CN115423933B - 户型图生成方法、装置、电子设备及存储介质 - Google Patents
户型图生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115423933B CN115423933B CN202210967343.XA CN202210967343A CN115423933B CN 115423933 B CN115423933 B CN 115423933B CN 202210967343 A CN202210967343 A CN 202210967343A CN 115423933 B CN115423933 B CN 115423933B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser point
- dimensional data
- mth
- dimensional
- 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
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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- 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
- 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)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例提供了一种户型图生成方法、装置、电子设备及存储介质。该方法包括:步骤1、获取N个空间对象的N个激光点云三维数据以及在空间坐标系下的N个位姿矩阵;步骤2、选择第M个激光点云三维数据,根据第M个激光点云三维数据生成对应的第M个二维点云位图;步骤3、根据第M个二维点云位图获取第M个第一轮廓;步骤4、根据第M个位姿矩阵将第M个第一轮廓转换至空间坐标系下的第M个户型结构图;步骤5、判断第M个激光点云三维数据是否是最后一个激光点云三维数据;若否,将M赋值为M+1并返回步骤2;若是,生成在空间坐标系下的由N个户型结构图组成的户型图以用于展示。通过本方法,可在降低人工成本的基础上提高生成的户型图精度。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种户型图生成方法、装置、电子设备及存储介质。
背景技术
房屋户型图作为用户了解房屋构造最为直观的一个方式,随着房地产、二手房交易行业的快速发展,户型图的生成及绘制至关重要。目前,户型图可以根据采集到的房屋内所有房间的图像,通过计算机视觉算法自动生成,但这种方式生成的户型图准确性较低,无法满足户型图的生成需求。此外,户型图还可以是通过电脑端编辑软件全程人工手动编辑生成,但这种方式虽满足了户型图的精度要求,但人工编辑户型图的成本太高,同样无法满足户型图的生成需求。
发明内容
本发明实施例提供一种户型图生成方法、装置、电子设备及存储介质,在降低人工成本的基础上,提高生成的户型图精度,以满足户型图的生成需求。
本发明实施例第一方面提供了一种户型图生成方法,其用于生成目标物理空间的户型图,其中所述目标物理空间至少包括N个空间对象,所述方法包括:
步骤1、获取所述N个空间对象的N个激光点云三维数据,以及在空间坐标系下,与所述N个激光点云三维数据相适配的N个位姿矩阵;其中,以所述N个激光点云三维数据中的任一激光点云三维数据作为目标激光点云三维数据,以所述N个位姿矩阵中的任一位姿矩阵作为目标位姿矩阵,每个目标激光点云三维数据和每个目标位姿矩阵是,对目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行编辑处理所获取的;
步骤2、在所述N个激光点云三维数据中选择第M个激光点云三维数据,根据所述第M个激光点云三维数据生成对应的第M个二维点云位图;
步骤3、根据所述第M个二维点云位图获取第M个第一轮廓;
步骤4、根据与所述第M个激光点云三维数据相适配的第M个位姿矩阵,将与所述第M个位姿矩阵对应的第M个第一轮廓转换至所述空间坐标系下的第M个户型结构图;
步骤5、判断所述第M个激光点云三维数据是否是最后一个激光点云三维数据;
若否,执行步骤6、将M赋值为M+1并返回步骤2;
若是,执行步骤7、生成在所述空间坐标系下的由N个户型结构图组成的所述目标物理空间的户型图,以用于展示,流程结束;其中,M、N为自然数,且1≤M≤N。
本发明实施例第二方面提供了一种户型图生成装置,其用于生成目标物理空间的户型图,其中所述目标物理空间至少包括N个空间对象,所述装置包括:
数据获取模块,用于获取所述N个空间对象的N个激光点云三维数据,以及在空间坐标系下,与所述N个激光点云三维数据相适配的N个位姿矩阵;其中,以所述N个激光点云三维数据中的任一激光点云三维数据作为目标激光点云三维数据,以所述N个位姿矩阵中的任一位姿矩阵作为目标位姿矩阵,每个目标激光点云三维数据和每个目标位姿矩阵是,对目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行编辑处理所获取的;
位图生成模块,用于在所述N个激光点云三维数据中选择第M个激光点云三维数据,根据所述第M个激光点云三维数据生成对应的第M个二维点云位图;
轮廓生成模块,用于根据所述第M个二维点云位图获取第M个第一轮廓;
结构图生成模块,用于根据与所述第M个激光点云三维数据相适配的第M个位姿矩阵,将与所述第M个位姿矩阵对应的第M个第一轮廓转换至所述空间坐标系下的第M个户型结构图;
第一判断模块,用于判断所述第M个激光点云三维数据是否是最后一个激光点云三维数据;
赋值返回模块,用于若判断所述第M个激光点云三维数据不是最后一个激光点云三维数据,将M赋值为M+1并返回至所述位图生成模块所执行的步骤;
户型图生成模块,用于若判断所述第M个激光点云三维数据是最后一个激光点云三维数据,生成在所述空间坐标系下的由N个户型结构图组成的所述目标物理空间的户型图,以用于展示,流程结束;其中,M、N为自然数,且1≤M≤N。
本发明实施例第三方面提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如本发明第一方面所述的户型图生成方法的步骤。
本发明实施例第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如本发明第一方面所述的户型图生成方法中的步骤。
本发明实施例通过获取N个空间对象的N个激光点云三维数据,可以根据各空间对象的激光点云三维数据,精准确定各空间对象的第一轮廓(即平面轮廓);同时,根据获取到的N个激光点云三维数据相适配的N个位姿矩阵,将与每个位姿矩阵对应的每个第一轮廓转换至空间坐标系下(即同一坐标系下)的户型结构图,从而生成在空间坐标系下的由N个户型结构图组成的目标物理空间的户型图。因此,通过本实施例的户型图生成方法,依据各空间对象的激光点云三维数据可确定各房间的平面轮廓,极大地保证了各房间轮廓的准确性,且在户型图生成过程中,可根据获取到的同一坐标系下的各激光点云三维数据相适配的位姿矩阵,自动根据各位姿矩阵将每一位姿矩阵对应的平面轮廓转换至同一坐标系下生成各房间的户型结构图,以实现整个目标物理空间户型图的自动生成,从而极大地降低了人工成本,提高了户型图生成效率,实现了在降低人工成本的基础上,提高生成的户型图精度,满足了户型图生成需求。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例示出的一种户型图生成方法的流程图;
图2是本发明一实施例示出的一种户型图的效果示意图;
图3是本发明一实施例示出的一种房屋点云三维模型的示意图;
图4是本发明一实施例示出的一种单个空间对象的激光点云三维数据的成像示意图;
图5是本发明一实施例示出的一种户型图生成方法的流程示意图;
图6本发明一实施例提供的户型图生成装置的结构框图;
图7是本发明一实施例示出的一种电子设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参考图1,图1是本发明一实施例示出的一种户型图生成方法的流程图。本实施例提供的户型图生成方法用于生成目标物理空间的户型图,目标物理空间至少包括N个空间对象,N为≥1的自然数。其中,本实施例的目标物理空间可以是指需要进行户型图生成的物理空间,物理空间可以是指房屋、商场、写字楼、体育馆等建筑物,本实施例的空间对象可以是指物理空间中的单一空间结构的建筑物,如房屋中的各房间。
本实施例提供的户型图生成方法可应用于终端或服务器。本实施例的终端可以为手机、平板、电脑等可以在移动中使用的计算机设备;服务器可以是在网络中为其它客户机(如本实施例中的终端)提供计算或者应用服务的计算机。如图1所示,本实施例的户型图生成方法可以包括以下步骤:
步骤1:获取所述N个空间对象的N个激光点云三维数据,以及在空间坐标系下,与所述N个激光点云三维数据相适配的N个位姿矩阵。
由于目标物理空间中有大量的遮挡物(如墙),因此,本实施例是针对空间对象维度,获取该目标物理空间中N个空间对象的N个激光点云三维数据,以及在空间坐标系下与N个激光点云三维数据相适配的N个位姿矩阵。本实施例的激光点云三维数据为单个空间对象的激光点云基于空间坐标系下的三维坐标数据。其中,激光点云指的是:当一束激光照射到物体表面时,所反射的激光会携带方位、距离等信息;若将激光束按照某种轨迹进行扫描,便会边扫描边记录到反射的激光点信息,由于扫描极为精细,则能够得到大量的激光点,因而就可形成激光点云。
本实施例的空间坐标系为一个世界坐标系,即同一个坐标系。而本实施例的位姿矩阵是空间坐标系(世界坐标系)与相机坐标系(或物体坐标系)之间的变换矩阵,简单来说就是偏移+旋转。在本实施例中,激光点云三维数据相适配的位姿矩阵指的是,单个空间对象的激光点云的三维坐标数据在空间坐标系(世界坐标系)与相机坐标系(单个物体坐标系)之间的变换矩阵。
本实施例以N个激光点云三维数据中的任一激光点云三维数据作为目标激光点云三维数据,以N个位姿矩阵中的任一位姿矩阵作为目标位姿矩阵。其中,本实施例中的每个目标激光点云三维数据和每个目标位姿矩阵是,对目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行编辑处理所获取的。
可以理解,各目标空间对象的激光点云可以通过相关采集设备拍摄得到,每个目标空间对象中可以包括至少一个拍摄点位,在同一个拍摄点位通过相关采集设备扫描拍摄得到的激光点云属于同一个坐标系,那么终端或服务器获取到的目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据分别属于不同的坐标系,即每个拍摄点位对应的激光点云采样数据均单独对应一个坐标系(相机坐标系或物体坐标系),而实际想要生成的目标物理空间的户型图为基于一个整体的世界坐标系(即本实施例的空间坐标系),因此,本实施例需对目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行编辑处理,以得到每个目标空间对象所对应的在空间坐标系下的目标激光点云三维数据和目标位姿矩阵,用以生成户型图。
进一步的,获取到的每个激光点云采样数据可以携带有标签,这样就能确定激光点云采样数据属于哪一个空间对象或属于哪一个空间对象的哪一个拍摄点位。例如,获取到房屋内主卧(1个拍摄地位)的激光点云采样数据,则可以是获取到一个激光点云文件,该激光点云文件的标签为“主卧”,该激光点云文件中包括在同一个坐标系(如坐标系A)下的主卧中多个激光点的三维坐标信息。又例如,客户端获取到房屋内厨房(2个拍摄地位)的激光点云采样数据,则可以是获取到两个激光点云文件,这两个激光点云文件的标签分别为“厨房1”和“厨房2”,分别包括了在两个不同坐标系(如坐标系B和坐标系C)下的厨房中多个激光点的三维坐标信息。
本实施例在生成目标物理空间的户型图的过程中,可以是依次根据N个空间对象中的每个空间对象所对应的激光点云三维数据和位姿矩阵进行处理,以依次生成每个空间对象所对应的户型结构图,从而在全部空间对象对应的户型结构图均生成后,生成目标物理空间的户型图。
其中,本实施例中的N个激光点云三维数据可以为N个按顺序依次排列的激光点云三维数据,N个激光点云三维数据可以包括:第1个激光点云三维数据、第2个激光点云三维数据、第3个激光点云三维数据、……、第N个激光点云三维数据。本实施例中的N个位姿矩阵可以为N个按顺序依次排列的位姿矩阵,N个位姿矩阵可以包括:第1个位姿矩阵、第2个位姿矩阵、第3个位姿矩阵、……、第N个位姿矩阵。且在本实施例中,第1个位姿矩阵为与第1个激光点云三维数据相适配的位姿矩阵,第2个位姿矩阵为与第2个激光点云三维数据相适配的位姿矩阵,以此类推,第M个位姿矩阵为与第M个激光点云三维数据相适配的位姿矩阵。
步骤2:在所述N个激光点云三维数据中选择第M个激光点云三维数据,根据所述第M个激光点云三维数据生成对应的第M个二维点云位图。
本实施例中,在获取到N个空间对象的N个激光点云三维数据和与N个激光点云三维数据相适配的N个位姿矩阵之后,可以在这N个激光点云三维数据中选择第M个激光点云三维数据,以及,在这N个位姿矩阵中选择与第M个激光点云三维数据相适配的第M个位姿矩阵,来进行第M个空间对象的户型结构图的生成,其中,M、N为自然数,且1≤M≤N,M可从1-N依次递增,即,第一次执行步骤2时,选择第1个激光点云三维数据,第二次执行步骤2时,选择第2个激光点云三维数据,以此类推。
由于户型图为一张平面图像,而生成户型图并不需要三维数据,实际上二维数据会更便于计算,因此,本实施例需将第M个激光点云三维数据转换为激光点云二维数据,即转换为第M个激光点云二维数据,再根据第M个激光点云二维数据生成二维点云位图,该二维点云位图即为第M个二维点云位图。
此外,生成户型图需要的是二维数据,而本实施例实际上采取的是获取激光点云的三维数据而不是激光点云的二维数据的原因为:激光点云的三维数据体现的是空间对象的空间关系,能够更好的体现各空间对象的具体轮廓,以保障空间对象轮廓信息的精准度,以及,采集激光点云的二维数据还需要人工手动设置采集到的激光点云的二维数据属于哪一个平面,平面为四周的墙面还是天花板或地板,从而进一步增加了人工成本。
步骤3:根据所述第M个二维点云位图获取第M个第一轮廓。
本实施例中,生成第M个二维点云位图后,可以对该第M个二维点云位图进行处理,以获取该第M个二维点云位图对应的第一轮廓,该第一轮廓即为第M个第一轮廓。具体的,可以是采用相关的图像识别提取技术,对该第M个二维点云位图进行图像处理,从而得到第M个激光点云三维数据对应的空间对象所对应的第一轮廓。其中,本实施例的轮廓由多个线段数据组成,线段数据包括线段上各点的坐标信息。本实施例的第一轮廓为空间对象所对应的平面轮廓。
步骤4:根据与所述第M个激光点云三维数据相适配的第M个位姿矩阵,将与所述第M个位姿矩阵对应的第M个第一轮廓转换至所述空间坐标系下的第M个户型结构图。
本实施例中,终端或服务器获取到第M个第一轮廓后,可以根据与该第M个激光点云三维数据相适配的第M个位姿矩阵,将与该第M个位姿矩阵所对应第M个第一轮廓转换至基于同一世界坐标系(空间坐标系)的第二轮廓,该第二轮廓即为第M个第二轮廓,以得到该第M个空间对象(即第M个激光点云三维数据对应的空间对象)的户型结构图,即第M个户型结构图,此时第M个户型结构图为基于空间坐标系的户型结构图。
步骤5:判断所述第M个激光点云三维数据是否是最后一个激光点云三维数据。
本实施例中,每生成一个户型结构图后,会进行一次判断,判断当前生成的户型结构图所对应的激光点云三维数据是否是N个激光点云三维数据中顺序排列的最后一个激光点云三维数据,以确定是否还有激光点云三维数据没有被进行处理生成户型结构图。
因此,本实施例在得到第M个户型结构图后,会判断第M个激光点云三维数据是否是N个激光点云三维数据中的最后一个激光点云三维数据。若否,则执行步骤6;若是,则执行步骤7。
步骤6:将M赋值为M+1并返回步骤2。
本实施例中,当终端或服务器确定第M个激光点云三维数据不是N个激光点云三维数据中的最后一个激光点云三维数据时,可以返回上述步骤2并将M赋值为M+1,按顺序选择下一个激光点云三维数据重新执行上述步骤2-步骤5,以依次生成空间对象对应的户型结构图。
例如,当前M为2,当终端或服务器确定第2个激光点云三维数据不是N个激光点云三维数据中的最后一个激光点云三维数据时,可以返回上述步骤2并将M赋值为2+1,即将M赋值为3,按顺序选择第3个激光点云三维数据重新执行上述步骤2-步骤5,以依次生成空间对象对应的户型结构图。
步骤7:生成在所述空间坐标系下的由N个户型结构图组成的所述目标物理空间的户型图,以用于展示,流程结束。
本实施例中,当终端或服务器确定第M个激光点云三维数据是N个激光点云三维数据中的最后一个激光点云三维数据时,终端或服务器可以确定N个激光点云三维数据中的最后一个激光点云三维数据也已经处理完成、生成了对应的户型结构图,即该目标物理空间的N个空间对象对应的N个户型图均已生成,此时即可根据该N个户型结构图,生成在空间坐标系下的由N个户型结构图组成的目标物理空间的户型图,以用于展示,从而结束本实施例户型图生成方法的流程。
其中,当本实施例的户型图生成方法应用于终端时,可以是终端生成目标物理空间的户型图,并在终端中进行该户型图的展示。当本实施例的户型图生成方法应用于服务器时,可以是服务器生成目标物理空间的户型图,服务器将目标物理空间的户型图发送给终端,以使该目标物理空间的户型图在终端进行展示。
示例的,目标物理空间的户型图可以如图2所示,图2是本发明一实施例示出的一种户型图的效果示意图。其中,图2中的墙体和编号可以为后期绘制,而图中的房间类型(如客厅、主卧)为根据激光点云采样数据中的标签直接绘制显示。
在一优选实施例中,可以根据各空间对象的第二轮廓确定各空间对象的顶点坐标数据,从而由各空间对象的顶点坐标数据组成最终的户型结构图矢量数据,该最终的户型结构图矢量数据就是由一堆同一坐标系下的顶点坐标组成,可以理解为是有一堆几何图形,这些几何图形的数据构成一个户型数据,这些数据本质上就是一个矢量关系,放大缩小都不影响,只影响这个户型图的面积。由此,本实施例可根据各空间对象最终的户型图矢量数据生成目标物理空间的矢量户型图,从而可以随意放大或缩小,户型图的清晰度不受影响。由于点云的坐标是特别多的,可能存在十几万个点,对于户型生成是很难的,因此本实施例目的是把点云的数据转换成最终简单的户型矢量图的数据,也就是通过点云数据填充出房间的轮廓,并确定顶点坐标,以生成精准的户型矢量图。
在本实施例中,依次依据各空间对象的激光点云三维数据可确定各房间的平面轮廓,极大地保证了各房间轮廓的准确性,且在户型图生成过程中,可根据获取到的同一世界坐标系下的各激光点云三维数据相适配的位姿矩阵,依次自动根据各位姿矩阵将每一位姿矩阵对应的平面轮廓转换至同一坐标系下生成各房间的户型结构图,以实现整个目标物理空间户型图的自动生成,从而极大地降低了人工成本,提高了户型图生成效率,实现了在降低人工成本的基础上,提高生成的户型图精度,满足了户型图生成需求。
结合以上实施例,在一实施方式中,本发明实施例还提供了一种户型图生成方法。具体地,在该方法中,除上述步骤外还包括步骤S11:
步骤S11:根据所述N个激光点云三维数据生成房屋点云三维模型,以用于展示。
本实施例中,终端或服务器获取到N个空间对象的N个激光点云三维数据后,可以根据该基于空间坐标系的N个激光点云三维数据绘制生成房屋点云三维模型以用于展示。其中,当本实施例的户型图生成方法应用于终端时,可以是终端生成房屋点云三维模型,并在终端中进行房屋点云三维模型的展示。当本实施例的户型图生成方法应用于服务器时,可以是服务器生成房屋点云三维模型,服务器将房屋点云三维模型发送给终端,以使房屋点云三维模型在终端进行展示。需要说明的是本实施例的步骤S11可以在上述步骤1之后的任意时刻执行,如可以是在上述步骤1和步骤2之间执行,也可以是在上述步骤7之前或之后执行等,本实施例不对步骤S11与步骤2、3、4、5、6或7之间的执行顺序作任何限制。
本实施例中的房屋点云三维模型可作为后续生成的户型图的参照物,以使得生成的户型图可以有一个参照,以判断生成的目标物理空间的户型图是否准确。示例的,根据N个激光点云三维数据绘制而成的房屋点云三维模型请参考图3,如图3所示,图3是本发明一实施例示出的一种房屋点云三维模型的示意图,其中,图3中的三条弧线分别示意三维空间中的三个坐标系。
结合以上实施例,在一实施方式中,本发明实施例还提供了一种户型图生成方法。在该方法中,上述编辑处理具体可以包括步骤S21、步骤S22和步骤S23;或,上述编辑处理具体可以包括步骤S21、步骤S22和步骤S24:
步骤S21:对所述目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行调整处理,获取在所述空间坐标系下,与所述每一激光点云采样数据相适配的每一位姿矩阵。
本实施例中,以N个空间对象中的任一空间对象作为目标空间对象,针对目标空间对象,终端或服务器可以获取到目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据。而针对获取到的每一激光点云采样数据,终端或服务器可以对每一激光点云采样数据执行调整处理,以获取在空间坐标系下,与每一激光点云采样数据相适配的每一位姿矩阵。其中,本实施例的调整处理可以是终端或服务器响应于人工操作的调整处理,也可以是终端或服务器的自动调整处理。
具体的,响应于人工操作的调整处理可以是:终端或服务器获取到每一激光点云采样数据之后,可以使得在终端中显示获取到激光点云采样数据的提示信息。终端支持在同一界面中同时显示多个拍摄点位的激光点云采样数据的相关信息以供用户进行相关编辑。其中,相关信息可以是终端或服务器根据各空间对象中的激光点云采样数据生成相匹配的简易形状,并携带有各自的标签;例如,可以是一个正方形并携带有标签“厨房”,可以是一个正方形,并携带有标签“主卧1”以及一个长方形,并携带有标签“主卧2”。
如此,用户可在终端上进行简单的编辑操作,具体的,可以是在终端的客户端的界面上进行编辑操作。该编辑操作可以是根据目标物理空间的实际情况对各拍摄点位的激光点云采样数据的相关信息进行拖拽、旋转、平移等简单触屏操作,以手动将相关信息拼成一个空间对象的户型。此外,编辑操作还可以是根据目标空间对象的实际情况进行相关输入操作,例如直接在终端界面中输入各空间对象之间的方位信息,例如:客厅在主卧的左边,厨房在玄关的右边等等。需要说明的是,本实施例对人工编辑操作的具体手段不做任何限制。
终端响应于用户在终端上的编辑操作,或服务器接收到终端发送的用户在终端上的编辑操作的响应信息,确定编辑过程中的各空间对象中的激光点云采样数据的实时三维坐标信息(此时的实时三维坐标信息为基于同一个世界坐标系),在操作编辑的过程中用户也是可以不断地去矫正每个激光点云采样数据的位置,直至完成编辑操作,终端或服务器可以确定目标物理空间内各空间对象之间的位置关系,以及在空间坐标系下、目标空间对象中每一激光点云采样数据相适配的每一位姿矩阵。
而自动调整处理可以是:终端或服务器针对获取到的各目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据,可以通过配准算法对获取到的激光点云采样数据进行两两自动配准,从而自动获取到在空间坐标系下的、与每一激光点云采样数据相适配的每一位姿矩阵。
步骤S22:根据所述每一位姿矩阵,确定所述目标位姿矩阵。
针对目标空间对象中获取到的每一位姿矩阵,可以从中确定出最佳位姿矩阵以作为目标空间对象对应的目标位姿矩阵。具体的,可以是从目标空间对象中的每一位姿矩阵中,由人工选择一个位姿矩阵作为目标位姿矩阵;还可以是根据默认配置,自动从每一位姿矩阵中选择一个位姿矩阵作为目标位姿矩阵,例如,当默认配置为设定第一个拍摄点位(拍摄时间上的第一)对应的位姿矩阵为目标位姿矩阵,则终端或服务器可以自动确定出该目标空间对象的第一个拍摄点位对应的激光点云采样数据相适配的位姿矩阵为目标位姿矩阵,本实施例对目标位姿矩阵的具体确定不作限制。
步骤S23:根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的所述目标激光点云三维数据。
本步骤中,针对目标空间对象,终端或服务器可以根据获取到的目标空间对象的每一激光点云采样数据,以及与每一激光点云采样数据相适配的每一位姿矩阵,进行各激光点云采样数据的三维坐标信息的转化,将目标空间对象中属于不同坐标系下的激光点云采样数据转换得到基于同一个世界坐标系下(空间坐标系下)的目标激光点云三维数据。其中,获取到的各目标空间对象对应的目标激光点云三维数据也均为基于同一个世界坐标系下(即空间坐标系下)。
步骤S24:根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的第一激光点云三维数据,对所述第一激光点云三维数据执行筛选处理以获取所述目标激光点云三维数据。
本步骤中,针对目标空间对象,终端或服务器可以根据获取到的目标空间对象的每一激光点云采样数据,以及与每一激光点云采样数据相适配的每一位姿矩阵,进行各激光点云采样数据的三维坐标信息的转化,将目标空间对象中属于不同坐标系下的激光点云采样数据转换得到基于同一个世界坐标系下(空间坐标系下)的第一激光点云三维数据。其中,获取到的各目标空间对象对应的第一激光点云三维数据也均为基于同一个世界坐标系下(即空间坐标系下)。其中,本实施例的第一激光点云三维数据为获取目标激光点云三维数据时产生的中间数据。
本步骤中,以一个空间对象为例,可能由于采集该空间对象的激光点云时,不仅仅包含当前空间对象内的激光点云采样数据,还会采集到空间对象外部的激光点云采样数据,从而导致获取到的空间对象中的激光点云采样数据中的空间对象外部的激光点云采样数据对估算当前空间对象的轮廓会产生干扰。
因此,在获取到目标空间对象中的第一激光点云三维数据后,需要对目标空间对象中的第一激光点云三维数据进行筛选,以得到目标空间对象的目标激光点云三维数据。其中,本步骤中的目标激光点云三维数据为目标空间对象内部的激光点云三维数据。
需要说明的是,本实施例中是针对N个空间对象中的各空间对象,依次串行执行上述编辑处理的各步骤,以得到N个空间对象的N个激光点云三维数据,以及在空间坐标系下,与N个激光点云三维数据相适配的N个位姿矩阵。
在本实施例中,针对每个目标空间对象,通过对获取到的目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据进行相关编辑预处理,得到在空间坐标系下的每个目标激光点云三维数据和每个目标位姿矩阵,以用于后续生成户型图,不仅能够有利于方便生成户型图,还能进一步提升户型图的生成精度,以满足户型图生成需求。
结合以上实施例,在一实施方式中,本发明实施例还提供了一种户型图生成方法。在该方法中,上述步骤S23可以具体包括步骤S31、步骤S32、步骤S33和步骤S34;上述步骤S24中的“根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的第一激光点云三维数据”具体可以包括步骤S31、步骤S32、步骤S33和步骤S35:
步骤S31:根据所述每一激光点云采样数据相适配的每一位姿矩阵,确定所述每一激光点云采样数据相适配的旋转角度和偏移量。
本实施例中,针对目标空间对象,终端或服务器根据每一激光点云采样数据相适配的每一位姿矩阵,可以确定出每一激光点云采样数据相适配的旋转角度和偏移量。具体的,可以是根据每一位姿矩阵确定出r和t的值,r为绕自身拍摄点的旋转角度,t为在空间坐标系下的偏移量,将r的值和t的值分别作为每一位姿矩阵对应的每一激光点云采样数据所相适配的旋转角度和偏移量。
步骤S32:根据所述每一激光点云采样数据相适配的旋转角度和偏移量,确定所述每一激光点云采样数据相适配的变换矩阵。
本实施例中,终端或服务器获取到每一激光点云采样数据相适配的旋转角度和偏移量后,可以根据每一激光点云采样数据相适配的旋转角度和偏移量确定出每一激光点云采样数据相适配的变换矩阵。具体的,可以是根据每一激光点云采样数据相适配的旋转角度,确定出每一激光点云采样数据相适配的旋转角度矩阵Mr;根据每一激光点云采样数据相适配的偏移量,确定出每一激光点云采样数据相适配的偏移量矩阵Mt;从而根据每一激光点云采样数据相适配的旋转角度矩阵Mr以及每一激光点云采样数据相适配的偏移量矩阵Mt确定出每一激光点云采样数据相适配的变换矩阵M。其中,每一激光点云采样数据相适配的变换矩阵M可以是每一激光点云采样数据相适配的旋转角度矩阵Mr与每一激光点云采样数据相适配的偏移量矩阵Mt相乘,即M=Mt*Mr。
步骤S33:将所述每一激光点云采样数据通过所述每一激光点云采样数据相适配的变换矩阵进行计算,获取在所述空间坐标系下的每一激光点云采样三维数据。
本实施例中,终端或服务器获取到每一激光点云采样数据相适配的变换矩阵后,可以将每一激光点云采样数据通过该每一激光点云采样数据相适配的变换矩阵进行计算,具体的,可以是将每一激光点云采样数据与其相适配的变换矩阵相乘,从而获取到由每一激光点云采样数据转换至空间坐标系下的相对应的每一激光点云采样三维数据。
步骤S34:根据所述目标空间对象中所有拍摄点位对应的所有激光点云采样三维数据,获取在所述空间坐标系下的所述目标激光点云三维数据。
本实施例中,针对目标空间对象,终端或服务器获取到该目标空间对象中所有拍摄点位所各自对应的激光点云采样三维数据后,可以根据该目标空间对象中所有拍摄点位对应的所有激光点云采样三维数据,组合得到在空间坐标系下的目标空间对象对应的目标激光点云三维数据。也就是说,目标空间对象对应的目标激光点云三维数据包括目标空间对象中所有拍摄点位对应的所各自对应的所有激光点云采样三维数据。
例如,一个目标空间对象有2个拍摄点位,那就是通过拍摄点位1对应的激光点云采样数据和该激光点云采样数据对应的位姿矩阵,获得拍摄点位1对应的激光点云采样三维数据;通过拍摄点位2对应的激光点云采样数据和该激光点云采样数据对应的位姿矩阵,获得拍摄点位2对应的激光点云采样三维数据,从而通过拍摄点位1的激光点云采样三维数据和拍摄点位2的激光点云采样三维数据来组成整个目标空间对象的“目标激光点云三维数据”。
步骤S35:根据所述目标空间对象中所有拍摄点位对应的所有激光点云采样三维数据,获取在所述空间坐标系下的所述第一激光点云三维数据。
本步骤中目标空间对象的第一激光点云三维数据的获取方法可参考上述步骤S34,本步骤中第一激光点云三维数据的获取方法与上述步骤S34中目标空间对象的目标激光点云三维数据的获取方法相同或相似,故在此不再进行赘述。
在本实施例中,目标空间对象中的各拍摄点位对应的激光点云采样数据是并行或串行执行上述转换步骤,以得到各拍摄点位对应的激光点云采样三维数据。而本实施例中是针对N个空间对象中的各空间对象,依次串行执行获取各空间对象的目标激光点云三维数据或第一激光点云三维数据的各步骤。
而在本实施例中,终端或服务器获取到第M个第一轮廓后,可以根据第M个位姿矩阵,将与第M个位姿矩阵所对应第M个第一轮廓转换至基于同一世界坐标系(空间坐标系)的第M个第二轮廓,得到第M个户型结构图。具体的,本实施例也可以是根据位资矩阵分别确定r和t的值,其中,r为绕自身拍摄点的旋转角度,t为在世界坐标系下的偏移量,r和t为根据位姿矩阵自动确定的。那么,第M个激光点云三维数据在世界坐标系下的变换矩阵为M=Mt*Mr,其中,Mr为绕自身拍摄点的旋转角度的矩阵,Mt为偏移量的矩阵,将第M个第一轮廓通过变换矩阵计算后,即可得到基于同一坐标系的第M个第二轮廓,从而得到第M个空间对象对应的第M个户型结构图。具体的可以是将第M个第一轮廓中的各坐标信息乘以变换矩阵,即可得到第M个第二轮廓中的各坐标信息,从而组成第M个空间对象对应的第M个第二轮廓,该第M个第二轮廓携带有第M个空间对象对应的标签,如“客厅”、“卫生间”等等。
在本实施例中,通过激光点云采样数据对应的位姿矩阵确定旋转角度和偏移量,再根据旋转角度和偏移量确定激光点云采样数据对应的变换矩阵,将激光点云采样数据通过与其相适配的变换矩阵进行计算得到激光点云采样三维数据,从而根据目标空间对象中的所有激光点云采样三维数据来确定目标空间对象对应的目标激光点云三维数据或第一激光点云三维数据,以实现同一坐标系下激光点云三维数据的精准转换。
结合以上实施例,在一实施方式中,本发明实施例还提供了一种户型图生成方法。在该方法中,上述筛选处理具体可以包括步骤S41、步骤S42和步骤S43:
步骤S41:将所述第一激光点云三维数据中的任一激光点,与所述目标空间对象中与所述任一激光点对应的拍摄点位的映射点进行连线,作为第一线段。
本实施例中,终端或服务器在得到目标空间对象的第一激光点云三维数据后,可以将第一激光点云三维数据中的任一激光点,与该目标空间对象中、与该任一激光点对应的拍摄点位的映射点进行连线,作为第一线段。其中,本实施例在获取目标空间对象的激光点云采样数据时,也会获取到目标空间对象中、激光点云采样数据对应的拍摄点位的三维坐标信息,该拍摄点位的三维坐标信息与拍摄点位对应的激光点云采样数据均为基于一个单独的坐标系(相机坐标系或物体坐标系)。而本实施例中用于连线的拍摄点位的映射点为拍摄点位在空间坐标系(即第一激光点云三维数据所在的坐标系)中的映射点;拍摄点位的映射点的三维坐标信息可以是基于单独坐标系的拍摄点位的三维坐标信息根据其所对应的位姿矩阵进行转换得到,具体转换方法可以与上述激光点云采样数据转换成激光点云采样三维数据的方法相同或相似。也即,本实施例可以将第一激光点云三维数据中的任一激光点与其相对应的拍摄点位在空间坐标系中的映射点进行连线,将连成的线段作为第一线段。
步骤S42:确定所述目标空间对象的基准线段与所述第一线段是否有交点。
本实施例中,可以确定目标空间对象的第一激光点云三维数据中的任一激光点所对应的第一线段,与该目标空间对象的基准线段是否存在交点。其中,本实施例的基准线段为根据目标空间对象的参考点位置映射到第一激光点云三维数据中的位置数据所确定的,参考点至少包括以下一者或多者:门、窗、镜子。
而本实施例参考点位置的确定可以是基于人工操作的调整处理,由用户对目标空间对象的参考点位置进行划线标记操作,确定目标空间对象中参考点的位置信息(即参考点位置处标记线段的坐标信息),从而依据该参考点位置信息映射到空间坐标系下第一激光点云三维数据中的位置数据来确定基准线段。此外,本实施例参考点位置的确定还可以是终端或客户端获取到第一激光点云三维数据后根据相关算法自动确定,本实施例对此不作限制。
本实施例中的第一线段和基准线段均属于同一个坐标系中,即空间坐标系中,具体可以是将基准线段的坐标信息与第一线段的坐标信息进行比较,确定两者是否有相同的坐标信息,若有相同的坐标信息,则确定基准线段与第一线段有交点;若没有相同的坐标信息,则确定基准线段与第一线段没有交点。在一种可选实施方式中,此处的相同的坐标信息只要满足三维坐标信息中水平面上的x、y坐标方向的坐标相同即可。
步骤S43:遍历所述第一激光点云三维数据中的所有激光点,将与所述目标空间对象的基准线段没有交点的第一线段所对应的激光点的三维数据,确定为所述目标激光点云三维数据。
本实施例中,客户端或终端可以遍历目标空间对象的第一激光点云三维数据中所涉及的所有激光点,从而可以将与目标空间对象的基准线段没有交点的第一线段所对应的激光点的三维数据,确定为目标空间对象对应的目标激光点云三维数据。
举例来说,可以将目标空间对象的基准线段记为L,目标空间对象中的第一激光点云三维数据中的原点(即拍摄点位的映射点的三维数据)记为O,那么目标空间对象中的第一激光点云三维数据中的任意一激光点记为P,计算线段OP和L是否有交点,若有,则证明该点P为非目标空间对象内部的激光点,即可从目标空间对象中的第一激光点云三维数据里删除P点的三维数据,直至遍历完目标空间对象中所有的激光点数据后,剩下的就是这个目标空间对象内的目标激光点云三维数据了。
本实施例中是针对N个空间对象中的各空间对象,依次串行执行上述筛选处理,以得到各空间对象的目标激光点云三维数据。
在本实施例中,通过根据目标空间对象的参考点位置映射到第一激光点云三维数据中的位置数据所确定的基准线段,以及,目标空间对象的第一激光点云三维数据中的任一激光点与其对应的拍摄点位连线的第一线段进行是否有交点的判断,从而精准筛选出各目标空间对象的目标激光点云三维数据,以使得后续能更好更精准地确定房间轮廓,进一步提高户型图的生成精度。
结合以上实施例,在一实施方式中,本发明实施例还提供了一种户型图生成方法。在该方法中,上述步骤2可以具体包括步骤S51;或,上述步骤2可以具体包括步骤S52和步骤S53:
S51:将所述第M个激光点云三维数据投影到所述空间坐标系下的二维平面,以生成所述第M个激光点云三维数据对应的所述第M个二维点云位图。
本实施例中,终端或服务器获取到第M个激光点云三维数据后,可以将第M个激光点云三维数据投影到空间坐标系下的二维平面,得到第M个激光点云三维数据所对应的第M个激光点云二维数据,再将第M个激光点云二维数据按比例映射到一张位图上,比例关系可按人工经验值决定,从而得到第M个激光点云三维数据对应的第M个二维点云位图。其中,可将点云的单位设成米,点云位图默认设置为纯色,例如黑色,将映射的二维点云对应的像素点设置为另一种纯色,例如白色、蓝色等,本实施例对位图中的颜色不做任何限制再根据。
本步骤是针对N个空间对象中的各空间对象,依次串行执行各空间对象的激光点云三维数据的投影操作,以得到各空间对象的二维点云位图。
S52:将所述第M个激光点云三维数据投影到所述空间坐标系下的二维平面,以生成所述第M个激光点云三维数据对应的第M个初始二维点云位图。
本步骤中第M个激光点云三维数据对应的第M个初始二维点云位图的生成方法可参考上述步骤S51,本步骤中第M个初始二维点云位图的生成方法与上述步骤S51中第M个二维点云位图的生成方法相同或相似,故在此不再进行赘述。
S53:对所述第M个初始二维点云位图进行直角化,以及对所述第M个初始二维点云位图中房间轮廓内的像素点进行填充,以生成所述第M个二维点云位图。
本实施例中,为了更好地提取出空间对象的轮廓信息,终端或服务器在生成第M个初始二维点云位图后,可以利用形态学算法对第M个初始二维点云位图进行一系列处理,从而得到更有利于进行轮廓提取的第M个二维点云位图。具体的,可以对第M个初始二维点云位图进行直角化处理,以及,分别对第M个初始二维点云位图中房间轮廓内的像素点进行填充,从而得到第M个空间对象对应的第M个二维点云位图。
其中,由于激光点云采样数据采集时不可避免是有一些精度等因素所导致的各种误差,有可能导致靠墙的一些激光点是不齐的,因此本实施例对第M个初始二维点云位图进行直角化的目的是把一些不齐的部分,包括墙角的位置处理成符合要求的对齐和拉直。如图4所示,图4是本发明一实施例示出的一种单个空间对象的激光点云三维数据的成像示意图。可以从图4中看出,空间对象的门和窗外有很多无效的激光点,图4中空间对象中的激光点是稀疏的,且空间对象下边界所对应的激光点是不齐的,因此需要进行后续二维点云位图的直角化处理和像素填充处理。
而本实施例得到的第M个空间对象对应的第M个初始二维点云位图通常是按激光点云数据形成的稀疏像素点,基于这样的位图是不利于得到空间对象的轮廓的,因此本实施例可以采用形态学算法,如先腐蚀再膨胀,填充满第M个初始二维点云位图中房间轮廓内的像素,将整个第M个空间对象填成一个实体,从而形成房间轮廓内部的“实心”,以进一步利于二维点云位图中的轮廓提取。
需要说明的是,本实施例中终端或服务器可以先进行第M个初始二维点云位图的直角化,再进行第M个初始二维点云位图的像素点的填充;也可以是先对第M个初始二维点云位图进行像素点的填充,再进行第M个初始二维点云位图的直角化;本实施例两者的先后步骤不作任何具体限制。
本步骤是针对N个空间对象中的各空间对象,依次串行执行各空间对象的初始二维点云位图的直角化和像素点填充操作,以得到各空间对象的二维点云位图。
在本实施例中,通过形态学算法、直角化等处理方法对初始二维点云位图进行进一步的处理,以得到后续更利于提取房间轮廓,更符合实际户型图要求的二维点云位图,以进一步提升生成的户型图的精度。
结合以上实施例,在一实施方式中,本发明实施例还提供了一种户型图生成方法。该方法中,上述步骤3具体可以包括步骤S61-步骤S63:
步骤S61:通过轮廓提取算法对所述第M个二维点云位图进行处理,得到第M个初始轮廓。
本实施例中,终端或服务器可以通过轮廓提取算法(例如“提取多边形算法”)对第M个空间对象对应的第M个二维点云位图进行处理,从而得到第M个目标空间对象对应的第M个初始轮廓,该初始轮廓由大量线段数据组成。本实施例的初始轮廓为通过轮廓提取算法对二维点云位图进行处理后,初步得到的轮廓数据。
步骤S62:判断所述第M个初始轮廓中的轮廓几何形状的边数是否大于阈值。
本实施例中,终端或服务器得到的第M个空间对象对应的第M个初始轮廓为由大量线段数据组成,这些线段数据可能不是相连的,而是一截一截断开的,因此,在得到第M个初始轮廓之后,需要进一步简化,以符合实际户型图的需求。在此,终端或服务器可以判断第M个目标空间对象对应的第M个初始轮廓中的轮廓几何形状的边数是否大于阈值。其中,本实施例中的阈值为事先根据人工经验设定的房间轮廓的最大边数,例如可以为6,本实施例对阈值的具体数值不作任何具体限制。
步骤S63:响应于所述第M个初始轮廓的所述轮廓几何形状的边数大于所述阈值,对所述第M个初始轮廓拟合直线,直至得到的轮廓几何形状的边数不大于所述阈值时,将拟合后的第M个轮廓作为所述第M个第一轮廓。
本实施例中,若终端或服务器确定第M个空间对象对应的第M个初始轮廓中的轮廓几何形状的边数大于该阈值,则需对该第M个空间对象对应的第M个初始轮廓进行拟合直线,直至进行直线拟合到第M个空间对象对应的第M个初始轮廓中的轮廓几何形状的边数不大于该阈值时,即可将当前直线拟合后的轮廓(该第M个空间对象对应的第M个轮廓数据)确定为第M个空间对象对应的第M个第一轮廓。
此外,由于通常来说,通过轮廓提取算法提取的初始轮廓均会存在大量存在干扰且不连续的线段,因此,在一实施例中,可以是得到第M个空间对象对应的第M个初始轮廓后,不进行边数的判断,直接进行第M个初始轮廓拟合直线,直至得到的轮廓几何形状的边数不大于阈值时,从而确定第M个空间对象对应的第M个第一轮廓。
本实施例是针对N个空间对象中的各空间对象,依次串行执行各空间对象的初始轮廓的边数判断及拟合直线操作,以得到各空间对象的第一轮廓。
在本实施例中,通过控制空间对象的轮廓几何形状边数,对每个空间对象的初始轮廓进行进一步“精修”,得到各空间对象的第一轮廓,从而能够进一步提升生成的户型图的准确性,以满足户型图的生成需求。此外,本实施例通过单个空间对象来进行轮廓提取能够得到更好的房间轮廓提取效果,其考虑是:如果是整个目标物理空间进行轮廓提取的话,效果较差,很有可能出现两个空间对象的轮廓均没有提取出来的情况,例如作为一个整体的话,比如说主卧里有一个卫生间,卫生间太小了,提取的时候就合在一起了,那卫生间就体现不出来,极有可能导致房间轮廓有所缺失。
在另一优选实施例中,该户型图生成方法除上述步骤外,还包括:响应于用户的修改操作,重新生成户型图。
本实施例中,终端在目标物理空间内,也就是说,用户可以在目标物理空间现场通过终端查看生成的户型图,如发现户型图有错误的地方,可以在终端上进行修改操作,终端接收到该修改操作后,可以直接响应于该修改操作对户型图进行纠错,重新生成户型图;或将该修改操作的响应信息发送至服务器,以使服务器对户型图进行纠错,重新生成户型图。其中,本实施例中的修改操作至少包括:用户根据目标物理空间实景或房屋点云三维模型,确定户型图有误时,实时进行的纠错处理。进一步的,因用户就在现场,能很方便的根据目标物理空间实景校对,或根据终端同时显示的户型图以及房屋点云三维模型进行校对,从而确定生成的户型图是否正确,若不正确,也可以实施纠正户型错误的地方。
比如,在一个三室两厅的房子内部,用户在房子里就能很明确知道卫生间和主卧的关系,如卫生间在主卧出门的右边,但是如果终端不在房屋内,让不在房屋现场的陌生人去编辑户型,那么该陌生人实际上很可能不知道这个关系,且很难理解应该把卫生间放在什么位置。而如果操作终端的用户就在现场的话,然后实时编辑,就很容易去现场调整激光点云的位姿(旋转+偏移),因为有一个临场的实景,所以可以让用户很容易去理解卫生间放在主卧的什么位置。而如果没有终端在现场的实时编辑,比如说采集后回到公司给别人处理的话,其会发现这些都是单个的激光点云文件,那这些点云文件的关系就很不明确,不清晰,不利于进行户型图的编辑。
在本实施例中,用户可在目标物理空间现场通过终端进行相关的实时编辑以使终端或服务器生成户型图,从而不仅无需全过程进行人工编辑生成户型图,降低了人工成本,提高了户型图生成效率,还能因用户就在现场,能很方便的校对户型是否编辑正确,并且可以实时纠正户型的错误地方,从而进一步提高了户型图的准确率,满足户型图生成需求。
在另一实施例中,可以通过相关采集设备(如激光雷达,或专门针对户型图生成而自主研发的激光雷达)采集各激光点云采样数据,并建立终端与采集设备,或服务器与采集设备的通信,使得终端或服务器能够获取到各激光点云采样数据。还可以是通过终端自身进行各激光点云采样数据的采集,使得终端直接获取到各拍摄点位的激光点云采样数据,或服务器通过终端获取到各拍摄点位的激光点云采样数据。从而为用户在目标物理空间现场进行数据采集、后续户型编辑以及最后户型的生成提供了便捷的保障,不仅便于用户操作,还能根据用户的实时编辑操作得到更好的户型图生成效果。
其中,在一优选实施例中,户型图生成方法应用于终端,终端可以为手机,该实施例提供了基于房屋多点位激光点云数据,在采集现场的一种手机端实时编辑并生成户型图的方法,通过该方法在实际拍摄时,用户在手机端可实时编辑并生成户型图,因用户就在现场,能很方便的校对户型是否编辑正确,并且可以实时纠正户型的错误地方。
在一实施方式中,参见图5,图5是本发明一实施例示出的一种户型图生成方法的流程示意图。如图5所示,终端或服务器可以已经获取完毕房屋内所有点位的激光点云数据(即所有激光点的激光点云采样数据),并由用户在采集现场通过终端实时编辑好各个点位之间的位姿关系。
终端或服务器根据各个点位之间的位姿关系生成房屋点云:事实上,所有点位的位姿关系均基于同一个世界坐标系,终端或服务器可以根据位姿关系确定r和t的值,r为绕自身拍摄点的旋转角度,t为在世界坐标系下的偏移量。那么所有点位的激光点云采样数据在世界坐标系下的变换矩阵为M=Mt*Mr,从而将所有点位的激光点云采样数据通过变换矩阵计算后,即可得到房屋点云(即所有点位基于同一坐标系的激光点云三维数据)。
针对每个房间单独依次执行以下步骤a-e,一个房间执行完所有步骤后,再针对下一个房间进行执行步骤a-e,直至所有房间执行完毕。
a、遍历每个房间的激光点云,针对单个房间的空间点云做编辑:以一个房间为例,采集到的各房间的激光点云三维数据,不仅仅包含当前房间激光点云三维数据,还会采集到房间外部的激光点云三维数据,如门以外区域、窗户以外区域,这些区域的点云数据对估算当前房间的轮廓产生干扰,因此,需要从激光点云三维数据里裁剪掉。这里可以提供一个标记工具,比如在用户编辑位姿关系的过程中在门、窗、镜子的位置画一条线,把门外的点云数据分离出来。这条线映射到激光点云三维数据的起始点和结束点的线段记为L,单个空间的激光点云三维数据的原点(即拍摄点位的映射点)记为O,那么激光点云三维数据任意一点记为P,计算线段OP和L是否有交点,若有,则证明该点P为非该房间的点云数据,从该房间的激光点云三维数据里删除P点数据。遍历完房间的所有的点云数据后,剩下的就是这个房间内的有效激光点云三维数据了。
b、三维点云生成二维点云位图:生成户型图不需要三维数据,生成二维数据会更便于计算,将房间的有效激光点云三维数据投影到二维平面,点云的单位是米,再将房间的有效激光点云二维数据按比例映射到一张位图上,比例关系可按经验值决定。位图默认是黑色(纯色即可),映射的点云对应的像素点设置为另一种纯色(比如白色、蓝色)。
c、点云图做腐蚀、膨胀、直角化等处理:基于上一步,每个房间有效激光点云三维数据生成了一张二维点云位图,这个二维点云位图是按点云数据形成的稀疏像素点,基于这样位图不利于得到房间的轮廓,因此,利用形态学算法,先腐蚀再膨胀,填充满轮廓内像素,形成轮廓内部“实心”,以及利用直角化处理把一些二维位图上不齐的部分包括墙角的位置变得符合要求的对齐,拉直。
d、计算空间多边形顶点坐标:终端或服务器可以通过轮廓提取算法,对二维点云位图进行处理得到房间轮廓数据,该轮廓数据是大量线段数据组成,需要进一步简化,以符合实际户型图的要求。具体可以采用轮廓拟合直线,控制房间的轮廓几何形状边数,比如阈值在6,大于这个数值需要继续拟合直线,直至得到房间的最终轮廓数据,从而根据最终轮廓数据得到房间轮廓几何形状的顶点数据。
e、完成顶点坐标转换到房屋坐标系:有了单个房间轮廓的顶点数据后,需要将顶点数据从物体坐标系转换到世界坐标系,转换关系同前述的“根据各个点位之间的位姿关系生成房屋点云”中的转换关系。
生成最终的户型图矢量数据:基于上述步骤a-e完成房屋内所有房间轮廓的顶点数据的转换后,可以生成最终的户型图矢量数据,该户型图矢量数据基于同一坐标系下的所有房间的轮廓顶点数据而构成,得到户型图矢量数据后,可以根据最终的户型图矢量数据生成户型图。
由于点云的坐标是特别多的,可能存在十几万个点,对于户型生成是很难的,因此本实施例目的是把点云的数据转换成最终简单的户型矢量图的数据,也就是通过点云数据填充出房间的轮廓,通过轮廓提取算法提取出轮廓并确定顶点坐标,以结合用户的实时编辑生成精准的户型矢量图。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
基于同一发明构思,本发明一实施例提供了一种户型图生成装置600,该数据处理装置600可应用于终端或服务器,其用于生成目标物理空间的户型图,其中所述目标物理空间至少包括N个空间对象。参考图6,图6本发明一实施例提供的户型图生成装置的结构框图。如图6所示,该户型图生成装置600包括:
数据获取模块601,用于获取所述N个空间对象的N个激光点云三维数据,以及在空间坐标系下,与所述N个激光点云三维数据相适配的N个位姿矩阵;其中,以所述N个激光点云三维数据中的任一激光点云三维数据作为目标激光点云三维数据,以所述N个位姿矩阵中的任一位姿矩阵作为目标位姿矩阵,每个目标激光点云三维数据和每个目标位姿矩阵是,对目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行编辑处理所获取的;
位图生成模块602,用于在所述N个激光点云三维数据中选择第M个激光点云三维数据,根据所述第M个激光点云三维数据生成对应的第M个二维点云位图;
轮廓生成模块603,用于根据所述第M个二维点云位图获取第M个第一轮廓;
结构图生成模块604,用于根据与所述第M个激光点云三维数据相适配的第M个位姿矩阵,将与所述第M个位姿矩阵对应的第M个第一轮廓转换至所述空间坐标系下的第M个户型结构图;
第一判断模块605,用于判断所述第M个激光点云三维数据是否是最后一个激光点云三维数据;
赋值返回模块606,用于若判断所述第M个激光点云三维数据不是最后一个激光点云三维数据,将M赋值为M+1并返回至所述位图生成模块所执行的步骤;
户型图生成模块607,用于若判断所述第M个激光点云三维数据是最后一个激光点云三维数据,生成在所述空间坐标系下的由N个户型结构图组成的所述目标物理空间的户型图,以用于展示,流程结束;其中,M、N为自然数,且1≤M≤N。
可选的,所述装置600还包括:
模型生成模块,用于根据所述N个激光点云三维数据生成房屋点云三维模型,以用于展示。
可选的,所述数据获取模块包括编辑模块,所述编辑模块用于执行所述编辑处理,所述编辑模块包括:
第一位姿矩阵确定模块,用于对所述目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行调整处理,获取在所述空间坐标系下,与所述每一激光点云采样数据相适配的每一位姿矩阵;
目标位姿矩阵确定模块,用于根据所述每一位姿矩阵,确定所述目标位姿矩阵;
第一获取模块,用于根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的所述目标激光点云三维数据;
第二获取模块,用于根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的第一激光点云三维数据,对所述第一激光点云三维数据执行筛选处理以获取所述目标激光点云三维数据。
可选的,所述第一获取模块包括:第三获取模块、第四获取模块、第五获取模块和第六获取模块;所述第二获取模块包括:第三获取模块、第四获取模块、第五获取模块、第七获取模块和筛选模块;
所述第三获取模块,用于根据所述每一激光点云采样数据相适配的每一位姿矩阵,确定所述每一激光点云采样数据相适配的旋转角度和偏移量;
所述第四获取模块,用于根据所述每一激光点云采样数据相适配的旋转角度和偏移量,确定所述每一激光点云采样数据相适配的变换矩阵;
所述第五获取模块,用于将所述每一激光点云采样数据通过所述每一激光点云采样数据相适配的变换矩阵进行计算,获取在所述空间坐标系下的每一激光点云采样三维数据;
所述第六获取模块,用于根据所述目标空间对象中所有拍摄点位对应的所有激光点云采样三维数据,获取在所述空间坐标系下的所述目标激光点云三维数据;
所述第七获取模块,用于根据所述目标空间对象中所有拍摄点位对应的所有激光点云采样三维数据,获取在所述空间坐标系下的所述第一激光点云三维数据。
可选的,所述筛选模块包括:
第一线段确定模块,用于将所述第一激光点云三维数据中的任一激光点,与所述目标空间对象中与所述任一激光点对应的拍摄点位的映射点进行连线,作为第一线段;
交点确定模块,用于确定所述目标空间对象的基准线段与所述第一线段是否有交点;其中,所述基准线段为根据所述目标空间对象的参考点位置映射到所述第一激光点云三维数据中的位置数据所确定的,所述参考点至少包括以下一者或多者:门、窗、镜子;
三维数据确定模块,用于遍历所述第一激光点云三维数据中的所有激光点,将与所述目标空间对象的基准线段没有交点的第一线段所对应的激光点的三维数据,确定为所述目标激光点云三维数据。
可选的,所述位图生成模块602,包括:
第一位图生成模块,用于将所述第M个激光点云三维数据投影到所述空间坐标系下的二维平面,以生成所述第M个激光点云三维数据对应的所述第M个二维点云位图;
第二位图生成模块,用于将所述第M个激光点云三维数据投影到所述空间坐标系下的二维平面,以生成所述第M个激光点云三维数据对应的第M个初始二维点云位图;
第三位图生成模块,用于对所述第M个初始二维点云位图进行直角化,以及对所述第M个初始二维点云位图中房间轮廓内的像素点进行填充,以生成所述第M个二维点云位图。
可选的,所述轮廓生成模块603,包括:
第一轮廓确定模块,用于通过轮廓提取算法对所述第M个二维点云位图进行处理,得到第M个初始轮廓;
第二判断模块,用于判断所述第M个初始轮廓中的轮廓几何形状的边数是否大于阈值;
拟合直线模块,用于响应于所述第M个初始轮廓的所述轮廓几何形状的边数大于所述阈值,对所述第M个初始轮廓拟合直线,直至得到的轮廓几何形状的边数不大于所述阈值时,将拟合后的第M个轮廓作为所述第M个第一轮廓。
基于同一发明构思,本发明另一实施例提供一种电子设备700,如图7所示。图7是本发明一实施例示出的一种电子设备的示意图。该电子设备包括处理器701、存储器702及存储在存储器702上并可在处理器701上运行的计算机程序,所述计算机程序被所述处理器执行时实现本发明上述任一实施例所述的户型图生成方法中的步骤。
基于同一发明构思,本发明另一实施例提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如本发明上述任一实施例所述的户型图生成方法中的步骤。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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上述实施例方法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,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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
本领域普通技术人员可以意识到,结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
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***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (15)
1.一种户型图生成方法,其特征在于,其用于生成目标物理空间的户型图,其中所述目标物理空间至少包括N个空间对象,所述方法包括:
步骤1、获取所述N个空间对象的N个激光点云三维数据,以及在空间坐标系下,与所述N个激光点云三维数据相适配的N个位姿矩阵;其中,以所述N个激光点云三维数据中的任一激光点云三维数据作为目标激光点云三维数据,以所述N个位姿矩阵中的任一位姿矩阵作为目标位姿矩阵,每个目标激光点云三维数据和每个目标位姿矩阵是,对目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行编辑处理所获取的;所述激光点云三维数据体现了空间对象的空间关系;
步骤2、在所述N个激光点云三维数据中选择第M个激光点云三维数据,根据所述第M个激光点云三维数据生成对应的第M个二维点云位图;
步骤3、通过轮廓提取算法对所述第M个二维点云位图进行处理,得到第M个初始轮廓;判断所述第M个初始轮廓中的轮廓几何形状的边数是否大于阈值;响应于所述第M个初始轮廓的所述轮廓几何形状的边数大于所述阈值,对所述第M个初始轮廓拟合直线,直至得到的轮廓几何形状的边数不大于所述阈值时,将拟合后的第M个轮廓作为所述第M个第一轮廓;所述第一轮廓为第M个空间对象所对应的平面轮廓;
步骤4、根据与所述第M个激光点云三维数据相适配的第M个位姿矩阵,将与所述第M个位姿矩阵对应的第M个第一轮廓转换至所述空间坐标系下的第M个户型结构图;
步骤5、判断所述第M个激光点云三维数据是否是最后一个激光点云三维数据;
若否,执行步骤6、将M赋值为M+1并返回步骤2;
若是,执行步骤7、生成在所述空间坐标系下的由N个户型结构图组成的所述目标物理空间的户型图,以用于展示,流程结束;其中,M、N为自然数,且1≤M≤N。
2.根据权利要求1所述的户型图生成方法,其特征在于,所述方法还包括:
根据所述N个激光点云三维数据生成房屋点云三维模型,以用于展示。
3.根据权利要求1所述的户型图生成方法,其特征在于,所述编辑处理包括:
对所述目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行调整处理,获取在所述空间坐标系下,与所述每一激光点云采样数据相适配的每一位姿矩阵;
根据所述每一位姿矩阵,确定所述目标位姿矩阵;
根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的所述目标激光点云三维数据,或
根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的第一激光点云三维数据,对所述第一激光点云三维数据执行筛选处理以获取所述目标激光点云三维数据。
4.根据权利要求3所述的户型图生成方法,其特征在于,所述根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的所述目标激光点云三维数据,或
根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的第一激光点云三维数据,包括:
根据所述每一激光点云采样数据相适配的每一位姿矩阵,确定所述每一激光点云采样数据相适配的旋转角度和偏移量;
根据所述每一激光点云采样数据相适配的旋转角度和偏移量,确定所述每一激光点云采样数据相适配的变换矩阵;
将所述每一激光点云采样数据通过所述每一激光点云采样数据相适配的变换矩阵进行计算,获取在所述空间坐标系下的每一激光点云采样三维数据;
根据所述目标空间对象中所有拍摄点位对应的所有激光点云采样三维数据,获取在所述空间坐标系下的所述目标激光点云三维数据或所述第一激光点云三维数据。
5.根据权利要求3所述的户型图生成方法,其特征在于,所述筛选处理包括:
将所述第一激光点云三维数据中的任一激光点,与所述目标空间对象中与所述任一激光点对应的拍摄点位的映射点进行连线,作为第一线段;
确定所述目标空间对象的基准线段与所述第一线段是否有交点;其中,所述基准线段为根据所述目标空间对象的参考点位置映射到所述第一激光点云三维数据中的位置数据所确定的,所述参考点至少包括以下一者或多者:门、窗、镜子;
遍历所述第一激光点云三维数据中的所有激光点,将与所述目标空间对象的基准线段没有交点的第一线段所对应的激光点的三维数据,确定为所述目标激光点云三维数据。
6.根据权利要求1所述的户型图生成方法,其特征在于,所述根据所述第M个激光点云三维数据生成对应的第M个二维点云位图,包括:
将所述第M个激光点云三维数据投影到所述空间坐标系下的二维平面,以生成所述第M个激光点云三维数据对应的所述第M个二维点云位图;或
将所述第M个激光点云三维数据投影到所述空间坐标系下的二维平面,以生成所述第M个激光点云三维数据对应的第M个初始二维点云位图;
对所述第M个初始二维点云位图进行直角化,以及对所述第M个初始二维点云位图中房间轮廓内的像素点进行填充,以生成所述第M个二维点云位图。
7.一种户型图生成装置,其特征在于,其用于生成目标物理空间的户型图,其中所述目标物理空间至少包括N个空间对象,所述装置包括:
数据获取模块,用于获取所述N个空间对象的N个激光点云三维数据,以及在空间坐标系下,与所述N个激光点云三维数据相适配的N个位姿矩阵;其中,以所述N个激光点云三维数据中的任一激光点云三维数据作为目标激光点云三维数据,以所述N个位姿矩阵中的任一位姿矩阵作为目标位姿矩阵,每个目标激光点云三维数据和每个目标位姿矩阵是,对目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行编辑处理所获取的;所述激光点云三维数据体现了空间对象的空间关系;
位图生成模块,用于在所述N个激光点云三维数据中选择第M个激光点云三维数据,根据所述第M个激光点云三维数据生成对应的第M个二维点云位图;
轮廓生成模块,用于通过轮廓提取算法对所述第M个二维点云位图进行处理,得到第M个初始轮廓;判断所述第M个初始轮廓中的轮廓几何形状的边数是否大于阈值;响应于所述第M个初始轮廓的所述轮廓几何形状的边数大于所述阈值,对所述第M个初始轮廓拟合直线,直至得到的轮廓几何形状的边数不大于所述阈值时,将拟合后的第M个轮廓作为所述第M个第一轮廓;所述第一轮廓为第M个空间对象所对应的平面轮廓;
结构图生成模块,用于根据与所述第M个激光点云三维数据相适配的第M个位姿矩阵,将与所述第M个位姿矩阵对应的第M个第一轮廓转换至所述空间坐标系下的第M个户型结构图;
第一判断模块,用于判断所述第M个激光点云三维数据是否是最后一个激光点云三维数据;
赋值返回模块,用于若判断所述第M个激光点云三维数据不是最后一个激光点云三维数据,将M赋值为M+1并返回至所述位图生成模块所执行的步骤;
户型图生成模块,用于若判断所述第M个激光点云三维数据是最后一个激光点云三维数据,生成在所述空间坐标系下的由N个户型结构图组成的所述目标物理空间的户型图,以用于展示,流程结束;其中,M、N为自然数,且1≤M≤N。
8.根据权利要求7所述的户型图生成装置,其特征在于,所述装置还包括:
模型生成模块,用于根据所述N个激光点云三维数据生成房屋点云三维模型,以用于展示。
9.根据权利要求7所述的户型图生成装置,其特征在于,所述数据获取模块包括编辑模块,所述编辑模块用于执行所述编辑处理,所述编辑模块包括:
第一位姿矩阵确定模块,用于对所述目标空间对象中、至少一个拍摄点位中的每一拍摄点位、对应的每一激光点云采样数据执行调整处理,获取在所述空间坐标系下,与所述每一激光点云采样数据相适配的每一位姿矩阵;
目标位姿矩阵确定模块,用于根据所述每一位姿矩阵,确定所述目标位姿矩阵;
第一获取模块,用于根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的所述目标激光点云三维数据;
第二获取模块,用于根据所述每一激光点云采样数据以及与所述每一激光点云采样数据相适配的每一位姿矩阵,获取所述空间坐标系下的第一激光点云三维数据,对所述第一激光点云三维数据执行筛选处理以获取所述目标激光点云三维数据。
10.根据权利要求9所述的户型图生成装置,其特征在于,所述第一获取模块包括:第三获取模块、第四获取模块、第五获取模块和第六获取模块;所述第二获取模块包括:第三获取模块、第四获取模块、第五获取模块、第七获取模块和筛选模块;
所述第三获取模块,用于根据所述每一激光点云采样数据相适配的每一位姿矩阵,确定所述每一激光点云采样数据相适配的旋转角度和偏移量;
所述第四获取模块,用于根据所述每一激光点云采样数据相适配的旋转角度和偏移量,确定所述每一激光点云采样数据相适配的变换矩阵;
所述第五获取模块,用于将所述每一激光点云采样数据通过所述每一激光点云采样数据相适配的变换矩阵进行计算,获取在所述空间坐标系下的每一激光点云采样三维数据;
所述第六获取模块,用于根据所述目标空间对象中所有拍摄点位对应的所有激光点云采样三维数据,获取在所述空间坐标系下的所述目标激光点云三维数据;
所述第七获取模块,用于根据所述目标空间对象中所有拍摄点位对应的所有激光点云采样三维数据,获取在所述空间坐标系下的所述第一激光点云三维数据。
11.根据权利要求10所述的户型图生成装置,其特征在于,所述筛选模块包括:
第一线段确定模块,用于将所述第一激光点云三维数据中的任一激光点,与所述目标空间对象中与所述任一激光点对应的拍摄点位的映射点进行连线,作为第一线段;
交点确定模块,用于确定所述目标空间对象的基准线段与所述第一线段是否有交点;其中,所述基准线段为根据所述目标空间对象的参考点位置映射到所述第一激光点云三维数据中的位置数据所确定的,所述参考点至少包括以下一者或多者:门、窗、镜子;
三维数据确定模块,用于遍历所述第一激光点云三维数据中的所有激光点,将与所述目标空间对象的基准线段没有交点的第一线段所对应的激光点的三维数据,确定为所述目标激光点云三维数据。
12.根据权利要求7所述的户型图生成装置,其特征在于,所述位图生成模块,包括:
第一位图生成模块,用于将所述第M个激光点云三维数据投影到所述空间坐标系下的二维平面,以生成所述第M个激光点云三维数据对应的所述第M个二维点云位图;
第二位图生成模块,用于将所述第M个激光点云三维数据投影到所述空间坐标系下的二维平面,以生成所述第M个激光点云三维数据对应的第M个初始二维点云位图;
第三位图生成模块,用于对所述第M个初始二维点云位图进行直角化,以及对所述第M个初始二维点云位图中房间轮廓内的像素点进行填充,以生成所述第M个二维点云位图。
13.根据权利要求7所述的户型图生成装置,其特征在于,所述轮廓生成模块,包括:
第一轮廓确定模块,用于通过轮廓提取算法对所述第M个二维点云位图进行处理,得到第M个初始轮廓;
第二判断模块,用于判断所述第M个初始轮廓中的轮廓几何形状的边数是否大于阈值;
拟合直线模块,用于响应于所述第M个初始轮廓的所述轮廓几何形状的边数大于所述阈值,对所述第M个初始轮廓拟合直线,直至得到的轮廓几何形状的边数不大于所述阈值时,将拟合后的第M个轮廓作为所述第M个第一轮廓。
14.一种电子设备,其特征在于,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的户型图生成方法的步骤。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的户型图生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210967343.XA CN115423933B (zh) | 2022-08-12 | 2022-08-12 | 户型图生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210967343.XA CN115423933B (zh) | 2022-08-12 | 2022-08-12 | 户型图生成方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115423933A CN115423933A (zh) | 2022-12-02 |
CN115423933B true CN115423933B (zh) | 2023-09-29 |
Family
ID=84198753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210967343.XA Active CN115423933B (zh) | 2022-08-12 | 2022-08-12 | 户型图生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423933B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10282914B1 (en) * | 2015-07-17 | 2019-05-07 | Bao Tran | Systems and methods for computer assisted operation |
CN110443199A (zh) * | 2019-08-06 | 2019-11-12 | 暨南大学 | 一种基于二维几何轮廓的点云姿态识别方法 |
CN110766733A (zh) * | 2019-10-28 | 2020-02-07 | 广东三维家信息科技有限公司 | 单空间点云配准方法及装置 |
CN111145294A (zh) * | 2019-12-18 | 2020-05-12 | 北京城市网邻信息技术有限公司 | 二维户型图构建方法及装置、存储介质 |
CN111415385A (zh) * | 2020-03-02 | 2020-07-14 | 武汉大学 | 激光雷达和多线阵相机组合***的相对位姿参数优化方法 |
CN111861882A (zh) * | 2019-04-12 | 2020-10-30 | 北京城市网邻信息技术有限公司 | 图像处理和三维对象建模方法与设备、图像处理装置及介质 |
CN111985036A (zh) * | 2020-08-27 | 2020-11-24 | 贝壳技术有限公司 | 户型框线图绘制方法和装置、存储介质、电子设备 |
CN112132901A (zh) * | 2020-09-30 | 2020-12-25 | 上海商汤临港智能科技有限公司 | 一种点云标注的方法、装置、电子设备及存储介质 |
CN112200916A (zh) * | 2020-12-08 | 2021-01-08 | 深圳市房多多网络科技有限公司 | 房屋户型图的生成方法、装置、计算设备和存储介质 |
CN112381919A (zh) * | 2019-07-29 | 2021-02-19 | 浙江商汤科技开发有限公司 | 信息处理方法、定位方法及装置、电子设备和存储介质 |
CN112765709A (zh) * | 2021-01-15 | 2021-05-07 | 北京房江湖科技有限公司 | 基于点云数据的户型图重建方法及装置 |
WO2021212875A1 (zh) * | 2020-04-21 | 2021-10-28 | 广东博智林机器人有限公司 | 地图生成方法、装置、存储介质及处理器 |
-
2022
- 2022-08-12 CN CN202210967343.XA patent/CN115423933B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10282914B1 (en) * | 2015-07-17 | 2019-05-07 | Bao Tran | Systems and methods for computer assisted operation |
CN111861882A (zh) * | 2019-04-12 | 2020-10-30 | 北京城市网邻信息技术有限公司 | 图像处理和三维对象建模方法与设备、图像处理装置及介质 |
CN112381919A (zh) * | 2019-07-29 | 2021-02-19 | 浙江商汤科技开发有限公司 | 信息处理方法、定位方法及装置、电子设备和存储介质 |
CN110443199A (zh) * | 2019-08-06 | 2019-11-12 | 暨南大学 | 一种基于二维几何轮廓的点云姿态识别方法 |
CN110766733A (zh) * | 2019-10-28 | 2020-02-07 | 广东三维家信息科技有限公司 | 单空间点云配准方法及装置 |
CN111145294A (zh) * | 2019-12-18 | 2020-05-12 | 北京城市网邻信息技术有限公司 | 二维户型图构建方法及装置、存储介质 |
CN111415385A (zh) * | 2020-03-02 | 2020-07-14 | 武汉大学 | 激光雷达和多线阵相机组合***的相对位姿参数优化方法 |
WO2021212875A1 (zh) * | 2020-04-21 | 2021-10-28 | 广东博智林机器人有限公司 | 地图生成方法、装置、存储介质及处理器 |
CN111985036A (zh) * | 2020-08-27 | 2020-11-24 | 贝壳技术有限公司 | 户型框线图绘制方法和装置、存储介质、电子设备 |
CN112132901A (zh) * | 2020-09-30 | 2020-12-25 | 上海商汤临港智能科技有限公司 | 一种点云标注的方法、装置、电子设备及存储介质 |
CN112200916A (zh) * | 2020-12-08 | 2021-01-08 | 深圳市房多多网络科技有限公司 | 房屋户型图的生成方法、装置、计算设备和存储介质 |
CN112765709A (zh) * | 2021-01-15 | 2021-05-07 | 北京房江湖科技有限公司 | 基于点云数据的户型图重建方法及装置 |
Non-Patent Citations (5)
Title |
---|
Application of Point Cloud Data in the Construction and Management of Interior Design;Minyong Li;《ICPEE》;第1-9页 * |
基于Kinect的三维物体重建***;孟冰源;苗兰芳;;计算机应用研究(S1);第211-213页 * |
基于三维激光扫描的高层建筑物重构研究;杜丽美;连玮;;激光杂志(05);第86-89页 * |
基于点云数据的建筑物特征线提取技术及其应用;梁智勇;工程勘察;第52-55页 * |
王庆栋.基于机载LiDAR点云的建筑物语义化三维重建技术研究.武汉大学出版社,2021,第52-57页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115423933A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118542B (zh) | 激光雷达与相机之间的标定方法、装置、设备及存储介质 | |
CN107484428B (zh) | 用于显示对象的方法 | |
CN108297115B (zh) | 一种机器人的自主重定位方法 | |
CN114902289A (zh) | 使用源自立体图像对的点云对结构建模的***和方法 | |
US11989827B2 (en) | Method, apparatus and system for generating a three-dimensional model of a scene | |
CN115330966A (zh) | 户型图生成方法、***、设备及存储介质 | |
JP6188052B2 (ja) | 情報システム及びサーバー | |
CN113282981B (zh) | 快速获取户型结构的方法及装置 | |
CN115375860B (zh) | 点云拼接方法、装置、设备及存储介质 | |
CN116778094B (zh) | 一种基于优选视角拍摄的建筑物变形监测方法及装置 | |
CN112967344A (zh) | 相机外参标定的方法、设备、存储介质及程序产品 | |
CN115423933B (zh) | 户型图生成方法、装置、电子设备及存储介质 | |
CN115423934B (zh) | 户型图生成方法、装置、电子设备及存储介质 | |
JP2005332177A (ja) | 3次元情報処理装置、3次元情報処理方法、及び3次元情報処理プログラム | |
CN108805121B (zh) | 一种车牌检测定位方法、装置、设备及计算机可读介质 | |
TWI595446B (zh) | 擴充實境中基於深度攝影機之遮蔽邊緣品質改善方法 | |
CN111854651A (zh) | 基于slam的室内建筑面积实时测量方法 | |
CN118154687B (zh) | 基于单目视觉的送餐机器人目标定位与避障方法及*** | |
US20220277474A1 (en) | System and method for geo-referencing object on floor | |
US20230410451A1 (en) | Augmented reality implement apparatus and method using mobile scanned object model scaling | |
CN113140022B (zh) | 数字测图方法、***及计算机可读存储介质 | |
CN108062793A (zh) | 基于高程的物体顶部处理方法、装置、设备和存储介质 | |
JP6904922B2 (ja) | 情報処理装置及びプログラム | |
CN107742275B (zh) | 一种信息处理方法及电子设备 | |
CN113219486B (zh) | 一种定位方法及装置 |
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 |