-
公开(公告)号：CN113705582B
公开(公告)日：2022-03-29
申请号：CN202110891468.4
申请日：2021-08-04
Applicant: 南京林业大学
Abstract: 本发明公开了一种建筑立面边缘特征关键点提取方法，属于三维建模领域。本发明首先通过对局部邻域内建立的协方差矩阵的特征值来计算三维点云中每个点的置信度；然后定义三维空间中每个点的梯度，再将三维点云的梯度信息编码为结构张量；结构张量的特征值可以表示局部点云的梯度分布情况，从而将建筑物点云的立面特征提取问题转换为分析结构张量的三个特征值的问题；将每个点的置信度和结构张量作为双阈值法的输入，判断当前被处理点是否为关键点；最后采用边缘细化算法对边缘特征点进行细化处理。本发明所提出的算法不仅精度高于现有直接从三维中提取边缘特征的方法，也优于基于Canny算子到二维图像进行边缘提取和细化的方法。
-
Patent Agency Ranking
公开(公告)号：CN117496086A
公开(公告)日：2024-02-02
申请号：CN202311319567.0
申请日：2023-10-12
Applicant: 南京林业大学
Abstract: 本发明公开了一种语义感知的室内几何重建方法，首先获取含有语义的目标楼层三维点云，通过水平切片并投影到地面，提取墙面投影线；然后生成目标楼层多边形单元，构建房间语义图和墙面语义图，并通过构建目标函数和图割算法分割出室内多边形单元和室外多边形单元，之后对房间语义图和墙面语义图，进行图像差值操作，获得差值语义图；再使用形态学分割获得房间分割图，将房间分割图与室内多边形单元和室外多边形单元叠加，获得房间多边形单元；最后通过获取房间边界、计算房间的真实高度、获得目标楼层房间的三维几何模型。本发明创建的房间模型具有准确的几何形状、正确的拓扑结构和丰富的语义信息。
-
公开(公告)号：CN114092697B
公开(公告)日：2022-05-06
申请号：CN202111318277.5
申请日：2021-11-09
Applicant: 南京林业大学
IPC: G06V10/26 , G06V20/17 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了注意力融合全局和局部深度特征的建筑立面语义分割方法，通过设计顾及方向和位置编码的局部特征编码，强化局部特征聚合，增强门窗边界点的边缘特征和立面点的局部特征；通过融入全局Transformer感知模块，捕获门窗上下文全局特征，推理建筑立面门窗的几何位置结构和结构布局，从密度变化不均、含有噪声和离值点且数据缺失的建筑立面点云中正确识别出边缘特征不显著的门窗；基于注意力机制融合局部特征和全局特征。
-
公开(公告)号：CN114092697A
公开(公告)日：2022-02-25
申请号：CN202111318277.5
申请日：2021-11-09
Applicant: 南京林业大学
IPC: G06V10/26 , G06V20/17 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了注意力融合全局和局部深度特征的建筑立面语义分割方法，通过设计顾及方向和位置编码的局部特征编码，强化局部特征聚合，增强门窗边界点的边缘特征和立面点的局部特征；通过融入全局Transformer感知模块，捕获门窗上下文全局特征，推理建筑立面门窗的几何位置结构和结构布局，从密度变化不均、含有噪声和离值点且数据缺失的建筑立面点云中正确识别出边缘特征不显著的门窗；基于注意力机制融合局部特征和全局特征。
-
公开(公告)号：CN117496086B
公开(公告)日：2024-05-07
申请号：CN202311319567.0
申请日：2023-10-12
Applicant: 南京林业大学
Abstract: 本发明公开了一种语义感知的室内几何重建方法，首先获取含有语义的目标楼层三维点云，通过水平切片并投影到地面，提取墙面投影线；然后生成目标楼层多边形单元，构建房间语义图和墙面语义图，并通过构建目标函数和图割算法分割出室内多边形单元和室外多边形单元，之后对房间语义图和墙面语义图，进行图像差值操作，获得差值语义图；再使用形态学分割获得房间分割图，将房间分割图与室内多边形单元和室外多边形单元叠加，获得房间多边形单元；最后通过获取房间边界、计算房间的真实高度、获得目标楼层房间的三维几何模型。本发明创建的房间模型具有准确的几何形状、正确的拓扑结构和丰富的语义信息。
-
公开(公告)号：CN113705582A
公开(公告)日：2021-11-26
申请号：CN202110891468.4
申请日：2021-08-04
Applicant: 南京林业大学
Abstract: 本发明公开了一种建筑立面边缘特征关键点提取方法，属于三维建模领域。本发明首先通过对局部邻域内建立的协方差矩阵的特征值来计算三维点云中每个点的置信度；然后定义三维空间中每个点的梯度，再将三维点云的梯度信息编码为结构张量；结构张量的特征值可以表示局部点云的梯度分布情况，从而将建筑物点云的立面特征提取问题转换为分析结构张量的三个特征值的问题；将每个点的置信度和结构张量作为双阈值法的输入，判断当前被处理点是否为关键点；最后采用边缘细化算法对边缘特征点进行细化处理。本发明所提出的算法不仅精度高于现有直接从三维中提取边缘特征的方法，也优于基于Canny算子到二维图像进行边缘提取和细化的方法。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
