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,...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.展开更多
文摘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.