【技术实现步骤摘要】
本专利技术涉及点云深度学习建模，具体涉及建筑点云数据高精度三维模型生成方法。
技术介绍
1、随着建筑信息化的深入发展，点云数据成为建筑数字化的核心技术之一。然而，传统点云数据处理方法面临数据量大、精度低、多源数据整合难、信息缺失等问题，难以满足建筑信息建模（bim）和工程分析需求。
2、传统的建筑三维模型重建方法依赖于单一数据源，如机载lidar点云数据或倾斜摄影测量数据，这些方法在局部准确性、整体完整性和数据规模之间难以平衡。传统icp点云配准算法的参数设置依赖经验值，且难以保证刚性变换，而深度学习可以直接估计出刚性变换矩阵，有利于保证点云完整性和准确性，且深度学习在点云补全和分割方面也有出色的表现。
3、上述问题亟待解决，为此，本专利技术提出了建筑点云数据高精度三维模型生成方法。
技术实现思路
1、本专利技术所要解决的技术问题在于：如何解决传统icp点云配准算法的参数设置依赖经验值，且难以保证刚性变换的问题，并利用将深度学习技术应用在点云补全和分割中，提供了建筑...
【技术保护点】
1.建筑点云数据高精度三维模型生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的建筑点云数据高精度三维模型生成方法，其特征在于，在所述步骤S1中，具体处理过程如下：
3.根据权利要求1所述的建筑点云数据高精度三维模型生成方法，其特征在于，在所述步骤S2中，在所述步骤S2中，在原始CoFi-Net点云配准网络粗略配准阶段中的上下文聚合过程中引入重叠注意力模块，得到改进的CoFi-Net点云配准网络并对其进行训练，使用改进的CoFi-Net点云配准网络进行配准的处理过程如下：
4.根据权利要求3所述的建筑点云数据高精度三维模...
【技术特征摘要】
1.建筑点云数据高精度三维模型生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的建筑点云数据高精度三维模型生成方法，其特征在于，在所述步骤s1中，具体处理过程如下：
3.根据权利要求1所述的建筑点云数据高精度三维模型生成方法，其特征在于，在所述步骤s2中，在所述步骤s2中，在原始cofi-net点云配准网络粗略配准阶段中的上下文聚合过程中引入重叠注意力模块，得到改进的cofi-net点云配准网络并对其进行训练，使用改进的cofi-net点云配准网络进行配准的处理过程如下：
4.根据权利要求3所述的建筑点云数据高精度三维模型生成方法，其特征在于，在所述步骤s3中，在原始pf-net点云补全网络特征提取阶段并行加入用于从rgb-d数据中提取语义和几何特征的网络分支结构，得到改进的pf-net点云补全网络，并引入全局几何语义一致性损失和局部几何语义一致性损失对其进行训练，利用改进的pf-net点云补全网络进行补全的处理过程如下：
<...【专利技术属性】
技术研发人员：施贵刚，疏臻，郑润强，潘彦希，杜晓雪，邹涛，左光之，
申请(专利权)人：安徽建筑大学，
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。