共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
基于三维激光扫描技术,提出了一种智能化、全流程的房屋尺寸质量检测方法,包括点云数据配准、点云数据轻量化、房屋逆向建模及尺寸质量检测。通过点云数据映射全景图、基于YOLO v5神经网络模型的标靶纸目标检测以及基于模板匹配方法的标靶中心估计等步骤,可实现多站点云数据之间的自动配准; 通过可分解图滤波算法进行点云数据重采样,实现数据轻量化并提高运行速度; 针对房屋整体点云数据,提出了集点云数据分割、表面重建、尺寸质量检测于一体的综合算法。结果表明:基于标靶纸的点云配准方法能够自动完成各站点云数据的配准,得到完整房屋点云数据; 点云数据分割技术能够分离不同墙面、楼板底面和顶面的点云数据; 表面重建算法能够生成房屋的实体模型; 尺寸质量检测技术能够自动计算出表面的平整度和垂直度; 提出的房屋尺寸质量检测方法全面、可行,且能够适用不同的户型,研究成果以期替代人工测量完成房屋的平整度与垂直度的检测。 相似文献
4.
在数字孪生、智慧城市的浪潮下,建筑行业正积极探索一种能快速重塑"既有建筑"3D信息模型的方法.从深度学习3D目标检测算法角度出发,着手大规模建筑数据集的生成和点云深度学习理论,分析点云深度学习框架所需输入数据类型,重点介绍了各类建筑构件的3D边界框及三维点云的创建过程,对比具有相同数据结构的不同点云数据集并实现了基于S... 相似文献
5.
6.
点云数据分割是三维模型重建的关键环节,传统的基于模糊C均值聚类(FCM)的点云数据分割算法在规则物体细节的分割上具有一定的局限性。针对此问题,在传统算法的基础上,增加了激光反射率信息,提出了顾及激光反射率的分割算法。通过实例验证,该算法具有较高的可行性和普遍适用性,分类结果较为可靠。 相似文献
7.
8.
为了进一步扩展车载激光扫描点云数据的应用领域,针对点云数据的分类尤为重要。本文针对目前道路面提取中存在的问题,提出了一种基于Otsu算法与改进区域生长算法的道路面提取方法。该方法实现道路面精确提取的关键步骤为:首先,使用Otsu算法自适应计算出分割阈值实现非地面点滤除;其次,计算得到空间激光点的法向量与曲率;最后,将法向量相似度作为约束条件,使用改进区域生长算法进行道路面精确提取。使用两段城市道路点云数据进行试验,结果表明本文方法提取道路面结果的准确度CR、完整度CP以及提取质量Q均大于94%,验证了本文方法的有效性与鲁棒性。 相似文献
9.
本文研究了利用三维建筑信息模型生成的合成点云来训练深度学习算法以实现建筑构件智能识别的可行性。为了实现这一目标,本文首先提出了一种通过三种常见的商业软件将建筑信息模型转换为合成点云的原始方法。然后使用这些合成点云作为模拟数据集来训练深度学习模型,比较在不同数据集(真实数据集与合成数据集)下训练模型的智能识别性能,以验证合成点云数据集的有效性。实验结果证明了利用建筑信息模型生成的合成点云实现智能识别的可行性,合成数据集与真实数据集的训练模型其识别准确率仅相差3%,进一步表明了在智能识别中使用合成数据集代替真实数据集的可能性。该方法也为研究人员提供了一种新的方法来构建特定的数据集,用于他们自己的智能识别与语义分割研究,并为三维重建工作做出了贡献。 相似文献