一种立面目标智能检测方法、系统及可读存储介质技术方案

本申请实施例提供的一种立面目标智能检测方法、系统及可读存储介质，所述方法包括：获取对应目标建筑的建筑点云集，并基于建筑点云集生成建筑俯视轮廓图；基于建筑俯视轮廓图，通过十字型算子进行角点检测，其中，检测到的角点包括多条可行方向；针对每一角点沿着多条可行方向进行相邻角点的搜索、连接，并在确定完成角点连接时，输出完整轮廓图；基于完整轮廓图，确定目标立面，并提取目标立面的立面点云集；基于立面点云集进行分层投影，并对所得的多层投影图进行拼接，得到目标立面的立面成像图；将立面成像图输入到训练好的U型结构深度学习模型中，进行立面目标检测。该方法的实施能够提高立面目标检测精度。施能够提高立面目标检测精度。施能够提高立面目标检测精度。

【技术实现步骤摘要】
一种立面目标智能检测方法、系统及可读存储介质


[0001]本申请涉及建筑立面测量
，具体而言，涉及一种立面目标智能检测方法、系统及可读存储介质。

技术介绍

[0002]随着三维激光扫描技术的快速发展，激光扫描技术以其具有非接触测量、数据采样率高、高精度、高分辨率、全景化扫描等特点，在工程测量、文物保护、数字城市等多个领域得到了广泛的应用。目前，已有研究人员将其用于建筑立面测量领域，具体会通过获取反映建筑场景的全景化点云数据，并将其加载到CAD软件中人为进行立面绘图，以达到减少外业测绘时间，提高工作效率的效果。然而，由于人为主观因素的干扰，以及海量的点云数据同时也带来了庞大的工作量，若仍基于人机交互的方式进行测绘制图以及人为识别立面目标，会使得在影响立面成像效果的同时，降低立面目标检测精度，最终在无法满足建筑立面快速测绘制图的应用需求的情况下，影响技术发展。

技术实现思路

[0003]本申请实施例的目的在基于提供一种立面目标智能检测方法、系统及可读存储介质，能够提高立面目标检测精度果。
[0004]本申请实施例还提供了一种立面目标智能检测方法，所述方法包括：
[0005]S1、获取对应目标建筑的建筑点云集，并基于所述建筑点云集生成建筑俯视轮廓图；
[0006]S2、基于所述建筑俯视轮廓图，通过十字型算子进行角点检测，其中，检测到的角点包括多条可行方向；
[0007]S3、针对每一角点沿着所述多条可行方向进行相邻角点的搜索、连接，并在确定完成角点连接时，输出完整轮廓图；
[0008]S4、基于完整轮廓图，确定目标立面，并提取所述目标立面的立面点云集；
[0009]S5、基于所述立面点云集进行分层投影，并对所得的多层投影图进行拼接，得到所述目标立面的立面成像图；
[0010]S6、将所述立面成像图输入到训练好的U型结构深度学习模型中，进行立面目标检测。
[0011]本申请还提供了一种立面目标智能检测系统，所述系统包括俯视轮廓处理模块、立面划分模块、立面成像模块以及立面目标检测模块，其中：
[0012]所述俯视轮廓处理模块，用于获取对应目标建筑的建筑点云集，并基于所述建筑点云集生成建筑俯视轮廓图；
[0013]所述俯视轮廓处理模块，还用于基于所述建筑俯视轮廓图，通过十字型算子进行角点检测，其中，检测到的角点包括多条可行方向；
[0014]所述俯视轮廓处理模块，还用于针对每一角点沿着所述多条可行方向进行相邻角
点的搜索、连接，并在确定完成角点连接时，输出完整轮廓图；
[0015]所述立面划分模块，用于基于完整轮廓图，确定目标立面，并提取所述目标立面的立面点云集；
[0016]所述立面成像模块，用于基于所述立面点云集进行分层投影，并对所得的多层投影图进行拼接，得到所述目标立面的立面成像图；
[0017]所述立面目标检测模块，用于将所述立面成像图输入到训练好的U型结构深度学习模型中，进行立面目标检测。
[0018]第三方面，本申请实施例还提供了一种可读存储介质，所述可读存储介质中包括立面目标智能检测方法程序，所述立面目标智能检测方法程序被处理器执行时，实现如上述任一项所述的一种立面目标智能检测方法的步骤。
[0019]由上可知，本申请实施例提供的一种立面目标智能检测方法、系统及可读存储介质，获取对应目标建筑的建筑点云集，并基于所述建筑点云集生成建筑俯视轮廓图；基于所述建筑俯视轮廓图，通过十字型算子进行角点检测，其中，检测到的角点包括多条可行方向；针对每一角点沿着所述多条可行方向进行相邻角点的搜索、连接，并在确定完成角点连接时，输出完整轮廓图；基于完整轮廓图，确定目标立面，并提取所述目标立面的立面点云集；基于所述立面点云集进行分层投影，并对所得的多层投影图进行拼接，得到所述目标立面的立面成像图；将所述立面成像图输入到训练好的U型结构深度学习模型中，进行立面目标检测。当前一方面通过通过十字型算子进行角点检测，能够从图中识别到断点和拐点，之后，通过角点连接即可得到较为细致的轮廓图，为后续确定目标立面以及提高目标检测进度提供良好的数据基础。另一方面，通过分层投影的方式能进一步地保证三维物体内部信息的获取，为后续的立面成像提供了保障，提高了立面成像效果。
[0020]本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0021]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0022]图1为本申请实施例提供的一种立面目标智能检测方法的流程图；
[0023]图2为建筑俯视轮廓图；
[0024]图3为角点校测实施效果图；
[0025]图4为最终形成的完整轮廓图；
[0026]图5(a)为后视立面示意图
[0027]图5(b)为前视立面示意图；
[0028]图5(c)为左视立面示意图；
[0029]图5(d)为右视立面示意图；
[0030]图6为U型结构深度学习模型的模型结构示意图；
[0031]图7为检测框细化前后对比示意图；
[0032]图8为本申请实施例提供的一种立面目标智能检测系统的结构示意图。
具体实施方式
[0033]下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0034]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0035]请参照图1，图1是本申请一些实施例中的一种立面目标智能检测方法，其特征在于，所述方法包括：
[0036]步骤S1，获取对应目标建筑的建筑点云集，并基于所述建筑点云集生成建筑俯视轮廓图。
[0037]其中，所得的建筑俯视轮廓图可以参考图2。
[0038]具体的，所述基于所述建筑点云集生成建筑俯视轮廓图，包括：对所述建筑点云集中的所有点进行点云密度的关联俯视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种立面目标智能检测方法，其特征在于，所述方法包括：S1、获取对应目标建筑的建筑点云集，并基于所述建筑点云集生成建筑俯视轮廓图；S2、基于所述建筑俯视轮廓图，通过十字型算子进行角点检测，其中，检测到的角点包括多条可行方向；S3、针对每一角点沿着所述多条可行方向进行相邻角点的搜索、连接，并在确定完成角点连接时，输出完整轮廓图；S4、基于完整轮廓图，确定目标立面，并提取所述目标立面的立面点云集；S5、基于所述立面点云集进行分层投影，并对所得的多层投影图进行拼接，得到所述目标立面的立面成像图；S6、将所述立面成像图输入到训练好的U型结构深度学习模型中，进行立面目标检测。2.根据权利要求1所述的方法，其特征在于，所述建筑俯视轮廓图中包括多条骨架线，且各所述骨架线均由多个骨架点构成；步骤S2中，所述基于所述建筑俯视轮廓图，通过十字型算子进行角点检测，包括S21、遍历各所述骨架线上的骨架点；S22、遍历过程中，将当前遍历的骨架点作为所述十字型算子的中心；S23、在确定所述十字型算子仅有一条边与所述多条骨架线之间存在重合时，将当前遍历的骨架点作为断点；S24、在确定所述十字型算子有两条垂直的边与所述多条骨架线之间存在重合时，将当前遍历的骨架点作为高可信度拐点；S25、在确定所述十字型算子有三条边与所述多条骨架线之间存在重合时，将当前遍历的骨架点作为低可信度拐点。3.根据权利要求2所述的方法，其特征在于，在执行步骤S3之前，所述方法还包括使用非极大值抑制算法，进行角点筛选，其中会：以所有拐点为中心，取半径为r的圆形区域，并去除所述圆形区域内所有的低可信度拐点以及断点；以高可信度拐点为中心，取半径为r的圆形区域，并检测所述圆形区域内是否存在其他的高可信度拐点，若存在，则保留重合度最高的高可信度拐点；以低可信度拐点为中心，取半径为r的圆形区域，并检测所述圆形区域内是否存在其他的低可信度拐点，若存在，则保留重合度最高的低可信度拐点；以断点为中心，取半径为r的圆形区域，并检测所述圆形区域内是否存在其他的断点，若存在，则保留重合度最高的断点。4.根据权利要求2所述的方法，其特征在于，步骤S3中，所述针对每一角点沿着所述多条可行方向进行相邻角点的搜索、连接，包括：S31、将任一高可信度拐点作为起点，在确定沿着相应可行方向搜索到可连接的第一相邻角点时，计算两点的坐标差值；S32、在确定所述坐标差值不小于预设的差值阈值时，以直线方式进行第一相邻角点的连接，并将所述第一相邻角点作为下一起点；S33、当确定所有可行方向内，搜索到的第一相邻角点均不满足步骤S32示意的判断条件时，进行差值阈值的扩大，直到搜索到可连接的第二相邻角点时，以直角方式进行第二相
邻角点的连接，并将所述第二相邻角点作为下一起点。5.根据权利要求1所述的方法，其特征在于，步骤S5中，所述基于所述立面点云集进行分层投影，并对所得的多层投影图进行拼接，得到所述目标立面的立面成像图，包括：S51、将目标建筑按高度进行划分，并针对每个建筑分层，基于下述公式计算得到相应的投影分辨率res：res＝res
min
+index*scale
gap
；其中...

【专利技术属性】
技术研发人员：陈磊，李斌，王艳，谭蔚，罗益君，李成建，王杰，钟小军，程曦，范斌，向前龙，吕颖，匡江霞，刘贝贝，徐飞跃，
申请(专利权)人：武汉纵横天地空间信息技术有限公司，
类型：发明
国别省市：