本發(fā)明涉及圖像處理，具體為一種將建筑構(gòu)件的二維圖像轉(zhuǎn)化為三維模型的方法。

背景技術(shù)：

1、在建筑工程業(yè)界，建筑信息模型與管理(bim)被廣泛認(rèn)為是一種能夠提高建筑和大型基礎(chǔ)設(shè)施(如機(jī)場，地鐵站，與火車站)運維與資產(chǎn)管理效率的新型工具，但許多在bim技術(shù)廣泛普及前建造的建筑和基礎(chǔ)設(shè)施仍然沿用傳統(tǒng)的施工圖作為設(shè)計與施工交付；根據(jù)老舊cad工程圖紙重建bim模型往往需要花費很多的時間和人力。因此，開發(fā)一種能夠?qū)ad建筑圖紙自動轉(zhuǎn)換為bim模型的技術(shù)，能夠免去人工翻模所消耗的財力物力，即時實現(xiàn)bim模型在建筑和基礎(chǔ)設(shè)施運維階段的價值。

2、現(xiàn)階段已有一些針對二維圖紙進(jìn)行識別和三維重建的研究和專利發(fā)明，已有的前沿方法基本采用基于深度學(xué)習(xí)的計算機(jī)視覺技術(shù)對轉(zhuǎn)化為像素圖片的圖紙進(jìn)行識別和語義分割。例如，在授權(quán)公告號為cn110909650b的中國發(fā)明專利中，公開了基于領(lǐng)域知識和目標(biāo)檢測的cad圖紙識別方法和裝置，包括：cad圖紙解析模塊用于獲取待識別cad圖紙中的圖紙信息，并將待識別cad圖紙轉(zhuǎn)換為多張待識別像素圖；目標(biāo)檢測模塊用于對多張待識別像素圖進(jìn)行聚合類構(gòu)件識別，確定待識別cad圖紙內(nèi)構(gòu)件的構(gòu)件信息集合；建筑空間文件解析模塊用于獲取待識別cad圖紙內(nèi)的空間信息；系統(tǒng)信息融合模塊用于根據(jù)空間信息和構(gòu)件信息集合，得到構(gòu)件在建筑空間中的坐標(biāo)位置信息，并結(jié)合圖紙信息，通過搜索構(gòu)件的拓?fù)?，確定構(gòu)件系統(tǒng)信息，融合坐標(biāo)位置信息和構(gòu)件系統(tǒng)信息，生成構(gòu)件識別信息。提高了構(gòu)件識別和信息提取的準(zhǔn)確率，增強(qiáng)cad圖紙識別的擴(kuò)展性。

3、盡管這些已有方法達(dá)到了較高的識別準(zhǔn)確率，但在不同項目中，設(shè)備圖形畫法規(guī)則都不相同，很難用深度學(xué)習(xí)模型去識別具有未訓(xùn)練畫法的圖紙，因此，許多研究人員也通過識別在建筑物現(xiàn)場采集的圖像和點云的方式重建構(gòu)件三維模型；然而，盡管這些方法能夠更好地對二維構(gòu)件的現(xiàn)實位置和幾何形狀進(jìn)行更好的捕捉；

4、但在完成建筑構(gòu)件設(shè)計并獲取相應(yīng)的二維設(shè)計圖紙，并由二維設(shè)計圖紙生成構(gòu)件三維模型后，所生成的構(gòu)件三維模型仍可能會存在部分缺陷區(qū)域，例如精度較差，模型表面的平滑程度較低等，因此針對這些缺陷區(qū)域還需要進(jìn)行針對性的維護(hù)，但現(xiàn)有的維護(hù)方法中，通常都是在生成構(gòu)件三維模型后進(jìn)行整體性的優(yōu)化，但這種優(yōu)化的針對性較差，這就容易導(dǎo)致構(gòu)件三維模型的生成效率較低。

5、為此，本發(fā)明提供了一種將建筑構(gòu)件的二維圖像轉(zhuǎn)化為三維模型的方法。

技術(shù)實現(xiàn)思路

1、(一)解決的技術(shù)問題

2、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種將建筑構(gòu)件的二維圖像轉(zhuǎn)化為三維模型的方法，通過由模型誤差數(shù)據(jù)集合生成相應(yīng)準(zhǔn)確度，若構(gòu)件三維模型的準(zhǔn)確度不超過預(yù)期，對構(gòu)件三維模型與建筑構(gòu)件進(jìn)行重合分析并獲取重合度，由重合度生成完整系數(shù)，依據(jù)完整系數(shù)在構(gòu)件三維模型內(nèi)篩選出缺陷區(qū)域，關(guān)聯(lián)獲取各個缺陷區(qū)域的優(yōu)化優(yōu)先級，在由建筑構(gòu)件模型優(yōu)化知識圖譜為缺陷區(qū)域給出模型優(yōu)化方案后，依據(jù)優(yōu)化優(yōu)先級對依次各個缺陷區(qū)域進(jìn)行優(yōu)化，在對各個缺陷區(qū)域進(jìn)行優(yōu)化時，優(yōu)化時的針對性更高；從而解決了背景技術(shù)中提出的技術(shù)問題。

3、(二)技術(shù)方案

4、為實現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實現(xiàn)：一種將建筑構(gòu)件的二維圖像轉(zhuǎn)化為三維模型的方法，包括，對源圖像進(jìn)行質(zhì)量分析并獲取質(zhì)量數(shù)據(jù)，由圖像質(zhì)量數(shù)據(jù)生成圖像質(zhì)量系數(shù)yo，依據(jù)圖像質(zhì)量系數(shù)yo在若干個源圖像內(nèi)篩選出低質(zhì)量圖像，為低質(zhì)量圖像匹配出優(yōu)化方案后，執(zhí)行優(yōu)化方案對低質(zhì)量圖像進(jìn)行優(yōu)化；

5、其中，對對比度dt及噪點密度zt做線性歸一化處理，將相應(yīng)的數(shù)據(jù)值映射至區(qū)間[0,1]內(nèi)，依照如下公式生成圖像質(zhì)量系數(shù)yo：

6、

7、權(quán)重系數(shù)，0≤α≤1，0≤β≤1；

8、將優(yōu)化后的源圖像作為目標(biāo)圖像，識別目標(biāo)圖像中的邊緣后，對目標(biāo)圖像中的關(guān)鍵點進(jìn)行提取，并使用半全局匹配算來生成深度圖，將深度圖轉(zhuǎn)換為三維空間中的點云數(shù)據(jù)后，由像素坐標(biāo)和對應(yīng)的深度值獲取三維坐標(biāo)并構(gòu)建出點云；

9、由點云數(shù)據(jù)中生成模型表面，將獲取的模型表面轉(zhuǎn)化為由三角形網(wǎng)格組成的多邊形網(wǎng)格模型，修復(fù)多邊形網(wǎng)格中的孔洞后對多邊形網(wǎng)格的噪聲做平滑處理，并對構(gòu)件初始模型進(jìn)行調(diào)整，獲取建筑構(gòu)件三維模型；

10、將構(gòu)件三維模型尺寸與實際建筑構(gòu)件的尺寸進(jìn)行對比，獲取兩者間誤差數(shù)據(jù)，由模型誤差數(shù)據(jù)集合生成相應(yīng)準(zhǔn)確度eor，若構(gòu)件三維模型的準(zhǔn)確度eor不超過預(yù)期，向外部發(fā)出模型優(yōu)化指令；

11、對構(gòu)件三維模型與建筑構(gòu)件進(jìn)行重合分析并獲取重合度，由重合度生成完整系數(shù)wzs，依據(jù)完整系數(shù)wzs在構(gòu)件三維模型內(nèi)篩選出缺陷區(qū)域，關(guān)聯(lián)獲取各個缺陷區(qū)域的優(yōu)化優(yōu)先級yus，在由建筑構(gòu)件模型優(yōu)化知識圖譜為缺陷區(qū)域給出模型優(yōu)化方案后，依據(jù)優(yōu)化優(yōu)先級對依次各個缺陷區(qū)域進(jìn)行優(yōu)化。

12、進(jìn)一步的，采集與建筑構(gòu)建二維圖紙相關(guān)的源圖像，對源圖像進(jìn)行質(zhì)量分析并獲取質(zhì)量數(shù)據(jù)，匯總后構(gòu)建質(zhì)量數(shù)據(jù)集合；由圖像質(zhì)量數(shù)據(jù)集合構(gòu)建圖像質(zhì)量系數(shù)yo，若獲取的圖像質(zhì)量系數(shù)yo低于預(yù)設(shè)的質(zhì)量閾值，將對應(yīng)的圖像質(zhì)量作為低質(zhì)量圖像；

13、篩選到低質(zhì)量圖像后獲取低質(zhì)量圖像的質(zhì)量數(shù)據(jù)，對質(zhì)量數(shù)據(jù)進(jìn)行特征提取并獲取相應(yīng)的圖像特征；獲取若干個圖像優(yōu)化方案匯總生成圖像優(yōu)化方案庫；獲取優(yōu)化后的源圖像，向外部發(fā)出三維重建指令。

14、進(jìn)一步的，接收到三維重建指令后，獲取優(yōu)化后的源圖像并將其作為目標(biāo)圖像，使用canny邊緣檢測算法檢測目標(biāo)圖像中的強(qiáng)邊緣，并應(yīng)用sobel算子檢測目標(biāo)圖像中的水平和垂直邊緣，在獲取目標(biāo)圖像的邊緣后優(yōu)化邊緣的連續(xù)性，并向外部發(fā)出關(guān)鍵點檢測指令。

15、進(jìn)一步的，接收到關(guān)鍵點檢測指令后，使用harris角點檢測算法檢測目標(biāo)圖像中的角點，以角點作為關(guān)鍵點，使用surf算法計算關(guān)鍵點的描述符；使用bfmatcher算法來識別和匹配左右圖像中的特征點，并使用ransac算法通過迭代選擇一組隨機(jī)子集來估計模型參數(shù)，用于識別和排除異常值；

16、通過在左右圖像中尋找最佳匹配的像素塊來計算視差圖，依據(jù)視差圖采取對應(yīng)處理措施，使用半全局匹配算法來生成深度圖后，再應(yīng)用sgm算法通過在多個方向上進(jìn)行代價聚合。

17、進(jìn)一步的，使用泊松表面重建算法從點云數(shù)據(jù)中生成一個平滑連續(xù)的表面，將其作為模型表面；使用marching?cubes算法從模型表面的體素數(shù)據(jù)中提取出三角形網(wǎng)格，生成由三角形網(wǎng)格組成的網(wǎng)格模型，并將隱式表面轉(zhuǎn)換為顯式的多邊形網(wǎng)格，獲取構(gòu)件初始模型。

18、進(jìn)一步的，通過uv映射到將二維圖像的紋理坐標(biāo)分配給構(gòu)件初始模型的每個頂點，確保紋理貼圖在模型表面上的精確對齊和最小變形；使用網(wǎng)格修復(fù)工具修復(fù)多邊形網(wǎng)格中的孔洞，并通過應(yīng)用taubin平滑算法對多邊形網(wǎng)格的噪聲做平滑處理，依據(jù)實際建筑尺寸對構(gòu)件初始模型進(jìn)行調(diào)整，獲取建筑構(gòu)件三維模型。

19、進(jìn)一步的，獲取重建后的構(gòu)件三維模型后將其作為目標(biāo)模型，在對目標(biāo)模型進(jìn)行尺寸標(biāo)注后分別獲取目標(biāo)模型的標(biāo)注尺寸數(shù)據(jù)和實際構(gòu)件的尺寸數(shù)據(jù)，將標(biāo)注尺寸與實際建筑構(gòu)件的尺寸進(jìn)行對比，獲取兩者間誤差比例數(shù)據(jù)后匯總構(gòu)建模型誤差數(shù)據(jù)集合。

20、進(jìn)一步的，由模型誤差數(shù)據(jù)集合生成相應(yīng)準(zhǔn)確度eor，其中，將誤差比例bv做線性歸一化處理，將對應(yīng)數(shù)據(jù)值映射至區(qū)間[0,1]內(nèi)，依照如下公式：

21、

22、其中，bvi為第i個尺寸標(biāo)注點上的誤差比例，cub為誤差比例的合格目標(biāo)值，σ為若干個誤差比例的標(biāo)準(zhǔn)差；權(quán)重系數(shù)：0≤s1≤1，0≤s2≤1，且s1+s2＝1。

23、進(jìn)一步的，接收到模型優(yōu)化指令后，將目標(biāo)模型分割為若干個子區(qū)域，在子區(qū)域內(nèi)選擇若干個錨點，在錨點臨近區(qū)域內(nèi)的隨機(jī)選擇一個面作為模型面；在實際建筑構(gòu)件的對應(yīng)位置上選擇相應(yīng)的面作為標(biāo)準(zhǔn)面；依據(jù)標(biāo)準(zhǔn)面與模型面間尺寸數(shù)據(jù)，獲取標(biāo)準(zhǔn)面與模型面間的重合度。

24、進(jìn)一步的，由重合度生成完整系數(shù)wzs，其中，在重合度cp處于無量綱條件下時，依照如下方式：

25、

26、權(quán)重系數(shù)：0≤δ≤1，cpi為子區(qū)域內(nèi)第i個標(biāo)準(zhǔn)面與模型面間的重合度，為重合度的合格標(biāo)準(zhǔn)值，n為重合度的個數(shù)；

27、若完整系數(shù)wzs不超過完整閾值，則將對應(yīng)的子區(qū)域作為缺陷區(qū)域，將各個缺陷區(qū)域在構(gòu)件三維模型上標(biāo)記。

28、進(jìn)一步的，在獲取各個缺陷區(qū)域的位置及完整系數(shù)wzs后關(guān)聯(lián)獲取優(yōu)化優(yōu)先級yus，依據(jù)優(yōu)化優(yōu)先級yus對各個缺陷區(qū)域進(jìn)行標(biāo)記，方式如下：

29、

30、其中，n為缺陷區(qū)域的個數(shù)，l(i,j)是第i個缺陷區(qū)域到第j個缺陷區(qū)域的最短距離，la為距離平均值；權(quán)重系數(shù)：0≤ζ≤1；wzsi為第i個缺陷區(qū)域的完整系數(shù)，為相應(yīng)的合格標(biāo)準(zhǔn)值，為完整系數(shù)的方差。

31、進(jìn)一步的，獲取各個缺陷區(qū)域內(nèi)的模型狀態(tài)數(shù)據(jù)，對缺陷區(qū)域內(nèi)的模型狀態(tài)數(shù)據(jù)位置進(jìn)行特征提取，獲取相應(yīng)的模型優(yōu)化特征；以建筑構(gòu)件模型優(yōu)化作為目標(biāo)詞，預(yù)先構(gòu)建建筑構(gòu)件模型優(yōu)化知識圖譜；依據(jù)模型優(yōu)化特征與缺陷區(qū)域內(nèi)的模型優(yōu)化方案。

32、(三)有益效果

33、本發(fā)明提供了一種將建筑構(gòu)件的二維圖像轉(zhuǎn)化為三維模型的方法，具備以下有益效果：

34、1、由圖像質(zhì)量數(shù)據(jù)構(gòu)建圖像質(zhì)量系數(shù)yo，依據(jù)獲取的圖像質(zhì)量系數(shù)yo可以對源圖像的圖像質(zhì)量進(jìn)行判斷，篩選出低質(zhì)量圖像后，可以對低質(zhì)量圖像進(jìn)行優(yōu)化，在構(gòu)建三維模型時能夠提高模型構(gòu)建質(zhì)量。

35、2、通過對其圖像質(zhì)量數(shù)據(jù)進(jìn)行特征提取，獲取相應(yīng)的圖像優(yōu)化特征后，依據(jù)圖像優(yōu)化特征為低質(zhì)量圖像進(jìn)行針對性優(yōu)化，在需要對圖像進(jìn)行優(yōu)化時能夠提高優(yōu)化的效率和優(yōu)化的效果。

36、3、使用半全局匹配算法來生成更平滑和準(zhǔn)確的深度圖，應(yīng)用sgm算法通過在多個方向上進(jìn)行代價聚合，能夠有效地減少視差圖中的噪聲和不連續(xù)性，生成更加一致的深度圖。

37、4、通過精確的表面重建、網(wǎng)格模型的精確提取、紋理映射的精確對齊、網(wǎng)格修復(fù)的完整性、網(wǎng)格平滑的優(yōu)化以及模型尺寸的準(zhǔn)確調(diào)整，共同實現(xiàn)了高質(zhì)量的三維模型構(gòu)建。

38、5、將模型尺寸與實際建筑構(gòu)件的尺寸進(jìn)行對比，獲取兩者間誤差數(shù)據(jù)并由此生成準(zhǔn)確度eor，依據(jù)準(zhǔn)確度eor可以對構(gòu)件三維模型的精度進(jìn)行判斷和評估，若構(gòu)件三維模型當(dāng)前的準(zhǔn)確度eor未能達(dá)到預(yù)期時，可以及時對構(gòu)件三維模型進(jìn)行進(jìn)一步的優(yōu)化，提高模型構(gòu)建效果。

39、6、依據(jù)獲取的完整系數(shù)wzs對各個子區(qū)域與實際構(gòu)件間的一致性進(jìn)行判斷，若一致性未能達(dá)到預(yù)期，在完成判斷后篩選出缺陷區(qū)域，在對目標(biāo)進(jìn)行優(yōu)化時能夠縮小優(yōu)化目標(biāo)，有助于實現(xiàn)針對性地優(yōu)化，提高模型優(yōu)化效率；

40、7、分析獲取對各個缺陷區(qū)域的優(yōu)化優(yōu)先級yus，在對各個缺陷區(qū)域進(jìn)行排序后，通過依次對各個缺陷區(qū)域進(jìn)行優(yōu)化能夠提高優(yōu)化的效率；在選擇出缺陷區(qū)域后，通過在缺陷區(qū)域內(nèi)進(jìn)行各項數(shù)據(jù)采集和特征提取后，由建筑構(gòu)件模型優(yōu)化知識圖譜為缺陷區(qū)域給出對應(yīng)的模型優(yōu)化方案，在對各個缺陷區(qū)域進(jìn)行優(yōu)化時，優(yōu)化時的針對性更高，進(jìn)一步地提高優(yōu)化的效果。