【技术实现步骤摘要】
本专利技术涉及计算机视觉、三维建模领域，具体涉及一种基于结构功能分析的室内场景三维建模方法与系统。
技术介绍
1、室内场景三维建模技术是指使用计算机软件和硬件技术对现实世界中的室内场景进行建模和呈现的过程。目前已有的三维建模技术一般需要通过激光扫描、摄影测量、手工测量等方式获取现实世界中室内场景的数据，然后将这些数据导入到计算机软件中，通过三维建模软件进行建模，建模过程可以使用多边形网格建模、体素建模等技术。建模完成后，还可以根据需要进行贴图、纹理、渲染等处理，使得模型更加真实。
2、室内场景三维建模技术的应用非常广泛，包括建筑、室内设计、虚拟现实、游戏制作等领域。在建筑领域中，它可以帮助建筑师和设计师更好地展示和演示设计方案，帮助业主更好地理解设计，并提高设计的准确性和效率；在室内设计领域中，它可以帮助设计师更好地模拟和预测设计效果，帮助客户更好地理解设计意图；在虚拟现实和游戏制作领域中，它可以帮助开发者构建更加真实、生动的虚拟场景，提高用户的沉浸感和体验感。
3、目前的现有技术之一是《一种室内三维建模方法及装置》(cn106846485a)，该方法利用无人机对室内建筑进行全方位的扫描，并生成深度图像，进而利用不同视角与位置的深度图像来生成室内场景的点云模型。同时，为了实现大量建筑的自动测绘，该方法提出首先通过生成粗略室内三维模型并绘制局部三维地图，从而可以规划无人机的行动路线，自动完成整体的测绘与精细化三维模型的生成；该方法的缺点是：由于很多建筑内部的结构、室内摆设等存在较高的一致性，对所有室内场景全
4、目前的现有技术之二是《一种利用点云分割和网格修补的室内三维重建方法》(cn113178009a)，该方法通过三维重建技术来完成对室内场景的三维建模，具体而言，是对室内场景拍摄多个视角的彩色图像，然后利用相机的参数将二维的像素点映射到三维空间坐标系，进而对多个图像进行匹配，并将映射后的三维点放置在同一个坐标系下，得到室内场景的三维点云模型。通过这种方式生成的室内场景三维模型往往存在一些空洞，因此该专利技术还提出将一些难以处理的点云分割出来，通过深度学习的方法对分割的点云模型进行稠密化的处理，从而修补模型中存在的空洞。最终，通过网格化技术，将三维点云模型转为多边形网格模型，并添加纹理贴图来完成场景的三维建模；该方法的缺点是：从不同视角获取到的同一物体的三维模型中，可能存在着一些没有拍摄到的部位，导致重建的三维模型中存在空洞、残缺等现象。修补这些空缺具有一定的启发性，有时难以获取到准确的三维模型。
技术实现思路
1、本专利技术的目的是克服现有方法的不足，提出了一种基于结构功能分析的室内场景三维建模方法与系统。本专利技术解决的主要问题在于：1)如何克服现有的基于深度扫描设备的室内场景建模在应对较大的建筑时，需要重复扫描大量室内场景的问题。2)如何在室内场景存在一定重复性，如在大型室内场景点云语义分割数据集s3dis中，多个区域的室内场景可以由桌子、椅子、沙发等物体构成，一般仅有位置发生变化的情况下，获得完成相似性较高的场景的三维建模。
2、为了解决上述问题，本专利技术提出了一种基于结构功能分析的室内场景三维建模方法，所述方法包括：
3、利用设备，获取精细化的场景三维建模和粗略的场景三维建模；
4、将所述精细化的场景三维建模进行标注，标注完成后将一部分标注的点云作为验证集，剩余的作为训练集参与语义分割网络的训练，并使用所述验证集获取平均交并比miou指标，对模型分割质量进行量化评估；
5、输入所述训练集到基于弱监督学习的室内场景点云语义分割网络中，得到训练好的语义分割模型，利用所述训练好的语义分割模型，构建三维模型库和分类模型；
6、将所述粗略的场景三维建模，输入到所述训练好的语义分割模型，获取语义分割结果，从分割结果中将不同类别的物体提取出来，并利用所述分类模型，从所述三维模型库中检索出最为相近的精细化三维模型，用于替换所述粗略的场景三维建模，最后得到的包含所述精细化的场景三维建模，以及所述粗略的场景三维建模经过精细化处理并且重构的场景三维建模。
7、优选地，所述利用设备，获取精细化的场景三维建模和粗略的场景三维建模，具体为：
8、对于精细化的场景三维建模，使用拍摄深度图像设备或者三维扫描设备，并通过点云配准等技术来获取；对于粗略的场景三维建模，使用彩色相机，对室内场景拍摄多个视角的二维图像，并通过相机参数将像素点映射到三维空间，并进行位姿匹配将不同的二维图像获取的三维点组合起来。
9、优选地，所述将所述精细化的场景三维建模进行标注，标注完成后将一部分标注的点云作为验证集，剩余的作为训练集参与语义分割网络的训练，并使用所述验证集获取平均交并比miou指标，对模型分割质量进行量化评估，具体为：
10、根据弱监督学习的网络需要，标注一定比例的点，标注比例按照训练集中点云数量进行调整，使用所述平均交并比miou指标来量化评估语义分割模型的分割效果，其表达式如下所示：
11、
12、其中，k表示语义分割模型分类类别的数目，k+1表示多的一个背景类别或表示无关类别，pij表示在类别i下，模型预测为类别j的概率。
13、优选地，所述输入所述训练集到基于弱监督学习的室内场景点云语义分割网络中，得到训练好的语义分割模型，具体为：
14、选取三维点云语义查询网络进行语义分割模型的训练，为了应对低标注比例的输入数据，该网络会对输入点云进行五次随机下采样与特征聚合，每次的处理视为一个网络层，由此组成一个五层的网络结构，对于每一个存在标签的点，查询每个网络层该点的特征，并使用空特征值将不同尺度特征补为相同的维数，并进行拼接，将拼接后的特征输入由四层卷积层组成的多层感知机中，获取点的预测标签，在查询并获取到所有标注点的预测标签后，计算与真实标签的交叉熵损失函数，函数表达式如下所示：
15、
16、其中，lce为计算的交叉熵损失，n表示参与计算交叉熵损失的点的数目，k表示点云中所有语义标签的数目，pic表示网络对第i个点类别为c的预测概率，需要经过正则化，使得网络对该点为所有类别预测概率的和为1，yic表示第i个点的真实标签是否为类别c，如果是，该值为1，反之为0；
17、根据最终得到的交叉熵损失更新网络参数，并重复该过程，直到网络收敛，从而获得所述训练好的语义分割模型。
18、优选地，所述利用所述训练好的语义分割模型，构建三维模型库和分类模型，具体为：
19、构建三维模型库，使用所述训练好的语义分割模型，在所述训练集上获取语义分割结果，并将分割结果中不同类别的物体提取出来并存储，同时使用标准化技术对其进行归一化以便后续进行检索，最后将标准的三维模型加入三维模型库；
20、构建分类模型，将所述三维模型库中的三维模型以及相应的类别标签作为训练集，输入到pointn本文档来自技高网...
【技术保护点】
1.一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述利用设备，获取精细化的场景三维建模和粗略的场景三维建模，具体为：
3.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述将所述精细化的场景三维建模进行标注，标注完成后将一部分标注的点云作为验证集，剩余的作为训练集参与语义分割网络的训练，并使用所述验证集获取平均交并比mIoU指标，对模型分割质量进行量化评估，具体为：
4.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述输入所述训练集到基于弱监督学习的室内场景点云语义分割网络中，得到训练好的语义分割模型，具体为：
5.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述利用所述训练好的语义分割模型，构建三维模型库和分类模型，具体为：
6.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述将所述粗略的场景三维建
7.一种基于结构功能分析的室内场景三维建模系统，其特征在于，所述系统包括：
8.如权利要求7所述的一种基于结构功能分析的室内场景三维建模系统，其特征在于，所述利用设备，获取精细化的场景三维建模和粗略的场景三维建模，具体为：
9.如权利要求7所述的一种基于结构功能分析的室内场景三维建模系统，其特征在于，所述将所述精细化的场景三维建模进行标注，标注完成后将一部分标注的点云作为验证集，剩余的作为训练集参与语义分割网络的训练，并使用所述验证集获取平均交并比mIoU指标，对模型分割质量进行量化评估，具体为：
10.如权利要求7所述的一种基于结构功能分析的室内场景三维建模系统，其特征在于，所述输入所述训练集到基于弱监督学习的室内场景点云语义分割网络中，得到训练好的语义分割模型，具体为：
11.如权利要求7所述的一种基于结构功能分析的室内场景三维建模系统，其特征在于，所述利用所述训练好的语义分割模型，构建三维模型库和分类模型，具体为：
12.如权利要求7所述的一种基于结构功能分析的室内场景三维建模系统，其特征在于，所述将所述粗略的场景三维建模，输入到所述训练好的语义分割模型，获取语义分割结果，从分割结果中将不同类别的物体提取出来，并利用所述分类模型，从所述三维模型库中检索出最为相近的精细化三维模型，用于替换所述粗略的场景三维建模，最后得到的包含所述精细化的场景三维建模，以及所述粗略的场景三维建模经过精细化处理并且重构的场景三维建模，具体为：
...【技术特征摘要】
1.一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述利用设备，获取精细化的场景三维建模和粗略的场景三维建模，具体为：
3.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述将所述精细化的场景三维建模进行标注，标注完成后将一部分标注的点云作为验证集，剩余的作为训练集参与语义分割网络的训练，并使用所述验证集获取平均交并比miou指标，对模型分割质量进行量化评估，具体为：
4.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述输入所述训练集到基于弱监督学习的室内场景点云语义分割网络中，得到训练好的语义分割模型，具体为：
5.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述利用所述训练好的语义分割模型，构建三维模型库和分类模型，具体为：
6.如权利要求1所述的一种基于结构功能分析的室内场景三维建模方法，其特征在于，所述将所述粗略的场景三维建模，输入到所述训练好的语义分割模型，获取语义分割结果，从分割结果中将不同类别的物体提取出来，并利用所述分类模型，从所述三维模型库中检索出最为相近的精细化三维模型，用于替换所述粗略的场景三维建模，最后得到的包含所述精细化的场景三维建模，以及所述粗略的场景三维建模经过精细化处理并且重构的场景三维建模，具体为：
<...
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。