在本文中,作者提出了一种使用分层方法对整个建筑物的三维点云进行语义解析的方法:首先,将原始数据解析为语义有意义的空间(E 。g。 房间等)对齐成一个典型的参考坐标系。 第二,空间被解析成它们的结构和建筑元素(例如。 墙壁、柱子等)。 执行这些wi 全球三维空间的一个强有力的概念是我们方法的支柱。 第一步中的对齐将强3D先验从正则坐标系注入到第二步以进行发现 要素。 这允许不同的具有挑战性的场景,因为人造室内空间往往表现出反复出现的规律性,而外观特征则会发生巨大的变化。 我们还认为身份证明 室内空间中的结构元素本质上是一个检测问题,而不是常用的分割问题。 我们评估了我们的方法在一个新的数据集的几个建筑物与一个科维尔 面积超过6000平方米,超过2.15亿点,显示出稳健的结果很容易用于实际应用。
3D Semantic Parsing of Large-Scale Indoor Spaces
最新推荐文章于 2024-01-18 15:55:26 发布
本文提出了一种对大规模室内3D点云进行语义解析的分层方法,首先将数据解析为语义空间并对其对齐,然后识别结构元素。这种方法利用了室内空间的重复规律性,适用于复杂场景。在涵盖6000多平方米的大型数据集上,该方法展示了稳健的性能,为智能室内环境的应用提供了基础。
摘要由CSDN通过智能技术生成