技术特征：
1.一种房间结构识别方法，其特征在于，所述方法包括：根据第i面墙的点云确定所述第i面墙是否包括非墙面结构，1≤i≤i，i为墙面总数；若包括所述非墙面结构，则利用所述第i面墙的点云估计所述非墙面结构的估计尺寸；将所述估计尺寸与所述非墙面结构的预测尺寸进行比较，所述预测尺寸是预设的深度学习模型基于房间点云进行预测获得的；若所述估计尺寸和所述预测尺寸之差的绝对值在预定范围内，则根据所述估计尺寸确定所述非墙面结构的类型。2.根据权利要求1所述的房间结构识别方法，其特征在于，所述根据第i面墙的点云确定所述第i面墙是否包括非墙面结构之前，包括：从房间点云中去除屋顶点云和地面点云以获得多个墙面的点云，从所述多个墙面的点云中随机选择预定数目个点云；对所述预定数目个点云进行拟合以确定拟合平面，确定所述房间点云中各个点云到所述拟合平面的距离，并确定距离小于预定距离阈值的点云数目；若所述点云数目小于等于预定的数目阈值，则重新执行所述从所述多个墙面的点云中随机选择预定数目个点云；若所述点云数目大于预定的数目阈值，则利用距离小于预定距离阈值的点云进行拟合以确定第i面墙；从所述多个墙面的点云中去除所述第i面墙的点云，继续从剩余墙面的点云中随机选择预定数目个点云，直至确定第i面墙的点云为止。3.根据权利要求1所述的房间结构识别方法，其特征在于，所述非墙面结构包括门和窗，所述根据第i面墙的点云确定所述第i面墙是否包括非墙面结构，包括：将所述第i面墙的点云沿着所述第i面墙的厚度方向投影至xoz平面或者yoz平面，z轴为墙面高度方向；若投影至yoz平面，则将y坐标值相同的点云的像素值相加以利用不同y坐标对应的像素值之和确定第一直方图，或者，将z坐标值相同的点云的像素值相加以利用不同z坐标对应的像素值之和确定第二直方图；若投影至xoz平面，则将x坐标值相同的点云的像素值相加以利用不同x坐标对应的像素值之和确定第一直方图，或者，将z坐标值相同的点云的像素值相加以利用不同z坐标对应的像素值之和确定第二直方图；利用所述第一直方图或所述第二直方图确定所述第i面墙是否包括门或窗。4.根据权利要求3所述的房间结构识别方法，其特征在于，所述利用所述第一直方图或所述第二直方图确定所述第i面墙是否包括门或窗，包括：依次计算所述第一直方图或所述第二直方图中每两个相邻组对应的像素值之和的差值；将多个差值分别与第一阈值进行比较；若存在大于所述第一阈值的差值，则所述第i面墙包括门或窗；若存在小于等于所述第一阈值的差值，则所述第i面墙不包括门或窗。5.根据权利要求4所述的房间结构识别方法，其特征在于，所述利用所述第i面墙的点云估计所述非墙面结构的估计尺寸，包括：
若在yoz平面获得第一直方图，则将z坐标值相同的点云的像素值相加以利用不同z坐标对应的像素值之和确定第二直方图，若在yoz平面获得第二直方图，则将y坐标值相同的点云的像素值相加以利用不同y坐标对应的像素值之和确定第一直方图；若在xoz平面获得第一直方图，则将z坐标值相同的点云的像素标值相加以利用不同z坐标对应的像素值之和确定第二直方图，若在xoz平面获得第二直方图，则将x坐标值相同的点云的像素值相加以利用不同x坐标对应的像素值之和确定第一直方图；依次计算所述第一直方图和所述第二直方图中每两个相邻组对应的像素之和的差值；利用所述第一直方图中大于第一阈值的差值和小于第二阈值的差值确定所述门或窗的宽度，所述第二阈值等于第一阈值的负数；利用所述第二直方图中大于所述第一阈值的差值和小于所述第二阈值的差值确定所述门或窗的高度。6.根据权利要求4所述的房间结构识别方法，其特征在于，还包括：若所述估计尺寸和所述预测尺寸之差的绝对值不在预定范围内，则确定所述估计尺寸是否大于所述预测尺寸；若所述估计尺寸大于所述预测尺寸，则利用预定调节阈值使所述第一阈值增大，并重新执行所述根据第i面墙的点云确定所述第i面墙是否包括非墙面结构；若所述估计尺寸小于所述预测尺寸，则利用预定调节阈值使所述第一阈值减小，并重新执行所述根据第i面墙的点云确定所述第i面墙是否包括非墙面结构。7.根据权利要求1至6任一项所述的房间结构识别方法，其特征在于，还包括：若不包括所述非墙面结构，则继续根据第i+1面墙的点云确定所述第i+1面墙是否包括非墙面结构，若包括所述非墙面结构，则利用所述第i+1面墙的点云估计所述非墙面结构的估计尺寸。8.一种房间结构识别装置，其特征在于，所述装置包括：判断模块，用于根据第i面墙的点云确定所述第i面墙是否包括非墙面结构，1≤i≤i，i为墙面总数；估计模块，用于若包括所述非墙面结构，则利用所述第i面墙的点云估计所述非墙面结构的估计尺寸；比较模块，用于将所述估计尺寸与所述非墙面结构的预测尺寸进行比较，所述预测尺寸是预设的深度学习模型基于房间点云进行预测获得的；识别模块，用于若所述估计尺寸和所述预测尺寸之差的绝对值在预定范围内，则根据所述估计尺寸确定所述非墙面结构的类型。9.一种终端设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行权利要求1至7任一项所述的房间结构识别方法。10.一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至7任一项所述的房间结构识别方法。
技术总结
本申请公开了一种房间结构识别方法、装置、终端设备和可读存储介质。本申请根据第i面墙的点云确定第i面墙是否包括非墙面结构，1≤i≤I，I为墙面总数；若包括非墙面结构，则利用第i面墙的点云估计非墙面结构的估计尺寸；将估计尺寸与非墙面结构的预测尺寸进行比较，预测尺寸是预设的深度学习模型基于房间点云进行预测获得的；若估计尺寸和预测尺寸之差的绝对值在预定范围内，则根据估计尺寸确定非墙面结构的类型。本申请利用深度学习模型的预测尺寸评估基于墙面点云获得的估计尺寸的准确性，实现对非墙面结构尺寸的准确测量，进而可以根据非墙面结构的准确尺寸对非墙面结构的类型进行识别，提高识别精度。提高识别精度。提高识别精度。
技术研发人员：向良华
受保护的技术使用者：北京千丁互联科技有限公司
技术研发日：2021.08.20
技术公布日：2021/11/17