-
公开(公告)号：CN117523134B
公开(公告)日：2024-07-12
申请号：CN202311228807.6
申请日：2023-09-22
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于结构感知点云语义分割的三维建筑物模型简化方法，首先输入一个建筑物点云数据，然后它被输送到结构感知的点云语义分割模块，通过点的边缘指数提取出建筑物的几何轮廓点，然后利用设计的语义标签能量优化函数对剩余点分配基元语义信息，以每个基元的语义边缘点和建筑物的几何轮廓点构成建筑物的结构轮廓点集。以拓扑感知的方式将建筑物的点云数据转换为三维建筑物网格模型，并将点云的语义信息转移到网格模型中；最后，设计了保留建筑物结构轮廓的边缘折叠算法来对网格模型进行简化，这可以使得建筑物模型在简化过程中变形较小，而且算法还能控制不同语义基元的简化力度。
-
Patent Agency Ranking
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。
-
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：CN117523134A
公开(公告)日：2024-02-06
申请号：CN202311228807.6
申请日：2023-09-22
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于结构感知点云语义分割的三维建筑物模型简化方法，首先输入一个建筑物点云数据，然后它被输送到结构感知的点云语义分割模块，通过点的边缘指数提取出建筑物的几何轮廓点，然后利用设计的语义标签能量优化函数对剩余点分配基元语义信息，以每个基元的语义边缘点和建筑物的几何轮廓点构成建筑物的结构轮廓点集。以拓扑感知的方式将建筑物的点云数据转换为三维建筑物网格模型，并将点云的语义信息转移到网格模型中；最后，设计了保留建筑物结构轮廓的边缘折叠算法来对网格模型进行简化，这可以使得建筑物模型在简化过程中变形较小，而且算法还能控制不同语义基元的简化力度。
-
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 0.018 seconds)
