建筑构件的三维点云分类方法、系统、装置及存储介质制造方法及图纸

本发明专利技术公开了一种建筑构件的三维点云分类方法、系统、装置及存储介质，该方法包括将建筑构件的三维点云分割成多个点云段；对每个所述点云段分配初始语义标签和初始几何标签；提取所述点云段的特征并拟合特征描述符；利用支持向量机推断出语义标注；利用AdaBoost分类器推断出几何标注；利用马尔可夫随机场加强所述语义标注和所述几何标注之间的一致性。本发明专利技术利用马尔可夫随机场加强所述语义标注和所述几何标注之间的一致性，能够提高语义标签的准确性，进而能够准确分类出建筑构件点云。本发明专利技术可广泛应用于三维点云分类的技术领域。

【技术实现步骤摘要】
建筑构件的三维点云分类方法、系统、装置及存储介质
本专利技术涉及三维点云分类的
，尤其是一种建筑构件的三维点云分类方法、系统、装置及存储介质。
技术介绍
通过三维点云数据生成三维模型是一种常见的虚拟设计和构造(VDC)服务。研究集中在几个关键步骤的自动化，包括基于外观和几何属性的点云分割。这些方法主要使用曼哈顿世界假设，但是，在建筑系统接近建筑、结构元素的情况下，这些方法会导致过度分割，需要用户进行显著的微调；过程复杂，且分类不够准确导致分割不够准确。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种建筑构件的三维点云分类方法、系统、装置及存储介质。本专利技术所采取的技术方案是：一方面，本专利技术实施例包括一种建筑构件的三维点云分类方法，包括：将建筑构件的三维点云分割成多个点云段；对每个所述点云段分配初始语义标签和初始几何标签；提取所述点云段的特征并拟合特征描述符；利用支持向量机推断出语义标注；利用AdaBoost分类器推断出几何标注；利用马尔可夫随机场加强所述语义标注和所述几何标注之间的一致性。进一步地，所述将建筑构件的三维点云分割成多个点云段这一步骤，包括：选择一个体像素点，对建筑构件的三维点云进行子采样，生成密度分布均匀的点云；在每个点云周围拟合一个双曲面；将稳定区域识别为种子，并使用区域生长算法获取多个点云段。进一步地，所述对每个所述点云段分配初始语义标签和初始几何标签这一步骤，包括：通过每个所述点云段的点坐标获得每个点云段对应的几何特征；根据所述几何特征，利用支持向量机和AdaBoost分类器对每个所述点云段分配初始语义标签和初始几何标签。进一步地，所述利用支持向量机推断出语义标注通过以下第一公式执行：式中，f(x)为结果得分，N表示训练数据的大小，yi表示数据标签，i为第i个训练数据，αi表示权重因子，b表示偏置，xi,xj分别为特征向量，k(xi,xj)表示核函数，为径向基函数核，其中，核函数的表达式如下：k(xi,xj)＝exp(γ||-xi-xj||2)；式中，γ表示特征数的倒数，γ>0，||-xi-xj||2表示两个特征向量之间的欧氏距离平方。进一步地，通过所述第一公式得到的最高置信度的标签选为所述语义标注。进一步地，所述利用马尔可夫随机场加强所述语义标注和所述几何标注之间的一致性通过以下公式执行：式中，J为标签向量，ESemantic(si,ci)表示点云段si具有语义标注ci的概率，SP为语义标注ci的集合，EGeometric(si,ci)表示点云段si具有几何标注cg的概率，φ(si,cg)表示强制语义标注ci和几何标注cg之间的一致性的术语，λs、λg、λc表示语义标注和几何标注之间的一致性的平滑常数，其值均介于0和1之间；其中，ESemantic(si,ci)通过以下公式计算得到：ESemantic(si,ci)＝-wiL(si,ci)-log(P(ci|cj))xT(ci≠cj)；式中，x为特征描述符，wi是权重因子，L(si,ci)是似然比得分，ci表示第i个语义标签，cj表示第j个语义标签，P(ci|cj)是给定其邻域具有标注cj的一段具有标注ci的条件概率，T是二项式参数，如果参数为真则为1，否则为0；其中，L(si,ci)通过以下公式计算得到：式中，是c除之外的所有类的集合，P(si|c)是利用SVM和AdaBoost分类器分别为语义标注和几何标注给出的概率，为P(si|c)的互斥概率，c为语义标签。另一方面，本专利技术实施例还包括一种建筑构件的三维点云分类系统，包括：分割模块，用于将建筑构件的三维点云分割成多个点云段；分配模块，用于对每个所述点云段分配初始语义标签和初始几何标签；提取模块，用于提取所述点云段的特征并拟合特征描述符；第一推断模块，用于利用支持向量机推断出语义标注；第二推断模块，用于利用AdaBoost分类器推断出几何标注；加强模块，用于利用马尔可夫随机场加强所述语义标注和所述几何标注之间的一致性。进一步地，所述分割模块包括：采样单元，用于选择一个体像素点，对建筑构件的三维点云进行子采样，生成密度分布均匀的点云；拟合单元，用于在每个点云周围拟合一个双曲面；获取单元，用于将稳定区域识别为种子，并使用区域生长算法获取多个点云段。另一方面，本专利技术实施例还包括一种建筑构件的三维点云分类装置，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的一种建筑构件的三维点云分类方法。另一方面，本专利技术实施例还包括计算机可读存储介质，其上存储有处理器可执行的程序，所述处理器可执行的程序在被处理器执行时用于实现所述的一种建筑构件的三维点云分类方法。本专利技术的有益效果是：本专利技术利用马尔可夫随机场加强语义标注和几何标注之间的一致性，能够提高语义标签的准确性，进而能够准确分类出建筑构件点云。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术实施例所述建筑构件的三维点云分类方法的步骤流程图；图2为本专利技术实施例所述建筑构件的三维点云分类装置的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。在本专利技术的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。本专利技术的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属
技术人员可以结合技术方案的具体内容合理确定上述词语在本专利技术中的具体含义。下面结合附图，对本申请实施例作进一步阐述。参照图1，本专利技术实施例提本文档来自技高网...

【技术保护点】
1.一种建筑构件的三维点云分类方法，其特征在于，包括：/n将建筑构件的三维点云分割成多个点云段；/n对每个所述点云段分配初始语义标签和初始几何标签；/n提取所述点云段的特征并拟合特征描述符；/n利用支持向量机推断出语义标注；/n利用AdaBoost分类器推断出几何标注；/n利用马尔可夫随机场加强所述语义标注和所述几何标注之间的一致性。/n

【技术特征摘要】
1.一种建筑构件的三维点云分类方法，其特征在于，包括：
将建筑构件的三维点云分割成多个点云段；
对每个所述点云段分配初始语义标签和初始几何标签；
提取所述点云段的特征并拟合特征描述符；
利用支持向量机推断出语义标注；
利用AdaBoost分类器推断出几何标注；
利用马尔可夫随机场加强所述语义标注和所述几何标注之间的一致性。


2.根据权利要求1所述的一种建筑构件的三维点云分类方法，其特征在于，所述将建筑构件的三维点云分割成多个点云段这一步骤，包括：
选择一个体像素点，对建筑构件的三维点云进行子采样，生成密度分布均匀的点云；
在每个点云周围拟合一个双曲面；
将稳定区域识别为种子，并使用区域生长算法获取多个点云段。


3.根据权利要求1所述的一种建筑构件的三维点云分类方法，其特征在于，所述对每个所述点云段分配初始语义标签和初始几何标签这一步骤，包括：
通过每个所述点云段的点坐标获得每个点云段对应的几何特征；
根据所述几何特征，利用支持向量机和AdaBoost分类器对每个所述点云段分配初始语义标签和初始几何标签。


4.根据权利要求1所述的一种建筑构件的三维点云分类方法，其特征在于，所述利用支持向量机推断出语义标注通过以下第一公式执行：



式中，f(x)为结果得分，N表示训练数据的大小，yi表示数据标签，i为第i个训练数据，αi表示权重因子，b表示偏置，xi、xj分别为特征向量，k(xi,xj)表示核函数，为径向基函数核，其中，核函数的表达式如下：
k(xi,xj)＝exp(γ||-xi-xj||2)；
式中，γ表示特征数的倒数，γ>0，||-xi-xj||2表示xi、xj两个特征向量之间的欧氏距离平方。


5.根据权利要求4所述的一种建筑构件的三维点云分类方法，其特征在于，通过所述第一公式得到的最高置信度的标签选为所述语义标注。


6.根据权利要求1所述的一种建筑构件的三维点云分类方法，其特征在于，所述利用马尔可夫随机场加强所述语义标注和所述几何标注之间的一致性通过以下公式执行：



式中，J为标签向量，ESemantic(si,ci)表示点云段si具有语义标注ci的概率，SP为语义标注ci的集合，EGeometric(si,ci)...

【专利技术属性】
技术研发人员：蔡长青，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44