【技术实现步骤摘要】
本专利技术提出了一种虚拟空间融合的处理方法和系统，属于虚拟空间融合。
技术介绍
1、随着设备的更新，房产领域，线上看房的模式越来越受欢迎，基于全景图进行三维重塑生成户型和模型的解决方案，已经被房产领域广泛采用并用于实际生产。
2、在当下房产三维重塑领域，多采用同一场景拍摄多张不同角度、不同位置的全景图用以人工智能建模和后期拼接，生成户型图。而处理这些数据，现有的方式大体分为两种，一种是基于曼哈顿几何进行拼接，一种是基于单目深度估计拼接。
3、曼哈顿几何拼接优缺点如下：
4、优点：结构简单，直观，符合普通人的操作习惯，可以让未接受过专业教育的人对模型进行简单的轻加工，得到简单美观的模型
5、缺点：空间信息模糊，复杂场景下，会损失部分真实的空间信息，当需要精确还原时，对加工模型的人员素质要求过高，并且还原复杂真实信息的还原度不及预期。
6、单目深度估计：
7、优点：结构精确，空间信息还原真实，数据推断准确，对整个空间还原度非常高，大大减少人工成本
8、缺点：结构复杂，当需要对模型进行轻加工时，需要专业人士加工，灵活性不够，后续扩展能力不足。
9、两者优缺点非常明显，但是，当下市场并没有一套可以整合管理以及融合两者的处理方式和解决方案。在实际生产过程中，很难融合两种方式，发挥各自的特长，规避各自的短处来提升实际生产效率。
技术实现思路
1、本专利技术提供了一种虚拟空间融合的处理方法和系统，用以
2、一种虚拟空间融合的处理方法，所述虚拟空间融合的处理方法包括：
3、对全景图进行分类和标注，并利用深度学习模型获取每张全景图的数据信息，其中，所述数据信息包括全景图的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构；
4、利用全景图的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构获取虚拟空间；
5、利用所述虚拟空间构建虚拟空间对应的三维模型结构和三维模型对应的纹理贴图。
6、进一步地，对全景图进行分类和标注，并利用深度学习模型获取每张全景图的数据信息，包括：
7、对全景图进行分类，获取每个全景图中的不同房间位置，并输出唯一标尺；其中，所述不同位置包括卫生间、主卧室和次卧室等；并且，唯一标尺为任何形式输入的代表单位距离在实际生产中的真实长度的数据；
8、利用第一深度学习模型和唯一标尺获取每张全景图对应的深度值和三维尺寸；
9、利用第二深度学习模型获取每张全景图中的为室内框架的点云；其中，所述第二深度学习模型采用transformer模块和边缘增强模块；
10、利用几何算法将点云转化为曼哈顿几何结构。
11、进一步地，利用第一深度学习模型和唯一标尺获取每张全景图对应的深度值和三维尺寸，包括：
12、调取已完成训练和验证的第一深度学习模型；
13、利用已完成训练和验证的第一深度学习模型对每张全景图进行单目深度估计，推断出每张全景图的深度值；
14、调取唯一标尺对应的标尺数据信息；
15、利用唯一标尺推断出每个全景图中的不同房间的三维尺寸；其中，所述三维尺寸包括长度尺寸、宽度尺寸和高度尺寸。
16、进一步地，利用全景图的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构获取虚拟空间，包括：
17、提取每个全景图像对应的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构；
18、利用每个全景图像对应的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构聚合生成虚拟空间，其中，所述虚拟空间，用于表达各房间的真实信息。
19、进一步地，利用所述虚拟空间构建虚拟空间对应的三维模型结构和三维模型对应的纹理贴图，包括：
20、选取虚拟空间录入的第一个全景图数据为主空间数据；
21、根据所述主空间数据描述的视角对除了主空间数据之外的其他全景图对应的视角进行调整直至所有全景图的视角与主空间相机数据的看向视角方位一致；
22、根据所述虚拟空间的主空间数据获取主空间数据与除了主空间数据之外的其他全景图之间的相对位置关系，并记录在所述虚拟空间和其自身的空间表述数据中；
23、根据所述虚拟空间所描述的结构，通过反推等距柱状投影，反推出几何结构中的点在全景图中的uv点；
24、根据虚拟空间所描述的结构和反推出的uv点，生成三维模型的纹理贴图以及模型结构。
25、一种虚拟空间融合的处理系统，所述虚拟空间融合的处理系统包括：
26、数据信息获取模块，用于对全景图进行分类和标注，并利用深度学习模型获取每张全景图的数据信息，其中，所述数据信息包括全景图的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构；
27、虚拟空间获取模块，用于利用全景图的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构获取虚拟空间；
28、三维模型构建模块，用于利用所述虚拟空间构建虚拟空间对应的三维模型结构和三维模型对应的纹理贴图。
29、进一步地，所述数据信息获取模块包括：
30、分类模块，用于对全景图进行分类，获取每个全景图中的不同房间位置，并输出唯一标尺；其中，所述不同位置包括卫生间、主卧室和次卧室等；并且，唯一标尺为任何形式输入的代表单位距离在实际生产中的真实长度的数据；
31、第一数据获取模块，用于利用第一深度学习模型和唯一标尺获取每张全景图对应的深度值和三维尺寸；
32、第二数据获取模块，用于利用第二深度学习模型获取每张全景图中的为室内框架的点云；其中，所述第二深度学习模型采用transformer模块和边缘增强模块；
33、几何结构获取模块，用于利用几何算法将点云转化为曼哈顿几何结构。
34、进一步地，所述第一数据获取模块包括：
35、第一深度学习模型调取模块，用于调取已完成训练和验证的第一深度学习模型；
36、深度值获取模块，用于利用已完成训练和验证的第一深度学习模型对每张全景图进行单目深度估计，推断出每张全景图的深度值；
37、唯一标尺调取模块，用于调取唯一标尺对应的标尺数据信息；
38、三维尺寸获取模块，用于利用唯一标尺推断出每个全景图中的不同房间的三维尺寸；其中，所述三维尺寸包括长度尺寸、宽度尺寸和高度尺寸。
39、进一步地，所述虚拟空间获取模块包括：
40、数据信息提取模块，用于提取每个全景图像对应的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构；
41、虚拟空间生成模块，用于利用每个全景图像对应的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构聚合生成虚拟空间，其中，所述虚拟空间，用于表达各房间的真实信息。
4本文档来自技高网...
【技术保护点】
1.一种虚拟空间融合的处理方法，其特征在于，所述虚拟空间融合的处理方法包括：
2.根据权利要求1所述虚拟空间融合的处理方法，其特征在于，对全景图进行分类和标注，并利用深度学习模型获取每张全景图的数据信息，包括：
3.根据权利要求2所述虚拟空间融合的处理方法，其特征在于，利用第一深度学习模型和唯一标尺获取每张全景图对应的深度值和三维尺寸，包括：
4.根据权利要求1所述虚拟空间融合的处理方法，其特征在于，利用全景图的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构获取虚拟空间，包括：
5.根据权利要求1所述虚拟空间融合的处理方法，其特征在于，利用所述虚拟空间构建虚拟空间对应的三维模型结构和三维模型对应的纹理贴图，包括：
6.一种虚拟空间融合的处理系统，其特征在于，所述虚拟空间融合的处理系统包括：
7.根据权利要求6所述虚拟空间融合的处理系统，其特征在于，所述数据信息获取模块包括：
8.根据权利要求7所述虚拟空间融合的处理系统，其特征在于，所述第一数据获取模块包括：
9.根据权利要求6所
10.根据权利要求6所述虚拟空间融合的处理系统，其特征在于，所述三维模型构建模块包括：
...【技术特征摘要】
1.一种虚拟空间融合的处理方法，其特征在于，所述虚拟空间融合的处理方法包括：
2.根据权利要求1所述虚拟空间融合的处理方法，其特征在于，对全景图进行分类和标注，并利用深度学习模型获取每张全景图的数据信息，包括：
3.根据权利要求2所述虚拟空间融合的处理方法，其特征在于，利用第一深度学习模型和唯一标尺获取每张全景图对应的深度值和三维尺寸，包括：
4.根据权利要求1所述虚拟空间融合的处理方法，其特征在于，利用全景图的深度值、三维尺寸以及全景图对应的点云和曼哈顿几何结构获取虚拟空间，包括：
5.根据权利要求1所述虚拟空间融合的处理方...
【专利技术属性】
技术研发人员：齐雅楠，
申请(专利权)人：北京我爱我家房地产经纪有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。