一种基于深度学习的居住单元面积评判方法和装置制造方法及图纸

本申请提供了一种基于深度学习的居住单元面积评判方法和装置，涉及数据处理技术领域。该方法利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；随后利用空间影像学原理获取居住单元图片的灭点；进而基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。可以看到，本申请实施例可以准确、自动便捷地评判估算居住单元面积。判估算居住单元面积。判估算居住单元面积。

【技术实现步骤摘要】
一种基于深度学习的居住单元面积评判方法和装置


[0001]本申请涉及数据处理
，尤其涉及一种基于深度学习的居住单元面积评判方法和装置。

技术介绍

[0002]居住单元面积是居住建筑中卧室、起居室、餐室和壁柜等居住生活用的空间净面积的总和。目前需要通过专家进行人工评判，或者是直接采用一阶段深度学习方法进行端到端面积估算。然而，人工评判往往效率有限，采用一阶段深度学习方法准确度不佳，甚至难以收敛，因而不具备一个可靠地、自动化地基于户型图给出居住单元面积档位(如特大、大、中、小)的方法，亟需解决这一技术问题。

技术实现思路

[0003]鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的基于深度学习的居住单元面积评判方法和装置，可以准确、自动便捷地评判居住单元面积。所述技术方案如下：
[0004]第一方面，提供了一种基于深度学习的居住单元面积评判方法，包括以下步骤：
[0005]利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；
[0006]利用空间影像学原理获取居住单元图片的灭点；
[0007]基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；
[0008]根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。
[0009]在一种可能的实现方式中，以摄像头采集的图像的左下角顶点作为原点，图像的左边框向上为Y轴，图像的下边框向右为X轴建立平面直角坐标系，并且所述坐标系的X轴单位长度为所述图像相邻两个横向像素点之间的距离值，所述坐标系的Y轴单位长度为所述图像相邻两个纵向像素点之间的距离值；
[0010]利用以下公式利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度：
[0011][0012]其中L
a
(i，j)表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的图中长度；(X
a
(i)，Y
a
(i))表示居住单元图片中长度相对固定的第a个结构中的第i个顶点的坐标值；(X
a
(j)，Y
a
(j))表示居住单元图片中长度相对固定的第a个结构中的第j个顶点的坐标值。
[0013]在一种可能的实现方式中，利用以下公式利用空间影像学原理获取居住单元图片的灭点；基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度：
[0014][0015]其中表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的实际图中长度；P表示利用空间影像学原理获取居住单元图片的灭点；argmax(L，∠iPj)表示在居住单元图片中以居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点以及灭点所构成的三角形中灭点处的角度所对的方向上在居住单元图片中得到的最大图中长度值。
[0016]在一种可能的实现方式中，利用以下公式根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算：
[0017][0018]其中S表示估算出的居住单元面积；S0表示居住单元图片中的图中居住面积；n
a
表示居住单元图片中长度相对固定的第a个结构中顶点的个数；D表示居住单元图片中长度相对固定的结构个数。
[0019]第二方面，提供了一种基于深度学习的居住单元面积评判装置，包括：
[0020]第一获取模块，用于利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；
[0021]第二获取模块，用于利用空间影像学原理获取居住单元图片的灭点；
[0022]确定模块，用于基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；
[0023]评判模块，用于根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。
[0024]在一种可能的实现方式中，以摄像头采集的图像的左下角顶点作为原点，图像的左边框向上为Y轴，图像的下边框向右为X轴建立平面直角坐标系，并且所述坐标系的X轴单位长度为所述图像相邻两个横向像素点之间的距离值，所述坐标系的Y轴单位长度为所述图像相邻两个纵向像素点之间的距离值；所述第一获取模块还用于：
[0025]利用以下公式利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度：
[0026][0027]其中L
a
(i，j)表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的图中长度；(X
a
(i)，Y
a
(i))表示居住单元图片中长度相对固定的第a个结构中的第i个顶点的坐标值；(X
a
(j)，Y
a
(j))表示居住单元图片中长度相对固定的第a个结构中的第j个顶点的坐标值。
[0028]在一种可能的实现方式中，所述确定模块还用于：
[0029]利用以下公式利用空间影像学原理获取居住单元图片的灭点；基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度：
[0030][0031]其中表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的实际图中长度；P表示利用空间影像学原理获取居住单元图片的灭点；argmax(L，∠iPj)表示在居住单元图片中以居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点以及灭点所构成的三角形中灭点处的角度所对的方向上在居住单元图片中得到的最大图中长度值。
[0032]在一种可能的实现方式中，所述评判模块还用于：
[0033]利用以下公式根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算：
[0034][0035]其中S表示估算出的居住单元面积；S0表示居住单元图片中的图中居住面积；n
a
表示居住单元图片中长度相对固定的第a个结构中顶点的个数；D表示居住单元图片中长度相对固定的结构个数。
[0036]借由上述技术方案，本申请实施例提供的基于深度学习的居住单元面积评判方法和装置，首先利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；随后利用空间影像学原理获取居住单元图片的灭点；进而基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。可以看到，本申请实施例可以准确、自动便捷地评判估算居住单元面积。
附图说明
[0037]为了更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的居住单元面积评判方法，其特征在于，包括以下步骤：利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度；利用空间影像学原理获取居住单元图片的灭点；基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度；根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算。2.根据权利要求1所述的基于深度学习的居住单元面积评判方法，其特征在于，以摄像头采集的图像的左下角顶点作为原点，图像的左边框向上为Y轴，图像的下边框向右为X轴建立平面直角坐标系，并且所述坐标系的X轴单位长度为所述图像相邻两个横向像素点之间的距离值，所述坐标系的Y轴单位长度为所述图像相邻两个纵向像素点之间的距离值；利用以下公式利用目标检测算法获取居住单元图片中长度相对固定结构的图中长度：其中L
a
(i，j)表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的图中长度；(X
a
(i)，Y
a
(i))表示居住单元图片中长度相对固定的第a个结构中的第i个顶点的坐标值；(X
a
(j)，Y
a
(j))表示居住单元图片中长度相对固定的第a个结构中的第j个顶点的坐标值。3.根据权利要求2所述的基于深度学习的居住单元面积评判方法，其特征在于，利用以下公式利用空间影像学原理获取居住单元图片的灭点；基于居住单元图片中长度相对固定结构的图中长度和居住单元图片的灭点，得到居住单元图片中长度相对固定结构的实际图中长度：其中表示居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点之间的实际图中长度；P表示利用空间影像学原理获取居住单元图片的灭点；argmax(L，∠iPj)表示在居住单元图片中以居住单元图片中长度相对固定的第a个结构中的第i个顶点与第j个顶点以及灭点所构成的三角形中灭点处的角度所对的方向上在居住单元图片中得到的最大图中长度值。4.根据权利要求3所述的基于深度学习的居住单元面积评判方法，其特征在于，利用以下公式根据居住单元图片中长度相对固定结构的实际图中长度以及其对应的现实长度对居住单元面积做出估算：其中S表示估算出的居住单元面积；S0表示居住单元图片中的图中居住面积；n
a
表示居住单元图片中长度相对固定的第a个结构中顶点的个数；D表示居住单元图片中长度相对固定的结构个数。5.一种基于深度学习的居住单元面积评判装置，其特征在于，包括：第一获取模块...

【专利技术属性】
技术研发人员：兰雨晴，唐霆岳，余丹，邢智涣，王丹星，刘一凡，
申请(专利权)人：慧之安信息技术股份有限公司，
类型：发明
国别省市：