基于全景图像与场景图匹配的起点标注修正方法技术

本发明专利技术提供基于全景图像与场景图匹配的起点标注修正方法，涉及计算机视觉与建筑信息处理技术领域，所述方法包括：根据实际场景角点集和场景图特征点集，分别生成相同方位组合的三角形集合场景图三角形集与实际场景三角形集；通过计算三角形内角及边长比例的相似度，匹配两集合中相似度最高的三角形对，建立场景图与实际场景的局部障碍物对应关系；根据三角形对所确定的仿射变换参数，将实际场景的物理起点位置映射至场景图坐标系，输出修正后的起点坐标。本发明专利技术可以实现对建筑工地当前层面布局的精准和高效恢复。

【技术实现步骤摘要】

本专利技术涉及计算机视觉与建筑信息处理，特别是指基于全景图像与场景图匹配的起点标注修正方法。

技术介绍

1、早期研究多依赖手工设计的几何特征和先验假设来解析全景图像。例如，panocontext（eccv2014）作为全景场景理解的开创性工作，通过线段检测（lsd）、消失点检测及对齐等技术，从全景图中提取几何线索，为后续布局分析奠定基础。这类方法通常以“曼哈顿世界假设”为核心约束，即假设房间布局及物体沿三个主轴对齐，通过消失点检测、线段方向分析等手段简化布局估计问题。此外，roomnet首次实现了从透视图中恢复房间结构的功能，而panocontext则进一步将全景图裁剪为多个透视图，通过多视角预测融合实现布局估计，体现了早期方法对透视变换与多视图融合的依赖。

2、随着深度学习的发展，研究者开始利用神经网络强大的特征学习能力解决布局与深度预测问题。layoutnet（cvpr2018）结合深度学习与几何知识，通过预处理计算消失点和几何约束，再利用后处理优化网络输出，直接回归3d布局参数，提升了曼哈顿布局的预测精度。dula-net（cvpr201本文档来自技高网...

【技术保护点】

1.基于全景图像与场景图匹配的起点标注修正方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于全景图像与场景图匹配的起点标注修正方法，其特征在于，步骤1，利用深度学习模型处理输入的实际场景全景图像，输出实际物理空间中关键障碍物的角点坐标集合，记为实际场景角点集，包括：

3.根据权利要求2所述的基于全景图像与场景图匹配的起点标注修正方法，其特征在于，步骤2，针对场景图上的初始标注点，通过连通组分分析算法提取其周边多个关键方位的障碍物轮廓特征点，生成场景图特征点集，包括：

4.根据权利要求3所述的基于全景图像与场景图匹配的起点标注修正方法，其特征...

【技术特征摘要】

1.基于全景图像与场景图匹配的起点标注修正方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于全景图像与场景图匹配的起点标注修正方法，其特征在于，步骤1，利用深度学习模型处理输入的实际场景全景图像，输出实际物理空间中关键障碍物的角点坐标集合，记为实际场景角点集，包括：

3.根据权利要求2所述的基于全景图像与场景图匹配的起点标注修正方法，其特征在于，步骤2，针对场景图上的初始标注点，通过连通组分分析算法提取其周边多个关键方位的障碍物轮廓特征点，生成场景图特征点集，包括：

4.根据权利要求3所述的基于全景图像与场景图匹配的起点标注修正方法，其特征在于，步骤3，基于初始标注点的朝向，将场景图局部坐标系，即以初始标注点为原点与实际场景局部坐标系，以物理空间起点为原点进行方位对齐，包括：

5.根据权利要求4所述...

【专利技术属性】
技术研发人员：刘哲强，刘琦，徐彤，梁晨，杨蕊，徐鹏，张傲宇，
申请(专利权)人：兰笺苏州科技有限公司，
类型：发明
国别省市：