建筑点云清理、平面检测和语义分割框架
计算机视觉与模式识别
2025-02-20 v2
摘要
本文提出了一个框架，以应对建筑点云清理、平面检测和语义分割中的挑战，最终目标是增强建筑建模。在清理阶段，我们专注于通过基于z-score的自适应阈值技术去除采集的点云数据中的离群点。清理过程之后，我们使用鲁棒的RANSAC范式进行平面检测。目标是执行多次平面分割，并将分割结果分类为不同类别，如地板、天花板和墙壁。所得分割结果可以生成代表建筑元素的精确详细点云。此外，我们解决了语义分割问题，该问题在识别和分类建筑内部不同组件（如墙壁、窗户、门、屋顶和物体）中起着关键作用。受PointNet架构启发，我们提出了一种用于建筑高效语义分割的深度学习架构。结果证明了所提框架在处理建筑建模任务中的有效性，为建筑建模领域提高准确性和效率铺平了道路。
引用
@article{arxiv.2402.00692,
title = {A Framework for Building Point Cloud Cleaning, Plane Detection and Semantic Segmentation},
author = {Ilyass Abouelaziz and Youssef Mourchid},
journal= {arXiv preprint arXiv:2402.00692},
year = {2025}
}