上海大学学报(自然科学版) ›› 2023, Vol. 29 ›› Issue (3): 502-.doi: 10.12066/j.issn.1007-2861.2369
张 衡, 舒 展
ZHANG Heng, SHU Zhan
摘要: 利用点云深度学习技术自动识别建筑构件的尺寸, 并使用虚拟点云解决了 3D 点云数据集工作繁杂的问题. 首先, 提出了一种批量快速生成虚拟点云数据集的方法. 通过建筑信息模型 (building information modeling, BIM) 技术对装配式构件参数化建模, 对其进行批处理转换数据格式后生成 3D 点云模型, 从而生成无噪声、带标注的高质量点云. 然后, 对点云分类网络 PointNet 进行改进, 搭建了端对端的构件尺寸参数识别网络 PointNet CE. 最后, 使用生成的虚拟点云数据集进行模型训练, 并通过工程实例验证了方法的有效性. 实验结果表明: 基于 BIM 技术生成的虚拟点云数据集可有效拓展现实世界的数据规模; 改进后的构件尺寸参数识别网络可以准确识别出构件尺寸, 对训练样本的识别精度达到了毫米级, 对真实构件的识别精度也达到了厘米级, 可基本满足装配式结构的施工要求.
中图分类号: