[发明专利]楼宇场景的建模方法和装置在审
申请号: | 202011555429.9 | 申请日: | 2020-12-24 |
公开(公告)号: | CN112669446A | 公开(公告)日: | 2021-04-16 |
发明(设计)人: | 方小刚 | 申请(专利权)人: | 联通(浙江)产业互联网有限公司 |
主分类号: | G06T17/00 | 分类号: | G06T17/00;G06T7/33;G06T7/11;G06N3/08;G06N3/02 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 朱颖;黄健 |
地址: | 311100 浙江省杭*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 楼宇 场景 建模 方法 装置 | ||
1.一种楼宇场景的建模方法,其特征在于,包括:
获取目标楼宇场景中每个楼层的楼宇结构图栅格数据;
根据预先训练得到的实例分割模型,对所述楼宇结构图栅格数据进行实例分割,以得到对所述楼宇结构图的实例分割结果;
将所述实例分割结果与所述楼宇结构图的楼宇结构矢量数据进行配准,得到配准的楼宇结构矢量数据图;
根据所述楼宇结构矢量数据图,在楼层模型库中匹配相应的楼宇模型;
基于三维建模工具对所述匹配到的楼宇模型建模,得到所述目标楼宇场景的三维模型。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取训练样本集,所述训练样本集包括多个楼层的楼宇结构图栅格数据样本,所述楼宇结构图栅格数据样本是标注有楼层的楼宇结构矢量数据和经过掩膜制作的楼宇结构图;
基于实例分割算法Mask Scoring R-CNN对所述楼宇结构图栅格数据样本进行训练,得到所述实例分割模型。
3.根据权利要求2所述的方法,其特征在于,所述基于实例分割算法Mask Scoring R-CNN对所述楼宇结构图栅格数据样本进行训练,包括:
将所述楼宇结构图栅格数据样本输入神经网络ResNet-101-FPN中,得到所述神经网络ResNet-101-FPN输出的所述楼宇结构图对应的楼宇结构特征图;
在所述楼宇结构特征图中划分处多个候选兴趣区域;
将所述多个候选兴趣区域输入区域建议网络RPN,所述区域建议网络RPN对所述候选兴趣区域进行二值分类和边框回归操作,并通过非极大值抑制算法对所述多个候选兴趣区域进行筛选,得到目标兴趣区域;
对所述目标兴趣区域进行区域特征聚集操作;
根据楼层中的每个功能区域,对所述目标兴趣区域进行功能分类。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述实例分割结果包括楼层中各个功能区域的掩膜图像,所述楼宇结构矢量数据包括楼宇结构中各个位置的坐标信息;
所述将所述实例分割结果与所述楼宇结构图的楼宇结构矢量数据进行配准,得到配准的楼宇结构矢量数据图,包括:
在所述楼层中的墙体结构上选取预设数量个控制点;
获取所述控制点所在位置的坐标信息;
将所述控制点的坐标信息代入薄板样条插值函数计算,得到计算结果;
根据所述计算结果变换所述楼层中各个功能区域的掩膜图像,以得到配准的楼宇结构矢量数据图。
5.根据权利要求4所述的方法,其特征在于,所述根据所述楼宇结构矢量数据图,在楼层模型库中匹配相应的楼宇模型,包括:
确定所述楼宇结构矢量数据图中每个功能区域的尺寸以及每种类型的功能区域的数量;
根据每个功能区域的尺寸以及每种类型的功能区域的数量,在所述楼层模型库中匹配每个功能区域对应的模型。
6.根据权利要求5所述的方法,其特征在于,所述基于三维建模工具对所述匹配到的楼宇模型建模,得到所述目标楼宇场景的三维模型,包括:
将匹配到的每个功能区域对应的模型加载至三维建模工具中,以在所述三维建模工具中调整每个功能区域对应的模型的比例和位置,得到所述目标楼宇场景的三维模型。
7.一种楼宇场景的建模装置,其特征在于,包括:
图像获取模块,用于获取目标楼宇场景中每个楼层的楼宇结构图栅格数据;
实例分割模块,用于根据预先训练得到的实例分割模型,对所述楼宇结构图栅格数据进行实例分割,以得到对所述楼宇结构图的实例分割结果;
图像配准模块,用于将所述实例分割结果与所述楼宇结构图的楼宇结构矢量数据进行配准,得到配准的楼宇结构矢量数据图;
模型匹配模块,用于根据所述楼宇结构矢量数据图,在楼层模型库中匹配相应的楼宇模型;
模型建立模块,用于基于三维建模工具对所述匹配到的楼宇模型建模,得到所述目标楼宇场景的三维模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于联通(浙江)产业互联网有限公司,未经联通(浙江)产业互联网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011555429.9/1.html,转载请声明来源钻瓜专利网。