工业点云数据的实例分割

本文解决的挑战是如何高效地最小化自动生成工业设施面向对象的几何数字孪生 的成本与人工劳动，使得其收益相比生成这些模型的初始投资具有更大价值。我们先前的工作实现了当前最先进的类别分割性能（在 CLOI 数据集类别中，每个点的平均准确率为 75%，平均 AUC 为 90%），如 (Agapaki and Brilakis 2020) 所述，并直接从激光扫描的工业数据中生成最重要建模对象（CLOI 类别）的带标签点簇。CLOI 代表 C 形、L 形、O 形、I 形及其组合。然而，自动分割单个实例以用于拟合几何形状的问题仍未解决。我们认为，使用实例分割算法具有提供生成 gDT 所需输出的理论潜力。在本文中，我们通过以下方式解决实例分割问题： 使用 CLOI-实例图连通性算法，将对象类别的点簇分割为实例； 对点进行边界分割以改进步骤。我们的方法在 CLOI 基准数据集 (Agapaki et al. 2019) 上进行了测试，在所有类别中实现了 76.25% 的平均精度和 70% 的每点平均召回率。这证明了该方法是首个在仅已知类别点标签而无其他先验知识的情况下，自动分割工业点云形状的方法，并为在杂乱的工业点云中高效生成 gDT 奠定了基础。