[发明专利]一种基于深度学习的BIM三维重建方法

说明书

本发明提出了一种基于深度学习的BIM三维重建方法，包括以下步骤：S1，采用扫描仪采集需要识别的室内建筑场景的点云数据，S2，设计本发明的所采用的PA‑Net网络，该网络主要对点云数据进行特征提取和对特征矩阵进行联合分割，S3，采用训练数据集对本发明所提的深度学习框架PA‑Net进行训练，得到训练好的模型，S4，将S1所采集到的需要识别的室内建筑场景的点云数据输入S3训练好的PA‑Net模型，输出得到实例分割矩阵，也即包含具体标签的点云实例分割矩阵，S5，将S4所得包含语义信息实例分割矩阵利用IFC标准逆向生成BIM模型；本发明可以在采集点云数据之后逆向生成BIM模型，辅助建筑规划、建筑修复。

技术领域

本发明涉及BIM模型重建领域，尤其涉及一种基于深度学习的BIM三维重建方法。

背景技术

如今深度学习在很多领域都取得成功，如自然语言处理，计算机视觉，语音识别等。深度学习在计算机视觉当中的应用则非常广泛，可以用于物体识别，图像分类，语义分割和实例分割等。建筑信息模型(Building Information Model，BIM)技术是Autodesk公司在2002年率先提出，已经在全球范围内得到业界的认可，它可以帮助实现建筑信息的集成，从建筑的设计、施工、运行直至建筑全生命周期的终结，各种信息始终整合于一个三维模型信息数据库中，各工作单位协同工作，有效提高工程实施效率、节省资源、降低成本。对于一些有年代的建筑或是一些亟待修复的建筑，通常无法从建筑图纸中获取适合的BIM模型或是没有建筑图纸可用。针对这个问题，为了更快更好地得到适用性较强的BIM模型，首先要做的就是利用一些快速扫描设备采集待测建筑的点云数据，然后从点云数据生成3D建筑模型。但是这个过程依然是一个需要大量手动工作的任务，因此，本发明提出一种基于深度学习的方法实现从点云数据到3D模型的转换方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于深度学习的BIM三维重建方法。

为了实现本发明的上述目的，本发明提供了一种基于深度学习的BIM三维重建方法，包括以下步骤：

S1，采用扫描仪采集需要识别的室内建筑场景的点云数据；

S2，构建所采用的PA-Net网络，该网络对点云数据进行特征提取和对特征矩阵进行联合分割；

S3，采用训练数据集对PA-Net网络进行训练，得到训练好的模型；

S4，将S1所采集到的需要识别的室内建筑场景的点云数据输入S3训练好的PA-Net模型，输出得到实例分割矩阵，也即包含具体标签的点云实例分割矩阵；

S5，将S4所得包含语义信息实例分割矩阵利用IFC标准逆向生成BIM模型。

进一步地，所述S2包括：

所述PA-Net网络包括点云处理网络PointNet和联合分割模块ASIS，

S2-1，设计与搭建点云处理网络PointNet，该网络模块用于完成对点云数据进行特征提取；

S2-2，设计联合分割模块ASIS，完成对PointNet提取的特征矩阵的语义分割和实例分割。

进一步地，所述S3包括：

联合分割网络系统由3部分组成：①负责点云特征提取的主干网络PointNet；②负责融合实例、语义信息的联合分割模块即ASIS模块；③负责实例分割的分类器；

输入的点云矩阵仅包含每个点的坐标信息(x,y,z)与颜色信息(R,G,B)，表示矩阵维度的大小为N×6，N代表所有点云数据的数量；

PA-Net网络框架的主干网络负责对输入的点云进行初步特征提取，并得到特征矩阵。

进一步地，所述PointNet包括PointNet网络结构：