从简单点云中学习室内布局
计算机视觉与模式识别
2021-08-10 v1 机器学习
摘要
重建室内空间布局一直是日益增长的室内位置服务的重要组成部分。室内位置服务普及的一个关键挑战在于，由于捕获既有建筑的室内空间模型（如楼层平面图）过程复杂，室内空间地图难以获取。本文提出一种系统，可自动生成楼层平面图，从通过 Google Tango 等智能手机获取的点云中识别房间。具体而言，我们提出两种方法——基于循环神经网络使用 Pointer Network 的方法，以及基于卷积神经网络使用 Mask-RCNN 的方法，以从点云中识别房间（进而得到楼层平面图）。在不同数据集上的实验结果显示交并比（Intersection-over-Union）分数约为 0.80–0.90，表明我们的模型能够有效识别房间并在异构环境中重建房间形状。
引用
@article{arxiv.2108.03378,
title = {Learning Indoor Layouts from Simple Point-Clouds},
author = {Md. Tareq Mahmood and Mohammed Eunus Ali},
journal= {arXiv preprint arXiv:2108.03378},
year = {2021}
}