[发明专利]大规模城市点云数据集与建筑单体化构建方法及相关装置

权利要求书

1.一种大规模城市点云数据集与建筑单体化构建方法，其特征在于，所述方法包括：

获取目标点云对应的点云特征；

基于所述点云特征确定所述目标点云对应的前景语义图、实例感知特征和中心偏移向量；

在所述前景语义图中的建筑物前景点中选取若干建筑物候选点，基于所述实例感知特征和所述中心偏移向量确定建筑物前景点和候选建筑物点间的关系矩阵，基于所述关系矩阵确定各建筑物前景点的单体化标签，以及对所述单体化标签进行合并以得到候选建筑物单体化结果；

对所述候选建筑物单体化结果进行评分，并基于所述评分确定建筑物单体化结果；

所述对所述单体化标签进行合并以得到候选建筑物单体化结果具体包括：

基于中心偏移向量调整各建筑物候选点的位置信息，以得到各建筑物候选点各自对应的目标位置信息；

基于各建筑物候选点的目标位置信息计算若干建筑物候选点中两两建筑物候选点间的建筑物距离，并基于所述建筑物距离将所述若干建筑物候选点进行合并，以得到建筑物目标点集；

将各建筑物前景点的单体化标签映射至建筑物目标点集对应的目标单体化标签集，以得到候选建筑物单体化结果；

所述建筑物距离是两个建筑物候选点的三维坐标间的距离，通过计算两个建筑物候选点的三维坐标间的欧式距离来确定两两建筑物候选点间的建筑物距离，在获取到所述建筑物距离后，将所述建筑物距离与预设距离阈值进行比较，当所述建筑物距离小于所述预设距离阈值时，两个建筑物候选点属于同一建筑物，将两个建筑物候选点合并，反之，当建筑物距离大于或者等于所述预设距离阈值时，两个建筑物点不属于同一建筑物，其中，所述预设距离阈值为预先设置的；

所述建筑物单体化结果通过建筑物候选生成模块确定，所述建筑物候选生成模块包括建筑候选点选择单元、建筑物分组单元以及建筑物合并单元，其中，所述建筑候选点选择单元用于在所述前景语义图中的建筑物前景点中选取若干建筑物候选点，所述建筑物分组单元用于基于所述实例感知特征和所述中心偏移向量确定建筑物前景点和候选建筑物点间的关系矩阵，以及基于所述关系矩阵确定各建筑物前景点的单体化标签，所述建筑物合并单元用于对所述单体化标签进行合并以得到候选建筑物单体化结果；

所述候选建筑物单体化结果中的每个候选建筑物单体化标签均对应有评分，所述评分用于评价所述候选建筑物单体化标签的真实性，其中，评分越高说明所述候选建筑物单体化标签的真实性越高，反之，评分越低说明所述候选建筑物单体化标签的真实性越低；

所述方法应用经过训练的建筑物点云单体化网络模型，其中，所述建筑物点云单体化网络模型包括特征提取模块，并行的语义分支、实例感知分支和中心偏移分支，建筑物候选生成模块以及建筑物得分预测模块，所述特征提取模块分别与所述语义分支、实例感知分支以及中心偏移分支相连接，语义分支、实例感知分支和中心偏移分支均与所述建筑物候选生成模块相连接，所述建筑物候选生成模块与建筑物得分预测模块，其中，所述建筑物候选生成模块包括建筑候选点选择单元、建筑物分组单元以及建筑物合并单元；

所述语义分支包括由3层线性层组成的多层感知机和一层Softmax分类器，通过所述多层感知机和Softmax分类器确定每个三维点对于C个语义类别的概率分布预测，并取概率最大的类别作为该点的预测语义类别，以得到所述目标点云中的每个三维点的语义类别，其中，所述语义类别用于区分目标点云中包含建筑物的前景点和不包含建筑物的背景点，所述实例感知分支包括有3层线性层组成的多层感知机构，通过所述多层感知机构将每个三维点的特征映射到实例嵌入空间以得到所述实例感知特征，其中，在实例嵌入空间中，相同建筑物的点的特征距离尽可能的小而不同建筑物之间的点的特征距离尽可能的大，所述中心偏移分支包括有3层线性层组成的多层感知机构，通过多层感知机构确定每个点朝向对应建筑物中心的三维中心偏移向量，通过所述中心偏移向量可以把建筑物候选点移动到建筑物中心；

所述建筑物点云单体化网络模型对应的大规模城市点云数据集包括若干大规模城市点云数据，其中，每个大规模城市点云数据中的每个三维点均包含9个维度，分别为三个空间坐标，三个颜色值、语义类别、实例编号以及建筑物细分类类别；

所述大规模城市点云数据集包括三种发展水平不同的城市的点云数据，且三种发展水平不同的城市的点云数据对应的采集区域的面积差值小于预设差值阈值，对于每个发展水平的城市，均选取至少两个区域场景进行点云数据采集；

在获取到所述大规模城市点云数据集后，对所述大规模城市点云数据集进行切割以形成训练数据集和测试数据集，其中，在切割过程中要保证建筑物的完整性，沿着街区对建筑物进行划分，从而得到可供训练的数据。