【技术实现步骤摘要】
本申请涉及建筑模型生成，尤其涉及一种基于建筑草图轮廓序列的cad矢量模型生成方法以及基于建筑草图轮廓序列的cad矢量模型生成装置。
技术介绍
1、在数字孪生、游戏电影等诸多领域中，都需要大规模城市建筑的高质量建模。随着数据获取技术、计算能力以及三维重建算法的发展，人们可以通过图像或激光扫描序列重建出观测对象的表面三维结构，并通过稠密的点云或三角网格来表达。从离散、稠密的点云和三角网格表示的模型中抽取结构和拓扑信息，并将它们以更紧凑、简洁的形式呈现出来，是三维矢量化建模的核心问题。本质是回归出cad级参数命令组合出的高质量三模型表达。当前针对图像三维重建模型的cad矢量化建模需要大量的手工操作，建模成本巨大且效率很低，难以满足城市级规模场景矢量化建模的需求。
2、因此，希望有一种技术方案来解决或至少减轻现有技术的上述不足。
技术实现思路
1、本专利技术的目的在于提供一种基于建筑草图轮廓序列的cad矢量模型生成方法来至少解决上述的一个技术问题。
2、本专利技术提供了下述方案：
3、根据本专利技术的一个方面，提供一种基于建筑草图轮廓序列的cad矢量模型生成方法，所述基于建筑草图轮廓序列的cad矢量模型生成方法包括：
4、获取单体化建筑图像；
5、对所述单体化建筑图像进行切片处理，从而获取多条轮廓图；
6、获取经过训练的基于transformer算法的模型；
7、分别将每条轮廓图输入至所述基于transfo
8、将各个经过校正的轮廓图通过提升拉伸方法重建模型。
9、可选地，所述获取单体化建筑图像包括：
10、获取倾斜摄影图像信息；
11、根据倾斜摄影图像信息获取单体化建筑图像。
12、可选地，所述分别将每条轮廓图输入至所述基于transformer算法的模型，从而获取每条轮廓图对应的经过校正的轮廓图包括：
13、为每条轮廓图进行如下操作：
14、获取输入至所述基于transformer算法的模型的轮廓图的融合编码特征；
15、将所述融合编码特征输入至编码器中进行特征转换，从而获取转换特征；
16、将转换特征输入至解码器中，从而获取该转换特征所对应的命令类型预测信息和命令参数信息；
17、根据所述命令类型预测信息和命令参数信息生成经过校正的轮廓图。
18、可选地，所述基于transformer算法的模型在进行命令类型预测时，采用如下损失函数：
19、，其中，
20、表示样本i的真实标签、n为总的类别数。
21、可选地，所述基于transformer算法的模型在进行命令参数预测时，采用如下损失函数：
22、，
23、，其中，
24、表示样本i的真实标签、表示模型对于样本i的预测标签、s1和s2表示两组3d点云，表示s1中任意一点x到s2的最小距离之和；表示s2中任意一点y到s1的最小距离之和。
25、可选地，所述获取输入至所述基于transformer算法的模型的轮廓图的融合编码特征包括：
26、对轮廓图进行划分，划分为64个16×16大小的patch, 然后，对每个小的patch 进行特征编码得到第一特征；
27、结合每个patch在图像中的相对空间位置信息，进行编码得到第二特征；
28、将所述第一特征与第二特征进行融合，从而获取融合编码特征。
29、可选地，所述命令类型包括直线类型、曲线类型、圆类型、点类型。
30、本申请还提供了一种基于建筑草图轮廓序列的cad矢量模型生成装置，所述基于建筑草图轮廓序列的cad矢量模型生成装置包括：
31、单体化建筑图像获取模块，所述单体化建筑图像获取模块用于获取单体化建筑图像；
32、轮廓图获取模块，所述轮廓图获取模块用于对所述单体化建筑图像进行切片处理，从而获取多条轮廓图；
33、模型获取模块，所述模型获取模块用于获取经过训练的基于transformer算法的模型；
34、校正的轮廓图获取模块，所述校正的轮廓图获取模块用于分别将每条轮廓图输入至所述基于transformer算法的模型，从而获取每条轮廓图对应的经过校正的轮廓图；
35、模型重建模块，所述模型重建模块用于将各个经过校正的轮廓图通过提升拉伸方法重建模型。
36、本申请还提供了一种电子设备，所述电子设备包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器中存储有计算机程序，当计算机程序被处理器执行时，使得处理器执行如上所述的基于建筑草图轮廓序列的cad矢量模型生成方法的步骤。
37、本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有可由电子设备执行的计算机程序，当计算机程序在电子设备上运行时，能够实现如上所述的基于建筑草图轮廓序列的cad矢量模型生成方法的步骤。
38、本申请的基于建筑草图轮廓序列的cad矢量模型生成方法通过经过训练的基于transformer算法的模型来获取矫正的轮廓图，通过神经网络端到端的执行，大数据驱动方式训练，极大提升了算法的鲁棒性。能生成高质量cad级建筑模型，且可以参数编辑。
本文档来自技高网...【技术保护点】
1.一种基于建筑草图轮廓序列的CAD矢量模型生成方法，其特征在于，所述基于建筑草图轮廓序列的CAD矢量模型生成方法包括：
2.根据权利要求1所述的基于建筑草图轮廓序列的CAD矢量模型生成方法，其特征在于，所述获取单体化建筑图像包括：
3.根据权利要求2所述的基于建筑草图轮廓序列的CAD矢量模型生成方法，其特征在于，所述分别将每条轮廓图输入至所述基于Transformer算法的模型，从而获取每条轮廓图对应的经过校正的轮廓图包括：
4.如权利要求3所述的基于建筑草图轮廓序列的CAD矢量模型生成方法，其特征在于，所述基于Transformer算法的模型在进行命令类型预测时，采用如下损失函数：
5.如权利要求4所述的基于建筑草图轮廓序列的CAD矢量模型生成方法，其特征在于，所述基于Transformer算法的模型在进行命令参数预测时，采用如下损失函数：
6.如权利要求3所述的基于建筑草图轮廓序列的CAD矢量模型生成方法，其特征在于，所述获取输入至所述基于Transformer算法的模型的轮廓图的融合编码特征包括：
7
8.一种基于建筑草图轮廓序列的CAD矢量模型生成装置，其特征在于，所述基于建筑草图轮廓序列的CAD矢量模型生成装置包括：
...【技术特征摘要】
1.一种基于建筑草图轮廓序列的cad矢量模型生成方法，其特征在于，所述基于建筑草图轮廓序列的cad矢量模型生成方法包括：
2.根据权利要求1所述的基于建筑草图轮廓序列的cad矢量模型生成方法，其特征在于，所述获取单体化建筑图像包括：
3.根据权利要求2所述的基于建筑草图轮廓序列的cad矢量模型生成方法，其特征在于，所述分别将每条轮廓图输入至所述基于transformer算法的模型，从而获取每条轮廓图对应的经过校正的轮廓图包括：
4.如权利要求3所述的基于建筑草图轮廓序列的cad矢量模型生成方法，其特征在于，所述基于transformer算法的模型在进行命令类型预测时，采用如下损失函数：<...
【专利技术属性】
技术研发人员：朱旭平，宋彬，何文武，张宇，
申请(专利权)人：北京飞渡科技股份有限公司，
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。