房屋三维重建方法、装置和电子设备制造方法及图纸

本公开实施例公开了房屋三维重建方法、装置和电子设备。该方法的一具体实施方式包括：获取房屋的全景图像；利用全景图像，生成房屋的仰视图和俯视图；基于全景图像、仰视图和俯视图，利用霍夫变换确定房屋的房屋数据；利用房屋数据，对房屋进行三维重建，得到三维房屋布局图。该实施方式可以得到更加准确的三维房间布局图。

【技术实现步骤摘要】
房屋三维重建方法、装置和电子设备
本公开实施例涉及计算机
，具体涉及房屋三维重建方法、装置和电子设备。
技术介绍
目前，VR(VirtualReality，虚拟现实)技术应用在越来越多的找房应用中。VR看房是通过VR虚拟现实技术与3D全景展示技术让用户在线全方位了解房屋的户型和细节。VR看房在房地产行业的普遍应用，使得客户可以足不出户看遍想看的房源，节省了客户的时间成本，让整个购房流程变得方便、快捷。
技术实现思路
提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开实施例提供了一种房屋三维重建方法、装置和电子设备，从而得到更加准确的三维房间布局图。第一方面，本公开实施例提供了一种房屋三维重建方法，该方法包括：获取房屋的全景图像，其中，全景图像的成像平面与房屋的地面垂直，全景图像的成像平面与房屋的至少一面墙壁平行；利用全景图像，生成房屋的仰视图和俯视图；基于全景图像、仰视图和俯视图，利用霍夫变换确定所述房屋的房屋数据；利用房屋数据，对房屋进行三维重建，得到三维房屋布局图。第二方面，本公开实施例提供了一种房屋三维重建装置，包括：第一获取单元，用于获取房屋的全景图像，其中，全景图像的成像平面与房屋的地面垂直，全景图像的成像平面与房屋的至少一面墙壁平行；生成单元，用于利用全景图像，生成房屋的仰视图和俯视图；确定单元，用于基于全景图像、仰视图和俯视图，利用霍夫变换确定所述房屋的房屋数据；三维重建单元，用于利用房屋数据，对房屋进行三维重建，得到三维房屋布局图。第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的房屋三维重建方法。第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的房屋三维重建方法的步骤。本公开实施例提供的房屋三维重建方法、装置和电子设备，通过首先获取房屋的全景图像；之后，利用上述全景图像，生成上述房屋的仰视图和俯视图；而后，基于上述全景图像、上述仰视图和上述俯视图，利用霍夫变换确定上述房屋的房屋数据；最后，利用上述房屋数据，对上述房屋进行三维重建，得到三维房屋布局图。通过这种方式可以利用霍夫变换更好地捕捉墙壁的线段信息在全局中的位置，从而得到更加准确的三维房间布局图。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。图1是本公开的各个实施例可以应用于其中的示例性系统架构图；图2是根据本公开的房屋三维重建方法的一个实施例的流程图；图3是根据本公开的房屋三维重建方法的又一个实施例的流程图；图4是根据本公开的房屋三维重建方法的一个应用场景的示意图；图5是根据本公开的房屋三维重建方法中确定房屋的房屋数据的一个实施例的流程图；图6是根据本公开的房屋三维重建方法中确定房屋的房屋数据的一个应用场景的示意图；图7是根据本公开的房屋三维重建方法的再一个实施例的流程图；图8是根据本公开的房屋三维重建装置的一个实施例的结构示意图；图9是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。图1示出了可以应用本公开的房屋三维重建方法的实施例的示例性系统架构100。如图1所示，系统架构100可以包括摄像头101，网络1021、1022、1023，终端设备103和服务器104。网络1021用以在摄像头101和终端设备103之间提供通信链路的介质。网络1022用以在摄像头101和服务器104之间提供通信链路的介质。网络1023用以在终端设备103和服务器104之间提供通信链路的介质。网络1021、1022、1023可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。摄像头101又称为电脑相机、电脑眼、电子眼等，是一种视频输入设备，被广泛地应用于视频会议、实时监控等各个方面。在这里，摄像头101也可以为无人机的摄像头。终端设备103可以通过网络1021与摄像头101交互，以发送或接收消息等，例如，终端设备103可以从摄像头101中获取房屋的全景图像。终端设备103可以通过网络1023与服务器104交互，以发送或接收消息等，例如，服务器104可以从终端设备103中获取房屋的全景图像，终端设备103可以从服务器104中获取预先训练的房屋数据预测模型。终端设备103上可以安装有各种通讯客户端应用，例如找房类应用、制图类应用、即时通讯软件等。终端设备103可以从摄像头101中获取房屋的全景图像；之后，可以利用上述全景图像，生成上述房屋的仰视图和俯视图；而后，可以基于上述全景图像、上述仰视图和上述俯视图，利用霍夫变换确定上述房屋的房屋数据；最后，可以利用上述房屋数据，对上述房屋进行三维重建，得到三维房屋布局图。终端设备103可以是硬件，也可以是软件。当终端设备103为硬件时，可以是具有摄像头并且支持信息交互的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机等。当终端设备103为软件时，可以安装在上述所列举的电子设备中本文档来自技高网...

【技术保护点】
1.一种房屋三维重建方法，其特征在于，包括：/n获取房屋的全景图像，其中，所述全景图像的成像平面与所述房屋的地面垂直，所述全景图像的成像平面与所述房屋的至少一面墙壁平行；/n利用所述全景图像，生成所述房屋的仰视图和俯视图；/n基于所述全景图像、所述仰视图和所述俯视图，利用霍夫变换确定所述房屋的房屋数据；/n利用所述房屋数据，对所述房屋进行三维重建，得到三维房屋布局图。/n

【技术特征摘要】
1.一种房屋三维重建方法，其特征在于，包括：
获取房屋的全景图像，其中，所述全景图像的成像平面与所述房屋的地面垂直，所述全景图像的成像平面与所述房屋的至少一面墙壁平行；
利用所述全景图像，生成所述房屋的仰视图和俯视图；
基于所述全景图像、所述仰视图和所述俯视图，利用霍夫变换确定所述房屋的房屋数据；
利用所述房屋数据，对所述房屋进行三维重建，得到三维房屋布局图。


2.根据权利要求1所述的方法，其特征在于，所述基于所述全景图像、所述仰视图和所述俯视图，利用霍夫变换确定所述房屋的房屋数据，包括：
将所述全景图像、所述仰视图和所述俯视图输入预先训练的房屋数据预测模型中，得到所述房屋的房屋数据，其中，所述房屋数据预测模型是基于霍夫变换建立的且限制在曼哈顿假设下，所述房屋数据包括：房屋高度、所述全景图像中各条线为相邻墙壁之间的交线所在位置的概率、所述仰视图中各条线为墙壁所在位置的概率和所述俯视图中各条线为墙壁所在位置的概率。


3.根据权利要求2所述的方法，其特征在于，所述房屋数据预测模型包括特征提取层、墙壁交线预测层、房屋高度预测层和墙壁位置预测层，其中，所述墙壁位置预测层是基于霍夫变换建立的且限制在曼哈顿假设下；以及
所述将所述全景图像、所述仰视图和所述俯视图输入预先训练的房屋数据预测模型中，得到所述房屋的房屋数据，包括：
将所述全景图像、所述仰视图和所述俯视图输入所述特征提取层，得到所述全景图像的图像特征、所述仰视图的图像特征和所述俯视图的图像特征；
将所述全景图像的图像特征输入所述墙壁交线预测层，得到所述全景图像中各条线为相邻墙壁之间的交线所在位置的概率；
将所述全景图像的图像特征输入所述房屋高度预测层，得到所述房屋的房屋高度；
将所述仰视图的图像特征和所述俯视图的图像特征输入所述墙壁位置预测层，得到所述仰视图中各条线为墙壁所在位置的概率和所述俯视图中各条线为墙壁所在位置的概率。


4.根据权利要求1所述的方法，其特征在于，所述利用所述房屋数据，对所述房屋进行三维重建，得到三维房屋布局图，包括：
利用所述房屋高度、所述全景图像中各条线为相邻墙壁之间的交线所在位置的概率、所述仰视图中各条线为墙壁所在位置的概率和所述俯视图中各条线为墙壁所在位置的概率，确定在所述全景图像、所述仰视图和所述俯视图中墙角的初始估计位置，其中，所述墙角为相邻墙壁之间的交线与天花板或地面之间的交点；
利用最优化算法，对墙角的初始估计位置进行调整，使得墙角所在位置的总概率最大；
利用调整后的墙角所在位置，对所述房屋进行三维重建，得到三维房屋布局图。


5.根据权利要求1-4之一所述的方法，其特征在于，在所述获取房屋的全景图像之前，所述方法包括：
获取房屋的初始全景图像；
确定所述初始全景图像的成像平面与所述房屋的地面是否垂直，以及确定所述初始全景图像的成像平面与所述房屋的至少一面墙壁是否平行；
若所述初始全景图像的成像平面与所述房屋的地面不垂直或者所述初始全景图像的成像平面与所述房屋的至少一面墙壁不平行，则对所述初始全景图像进行调整，以使所述初始全景图像的成像平面与所述房屋的地面垂直且与所述房屋的至少一面墙壁平行；
将调整后的初始全景图像确定为所述房屋的全景图像。


6.根据权利要求1-4之一所述的方法，其特征在于，在所述获取房屋的全景图像之前，所述方法包括：
获取房屋的初始全景图像；
确定所述初始全景图像的成像平面与所述房屋的地面是否垂直，以及确定所述初始全景图像的成像平面与所述房屋的至少一面墙壁是否平行；
若所述初始全景图像的成像平面与所述房屋的地面垂直且所述初始全景图像的成像平面与所述房屋的至少一面墙壁平行，则将所述初始全景图像确定为所述房屋的全景图像。


7.根据权利要求2或3所述的方法，其特征在于，所述房屋数据预测模型是通过如下方式训练得到的：
获取训练样本集合，其中，训练样本包括样本全景图像和用于表征样本全景图像中房屋的边界线的标注信息，房屋的边界线包括墙壁与天花板的交线、墙壁与地面的交线和相邻墙壁之间的交线；
将所述训练样本集合中的训练样本中的样本全景图像和标注信息分别作为初始模型的输入和期望输出，利用机器学习方法训练所述初始模型；
将训练得到的初始模型确定为所述房屋数据预测模型。


8.一种房屋三维重建装置，其特征在于，包括：
第一获取单元，用于获取房屋的全景图像，其中，所述全景图像的成像平面与所述房屋的地面垂直，所述全景图像的成像平面与所述房屋的至少一面墙壁平行；
生成单元，用于利用所述全景图像，生成所述房屋的仰视图和俯视图；
确定单元，用于基于所述...

【专利技术属性】
技术研发人员：闻超，薛舟，沈冠雄，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：北京;11