[发明专利]基于计算机视觉和深度学习的古建筑修复方法和相关装置

权利要求书

1.基于计算机视觉和深度学习的古建筑修复方法，其特征在于，该修复方法包括以下步骤：

S1：获取待修复古建筑的图片，并通过基于计算机视觉的三维配准算法对所述图片进行粗糙数字化处理，得到待修复古建筑的粗糙残损建模；

S2：获取数据库，所述数据库用于通过深度学习检测并录入多个古建筑样本的基本信息；

S3：对所述粗糙残损建模进行第一次残损的数字化古建筑修复分析，确定待修复古建筑的基本形体并建立第一次锚点，得到待修复古建筑的几何化模型；其中，第一次锚点用于确定在所述几何化模型的对应位置处放置对应的建模；

S4：根据所述几何化模型对所述待修复古建筑进行残缺处识别，确定所述待修复古建筑的对称轴，划分为若干个区域后进行第二次残损的数字化古建筑修复分析，得到待修复古建筑的缺口信息及锐利处信息；然后根据缺口信息及锐利处信息对残缺处进行弥补并建立第二次锚点，并更新古建筑的几何化模型；其中，第二次锚点用于确定所述新模型的建模位置方向和模型大小；

S5：根据更新后的所述古建筑的几何化模型进行机器建模，定位出待修复古建筑的修复参数；根据修复参数以及数据库，并结合所述第二次锚点进行修复处理，得到修复完成的所述待修复古建筑的精细模型；其中，所述修复参数包括斗拱的斗、升、拱、翘、昂的位置、个数的古建筑经典装饰物信息。

2.根据权利要求1所述的基于计算机视觉和深度学习的古建筑修复方法，其特征在于，在所述S5之后，还包括：对所述精细模型进行精细物件的调整以及内部结构的修复。

3.根据权利要求1所述的基于计算机视觉和深度学习的古建筑修复方法，其特征在于，在所述S2中，所述基本信息包括古建筑顶的类型、榫卯结构的基本构成和古建筑的内部结构。

4.根据权利要求3所述的基于计算机视觉和深度学习的古建筑修复方法，其特征在于，在所述S3中，所述第一次锚点包括待修复古建筑的建筑主体形状以及相应的屋顶设置，立柱个数、有无副殿以及层数、柱高、开间、进深的信息。

5.根据权利要求4所述的基于计算机视觉和深度学习的古建筑修复方法，其特征在于，在所述S4中，所述第二次锚点包括所述第一次锚点，以及立柱间斗拱的个数，牌匾的锚点信息。

6.基于计算机视觉和深度学习的古建筑修复装置，其特征在于，包括：

第一获取模块，用于获取待修复古建筑的图片；

第一处理模块，用于通过基于计算机视觉的三维配准算法对所述图片进行粗糙数字化处理，得到待修复古建筑的粗糙残损建模；

第二获取模块，用于获取数据库，所述数据库包括通过深度学习检测并录入的多个古建筑样本的基本信息；

第一分析模块，用于对所述粗糙残损建模进行第一次残损的数字化古建筑修复分析，确定待修复古建筑的基本形体并建立第一次锚点，得到待修复古建筑的几何化模型；其中，第一次锚点用于确定在所述几何化模型的对应位置处放置对应的建模；

第二分析模块，用于根据所述几何化模型对所述待修复古建筑进行残缺处识别，确定所述待修复古建筑的对称轴，划分为若干个区域后进行第二次残损的数字化古建筑修复分析，得到待修复古建筑的缺口信息及锐利处信息；然后根据缺口信息及锐利处信息对残缺处进行弥补并建立第二次锚点，并更新古建筑的几何化模型；其中，第二次锚点用于确定所述新模型的建模位置方向和模型大小；

修复模块，用于根据更新后的所述古建筑的几何化模型进行机器建模，定位出待修复古建筑的修复参数；根据修复参数以及数据库，并结合所述第二次锚点进行修复处理，得到修复完成的所述待修复古建筑的精细模型；其中，所述修复参数包括斗拱的斗、升、拱、翘、昂的位置、个数的古建筑经典装饰物信息。

7.根据权利要求6所述的装置，其特征在于，该装置还包括：调整模块，用于对所述精细模型进行精细物件的调整以及内部结构的修复。