[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

说明书

本申请公开了一种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，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前景语义图、实例感知特征和中心偏移向量，并基于前景语义图选取若干建筑物候选点；基于实例感知特征和中心偏移向量确定关系矩阵，基于关系矩阵确定前景语义图中的各建筑物前景点的单体化标签，以及对单体化标签进行合并以得到候选建筑物单体化结果；基于候选建筑物单体化结果确定建筑物单体化结果。本申请实施例选取若干建筑物候选点并建立建筑物前景点与建筑物候选点间的关系矩阵，基于关系矩阵确定各建筑物前景点的单体化标签，去掉了耗时的逐点聚类过程，提高了三维点云建筑物单体化的精度和速度。

技术领域

本申请涉及计算机图形学技术领域，特别涉及一种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。

背景技术

建筑物单体化技术是针对建筑物类别的实例分割，旨在获取独立的单栋建筑物分割结果，是三维点云处理中最基本的问题之一，也是理解城市场景的重要手段。

建筑物单体化方法主要分为自顶向下和自底向上的两种技术路线。其中，自顶向下的方法主要先通过目标检测的方法找出物体所在的区域（三维包围框），然后分别在这些区域内进行语义分割，区分前景和背景点，每个包围框里的分割结果都作为一个不同的单体化物体输出；自底向上的方法首先提取逐点的深度特征，再通过聚类、度量学习等方式区分不同的物体。

然而，由于目标检测技术在三维点云处理上的应用尚未成熟，现有的三维点云的单体化技术普遍专注于自底向上的设计思路。但是，自底向上的方法是采取逐点的聚类来完成三维点云的单体化，当面对室外场景的三维点云数据时，由于室外场景的三维点云数据的数据量非常大，会导致逐点的聚类的运算非常耗时，进而会影响三维点云单体化的时间效率，降低三维点云单体化的速度。

因而现有技术还有待改进和提高。

发明内容

本申请要解决的技术问题在于，针对现有技术的不足，提供一种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。

为了解决上述技术问题，本申请实施例第一方面提供了一种大规模城市点云数据集与建筑单体化构建方法，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。

所述大规模城市点云数据集与建筑单体化构建方法，其中，所述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具体包括：

基于所述实例感知特征和中心偏移向量确定各建筑物前景点的目标实例感知特征和中心偏移特征，并基于各建筑物前景点的目标实例感知特征和中心偏移特征确定各建筑物前景点的前景特征；

基于各建筑物前景点的前景特征计算各建筑物前景点和各建筑物候选点的特征距离，并基于计算得到的所有特征距离形成关系矩阵。

所述大规模城市点云数据集与建筑单体化构建方法，其中，所述若干建筑物候选点的第一数量为基于所述建筑物前景点的第二数量确定的，其中，第一数量小于第二数量。

所述大规模城市点云数据集与建筑单体化构建方法，其中，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；