[go: up one dir, main page]

CN112907550B - 一种建筑物检测方法、装置、电子设备及存储介质 - Google Patents

一种建筑物检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112907550B
CN112907550B CN202110228247.9A CN202110228247A CN112907550B CN 112907550 B CN112907550 B CN 112907550B CN 202110228247 A CN202110228247 A CN 202110228247A CN 112907550 B CN112907550 B CN 112907550B
Authority
CN
China
Prior art keywords
dimensional
building
detected
sub
image data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110228247.9A
Other languages
English (en)
Other versions
CN112907550A (zh
Inventor
汤寅航
刘琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Innovation Qizhi Chengdu Technology Co ltd
Original Assignee
Innovation Qizhi Chengdu Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Innovation Qizhi Chengdu Technology Co ltd filed Critical Innovation Qizhi Chengdu Technology Co ltd
Priority to CN202110228247.9A priority Critical patent/CN112907550B/zh
Publication of CN112907550A publication Critical patent/CN112907550A/zh
Application granted granted Critical
Publication of CN112907550B publication Critical patent/CN112907550B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种建筑物检测方法、装置、电子设备及存储介质。该方法包括：接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据；根据多个三维图像数据对对应的三维图像进行拼接获得待检测建筑物对应的三维结构；根据三维结构对多个二维图像数据对对应的二维图像进行拼接获得待检测建筑物对应的平面结构；根据待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得检测部位对应的子三维数据和子二维数据；根据子三维数据或子二维数据对检测部位进行检测获得检测结果。本申请实施例通过提供的待检测建筑物的检测方法，不需要人工参与，提高了检测效率。

Description

一种建筑物检测方法、装置、电子设备及存储介质
技术领域
本申请涉及图像处理技术领域，具体而言，涉及一种建筑物检测方法、装置、电子设备及存储介质。
背景技术
建筑施工的检测是建筑施工项目质量管理的重要组成部分。近些年来，随着我国社会经济的快速发展和建筑行业的不断进步，各类建筑结构的数量不断的增加。
在建筑施工过程中，由于人员流动量大，很容易出现建筑用材不对，建筑结构尺寸不足，建筑用料不足等情况，这些情况很容易造成在建筑使用一定时间后出现各种问题，轻则结构脱落，严重的甚至会造成人员伤亡。
目前建筑施工检测方法主要是人工检测，就是检测人员进入建筑物内，对每个建筑结构进行逐个测量计算，再与设计图进行对比，获知建筑情况。更进一步的辅助手段是检测人员手持扫描设备进入建筑物内，对建筑物进行扫描，然后基于扫描后的数据进行分析。通过人工检查的方式存在效率低的问题。
发明内容
本申请实施例的目的在于提供一种建筑物检测方法、装置、电子设备及存储介质，用以提高对建筑物检测的效率。
第一方面，本申请实施例提供一种建筑物检测方法，包括：接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据；根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构；根据所述三维结构对多个二维图像数据对对应的二维图像进行拼接获得所述待检测建筑物对应的平面结构；根据所述待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得所述检测部位对应的子三维数据和子二维数据；根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果。
本申请实施例通过利用设置的多个图像采集装置采集待检测建筑物的二维图像和三维图像，并对三维图像和二维图像进行拼接，以获得整体的待检测建筑物，再根据检测需要，对整体的待检测建筑物进行分割获得完整的待检测部位对应的子三维数据和子二维数据，从而实现对待检测部位进行检测，不需要人工参与，提高了检测效率。
进一步地，所述三维图像数据包括多个点云；所述根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构，包括：针对所述多个三维图像数据，获取共面的两个三维图像数据对应的预设个数的点云；根据共面的点云对所述两个三维图像数据进行矩阵变换，获得对应的变换矩阵；利用三维图像拼接算法优化所述变换矩阵，获得所述三维结构。
本申请实施例通过利用共面的点云对三维图像数据进行矩阵变换，实现粗定位，再利用三维图像拼接算法对变换矩阵进行优化，实现点云的精确配准，从而提高了三维图像拼接的准确性。
进一步地，根据所述待检测建筑物的检测部位对所述三维结构进行分割，包括：获取所述待检测建筑物的三维模型；所述三维模型包括模型点坐标；根据所述模型点坐标与所述三维结构的点云进行匹配；从所述三维模型中确定检测部位对应的目标模型点坐标，并根据所述目标模型点坐标确定对应的三维结构中的目标点云；根据所述目标点云对所述三维结构进行分割。
本申请实施例通过利用利用待检测建筑物的三维模型对待检测建筑物的三维结构进行分割，以获得完整的待检测部位。
进一步地，所述根据所述模型点坐标与所述三维结构的点云进行匹配，包括：获取所述三维模型中的地面，以及获得所述三维结构中的地面；将三维模型中的地面与所述三维结构中的地面进行匹配；根据其他结构与地面的空间位置信息将三维模型中的其他结构与三维结构中的其他结构进行匹配；其中，所述其他结构为除地面以外的结构。
本申请实施例通过以地面为基础将三维模型与三维结构进行匹配，再将其他部位进行匹配，从而提高了分割的准确性。
进一步地，所述根据所述待检测建筑物的检测部位对所述平面结构进行分割，包括：基于对三维结构的分割结果，将对应的平面结构进行分割。
进一步地，所述根据所述子三维数据和所述子二维数据对所述检测部位进行检测，获得检测结果，包括：根据所述子三维数据获得所述检测部位的尺寸信息；其中，所述尺寸信息包括所述检测部位对应的长度尺寸、宽度尺寸和高度尺寸；根据所述尺寸信息确定所述检测部位对应的体积；根据所述体积和所述检测部位对应的材料密度确定用料信息。
本申请实施例根据分割后获得的子三维数据可以获得检测部位对应的尺寸信息，再基于检测部位对应的材料密度，可以获得检测部位的用料信息，实现对检测部位的检测。
进一步地，所述根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果，包括：根据所述子二维数据的纹理特征确定所述检测部位对应的材料是否正确。从而能够快速地判断待检测建筑物用料是否正确。
第二方面，本申请实施例提供一种建筑物检测装置，包括：接收模块，用于接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据；第一拼接模块，用于根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构；第二拼接模块，用于根据所述三维结构对多个二维图像数据对对应的二维图像进行拼接获得所述待检测建筑物对应的平面结构；分割模块，用于根据所述待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得所述检测部位对应的子三维数据和子二维数据；检测模块，用于根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果。
第三方面，本申请实施例提供一种电子设备，包括：处理器、存储器和总线，其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的方法。
第四方面，本申请实施例提供一种非暂态计算机可读存储介质，包括：所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的方法。
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
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。
图1为本申请实施例提供的一种建筑物检测方法流程示意图；
图2为本申请实施例提供的特征点匹配的流程示意图；
图3为本申请实施例提供的三维图像拼接方法流程示意图；
图4为本申请实施例提供的对待检测建筑物分割流程示意图；
图5为本申请实施例提供的建筑物检测装置结构示意图；
图6为本申请实施例提供的电子设备实体结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
建筑物中需要检测的内容很多，包括建筑用料、建筑内物体尺寸以及建筑用材等。并且，建筑物一般体积较大，包括的部分也比较多，例如地面、墙面、房顶、窗户、门，有的建筑物内部还会有柱子，对于精装修的建筑物内部还会有一些装饰品等等，因此，需要对每部分都进行检测。
本申请实施例提供一种建筑物检测方法，如图1所示，本申请实施例提供的检测方法可以应用于电子设备；其中电子设备具体可以为智能手机、平板电脑、计算机、个人数字助理(Personal Digital Assitant，PDA)等，该方法包括：
步骤101：接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据。
其中，由于图像采集装置采集的视角有限，即采集的范围有限，另外，建筑物内部可能会有柱子等对图像采集装置采集的视野进行遮挡，因此需要使用多个图像采集装置对待检测建筑物进行图像采集。图像采集装置可以预先设置在待检测建筑物内部，若需要对待检测建筑物外表面进行检测，还可以将图像采集装置设置在待检测建筑物外部。每个图像采集装置上均设置有2D成像设备和3D成像设备，用于对建筑物的各个部位进行图像采集，以便获得对应部位的二维图像数据和三维图像数据。图像采集装置可以与电子设备通信连接，以便能够实时将采集到的二维图像数据和三维图像数据发送给电子设备。图像采集装置也可以不与电子设备通信连接，图像采集装置采集到的二维图像数据和三维图像数据通过数据线传输给电子设备。
可以理解的是，本申请实施例不对图像采集装置的个数以及设置的位置进行限定，只要图像采集装置采集到的三维图像数据和二维图像数据的集合覆盖到待检测建筑物各个部位即可。
步骤102：根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构。
其中，由于建筑物内部经常会有墙壁，柱子等结构遮挡图像采集装置采集的视野，因此，为了能够获得建筑物完整的三维结构，需要将获得的三维图像数据进行拼接。
步骤103：根据所述三维结构对多个二维图像数据对对应的二维图像进行拼接获得所述待检测建筑物对应的平面结构。
由于一个图像采集装置上集成有2D成像设备和3D成像设备，且2D成像设备和3D成像设备所采集的是同一部位的图像，因此在利用三维图像数据进行拼接后，可以对二维图像数据进行相应的拼接，从而获得待检测建筑物对应的平面结构。
步骤104：根据所述待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得所述检测部位对应的子三维数据和子二维数据。
在获得待检测建筑物的整体三维结构和平面结构之后，针对每一检测部位，需要从三维结构和平面结构中将其分割出来，获得对应的子三维数据和子二维数据，以便对检测部位进行检测。
步骤105：根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果。
在具体的实施过程中，在获得检测部位的子三维数据和子二维数据后，可以利用子三维数据获得检测部位的体积，进而判断用料的多少；根据子二维数据可以获知材料的纹理，判断材料是否正确。
本申请实施例通过利用设置的多个图像采集装置采集待检测建筑物的二维图像和三维图像，并对三维图像和二维图像进行拼接，以获得整体的待检测建筑物，再根据检测需要，对整体的待检测建筑物进行分割获得完整的待检测部位对应的子三维数据和子二维数据，从而实现对待检测部位进行检测，不需要人工参与，提高了检测效率。
在上述实施例的基础上，所述三维图像数据包括多个点云；所述根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构，包括：
针对所述多个三维图像数据，获取共面的两个三维图像数据对应的预设个数的点云；
根据共面的点云对所述两个三维图像数据进行矩阵变换，获得对应的变换矩阵；
利用三维图像拼接算法优化所述变换矩阵，获得所述三维结构。
在具体的实施过程中，在进行三维图像数据拼接时，因为多个图像采集装置采集获得的三维图像数据中可能会有重叠的部分，因此，可以多个三维图像数据中获取共面的两个三维图像数据对应的预设个数的点云。例如：有两张都包括同一面镜子的三维图像数据，可以选取镜子上的点云，具体可以是选择镜子四个顶角对应的点云。可以理解的是，判断两个三维图像数据是否共面可以是人工确定，也可以通过对象检测，将两个三维图像中的感兴趣的对象框出来，对感兴趣的对象进行相似度计算，例如可以计算交并比，如果相似度大于预设阈值，则说明这两个三维图像有共面的对象，并从共面的对象中选取预设个数的点云。可以理解的是，三维图像数据包括三维图像中各个像素点对应的点云。可以理解的是，需要将多个三维图像数据中所有存在共面的三维图像数据都进行点云的获取。
在获得共面的点云后，由于三维图像数据是放置在不同的位置的图像采集装置采集获得的，因此，即便是共面的点云，其坐标也不相同。但实际情况下，第一张三维图像数据中某个点的点云的坐标应当与第二张三维图像数据中对应点的点云的坐标是相同的。本申请实施例通过根据共面的点云对两个三维图像数据进行矩阵变换，来进行粗定位。具体可以为：
假设第一张三维图像数据中的预设个数的点云构成的集合为：{P1,P2,...Pn1}，第二张三维图像数据中的预设个数的点云构成的集合为：{Q1,Q2,...Qn2}。从第一张三维图像数据的预设个数的点云中任意选取一点Pi，根据Pi的点云密度获取Pi的领域计算半径，采用如下公式构造Pi的协方差矩阵：
从第一张三维图像数据的预设个数的点云中任意选取一点Qi，根据Qi的点云密度获取Qi的领域计算半径，采用如下公式构造Qi的协方差矩阵：
求解协方差矩阵的特征值和特征向量：COV(Pi)V＝EV。
根据特征向量构建局部旋转平移不变坐标系的x,y,z坐标轴，建立起以点Pi为原点的局部旋转平移不变坐标系。
根据局部旋转平移不变坐标系，对点云集合P和点云集合Q进行特征点匹配，获得初步匹配点集。其中，特征点匹配的流程如图2所示，可以包括：
步骤201：针对点云集合P中任意一个点Pi，其对应的特征为vi，在第二张三维图像数据中搜索与vi距离最近的特征vj以及次近的特征v'j。
步骤202：计算特征vi分别到特征vj和特征v'j的欧式距离；
步骤203：根据下式判断特征vi与特征vj之间是否具有正确的对应关系：
其中，e(vi,vj)为特征vi与特征vj的对应关系，Di'j为特征vi与特征vj的欧式距离，Dij为特征vi与特征v'j的欧式距离。
若e(vi,vj)＝1，则表明特征vi与特征vj匹配成功，否则匹配失败。
根据上述方法可以将点云集合P和点云集合Q中的点云进行匹配。
利用奇异值分解算法计算获得旋转矩阵和平移矩阵，其中，旋转矩阵和平移矩阵构成了上述变换矩阵。
三维图像拼接算法可以是ICP算法，具体步骤如图3所示，包括：
步骤301：设定距离阈值w作为迭代终止的条件；其中，w>0；距离阈值w具体值根据点云结合P的点云密度d确定；
步骤302：在第一张三维图像数据中随机选取若干个点作为待匹配点；
步骤303：用逆向投影法在第二张三维图像数据中查找待匹配点的对应点；
步骤304：采用基于点到面距离度量作为ICP算法所需求解的目标函数，不断迭代计算第一张三维图像数据与第二张三维图像数据的刚性变换关系；
步骤305：当目标函数值小于距离阈值w时，停止迭代；并将此时求解到的刚性变换关系作为最终结果，完成点云匹配。
在完成点云匹配后，根据匹配的点云数据对三维图像数据进行拼接，获得三维结构。
本申请实施例通过利用共面的点云对三维图像数据进行矩阵变换，实现粗定位，再利用三维图像拼接算法对变换矩阵进行优化，实现点云的精确配准，从而提高了三维图像拼接的准确性。
在上述实施例的基础上，由于待检测建筑物不同的部位所使用的材料不同，并且对应的尺寸也不同，因此，需要对待检测建筑物的三维结构进行分割，具体的分割步骤如图4所示，包括：
步骤401：获取所述待检测建筑物的三维模型；所述三维模型包括模型点坐标；其中，三维模型可以是待检测建筑物对应的CAD图纸，在CAD图纸上包括三维模型各个部位对应的模型点坐标。该模型点坐标也为三维坐标。
步骤402：根据所述模型点坐标与所述三维结构的点云进行匹配；即，将三维模型中各个点的模型点坐标与待检测建筑的三维结构的点云进行匹配，从而使得三维模型中的点与三维结构的点相对应。可以根据如下步骤将模型点坐标与三维结构的点云匹配：
第一步：获取所述三维模型中的地面，以及获得所述三维结构中的地面；因为不论是三维模型还是三维结构，其均只有一个地面，因此分别以三维模型中的地面和三维结构中的地面为基准进行匹配，能够大大提高匹配的效率。
第二步：将三维模型中的地面与所述三维结构中的地面进行匹配；即，将三维模型中地面对应的模型点坐标进行拟合，得到三维模型中地面对应的拟合平面，同时将三维结构中地面对应的点云进行拟合，得到三维结构中地面对应的拟合平面；然后，对拟合后的两个拟合平面进行相似性计算，从而实现三维模型中的地面与三维结构中的地面的匹配。
第三步：根据其他结构与地面的空间位置信息将三维模型中的其他结构与三维结构中的其他结构进行匹配；其中，所述其他结构为除地面以外的结构。
其中，在地面匹配完成后，可以从三维结构中获取其他结构的点云，并根据其他结构的点云与地面的空间位置关系，从三维模型中找到存在该位置关系的结构，将这两个结构进行匹配，从而完成三维结构中各个部位与三维模型中各个部位的匹配。
步骤403：从所述三维模型中确定检测部位对应的目标模型点坐标，并根据所述目标模型点坐标确定对应的三维结构中的目标点云；根据需要，从三维模型中获取检测部位对应的目标模型点坐标，其中，检测部位为检测人员指定的部位。检测人员可以通过电子设备提取到目标模型点坐标，由于三维模型与三维结构已经进行了匹配，因此，将目标模型点坐标对应的三维结构中的点云作为目标点云。
步骤404：根据所述目标点云对所述三维结构进行分割。
在上述实施例的基础上，由于三维结构与平面结构是相对应的，即，平面结构相对于三维结构少了深度信息，因此，三维结构中的点云与平台结构中的像素坐标也能够一一对应起来，在对三维结构进行分割之后，可以基于该分割结果将平面结构进行分割。
本申请实施例通过利用利用待检测建筑物的三维模型对待检测建筑物的三维结构和平面结构进行分割，以获得完整的待检测部位。
在上述实施例的基础上，在获得检测部位对应的子三维数据和子二维数据之后，可以根据子三维数据获知检测部位的长度尺寸、宽度尺寸和高度尺寸，根据长度尺寸、宽度尺寸和高度尺寸能够计算获得检测部位的体积。可以理解的是，检测部位可能不是标准的长方体，因此，在计算体积时，可以对检测部位进行再次分割成多个标准的长方体进行计算，再进行求和获得检测部位的体积。当然检测部位也可能是圆体，那么检测部位对应的尺寸信息可以为圆体的半径。在获得检测部位的体积后，可以根据检测部位的对应的材料密度，计算获得用料信息。例如：检测部位为待检测建筑物中的柱子，柱子的材料密度可以预先获知，因为每个部位有对应的施工标准，因此，将材料密度与检测部位的体积相乘后获得对应的材料信息，即柱子对应的水泥的用量。
另外，子二维数据中包括纹理信息，因此可以根据子二维数据的纹理特征确定检测部位对应的材料是否正确。具体可以将子二维数据的纹理特征与检测部位对应的应当使用的材料对应的纹理特征进行匹配，具体可以是进行二者的相似度，若相似度大于预设阈值，则说明检测部位对应的材料是正确的，反之，检测部位对应的材料是错误的。
本申请实施例通过在二维数据和三维数据的基础上进行分析重建，能够对建筑物进行有效的检测，提高了检测的精度和速度。
图5为本申请实施例提供的建筑物检测装置结构示意图，该装置可以是电子设备上的模块、程序段或代码。应理解，该装置与上述图1方法实施例对应，能够执行图1方法实施例涉及的各个步骤，该装置具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。该装置包括接收模块501、第一拼接模块502、第二拼接模块503、分割模块504和检测模块505，其中：
接收模块501用于接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据；第一拼接模块502用于根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构；第二拼接模块503用于根据所述三维结构对多个二维图像数据对对应的二维图像进行拼接获得所述待检测建筑物对应的平面结构；分割模块504用于根据所述待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得所述检测部位对应的子三维数据和子二维数据；检测模块505用于根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果。
在上述实施例的基础上，所述三维图像数据包括多个点云；第一拼接模块502具体用于：
针对所述多个三维图像数据，获取共面的两个三维图像数据对应的预设个数的点云；
根据共面的点云对所述两个三维图像数据进行矩阵变换，获得对应的变换矩阵；
利用三维图像拼接算法优化所述变换矩阵，获得所述三维结构。
在上述实施例的基础上，分割模块504具体用于：
获取所述待检测建筑物的三维模型；所述三维模型包括模型点坐标；
根据所述模型点坐标与所述三维结构的点云进行匹配；
从所述三维模型中确定检测部位对应的目标模型点坐标，并根据所述目标模型点坐标确定对应的三维结构中的目标点云；
根据所述目标点云对所述三维结构进行分割。
在上述实施例的基础上，分割模块504具体用于：
获取所述三维模型中的地面，以及获得所述三维结构中的地面；
将三维模型中的地面与所述三维结构中的地面进行匹配；
根据其他结构与地面的空间位置信息将三维模型中的其他结构与三维结构中的其他结构进行匹配；其中，所述其他结构为除地面以外的结构。
在上述实施例的基础上，分割模块504具体用于：
基于对三维结构的分割结果，将对应的平面结构进行分割。
在上述实施例的基础上，检测模块505具体用于：
根据所述子三维数据获得所述检测部位的尺寸信息；其中，所述尺寸信息包括所述检测部位对应的长度尺寸、宽度尺寸和高度尺寸；
根据所述尺寸信息确定所述检测部位对应的体积；
根据所述体积和所述检测部位对应的材料密度确定用料信息。
在上述实施例的基础上，检测模块505还具体用于：
根据所述子二维数据的纹理特征确定所述检测部位对应的材料是否正确。
图6为本申请实施例提供的电子设备实体结构示意图，如图6所示，所述电子设备，包括：处理器(processor)601、存储器(memory)602和总线603；其中，所述处理器601和存储器602通过所述总线603完成相互间的通信。
所述处理器601用于调用所述存储器602中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据；根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构；根据所述三维结构对多个二维图像数据对对应的二维图像进行拼接获得所述待检测建筑物对应的平面结构；根据所述待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得所述检测部位对应的子三维数据和子二维数据；根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果。
处理器601可以是一种集成电路芯片，具有信号处理能力。上述处理器601可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中公开的各种方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器602可以包括但不限于随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)等。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据；根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构；根据所述三维结构对多个二维图像数据对对应的二维图像进行拼接获得所述待检测建筑物对应的平面结构；根据所述待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得所述检测部位对应的子三维数据和子二维数据；根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据；根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构；根据所述三维结构对多个二维图像数据对对应的二维图像进行拼接获得所述待检测建筑物对应的平面结构；根据所述待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得所述检测部位对应的子三维数据和子二维数据；根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种建筑物检测方法，其特征在于，包括：
接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据；每个所述图像采集装置上设置有2D成像设备和3D成像设备；
根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构；
根据所述三维结构对多个二维图像数据对对应的二维图像进行拼接获得所述待检测建筑物对应的平面结构；
根据所述待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得所述检测部位对应的子三维数据和子二维数据；
根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果；
根据所述待检测建筑物的检测部位对所述三维结构进行分割，包括：
获取所述待检测建筑物的三维模型；所述三维模型包括模型点坐标；
根据所述模型点坐标与所述三维结构的点云进行匹配；
从所述三维模型中确定检测部位对应的目标模型点坐标，并根据所述目标模型点坐标确定对应的三维结构中的目标点云；
根据所述目标点云对所述三维结构进行分割。
2.根据权利要求1所述的方法，其特征在于，所述三维图像数据包括多个点云；所述根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构，包括：
针对所述多个三维图像数据，获取共面的两个三维图像数据对应的预设个数的点云；
根据共面的点云对所述两个三维图像数据进行矩阵变换，获得对应的变换矩阵；
利用三维图像拼接算法优化所述变换矩阵，获得所述三维结构。
3.根据权利要求1所述的方法，其特征在于，所述根据所述模型点坐标与所述三维结构的点云进行匹配，包括：
获取所述三维模型中的地面，以及获得所述三维结构中的地面；
将三维模型中的地面与所述三维结构中的地面进行匹配；
根据其他结构与地面的空间位置信息将三维模型中的其他结构与三维结构中的其他结构进行匹配；其中，所述其他结构为除地面以外的结构。
4.根据权利要求1所述的方法，其特征在于，所述根据所述待检测建筑物的检测部位对所述平面结构进行分割，包括：
基于对三维结构的分割结果，将对应的平面结构进行分割。
5.根据权利要求1所述的方法，其特征在于，所述根据所述子三维数据和所述子二维数据对所述检测部位进行检测，获得检测结果，包括：
根据所述子三维数据获得所述检测部位的尺寸信息；其中，所述尺寸信息包括所述检测部位对应的长度尺寸、宽度尺寸和高度尺寸；
根据所述尺寸信息确定所述检测部位对应的体积；
根据所述体积和所述检测部位对应的材料密度确定用料信息。
6.根据权利要求1所述的方法，其特征在于，所述根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果，包括：
根据所述子二维数据的纹理特征确定所述检测部位对应的材料是否正确。
7.一种建筑物检测装置，其特征在于，包括：
接收模块，用于接收多个图像采集装置采集获得的待检测建筑物的二维图像数据和三维图像数据；每个所述图像采集装置上设置有2D成像设备和3D成像设备；
第一拼接模块，用于根据多个三维图像数据对对应的三维图像进行拼接获得所述待检测建筑物对应的三维结构；
第二拼接模块，用于根据所述三维结构对多个二维图像数据对对应的二维图像进行拼接获得所述待检测建筑物对应的平面结构；
分割模块，用于根据所述待检测建筑物的检测部位对所述三维结构和所述平面结构进行分割，获得所述检测部位对应的子三维数据和子二维数据；
检测模块，用于根据所述子三维数据或所述子二维数据对所述检测部位进行检测，获得检测结果；
所述分割模块具体用于：
获取所述待检测建筑物的三维模型；所述三维模型包括模型点坐标；
根据所述模型点坐标与所述三维结构的点云进行匹配；
从所述三维模型中确定检测部位对应的目标模型点坐标，并根据所述目标模型点坐标确定对应的三维结构中的目标点云；
根据所述目标点云对所述三维结构进行分割。
8.一种电子设备，其特征在于，包括：处理器、存储器和总线，其中，
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-6任一项所述的方法。
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令被计算机运行时，使所述计算机执行如权利要求1-6任一项所述的方法。
CN202110228247.9A 2021-03-01 2021-03-01 一种建筑物检测方法、装置、电子设备及存储介质 Active CN112907550B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110228247.9A CN112907550B (zh) 2021-03-01 2021-03-01 一种建筑物检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110228247.9A CN112907550B (zh) 2021-03-01 2021-03-01 一种建筑物检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112907550A CN112907550A (zh) 2021-06-04
CN112907550B true CN112907550B (zh) 2024-01-19

Family

ID=76107361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110228247.9A Active CN112907550B (zh) 2021-03-01 2021-03-01 一种建筑物检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112907550B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114037814B (zh) * 2021-11-11 2022-12-23 北京百度网讯科技有限公司 数据处理方法、装置、电子设备和介质
CN118224978A (zh) * 2024-03-30 2024-06-21 恒均建材科技河北有限公司 建筑预制构件三维图像测量系统、方法及相关组件

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013204229A1 (de) * 2013-03-12 2014-09-18 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Vorrichtung zur Bestimmung eines Rohstoffgehaltes in einem Gebäude
KR20150128300A (ko) * 2014-05-09 2015-11-18 한국건설기술연구원 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법
CN106780712A (zh) * 2016-10-28 2017-05-31 武汉市工程科学技术研究院 联合激光扫描和影像匹配的三维点云生成方法
CN110047142A (zh) * 2019-03-19 2019-07-23 中国科学院深圳先进技术研究院 无人机三维地图构建方法、装置、计算机设备及存储介质
CN110462678A (zh) * 2017-03-30 2019-11-15 富士胶片株式会社 图像处理装置及图像处理方法
WO2019242174A1 (zh) * 2018-06-21 2019-12-26 华南理工大学 基于激光雷达的建筑结构自动测量及3d模型生成方法
CN111009002A (zh) * 2019-10-16 2020-04-14 贝壳技术有限公司 点云配准检测方法、装置以及电子设备、存储介质
CN112200916A (zh) * 2020-12-08 2021-01-08 深圳市房多多网络科技有限公司 房屋户型图的生成方法、装置、计算设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9805451B2 (en) * 2014-06-24 2017-10-31 Hover Inc. Building material classifications from imagery
EP3506211B1 (en) * 2017-12-28 2021-02-24 Dassault Systèmes Generating 3d models representing buildings
US10339384B2 (en) * 2018-02-07 2019-07-02 Structionsite Inc. Construction photograph integration with 3D model images
CN109242903B (zh) * 2018-09-07 2020-08-07 百度在线网络技术（北京）有限公司 三维数据的生成方法、装置、设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013204229A1 (de) * 2013-03-12 2014-09-18 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Vorrichtung zur Bestimmung eines Rohstoffgehaltes in einem Gebäude
KR20150128300A (ko) * 2014-05-09 2015-11-18 한국건설기술연구원 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법
CN106780712A (zh) * 2016-10-28 2017-05-31 武汉市工程科学技术研究院 联合激光扫描和影像匹配的三维点云生成方法
CN110462678A (zh) * 2017-03-30 2019-11-15 富士胶片株式会社 图像处理装置及图像处理方法
WO2019242174A1 (zh) * 2018-06-21 2019-12-26 华南理工大学 基于激光雷达的建筑结构自动测量及3d模型生成方法
CN110047142A (zh) * 2019-03-19 2019-07-23 中国科学院深圳先进技术研究院 无人机三维地图构建方法、装置、计算机设备及存储介质
CN111009002A (zh) * 2019-10-16 2020-04-14 贝壳技术有限公司 点云配准检测方法、装置以及电子设备、存储介质
CN112200916A (zh) * 2020-12-08 2021-01-08 深圳市房多多网络科技有限公司 房屋户型图的生成方法、装置、计算设备和存储介质

Also Published As

Publication number Publication date
CN112907550A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
Yang et al. Automated registration of dense terrestrial laser-scanning point clouds using curves
CN106651752B (zh) 三维点云数据配准方法及拼接方法
Liang et al. Image based localization in indoor environments
Kim et al. Automated point cloud registration using visual and planar features for construction environments
CN110443836A (zh) 一种基于平面特征的点云数据自动配准方法及装置
WO2019200837A1 (zh) 一种包裹体积的测量方法、系统、储存介质及移动终端
CN103959307B (zh) 从灰度图像中检测和描述特征的方法
JP5538868B2 (ja) 画像処理装置、その画像処理方法及びプログラム
US20150262346A1 (en) Image processing apparatus, image processing method, and image processing program
CN106408609A (zh) 一种基于双目视觉的并联机构末端运动位姿检测方法
Han et al. Automated monitoring of operation-level construction progress using 4D BIM and daily site photologs
Becker et al. Refinement of building fassades by integrated processing of lidar and image data
CN109063632B (zh) 一种基于双目视觉的泊车位特征筛选方法
Sui et al. A novel 3D building damage detection method using multiple overlapping UAV images
US20080084413A1 (en) Method for generating multi-resolution three-dimensional model
CN112907550B (zh) 一种建筑物检测方法、装置、电子设备及存储介质
US20150199573A1 (en) Global Scene Descriptors for Matching Manhattan Scenes using Edge Maps Associated with Vanishing Points
Wang Automatic extraction of building outline from high resolution aerial imagery
Auer et al. Characterization of facade regularities in high-resolution SAR images
Tu et al. Detecting facade damage on moderate damaged type from high-resolution oblique aerial images
Brilakis et al. Achievements and challenges in recognizing and reconstructing civil infrastructure
CN111854651A (zh) 基于slam的室内建筑面积实时测量方法
Jeon et al. Triple-Camera Rectification for Depth Estimation Sensor
DE102022114091A1 (de) 3D-Modellierungsverfahren und -system
Zhu et al. A filtering strategy for interest point detecting to improve repeatability and information content

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant