[发明专利]建筑物玻璃区域立面自动修复方法及系统有效
申请号: | 202210841530.3 | 申请日: | 2022-07-18 |
公开(公告)号: | CN115564661B | 公开(公告)日: | 2023-10-10 |
发明(设计)人: | 毛竹 | 申请(专利权)人: | 武汉大势智慧科技有限公司 |
主分类号: | G06T5/00 | 分类号: | G06T5/00;G06V10/762;G06V10/82 |
代理公司: | 深圳博敖专利代理事务所(普通合伙) 44884 | 代理人: | 杜兰英 |
地址: | 430000 湖北省武汉市东湖新技术开发区光谷*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 建筑物 玻璃 区域 自动 修复 方法 系统 | ||
1.一种建筑物玻璃区域立面自动修复方法,其特征在于:
包括如下步骤:
信息采集单元采集建筑物的目标影像信息数据,将所述标目标影像信息数据发送至信息预处理单元;
信息预处理单元接收所述标目标影像信息数据,进行玻璃立面提取处理,得到玻璃立面数据,发送至数据处理单元;
数据处理单元接收所述玻璃立面数据,对所述玻璃立面数据进行平滑修复处理,生成优化后的玻璃立面模型。
2.根据权利要求1所述的建筑物玻璃区域立面自动修复方法,其特征在于:所述信息采集单元采集建筑物的目标影像信息数据包括:
通过至少一台倾斜摄影相机,从不同的角度进行影像采集,分别获取目标建筑物的目标影像信息数据。
3.根据权利要求1所述的建筑物玻璃区域立面自动修复方法,其特征在于:所述信息预处理单元对所述目标影像信息数据进行玻璃立面提取处理,得到玻璃立面数据包括:
将经过人工标注含有玻璃区域的影像标注数据在预设的训练模型内进行训练,得到深度神经网络模型;
利用训练好的深度神经网络模型检测目标影像信息数据中的玻璃,得到玻璃区域的掩膜maski;
利用所述目标影像信息数据的上下文特征,提取所述目标影像信息数据中的玻璃区域立面影像数据,其中,所述上下文特征包括影像中目标像素与周围像素的关联,目标整体与背景的关联。
4.根据权利要求1所述的建筑物玻璃区域立面自动修复方法,其特征在于:所述数据处理单元对所述玻璃立面数据进行处理包括:
结合所述三维点云信息的几何结构信息,在多视角约束下,确定图像与三角网格的对应关系;
利用meanshift算法对三角网格的法向量进行聚类,将聚类完成的数据进行分组,得到各组玻璃立面数据;
利用带有边缘约束的网格双边滤波降噪算法,对网格的各组玻璃立面数据进行平滑修复,优化玻璃立面模型。
5.根据权利要求4所述的建筑物玻璃区域立面自动修复方法,其特征在于:所述结合所述三维点云信息的几何结构信息,在多视角约束下,确定图像与三角网格的对应关系包括:
对三角网格做可视判断,得到可视三角网格Ti;
将可视三角网格Ti投影至倾斜影像中,对可视三角网格Ti进行投影判断,得到玻璃区域的三角网格集合Fset;
对三角网格集合Fset中的三角网格进行筛选,计算三角形的重叠度,对重叠度大于0.5的两个三角网格,计算他们到相机中心的距离,保留距离更近的三角网格,得到玻璃立面的三角网格集合Gset。
6.根据权利要求5所述的建筑物玻璃区域立面自动修复方法,其特征在于:所述对三角网格做可视判断,得到可视三角网格Ti包括:
对模型三角网格Tset中的三角网格Ti,设定其法向量为中心为Ci,,记Ci到相机中心Oi的向量为计算与之间的夹角,如果大于90°则三角网格Tj为不可视,如小于90°则三角网格Ti为可视。
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武汉大势智慧科技有限公司,未经武汉大势智慧科技有限公司许可,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/202210841530.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:秸秆提取纤维素的工艺
- 下一篇:一种智能垂钓辅助用钓鱼箱