本发明涉及图像识别技术领域，尤其涉及一种户型图参数化可再编辑建模方法。
背景技术：
户型图参数化可再编辑建模方法可被运用于标准浏览器及移动终端，是基于图像识别技术将户型图中的墙体、门、窗、阳台等特征参数化，并支持在标准浏览器或手机终端可再编辑参数的方式建立三维展示模型，支持多角度观看户型的三维效果。
现有的户型图识别技术或方法中并没有对户型的基础特征,如:墙体、门、窗、阳台等有完整的识别方法，导致最终呈现出的展示效果缺乏大量的基础，展示效果不佳。此外，有些采用预先建立特征矢量数据库，与数据库匹配的方式进行处理，庞大的数据库将占据较多的内存，这在像手机这类内存较小的移动终端而言是不足支撑的。同时获取到的特征数据并不支持再编辑的功能，展示的三维模型中的特征的类型、材质、尺寸固化不可更改，展示效果单一，无法满足用户的实际需求。
技术实现要素：
针对现有技术存在的不足，本发明提供了一种户型图参数化可再编辑建模方法，本发明户型图参数化可再编辑建模方法是对户型基础特征，如：墙体、门、窗、阳台等的完整识别方法，并且支持对各个特征的再编辑功能，用户可随意更换特征类型、材质、尺寸，使最终展示效果更全面，更符合用户的实际需求。
为了实现上述目的，本发明通过如下的技术方案来实现：
一种户型图参数化可再编辑建模方法，具体包括以下步骤：
步骤一：对用户提供的户型图进行预处理；
步骤二：获取墙体中线起始两端坐标及墙体厚度数据；
步骤三：对特定区域门、窗、阳台进行切割处理；
步骤四：特征匹配识别，获取特征类型和起始两端坐标；
步骤五：根据用户要求是否对识别数据进行再编辑处理；
步骤六：三维重建户型图，多角度、多方位进行展示。
进一步的，所述步骤一预处理方法包括以下步骤：
11)拷贝原图数据后对数据进行灰度化处理；
12)将灰度化数据进行二值化处理；
13)将图像进行膨胀化处理后再使用开运算处理；
14)使用高斯模糊处理图像；
15)对处理后的图像进行边缘检测，获取边缘检测图像。
进一步的，所述步骤二获取墙体中线起始两端坐标及墙体厚度数据的方法包括以下步骤：
21)使用快速检测直线检测方法检测出图像的所有直线两端坐标数据；
22)检测的直线为墙体的边缘数据，将其转换为墙体中线，并获取墙体厚度数据；
23)由于户型图图像与实际的户型存在比例关系，因此提供用户输入对应户型的准确比例值接口，使最终生成建立的户型模型与真实的户型尺寸一致；
24)墙体中线数据会存在不同墙中线重叠、过近、相同射线方向的墙体中线中断、基本拐角性质和t型角性质的两墙中线未闭合问题，对该几类情况进行优化处理，获取最终的墙体中线起始点坐标及墙体厚度。
进一步的，所述步骤三对特定区域门、窗、阳台进行切割处理的方法包括以下步骤：
31)对优化后墙中线的两端数据做上下左右四个正方向的射线，如该射线方向上为原墙中线的端点到另一个端点的方向则不做该射线；
32)计算并获取端点各射线到其他墙中线的距离，保留并记录下最短射线的距离及起始点坐标信息；
33)射线数据会存在重叠、过近、与其他墙中线不相交情况，对该几类情况进行优化处理，获取最终的射线起始点坐标及射线类型，射线类型包括水平或垂直；
34)对于一条射线，根据射线性质及射线长度确定两个特征感兴趣区域，对于水平射线会生成上方感兴趣区域与下方感兴趣区域，对于垂直射线会生成左方感兴趣区域与右方感兴趣区域，具体操作流程以水平方向射线为例进行说明，垂直方向射线同理；其中，水平方向射线上方区域确定方法：以水平射线向下移动5个偏移量单位确定底边位置，若射线的长度小于1500mm，则将原水平射线位置向上以射线的长度移动确定顶边位置，若大于1500mm，则射线以1500mm向上确定顶边位置，将底边和顶边向左右两边延伸1个偏移量，并对应连接，即可确定整个上方感兴趣区域；下方感兴趣区域与上方感兴趣区域只区别在水平射线向上移动5个偏移量单位确定顶边位置，向下移动射线长度单位确定底边位置；
35)根据比例值转换为对应图像的尺寸数据。
进一步的，所述步骤四特征匹配识别的方法包括以下步骤：
41)对特征进行训练生成xml训练集，对应轮廓走向大致相似但细节不一样的特征，只需训练较典型的特征即可，训练集的数据量不大，训练只需一次，后面只在有不同轮廓走向的特征才会重新训练，否则无需进行训练；
42)根据原图数据，按照感兴趣区域获取感兴趣特征小图，对特征小图进行图像预处理；
43)获取轮廓边缘数据集；
44)使用形状上下文方法比较匹配，确定感兴趣特征具体的类型、特征的起始坐标信息、特征的方向。
本发明的有益效果：
(1)本发明提出的图像预处理方法能去除家具物品、地板等干扰信息，有利于提高墙体识别的准确度；
(2)本发明将边缘数据简化到墙中线数据，简化了后期的数据运算量，大大提高了检测识别的速度；
(3)需要训练的特征类型少，只关注特征的轮廓走向，无需考虑特征的绘制细节，极大减少匹配的数据量；
(4)特征小图的生成、识别匹配采用并发操作处理，极大的提高了运算的效率；
(5)获取到的数据参数支持再次进行编辑，通过手动修改数据或直接拉伸、移动特征直线，使得因图像识别中可能存在的误差得到准确修正；
(6)支持对特征类型对应的模型数据的材质、长度、宽度等信息进行再编辑修改；
(7)支持生成2.5d、3d模型进行多方位、多角度及漫游方式展示及返回2d进行多次再编辑功能。
附图说明
图1为本发明的整体流程图。
具体实施方式
如图1所示，一种户型图参数化可再编辑建模方法，具体包括以下步骤：
步骤一：对用户提供的户型图进行预处理；
步骤二：获取墙体中线起始两端坐标及墙体厚度数据；
步骤三：对特定区域门、窗、阳台进行切割处理；
步骤四：特征匹配识别，获取特征类型和起始两端坐标；
步骤五：根据用户要求是否对识别数据进行再编辑处理；
步骤六：三维重建户型图，多角度、多方位进行展示。
所述步骤一预处理方法包括以下步骤：
11)拷贝原图数据后对数据进行灰度化处理；
12)将灰度化数据进行二值化处理；
13)将图像进行膨胀化处理后再使用开运算处理；
14)使用高斯模糊处理图像；
15)对处理后的图像进行边缘检测，获取边缘检测图像。
所述步骤二获取墙体中线起始两端坐标及墙体厚度数据的方法包括以下步骤：
21)使用快速检测直线检测方法检测出图像的所有直线两端坐标数据；
22)检测的直线为墙体的边缘数据，将其转换为墙体中线，并获取墙体厚度数据；
23)由于户型图图像与实际的户型存在比例关系，因此提供用户输入对应户型的准确比例值接口，使最终生成建立的户型模型与真实的户型尺寸一致；
24)墙体中线数据会存在不同墙中线重叠、过近、相同射线方向的墙体中线中断、基本拐角性质和t型角性质的两墙中线未闭合问题，对该几类情况进行优化处理，获取最终的墙体中线起始点坐标及墙体厚度。
所述步骤三对特定区域门、窗、阳台进行切割处理的方法包括以下步骤：
31)对优化后墙中线的两端数据做上下左右四个正方向的射线，如该射线方向上为原墙中线的端点到另一个端点的方向则不做该射线；
32)计算并获取端点各射线到其他墙中线的距离，保留并记录下最短射线的距离及起始点坐标信息；
33)射线数据会存在重叠、过近、与其他墙中线不相交情况，对该几类情况进行优化处理，获取最终的射线起始点坐标及射线类型，射线类型包括水平或垂直；
34)对于一条射线，根据射线性质及射线长度确定两个特征感兴趣区域，对于水平射线会生成上方感兴趣区域与下方感兴趣区域，对于垂直射线会生成左方感兴趣区域与右方感兴趣区域，具体操作流程以水平方向射线为例进行说明，垂直方向射线同理；其中，水平方向射线上方区域确定方法：以水平射线向下移动5个偏移量单位确定底边位置，若射线的长度小于1500mm，则将原水平射线位置向上以射线的长度移动确定顶边位置，若大于1500mm，则射线以1500mm向上确定顶边位置，将底边和顶边向左右两边延伸1个偏移量，并对应连接，即可确定整个上方感兴趣区域；下方感兴趣区域与上方感兴趣区域只区别在水平射线向上移动5个偏移量单位确定顶边位置，向下移动射线长度单位确定底边位置；
35)根据比例值转换为对应图像的尺寸数据。
所述步骤四特征匹配识别的方法包括以下步骤：
41)对特征进行训练生成xml训练集，对应轮廓走向大致相似但细节不一样的特征，只需训练较典型的特征即可，训练集的数据量不大，训练只需一次，后面只在有不同轮廓走向的特征才会重新训练，否则无需进行训练；
42)根据原图数据，按照感兴趣区域获取感兴趣特征小图，对特征小图进行图像预处理；
43)获取轮廓边缘数据集；
44)使用形状上下文方法比较匹配，确定感兴趣特征具体的类型、特征的起始坐标信息、特征的方向。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。