公开(公告)号：CN115482386A

公开(公告)日：2022-12-16

申请号：CN202211189771.0

申请日：2022-09-28

Applicant: 蚌埠市勘测设计研究院 ,  安徽大学

Inventor： 周伟明 ,  王保国 ,  刘虎 ,  余剑 ,  谭晴 ,  胡洪 ,  刘辉

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于深度学习的三维点云语义分割方法，包括以下步骤：步骤1、根据先验信息对倾斜摄影软件获取的场景数字正射影像进行初步分类；步骤2、对点云数据进行预处理并进行点云样本的制作；步骤3、点云数据完成预处理与目标分割后，赋予相应的属性，并完成样本集的封装；步骤4、将样本集送入语义分割的神经网络中提取点云的特征，完成模型训练；步骤5、模型训练之后，进行测试，并对测试结果进行可视化，对可视化结果进一步分析，借此，本发明能够直接处理无序点云，并可以提取到点云不同尺度的局部特征，具有可以提高对精细场景的识别以及对复杂场景的泛化能力的优点。

公开(公告)号：CN115272864A

公开(公告)日：2022-11-01

申请号：CN202210982425.1

申请日：2022-08-16

Applicant: 安徽大学 ,  蚌埠市勘测设计研究院

Inventor： 谭晴 ,  胡洪 ,  刘辉 ,  周伟明 ,  王保国 ,  刘虎 ,  余剑

IPC: G06V20/10 ,  G06V20/70 ,  G06V10/82 ,  G06T17/00

Abstract: 本发明提出了一种基于无人机航空摄影的实景三维建筑物智能提取方法，包括如下步骤：步骤1、将无人机倾斜摄影测量获得的正射影像以及实景三维模型的数据格式进行转化后，对正射影像中的建筑物进行矢量绘制，并从三维模型文件中提取出建筑物矢量文件；步骤2、对格式转化后的数据以及所提取的矢量进行点云样本的制作以及样本库的构建；步骤3、在Pointnet++网络模型上进行模型构建，利用制作好的样本数据进行模型的模拟训练；步骤4、通过模型训练对点的特征进行学习后，得到其对应的权重，将需要进行测试的点云数据,用训练模型对每一个点进行预测打分，借此，本发明使用卷积神经网络有益于从场景影像中快速、准确地提取建筑物对象，适于广泛推广应用。