模型与真实施工结果难免存在一定差异。施工过程中,工人不得不添加额外的测量手段去修正两者的差异。随着智能制造的提出,机器人逐渐进入到建筑行业。由于工地环境比较复杂,机器人在建筑物内运动和工作时,需要高精度的BIM模型作为导航和指引。由于设计BIM模型与真实施工结果存在差异,直接使用设计BIM模型引导机器人在工程环境中进行作业会存在较大问题。
三维重建技术是一种利用三维传感器对现实物体的三维信息数字化,得到物体的三维重建模型。针对室内的三维重建点云模型的研究成果相对较多,目前已经能够快速获取亚毫米级的室内三维重建点云模型。亚毫米级精度的三维重建点云模型能够基本满足建筑施工中的所有测量需求。三维重建点云模型中存储的是每个点三维坐标,点与点之间相互独立。如何从独立的点坐标中提取出房屋的结构信息,生成高精度的BIM模型存在一定困难。
发明内容
本发明实施例提供一种建筑信息模型生成方法、***、设备和存储介质,以生成建筑信息模型,提高模型生成精度和效率。
第一方面,本发明实施例提供了一种建筑信息模型生成方法,包括:
获取建筑物的室内三维点云模型;
确定所述室内三维点云模型中每个点的法向估计值,并依据各所述法向估计值进行聚类分析,获得每个点的法向聚类结果;
依据各所述法向聚类结果进行点云分割,从所述室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;
依据所述角点点集和所述边缘点点集,分别确定位于所述建筑物上的角点和边缘点,生成所述建筑物的建筑信息模型。
第二方面,本发明实施例还提供了一种建筑信息模型生成***,该***包括:
数据获取模块,用于获取建筑物的室内三维点云模型;
法向聚类结果确定模块,用于确定所述室内三维点云模型中每个点的法向估计值,并依据各所述法向估计值进行聚类分析,获得每个点的法向聚类结果;
点云分割模块,用于依据各所述法向聚类结果进行点云分割,从所述室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;
建筑信息模型生成模块,用于依据所述角点点集和所述边缘点点集,分别确定位于所述建筑物上的角点和边缘点,生成所述建筑物的建筑信息模型。
第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所提供的建筑信息模型生成方法。
第四方面,本发明实施例还提供了一种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本发明任意实施例所提供的建筑信息模型生成方法。
本发明实施例通过获取建筑物的室内三维点云模型;确定室内三维点云模型中每个点的法向估计值,并依据各法向估计值进行聚类分析,获得每个点的法向聚类结果;依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;依据角点点集和边缘点点集,分别确定位于建筑物上的角点和边缘点,生成建筑物的建筑信息模型。实现了根据每个点的法向聚类结果来分割点云数据,获得建筑物的角点点集和边缘点点集,进而构建建筑信息模型,提高了建筑信息BIM模型的生成精度和效率。
附图说明
图1是本发明实施例一中的一种建筑信息模型生成方法的流程图;
图2是本发明实施例一中的基于法向估计值和高斯球的聚类分析结果示意图;
图3是本发明实施例一中的点云分割结果中交点点集、边缘点点集和平面点点集的示意图;
图4是本发明实施例二中的一种建筑信息模型生成方法的流程图;
图5是本发明实施例三中的一种建筑信息模型生成***的结构示意图;
图6是本发明实施例四中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
本实施例提供的建筑信息模型生成方法,可适用于基于建筑物实体的三维点云数据生成建筑信息模型。该方法可以由建筑信息模型***来执行,该***可以由软件和/或硬件的方式实现,该***可以集成在具有点云数据处理功能的设备中,例如笔记本电脑、台式电脑或服务器等。参见图1,本实施例的方法具体包括:
S110、获取建筑物的室内三维点云模型。
其中,室内三维点云模型是指由点云构成的、建筑物室内的三维模型,其中的点与点之间是相互独立的,不包含房屋的结构信息。
具体地,利用三维传感器对建筑物的室内进行三维扫描,并对扫描所得的点云数据进行一定的预处理,便可获得建筑物的室内三维点云模型。
S120、确定室内三维点云模型中每个点的法向估计值,并依据各法向估计值进行聚类分析,获得每个点的法向聚类结果。
具体地,本发明实施例中是基于点云数据中每个点的法向聚类结果进行建筑物中角点和边缘点的提取。故首先计算室内三维点云模型中每个点的法向量(即法向估计值),然后根据每个点的法向估计值,对该点的局部区域进行基于法向量方向的聚类分析,获得每个点的法向聚类结果,如该点的聚类类别的个数和该点对应的具体的聚类类别等。
示例性地,确定室内三维点云模型中每个点的法向估计值包括:针对室内三维点云模型中的每个点,确定与点相邻的第一预设数量的邻域点,并对第一预设数量的邻域点进行平面拟合,且将拟合的平面的法向方向确定为点的法向估计值。
具体地,对于室内三维点云模型中的某个点p,先找出与该点p相邻的k1个邻域点(k1即为第一预设数量,其为自然数,可预先经验设定),然后对该k1个邻域点做平面拟合,以拟合出的平面的法向方向作为该点p的法向估计值。对于室内三维点云模型中的每个点,均执行上述过程,便可确定出每个点的法向估计值。
示例性地,将拟合的平面的法向方向确定为点的法向估计值包括:设拟合的平面的平面方程为:ax+by+cz+d=0时,确定平面方程的变量系数a、b和c为平面的法向方向,其中,d为平面方程中的常量系数。具体地,如果点p的k1个邻域点拟合出的平面的平面方程为ax+by+cz+d=0,那么该平面方程中的变量系数a、b、c便为拟合出的平面的法向方向,即变量系数a、b、c为点p的法向估计值。
示例性地,确定平面方程的变量系数a、b和c包括:确定点的第一预设数量的邻域点的协方差矩阵,并对协方差矩阵进行奇异值分解,获得一一对应的各特征向量和各特征值;将各特征值中最小特征值对应的特征向量确定为平面方程的变量系数a、b和c。
具体地,确定拟合平面的平面方程的变量系数a、b、c的过程为:先计算k1个邻域点的协方差矩阵M,如:然后,对协方差矩阵M进行奇异值分解,得到三个特征向量和三个特征值,该三个特征向量和该三个特征值一一对应,其中最小的特征值所对应的特征向量就是点(xi,yi,zi)所在平面的法向方向,即上述平面方程的变量系数a、b、c。这里的(xi,yi,zi)为点p的k1个邻域点内的任意一点的坐标。这样设置的好处在于,可以更加便捷、快速地计算点的法向估计值。
示例性地,依据各法向估计值进行聚类分析,获得每个点的法向聚类结果包括:针对室内三维点云模型中的每个点,确定与点相邻的第二预设数量的邻域点,并将第二预设数量的邻域点中每个点的法向估计值映射至高斯球,且依据高斯球上点与点之间的距离对第二预设数量的邻域点的法向估计值进行聚类,获得聚类类别个数作为点的法向聚类结果。其中,第二预设数量是指预先设定的数量值,其为自然数。为了提高聚类分析过程中的统计意义,将第二预设数量设置为大于确定法向估计值时设置的第一预设数量。具体地,参见图2,不同法向方向的点在高斯球上的投影位置不同,基于此,针对室内三维点云模型中的某个点p,先找出与该点p相邻的第二预设数量k2个邻域点(k2>k1)。然后,将k2个邻域点中每个点的法向估计值均投射至高斯球上。之后,按照高斯球上点与点之间的距离对k2个邻域点的法向估计值进行聚类分析,便可得到该k2个邻域点的基于法向估计值的聚类类别个数,该聚类类别个数便为该点p的法向聚类结果。按照上述过程,便可确定出室内三维点云模型中的每个点的聚类类别个数。
S130、依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集。
具体地,根据每个点的法向聚类结果对室内三维点云模型进行点云分割,以分割出如图3所示的位于建筑物的墙角区域的所有点,作为角点点集310,且分割出如图3所示的位于建筑物的边缘区域的所有点,作为边缘点点集320。
示例性地,S130包括:依据室内三维点云模型中每个点的法向聚类结果中的聚类类别个数,确定相应点是位于建筑物的墙角区域的角点还是位于建筑物的边缘区域的边缘点。具体地,参见图2,角点所在区域具有三个方向的法向估计值,那么其在高斯投影上的投影聚集点便有三个,如此该墙角区域所有点的法向聚类个数便为3个;边缘区域具有两个方向的法向估计值,那么其在高斯投影上的投影聚集点便有两个,如此边缘区域所有点的法向聚类个数便为2个;平面区域具有一个方向的法向估计值,那么其在高斯投影上的投影聚集点便有一个,如此平面区域所有点的法向聚类个数便为1个。基于此,可以利用室内三维点云模型中每个点的法向聚类结果中的聚类类别个数来判断该点是角点还是边缘点,以此来完成所有点的归类及分割。这样设置的好处在于,可以更加高效地进行建筑物中点云数据的分割,进而提高后续建筑信息模型生成效率。
示例性地,依据室内三维点云模型中每个点的法向聚类结果中的聚类类别个数,确定相应点是位于建筑物的墙角区域的角点还是位于建筑物的边缘区域的边缘点包括:当点的聚类类别个数为3时,确定相应点是位于建筑物的墙角区域的角点;当点的聚类类别个数为2时,确定相应点是位于建筑物的边缘区域的边缘点。具体地,根据上述说明,若某个点的聚类类别个数为3,便将该点确定为角点,点云分割后该点便属于角点点集。若某个点的聚类类别个数为2,便将该点确定为边缘点,点云分割后该点便属于边缘点点集。
S140、依据角点点集和边缘点点集,分别确定位于建筑物上的角点和边缘点,生成建筑物的建筑信息模型。
其中,建筑信息模型是指包含了建筑结构信息的三维模型。
具体地,在获得了建筑物的角点点集和边缘点点集之后,便可进一步确定出精确的角点和边缘线上的精确的边缘点;之后,根据角点和边缘点在三维空间中的邻接关系,如边缘点构成边缘线,该边缘线与其对应的两个角点具有连接关系等,可构建建筑物内点与线的拓扑关系,进而获得建筑信息模型。
示例性地,S140包括:依据建筑物中位于墙角的点是三个两两垂直的平面的交点的特征,从角点点集中确定出位于建筑物的墙角的角点;依据建筑物中位于边缘上的边缘点是两个互相垂直的平面的交点的特征,从边缘点点集中确定出位于建筑物边缘的边缘点;依据角点和边缘点生成建筑物的建筑信息模型。具体地,角点点集只是确定了墙角的角点的大致范围,还需要根据角点是三个两两垂直的平面的交点的特性,对角点点集进行分析计算,从而确定出精确的角点。同样地,需要根据边缘线是两个垂直平面的交线的特性,对边缘点点集进行分析计算,确定出精确的边缘线,进而对该边缘线进行采样而获得精确的边缘点。最后,便利用角点和边缘点的三维空间邻域关系,来生成建筑信息模型。这样设置的好处在于,能够更加精确地确定角点和边缘点,进而进一步提高建筑信息模型精度。
本实施例的技术方案,通过获取建筑物的室内三维点云模型;确定室内三维点云模型中每个点的法向估计值,并依据各法向估计值进行聚类分析,获得每个点的法向聚类结果;依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;依据角点点集和边缘点点集,分别确定位于建筑物上的角点和边缘点,生成建筑物的建筑信息模型。实现了根据每个点的法向聚类结果来分割点云数据,获得建筑物的角点点集和边缘点点集,进而构建建筑信息模型,提高了建筑信息BIM模型的生成精度和效率。
实施例二
本实施例在上述实施例一的基础上,对“依据建筑物中位于墙角的点是三个两两垂直的平面的交点的特征,从角点点集中确定出位于建筑物的墙角的角点”进行了进一步优化。在此基础上,进一步对“依据建筑物中位于边缘上的边缘点是两个互相垂直的平面的交点的特征,从边缘点点集中确定出位于建筑物边缘的边缘点”进行优化。在上述基础上,还可以进一步增加丰富建筑信息模型的相关步骤。其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图4,本实施例提供的建筑信息模型生成方法包括:
S201、获取建筑物的室内三维点云模型。
S202、确定室内三维点云模型中每个点的法向估计值,并依据各法向估计值进行聚类分析,获得每个点的法向聚类结果。
S203、依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集。
S204、依据角点点集中每个点的法向估计值,按照建筑物中各墙角的空间定位和法向聚类结果中的聚类类别对角点点集进行分类。
具体地,先根据建筑物中每个墙角的空间位置,将角点点集进行初步分类,从角点点集中确定出每个角点对应的局部角点点集。之后,在局部角点点集中,根据聚类类别进行进一步分类,确定出局部角点点集中归属于每个聚类类别的点,即可将每个局部角点点集进一步分类为3个子角点点集。
S205、对根据空间定位确定的属于同一个墙角、且根据法向聚类结果确定的属于同一个聚类类别的各点进行平面拟合,确定相应墙角处的三个平面方程。
具体地,针对于每个墙角的局部角点点集,对属于每个聚类类别的子角点点集均进行平面拟合。这样,每个局部角点点集均可拟合获得3个平面方程。
S206、依据每个墙角对应的三个平面方程确定三个拟合的平面的交点,作为建筑物中相应墙角的角点。
具体地,针对某个墙角,利用拟合所得到3个平面方程计算该3个平面的交点,作为该墙角的角点。如此,可计算获得建筑物中每个墙角的角点。
S207、依据边缘点点集中每个点的法向估计值,按照建筑物中各边缘的空间定位和法向聚类结果中的聚类类别对边缘点点集进行分类。
具体地,先根据建筑物中每个边缘线的空间位置,将边缘点点集进行初步分类,从边缘点点集中确定出每个边缘线对应的局部边缘点点集。之后,在局部边缘点点集中,根据聚类类别进行进一步分类,确定出局部边缘点点集中归属于每个聚类类别的点,即可将每个局部边缘点点集进一步分类为2个子边缘点点集。
S208、对根据空间定位确定属于同一条边缘、且根据法向聚类结果确定的属于同一个聚类类别的各点进行平面拟合,确定相应边缘处的两个平面方程。
具体地,针对于每个边缘线的局部边缘点点集,对属于每个聚类类别的子边缘点点集均进行平面拟合。这样,每个局部边缘点点集均可拟合获得2个平面方程。
S209、依据每个边缘处的两个平面方程确定两个拟合的平面的交线,并依据交线确定建筑物中相应边缘上的边缘点。
具体地,针对某个边缘线,利用拟合所得到2个平面方程计算获得该2个平面的交线方程。如果交线为直线,那么直接对该直线进行采样即可获得该边缘线上的各边缘点。如果交线为曲线,那么需要进一步对该曲线进行直线拟合,该直线拟合过程需要以该边缘线邻接的2个角点为参照,获得拟合直线,之后对该拟合直线进行采样获得该边缘线上的各边缘点。按照该过程,可计算获得建筑物中每条边缘线上的边缘点。
S210、依据角点和边缘点生成建筑物的建筑信息模型。
S211、依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的平面区域的平面点点集。
具体地,当某个点的聚类类别个数为1时,确定相应点是位于建筑物的平面区域的平面点。基于此,从室内三维点云模型中,区分出位于建筑物的平面区域的平面点点集。
S212、依据建筑物中位于不同平面中的平面点特征,从平面点点集中筛选出位于建筑物的墙面、天花板和地面的平面点。
具体地,根据墙面、天花板和地面在建筑物中的分布位置关系,可知这些不同的平面中平面点的法向方向之间的关系。故可以根据每个平面点的法向估计值从平面点点集中进一步筛选出属于墙面的平面点、属于天花板的平面点和属于地面的平面点。
示例性地,S212包括:依据建筑物的天花板和地面所在平面的法向方向与世界坐标系的z轴平行,以及建筑物的墙面所在平面的法向方向与世界坐标系的z轴垂直,基于每个平面点的法向估计值,从平面点点集中区分出位于建筑物的墙面的平面点;根据位于建筑物的天花板的平面点的z值高于位于建筑物的地面的平面点的z值,从平面点点集中区分出位于建筑物的天花板的平面点和地面的平面点。
具体地,根据平面点的法向估计值可以确定该平面点的法向方向,进而根据该法向方向与世界坐标系中z轴的关系来确定该平面点所属的平面类型。例如,如果平面点的法向方向与z轴平行,那么该平面点属于天花板或地面;如果平面点的法向法向与z轴垂直,那么该平面点属于墙面。在此基础上,根据天花板中的平面点的z值大于地面中的平面点的z值,进一步区分属于天花板的平面点和属于地面的平面点。需要说明的是,在该步骤之前,如果室内三维点云模型的坐标系与世界坐标系不一致,则需要对室内三维点云模型进行坐标校正。
S213、基于位于建筑物的墙面、天花板和地面中至少一个平面的平面点,获取建筑物中相应平面的属性信息,并将属性信息添加到建筑信息模型中的相应平面中。
具体地,本发明实施例中的建筑信息模型可以用于建筑施工过程中机器人操作的导航和指引,为了提供更加详细的信息用于机器人引导,本实施例中根据每个平面的平面点进行相关属性信息的计算,如平面平整度、凹凸程度或螺杆洞定位等。之后,将计算所得的属性信息添加至建筑信息模型的相应平面中。如将确定的天花板(或墙面、或地面)的属性信息添加至建筑信息模型中的天花板(或墙面、或地面)所在平面中。
示例性地,建筑物的墙面的属性信息包括建筑物的墙面的平整度、是否存在螺杆洞、以及螺杆洞的空间位置信息中的一者或多者的组合;和/或建筑物的天花板的属性信息包括建筑物的天花板的凹凸变化和/或高低变化超过设定阈值的拼接缝的位置信息;和/或建筑物的地面的属性信息包括建筑物的地面的平整度和/或凹凸变化。具体地,上述根据平面点计算的平面的属性信息,根据平面的类型可以具体确定为如下几种:对于墙面,属性信息可以是墙面的平整度、是否存在螺杆洞、以及存在螺杆洞时其在空间中的位置坐标中的至少一种,以便引导机器人进行墙面腻子打磨和/或螺杆洞封堵等工作。对于天花板,属性信息可以是凹凸变化和/或高低变化超过设定阈值(如1mm)的拼接缝的位置信息(如坐标或相对位置),以便指引天花打磨工作。对于地面,属性信息可以是地面点的凹凸变化和/或平整度,以便指引地面整平和地面铺贴等工作。
本实施例的技术方案,通过依据角点点集中每个点的法向估计值,按照建筑物中各墙角的空间定位和法向聚类结果中的聚类类别对角点点集进行分类;对属于同一个墙角、且属于同一个聚类类别的各点进行平面拟合,确定相应墙角处的三个平面方程;依据每个墙角对应的三个平面方程确定三个拟合的平面的交点,作为建筑物中相应墙角的角点。实现了建筑物中各个角点的计算,提高了角点的确定精度,从而进一步提高建筑信息模型的生成精度。通过依据边缘点点集中每个点的法向估计值,按照建筑物中各边缘的空间定位和法向聚类结果中的聚类类别对边缘点点集进行分类;对属于同一条边缘、且属于同一个聚类类别的各点进行平面拟合,确定相应边缘处的两个平面方程;依据每个边缘处的两个平面方程确定两个拟合的平面的交线,并依据交线确定建筑物中相应边缘上的边缘点。实现了建筑物中各个边缘线的计算,提高了边缘线的确定精度,从而进一步提高建筑信息模型的生成精度。通过依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的平面区域的平面点点集;依据建筑物中位于不同平面中的平面点特征,从平面点点集中筛选出位于建筑物的墙面、天花板和地面的平面点;基于位于建筑物的墙面、天花板和地面中至少一个平面的平面点,获取建筑物中相应平面的属性信息,并将属性信息添加到建筑信息模型中的相应平面中。实现了建筑信息模型中的相关平面的属性信息的确定和添加,提高了建筑信息模型的信息含量,进而进一步提高依赖于建筑信息模型进行导航的机器人的施工精确性。
实施例三
本实施例提供一种建筑信息模型生成***,参见图5,该***具体包括:
数据获取模块510,用于获取建筑物的室内三维点云模型;
法向聚类结果确定模块520,用于确定室内三维点云模型中每个点的法向估计值,并依据各法向估计值进行聚类分析,获得每个点的法向聚类结果;
点云分割模块530,用于依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;
建筑信息模型生成模块540,用于依据角点点集和边缘点点集,分别确定位于建筑物上的角点和边缘点,生成建筑物的建筑信息模型。
可选地,建筑信息模型生成模块540包括:
角点确定子模块,用于依据建筑物中位于墙角的点是三个两两垂直的平面的交点的特征,从角点点集中确定出位于建筑物的墙角的角点;
边缘点确定子模块,用于依据建筑物中位于边缘上的边缘点是两个互相垂直的平面的交点的特征,从边缘点点集中确定出位于建筑物边缘的边缘点;
建筑信息模型生成子模块,用于依据角点和边缘点生成建筑物的建筑信息模型。
可选地,法向聚类结果确定模块520具体用于:
针对室内三维点云模型中的每个点,确定与点相邻的第一预设数量的邻域点,并对第一预设数量的邻域点进行平面拟合,且将拟合的平面的法向方向确定为点的法向估计值。
其中,将拟合的平面的法向方向确定为点的法向估计值包括:
设拟合的平面的平面方程为:ax+by+cz+d=0时,确定平面方程的变量系数a、b和c为平面的法向方向,其中,d为平面方程中的常量系数。
其中,确定平面方程的变量系数a、b和c包括:
确定点的第一预设数量的邻域点的协方差矩阵,并对协方差矩阵进行奇异值分解,获得一一对应的各特征向量和各特征值;
将各特征值中最小特征值对应的特征向量确定为平面方程的变量系数a、b和c。
可选地,法向聚类结果确定模块520还具体用于:
针对室内三维点云模型中的每个点,确定与点相邻的第二预设数量的邻域点,并将第二预设数量的邻域点中每个点的法向估计值映射至高斯球,且依据高斯球上点与点之间的距离对第二预设数量的邻域点的法向估计值进行聚类,获得聚类类别个数作为点的法向聚类结果。
进一步地,点云分割模块530具体用于:
依据室内三维点云模型中每个点的法向聚类结果中的聚类类别个数,确定相应点是位于建筑物的墙角区域的角点还是位于建筑物的边缘区域的边缘点。
进一步地,点云分割模块530具体用于:
当点的聚类类别个数为3时,确定相应点是位于建筑物的墙角区域的角点;
当点的聚类类别个数为2时,确定相应点是位于建筑物的边缘区域的边缘点。
可选地,角点确定子模块具体用于:
依据角点点集中每个点的法向估计值,按照建筑物中各墙角的空间定位和法向聚类结果中的聚类类别对角点点集进行分类;
对根据空间定位确定的属于同一个墙角、且根据法向聚类结果确定的属于同一个聚类类别的各点进行平面拟合,确定相应墙角处的三个平面方程;
依据每个墙角对应的三个平面方程确定三个拟合的平面的交点,作为建筑物中相应墙角的角点。
可选地,边缘点确定子模块具体用于:
依据边缘点点集中每个点的法向估计值,按照建筑物中各边缘的空间定位和法向聚类结果中的聚类类别对边缘点点集进行分类;
对根据空间定位确定的属于同一条边缘、且根据法向聚类结果确定的属于同一个聚类类别的各点进行平面拟合,确定相应边缘处的两个平面方程;
依据每个边缘处的两个平面方程确定两个拟合的平面的交线,并依据交线确定建筑物中相应边缘上的边缘点。
可选地,在上述***的基础上,该***还包括属性信息添加模块,用于:
生成建筑物的建筑信息模型之后,依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的平面区域的平面点点集;
依据建筑物中位于不同平面中的平面点特征,从平面点点集中筛选出位于建筑物的墙面、天花板和地面的平面点;
基于位于建筑物的墙面、天花板和地面中至少一个平面的平面点,获取建筑物中相应平面的属性信息,并将属性信息添加到建筑信息模型中的相应平面中。
可选地,属性信息添加模块具体用于:
依据建筑物的天花板和地面所在平面的法向方向与世界坐标系的z轴平行,以及建筑物的墙面所在平面的法向方向与世界坐标系的z轴垂直,基于每个平面点的法向估计值,从平面点点集中区分出位于建筑物的墙面的平面点;
根据位于建筑物的天花板的平面点的z值高于位于建筑物的地面的平面点的z值,从平面点点集中区分出位于建筑物的天花板的平面点和地面的平面点。
其中,建筑物的墙面的属性信息包括建筑物的墙面的平整度、是否存在螺杆洞、以及螺杆洞的空间位置信息中的一者或多者的组合;
和/或建筑物的天花板的属性信息包括建筑物的天花板的凹凸变化和/或高低变化超过设定阈值的拼接缝的位置信息;
和/或建筑物的地面的属性信息包括建筑物的地面的平整度和/或凹凸变化。
通过本发明实施例三的一种建筑信息模型生成***,实现了根据每个点的法向聚类结果来分割点云数据,获得建筑物的角点点集和边缘点点集,进而构建建筑信息模型,提高了建筑信息BIM模型的生成精度和效率。
本发明实施例所提供的建筑信息模型生成***可执行本发明任意实施例所提供的建筑信息模型生成方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述建筑信息模型生成***的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
参见图6,本实施例提供了一种电子设备600,其包括:一个或多个处理器620;存储装置610,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器620执行,使得一个或多个处理器620实现本发明实施例所提供的建筑信息模型生成方法,包括:
获取建筑物的室内三维点云模型;
确定室内三维点云模型中每个点的法向估计值,并依据各法向估计值进行聚类分析,获得每个点的法向聚类结果;
依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;
依据角点点集和边缘点点集,分别确定位于建筑物上的角点和边缘点,生成建筑物的建筑信息模型。
当然,本领域技术人员可以理解,处理器620还可以实现本发明任意实施例所提供的建筑信息模型生成方法的技术方案。
图6显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,该电子设备600包括处理器620、存储装置610、输入装置630和输出装置640;电子设备中处理器620的数量可以是一个或多个,图6中以一个处理器620为例;电子设备中的处理器620、存储装置610、输入装置630和输出装置640可以通过总线或其他方式连接,图6中以通过总线650连接为例。
存储装置610作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的建筑信息模型生成方法对应的程序指令/模块(例如,建筑信息模型生成***中的数据获取模块、法向聚类结果确定模块、点云分割模块和建筑信息模型生成模块)。
存储装置610可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置610可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置610可进一步包括相对于处理器620远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。
实施例五
本实施例提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种建筑信息模型生成方法,该方法包括:
获取建筑物的室内三维点云模型;
确定室内三维点云模型中每个点的法向估计值,并依据各法向估计值进行聚类分析,获得每个点的法向聚类结果;
依据各法向聚类结果进行点云分割,从室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;
依据角点点集和边缘点点集,分别确定位于建筑物上的角点和边缘点,生成建筑物的建筑信息模型。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的建筑信息模型生成方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。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,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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)执行本发明各个实施例所提供的建筑信息模型生成方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种建筑信息模型生成方法,其特征在于,包括:
获取建筑物的室内三维点云模型;
确定所述室内三维点云模型中每个点的法向估计值,并依据各所述法向估计值进行聚类分析,获得每个点的法向聚类结果;
依据各所述法向聚类结果进行点云分割,从所述室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;
依据所述角点点集和所述边缘点点集,分别确定位于所述建筑物上的角点和边缘点,生成所述建筑物的建筑信息模型。
2.根据权利要求1所述的方法,其特征在于,所述依据所述角点点集和所述边缘点点集,分别确定位于所述建筑物上的角点和边缘点,生成所述建筑物的建筑信息模型包括:
依据建筑物中位于墙角的点是三个两两垂直的平面的交点的特征,从所述角点点集中确定出位于所述建筑物的墙角的角点;
依据建筑物中位于边缘上的边缘点是两个互相垂直的平面的交点的特征,从所述边缘点点集中确定出位于所述建筑物边缘的边缘点;
依据所述角点和所述边缘点生成所述建筑物的建筑信息模型。
3.根据权利要求1所述的方法,其特征在于,所述确定所述室内三维点云模型中每个点的法向估计值包括:
针对所述室内三维点云模型中的每个点,确定与所述点相邻的第一预设数量的邻域点,并对所述第一预设数量的邻域点进行平面拟合,且将拟合的平面的法向方向确定为所述点的法向估计值。
4.根据权利要求3所述的方法,其特征在于,所述将拟合的平面的法向方向确定为所述点的法向估计值包括:
设拟合的平面的平面方程为:ax+by+cz+d=0,确定所述平面方程的变量系数a、b和c为所述拟合的平面的法向方向,其中,d为所述平面方程中的常量系数。
5.根据权利要求1所述的方法,其特征在于,所述依据各所述法向估计值进行聚类分析,获得每个点的法向聚类结果包括:
针对所述室内三维点云模型中的每个点,确定与所述点相邻的第二预设数量的邻域点,并将所述第二预设数量的邻域点中每个点的法向估计值映射至高斯球,且依据所述高斯球上点与点之间的距离对所述第二预设数量的邻域点的法向估计值进行聚类,获得聚类类别个数作为所述点的法向聚类结果。
6.根据权利要求5所述的方法,其特征在于,所述依据各所述法向聚类结果进行点云分割,从所述室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集包括:
依据所述室内三维点云模型中每个点的法向聚类结果中的聚类类别个数,确定相应点是位于建筑物的墙角区域的角点还是位于建筑物的边缘区域的边缘点。
7.根据权利要求6所述的方法,其特征在于,所述依据所述室内三维点云模型中每个点的法向聚类结果中的聚类类别个数,确定相应点是位于建筑物的墙角区域的角点还是位于建筑物的边缘区域的边缘点包括:
当点的聚类类别个数为3时,确定相应点是位于建筑物的墙角区域的角点;
当点的聚类类别个数为2时,确定相应点是位于建筑物的边缘区域的边缘点。
8.根据权利要求2所述的方法,其特征在于,所述依据建筑物中位于墙角的点是三个两两垂直的平面的交点的特征,从所述角点点集中确定出位于所述建筑物的墙角的角点包括:
依据所述角点点集中每个点的法向估计值,按照所述建筑物中各墙角的空间定位和所述法向聚类结果中的聚类类别对所述角点点集进行分类;
对根据所述空间定位确定的属于同一个墙角、且根据所述法向聚类结果确定的属于同一个聚类类别的各点进行平面拟合,确定相应墙角处的三个平面方程;
依据每个墙角对应的三个平面方程确定三个拟合的平面的交点,作为所述建筑物中相应墙角的角点。
9.根据权利要求2所述的方法,其特征在于,所述依据建筑物中位于边缘上的边缘点是两个互相垂直的平面的交点的特征,从所述边缘点点集中确定出位于所述建筑物边缘的边缘点包括:
依据所述边缘点点集中每个点的法向估计值,按照所述建筑物中各边缘的空间定位和所述法向聚类结果中的聚类类别对所述边缘点点集进行分类;
对根据所述空间定位确定的属于同一条边缘、且根据所述法向聚类结果确定的属于同一个聚类类别的各点进行平面拟合,确定相应边缘处的两个平面方程;
依据每个边缘处的两个平面方程确定两个拟合的平面的交线,并依据所述交线确定所述建筑物中相应边缘上的边缘点。
10.根据权利要求1所述的方法,其特征在于,生成所述建筑物的建筑信息模型之后,还包括:
依据各所述法向聚类结果进行点云分割,从所述室内三维点云模型中,区分出位于建筑物的平面区域的平面点点集;
依据建筑物中位于不同平面中的平面点特征,从所述平面点点集中筛选出位于所述建筑物的墙面、天花板和地面的平面点;
基于位于所述建筑物的墙面、天花板和地面中至少一个平面的平面点,获取所述建筑物中相应平面的属性信息,并将所述属性信息添加到所述建筑信息模型中的相应平面中。
11.根据权利要求10所述的方法,其特征在于,所述依据建筑物中位于不同平面中的平面点特征,从所述平面点点集中筛选出位于所述建筑物的墙面、天花板和地面的平面点包括:
依据建筑物的天花板和地面所在平面的法向方向与世界坐标系的z轴平行,以及建筑物的墙面所在平面的法向方向与所述世界坐标系的z轴垂直,基于每个平面点的法向估计值,从所述平面点点集中区分出位于建筑物的墙面的平面点;
根据位于建筑物的天花板的平面点的z值高于位于建筑物的地面的平面点的z值,从所述平面点点集中区分出位于建筑物的天花板的平面点和地面的平面点。
12.根据权利要求10所述的方法,其特征在于,
所述建筑物的墙面的属性信息包括建筑物的墙面的平整度、是否存在螺杆洞、以及螺杆洞的空间位置信息中的一者或多者的组合;和/或
所述建筑物的天花板的属性信息包括建筑物的天花板的凹凸变化和/或高低变化超过设定阈值的拼接缝的位置信息;和/或
所述建筑物的地面的属性信息包括建筑物的地面的平整度和/或凹凸变化。
13.一种建筑信息模型生成***,其特征在于,包括:
数据获取模块,用于获取建筑物的室内三维点云模型;
法向聚类结果确定模块,用于确定所述室内三维点云模型中每个点的法向估计值,并依据各所述法向估计值进行聚类分析,获得每个点的法向聚类结果;
点云分割模块,用于依据各所述法向聚类结果进行点云分割,从所述室内三维点云模型中,区分出位于建筑物的墙角区域的角点点集和位于建筑物的边缘区域的边缘点点集;
建筑信息模型生成模块,用于依据所述角点点集和所述边缘点点集,分别确定位于所述建筑物上的角点和边缘点,生成所述建筑物的建筑信息模型。
14.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-12中任一所述的建筑信息模型生成方法。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-12中任一所述的建筑信息模型生成方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911136263.4A CN110956690A (zh) | 2019-11-19 | 2019-11-19 | 一种建筑信息模型生成方法和*** |
CN2019111362634 | 2019-11-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112907722A true CN112907722A (zh) | 2021-06-04 |
Family
ID=69977726
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911136263.4A Pending CN110956690A (zh) | 2019-11-19 | 2019-11-19 | 一种建筑信息模型生成方法和*** |
CN202010265130.3A Withdrawn CN112907722A (zh) | 2019-11-19 | 2020-04-07 | 建筑信息模型生成方法、***、设备和存储介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911136263.4A Pending CN110956690A (zh) | 2019-11-19 | 2019-11-19 | 一种建筑信息模型生成方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN110956690A (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111412842B (zh) * | 2020-04-09 | 2022-02-25 | 广东博智林机器人有限公司 | 墙面的截面尺寸的测量方法及装置、*** |
CN111521193A (zh) * | 2020-04-23 | 2020-08-11 | 广东博智林机器人有限公司 | 实景导航的方法、实景导航的装置、存储介质与处理器 |
CN111898557B (zh) * | 2020-08-03 | 2024-04-09 | 追觅创新科技(苏州)有限公司 | 自移动设备的地图创建方法、装置、设备及存储介质 |
CN112001026B (zh) * | 2020-10-28 | 2021-02-09 | 深圳大学 | 一种构建建筑信息模型的方法、终端及存储介质 |
CN112666573B (zh) * | 2020-11-17 | 2022-08-23 | 青岛慧拓智能机器有限公司 | 一种矿区卸载区车后方挡土墙及障碍物的检测方法 |
CN112683221B (zh) * | 2020-12-21 | 2022-05-17 | 深圳集智数字科技有限公司 | 一种建筑检测方法和相关装置 |
CN112597574B (zh) * | 2020-12-21 | 2024-04-16 | 福建汇川物联网技术科技股份有限公司 | 一种建筑信息模型的构建方法及装置 |
CN112836257B (zh) * | 2020-12-30 | 2023-02-14 | 重庆源道建筑规划设计有限公司 | 一种基于bim与多端协同的室内管线部署方法及*** |
CN113220018B (zh) * | 2021-04-23 | 2023-03-28 | 上海发电设备成套设计研究院有限责任公司 | 一种无人机路径规划方法、装置、存储介质及电子设备 |
CN113324473B (zh) * | 2021-04-30 | 2023-09-15 | 螳螂慧视科技有限公司 | 房屋测量方法与测量设备 |
CN113034566B (zh) * | 2021-05-28 | 2021-09-24 | 湖北亿咖通科技有限公司 | 高精度地图构建方法、装置、电子设备及存储介质 |
CN113409332B (zh) * | 2021-06-11 | 2022-05-27 | 电子科技大学 | 一种基于三维点云的建筑物平面分割方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570468A (zh) * | 2016-10-25 | 2017-04-19 | 中国人民解放军空军工程大学 | 一种重建LiDAR原始点云建筑物轮廓线的方法 |
CN106780509A (zh) * | 2016-12-01 | 2017-05-31 | 山东交通学院 | 融合多维特征的建筑物点云层次聚类分割方法 |
CN107274446A (zh) * | 2017-06-05 | 2017-10-20 | 河海大学 | 一种利用法向一致性的尖锐几何边缘点识别方法 |
WO2017214595A1 (en) * | 2016-06-10 | 2017-12-14 | The Board Of Trustees Of The Leland | Systems and methods for performing three-dimensional semantic parsing of indoor spaces |
US20190026400A1 (en) * | 2017-07-18 | 2019-01-24 | Fuscoe Engineering, Inc. | Three-dimensional modeling from point cloud data migration |
CN109887082A (zh) * | 2019-01-22 | 2019-06-14 | 武汉大学 | 一种基于点云数据的室内建筑三维建模方法及装置 |
CN110398231A (zh) * | 2019-06-18 | 2019-11-01 | 广东博智林机器人有限公司 | 墙面参数的获取方法、装置、计算机设备和存储介质 |
US20190340746A1 (en) * | 2018-08-03 | 2019-11-07 | Baidu Online Network Technology (Beijing) Co., Ltd. | Stationary object detecting method, apparatus and electronic device |
-
2019
- 2019-11-19 CN CN201911136263.4A patent/CN110956690A/zh active Pending
-
2020
- 2020-04-07 CN CN202010265130.3A patent/CN112907722A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017214595A1 (en) * | 2016-06-10 | 2017-12-14 | The Board Of Trustees Of The Leland | Systems and methods for performing three-dimensional semantic parsing of indoor spaces |
CN106570468A (zh) * | 2016-10-25 | 2017-04-19 | 中国人民解放军空军工程大学 | 一种重建LiDAR原始点云建筑物轮廓线的方法 |
CN106780509A (zh) * | 2016-12-01 | 2017-05-31 | 山东交通学院 | 融合多维特征的建筑物点云层次聚类分割方法 |
CN107274446A (zh) * | 2017-06-05 | 2017-10-20 | 河海大学 | 一种利用法向一致性的尖锐几何边缘点识别方法 |
US20190026400A1 (en) * | 2017-07-18 | 2019-01-24 | Fuscoe Engineering, Inc. | Three-dimensional modeling from point cloud data migration |
US20190340746A1 (en) * | 2018-08-03 | 2019-11-07 | Baidu Online Network Technology (Beijing) Co., Ltd. | Stationary object detecting method, apparatus and electronic device |
CN109887082A (zh) * | 2019-01-22 | 2019-06-14 | 武汉大学 | 一种基于点云数据的室内建筑三维建模方法及装置 |
CN110398231A (zh) * | 2019-06-18 | 2019-11-01 | 广东博智林机器人有限公司 | 墙面参数的获取方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
BASSIER, MAARTEN, ET, AL: "Clustering of Wall Geometry from Unstructured Point Clouds Using Conditional Random Fields", 《REMOTE SENSING》, vol. 11, no. 13, pages 1586 * |
张军军;邢帅;李鹏程;葛忠孝;夏琴;侯晓芬;王栋;: "边缘系数建筑物雷达点云数据简化方法", 测绘科学, no. 05, pages 91 - 95 * |
李宇洁等: "一种快速构建点云坐标系的方法", 《电子技术与软件工程》, no. 15, pages 161 - 162 * |
马腾等: "点云模型的谱聚类分割", 《计算机辅助设计与图形学学报》, vol. 24, no. 12, pages 1549 - 1558 * |
Also Published As
Publication number | Publication date |
---|---|
CN110956690A (zh) | 2020-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112907722A (zh) | 建筑信息模型生成方法、***、设备和存储介质 | |
CN111238352B (zh) | 墙面虚拟靠尺检测方法、***、设备和存储介质 | |
CN107688665B (zh) | 一种室内地图自动构建方法、装置及存储介质 | |
CN111737392B (zh) | 合并楼块数据的方法、装置、设备及存储介质 | |
KR102068419B1 (ko) | 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체 | |
CN105844631A (zh) | 一种目标定位方法及装置 | |
CN106338277B (zh) | 一种基于基线的建筑物变化检测方法 | |
WO2021082380A1 (zh) | 一种基于激光雷达的托盘识别方法、***和电子设备 | |
CN114742843A (zh) | 基于机载建筑物LiDAR点云的立面线自动提取方法及设备 | |
CN113192174A (zh) | 建图方法、装置及计算机存储介质 | |
CN108629315B (zh) | 一种针对三维点云的多平面识别方法 | |
CN112906092B (zh) | 一种映射方法和映射*** | |
CN108364349A (zh) | 墙面扫描建模方法、装置、终端及计算机可读存储介质 | |
CN116030103B (zh) | 确定砌筑质量的方法、装置、设备和介质 | |
CN112529891A (zh) | 一种基于点云的空心孔洞识别与轮廓检测方法、装置及存储介质 | |
CN114580044A (zh) | 建筑物外表面数据获取方法、装置、计算机设备和介质 | |
CN109670557B (zh) | 一种基于杆状构筑物的公路点云自动配准方法 | |
CN113654538B (zh) | 用于实测实量的房间找方方法、激光雷达及测量*** | |
CN110136179B (zh) | 一种基于直线拟合的三维激光点云配准方法及装置 | |
CN114266876B (zh) | 定位方法、视觉地图的生成方法及其装置 | |
CN113436244B (zh) | 用于实测实量的模型处理方法、***及激光雷达 | |
CN112989470B (zh) | 一种基于点云数据的室内空间布局提取方法 | |
US20200242819A1 (en) | Polyline drawing device | |
CN115127565A (zh) | 高精地图数据生成方法、装置、电子设备及存储介质 | |
CN115147476A (zh) | 建筑室内面积预测方法、装置、计算机设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210604 |
|
WW01 | Invention patent application withdrawn after publication |