一种平面图生成方法、装置以及计算机可读存储介质与流程

1.本技术涉及图像处理技术领域，特别是涉及一种平面图生成方法、装置以及计算机可读存储介质。


背景技术：

2.平面图或cad(computer aided design，计算机辅助设计)图是ar(augmented reality，增强显示)导航、规划设计领域的一个基本元素。比如在ar导航中需要借助cad图进行路径规划，在规划设计中需要对升级改造的场景有一个整体的把控等，这些都需要在平面图或cad图上进行操作或展现。
3.近几年，开始有一些研究将人的轨迹投射到平面图上，分析人的行为，实现城市人群智能监控和管理。然而，目前对于平面图或cad图生成往往需要消耗大量人力，制作成本较高，制作周期较长，且无法动态更新，导致制图效率受限。


技术实现要素：

4.本技术提供一种平面图生成方法、装置以及计算机可读存储介质。
5.为解决上述技术问题，本技术提供的第一个技术方案为：提供一种平面图生成方法，所述平面图生成方法包括：
6.获取多帧不同视角的图像；
7.基于所述多帧不同视角的图像生成稠密语义点云模型，所述稠密语义点云模型包括：语义标签表示为地面的第一点云，以及第二点云；
8.基于所述稠密语义点云模型中第一点云生成若干候选平面，作为楼层平面；
9.将所述稠密语义点云模型中第二点云的数据点分别按照与所述若干候选平面的距离关系划分到各个楼层平面对应的楼层；
10.基于所述楼层平面，以及对应楼层中的数据点生成平面投影图。
11.通过上述方式，平面图生成装置自动采集不同视角的图像，按照不同视角的图像建立稠密语义点云模型，并按照稠密语义点云模型划分出不同楼层的数据点，以生成不同楼层的平面投影图。整个过程无需人工参与，能够自动检测场景中存在的多楼层结构，并自动生成每一楼层的平面投影图，极大地提升了制图效率。
12.其中，所述基于所述多帧不同视角的图像生成稠密语义点云模型，包括：
13.基于所述多帧不同视角的图像以及所述图像的语义标签生成稠密语义点云模型。
14.通过上述方式，利用图像的语义标签生成点云模型中数据点的语义，能够避免对点云模型进行语义分割，提高平面图生成方法的效率。
15.其中，所述基于所述多帧不同视角的图像以及所述图像的语义标签生成稠密语义点云模型，包括：
16.基于所述多帧不同视角的图像生成稠密点云模型，所述多帧不同视角的图像的每个像素点均带有语义标签；
17.根据所述稠密点云模型中的数据点在所述多帧不同视角的图像中的像素点的语义标签，得到该数据点的语义标签；
18.基于所述稠密点云模型以及其中所有数据点的语义标签，生成所述稠密语义点云模型。
19.通过上述方式，根据不同视角图像的像素点的语义标签综合评价稠密语义点云模型中数据点的语义标签，能够提高数据点语义标签的准确性，提高制图精度。
20.其中，所述根据所述稠密点云模型中的数据点在所述多帧不同视角的图像中的像素点的语义标签，得到该数据点的语义标签，包括：
21.从所述多帧不同视角的图像中，选择所述稠密点云模型中的顶点的可见性图像；
22.将所述稠密点云模型中的顶点投影至所述可见性图像上，获取投影到所述可见性图像上对应所述顶点的所有像素点的语义标签；
23.按照语义类别在所述所有像素点的语义标签中出现次数最多的语义标签，确认所述顶点对应在稠密点云模型中的语义标签。
24.通过上述方式，以稠密点云模型的顶点确定作为基准的可见性图像，从而保证大部分视角的图像在可见性图像上的投影尽可能清晰，减少遮挡的情况，提高语义标签的准确性。
25.其中，所述基于所述稠密语义点云模型中第一点云生成若干候选平面，包括：
26.基于所述稠密语义点云模型中第一点云的数据点连接成若干面元；
27.选取其中一个面元作为种子面元；
28.判断所述种子面元邻域的其他面元中是否存在满足第一预设条件的面元；
29.若是，将满足第一预设条件的面元作为与所述种子面元相关联的第一面元；
30.利用所述种子面元，以及与所述种子面元相关联的第一面元拟合所述候选平面。
31.通过上述方式，通过种子面元采用区域生长的方法，遍历种子面元邻域中相关联的所有面元，从而拟合为候选平面，保证尽可能多相近的面元拟合到同一候选平面，提高候选平面的生成效率。
32.其中，所述利用所述种子面元以及与所述种子面元相关联的第一面元拟合所述候选平面，包括：
33.判断所述第一面元邻域的其他面元中是否存在满足所述第一预设条件；
34.若是，将所述第一面元邻域的其他面元中满足所述第一预设条件的面元作为与所述种子面元相关联的第二面元；
35.利用所述种子面元，以及与所述种子面元相关联的第一面元、第二面元拟合所述候选平面。
36.通过上述方式，利用与种子面元已经相关联的第一面元进一步搜索其他可以与种子面元相关联的第二面元，从而拓宽拟合候选平面的面元。
37.其中，所述第一预设条件为互为邻域的两个面元，一个面元所在平面与另一个面元所在平面之间的法向量夹角小于等于第一预设角度阈值，且两个面元所在平面的平面距离小于第一预设距离阈值。
38.其中，所述利用所述种子面元，以及与所述种子面元相关联的第一面元、第二面元拟合所述候选平面，包括：
39.将所述种子面元所在平面设置为初始平面；
40.基于与所述种子面元相关联的第一面元对所述初始平面进行更新；
41.基于与所述种子面元相关联的第二面元以及更新后的初始平面拟合所述候选平面。
42.通过上述方式，提供一种具体的邻域相关联面元的筛选方法，通过法向量角度差以及平面距离两种判断条件同时执行，提高邻域相关联面元的筛选准确度。
43.其中，所述将所述稠密语义点云模型中第二点云的数据点分别按照与所述若干候选平面的距离关系划分到各个楼层平面对应的楼层，包括：
44.计算所述第二点云的数据点与各个楼层平面的绝对值距离；
45.将所述第二点云的数据点划分到绝对值距离最小的楼层平面对应的楼层。
46.通过上述方式，通过绝对值距离判断，将所有语义标签不为地面的数据点划分为最近的楼层，提高平面投影图的丰富度。
47.其中，所述基于所述稠密语义点云模型中第一点云生成若干候选平面之后，所述平面图生成方法还包括：
48.判断任意两个候选平面之间是否满足第二预设条件；
49.若是，则将所述两个候选平面进行融合；
50.其中，所述第二预设条件为两个候选平面的法向量的角度差小于第二预设角度阈值，且所述两个候选平面的距离小于第二预设距离阈值。
51.通过上述方式，通过将候选平面进行融合，减少由于点云位置误差和语义误差的存在，导致对楼层分类的错误判断。
52.其中，所述基于所述稠密语义点云模型中第一点云生成若干候选平面之后，所述平面图生成方法还包括：
53.获取每一候选平面中数据点的数量，以及获取所有候选平面中数据点的最大数量；
54.计算每一候选平面中数据点的数量与所述最大数量的比值；
55.将所述比值小于预设比值对应的候选平面剔除。
56.通过上述方式，通过剔除平面内数据点过少的候选平面，从而排除掉根据经验被认定为有可能出错的平面，提高楼层平面的准确性。
57.其中，所述基于所述楼层平面，以及对应楼层中的数据点生成平面投影图，包括：
58.以所述楼层平面的法向量作为第一坐标轴；
59.在所述楼层平面内选择一个向量作为第二坐标轴；
60.基于所述第一坐标轴和所述第二坐标轴确定第三坐标轴，以所述第一坐标轴、第二坐标轴以及第三坐标轴构建楼层平面坐标系；
61.将所述楼层平面对应楼层中的数据点投影至所述楼层平面坐标系中第二坐标轴和第三坐标轴所在平面，得到所述楼层的平面投影图。
62.通过上述方式，将划分为相关楼层的数据点的投影加入到平面投影图内，丰富平面投影图的内容。
63.为解决上述技术问题，本技术提供的第二个技术方案为：提供一种平面图生成装置，所述平面图生成装置包括图像获取模块，模型生成模块，楼层生成模块以及平面图生成
模块；其中，
64.所述图像获取模块，用于获取多帧不同视角的图像；
65.所述模型生成模块，用于基于所述多帧不同视角的图像生成稠密语义点云模型，所述稠密语义点云模型包括：语义标签表示为地面的第一点云，以及第二点云；
66.所述楼层生成模块，用于基于所述稠密语义点云模型中第一点云生成若干候选平面，作为楼层平面；
67.所述楼层生成模块，还用于将所述稠密语义点云模型中第二点云的数据点分别按照与所述若干候选平面的距离关系划分到各个楼层平面对应的楼层；
68.所述平面图生成模块，用于基于所述楼层平面，以及对应楼层中的数据点生成平面投影图。
69.为解决上述技术问题，本技术提供的第三个技术方案为：提供一种平面图生成装置，所述平面图生成装置包括处理器、与所述处理器连接的存储器，其中，所述存储器存储有程序指令；所述处理器用于执行所述存储器存储的程序指令以实现上述平面图生成方法。
70.为解决上述技术问题，本技术提供的第四个技术方案为：提供一种计算机可读存储介质，所述存储介质存储有程序指令，所述程序指令被执行时实现上述平面图生成方法。
71.本技术提供的平面图生成方法中，平面图生成装置获取多帧不同视角的图像；基于多帧不同视角的图像生成稠密语义点云模型，所述稠密语义点云模型包括：语义标签表示为地面的第一点云，以及第二点云；基于所述稠密语义点云模型中第一点云生成若干候选平面，作为楼层平面；将所述稠密语义点云模型中第二点云的数据点分别按照与所述若干候选平面的距离关系划分到各个楼层平面对应的楼层；基于所述楼层平面，以及对应楼层中的数据点生成平面投影图。本技术通过该平面图生成方法自动检测场景中存在的多楼层结构，并自动生成每一楼层的平面投影图，极大地提升了制图效率。
附图说明
72.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
73.图1是本技术提供的平面图生成方法一实施例的流程示意图；
74.图2是本技术提供的平面图生成方法另一实施例的流程示意图；
75.图3是本技术提供的平面投影图一实施例的示意图；
76.图4是本技术提供的平面图生成装置一实施例的结构示意图；
77.图5是本技术提供的平面图生成装置另一实施例的结构示意图；
78.图6是本技术提供的计算机可读存储介质的结构示意图。
具体实施方式
79.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是全部的实施例。基于
本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
80.下面结合附图和实施例对本技术进行详细的说明。
81.请参见图1，图1是本技术提供的平面图生成方法一实施例的流程示意图。其中，本技术实施例所述的平面图生成方法应用于一种平面图生成装置，其中，本技术的平面图生成装置可以为服务器，也可以为由服务器和终端设备相互配合的系统。相应地，平面图生成装置包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以分别设置于服务器和终端设备中。
82.进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。在一些可能的实现方式中，本技术实施例的平面图生成方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
83.如图1所示，本技术实施例的平面图生成方法的具体步骤如下：
84.步骤s11：获取多帧不同视角的图像。
85.在本技术实施例中，平面图生成装置通过图像采集装置，如摄像头、视频监控器等采集目标建筑不同方位、不同视角的图像。
86.步骤s12：基于多帧不同视角的图像生成稠密语义点云模型，稠密语义点云模型包括：语义标签表示为地面的第一点云，以及第二点云。
87.在本技术实施例中，平面图生成装置可以通过mvs(multi view system)算法生成稠密点云模型，然后，再根据不同视角的图像的语义信息综合评价稠密点云模型中每个数据点的语义标签。其中，mvs算法的整体流程如下：数据采集—稀疏重建—深度图估计—稠密重建。
88.具体地，本技术基于多帧不同视角的图像生成稠密语义点云模型的具体过程请参阅图2，图2是本技术提供的平面图生成方法另一实施例的流程示意图。
89.如图2所示，本技术实施例的平面图生成方法的具体步骤如下：
90.步骤s21：基于多帧不同视角的图像生成稠密点云模型，多帧不同视角的图像的每个像素点均带有语义标签。
91.在本技术实施例中，平面图生成装置获取每一帧图像的像素点语义，其中，图像的像素点语义可以由任意一种语义深度学习模型识别并生成，在此不再赘述。
92.步骤s22：根据稠密点云模型中的数据点在多帧不同视角的图像中的像素点的语义标签，得到该数据点的语义标签。
93.在本技术实施例中，平面图生成装置可以采用投票法的方式获取稠密点云模型中每一个数据点的语义标签。其中，稠密点云模型中的每一个数据点在不同视角的图像中均能够搜索到相对应的像素点，因此，平面图生成装置可以借助不同视角图像中像素点的语义信息生成稠密点云模型中数据点的语义标签。
94.例如，平面图生成装置可以统计数据点对应不同视角图像中的语义类型，然后将在不同视角图像中出现次数最多的语义类型作为该数据点的语义标签。
95.为了进一步提高语义标签的准确性，平面图生成装置还可以借助可见性图像作为
投影基准的方式来不同视角图像进行投影，从而根据投影结果执行投票法。
96.具体地，平面图生成装置从多帧不同视角的图像中，选择稠密点云模型顶点的可见性图像。其中，可见性图像的可见性可以由多视图立体几何过程中获取，即在生成稠密点云模型过程中，选择合适视角的图像作为可见性图像，可见性图像到稠密点云模型顶点的投影过程中无遮挡。
97.平面图生成装置对稠密点云模型中的任意一个数据点x，根据投影参数，如投影矩阵投影至可见性图像上，以及将其他视角的图像按照相同的投影参数投影至可见性图像上。平面图生成装置统计数据点在可见性图像上的投影点的像素点语义，取得票数最多的像素点语义作为该数据点的语义标签。其中，投票法在此过程中的公式体现如下：
[0098][0099]
其中，n为图像数量；vi为图像的可见性，若图像可见则为1，图像不可见则为0；pi表示第i帧图像的投影矩阵；l(x)表示取标签值操作；γ表示标签一致性阈值，在本技术实施例的具体数值可以设置为0.2，其中，γ越大，数据点的语义标签越准确，但若最高语义标签的得票比例也无法满足标签一致性阈值，则也会造成部分数据点的语义标签丢失。
[0100]
步骤s23：基于稠密点云模型以及其中所有数据点的语义标签，生成稠密语义点云模型。
[0101]
在本技术实施例中，平面图生成装置获取稠密点云模型中所有数据点的语义标签后，即可结合稠密点云模型以及语义标签生成稠密语义点云模型。
[0102]
步骤s13：基于稠密语义点云模型中第一点云生成若干候选平面，作为楼层平面。
[0103]
在本技术实施例中，平面图生成装置从稠密语义点云模型中获取所有语义标签为地面的数据点，即第一点云进行平面拟合，得到最终的候选平面。
[0104]
具体地，平面图生成装置取出所有地面点，基于相邻的地面点构建面元，然后采用区域生长的方法检测并拟合出多个候选平面。平面图生成装置随机选取一个种子面元，创建包含种子面元的队列，根据种子面元的重心和法向量初始化平面方程。然后，平面图生成装置取出队列中的首个元素如种子面元，遍历其一环邻域，即搜索直接相邻的其他面元中是否存在满足第一预设条件的面元。其中，第一预设条件可以体现为以下公式：
[0105][0106]
其中，为种子面元的法向量，cf为种子面元的重心坐标；为邻域面元的法向量，c
t
为邻域面元的重心坐标；θ1为偏离角度阈值，本技术实施例中设置为10
°
，δ1为距离阈值。
[0107]
平面图生成装置将满足上述公式(2)的邻域面元放入队列队尾，同时更新平面方程。平面方程的更新方式体现为以下公式：
[0108][0109]
其中，为更新前关联面元所在平面的法向量，为更新后关联面元所在平面的法向量，c
t-1
为更新前所有关联面元的重心坐标，c
t
为更新后所有关联面元的重心坐标。
[0110]
然后，平面图生成装置从队列中取出邻域面元作为新的种子面元，按照上述过程搜索其他相关联的面元，直至队列中所有的面元均不存在满足上述公式(2)的邻域面元。此时，平面图生成装置即可通过队列中的所有面元以及最新的平面方程拟合中一个候选平面。
[0111]
平面图生成装置遍历稠密语义点云模型中的所有数据点，重复执行以上搜索相关联邻域面元的过程，直至遍历完整个稠密语义点云模型，得到若干候选平面。
[0112]
由于点云位置误差和语义误差的存在，上述过程获取的多个候选平面不可避免存在错误或者冗余。因此，平面图生成装置还可以将多个平行且空间距离很近的候选平面合并为一个候选平面，以及剔除候选平面内点数过少的平面，从而生成最终的多个楼层平面。
[0113]
其中，判断两个候选平面需要合并的标准体现为以下公式：
[0114][0115]
其中，和分别为待合并的候选平面的平面参数，θ2为偏离角度阈值，本技术实施例中设置为2
°
，δ为一个极小的距离误差阈值。
[0116]
进一步，完成所有候选平面的合并后，候选平面集合中还可能存在部分候选平面的数据点过少，这部分候选平面根据经验被认定为有可能出错的平面。因此，平面图生成装置也需要将该部分候选平面从候选平面集合中剔除。
[0117]
其中，判断候选平面需要剔除的标准体现为以下公式：
[0118][0119]
其中，k为候选平面集合中的平面数量，c
inlier
(lj)表示第j个候选平面的数据点数量，α为剔除比例阈值。
[0120]
步骤s14：将稠密语义点云模型中第二点云的数据点分别按照与若干候选平面的距离关系划分到各个楼层平面对应的楼层。
[0121]
在本技术实施例中，平面图生成装置完成所有候选平面的检测后，需要对所有非地面点，即语义标签不为地面的数据点进行分类以区分楼层。具体地，已知位于楼层平面，即候选平面上方空间和下方空间的两个数据点，到该候选平面的距离符号正好相反，因此，可以被用来进行点云的楼层划分。
[0122]
具体地，平面图生成装置可以计算非地面点到所有楼层平面的绝对值距离，绝对值距离最小的平面即为该非地面点对应的楼层平面。最后，平面图生成装置根据筛选出来的楼层地面点，以及楼层非地面点重新估计地面参数，保证获取的地面参数更加准确。
[0123]
步骤s15：基于楼层平面，以及对应楼层中的数据点生成平面投影图。
[0124]
在本技术实施例中，平面图生成装置需要基于楼层平面，将所有数据点转换到对应的楼层平面坐标系中，然后按照正交投影方式自远而近进行投影，生成最终的平面投影图，如图3所示。
[0125]
其中，楼层平面坐标系的建立以及数据点的投影具体可由以下步骤实现：
[0126]
(1)以楼层平面的法向量作为第一坐标轴。
[0127]
(2)在楼层平面内选择一个向量作为第二坐标轴。
[0128]
(3)基于第一坐标轴和第二坐标轴确定第三坐标轴，以第一坐标轴、第二坐标轴以及第三坐标轴构建楼层平面坐标系。
[0129]
(4)将楼层平面对应楼层中的数据点投影至楼层平面坐标系中第二坐标轴和第三坐标轴所在平面，得到楼层的平面投影图。
[0130]
在本技术实施例中，平面图生成装置获取多帧不同视角的图像；基于多帧不同视角的图像生成稠密语义点云模型；基于稠密语义点云模型中语义标签为地面的数据点生成若干候选平面，作为楼层平面；将稠密语义点云模型中除语义标签为地面的数据点外的数据点按照划分到各个楼层平面对应的楼层；基于楼层平面，以及对应楼层中的数据点生成平面投影图。本技术通过该平面图生成方法自动检测场景中存在的多楼层结构，并自动生成每一楼层的平面投影图，极大地提升了制图效率；该平面图生成方法能够提供精确的场景平面草图，无需繁琐的现场测量，为精准的cad制作提供基础，在某些情况下甚至可以完全取代传统的cad图。
[0131]
以上实施例，仅是对本技术的其中一种常见案例而已，并非对本技术的技术范围做任何限制，故凡是依据本技术方案的实质对以上内容所做的任何细微修改、等同变化或者修饰，均仍属于本技术技术方案的范围内。
[0132]
请继续参见图4，图4是本技术提供的平面图生成装置一实施例的结构示意图。如图4所示，平面图生成装置40包括图像获取模块41，模型生成模块42，楼层生成模块43以及平面图生成模块44。
[0133]
其中，图像获取模块41，用于获取多帧不同视角的图像。
[0134]
模型生成模块42，用于基于所述多帧不同视角的图像生成稠密语义点云模型，所述稠密语义点云模型包括：语义标签表示为地面的第一点云，以及第二点云。
[0135]
楼层生成模块43，用于基于所述稠密语义点云模型中第一点云生成若干候选平面，作为楼层平面。
[0136]
楼层生成模块44，还用于将所述稠密语义点云模型中第二点云的数据点分别按照与所述若干候选平面的距离关系划分到各个楼层平面对应的楼层。
[0137]
平面图生成模块45，用于基于楼层平面，以及对应楼层中的数据点生成平面投影图。
[0138]
模型生成模块42，用于基于所述多帧不同视角的图像以及所述图像的语义标签生成稠密语义点云模型。
[0139]
模型生成模块42，用于基于所述多帧不同视角的图像生成稠密点云模型，所述多帧不同视角的图像的每个像素点均带有语义标签；根据所述稠密点云模型中的数据点在所述多帧不同视角的图像中的像素点的语义标签，得到该数据点的语义标签；基于所述稠密点云模型以及其中所有数据点的语义标签，生成所述稠密语义点云模型。
[0140]
模型生成模块42，用于从所述多帧不同视角的图像中，选择所述稠密点云模型中的顶点的可见性图像；将所述稠密点云模型中的顶点投影至所述可见性图像上，获取投影到所述可见性图像上对应所述顶点的所有像素点的语义标签；按照语义类别在所述所有像素点的语义标签中出现次数最多的语义标签，确认所述顶点对应在稠密点云模型中的语义标签。
[0141]
楼层生成模块43，用于基于所述稠密语义点云模型中第一点云的数据点连接成若
干面元；选取其中一个面元作为种子面元；判断所述种子面元邻域的其他面元中是否存在满足第一预设条件的面元；若是，将满足第一预设条件的面元作为与所述种子面元相关联的第一面元；利用所述种子面元，以及与所述种子面元相关联的第一面元拟合所述候选平面。
[0142]
楼层生成模块43，用于判断所述第一面元邻域的其他面元中是否存在满足所述第一预设条件；若是，将所述第一面元邻域的其他面元中满足所述第一预设条件的面元作为与所述种子面元相关联的第二面元；利用所述种子面元，以及与所述种子面元相关联的第一面元、第二面元拟合所述候选平面。
[0143]
所述第一预设条件为互为邻域的两个面元，一个面元所在平面与另一个面元所在平面之间的法向量夹角小于等于第一预设角度阈值，且两个面元所在平面的平面距离小于第一预设距离阈值。
[0144]
楼层生成模块43，用于将所述种子面元所在平面设置为初始平面；基于与所述种子面元相关联的第一面元对所述初始平面进行更新；基于与所述种子面元相关联的第二面元以及更新后的初始平面拟合所述候选平面。
[0145]
楼层生成模块43，用于计算所述第二点云的数据点与各个楼层平面的绝对值距离；将所述第二点云的数据点划分到绝对值距离最小的楼层平面对应的楼层。
[0146]
楼层生成模块43，用于判断任意两个候选平面之间是否满足第二预设条件；若是，则将所述两个候选平面进行融合；其中，所述第二预设条件为两个候选平面的法向量的角度差小于第二预设角度阈值，且所述两个候选平面的距离小于第二预设距离阈值。
[0147]
楼层生成模块43，用于获取每一候选平面中数据点的数量，以及获取所有候选平面中数据点的最大数量；计算每一候选平面中数据点的数量与所述最大数量的比值；将所述比值小于预设比值对应的候选平面剔除。
[0148]
平面图生成模块45，用于以所述楼层平面的法向量作为第一坐标轴；在所述楼层平面内选择一个向量作为第二坐标轴；基于所述第一坐标轴和所述第二坐标轴确定第三坐标轴，以所述第一坐标轴、第二坐标轴以及第三坐标轴构建楼层平面坐标系；将所述楼层平面对应楼层中的数据点投影至所述楼层平面坐标系中第二坐标轴和第三坐标轴所在平面，得到所述楼层的平面投影图。
[0149]
请参见图5，图5是本技术提供的平面图生成装置另一实施例的结构示意图。平面图生成装置包括相互连接的存储器52和处理器51。
[0150]
存储器52用于存储实现上述任意一项的平面图生成方法的程序指令。
[0151]
处理器51用于执行存储器52存储的程序指令。
[0152]
其中，处理器51还可以称为cpu(central processing unit，中央处理单元)。处理器51可能是一种集成电路芯片，具有信令的处理能力。处理器51还可以是通用处理器、数字信令处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0153]
存储器52可以为内存条、tf卡等，可以存储串匹配预测装置中全部信息，包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器中。它根据控制器指定的位置存入和取出信息。有了存储器，串匹配预测装置才有记忆功能，才能保证正常工
作。串匹配预测装置的存储器按用途存储器可分为主存储器(内存)和辅助存储器(外存)，也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等，能长期保存信息。内存指主板上的存储部件，用来存放当前正在执行的数据和程序，但仅用于暂时存放程序和数据，关闭电源或断电，数据会丢失。
[0154]
在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0155]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
[0156]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0157]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，系统服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式方法的全部或部分步骤。
[0158]
请参阅图6，为本技术计算机可读存储介质的结构示意图。本技术的存储介质存储有能够实现上述所有平面图生成方法的程序文件61，其中，该程序文件61可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式方法的全部或部分步骤。而前述的存储装置包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等平面图生成装置。
[0159]
以上仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。