【技术实现步骤摘要】
一种基于语义分割的大规模园林场景点云几何补全方法
[0001]本专利技术涉及一种点云几何补全方法,特别是一种基于语义分割的大规模园林场景点云几何补全方法。
技术介绍
[0002]场景点云几何补全方法旨在将场景点云中的空洞或缺失部分按照其所述类别或周边对象的语义特征进行补全,获取更为完整的场景点云。场景点云中的空洞或缺失通常是由设备扫描过程中物体之间的遮挡,或多视图重建时拍摄视角不够完备导致视角遮挡导致的。在场景点云之中,大规模园林场景是一类特殊的场景,其在空间尺度上分布范围大,点数量极多。场景内部对象非常繁多,分布密集且复杂,存在较多的缺失部分。同时,部分类别的对象存在较多且较为细节的局部结构。这些因素使得对大规模园林场景点云进行几何补全成为一个较难解决的问题。
[0003]针对大规模园林场景,现有技术提出了一些解决方法,例如,专利公开文件1:吴钦城.基于BIM技术场景建造方法和系统及于园林景观数字建模中的应用[P].广东省:CN110298136A,2019
‑
10
‑
01.;专利公开文件2:张青萍,丁明静,梁慧琳.一种私家园林空间数字化测绘和三维可视化方法[P].江苏省:CN109945845A,2019
‑
06
‑
28.通过采集园林场景图像数据,然后利用软件处理得到场景的三维数据。上述方法只能够从园林场景的二维图像重建得到三维数据,无法保证重建结果不出现空洞或缺失部分,同时也无法对大规模园林场景进行几何补全。专利文件3:李长辉,古建 ...
【技术保护点】
【技术特征摘要】
1.一种基于语义分割的大规模园林场景点云几何补全方法,其特征在于,包括以下步骤:步骤1,场景点云语义分割:使用在园林点云语义分割数据集上预训练得到的点云语义分割网络对输入的园林场景点云进行语义分割,再通过对各语义类别进行类内聚类得到实例对象;步骤2,对象点云补全:将实例对象归一化后进行补全网络训练,拟合得到单实例对象对应的潜在向量和生成器,并利用潜在向量和生成器进一步获得补全后的实例对象;步骤3,场景点云拼装:根据实例对象归一化时保存的对象尺寸及坐标,将补全后的实例对象进行还原拼装得到补全后的园林点云。2.根据权利要求1所述的一种基于语义分割的大规模园林场景点云几何补全方法,其特征在于,步骤1中所述的场景点云语义分割,具体过程包括以下步骤:步骤1
‑
1,利用园林点云语义分割数据集进行语义分割网络训练,获得语义分割网络F
s
;步骤1
‑
2,利用语义分割网络F
s
对输入的园林场景点云进行语义分割,得到不同的语义类别的分割结果;步骤1
‑
3,对各语义类别的点云分别进行类内聚类,获得实例级对象点云3,对各语义类别的点云分别进行类内聚类,获得实例级对象点云其中ins
n
为实例对象的个数,为第ins
n
个实例对象。3.根据权利要求2所述的一种基于语义分割的大规模园林场景点云几何补全方法,其特征在于,步骤1
‑
1中所述的语义分割网络F
s
如下:使用现有处理场景点云的有监督语义分割方法,输入园林场景点云P∈R
N
×6,其中R
N
×6表示N
×
6维的实数域,N为园林场景点云的点数量,每一点包含XYZ轴坐标信息和RGB颜色信息共计6维,输出语义分割结果S
sem
={S1,S2,
···
,S
cls
},其中,S
cls
表示第cls个语义分割结果,cls为园林场景语义类别个数,为第cls类语义类别点云,N
cls
为第cls类语义类别点云中的点数量。4.根据权利要求3所述的一种基于语义分割的大规模园林场景点云几何补全方法,其特征在于,步骤1
‑
3中所述的类内聚类,具体过程包括以下步骤:步骤1
‑3‑
1,输入语义分割结果S
sem
={S1,S2,
···
,S
cls
},邻域半径eps,eps>0,最小邻域样本数minPts,minPts>1;步骤1
‑3‑
2,若待聚类语义分割结果S
sem
=Φ,则执行步骤1
‑3‑
8,其中Φ代表空集;否则,从待聚类语义分割结果S
sem
中任取一个点云S={s1,s2,
···
,s
t
},s
t
∈R3,其中,s
t
表示点云S中的第t个点,t为点云S中点的数量;更新S
sem
=S
sem
‑
{S};其中,更新时,待聚类点云的每一点仅采用3维XYZ轴坐标信息;步骤1
‑3‑
3,初始化当前类别标签K=0,初始化待处理队列L={},初始化逐点类别C={c1,c2,
···
,c
t
},c
t
=
‑
1,其中c
t
表示第t个点的类别,t为点云S中点的数量;步骤1
‑3‑
4,若待聚类点云S=Φ,执行步骤1
‑3‑
2,其中Φ代表空集;否则,从点云S中任取一点s,更新S=S
‑
{s};计算点s与其他所有点的欧几里得距离,并从中选取距离小于邻域半径eps的点作为点s的邻域Neighbors;若|Neighbors|<minPts,则重新执行步骤1
‑3‑
4,否则执行步骤1
‑3‑
5,其中|
·
|代表统计集合
·
中元素的个数;步骤1
‑3‑
5,更新K=K+1,更新点s的类别标签c=K,更新待处理队列L=Neighbors;
步骤1
‑3‑
6,若待处理队列L=Φ,则返回步骤1
‑3‑
4;否则,从待处理队列L中取出一点p,更新队列L=L
‑
{p},若点p的类别标签c
p
=
‑
1,则更新c
p
=K,执行步骤1
‑3‑
7;否则,则重新执行步骤1
‑3‑
6;步骤1
‑3‑
7,计算点p与其他所有点的欧几里得距离,并从中选取距离小于邻域半径eps的点作为点p的邻域Neighbors
p
;若|Neighbors
p
|≥minPts,则更新队列L=L∪Neighbors
p
,否则不进行任何操作,返回步骤136继续执行;步骤1
‑3‑
8,对所有语义类别中,聚类标签大于0的点按照聚类标签进行切分,得到单个实例对象,合并所有语义类别的实例对象,得到园林场景点云语义分割后的所有实例对象集合5.根据权利要求4所述的一种基于语义分割的大规模园林场景点云几何补全方法,其特征在于,步骤2所述的对象点云补全,具体过程包括以下步骤:步骤2
‑
1,对实例对象集合I
ins
中的各实例对象分别进行归一化操作,得到归一化实例对象集合以及各对象的尺寸scale={sc1,sc2,
···
,sc
n
}和原坐标coord={co1,co2,
···
,co
n
};其中,sc
n
表示第n个对象的尺寸,co
n
表示第n个对象的原坐标,表示第norm
n
个归一化实例对象,norm
n
表示归一化实例对象的个数;步骤2
‑
2,对各归一化实例对象分别进行补全网络训练,拟合得到各对象的潜在向量Z={z1,z2,
···
,z
n
}和生成器模型G={g1,g2,
···
,g
n
};步骤2
‑
3,将步骤2
‑
...
【专利技术属性】
技术研发人员:覃池泉,黄燚,沈怡静,吴超楠,钱圣诞,
申请(专利权)人:苏州工艺美术职业技术学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。